Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En este capítulo se estudiará los fenómenos donde existe la incertidumbre sobre lo que
acontece. En efecto para hacer un enfoque general se definen los elementos que permiten
definir la probabilidad mediante axiomas y/o teoremas.
1. EXPERIMENTO
Es un conjunto de acciones intencionadas, cuyos procedimientos en forma dinámica
hacen que un agente estimulo condicionado entre en contacto con el objeto de estudio
provocando una reacción en éste, factible de medición y tiene como finalidad comprobar
o verificar una hipótesis.
TIPOS DE EXPERIMENTOS
(a) DETERMINÍSTICOS
Son aquellos en los que los resultados del experimento están completamente
determinados y se pueden describir mediante una fórmula matemática.
Ejemplos:
a.1. Dejar caer una pelota al vació.
a.2. Determinar el número de masa de un compuesto químico.
a.3. La aplicación de la segunda ley de Newton.
(b) NO DETERMINÍSTICOS
Son aquellos en los que los resultados del experimento no pueden determinarse con
exactitud, pero si pueden estimarse o predecirse los resultados, llamados
experimentos aleatorios.
Ejemplos:
є.1. Lanzar un dado y observar el resultado.
є.2. Aplicar un nuevo método de enseñanza en las sesiones de aprendizaje luego
observar los resultados en la escala vigesimal.
є.3. Designar un delegado de un grupo de 30 estudiantes.
є.4. Elegir un punto del intervalo cerrado [0; 1]
2. ESPACIO MUESTRAL Ω:
Llamaremos espacio muestra asociado a un experimento aleatorio є, al conjunto de todos
los resultados posibles de dicho experimento aleatorio.
Ω1 = {1,2,3,4,5,6}
Ω2 = {1,2, . . . ,20}
Ω3 = {𝐴1 , 𝐴2 , . . . , 𝐴30 }
Ω4 = {𝑥 ∈ ℝ/0 ≤ 𝑥 ≤ 1}
3. SUCESO
Un suceso es cualquier elemento de un espacio muestral, se denotan por: ω, x, y, z, etc.
𝑥∈Ω
Ejemplo: Si el experimento es:
є.1: Lanzar un dado y observar el resultado
ω: observar un seis.
4. EVENTO
Un evento es cualquier subconjunto del espacio muestral, se denotan por: A, B, C, etc.
Ejemplo:
Sea el Evento “A” definido por:
A: Obtener al lanzar un dado un número par.
Los elementos del Evento son:
𝐴 = {2,4,6} ⇒ 𝐴 ⊂ Ω
4.1.TIPOS DE EVENTOS
(1) EVENTO IMPOSIBLE
Es el evento que nunca ocurre.
∅⊂Ω
Ejemplo:
Lanzar un dado y obtener un siete.
Ejemplo:
Si el experimento es lanzar una moneda hasta que ocurra sello y contar el número
de lanzamientos de la moneda.
Luego se definen los siguientes eventos:
A: Se necesita por lo menos 20 lanzamientos.
B: Se necesita más de 5 lanzamientos.
El espacio muestral asociado al experimento y los respectivos eventos son:
Ω = {1,2,3,4,5,6, . . . }
𝐴 = {20,21,22, . . . }
𝐵 = {6,7,8,9, . . . }
𝐿𝑢𝑒𝑔𝑜 𝐴⊂𝐵
(2) IGUALDAD DE EVENTOS
Dados dos eventos A y B son iguales si los sucesos que pertenecen al evento A
también pertenecen al conjunto B y viceversa.
Simbólicamente se tiene:
𝑆í 𝐴 ⊂ 𝐵 𝑦 𝐵⊂𝐴 ⇒ 𝐴=𝐵
Ejemplo:
Si el experimento es lanzar una moneda hasta que ocurra sello y contar el número
de lanzamientos de la moneda.
Luego se definen los siguientes eventos:
A: Se necesita a lo más 10 lanzamientos.
B: Se necesita menos de once lanzamientos.
Entonces:
𝐴 = {1,2,3,4,5,6,7,8,9,10}
𝐵 = {1,2,3,4,5,6,7,8,9,10}
𝐿𝑢𝑒𝑔𝑜 𝐴=𝐵
Ejemplo:
Del ejemplo 3, se tiene:
𝐴 − 𝐵 = {2,4,6,8,10}
𝐵 − 𝐴 = {11,13,15,17, . . . }
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵/𝐴) =
𝑃(𝐴)
TEOREMA 09:
Si A y B son dos eventos cualesquiera de un espacio muestral Ω, y 𝑃(𝐴) ≠ 0, entonces:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵/𝐴)
TEOREMA 10:
Si A, B y C son tres eventos cualesquiera de un espacio muestral Ω, y 𝑃(𝐴) ≠ 0 y 𝑃(𝐴 ∩
𝐵) ≠ 0, entonces:
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴)𝑃(𝐵/𝐴)𝑃(𝐶/𝐴 ∩ 𝐵)
EVENTOS INDEPENDIENTES
Dos eventos son independientes si la incidencia de uno u otro no afecta la probabilidad
en la incidencia del otro.
DEFINICIÓN 02:
Dos eventos A y B son independientes sí y sólo si:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
TEOREMA 11:
Si los eventos A y B son independientes entonces los eventos A y B’ también son
independientes.
DEFINICIÓN 03:
Los eventos 𝐴1 , 𝐴2 , . . . , 𝐴𝑘 son independientes si y sólo si la probabilidad de la
intersección de 2, 3, …, ó k de estos eventos es igual al producto de sus respectivas
probabilidades.
TEOREMA DE BAYES
TEOREMA 13:
Si los eventos 𝐵1 , 𝐵2 , . . . , 𝐵𝐾 constituyen una partición del espacio muestral Ω, y 𝑃(𝐵𝑖 ) ≠
0 para i = 1, 2,…,k; entonces para un evento A cualquiera contenido en Ω, tal que 𝑃(𝐴) ≠
0, se cumple:
𝑃(𝐵𝑟 )𝑃(𝐴/𝐵𝑟 )
𝑃(𝐵𝑟 /𝐴) = 𝑘 ; 𝑟 = 1,2, . . . , 𝑘
∑𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴/𝐵𝑖 )
6. DISTRIBUCIONES DE PROBABILIDAD Y DENSIDADES DE
PROBABILIDAD
Recordemos inicialmente que en la estadística descriptiva precisamos que existen las
variables aleatorias, siendo aquellas que se asocian a la ocurrencia de un fenómeno
aleatorio. Cuando una de estas variables aleatorias toma diversos valores, la probabilidad
asociada a cada uno de tales valores puede ser organizada como una distribución de
probabilidad, la cual es la distribución de las probabilidades asociadas a cada uno de los
valores de la variable aleatoria.
Las distribuciones de probabilidad pueden representarse a través de una tabla, una gráfica
o una fórmula, en cuyo caso tal regla de correspondencia se le denomina función de
probabilidad.
6.1.VARIABLE ALEATORIA
DEFINICIÓN 04:
Dado un experimento є y Ω el espacio muestral asociado a є. Una función X que
asigna a cada elemento ω en Ω uno y solamente un número real 𝑥 = 𝑋(𝜔), se llama
variable aleatoria. Es decir, X es una función real, 𝑋: Ω → ℝ
FUNCION DE DISTRIBUCIÓN
Sea X una variable aleatoria discreta con rango 𝑅𝑥 = {𝑥1 , 𝑥2 , 𝑥3 , . . . } y función de
probabilidad 𝑝(𝑥𝑖 ) = 𝑃[𝑋 = 𝑥𝑖 ], sea x un número real cualquiera, La Función de
Distribución de X se denota por “F(x)” y se define como:
𝐹(𝑥) = 𝑃 [𝑋 ≤ 𝑥 ] = ∑ 𝑝(𝑥𝑖 )
𝑥𝑖 ≤𝑥
𝐹(𝑥) = ∑ 𝑃[𝑋 = 𝑥𝑖 ]
𝑥𝑖 ≤𝑥
𝐸(𝑥) = ∑ 𝑥𝑓(𝑥) = 𝜇
∀𝑥∈𝐷𝑓
BIBLIOGRAFÍA