Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se llama punto muestral o evento elemental a cada uno de los elementos del conjunto
Ω y será denotado genéricamente como ω.
Definiciones de probabilidad
Definiciones de probabilidad
Sea Ω un espacio muestral. La función P(.) que asigna a cada evento de Ω un número
real en el intervalo [0,1], se llama medida de probabilidad si satisface los siguientes
axiomas:
I. P(Ω) =1
III. Si A1, A2, ... es una secuencia de eventos mutuamente excluyentes entonces:
𝑃(𝑈 , 𝐴 ) = ∑ 𝑃(𝐴 )
Probabilidad condicional
Para dos eventos A y B que pertenecen al mismo espacio muestral la probabilidad condicional
se define como:
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
donde P(A|B) denota la probabilidad condicional de ocurrencia del evento A dado que ha
ocurrido B.
Independencia de Eventos
Dados A y B eventos que pertenecen al mismo espacio muestral, se dice que son
independientes si P(A∩B) = P(A).P(B)
Cuando Ω es finito (el número de puntos muestrales es finito) se puede dar otra definición de
probabilidad, que es la que se desarrolló originariamente estudiando los juegos de azar.
Dado el evento A en Ω,
Variables aleatorias
Concepto de Variable Aleatoria
dónde debemos empezar. Es decir, por entender primero qué es una función
matemática y, más tarde, por definir qué entendemos por experimento aleatorio.
En otras palabras, es una ecuación que describe o intenta describir los resultados
una variable aleatoria X, denotada por F(.), es una función F:ℜ→[0,1] tal que:
Función de Densidad
Función de densidad de una v.a. discreta
La función de densidad de una variable aleatoria discreta, denotada por f(.), es una
donde C = { x1, x2, x3, ... } es el conjunto de valores que puede tomar la variable
aleatoria discreta.
La función de densidad de una variable aleatoria continua es una función f(.) ≥ 0 tal
que:
𝑃(𝑥 ≤ 𝑋 ≤ 𝑥 ) = ∫ 𝑓(𝑦)𝑑𝑦 ∀𝑥 , 𝑥 ∈ℜ
𝐸(𝑥) = 𝜇 = 𝑥 × 𝑓(𝑥 )
∈
donde C = { x1, x2, x3, ... } es el conjunto de valores que puede tomar la variable
aleatoria.
Esta integral no siempre existe y en ese caso, se dirá que la variable no tiene
esperanza.
Propiedades de la esperanza
a) E(aX1 ) = a E(X1)
b) E(aX1 + bX2) = a E(X1) + b E(X2)
La varianza de una variable aleatoria continua X, denotada por V(X) ó σ2, es:
𝑉𝑎𝑟(𝑥) = (𝑥 − 𝜇) × 𝑓(𝑥) 𝑑𝑥
Cabe señalar que esta integral no siempre existe, en este caso se dirá que la v.a.
no tiene varianza.
Propiedades de la Varianza
a) Si X1 = a, entonces V(X) = 0
b) V(aX) = a2V(X)
c) Var (X1 + a) = Var (X1)
d) Var (aX1 ± bX2) = a2Var (X1) + b2Var(X2) ± 2ab Cov(X1, X2)