Curso: Probabilidad y Procesos

Estocásticos

Profesor: Dr. Salvador E. Ayala Raggi

e-mail: saraggi@ece.buap.mx

Facultad de Ciencias de la Electrónica

BUAP
Ciudad Universitaria, Puebla, México
junio de 2011
 Características del Curso

Horas totales del curso: 80

Créditos: 5

Modo de evaluación:

Exámenes: 60%
Tareas (ejercicios y simulaciones): 20%
Exposiciones: 20%
Bibliografía

Libros:

• Papoulis A., Probability, Random Variables and Stochastic Processes, 4th edition, McGraw-
Hill 2002.

Tutoriales en internet:

• Bertsekas, D., Tsitsiklis, J. Introduction to probability. Massachusetts Institute of

Technology. Website: http://athenasc.com/Ch1.pdf

• Sebastiani, P. A Tutorial on Probability Theory. Department of Mathematics and Statistics,

University of Massachusetts at Amherst. Website: www.sci.utah.edu/~gerig/CS6640-
F2010/prob-tut.pdf
Teoría de la Probabilidad

Definición:

• Trata acerca de promedios de fenómenos masivos que

ocurren secuencialmente o simultáneamente.
• Es el estudio de experimentos aleatorios (es decir libres
de determinación).
• Estudia las formas de medir la cantidad de incertidumbre
de eventos.
Propósito de la teoría de probabilidad

• Describir y predecir dichos promedios en términos de

probabilidades de eventos.

La probabilidad de un evento A es un número P(A) asignado

a este evento.

Si un experimento es ejecutado n veces y el evento A

ocurre nA veces, entonces:
La frecuencia relativa nA/n de la ocurrencia de A es
cercana a P(A)
Probabilidad

Es decir,
nA
P( A) 
n
Pensando que n es suficientemente grande.
Definiciones de probabilidad

Definición axiomática

Antes de definir la probabilidad, abordemos algunos conceptos tomados

de la teoría de conjuntos
El evento seguro (certero) S es aquel que ocurre en cualquier intento
de un experimento.

La unión A + B de dos eventos A y B es el evento que ocurre cuando:

A ocurre
Ó B ocurre
Ó Ambos A y B ocurren
Definiciones de Probabilidad

• La intersección AB de los eventos A y B es el evento

que ocurre cuando ambos eventos A y B ocurren.

• Los eventos A y B son mutuamente excluyentes si la

ocurrencia de uno de ellos excluye la ocurrencia del otro.
Definiciones de probabilidad

• Ilustremos los conceptos anteriores:

Experimento: Tiro de un dado

Evento seguro: L se muestra cualquiera de las seis

caras.
Evento A: El número que cae es par
Evento B: El número que cae es menor que 3

Entonces, la unión de los eventos A y B: A + B es el evento:

El número que cae es 1 ó 2 ó 4 ó 6

Definiciones de Probabilidad

• La intersección del evento A con el evento B: AB es el evento:

“El número que cae es un 2”

Los eventos: “El número es par”

Y “El número es impar”

Son mutuamente excluyentes

Definiciones de Probabilidad

Ahora si, el enfoque axiomático del concepto de probabilidad está

basado en los siguientes 3 postulados siguientes:

La probabilidad P(A) de un evento A es un número positivo asignado a este

evento, es decir:
P(A) ≥ 0

La probabilidad P(L) del evento seguro L es igual a 1, es decir:

P(L) = 1

Si los eventos A y B son mutuamente excluyentes, entonces:

P(A + B) = P(A) + P(B)

Definiciones de probabilidad

Definición basada en frecuencia relativa

La probabilidad P(A) de un evento A es el límite:

nA
P( A)  lim
n  n

donde nA es el número de ocurrencias de A y n es el número de

intentos (pruebas).
Problema con esta definición: en la práctica nA y n pueden ser grandes
pero no infinitas. Si se acepta esta definición, entonces el límite debe
ser aceptado sólo como una hipótesis
Los axiomas de la probabilidad

Teoría de conjuntos
Un conjunto es una colección de objetos llamados elementos. Por
ejemplo, {coche, manzana, lápiz} es un conjunto cuyos elementos
son un coche una manzana y un lápiz. El conjunto: {águila, sol} tiene
2 elementos.
Un subconjunto B de un conjunto A es otro conjunto cuyos elementos
son también elementos de A. Todos los conjuntos serán
subconjuntos de un conjunto S llamado espacio.
También identificaremos conjuntos por las propiedades de sus
elementos, p. ejem:

A = {todos los enteros positivos}

Los axiomas de la probabilidad

Significará el conjunto cuyos elementos son los números: 1,2,3…..

La notación
i  A i  A
Significará que ζi es o no es un elemento de A.

El conjunto vacío o nulo es el conjunto que no contiene elementos

denotado por {Ø}.

Si un conjunto consiste de n elementos, entonces el número total de sus

subconjuntos es 2n
Los axiomas de la probabilidad

Ejemplo: Supongamos que una moneda es lanzada dos veces. Las

salidas resultantes son los cuatros objetos: aa, as, sa, ss formando
el conjunto:
S  {aa, as, sa, ss}
Donde aa es una abreviatura para el elemento {águila - águila}. El
conjunto S posee 24 = 16 subconjuntos. Por ejemplo:

A = {águila en el primer tiro} = {aa, as}

B = {sólo sale una sóla águila} = {as, sa}
C = {el águila se muestra al menos una vez} = {aa,as,sa}
Operaciones con conjuntos

La notación B A A  B significa que B es un

subconjunto de A, es decir, que cada elemento de B es un elemento de
A. Así, para cualquier A ,

{}  A  A  S

Transitividad : Si C  B y B  A entonces C  A
Igualdad: A  B si y sólo si A  B y B  A
Operaciones con conjuntos

• Uniones e intersecciones
La suma o unión de dos conjuntos A y B es un conjunto cuyos
elementos son:

• Todos elementos de A
• Todos elementos de B
• De ambos

Este conjunto será escrito en la forma: A + B o A U B

Esta operación es conmutativa y asociativa:

A  B  B  A, ( A  B)  C  A  ( B  C )
Operaciones con conjuntos

• El producto o intersección de dos conjunto A y B es un conjunto que

consiste de todos los elementos comunes a ambos:

AB ó A B
• Esta expresión es conmutativa, asociativa y distributiva:

AB  BA ( AB)C  A( BC ) A( B  C )  AB  AC
Operaciones con conjuntos

• Debemos notar que si

A  B, entonces AB  A.
• De aquí que

AA  A {} A  {} AS  A
Operaciones con conjuntos

• Si dos conjuntos A y B son descritos por las propiedades de sus

elementos, entonces su intersección AB deberá ser especificada
incluyendo estas propiedades dentro de corchetes. Por ejemplo, si

S = {1,2,3,4,5,6} A = {par} B={menor que 5}

• Entonces
AB = {par y menor que 5}={2,4}
Operaciones con conjuntos

• Conjuntos mutuamente excluyentes.

Dos conjuntos A y B son llamados mutuamente excluyentes si no
poseen elementos en común, es decir:

AB  {}
Varios conjuntos A1, A2,… son llamados mutuamente excluyentes si

Ai A j  {} para cada i y ji

Operaciones con conjuntos

• Particiones
Una partición U de un conjunto de S es una colección de
subconjuntos mutuamente excluyentes Ai de S cuya unión es igual
aS
A1  A2    An  S Ai A j  {} i  j
De esta forma

U  { A1 , A2 ,, An }
Operaciones con conjuntos

• Complementos
El complemento A del conjunto A es un conjunto que consiste de
todos los elementos de L que no están en A. De aquí se sigue que:

A  A  S AA  {} A  A S  {} {}  S

Si
B  A entonces AB
Operaciones con conjuntos

• Leyes de De Morgan

( A  B)  A B

AB  A  B
La aplicación repetida estas leyes nos conduce a los siguiente:

Si en un conjunto identidad reemplazamos todos los conjuntos por sus

complementos, todas las uniones por intersecciones, y todas las
intersecciones por uniones, la identidad es preservada.
Operaciones con conjuntos

Ejemplo: usemos la identidad siguiente para demostrar lo anterior

A( B  C )  AB  AC ….(1)

De la segunda ley de De Morgan se sigue que

A( B  C)  A  ( B  C)  A  B C
Similarmente,

AB  AC  ( AB)( AC)  ( A  B )( A  C )
Y puesto que los dos lados de (1) son iguales, entonces sus
complementos también lo son:

A  BC  ( A  B )( A  C )
Espacio de probabilidad

• S es llamado el evento certero

• Sus elementos de S:
• Sus subconjuntos:
• {Ø}:
• El evento {ζi} que consiste
de un solo elemento ζi :
salidas experimentales
eventos
el evento imposible
evento elemental

Intento (prueba). Es una sola ejecución de un experimento. En cada

intento observaremos una sola salida ζi.
Decimos que el evento A ocurre durante este intento si contiene al
elemento ζi.
Espacio de probabilidad

• El evento seguro ocurre en cada intento.

• El evento imposible nunca ocurre.
• El evento A + B ocurre cuando A ó B ó ambos ocurren.
• El evento AB ocurre cuando ambos eventos A y B
ocurren. Si los eventos A y B son mutuamente
excluyentes y A ocurre, entonces B no ocurre.
• Si A  B y A ocurre entonces B ocurre.
• En cada intento, ya sea A ó A ocurren.
Consecuencias de los 3 axiomas básicos

Propiedades. La probabilidad del evento imposible es 0:

P{Ø} = 0
De este modo, A{Ø}={Ø} y A + {Ø} = A; por tanto

P( A)  P( A  )  P( A)  P{}
Para cualquier A,
P( A)  1  P( A )  1
Porque A A  L y AA  {} de aquí que:

1  P( L)  P( A  A )  P( A)  P( A )
Consecuencias de los 3 axiomas básicos

• Para cualquier A y B

P( A  B)  P( A)  P( B)  P( AB)  P( A)  P( B)
• Para probar lo anterior, escribimos los eventos (A+B) y B como
uniones de dos eventos mutuamente excluyentes:
A  B  A  AB B  AB  A B

• Por tanto (del 3er axioma):

P( A  B)  P( A)  P( A B) P( B)  P( AB)  P( A B)
Consecuencias de los 3 axiomas básicos

P( A  B)  P( A)  P( A B) P( B)  P( AB)  P( A B)

Eliminando P( A B) al despejarla en la segunda expresión y

sustituyéndola en la primera obtenemos

P( A  B)  P( A)  P( B)  P( AB)  P( A)  P( B)
Cambio de notación

• En adelante llamaremos S en lugar de L al evento

seguro o certero con el objetivo de usar la misma
notación que muchos textos sobre teoría de probabilidad.
Consecuencias de los 3 axiomas

• La clase F de eventos
Los eventos son subconjuntos de S a los cuales les hemos asignado
probabilidades.
No todos los subconjuntos de S los consideraremos como eventos.
Sólo una clase F de subconjuntos de S se considerarán eventos.
Ejemplo: Si en el experimento del dado quisiéramos solo tener los
eventos “par” o “impar”, en este caso es suficiente considerar como
eventos solo cuatro conjuntos:

{Ø}, {par}, {impar}, S

• La clase F no será una colección arbitraria de subconjuntos de S.

Definición de Campo

• Asumiremos que si A y B son eventos, entonces A + B y AB son

también eventos.

• Campo. Un campo F es una clase (no vacía) de conjuntos tal que:

Si A  F entonces A F . . . (1)

• Si A F y B  F entonces A BF . . . (2)

Usando (1) y (2) se puede demostrar también que:

Si A F y B  F entonces AB  F
Campo

• En efecto, de (1) se sigue que si A F y B F

Aplicando (2) y (1) a los conjuntos A y B , concluimos que

Un campo contiene el evento seguro y el evento imposible:

S F {}  F
Todos los conjuntos que pueden ser expresados como uniones o
intersecciones de conjuntos finitos en F están también en F.
Campo de Borel (para secuencias infinitas)

Suponiendo que A1, A2,… es una secuencia infinita de conjuntos en F.

Si la unión e intersección de estos conjuntos también pertenece a F,
entonces F es llamado un Campo de Borel.

Hablando de secuencias infinitas: Si los eventos A1, A2, …. son

mutuamente excluyentes, entonces

P( A1  A2  )  P( A1 )  P( A2 )  
Experimento

• Definición axiomática de un experimento

Un experimento es especificado en términos de los siguientes
conceptos:

1. El conjunto S de todas las salidas experimentales

2. El campo de Borel F de todos los eventos de S
3. Las probabilidades de estos eventos

En algunas ocasiones, la letra S se usará para identificar no sólo al

evento seguro, sino también a todo el experimento.
Experimento

• Un experimento es especificado por la 3-tupla:

[S, F, P(.)]

S es el evento seguro también conocido como espacio muestra.

F es el campo de Borel que especifica un conjunto de eventos.
P(.) es un operador que permite calcular la probabilidad de todos los
eventos.
Espacios Contables

• Si el espacio muestra (evento seguro) S consiste de N salidas y N

es número finito, entonces las probabilidades de todos los eventos
pueden ser expresadas en términos de las probabilidades

P( i )  pi
de los eventos elementales {ζi}.

De los axiomas se sigue que:

pi  0 p1  p2    pN  1
Espacios contables

• Suponiendo que A es un evento consistente de r elementos ζi. En

este caso A puede ser escrita como la unión de los eventos
elementales {ζi}. Por tanto (ver 3er axioma fundamental)

P( A)  P{ k 1}  P{ k  2 }    P{ k  r }  pk 1  pk  2    pk  r

• Esto es verdadero incluso si S consiste de un número infinito pero

contable de elementos ζ1, ζ2,…
Espacios contables

Si S consiste de N salidas y las probabilidades pi de los eventos

elementales son todas iguales, entonces

1
pi 
N
En este caso, la probabilidad de un evento A consistente de r elementos
es:

r
P( A) 
N
Espacios contables

Ejemplo: (a) En el experimento de la moneda, el espacio S consiste

de las salidas a y s:

S  {a, s}
Y sus eventos son los 4 conjuntos {Ø}, {a}, {s}, S.
Si P(a) = p y P(s) = q, entonces p + q = 1

(b) Consideremos ahora el experimento del volado 3 veces. Las

posibles salidas del experimento son:
aaa, aas, asa, ass, saa, sas, ssa, sss
Asumiremos que todos los eventos elementales tienen la misma
probabilidad. En este caso es 1/8, así la prob. P(aaa) de que
obtengamos 3 águilas es 1/8
Espacios contables

El evento
{águilas en los primeros dos volados} = {aaa, aas}
Consiste de las dos salidas aaa y aas; por tanto su probabilidad es 2/8.
El eje de los reales (espacios no-contables)

• Si S consiste de una infinidad no-contable de elementos, entonces

sus probabilidades no pueden determinarse en términos de las
probabilidades de los eventos elementales. Este es justo es caso de
que S sea el conjunto de puntos de un espacio n-dimensional.

• Suponiendo que S sea el conjunto de los números reales, sus

subconjuntos pueden ser considerados como conjuntos de puntos en
el eje real.

• ¡Es imposible definir probabilidades para todos los subconjuntos de

S! (el número de subconjuntos es infinito).
El eje de los reales

Para construir un espacio de probabilidades en el eje de los reales:

• Consideraremos como eventos los intervalos x1 ≤ x ≤ x2 y sus
uniones e intersecciones contables.

Para completar la especificación del evento seguro S es suficiente

asignar probabilidades a los eventos {x ≤ xi} . Las demás
probabilidades pueden determinarse a partir de los 3 axiomas.

Suponiendo que α(x) es una función tal que

α(x)


  ( x)dx  1

 ( x)  0
x1 x2 x
El eje de los reales

• Definimos la probabilidad del evento {x ≤ xi} por la integral

xi

P{x  xi }    ( x)dx
…. (a)


Esto especifica las probabilidades de todos los eventos de S. Por

ejemplo, la probabilidad del evento {x1 < x ≤ x2} que consiste de
todos los puntos en el intervalo (x1, x2) está dada por

x2

P{x1  x  x2 }    ( x)dx …. (b)

x1
El eje de los reales

Efectivamente, los eventos {x ≤ x1} y {x1 < x ≤ x2} son mutuamente

excluyentes y su unión es {x ≤ x2}. Por tanto

P{x  x1}  P{x1  x  x2}  P{x  x2 }

Ejemplo: Una sustancia radioactiva es observada a partir de t=0 y se

anota el tiempo t en que la sustancia emite una partícula. Este
proceso define un experimento en el cual las salidas son todos los
puntos sobre el eje positivo t. Aquí S es todo el eje t.
El eje de los reales

• Suponiendo que la función α está dada por

1 t0
 (t )  ce U (t )
 ct
U (t )  {0 t0
• Insertando α en (b) , se concluimos que la probabilidad de que una partícula
sea emitida dentro del intervalo de tiempo (0, t0) es igual a

t0


ct ct 0
e dt  1  e
0
El eje de los reales

Ejemplo. Una llamada telefónica ocurre aleatoriamente en el intervalo

(0,T). Esto significa que la probabilidad de que ocurra en el intervalo 0
≤ t ≤ t0 es igual a t0/T. Entonces las salidas de este experimento son
todos los puntos en el intervalo (0,T) y la probabilidad del evento (“la
llamada ocurre en el intervalo (t1,t2)”) es igual a

t 2  t1
P{t1  t  t 2 } 
T
Probabilidad condicional

• La probabilidad condicional de un evento A asumiendo que ha

sucedido el evento M, denotada por P(A|M) es por definición la razón:

P( AM )
P( A | M ) 
P( M )

• Donde asumimos que P(M) no es cero. Las siguientes propiedades

se derivan de la definición:

• Si M  A entonces P( A | M )  1 porque entonces

AM = M.
Probabilidad condicional

Similarmente,
P( A)
Si A M entonces P( A | M )   P( A)
P( M )
Ejemplo: En el experimento del tiro de un dado, determinaremos la
probabilidad condicional del el evento {f2} asumiendo que el evento
“par” ocurrió. Con
A  { f 2} M  { par}  { f 2 , f 4 , f 6 }
Sabemos que P(A) = 1/6 y P(M) = 3/6. Y puesto que AM = A,

P{ f 2 } 1
P{ f 2 |" par"}  
P{" par"} 3
Probabilidad condicional

Ejemplo: Denotemos por t la edad de una persona cuando muere. La

probabilidad de que t ≤ t0 está dada por
t0

P{t  t0 }    (t )dt
0

donde α(t) es una función determinada a partir de los registros de

mortalidad. Asumiremos que

 (t )  3 109 t 2 (100  t ) 2 0  t  100 años

y 0 de otro modo.
Probabilidad condicional

La probabilidad de que una persona muera entre los 60 y los 70 años es

igual a
70
P{60  t  70}    (t )dt  0.154
60

Esto iguala al número de gente que muere entre los 60 y 70 años

dividido por el total de la población.
Con
A  {60  t  70} M  {t  60} AM  A

La probabilidad de que una persona muera entre los 60 y 70 asumiendo

que llegó viva a los 60 es
Probabilidad condicional

La probabilidad de que una persona muera entre los 60 y 70 asumiendo

que ha llegado viva a los 60 es
70

  (t )dt
P{60  t  70 | t  60}  100
60
 0.486
  (t )dt
60

Esto es igual al numero de gente que muere entre los 60 y 70 dividido

por el número de personas que están vivas a partir de los 60.
Probabilidad condicional

• Ejemplo. Una caja contiene 3 bolas blancas w1, w2, w3 y dos bolas
rojas r1, r2. Quitamos aleatoriamente dos bolas sucesivamente. Cual
es la probabilidad de que la primera bola quitada sea blanca y la
segunda sea roja?.
Probabilidad condicional

• 1ª. Solución. El espacio de nuestro experimento consiste de todos

los pares ordenados que podemos formar con las 5 bolas:

w1 , w2 w1 , w3 w1 , r1 w1 , r2  r2 , w1 r2 , w2 r2 , w3 r2 , r1
• El número de tales pares es igual a 5 x 4 = 20. El evento {w,r}
consiste de 6 salidas
w1 , r1 w1 , r2 w2 , r1 w2 , r2 w3 , r1 w3 , r2

• Por tanto, su probabilidad es 6/20.

Probabilidad Condicional

• 2ª. Solución. Puesto que la caja contiene tres bolas blancas y dos
rojas, la probabilidad del evento W1={blanca primero} es igual a 3/5.
Si se quita una bola blanca quedarán sólo dos blancas y dos rojas;
Por tanto, la probabilidad condicional P(R2 | W1) del evento
• R2={la segunda es roja} asumiendo que la primera fue blanca
{primera blanca} es igual a 2/4. Usando esto junto con la
fórmula de probabilidad Condicional se obtiene

2 3 6
P(W1 R2 )  P( R2 | W1 ) P(W 1)   
4 5 20

donde W1R2 es el evento {blanca primero, roja segundo}

Probabilidad Total y teorema de Bayes

• Si U = [A1,…,An] es una partición de S y B es un evento arbitrario,

entonces
P( B)  P( B | A1 ) P( A1 )    P( B | An ) P( An ) (1)
• Demostración. Claramente,

B  BS  B( A1    An )  BA1    BAn
Pero los eventos BAi y BAj son mutuamente excluyentes. Por tanto,

P( B)  P( BA1 )    P( BAn )
Y cómo P(BAi) = P(B|Ai) P(Ai) entonces se deriva (1),
Teorema de Bayes

Puesto que P(BAi) = P(Ai|B)P(B) concluimos con la expresión anterior

que
P( Ai )
P( Ai | B)  P( B | Ai ) (2)
P( B)
Insertando (2) en (1), obtenemos el teorema de Bayes:
P( B | Ai ) P( Ai )
P( Ai | B)   (3)
P( B | A1 ) P( A1 )    P( B | An ) P( An )
Teorema de Bayes

Ejemplo: Tenemos 4 cajas. La caja 1 contiene 2000 componentes de

los cuales 5% están defectuosos. La caja 2 contiene 500
componentes de los cuales 40% están defectuosos. Las cajas 3 y 4
contienen 1000 cada una y 10% están defectuosos. Seleccionamos
aleatoriamente una de las cajas y removemos aleatoriamente un solo
componente.

a) Cual es la probabilidad de que el componente seleccionado esté

defectuoso?
El espacio de este experimento consiste de 4000 componentes buenos
(b) y 500 componentes defectuosos (m) repartidos como sigue:
Teorema de Bayes

• Caja 1: 1900b, 100m Caja2: 300b, 200m

• Caja3: 900b, 100m Caja4: 900b, 100m

Denotemos por Bi al evento que consiste de sacar cualquier

componente en la i-ésima caja y por D al evento que consiste de
sacar cualquier componente defectuoso. Claramente
1
P( B1 )  P( B2 )  P( B3 )  P( B4 ) 
4
Porque la caja se seleccionan aleatoriamente. La probabilidad de que un
componente tomado de una caja específica esté defectuoso es:
100 200
P( D | B1 )   0.05 P( D | B2 )   0.4
2000 500
Teorema de bayes

• y
100 100
P( D | B3 )   0.1 P( D | B4 )   0.1
1000 1000
y puesto que los eventos B1, B2, B3, y B4 forman una partición de S,
concluimos de (1) que

1 1 1 1
P( D)  0.05   0.4   0.1  0.1  0.1625
4 4 4 4
La cual es la probabilidad de que un componente seleccionado esté
defectuoso.
Teorema de Bayes

• (b) Supongamos que examinamos el componente seleccionado y

encontramos que está defectuoso. En base a la evidencia deseamos
determinar la probabilidad de que el componente venga de la caja 2.
Teorema de Bayes

• Ahora deseamos saber la probabilidad condicional P(B2|D).

Puesto que

P( D)  0.1625 P(D | B2 )  0.4 P( B2 )  0.25

Obtenemos
0.25
P( B2 | D)  0.4   0.615
0.1625

Así, la probabilidad a priori de seleccionar la caja2 es 0.25 y la

probabilidad a posteriori asumiendo que el componente seleccionado
está defectuoso es 0.615.
Teorema de Bayes

Estas probabilidades tienen la siguiente interpretación frecuencial:

• Si el experimento es ejecutado n veces, entonces la caja 2 es

seleccionada 0.25n veces.
• Si consideramos sólo los nD experimentos en los cuales la parte
seleccionada está defectuosa, entonces el número de veces que
dicha parte es tomada de la caja 2 es 0.615nD
Independencia

• Dos eventos A y B son llamados independientes si

P( AB)  P( A) P( B)
• Interpretación frecuencial. Denotando por nA, nB, y nAB el número
de ocurrencias de los eventos A, B y AB respectivamente, tenemos:

nA nB n AB
P( A)  P( B)  P( AB) 
n n n
Independencia

Si los eventos A y B son independientes, entonces

nA P( AB) n AB / n n AB
 P( A)   
n P( B) nB / n nB

Así, si A y B son independientes, entonces la frecuencia relativa nA/n de

la ocurrencia de A en la secuencia original de n intentos es igual a la
frecuencia relativa nAB/nB de la ocurrencia de A en la subsecuencia
en que B ocurre.
Independencia

Ejemplo: Si lanzamos un volado 2 veces, tendríamos 4 salidas posibles:

aa, as, sa, ss.

a) Para construir un experimento con estas salidas, es suficiente asignar

probabilidades a sus eventos elementales
. Con x y y dos posibles números tales que x + y = 1, asumamos que:

P(aa) = x2 P{as} = P{sa} = xy P{ss} = y2

Estas probabilidades son consistentes con los axiomas porque

x 2  xy  xy  y 2  ( x  y) 2  1
Independencia

• En el experimento así construido, los eventos

A1  {águila en el primer volado}  {aa, as}

A2  {águila en el segundo volado}  {aa, sa}
• Consisten de dos elementos cada uno, y sus probabilidades son:

P( A1 )  P{aa}  P{as}  x 2  xy  x
P( A2 )  P{aa}  P{sa}  x 2  xy  x

La intersección A1A2 de estos dos eventos consiste de una sola salida

{aa}. Por tanto
Independencia

• Por tanto

P{ A1 A2 }  P{aa}  x  P{ A1}P{ A2 }
2

• Esto muestra que los eventos A1 y A2 son independientes.

Intentos (pruebas) repetidos

• Experimentos combinados
Supongamos 2 experimentos: el primero es tirar un dado:

S1  { f1 , f 2 ,..., f 6 } P1{ f i }  1 / 6
El segundo es echar una moneda:

S2  {as} P2{a}  P2{s}  1/ 2

Desempeñamos los dos experimentos y queremos encontrar la
probabilidad de que consigamos un “2” en el dado y un “águila” en la
moneda.
Intentos repetidos

• Si suponemos las salidas de un experimento independientes de las

del otro, concluimos que la probabilidad que buscamos es:
1 1

6 2
• Sin embargo, esta noción de independencia no concuerda con la
definición original en la que los eventos A y B son subconjuntos del
mismo espacio muestra.

• Debemos construir un espacio muestra S que contenga los eventos

“2” y “águila”:
Intentos repetidos

• Los dos experimentos deben ser vistos como uno solo cuyas salidas
son pares ζ1ζ2 donde ζ1 es una de las 6 caras del dado y ζ2 es águila
o sol.
• El espacio resultante consiste de 12 elementos:

f1a,, f 6 a, f1s,, f 6 s
• En este espacio, {dos} no es un evento elemental sino un
subconjunto de dos elementos:

{dos}  { f 2 a, f 2 s}
Intentos repetidos

• Para completar el experimento, debemos asignar probabilidades a

todos los subconjuntos de S. Claramente, , el evento {dos} ocurre si
el dado muestra “dos” no importando que cosa muestre la moneda.
Por tanto,
1
P{dos}  P1{ f 2 } 
6
• Similarmente
1
P{águila}  P2 {a} 
2
La intersección de los eventos {dos} y {águila} es el evento elemental
{f2a}. Asumiendo que los eventos {dos} y {águila} son independientes
concluimos que P{f2a}= (1/6)x(1/2)
Intentos repetidos

• Productos Cartesianos
Dados 2 conjuntos S1 y S2 con elementos ζ1 y ζ2 respectivamente,
formamos todos los pares ordenados ζ1ζ2 donde ζ1 es cualquier
elemento de S1 y ζ2 es cualquier elemento de S2. El producto
cartesiano de los conjuntos S1 y S2 es el conjunto S con todos los
pares mencionados. Este conjunto es escrito en la forma:
S  S1  S2
Ejemplo: E producto cartesiano de los conjuntos

S1  {coche, manzana, pájaro} S2  {águila , sol}

Contiene 6 elementos:
S1  S2  {coche  a, coche  s, manzana  a, manzana  s, pájaro  a, pájaro  s}
1er. Examen Parcial

• 1. Si A B
, P(A) = 1/5 y P(B) = 1/3, Encuentre P(A|B) y P(B|A)

• 2. La caja 1 contiene 1 bola blanca y 999 bolas rojas. La caja 2

contiene 1 bola roja y 999 bolas blancas. Una bola se toma de alguna
de las cajas seleccionada aleatoriamente. Si la bola es roja, cual es la
probabilidad de que venga de la caja 1?

• 3. La caja 1 contiene 100 focos de los cuales 10% están defectuosos.

La caja 2 contiene 200 focos de los cuales 5% están defectuosos. Se
toman 2 focos de alguna de las dos cajas seleccionada de forma
aleatoria. (a) Encuentra la probabilidad de que ambos focos estén
defectuosos. (b) Asumiendo que ambos focos estén defectuosos,
encuentra la probabilidad de que vengan de la caja 1.
1er. Examen Parcial

• 4. Un tren y un autobús arriban a la estación aleatoriamente entre las

9 A.M. y las 10 A.M. El tren para en la estación durante 20 min y el
autobús durante X minutos. Encuentra X de tal manera que la
probabilidad de que el autobús y el tren se encuentren sea 0.5.
Intentos Repetidos

• Es bien sabido del análisis combinatorio que si un

conjunto contiene n elementos → el número total de sus
subconjuntos de k elementos es
𝑛 𝑛!
• 𝑘
=
𝑘! 𝑛−𝑘 !
• Por ejemplo, si n=4 y k=2, entonces

4 4×3
• 2
= =6
1×2
• Este resultado será usado para calcular: la probabilidad
de que un evento ocurra k veces en n repeticiones
independientes de un experimento S.
Intentos Repetidos

• Ejemplo: Una moneda con P(a) = p se lanza n veces.

Afirmamos que la probabilidad 𝑃𝑛 (k) de que las águilas se
muestren k veces está dada por:

𝑛
• 𝑃𝑛 (k)= 𝑘 𝑝𝑘 𝑞 𝑛−𝑘 … (1) con q = 1 – p

Demostración. Considerando un solo experimento de n tiros, una sola

salida es una secuencia particular de águilas y soles. El evento {k águilas en
cualquier orden} consiste de todas las secuencias que contienen k águilas y n-k
soles. Hay 𝑛𝑘 de tales subconjuntos. ∴ el evento {k águilas en cualquier orden
consiste de 𝑛𝑘 eventos elementales que contienen k águilas. Puesto que la
probabilidad de cada uno de esos eventos elementales es 𝑝𝑘 𝑞 𝑛−𝑘 , se
demuestra (1).
Intentos Repetidos

• Teorema Fundamental

𝑛
𝑃𝑛 (k)= P{A ocurra k veces en cualquier orden}= 𝑘
𝑝𝑘 𝑞 𝑛−𝑘

Una variable aleatoria

X que sigue una
distribución binomial se
denota como:
X ~ B(n,p)
Intentos Repetidos

• Ejemplo
• Supongamos que se lanza un dado (con 6 caras) 50
veces y queremos conocer la probabilidad de que el
número 3 salga 20 veces. En este caso tenemos una X ~
B(50, 1/6) y la probabilidad sería P(X=20):
Intentos Repetidos

50 1 20 1 50−20
• 𝑃50 20 = 𝑃 𝑋 = 20 = 20
(1 − )
6 6
• = 5.4 x 10−5
Intentos repetidos

• Encontraremos finalmente la probabilidad

• 𝑃{𝑘1 ≤ 𝑘 ≤ 𝑘2 }

• De que el número k de ocurrencias de A esté entre 𝑘1 y

𝑘2 . Claramente, los eventos {A ocurre k veces}, donde k
toma todos los valores desde 𝑘1 hasta 𝑘2 son
mutuamente excluyentes y su unión es justamente el
intervalo {𝑘1 ≤ 𝑘 ≤ 𝑘2 }.
Intentos repetidos

• Por tanto,

𝑛
• P{𝑘1 ≤ 𝑘 ≤ 𝑘2 } = σ𝑘2
𝑘=𝑘1 𝑝𝑛 (k) = σ 𝑘2
𝑘=𝑘1 𝑘 𝑝 𝑘 𝑞 𝑛−𝑘
Teoremas Asintóticos

• Funciones Gaussianas
Función normal o gaussiana:

1 2
g(x) = 𝑒 −𝑥 /2
2𝜋
Y su integral

𝑥 1 𝑥 −𝑦 2 /2 dy
G(x) = ‫׬‬−∞ 𝑔 𝑦 𝑑𝑦 = ‫׬‬ 𝑒
2𝜋 −∞
Teoremas Asintóticos

• Como es bien sabido,

∞
−𝛼𝑥 2
𝜋
න𝑒 𝑑𝑥 =
𝛼
−∞
De esto, se sigue que
1 ∞ −𝑥 2 /2
𝐺 ∞ = ‫𝑒 ׬‬ dx = 1
2𝜋 −∞

Puesto que g(-x) = g(x), concluimos que

G(-x) = 1 – G(x)
Teorema de DeMoivre-Laplace

• Se puede demostrar que si npq >> 1, entonces

 n  k nk 1  ( k  np ) 2 / 2 npq
  p q  e
k  2npq

Evaluación aproximada de P{k1 ≤ k ≤ k2}.

Usando el teorema anterior se puede mostrar que

𝑛 𝑘2−𝑛𝑝 𝑘1−𝑛𝑝
• σ𝑘2
𝑘=𝑘1 𝑘
𝑝𝑘 𝑞𝑛−𝑘 ≅ 𝐺 - 𝐺
𝑛𝑝𝑞 𝑛𝑝𝑞
Aproximación de DeMoivre - Laplace

𝑛 𝑘2−𝑛𝑝 𝑘1−𝑛𝑝
σ𝑘2
𝑘=𝑘1 𝑘
𝑝𝑘 𝑞 𝑛−𝑘 ≅𝐺 - 𝐺
𝑛𝑝𝑞 𝑛𝑝𝑞

Así, para encontrar la probabilidad de que en n intentos el

número de ocurrencias de un evento A esté entre k1 y k2,
es suficiente evaluar la función normal tabulada G(x). La
aproximación es satisfactoria si npq ≫ 1 y las diferencias
𝑘1 - np y 𝑘2 - np están en el orden de 𝑛𝑝𝑞
Variables aleatorias

Una variable aleatoria es un número x(Z) asignado a cada salida Z de un

experimento. Este número podría ser por ejemplo:

• el voltaje en una fuente aleatoria

• el costo de un componente aleatorio

En el experimento del dado asignamos a las seis salidas fi los números

x(fi) = 10i. Por tanto,

En el mismo experimento podríamos asignar el número 1 a cada salida

par y el número 0 a cada salida impar:
Variables aleatorias

Supongamos un experimento especificado por el espacio S, el campo de

subconjuntos de S llamados eventos y la probabilidad asignada a
esos eventos. Para cada salida ζ de este experimento asignamos un
número x(ζ).

De esta manera hemos creado una función x cuyo dominio es el

conjunto S y cuyo rango es un conjunto de números. Esta función es
llamada:
“variable aleatoria”
Variables aleatorias

Ejemplo: x es una función (tabla) que asocia las seis caras del dado
con los seis números: 10, 20, 30, 40, 50, 60. El dominio de esta
función es el conjunto S = {f1, f2, …, f6} y su rango es el conjunto de
los 6 números mencionados. La expresión x(f2) = 20.

Comenzaremos con el significado de la notación:

Esta notación representa al subconjunto S que consiste de todas las

salidas ζ tales que x(ζ ) <= x.
es un conjunto de salidas experimentales.
Variables aleatorias

El significado de es similar. Representa un

Subconjunto de S que consiste de todas las salidas ζ tales que

x1 ≤ x(ζ ) ≤ x2: donde x1 y x2 son 2 números dados.

Ejemplo: Ilustremos esto con la variable aleatoria x(fi) = 10 i del

experimento del dado.

El conjunto {x ≤ 35} consiste de los elementos f1, f2, f3 porque

x(fi) ≤35 solo si i = 1,2 ó 3
Variables aleatorias

• Definición formal: Una variable aleatoria es un proceso de asignar

un número x( ζ) a cada salida experimental ζ .La función resultante
debe satisfacer las siguientes dos condiciones:

• I. El conjunto {x ≤ x} es un evento para cada x-

• II. Las probabilidades de los eventos {x = ∞ } y {x = -∞ } son
iguales a cero.
Distribuciones y funciones de densidad

Los elementos del conjunto S que están contenidos en el evento {x ≤ x}

cambian conforme el número x toma varios valores. La probabilidad
P{x ≤ x} del evento {x ≤ x} es por tanto un número que depende de
x. Este número suele ser denotado por Fx(x) función de
distribución acumulada de la variable aleatoria x.

La función de distribución de la variable aleatoria x es la función

Definida para cada x desde -∞ hasta ∞ .