Los Axiomas de Kolmogorov. Parte II.
|
|
- José María Pablo Olivera Iglesias
- hace 5 años
- Vistas:
Transcripción
1 Los Axiomas de Kolmogorov. Parte II. 1 Sucesiones infinitas de Eventos y el problema de la Medida de Probabilidad Hasta el momento hemos estudiado modelos de probabilidad cuya clase de eventos incluye composiciones finitas de eventos, es decir, eventos que pueden construirse con uniones e intersecciones finitas de otros eventos. Sin embargo, hay ocasiones, tanto en la práctica como en la teoría, en donde es necesario considerar modelos de probabilidad con eventos compuestos de uniones e intersecciones de sucesiones infinitas de eventos, así como sus probabilidades. Ejemplo 1. Supongamos que una población inicial de cierta cantidad de bacterias, produce descendencia del mismo tipo. La descendencia de la población inicial es llamada segunda generación, y así sucesivamente. Los científicos están interesados en conocer ciertos procesos de reproducción y de muerte de esta población. En particular, tienen interés en la eventualidad de que la población se extinga completamente en algún momento. En este caso, podemos considerar, para cada n 1, el evento E n como la población está extinta en la generación n y la unión E := E n, que podemos interpetrar como el evento la población se extingue en alguna generación. Suponiendo que se conoce PE n, cómo podríamos calcular PE? Ejemplo 2. Supongamos que lanzamos una moneda una infinidad de veces. Cuál es el evento: la moneda cae en sol una infinidad de veces? Si definimos S n como el evento cae sol en el n-ésimo lanzamiento, para cada n 1, entonces el evento la moneda cae en sol una infinidad de veces está determinado por lim sup S n = n S k. Suponiendo que este conjunto es un evento, cómo podemos calcular su probabilidad? 1
2 2 σ-álgebra de eventos. Resulta evidente que el concepto de álgebra es ya insuficiente. De los ejemplos anteriores, se intuye que el concepto de álgebra debe ser extendido a un concepto más general que incluya la propiedad de que si A n F para todo n 1 entonces A n F. Exponemos entonces de manera formal la definición siguientes. Definición 1 σ-álgebra. Sea F una familia de subconjuntos de un conjunto Ω. Decimos que F es un σ-álgebra sobre Ω si σ1 Ω F. σ2 Si A F, entonces Ω\A F. σ3 Si {A n } n 1 es una sucesión de elementos en F, entonces A n F. Ejemplo 1. Sobre cualquier espacio no vacío Ω, las familias PΩ = {A A Ω} y P 0 = {, Ω} son σ-álgebras sobre Ω. Si F es cualquier σ-álgebra sobre Ω, entonces P 0 F PΩ. Ejemplo 2. Sea Ω el pequeño espacio {1, 2, 3, 4}. Y consideremos las familias A = {, Ω, {2, 3, 4}, {1}}, B = {, Ω, {1}, {2}, {1, 2}, {3, 4}, {2, 3, 4}, {1, 3, 4}} y C = {, Ω, {1, 3, 4}, {2}}. Mediante una inspección visual notamos que todas ellas poseen estructura de σ-álgebra sobre el mismo espacio Ω. Sin embargo, las familias D = {{1}, {2}, } y E = {{1}, {2}}, no son σ-álgebras sobre Ω. Ejemplo 3. Por convención entenderemos como subconjunto contable, aquel subconjunto o espacio de cardinalidad finita o a lo sumo infinito numerable. Sea Ω un espacio no contable. Consideremos la familia Entonces F es σ-álgebra. F = {A Ω A es contable o A c es contable}. 2
3 Evidentemente, un σ-álgebra es también un álgebra, y por tanto es cerrado bajo cualquier operación finita de subconjuntos. Sin embargo, una familia cerrada bajo uniones finitas no necesariamente es un σ-álgebra. Ejemplo 4. Sea Ω = 0, 1]. La familia { n } G = A i n N, A i C i = 1,..., n, y A i A j = si i j, donde i=1 C = {x, y] 0 x y 1}, es cerrada bajo uniones finitas. De hecho G es un álgebra. Sin embargo no es σ-álgebra. Por ejemplo, los intervalos 1/2n, 1/2n 1] pertencen a G de hecho pertenecen a C, pero, dado que son ajenos, su unión no puede ser expresada como una unión finita de intervalos en A. Hay otras formas equivalentes de describir un σ-álgebra, una de las más útiles es la siguiente. Teorema 1. La familia F es un σ-álgebra sobre Ω, si y sólo si, σ1 F. σ2 Si A F, entonces, A c F. σ3 Si {A n } es una sucesión de elementos de F, entonces A n F. Demostración. Si F es σ-álgebra sobre Ω, entonces Ω F, según σ1, pero por σ2, = Ω c F, esto prueba σ1. Ahora, la condición σ2 es exactamente la condición σ2 de la Definición 1. Por último, para una sucesión {A n } n N contenida en F se tiene que {A c n} n N también está contenida en F por la propiedad σ2, entonces Ac n F, por σ3, pero de nueva cuenta por σ2, c A n = An c F, lo cual prueba σ3. Se deja al estudiante el resto de la prueba. 3
4 3 σ-álgebra generada por una clase de subconjuntos Teorema 2. Sea F una familia arbitraria de σ-álgebras definidas sobre un conjunto Ω. Entonces la familia es σ-álgebra sobre Ω. E = { A Ω : A F, F F } Observación 1. El conjunto F es una clase de segunda categoría, esto es, es una clase de clases: Una clase cuyos elementos son a su vez clases. Notamos entonces, E = F, F F En palabras, este resultado establece que la intersección arbitraria de σ-álgebras definidas sobre un mismo espacio, es de nueva cuenta un σ-álgebra sobre dicho espacio. Demostración. Es claro que Ω F para toda F F, entonces Ω E. Si A E, entonces A F para toda F F, por tanto A c F para toda F F, de donde, A c E. Por último, si una sucesión {A n } n N está contenida en E, entonces está contenida en toda F F, por ello A n F para toda F F, esto prueba que A n E. Teorema 3. Sea C cualquier familia no vacía de subconjuntos del espacio Ω. Entonces existe un único σ-álgebra definida sobre Ω, denotado por σc, tal que i C σc y ii Si F es una σ-álgebra en Ω tal que C F entonces σc F. Decimos que σc es el σ-álgebra generado por la clase C. Demostración. Definimos C = {F PΩ : C F, F es σ-álgebra en Ω}. Esto es, C es la clase que reúne todos los σ-álgebras que contienen a las clase C. Dado que C PΩ y PΩ es σ-álbebra sobre Ω, tenemos que PΩ C. Por tanto nuestra familia de σ-álgebras C es no vacía. 4
5 Existencia. Definimos σc := F C F. Por el teorema anterior, sabemos que σc es un σ-álgebra. Como C F para toda F C por definición, se tiene entonces que C σc. Por último, para cualquier σ-álgebra F en Ω, si C F entonces F C, y por la propia definición de σc, se tiene σc F. Unicidad. Si F es un σ-álgebra que cumple con i y ii, entonces F σc, Pero también σc verifica estas dos propiedades, como probamos, y por ende Luego σc = F. σc F. Proposición 1. Supongamos que C y C son familias de subconjuntos de un espacio no-vacío Ω. Si C C entonces σc σc. En particular, si F es un σ-álgebra, entonces F = σf. Demostración. Por hipótesis y por i del teorema anterior, C C σc. Nuevamente, por ii del teorema anterior, σc σc. 4 Restricción de un σ-álgebra. Proposición 2. Sea F un σ-álgebra sobre un conjunto Ω y sea Ω 0 Ω. Entonces la clase F Ω 0 := {F Ω 0 : F F}, es un σ-álgebra sobre Ω 0. Demostración. Como Ω F, Ω 0 = Ω Ω 0 F Ω 0. Si E F Ω 0, entonces para algún F F, E = F Ω 0, de donde Ω 0 \E = Ω 0 \F Ω 0 = Ω 0 \F = Ω\F Ω 0 F Ω 0, 5
6 puesto que Ω\F F. Finalmente, si E n F Ω 0, para todo n 1, entonces existe una colección F n F, n 1, tal que E n = F n Ω 0. Por lo tanto E n = F n Ω 0 = F n Ω 0 F Ω 0, dado que F n F. Proposición 3. Sea C una clase de subconjuntos de Ω y sea Ω 0 Ω. definimos la clase C Ω 0 := {C Ω 0 : C C}, entonces Si σc Ω 0 = σc Ω 0. Demostración. Dado que C σc, entonces C Ω 0 σc Ω 0, de donde Ahora, definimos la clase σc Ω 0 σc Ω 0. F 0 = {F σc : F Ω 0 σc Ω 0 }. Entonces F 0 es un σ-álgebra sobre Ω y C F 0. Por consiguiente σc F 0. Esto prueba que para todo F σc, F Ω 0 σc Ω 0, esto es, σc Ω 0 σc Ω 0. 5 Espacio de Probabilidad Con el concepto de σ-álgebra podemos establecer la definición más general de medida de probabilidad y de espacio de probabilidad. Definición 2. Sea Ω un conjunto no vacío y sea F un σ-álgebra sobre Ω. Una medida de probabilidad es una función conjuntista P definida sobre F tal que P1 PA 0, para todo A F. P2 PΩ = 1. P3 σ-aditividad. Si A n F, n 1, es una colección de eventos ajenos, entonces P A n = PA n. 6
7 Un espacio de probabilidad es una terna Ω, F, P, donde Ω es un conjunto no-vacío, llamado espacio muestral, F es un σ-álgebra sobre Ω, llamado σ-álgebra de eventos y cuyos elementos son llamados eventos, y P es una medida de probabilidad definida sobre F. Esta definición envuelve la primera definición que hemos estudiado, debido a que todo σ-álgebra es también un álgebra, y al resultado siguiente, cuya prueba es casi inmediata y se deja al estudiante. Proposición 4. Una medida de probabilidad P es finitamente aditiva. Esto es, si A i F, i = 1,..., n es una colección finita de eventos ajenos, entonces n n P A i = PA i. i=1 i=1 Las siguiente propiedades también son inmediatas de la definición. prueba se deja al estudiante. La Teorema 4. Sea Ω, F, P un espacio de probabildad. i Si A, B F son eventos tales que A B, entonces PB\A = PB PA y PA PB. ii 0 PA 1, para todo evento A F. iii PA + PA c = 1, para todo evento A F. iv P = 0. Ejemplo 5. Sea Ω un conjunto no vacío y sea ω 0 un elemento fijo de Ω. Sobre el potencia PΩ, definimos { 1 si ω 0 A, PA = 0 si ω 0 / A. Entonces P es una medida de probabilidad. Ejemplo 6. Si F es un álgebra de cardinalidad finita sobre algún conjunto Ω, entonces F es de hecho un σ-álgebra. En este caso, si P es una función conjuntista sobre F que satisface P1, P2 y es finitamente aditiva, entonces P es una medida de probabilidad. En particular, la medida de probabilidad clásica es una medida de probabilidad. 7
8 Ejemplo 7 Espacios de probabilidad discretos. Sea Ω un conjunto y supongamos que Ω 0 = {ω 1, ω 2,...} es un subconjunto contable de Ω. Sea {p i } i=1 una sucesión de números reales tales que 0 p i 1, para todo i 1 y i p i = 1. Sobre PΩ definimos PA = i Γ A p i, donde Γ A = {j 1 : ω j A Ω 0 }. Entonces P es una medida de probabilidad. Note que la naturaleza discreta de este espacio depende de las características de P, más que de las Ω o F. Como consecuencia, la propiedad de σ-aditividad implica que una medida de probabilidad es continua para sucesiones monótonas de eventos. Teorema 5. Sea Ω, F, P un espacio de probabilidad y sea A n F, n 1, una colección de eventos. i Si A n A n+1 entonces P ii Si A n+1 A n, entonces P A n = lim n PA n. A n = lim n PA n. Demostración. Supongamos que A n A n+1. Definimos, B 1 = A 1 y para n > 1, B n = A n \A n 1. Entonces B n F para todo n > 1, B n B m = si n m, y A n = B n. Por lo tanto, P A n = P B n = PB n = lim m = lim m m PB n = lim m PA m. m [PA n PA n 1 ] + PA 1 8
9 Para la segunda parte, si A n+1 A n, entonces A c n A c n+1. Por lo anterior, P A n = 1 P A c n = 1 lim n PAc n = lim n PA n. Una medida de probabilidad es además sub-aditiva. Proposición 5 Desigualdad de Boole. Sea Ω, F, P un espacio de probabilidad y sea A n F, n 1, una colección de eventos. Entonces P A n PA n. Demostración. Si definimos B n = n k=1 A k, entonces B n F, B n B n+1 para todo n 1 y n A n = n B n. Además, por inducción, PB n n PA k, para todo n 1. k=1 Por lo tanto, P A n = P B n = lim n PB n PA n. Corolario. Sea Ω, F, P un espacio de probabilidad y sea A n F, n 1, una colección de eventos. Si PA n = 0 para todo n 1, entonces P A n = 0. Demostración. Por la desigualdad de Boole, P A n PA n = 0, de donde se sigue el corolario. 9
10 Para concluir esta sección demostraremos, como corolario de la continuidad de P, un de resultado bastante relevante. Teorema 6 Lema de Borel-Cantelli. Sea Ω, F, P un espacio de probabilidad y {A n } n 1 F un colección de eventos. Si entonces PA n <, P lim sup A n = 0. n Demostración. Dado que PA n <, entonces, lim n PA k = 0. Ahora, P lim sup A n = lim P A k n n lim PA k = 0. n 6 Independencia y Ley 0-1 de Borel-Cantelli. Definición 3. Sea Ω, F, P un espacio de probabilidad. eventos A F y B F son independientes si Decimos que dos PA B = PAPB. En general, decimos que los eventos A i F, i = 1,..., n, son independientes, si para cualquier subconjunto J {1,..., n}, P A j = PA j. j J j J 10
11 Definición 4. Sea Γ un conjunto de índices arbitrario no-vacío. Supongamos que {A γ } γ Γ F es una colección de eventos. Decimos que los eventos A γ, γ Γ, son independientes si para cualquier sub-colección finita A γ1,...,a γn, n P i=1 A γi = n PA γi. Recordemos que para cualquier conjunto A y un número a {0, 1}, definimos { A a A si a = 1, = A c si a = 0. Proposición 6. Sea Γ un conjunto de índices arbitrario no-vacío, y sea {A γ } γ Γ F una colección de eventos. Entonces, los eventos A γ, γ Γ, son independientes, si y sólo si, para cada α = a γ γ Γ {0, 1} Γ, los eventos A aγ γ, γ Γ, son independientes. Demostración. Es suficiente el caso Γ finito. Haremos únicamente el caso Γ = {1, 2}. Si A 1 y A 2 son eventos indeoendientes, entonces PA 1 A c 2 = PA 1 PA 1 A 2 = PA 1 1 PA 2 = PA 1 PA c 2. Por lo tanto A 1 y A c 2 son independientes. De aquí, con un argumento análogo, se sigue que A c 1 y A c 2 son independientes. De nueva cuenta, imitando el argumento se tiene entonces que A c 1 y A 2 son independientes. Pero esto implica que A 1 y A 2 son independientes, copiando el mismo argumento. Teorema 7 Ley 0-1 de Borel-Cantelli, segundo Lema de Borel-Cantelli. Sea Ω, F, P un espacio de probabilidad y sea {A n } n 1 una colección de eventos independientes. Entonces P lim sup A n = n i=1 { 0 si, y sólo si, 1 si, y sólo si, PA n < PA n =. Demostración. Por el Lema de Borel Cantelli, si n PA n <, entonces Plim sup n A n = 0. Supongamos ahora que n PA n =. Para cada n 1, N P = PA c n = 1 PA n = lim 1 PA k, A c k n N 11
12 y usando que 1 x exp{ x}, para todo número real x, { } n n 1 PA k exp PA k, de donde, P A c k por lo tanto, k=n k=n { } { } N lim exp PA k = exp PA k = 0, n N P lim sup A n = 1 P n lim inf n A c n = 1 P A c k = 1 12
Memo Garro. A n F. n=1
σ-álgebra Memo Garro Introducción En este apunte estudiaremos el concepto de σ-álgebra, como un tipo especial de familia de subconjuntos de un espacio Ω, aunque todavía desde un punto de vista puramente
Más detallesModelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad)
Modelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad) 1. Definición y propiedades. Aditividad finita Definición 1. Sea Ω un conjunto finito no vacío. Definimos la medida de probabilidad
Más detallesEjercicios de teoría de la medida
Ejercicios de teoría de la medida Pedro Alegría Capítulo. Dada una aplicación F : Ω Ω, demostrar que: a) Si A es una σ-álgebra de Ω, A = {B Ω : F B) A} lo es de Ω. b) Si A es una σ-álgebra de Ω, A = F
Más detallessup si A no es acotado.
Capítulo 6 Espacios completos 1. El teorema de Cantor En este capítulo estudiaremos más a fondo los espacios métricos completos. Lo primero que haremos es establecer la equivalencia entre completitud y
Más detallesCurso intermedio de PROBABILIDAD
Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Mayo 2005 El presente texto corresponde a la versión electrónica
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesEl σ-álgebra de Borel, la Medida de Lebesgue y la Medida de Probabilidad Uniforme.
El σ-álgebra de Borel, la Medida de Lebesgue y la Medida de Probabilidad Uniforme. 1 El Problema de la Teoría de la Probabilidad. Origen y definición del problema. Recordemos que la medida de probabilidad
Más detallessup si A no es acotado.
Capítulo 5 Teoría de Baire 1. El teorema de Cantor En este capítulo estudiaremos más a fondo los espacios métricos completos. Lo primero que haremos es establecer la equivalencia entre completitud y la
Más detallesEste documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!
Este documento es de distribución gratuita y llega gracias a Ciencia Matemática El mayor portal de recursos educativos a tu servicio! Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas
Más detallesCurso intermedio de PROBABILIDAD
Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Febrero 2006 El presente texto corresponde a la versión electrónica
Más detallesLa Medida de Lebesgue. Problema de la Medida
Capítulo 19 La Medida de Lebesgue. Problema de la Medida Hemos demostrado en el capítulo anterior que la medida exterior de Lebesgue es una medida sobre la familia M de los conjuntos medibles. Por definición,
Más detallesdiám A = x,y A d(x,y) si A es acotado si A no es acotado. {d(x,y) : x,y A}
Capítulo 6 Teoría de Baire 1. El teorema de Cantor En este capítulo estudiaremos más a fondo los espacios métricos completos. Lo primero que haremos es establecer la equivalencia entre completitud y la
Más detallesCapítulo 1. Teoría de la probabilidad Teoría de conjuntos
Capítulo 1 Teoría de la probabilidad 1.1. Teoría de conjuntos Definición 1.1.1 El conjunto S de todos los posibles resultados de un experimento aleatorio es llamado el espacio muestral. Un espacio muestral
Más detalles1. Propiedades básicas de las medidas
AMARUN www.amarun.net Comisión de Pedagogía - Diego Chamorro Teoría de la medida (Nivel 2). Lección n 2: σ-álgebras y medidas EPN, verano 2009 1. Propiedades básicas de las medidas Marco de trabajo: la
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesExtensión de medidas
Extensión de medidas Problemas para examen Semianillos de conjuntos 1. Escriba la definición de semianillo de conjuntos. 2. Convenio: el conjunto vacío pertenece a cualquier semianillo. En los siguientes
Más detallesExtensión de medidas
Extensión de medidas Problemas para examen Semianillos de conjuntos 1. Escriba la definición de semianillo de conjuntos. 2. Convenio: el conjunto vacío pertenece a cualquier semianillo. En los siguientes
Más detalles1. Funciones Medibles
1. Medibles Medibles simples... Hasta ahora hemos estudiado la medida de Lebesgue definida sobre los conjuntos de R n y sus propiedades. Vamos a aplicar ahora esta teoría al estudio de las funciones escalares
Más detalles1. Medida Exterior. Medida de Lebesgue en R n
1. La integral de Lebesgue surge del desarrollo de la integral de Riemann, ante las dificultades encontradas en las propiedades de paso al ĺımite para calcular la integral de una función definida como
Más detallesTema 4. Axiomática del Cálculo de Probabilidades
Tema 4. Axiomática del Cálculo de Probabilidades mjolmo@ujaen.es Curso 2007/2008 Espacio muestral finito equiprobable El espacio muestral contiene un número finito de sucesos elementales todos ellos con
Más detallesEspacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico.
Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Definición 3.1. Sea (X, d) un espacio métrico y A X. Una cubierta de A es una familia
Más detallesEL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades
EL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 10 de Septiembre de 2010 1 of 29 Contenidos de la Clase
Más detallesProbabilidad Condicional. Dr. José Dionicio Zacarias Flores
Probabilidad Condicional Dr. José Dionicio Zacarias Flores Introducción Sea E un experimento aleatorio con espacio de probabilidad (Ω,F,P). Algunas veces podemos poseer información incompleta sobre el
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesObjetivo del Cálculo de Probabilidades:
Objetivo del Cálculo de Probabilidades: Establecer y desarrollar modelos matemáticos adaptados al estudio de situaciones que presentan cierto grado de incertidumbre Definición de Estadística (Barnett,
Más detallesEn primer lugar, vamos a precisar un concepto al que ya nos hemos referido anteriormente, el de σ-álgebra.
Capítulo 20 Conjuntos de Borel Hemos demostrado ya que la familia M de los conjuntos medibles contiene a todos los abiertos de R n y, por tanto, a todos los conjuntos que podamos formar a partir de los
Más detallesEspacios conexos. 6.1 Conexos
Capítulo 6 Espacios conexos 6.1 Conexos Definición 6.1.1 (Conjuntos separados). Dado un espacio topológico (X, τ) y dos subconjuntos A, B X, diremos que A y B están separados si A B = A B = Es evidente
Más detallesClase 1: Simulación de variables aleatorias *
Clase 1: Simulación de variables aleatorias * Índice 1. Simulación de variables aleatorias 1 1.1. Espacio de Probabilidad. Axiomas de Kolmogorov...... 1 2. Variables aleatorias y distribución de probabilidad
Más detallesApuntes sobre la integral de Lebesgue
Apuntes sobre la integral de Lebesgue Miguel Lacruz Martín Universidad de Sevilla 1. Medida de Lebesgue 1.1. Introducción La longitud l(i) de un intervalo I R se define habitualmente como la distancia
Más detallesCálculo diferencial e integral I. Eleonora Catsigeras
Cálculo diferencial e integral I Eleonora Catsigeras Universidad de la República Montevideo, Uruguay 01 de setiembre de 2011. CLASE 14 complementaria. Sobre sucesiones y conjuntos en la recta real. Sucesiones
Más detallesParte 2: Definición y ejemplos de topologías.
Parte 2: Definición y ejemplos de topologías. 22 de marzo de 2014 1. Definiciones y propiedades básicas. Definición 1 Sea X un conjunto. Una familia T de subconjuntos de X es una topología de X si se cumplen:
Más detallesVariables Aleatorias
Variables Aleatorias Memo Garro Resumen En este artículo introduciremos un tipo específico de funciones definidas sobre la dupla (Ω F. Estas funciones son llamadas variables aleatorias y son de gran importancia
Más detallesConteo y Combinatoria
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA3403 - Probabilidades y Estadística 1. Nociones Generales Conteo y Combinatoria Alberto Vera Azócar,
Más detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detalles1. Definiciones y propiedades básicas.
Centro de Matemática Facultad de Ciencias Universidad de la República Introducción a la Topología Curso 2016 PRACTICO 2: TOPOLOGÍA. 1 1. Definiciones y propiedades básicas. Definición 1 Sea X un conjunto.
Más detallesTema 3 Espacios de probabilidad: Definición axiomática y propiedadades básicas de la probabilidad
Tema 3 Espacios de probabilidad: Definición axiomática y propiedadades básicas de la probabilidad 1. Objetivo del Cálculo de Probabilidades El objetivo del Cálculo de Probabilidades es establecer y desarrollar
Más detallesEspacio de Probabilidad
Capítulo 1 Espacio de Probabilidad 1.1 Definiciones y Resultados Básicos Sea Ω un conjunto arbitrario. Definición 1.1 Una familia no vacía F de subconjuntos de Ω es llamada una σ-álgebra de subconjuntos
Más detallesTEMA 3: Cálculo de Probabilidades
TEMA 3: Cálculo de Probabilidades Objetivo de la Probabilidad: Establecer y desarrollar modelos matemáticos para tratar situaciones que se desarrollan en un ambiente de incertidumbre. 1 Experimentos aleatorios
Más detallesMedidas. Problemas para examen. Estos problemas están redactados por Egor Maximenko y Breitner Arley Ocampo Gómez.
Medidas Problemas para examen Estos problemas están redactados por Egor Maximenko y Breitner Arley Ocampo Gómez. Sigma-álgebras 1. Propiedades elementales de σ-álgebras. Demuestre que una σ-álgebra es
Más detalles1. Conjuntos y funciones
PRACTICO 1: CONJUNTOS. 1. Conjuntos y funciones Es útil saber de memoria las siguientes propiedades de conjuntos y funciones. Tanto como saber las tablas. Ejercicio 1. Si I es un conjunto y A α es un conjunto
Más detallesIntegración de Funciones Reales
Capítulo 20 Integración de Funciones Reales Nos proponemos estudiar en este capítulo las propiedades fundamentales del operador integral. n particular, extenderemos aquí al caso de funciones medibles con
Más detalles1. Conjuntos y funciones
Centro de Matemática Facultad de Ciencias Universidad de la República Introducción a la Topología Curso 2016 PRACTICO 1: CONJUNTOS. 1 1. Conjuntos y funciones Ejercicio 1. Si I es un conjunto y A α es
Más detallesFormulaciones equivalentes del Axioma de Elección
Formulaciones equivalentes del Axioma de Elección MARU SARAZOLA Resumen En este documento presentamos algunas formulaciones equivalentes del axioma de elección. En la primera sección, se presenta el enunciado
Más detallesNotas de Probabilidades y
Notas de Probabilidades y Estadística Capítulos 1 al 12 Víctor J. Yohai vyohai@dm.uba.ar Basadas en apuntes de clase tomados por Alberto Déboli, durante el año 2003 Versión corregida durante 2004 y 2005,
Más detallesEspacios compactos. 1. Cubiertas
Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. La compacidad se puede estudiar desde dos puntos de vista: el topológico, a través
Más detalles2. CONSTRUCCIÓN DE MEDIDAS.
2. CONSTRUCCIÓN DE MEDIDAS. 1. MEDIDAS EXTERIORES. (2,1,1) Definición. Una medida exterior es una aplicación µ : P(X) [0, + ] que cumple: (a) µ ( ) = 0. (b) Monotonía: Si A B, entonces µ (A) µ (B). (c)
Más detallesTEOREMA DE BERNOULLI
TEOREMA DE BERNOULLI Introducción. En este escrito exponemos de forma detallada el Teorema de Bernoulli. Inroducimos primero el modelo de distribución Bernoulli parámetro p, ofreciendo una discusión sobre
Más detallesExtensiones finitas.
2. EXTENSIONES ALGEBRAICAS. Hemos dividido este tema en dos secciones: Extensiones finitas, y Clausura algebraica. En la primera relacionamos extensión finita y extensión algebraica: probamos que toda
Más detallesMedida y Probabilidad
Medida y Probabilidad Jorge Salazar 1 Enero 2015 1 Con el apoyo del Programa PROMETEO/SENESCYT del Gobierno del Ecuador. ii Contents 7 Integral de Lebesgue 1 7.1 Integración de funciones simples.................
Más detallesPROBABILIDAD Probabilidad Clásica y Frecuencial. Probabilidad frecuencial y regularidad estadística Las frecuencias relativas de un evento tienden a
Probabilidad Clásica y Frecuencial. Probabilidad frecuencial y regularidad estadística Las frecuencias relativas de un evento tienden a estabilizarse cuando el número de observaciones se hace cada vez
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesTema 5: Funciones medibles. Variables aleatorias. Función de distribución.
Tema 5: Funciones medibles. Variables aleatorias. Función de distribución. El concepto de variable aleatoria formaliza las magnitudes numéricas asociadas a los resultados de una experimento aleatorio.
Más detalles2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD
2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD Un diagrama de Venn Objetivos Introducir los conceptos básicos de experimentos y sucesos, y la definición axiomática y propiedades de la probabilidad. Para leer
Más detallesConjuntos Medibles. La identidad de Caratheodory
Capítulo 18 Conjuntos Medibles La identidad de Caratheodory En el capítulo anterior vimos que la medida exterior de Lebesgue no resulta σ-aditiva en todo R n. Ahora vamos a construir una familia M de subconjuntos
Más detalles1. MEDIDA E INTEGRACIÓN.
1. MEDID E INTEGRCIÓN. En este capítulo repasamos algunos conceptos que se vieron en la asignatura mpliación de la Teoría de Funciones de Varias Variables. 1. MEDIDS POSITIVS. (1,1,1) Definición. Una σ-álgebra
Más detallesEspacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
Más detallesFunciones continuas. Definición y propiedades
Funciones continuas. Definición y propiedades Para la lectura de este artículo es recomendable haber leído con anterioridad otros tres artículos relacionados con las sucesiones de números reales y las
Más detalles2 Espacio muestral y σ-álgebra de sucesos
1 Introducción ESPACIOS DE PROBABILIDAD Julián de la Horra Departamento de Matemáticas U.A.M. Los espacios de probabilidad son las estructuras que se utilizan en Matemáticas para estudiar los fenómenos
Más detallesPRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD
PRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD CONCEPTOS PREVIOS EXPERIMENTO RESULTADO ESPACIO DE RESULTADOS, W ÁLGEBRA DE SUCESOS SUCESO PROBABILIDAD (AXIOMÁTICA) PROPIEDADES Y TEOREMAS DERIVADOS
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesConjuntos Abiertos y Cerrados
Conjuntos Abiertos y Cerrados 1. (a) En la prueba de que la intersección de una colección finita de conjuntos abiertos es un conjunto abierto, dónde se uso la hipótesis de que la colección es finita? 2.
Más detallesSemana02[1/23] Conjuntos. 9 de marzo de Conjuntos
Semana02[1/23] 9 de marzo de 2007 Introducción Semana02[2/23] La teoría de conjuntos gira en torno a la función proposicional x A. Los valores que hacen verdadera la función proposicional x A son aquellos
Más detallesConjuntos Medibles. Preliminares
Capítulo 18 Conjuntos Medibles Preliminares En el capítulo anterior vimos que la medida exterior de Lebesgue no resulta σ-aditiva en todo R n. Ahora vamos a construir una familia M de subconjuntos de R
Más detallesσ-álgebra de Borel Memo Garro
σ-álgebra de Borel Memo Garro Introducción En esta ocasión estudiaremos una σ-álgebra particular que para la probabilidad moderna es de importancia sustancial. Ésta es conocida como σ-álgebra de Borel,
Más detallesMariano Suárez-Alvarez. 7 de mayo, Límites superiores y límites inferiores
ĺımsup y ĺıminf Mariano Suárez-Alvarez 7 de mayo, 2013 1.1. Definiciones 1. Límites superiores y límites inferiores 1.1. Sea (a n ) n 1 una sucesión de números reales que es acotada superiormente. Si para
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detalles1. Unicidad de Medidas
AMARUN www.amarun.net Comisión de Pedagogía - Diego Chamorro Teoría de la medida (Nivel 2. Lección n 3: Construcción de medidas, Medida de Lebesgue EPN, verano 2009 1. Unicidad de Medidas = Es imposible
Más detallesAcerca del interior de un polígono
Acerca del interior de un polígono Mario Ponce PUC-Chile 9 de marzo de 2011 Resumen En esta nota proponemos una demostración elemental del Teorema de la curva de Jordan para polígonos, justificando así
Más detalles: k }, es decir. 2 k. k=0
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08-2 Basado en el apunte del curso Cálculo (2do semestre), de Roberto Cominetti, Martín Matamala y Jorge San
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesModelo de Probabilidad
Capítulo 1 Modelo de Probabilidad 1.1 Definiciones y Resultados Básicos Sea Ω un conjunto arbitrario. Definición 1.1 Una familia no vacía F de subconjuntos de Ω es llamada una σ-álgebra de subconjuntos
Más detalles3. Órbitas de sistemas autónomos. Los Teoremas de LaSalle y de Poincaré-Bendixson. 3. Órbitas. Teoremas de LaSalle y Poincaré-Bendixson
3. Órbitas de sistemas autónomos. Los Teoremas de LaSalle y de Poincaré-Bendixson 3.1. El concepto de órbita de un sistema autónomo. Órbitas de s.d.o. lineales homogéneos en el plano 3.1. Órbita. Órbitas
Más detallesEl espacio euclideano
Capítulo 1 El espacio euclideano 1. Definiciones básicas El espacio Euclideano, denotado por R n, está definido por el conjunto (1.1) R n = {x = (x 1, x 2,..., x n ) : x i R}. Es decir, R n es efectivamente
Más detallesPráctica 1: Números reales y sucesiones
Taller de Cálculo Avanzado - Primer cuatrimestre 2017 Práctica 1: Números reales y sucesiones 1. A partir de los axiomas de cuerpo demostrar las siguientes propiedades cualesquiera sean a, b, c y d en
Más detallesBASES DE LA PROBABILIDAD
BASES DE LA PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus UPIICSA Instituto Politécnico Nacional Primavera 2004 IPN c 2004 Juan C. Gutiérrez Matus IPN c 2004 Juan C. Gutiérrez Matus 1 Introducción
Más detallesLos Axiomas de Kolmogorov. Parte I.
Los Axiomas de Kolmogorov. Parte I. 1 El problema de la clase de eventos y de la medida de probabilidad La paradoja del Círculo máximo de Bertrand El matemático francés Joseph Bertrand, planteó en 1889
Más detallesCálculo de probabilidad. Tema 1: Combinatoria y probabilidad
Cálculo de probabilidad Tema 1: Combinatoria y probabilidad Guión Guión 1.1. Análisis combinatorio Regla de multiplicación Este es el método de conteo más sencillo que existe. Supongamos que realizamos
Más detalles2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD
2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD Un diagrama de Venn Objetivos Introducir los conceptos básicos de experimentos y sucesos, y la definición axiomática y propiedades de la probabilidad. Para leer
Más detallesExposicion de Teoria de Galois
Exposicion de Teoria de Galois Fernando Sánchez Castellanos Villafuerte 14 de diciembre de 2008 1. Introduccion Definición 1. Un grupo topologico, es un grupo G juntpo con una topologia tal que satisface:
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 1 er Tema
Teoría Estadística Elemental I Teoría (resumida) del 1 er Tema Raúl Jiménez Universidad Carlos III de Madrid Septiembre 2011 Muchos de los eventos que estamos acostumbrados a observar no pueden ser predeterminados.
Más detallesCOMPACIDAD Y COMPLETITUD: DOS TEOREMAS CLÁSICOS DE LA TEORÍA DE MODELOS
COMPACIDAD Y COMPLETITUD: DOS TEOREMAS CLÁSICOS DE LA TEORÍA DE MODELOS JOEL TORRES DEL VALLE 1 1 Universidad Cartagena Resumen. Se presentan dos teoremas clásicos de la Teoría de Modelos: Teorema de La
Más detallesEspacios Vectoriales
Espacios Vectoriales Pedro Díaz Navarro * Abril de 26. Vectores en R 2 y R 3 2. Espacios Vectoriales Definición (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo
Más detallesTaller de Cálculo Avanzado - Segundo Cuatrimestre de Práctica 3
Taller de Cálculo Avanzado - Segundo Cuatrimestre de 2008 Práctica 3 Topología. Decir qué propiedades (abierto, cerrado, acotado) tienen los siguientes conjuntos. (a) Q. (b) N. (c) {x R : x > 0}. (d) (0,
Más detallesTEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES
TEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES Recordemos que el concepto de variable aleatoria surge de la necesidad de transformar el espacio muestral asociado a un experimento aleatorio en un espacio
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
Más detallesAxiomas de recubrimiento
CAPíTULO 8 Axiomas de recubrimiento Dedicaremos este capítulo a un nuevo tipo de propiedades topológicas: aquellas que se refieren a la posibilidad de extraer subrecubrimientos de cardinal finito o numerable
Más detallesNúmeros primos y compuestos
Números primos y compuestos Jorge Tipe Villanueva Sabemos que cualquier entero positivo n tiene como divisores a 1 y n. Si asumimos que n > 1 entonces n tendrá al menos dos divisores pues 1 y n son diferentes.
Más detallesTEMA 1.- PROBABILIDAD.- CURSO
TEMA 1.- PROBABILIDAD.- CURSO 2016-2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesMedida de Lebesgue. 16 de diciembre de 2015
Medida de Lebesgue 16 de diciembre de 2015 En este capítulo construiremos la Teoría de la Medida de Lebesgue sin ningún tipo de prerequisito, excepto ciertos conocimientos elementales de Análisis Real.
Más detallesTema 2: Variables Aleatorias
Estadística Aplicada I. Curso 2009-2010 Tema 2: Variables Aleatorias José G. Clavel 1 1 Departamento de Métodos Cuantitativos para la Economía y la Empresa jjgarvel@um.es Universidad de Murcia 6 de octubre
Más detallesProcesos de ramificación y árboles. aleatorios. Juan Carlos Pardo Millán. CIMAT, Guanajuato 1/ 26
Procesos de ramificación y árboles aleatorios. Juan Carlos Pardo Millán CIMAT, Guanajuato 1/ 26 Progama: Preliminares de probabilidad. Cadenas de Markov. Caminatas aleatorias. Procesos de Bienaymé-Galton-Watson.
Más detallesEspacios compactos. 7.1 Espacios compactos
58 Capítulo 7 Espacios compactos 7.1 Espacios compactos Definición 7.1.1 (Recubrimiento). Sea X un conjunto y sea S X. Un recubrimiento de S es una familia A = {A i } i I de subconjuntos de X tales que
Más detallesEl teorema del valor intermedio
Ya hemos tratado en un artículo anterior el problema de la continuidad de una función. Ahora nos hemos de preguntar sobre las ventajas que, en análisis matemático, nos proporciona este hecho. Existen una
Más detallesSubconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
Más detallesCurso intermedio de PROBABILIDAD
Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Versión: Octubre 2007 Una versión actualizada del presente texto
Más detallesPráctica 2: Cardinalidad. Propiedades básicas de los conjuntos
Cálculo Avanzado Segundo Cuatrimestre de 2014 Práctica 2: Cardinalidad Propiedades básicas de los conjuntos Ejercicio 1. Demostrar las siguientes igualdades de conjuntos: i) B i I A i = i I(B A i ). ii)
Más detallesSucesiones. Una sucesión de números reales es una tira, o una lista, de nḿeros reales que generalmente denotamos como
Universidad de la República Facultad de Ingeniería IMERL Sucesiones Curso Cálculo 1 2008 Una sucesión de números reales es una tira, o una lista, de nḿeros reales que generalmente denotamos como a 1, a
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detalles