n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

Documentos relacionados
INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

Tema 5. Fundamentos de la inferencia estadística: Introducción a la probabilidad y distribuciones muestrales.

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

LOS NÚMEROS COMPLEJOS

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

6. ESTIMACIÓN PUNTUAL

MEDIDAS DE CENTRALIZACIÓN

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

MEDIDAS DE TENDENCIA CENTRAL

Estadística Contenidos NM 4

4º MEDIO: MEDIDAS DE POSICIÓN

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

Aproximación a la distribución normal: el Teorema del Límite Central

Tema 2: Distribuciones bidimensionales

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

REGRESIÓN LINEAL SIMPLE

Estadística Espacial. José Antonio Rivera Colmenero

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

V II Muestreo por Conglomerados

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Tema 2 Probabilidad. 1. Conceptos básicos. 2. Probabilidad. 3. Probabilidad condicionada. 4. Independencia de sucesos

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

mecánica estadística Estadísticas Cuánticas Capítulo 5

1.- DISTRIBUCIÓN BIDIMENSIONAL

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

TEMA 2: LOS NÚMEROS COMPLEJOS

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

TEMA 4: VALORACIÓN DE RENTAS

2.5. Área de una superficie.

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ESTADÍSTICA poblaciones

V Muestreo Estratificado

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

TEMA 1: INCERTIDUMBRE Y PROBABILIDAD

CENTRO DE MASA centro de masas centro de masas

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

GENERACION DE VARIABLES ALEATORIAS

Medidas de Tendencia Central

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Una Propuesta de Presentación del Tema de Correlación Simple

FEM-OF: EDP Elíptica de 2 Orden

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

TEMA 9. Contrastes no paramétricos y bondad de ajuste

Topología General Capítulo 0-2 -

Guía práctica para la realización de medidas y el cálculo de errores

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA 4: NÚMEROS COMPLEJOS

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

Práctica número 12. Capacitor, resistor e inductor equivalentes

LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES

ESTADÍSTICA BAYESIANA

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

Apuestas deportivas por Internet

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados.

Juegos finitos n-personales como juegos de negociación

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

Análisis estadístico de datos muestrales

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

5- VARIABLES ALEATORIAS BIDIMENSIONALES

3 Metodología de determinación del valor del agua cruda

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

1 ESTADÍSTICA DESCRIPTIVA

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

Consumer theory: preferences and utility

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

Transcripción:

Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces, lo cual dca que la frecueca de aparcó de cada resultado tede a establzarse. El cocepto o dea que geeralmete se tee del térmo probabldad es adqurdo de forma tutva, sedo sufcete para maejarlo e la vda correte. Nos teresa ahora la medda umérca de la posbldad de que ocurra u suceso A cuado se realza el expermeto aleatoro. A esta medda la llamaremos probabldad del suceso A y la represetaremos por. La probabldad es ua medda sobre la escala 0 a 1 de tal forma que: Al suceso mposble le correspode el valor 0 Al suceso seguro le correspode el valor 1 El resto de sucesos tedrá ua probabldad compredda etre 0 y 1 El cocepto de probabldad o es úco, pues se puede cosderar desde dsttos putos de vsta: El puto de vsta objetvo Defcó clásca o a pror Defcó frecuetsta o a posteror El puto de vsta subjetvo 2. Defcó Clásca de la Probabldad Sea u expermeto aleatoro cuyo correspodete espaco muestral E está formado por u úmero fto de posbles resultados dsttos y co la msma probabldad de ocurrr {e 1, e 2,..., e }. S 1 resultados costtuye el subcojuto o suceso A 1, 2 resultados costtuye el subcojuto o suceso A 2 y, e geeral, k resultados costtuye el subcojuto o suceso A k de tal forma que: 1 + 2 +... + k = Las probabldades de los sucesos A 1, A 1,..., A so: p(a ) = 1 1 p(a ) = 2 2... p(a ) = k k es decr, que la probabldad de cualquer suceso A es gual al cocete etre el úmero de casos favorables que tegra el suceso A y el úmero Regla de Laplace para E ftos = Nº de casos favorables de A Nº de casos posbles de E Maual de Estadístca de Davd Ruz Muñoz

de casos posbles del espaco muestral E. Para que se pueda aplcar la regla de Laplace es ecesaro que todos los sucesos elemetales sea equprobables, es decr: p(e 1 ) = p(e 2 ) =... = p(e ) y por tato p(e )=1/ =1,2,..., Sedo A={e 1, e 2,..., e k } el suceso formado por k sucesos elemetales sedo k tedremos: k = p(e j ) = = j=1 Nº casos favorables Nº casos posbles La probabldad verfca las sguetes codcoes: La probabldad de cualquer suceso es sempre u úmero o egatvo etre 0 y 1 =, 0 La probabldad del suceso seguro E vale 1 La probabldad del suceso mposble es 0 La probabldad de la uó de varos sucesos compatbles o excluyetes A 1, A 1,..., A r es gual a la suma de probabldades de cada uo de ellos p(e) = = 1 p( ) = 0 =0 p(a... A ) = p(a ) + p(a ) +... + p(a ) 1 r 1 2 r Esta defcó clásca de probabldad fue ua de las prmeras que se dero (1900) y se atrbuye a Laplace; també se cooce co el ombre de probabldad a pror pues, para calcularla, es ecesaro coocer, ates de realzar el expermeto aleatoro, el espaco muestral y el úmero de resultados o sucesos elemetales que etra a formar parte del suceso. La aplcacó de la defcó clásca de probabldad puede presetar dfcultades de aplcacó cuado el espaco muestral es fto o cuado los posbles resultados de u expermeto o so equprobables. Ej: E u proceso de fabrcacó de pezas puede haber alguas defectuosas y s queremos determar la probabldad de que ua peza sea defectuosa o podemos utlzar la defcó clásca pues ecestaríamos coocer prevamete el resultado del proceso de fabrcacó. Para resolver estos casos, se hace ua extesó de la defcó de probabldad, de maera que se pueda aplcar co meos restrccoes, llegado así a la defcó frecuetsta de probabldad. 3. Defcó Frecuetsta de la Probabldad La defcó frecuetsta cosste e defr la probabldad como el límte cuado tede a fto de la proporcó o frecueca relatva del suceso. Sea u expermeto aleatoro cuyo espaco muestral es E Sea A cualquer suceso perteecete a E S repetmos veces el expermeto e las msmas (A) Maual de Estadístca de Davd Ruz Muñoz

Codcoes, la frecueca relatva del suceso A será: Cuado el úmero de repetcoes se hace muy grade la frecueca relatva coverge haca u valor que llamaremos probabldad del suceso A. = lm (A) Es mposble llegar a este límte, ya que o podemos repetr el expermeto u úmero fto de veces, pero s podemos repetrlo muchas veces y observar como las frecuecas relatvas tede a establzarse. Esta defcó frecuetsta de la probabldad se llama també probabldad a posteror ya que sólo podemos dar la probabldad de u suceso después de repetr y observar u gra úmero de veces el expermeto aleatoro correspodete. Alguos autores las llama probabldades teórcas. 4. Defcó Subjetva de la Probabldad Tato la defcó clásca como la frecuetsta se basa e las repetcoes del expermeto aleatoro; pero exste muchos expermetos que o se puede repetr bajo las msmas codcoes y por tato o puede aplcarse la terpretacó objetva de la probabldad. E esos casos es ecesaro acudr a u puto de vsta alteratvo, que o depeda de las repetcoes, so que cosdere la probabldad como u cocepto subjetvo que exprese el grado de creeca o cofaza dvdual sobre la posbldad de que el suceso ocurra. Se trata por tato de u juco persoal o dvdual y es posble por tato que, dferetes observadores tega dsttos grados de creeca sobre los posbles resultados, gualmete váldos. 5. Defcó Axomátca de la Probabldad La defcó axomátca de la probabldad es quzás la más smple de todas las defcoes y la meos cotrovertda ya que está basada e u cojuto de axomas que establece los requstos mímos para dar ua defcó de probabldad. La vetaja de esta defcó es que permte u desarrollo rguroso y matemátco de la probabldad. Fue troducda por A. N. Kolmogorov y aceptada por estadístcos y matemátcos e geeral. Defcó Dado el espaco muestral E y la α-algebra A=P(E) dremos que ua fucó p: A [ 0,1 ] es ua probabldad s satsface los sguetes axomas de Kolmogorov: 0 para cualquer suceso A A=P(A) p(e) = 1 Dada ua sucesó umerable de sucesos compatbles A 1, A 2,... A, se verfca que Maual de Estadístca de Davd Ruz Muñoz

p(a1 A 2...) =p U A =++ 1 2... =1 A la fucó p: A [ 0,1 ] A p = se deoma probabldad del suceso A. La tera (E, A, p) formada por el espaco muestral E, la α-algebra A=P(E) y la probabldad p se deoma espaco probablístco. 6. Teoremas Elemetales o Cosecuecas de los Axomas Los sguetes resultados se deduce drectamete de los axomas de probabldad. Teorema I La probabldad del suceso mposble es ula p( ) = 0 S para cualquer suceso A resulta que =0 dremos que A es el suceso ulo, pero esto o mplca que A= S para cualquer suceso A resulta que =1 dremos que A es el suceso cas seguro, pero esto o mplca que A=E Teorema II Para cualquer suceso A A=P(A) se verfca que: La probabldad de su suceso complemetaro es = 1 - Teorema III La probabldad P es moótoa o decrecete, es decr: A,B A=P(A) co A B p(b) y además p(b - A) = p(b) - Teorema IV Para cualquer suceso A A=P(A) se verfca que: 1 Teorema V Para dos sucesos cualesquera A,B A=P(A) se verfca que: p( A B ) = + p(b) - p( A B ) Esta propedad es geeralzable a sucesos: Maual de Estadístca de Davd Ruz Muñoz

+1 p UA = p(a ) - p(a A j ) + p(a A j A k ) +...+(-1) p I A =1 =1 < j < j<k Teorema VI Para dos sucesos cualesquera A,B A=P(A) se verfca que: p( A B ) + p(b) Esta propedad es geeralzable a sucesos: p U A p(a ) =1 =1 Teorema VII Dada ua sucesó crecete de sucesos A 1, A 2,..., A (abrevadamete represetado por { A }) se verfca que: lm p(a ) = p( lm A ) = p U =1 A Teorema VIII Dada ua sucesó decrecete de sucesos A 1, A 2,..., A (abrevadamete represetado por { A }) se verfca que: lm p(a ) = p( lm A ) = p I =1 A = 1 7. Probabldad Codcoada Hasta ahora hemos troducdo el cocepto de probabldad cosderado que la úca formacó sobre el expermeto era el espaco muestral. S embargo hay stuacoes e las que se corpora formacó suplemetara respecto de u suceso relacoado co el expermeto aleatoro, cambado su probabldad de ocurreca. El hecho de troducr más formacó, como puede ser la ocurreca de otro suceso, coduce a que determados sucesos o puede haber ocurrdo, varado el espaco de resultados y cambado sus probabldades. Defcó Dado u espaco probablístco (E, A, p) asocado a u expermeto aleatoro. Sea A u suceso tal que A A= y 0 Sea B u suceso tal que B A= Se defe la probabldad codcoada de B dado A o probabldad de B codcoada a A como: p(b / A) = p(a B) La probabldad codcoada cumple los tres axomas de Kolmogorov: p(a B) B A = P(E) p(b / A) = 0 p(a E) p(e / A) = = 1 Maual de Estadístca de Davd Ruz Muñoz

Sea { A } ua sucesó de sucesos dsjutos dos a dos, etoces: p U A/A = p(a/a) =1 =1 Regla de Multplcacó de Probabldades o Probabldad Compuesta Partedo de la defcó de la probabldad codcoada p(b/a) podemos escrbr: p(a B) = p(b / A) 8. Teorema de la Probabldad Compuesta o Producto 1 Sea sucesos A 1, A 2,..., A A=P(A) y tales que p I A > 0. Se verfca que: p(a A... A ) = p(a ) p(a / A ) p(a / A A )... p(a / A... A ) 1 2 1 2 1 3 1 2 1-1 =1 9. Teorema de la Probabldad Total Sea sucesos dsjutos A 1, A 2,..., A A=P(A) tales que p( A )>0 =1,2,..., y tales que forma u sstema completo de sucesos. Para cualquer suceso B A=P(A) cuyas probabldades codcoadas so coocdas p( B/A ), se verfca que: p( B) = p(a ) p(b / A ) =1 10. Teorema de Bayes Sea sucesos dsjutos A 1, A 2,..., A A=P(A) tales que p( A )>0 =1,2,..., y tales que forma u sstema completo de sucesos. Para cualquer suceso B A=P(A) se verfca que: p( A / B)= =1 p(a ) p(b / A ) p(a ) p(b / A ) y aplcado el teorema de la probabldad total: p(a ) p(b / A ) p( A / B)= p(b) Sstema completo de sucesos A 1, A 2,..., A Las probabldades p( A )>0 =1,2,..., Las probabldades p( B/A )>0 =1,2,..., Se deoma hpótess Se deoma probabldades a pror ya que so las que se asga calmete al los sucesos A Se deoma verosmltudes del suceso B admtedo la hpótess A Las verosmltudes p( B/A ) os permte modfcar uestro grado de creeca orgal p( A ) obteedo la probabldad a posteror p( A / B ). Maual de Estadístca de Davd Ruz Muñoz

El teorema de Bayes, además de ser ua aplcacó de las probabldades codcoadas, es fudametal para el desarrollo de la estadístca bayesaa, la cual utlza la terpretacó subjetva de la probabldad. 11. Idepedeca de Sucesos Teedo e cueta la defcó de la probabldad del suceso B codcoada a A se puede decr: Cuado p( B/A ) > P( B ) etoces el suceso A favorece al B Cuado p( B/A ) < P( B ) etoces el suceso A desfavorece al B Cuado p( B/A ) = P( B ) etoces la ocurreca de A o tee gú efecto sobre la de B Dremos que dos sucesos A y B so depedetes s se verfca ua cualquera de las sguetes codcoes equvaletes: p( B / A)= p( B) s P( A )>0 p( A / B) = p( B) s P( B )>0 p( A B) = p( B) Podemos decr por tato que s el suceso B es depedete del suceso A, etoces el suceso A també es depedete del suceso B, lo que equvale a decr que ambos sucesos so mutuamete depedetes. La depedeca de sucesos puede extederse a más de dos sucesos: p( A B C) = p( B) p( C) Además, se cumple el sguete teorema: S A y B so dos sucesos depedetes, etoces també lo so los sucesos A y B A y B A y B Maual de Estadístca de Davd Ruz Muñoz