Tema 2: Probabilidad y variables aleatorias

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

1 / 45

Recordemos que: La Inferencia Estad stica se encarga de extraer conclusiones generales sobre una poblacin a partir del estudio de una muestra. o El Clculo de Probabilidades proporciona medidas de abilidad de a las inferencias realizadas.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

2 / 45

Fenmenos determin o sticos y aleatorios

Fenmenos que se presentan en la Naturaleza. . . o Determin sticos: Son aquellos en que se obtiene siempre el mismo resultado bajo las mismas condiciones iniciales. La relacin o causa-efecto se conoce en su totalidad. Ejemplo: todos los fenmenos que siguen las leyes de la f o sica clsica, a como puede ser la ca de un cuerpo. da Aleatorios: Son aquellos que, bajo el mismo conjunto de condiciones iniciales, pueden presentar resultados diferentes. No se puede predecir el resultado de cada experiencia particular. Ejemplo: el lanzamiento de un dado.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

3 / 45

Nos ocuparemos del estudio de los fenmenos aleatorios o

Denicin o Un experimento se dice aleatorio si verica las siguientes condiciones: (a) Es posible conocer previamente todos los posibles resultados asociados al experimento. (b) Es imposible predecir el resultado del mismo antes de realizarlo. (c) Es posible repetirlo bajo las mismas condiciones iniciales un nmero u ilimitado de veces. Denicin o A cada realizacin de un experimento la llamaremos experiencia o o prueba.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

4 / 45

Espacios muestrales

Denicin o Se llama espacio muestral al conjunto de todos los posibles resultados individuales de un experimento aleatorio, y se representa por W . Sus elementos se representan por letras minsculas y se denominan u sucesos elementales. Los subconjuntos de W , se designan por medio de letras maysculas u (A, B, C , . . .) y se denominan sucesos. Representan los posibles resultados del experimento aleatorio.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

5 / 45

Espacios muestrales

Ejemplo: Para el experimento aleatorio lanzar un dado, el espacio muestral ser a: W = {1, 2, 3, 4, 5, 6} Un posible suceso (distinto de los sucesos elementales) ser a: A = Obtener un nmero par = {2, 4, 6} u

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

6 / 45

Dados dos sucesos A y B de un experimento aleatorio, denimos los siguientes sucesos: Unin, A B, es aquel suceso en el que, o bien ocurre A o bien o ocurre B (o ambos). Interseccin, A B, es aquel suceso en el que tanto A como B o ocurren. Complementario, A, es aquel suceso en el que A no ocurre. Es decir, es el conjunto formado por los elementos de W que no estn en A. a Diferencia, A\B, es aquel en el que ocurre A pero no ocurre B, es decir, es el formado por los elementos de A que no estn en B. a A\B = { W : A , B} = A B / Suceso imposible, , es aquel suceso que no puede ocurrir nunca. Suceso seguro, W , es aquel suceso que contiene todos los posibles resultados del experimento.
Maribel Tocn (UCO) o Tema 2 I Cuatrimestre 7 / 45

Denicin o Diremos que dos sucesos A y B son incompatibles o mutuamente excluyentes, y lo denotaremos A B = , si no pueden darse simultneamente. a EJEMPLO: En el lanzamiento de un dado, ser sucesos incompatibles an A B = = Obtener un nmero par u Obtener un nmero impar u = = {2,4,6} {1,3,5}

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

8 / 45

Denicin o Dados dos sucesos A y B, diremos que A est incluido en B, y lo a denotaremos A B, cuando cada resultado de A tambin est en B, es e a decir, cuando se cumple que si A ocurre, tambin ocurre B. e

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

9 / 45

Algunas relaciones importantes

AB=AB

AB=AB

A (B C ) = (A B) (A C ) A (B C ) = (A B) (A C ) A B = B = A (B A) A B = A C B C A B = A C B C A B = y C A = B C =

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

10 / 45

Concepto de Probabilidad

A cada suceso A le vamos a asignar un valor numrico p(A) de [0, 1], que e denominaremos probabilidad de ocurrencia del suceso A, y que expresar el a grado de certidumbre que ocurra el suceso A, esto es, la verosimilitud de ocurrencia del suceso A. Por ejemplo, si p(A) = 0, 98, se considera que es muy veros pensar que mil puede ocurrir el suceso A, mientras que si p(A) = 0, 0003, se considera poco probable que ocurra A. La forma de asignar estos valores debe cumplir unas condiciones o axiomas.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

11 / 45

Axiomtica de Kolmogorov (1933) a Axioma 1 A todo suceso A le corresponde un unico numero no negativo, p(A), al que llamaremos probabilidad de A. Axioma 2 La probabilidad del suceso seguro es 1, p(W ) = 1 Axioma 3 Sean A y B sucesos tales que A B = . Entonces: P(A B) = p(A) + p(B) (idem para uniones numerables de sucesos mutuamente excluyentes).

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

12 / 45

Asignacin de probabilidades a sucesos o

Mtodo frecuentista e Mtodo de Laplace e Mtodo subjetivo e

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

13 / 45

Asignacin Frecuentista (Bernouilli) de probabilidades o

La regularidad estad stica es un hecho experimental que se observa cuando se repite sucesivamente un mismo experimento de azar en idnticas e condiciones. La frecuencia relativa de ocurrencia de cada suceso A fr (A) = nA n

Es un hecho experimental comprobar que, al aumentar n, esta frecuencia tiende a estabilizarse. Se dene entonces la probabilidad de ocurrencia de A como su valor l mite. Ejemplo: lanzamiento de una moneda.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

14 / 45

Asignacin de Laplace de probabilidades o

En muchos experimentos aleatorios el espacio muestral es nito y los sucesos elementales son igualmente probables o veros miles (Ejemplo: lanzamiento de un dado no trucado, o en general los juegos de azar). Entonces pueden calcularse probabilidades de sucesos utilizando la Regla de Laplace Regla de Laplace La probabilidad de un suceso cualquiera es el cociente entre el nmero de u casos favorables a la ocurrencia de dicho suceso y el nmero total de casos u posibles.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

15 / 45

Asignacin subjetiva de probabilidades o

La probabilidad de ocurrencia de un suceso se asigna atendiendo al grado de creencia justicada mediante una informacin a priori sobre el suceso. o Ejemplo Se espera que la ocupacin hotelera en Crdoba en el primer n de o o semana de mayo sea del 90%.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

16 / 45

Propiedades de la Probabilidad
Teorema: (a) Sean A y B sucesos tales que B A. Entonces p(B) p(A). (b) Para todo suceso A se tiene que p(A) 1 (c) Todo suceso A verica que p(A) = 1 p(A). En particular, p() = 0. (d) Si A B entonces p(B\A) = p(B) P(A) (e) Dados A1 , ..., An sucesos incompatibles dos a dos, se verica:
n n

p(
i=1

Ai ) =
i=1

p(Ai )

(f) Dados dos sucesos A y B se verica: p(A B) = p(A) + p(B) p(A B)

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

17 / 45

Probabilidad condicionada: dependencia e independencia de sucesos

La probabilidad de un determinado suceso puede verse modicada si se posee alguna informacin previa sobre el resultado del experimento. o Ejemplo La probabilidad de obtener un 2 en el lanzamiento de un dado es 1/6. Pero si se sabe que en el lanzamiento del dado ha salido un nmero par, u aunque no se sabe cul, la probabilidad de obtener el 2 es ahora de 1/3, el a doble que antes.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

18 / 45

Denicin o Sean A y B dos sucesos con p(B) > 0. Se dene la probabilidad del suceso A condicionada al suceso B como: p(A|B) = p(A B) p(B)

y representa la probabilidad del suceso A cuando ha ocurrido B.

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

19 / 45

Intuitivamente, dos sucesos son independientes cuando el que haya ocurrido uno de ellos no modica la probabilidad de ocurrencia del otro.

Ejemplo: dos sucesos mutuamente excluyentes son dependientes

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

20 / 45

Denicin o Sean A y B sucesos tales que P(B) > 0. Diremos que A es independiente de B si P(A|B) = P(A)

Proposicin o Sean A y B sucesos tales que P(A), P(B) > 0. Entonces: A es independiente de B B es independiente de A

Condicin necesaria y suciente de independencia o Sean A y B sucesos tales que P(A), P(B) > 0. Entonces: A y B son independientes P(A B) = P(A)P(B)

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

21 / 45

Ejemplo El 20% de los alumnos de una clase de Estad stica son mujeres y se sabe que el 30% de las mujeres son rubias. Cul es la probabilidad de escoger a un alumno de la clase que sea mujer y rubia? Para resolverlo, se consideran los siguientes sucesos: M = {Ser mujer} La probabilidad que se pide es: p(M R) = p(R|M) p(M) = 0 3 0 2 = 0 06 R = {Tener el pelo rubio}

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

22 / 45

Regla de la multiplicacin o Sean A1 , ..., An sucesos tales que P(Ai ) > 0 i. Entonces:
p(A1 A2 . . . An1 An ) = = p(A1 ) p(A2 |A1 ) p(A3 |A1 A2 ) . . . p(An |A1 A2 . . . An1 )

Ejemplo Continuando con el ejemplo anterior, si se sabe que el 10% de las mujeres rubias de la clase usan gafas, cul es la probabilidad de que al escoger un a alumno resulte una mujer rubia y con gafas? Para resolverlo, se dene el suceso G={Usar gafas}, por lo que la probabilidad pedida ser: a p(M R G ) = p(G |(R M))p(R|M)P(M) = 0 1 0 3 0 2 = 0 006

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

23 / 45

Teorema de la Probabilidad Total

Teorema de la Probabilidad Total Sea {B1 , B2 , . . . , Bn } un sistema completo de sucesos con p(Bi ) > 0 i. Entonces, para todo suceso A se verica:
n

p(A) =
i=1

p(A|Bi )P(Bi )

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

24 / 45

Ejemplo Continuando con el ejemplo anterior, si se sabe que el 10% de los hombres de la clase son rubios, cul es la probabilidad de escoger aleatoriamente a una persona rubia? La probabilidad pedida es: p(R) = p(R|M)P(M) + p(R|H)P(H) = 0 3 0 2 + 0 1 0 8 = 0 14

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

25 / 45

Ejemplo El 70% de los ordenadores de un laboratorio de prcticas tiene instalado a Windows-98, el 20% Linux RedHat y el resto Windows-XP. En un 25% de los sistemas Win98 se ha instalado el software estad stico SPSS, mientras que en los sistemas Linux se ha instalado en un 60% de los equipos, y en los sistemas XP en un 90%. Cul es la probabilidad de que al escoger un a equipo al azar ste tenga instalado SPSS? e Sean W98={Sistema Win98}, LX={Sistema Linux}, XP={Sistema XP} y SPSS={Instalado SPSS}. Entonces: p(SPSS) = p(SPSS|W 98)P(W 98) + p(SPSS|LX )P(LX )+ +p(SPSS|XP)P(XP) = = 0 25 0 7 + 0 6 0 2 + 0 9 0 1 = 0 385

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

26 / 45

Teorema de Bayes
Teorema de Bayes Sea {B1 , B2 , . . . , Bn } un sistema completo de sucesos con p(Bi ) > 0 i. Si A es un suceso cualquiera, se verica: p(Bk |A) = p(A|Bk )P(Bk ) n i=1 p(A|Bi )p(Bi )

p(Bi ):

probabilidades a priori

p(Bi |A): probabilidades a posteriori p(A|Bi ): verosimilitudes El teorema de Bayes resulta util cuando conocemos el resultado nal de un experimento, pero desconocemos alguno de los pasos intermedios en el que estamos interesados.
Maribel Tocn (UCO) o Tema 2 I Cuatrimestre 27 / 45

Ejemplo Continuando con el ejemplo de la clase, si se sabe que se ha elegido a una persona rubia, cul es la probabilidad de que sea mujer? a La probabilidad pedida es: p(M|R) = 0302 p(R|M)p(M) = = 0 4286 p(R) 0 14

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

28 / 45

Ejemplo Continuando con el ejemplo de los ordenadores, si seleccionamos un equipo al azar y resulta que tiene instalado SPSS, cul es la probabilidad a de que est trabajando con Sistema Operativo Linux? e La probabilidad pedida es: p(LX |SPSS) = 0602 p(SPSS|LX )p(LX ) = = 0 312 p(SPSS) 0 385

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

29 / 45

Variables aleatorias
Ejemplo Sea (W , A, p) un espacio probabil stico asociado a un experimento aleatorio. Una variable aleatoria es una funcin medible o X :W R Por ejemplo: Consideremos el experimento aleatorio consistente en lanzar dos monedas W = {(c, c), (c, e), (e, c), (e, e)} con p(w ) = 1/4 w W , X (w ) = no de caras que aparecen X ((c, c)) = 2, X ((c, e)) = X ((e, c)) = 1, X ((e, e)) = 0

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

30 / 45

Variables aleatorias

Otro ejemplo Sea W una poblacin de personas, se elige una, w al azar, o X (w ) = edad del encuestado X (w ) = sexo (codicado 0 = hombre, 1 = mujer) X (w ) = renta familiar

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

31 / 45

Denotaremos por SX al espacio muestral de X , es decir, al conjunto de todos los valores posibles de X . Variables aleatorias discretas / Variables aleatorias continuas

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

32 / 45

Funcin de probabilidad de variables aleatorias discretas o

Una variable aleatoria discreta tiene asociada una funcin de o probabilidad: f (x) = p(X = x) := p(X 1 (x)) Observacin: o f (x) = 1
xSX

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

33 / 45

Continuando con el ejemplo del lanzamiento de dos monedas

X (w ) = no de caras que aparecen, SX = {0, 1, 2} (v.a. Discreta) En este caso: f (0) = p(X = 0) = p((e, e)) = 1/4 f (1) = p(X = 1) = p((c, e) (e, c)) = 2/4 = 1/2 f (2) = p(X = 2) = p((c, c)) = 1/4 f (x) = 0, x SX /

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

34 / 45

Funcin de distribucin de variables aleatorias discretas o o

F (x) = p(X x), Utilizando la funcin de probabilidad: o F (x) =

tx

x R

f (t)

En el ejemplo del lanzamiento de dos monedas: F (0) = p(X 0) = p(X = 0) = 1/4 F (1) = p(X 1) = p(X = 0) + p(X = 1) = 1/4 + 2/4 = 3/4 F (2) = p(X 2) = p(X = 0) + p(X = 1) + p(X = 2) = 4/4 = 1

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

35 / 45

Media y varianza

Media o esperanza matemtica: a = E [X ] =

xSX

xf (x)

Varianza: 2 = V [X ] = E [(X )2 ]

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

36 / 45

Distribuciones discretas usuales

Distribucin de Bernouilli o Consideremos un experimento aleatorio que admite slo dos posibles o resultados con probabilidad p de xito: e SX = {1, 0} tal que p(X = 1) = p, p(X = 0) = 1 p = q

Se comprueba que =p 2 = pq

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

37 / 45

Distribucin Binomial B(n, p) o Un experimento binomial consiste en la repeticin de n pruebas o independientes de Bernouilli con probabilidad constante p de xito: e X = X1 + X2 + + Xn no de xitos obtenidos e Por tanto SX = {0, 1, . . . , n}, p(X = k) = n k nk p q k

En este caso = np 2 = npq

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

38 / 45

Distribucin de Poisson P() o La variable X representa el no de ocurrencias por unidad de tiempo donde es la tasa media de ocurrencia. SX = {0, 1, . . . }, p(X = k) = e k k!

Se comprueba que = 2 =

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

39 / 45

Convergencia de la distribucin binomial a la de Poisson o Cuando se considera un nmero elevado n de experimentos u independientes de Bernouilli con probabilidad de xito pequea, se tiene: e n B(n, p) P(np)

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

40 / 45

Otras distribuciones discretas usuales

Binomial negativa Geomtrica e Hipergeomtrica e

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

41 / 45

Variables aleatorias continuas

Siempre se satisface p(X = x) = 0 Funcin de densidad o Funcin de distribucin o o

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

42 / 45

Distribuciones continuas usuales

Distribucin Normal N(, 2 ) o X N(, 2 ) Z = X N(0, 1)

Se dene el cuantil de orden : x como el valor de la abscisa que deja a su derecha una probabilidad . Distribucin t de Student con g grados de libertad t(g ) o Para g > 2: = 0, 2 =
g g 2

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

43 / 45

Convergencia a la distribucin normal o

B(n, p) N(np, npq), np 5 P() N(, ), 10 t(g ) N(0, 1), g

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

44 / 45

Otras distribuciones continuas usuales

F de Snedecor Exponencial Chi-cuadrado

Maribel Tocn (UCO) o

Tema 2

I Cuatrimestre

45 / 45