2.

2 Los axiomas de la PROBABILIDAD Las probabilidades son nmeros asignados a los eventos que indican como "probable" es que los eventos se producen cuando un experimento se lleva a cabo. Una ley de probabilidad para un experimento aleatorio es una regla que asigna probabilidades a los sucesos del experimento. Por lo tanto una ley de probabilidad es una funcin que asigna un nmero de conjuntos (eventos). En la seccin 1.3 hemos encontrado una serie de propiedades de la frecuencia relativa de que cualquier definicin de probabilidad debe satisfacer. Los axiomas de probabilidad formalmente declarar que una ley de probabilidad debe satisfacer estas propiedades. En esta seccin, se desarrollan una serie de resultados que se derivan de este conjunto de axiomas. Sea E un experimento aleatorio con espacio muestral S. Una ley de probabilidad para el experimento E es una regla que asigna a cada suceso A un nmero P [A], llamado la probabilidad de A, que satisface los siguientes axiomas:

Los axiomas I, II, y III son suficientes para hacer frente a los experimentos con muestras finitas espacios. Con el fin de manejar los experimentos con espacios muestrales infinitos, Axiom III necesita se sustituye por Axiom III , note que Axiom III incluye Axiom III como un caso especial, dejando .Por lo tanto realmente slo necesitan axiomas I, II, y sin embargo vamos a obtener un mayor conocimiento partiendo de los axiomas I, II, y III. Los axiomas nos permite ver eventos como objetos que poseen una propiedad (es decir, su probabilidad) que tiene caractersticas similares a la masa fsica. Axiom I indica que la probabilidad (masa) es no negativo, y los estados Axioma II que hay una cantidad fija total de probabilidad (en masa), a saber 1 unidad. Axioma III establece que la probabilidad total (masa) en dos objetos disjuntos es la suma de las probabilidades individuales (masas).

Los axiomas nos proporciona un conjunto de reglas de consistencia que cualquier probabilidad vlido asignacin debe ahora desarrollar satisfy. We varias propiedades derivadas de los axiomas que son tiles en el clculo de probabilidades. El primer resultado indica que si la particin del espacio muestral en dos mutuamente excluyentes eventos A y Cololario 1 entonces las probabilidades de estos dos eventos se suman a uno.

Demostracin: Puesto que un evento A y su complemento , tenemos de Axiom III que

son excluyentes entre s,

Desde

, por el axioma II

El corolario siguiente despus de resolver para Los estados prximos corolario de que la probabilidad de un evento es siempre menor o igual a uno. Corolario 2 combinado con Axioma I proveer buenos controles en la resolucin de problemas: Si sus probabilidades son negativos o son mayores que uno, has hecho un error en alguna parte. Corolario 2 Demostracin: de corolario 1 Desde Corolario 3 establece que el suceso imposible tiene probabilidad cero. Corolario 3 Demostracin: Dejar y

en el corolario 1:

Corolario 4 nos proporciona el mtodo estndar para el clculo de la probabilidad de un evento complicado A. El mtodo consiste en descomponer el evento A en la unin de sucesos disjuntos . La probabilidad de que A es la suma de las probabilidades de los

Corolario 4 Si son pares mutuamente excluyentes, entonces

Demostracin: usar la induccin matemtica. Axiom III implica que el resultado es cierto para n=2. Lo siguiente que necesitamos para demostrar que si el resultado es verdadero para algn n, entonces tambin es cierto para n+1. Esto, combinado con el hecho de que el resultado es verdadero para n=2 implica que el resultado es cierto para n>=2 Supongamos que el resultado es verdadero para algunos n>2 es decir,

(2,5) Y se consideramos el caso n+1

(2,6) donde hemos aplicado Axioma III a la segunda expresin despus de sealar que la unin de los eventos es mutuamente excluyente con la propiedad distributiva implica entonces

La propiedad distributiva implica entonces

La sustitucin de la ecuacin. (2,5) en la ecuacin. (2,6) da el caso n+1

Corolario 5 da una expresin para la unin de dos eventos que no son necesariamente excluyentes entre s. Corolario 5

Demostracin: En primer lugar descomponemos A y B, como los sindicatos de sucesos disjuntos. A partir del diagrama de Venn en la figura. 2,4

Mediante la sustitucin superior, obtenemos el corolario.

de las dos ecuaciones ms bajos en la ecuacin

Al observar el diagrama de Venn de la figura. 2.4, se ver que la suma probabilidad (en masa) de la serie correccin apropiada.

cuenta la

dos veces. La expresin en el Corolario 5 hace la

Corolario 5 es fcilmente generalizable a tres eventos,

(2,7)

y, en general, para n eventos, como se muestra en Corolario 6. Corolario 6.

La prueba es por induccin (vanse los problemas 18 y 19). Dado que las probabilidades son no negativos, Corolario 5 implica que la probabilidad de la unin de dos eventos no es mayor que la suma de las probabilidades de eventos individuales

(2,8)

Figura 2,4

La desigualdad anterior es un caso especial del hecho de que un subconjunto de otro conjunto debe tener menor probabilidad. Este resultado se utiliza con frecuencia para obtener los lmites superiores para las probabilidades de inters. En la situacin tpica, estamos interesados en un evento cuya probabilidad es una difcil de encontrar, as que encontrar un B evento para el cual se puede encontrar la probabilidad y eso incluye a A como un subconjunto. Corolario 7

Demostracin: en la fig. 25, B es la unin de A y

asi.

Desde Los axiomas junto con los corolarios nos proporcionan un conjunto de reglas para el clculo de la probabilidad de ciertos sucesos en trminos de otros eventos. Sin embargo, todava tenemos una asignacin de probabilidad inicial para un conjunto bsico de acontecimientos de los que la probabilidad de todos los otros eventos pueden ser computados. Este problema se aborda en los prximos dos subsecciones.
2.2.1 Espacios mustrales discretos En esta seccin se muestra que la ley de probabilidades para un experimento con un espacio muestral numerable se puede especificar, dando a las probabilidades de los sucesos elementales. En primer lugar, supongamos que el espacio muestral es finito , y que F consisten en todos los subconjuntos de S. Todos los sucesos elementales diferentes son mutuamente excluyentes, por lo que por el Corolario 4 la probabilidad de un evento est dada por

(2,9) es decir, la probabilidad de un evento es igual a la suma de las probabilidades de los resultados en el caso. Si S es infinitamente contable, entonces axioma III implica que la probabilidad de un evento tal como es dada por

(2,10) es decir, la probabilidad de un evento es igual a la suma de las probabilidades de los resultados. Por lo tanto concluimos que la ley de probabilidades para un experimento aleatorio con un finito espacio muestral se especifica dando las probabilidades de los sucesos elementales. Si el espacio de muestra tiene n elementos, una probabilidad de asignacin de inters

particular es el caso de los resultados igualmente probables. La probabilidad de los primarios eventos es

(2,11) La probabilidad de cualquier evento que se compone de los resultados de k, digamos

(2,12) As, si los resultados son igualmente probables, entonces la probabilidad de un evento es igual al nmero de los resultados en el caso dividido por el nmero total de resultados en la muestra espacio. Seccin 2,3 discute mtodos de recuento que son tiles en la bsqueda de probabilidades en experimentos que tienen resultados igualmente probables. EJEMPLO 2.6 Una urna contiene 10 bolas numeradas idnticas 0,1,2,9 Un experimento aleaotrio consiste en seleccionar al azar una bola de la urna y tomando nota del nmero de la bola. Encuentre la probabilidad de los siguientes sucesos: A= nmero de la bola seleccionada es extrao B= nmero de bola seleccionada es un mltiplo de 3, C= nmero de bola seleccionada es menor que 5

Y de

El espacio de muestra es corresponden a los eventos anteriores son

por lo que los conjuntos de resultados que

Si suponemos que los resultados son igualmente probables, entonces

Por el corolario 5

donde se ha utilizado el hecho de que

. Del corolario 6

Usted debe verificar las respuestas para de los resultados en los eventos.

mediante la enumeracin

Muchos de los modelos de probabilidad se puede disear para el mismo espacio muestral y los eventos mediante la variacin de la asignacin de probabilidad, en el caso de espacios muestrales finitos todo lo que tiene que hacer es venir con nmeros no negativos n que se suman a una de las probabilidades de los sucesos elementales. Por supuesto, en cualquier situacin particular, la probabilidad de asignacindebe ser seleccionado para reflejar las observaciones experimentales para la siguiente medida posibles .el ejemplo muestra que pueden surgir situaciones donde hay ms de un "razonable" asignacin de la probabilidad y donde la evidencia experimental es necesario para decidir en la asignacin apropiada. ejemplo 2,7 Supongamos que una moneda se lanza tres veces. Si observamos la secuencia de caras y cruces, a continuacin, hay ocho posibles resultados , si suponemos que los resultados de S3 son equiprobables, entonces la probabilidad de cada uno de los ocho elemental eventos es asignacin de probabilidad 1/8.This implica que la probabilidad de obtener dos cabezas en tres lanzamientos es, por el Corolario 3,

Supongamos ahora que lanzamos una moneda tres veces, pero contamos el nmero de cabezas en tres lanzamientos en lugar de observar la secuencia de caras y cruces. El espacio muestral es ahora Si suponemos que los resultados de S4 serian equiprobables, entonces cada uno de los sucesos elementales de S4 tiene probabilidad 1/4. Esta asignacin de probabilidad segunda prev que la probabilidad de la obtencin de dos cabezas en tres lanzamientos es

La asignacin de probabilidad primera implica que la probabilidad de que dos cabezas en tres lanzamientos es 3/8, y la asignacin de probabilidad segunda prev que la probabilidad es 1/4. As, los dos trabajos no son compatibles entre s. En cuanto a la teora se refiere, ya sea una de las asignaciones es aceptable. Nos corresponde a nosotros decidir qu tarea es ms apropiado. Ms adelante en el captulo veremos que slo la primera asignacin es consistente con el supuesto de que la moneda no est cargada y que los lanzamientos son "independientes." Esta asignacin predice correctamente las frecuencias relativas que se observan en un lanzamiento de una moneda real experimento. Finalmente consideramos un ejemplo con un espacio de muestra contable infinito. Ejemplo 2.8 Una moneda al aire se lanza varias veces hasta que los primeros jefes se presenta, el resultado del experimento es el nmero de lanzamientos necesarios hasta que las cabezas se produce primero. Encuentra una ley de probabilidades para este experimento. Es concebible que un nmero arbitrariamente grande de lanzamientos ser necesario hasta que las cabezas se produce, por lo que el espacio de muestra es experimento se repite n veces. Vamos . Suponga que el

a ser el nmero de ensayos en los que el j-simo lanzamiento de los resultados en los

primeros jefes. Si n es muy grande, nosotros esperamos que sea aproximadamente n / 2 desde la moneda es lejos. Esto implica que un segundo lanzamiento es necesaria acerca de los tiempos, y de nuevo se espera que aproximadamente la mitad de estos, es decir, resultado n/4-podria resultar en cabezas, y as sucesivamente, como se muestra en la figura. 2,6. As, para n grande, las frecuencias relativas son

Por lo tanto, concluir que una ley de probabilidad razonable para este experimento es

Lanzamientos hasta cabezas primeros 4 (2,13) Podemos comprobar que estas probabilidades se suman a uno mediante la serie geomtrica con

1.1.2

Espacios Muestra Continua

Espacios continuos surjen de la muestra en los experimentos en los que los resultados son nmeros que puede asumir un continuo de valores, por lo que dejamos que el espacio muestral S es toda la lnea verdadera R (o un intervalo de la recta real). Podramos considerar dejar la clase de evento integrado por todos los subconjuntos de R. Pero resulta que esta clase es "demasiado grande" y es imposible

Figura 2.6

Figura 2.6 En el n ensayos cabezas aparece en el primer lanzamiento de aproximadamente n / 2 veces, en el segundo lanzamiento aproximadamente n / 4 veces, y as sucesivamente. ejemplo 2.9 Considere el experimento aleatorio "recoger un nmero x aleatorio entre cero y uno." El espacio S de la muestra para este experimento es el intervalo de la unidad [0, 1], que es no contable infinito. Si suponemos que todos los resultados son igualmente S probabilidades de ser seleccionados, entonces dira que la probabilidad de que el resultado est en el intervalo [0, 1/2] es la misma que la probabilidad de que el resultado est en el intervalo [1/2, 1]. tambin supondra que la probabilidad de que el resultado sea exactamente igual a 1/2 ser igual a cero, ya que hay un nmero infinito de no contables resultados igualmente probables Tenga en cuenta la ley de probabilidad siguiente: "La probabilidad de que el resultado queda en un subintervalo de S es igual a la longitud del subintervalo ", es decir,

(2,14)

donde por P [[a, b]] nos referimos a la probabilidad de que el evento correspondiente al intervalo [a, b]. Claramente, el axioma que se cumple desde and Vamos a demostrar que la ley de probabilidades es coherente con las suposiciones anteriores sobre el probabilidades de los [0, 1/2], [1/2, 1], eventos y AL Axioma II de

Ahora bien, es cualquier punto en S, entoces dado que los puntos individuales tienen anchura cero. Ahora bien, supongamos que estamos interesados en un evento que es la unin de varios intervalos, por ejemplo, "el resultado es al menos 0,3 de distancia del centro de la unidad de intervalo," que es intervalos son disjuntos, tenemos por Axiom III Puesto que los dos

El siguiente ejemplo muestra que una asignacin de probabilidades inicial que especifica el probabilidad de semi-infinitos intervalos tambin basta con especificar las probabilidades de todos eventos de inters. ejemplo 2,10 Suponga que el tiempo de vida de un chip de memoria de la computadora se mide, y nos encontramos con que "la proporcin de fichas, cuya vida til excede t decrece exponencialmente a una tasa "Encontrar un adecuado probabilidad ley. Deje que el espacio muestral de este experimento sea Si interpretamos la conclusin anterior, como "la probabilidad de que la vida de un chip supera t decrece exponencialmente a una tasa " entonces obtener la siguiente asignacin de probabilidades a los eventos de la forma

donde >0

(2,15)

Tenga en cuenta que cuando la exponencial es un nmero entre 0 y 1 para t>0, Axioma I est satisfecho. Axioma II se satisface desde

La probabilidad de que la vida est en el intervalo de (r, s] se encuentra sealando en la figura. 2,7 que as que por axioma III,

FIG.2,7

Reordenando la ecuacin anterior obtenemos

Obtenemos as la probabilidad de intervalos arbitrarios en S. Tanto en el Ejemplo 2,9 y el ejemplo 2,10, la probabilidad de que el resultado adquiere un valor especfico es cero. Usted puede preguntar: Si un resultado (o evento) tiene probabilidad cero, no que significa que no pueda ocurrir? Y, a continuacin, se puede preguntar: Cmo pueden todos los resultados en una muestra espacio tienen probabilidad cero? Podemos explicar esta paradoja mediante la relacin frecuencia de interpretacin de probabilidad. Un evento que ocurre slo una vez en un nmero infinito ensayos de cero tendr frecuencia relativa. Por lo tanto el hecho de que un evento o resultado tiene frecuencia relativa cero no implica que no pueda ocurrir, sino ms bien que se produce muy con poca frecuencia. En el caso de espacios de muestra continuos, el conjunto de resultados posibles es tan rico que todos los resultados se producen con poca frecuencia suficiente como para que sus frecuencias relativas son cero. Terminamos esta seccin con un ejemplo en el que los acontecimientos son regiones en el plano. Ejemplo 2,11 Considere Experimento E12, donde nos recogieron dos nmeros x e y de forma aleatoria entre cero y uno. El espacio muestra es entonces el cuadrado de la unidad se muestra en la figura. 2,8(a). Si se supone que todos los pares de los nmeros en el cuadrado de la unidad tienen la misma probabilidad de ser seleccionado, entonces es razonable utilizar una probabilidad asignacin en la que la probabilidad de cualquier regin R en el interior del cuadrado de la unidad es igual a la rea de R. Calcula la probabilidad de los siguientes sucesos: y .

Figuras 2.8 (b) a 2,8 (c) muestran las regiones correspondientes a los sucesos A, B y C. Es evidente que cada una de estas regiones tiene 1/2. as

Figura 2.8

Reiteramos la forma de proceder de una declaracin del problema a su modelo de probabilidad. El planteamiento del problema, implcita o explcitamente define un experimento aleatorio, que especifica un procedimiento experimental y un conjunto de mediciones y observaciones. Estas mediciones y observaciones determinar el conjunto de todos los posibles resultados y por lo tanto, el espacio muestral S. Una asignacin de probabilidades inicial que especifica la probabilidad de ciertos eventos debe ser determinada asignacin de siguiente probabilidad. Esta debe satisfacer los axiomas de probabilidad. Si S es continua, es suficiente para especificar las probabilidades de intervalos de la lnea real o regiones del plano. La probabilidad de otros eventos de inters, se puede determinar de la asignacin de probabilidad inicial y los axiomas de probabilidad y sus corolarios. Muchas asignaciones de probabilidad son posibles, por lo que la eleccin de la asignacin de la probabilidad debe reflejar las observaciones experimentales y / o experiencia previa