Vous êtes sur la page 1sur 11

Captulo 4

Fenmenos Determinsticos: Es aqul fenmeno del cual podemos predecir qu


resultado obtenemos antes que ocurra. En estos fenmenos, las causas, o condiciones,
determinan los efectos o resultados. Ejemplo: El monto que se obtiene al final de un
periodo, conocido el capital y la tasa de inters. Otro ejemplo puede ser que se conoce
que a 100 c hierve el agua, el efecto de la fuerza de gravedad
Fenmenos Aleatorios: Son aquellos cuyo resultado no se puede predecir con
exactitud, si no que puede tomar un conjunto de resultados posibles. Por ejemplo: La
tirada de una moneda, cantidad de material defectuoso en un lote de artculos
producidos por una maquina, Edad de una persona, errores cometidos en un libro de
contabilidad, etc.
Espacio Probabilistico: Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Cada uno de los resultados posibles recibe el nombre de evento.
Evento: Es cualquier subconjunto del espacio muestral o probabilistico y se clasifica de
la siguiente manera:
a) Evento Imposible: No contiene ningn elemento o resultado. (Conjunto vaco)
b) Evento Simple: Cada evento contiene un solo elemento.
c) Evento Compuesto: Cada evento contiene ms de un elemento.
d) Evento Cierto: Contiene todos los eventos simples.
La probabilidad: Cuando el espacio muestral es finito o infinito numerable, todos los
subconjuntos del espacio muestral son eventos. Con todos los eventos o subconjuntos
asociados a un espacio muestral S formamos una clase o Familia de eventos F. En esta
clase estn incluidos por supuesto los eventos simples, los eventos compuestos, el
evento imposible y el espacio muestral S. Los axiomas o postulados de la Teora de la
Probabilidad son los siguientes:
a) Axioma 1: Positividad: A cada evento, perteneciente a una familia de eventos F, le
corresponde un numero real no negativo, llamado probabilidad del evento A, denotado
como P (A), en donde P (A) 0
b) Axioma 2: Certeza: La probabilidad del espacio muestral S es igual a 1.
c) Axioma 3: De la suma: Si los eventos A1, A2, A3,. Son mutuamente excluyentes, la
probabilidad de que ocurra uno cualquiera de ellos es igual a la suma de sus respectivas
probabilidades.
P (A1 U A2 U A3 U.) = P (A1) + P (A2) + P (A3) +..
Caractersticas:
1) Los que tienen probabilidad son los eventos definidos como conjuntos de resultados
posibles de un fenmeno aleatorio.

2) La probabilidad de un evento es en realidad una medida relativa de la posibilidad de


que se presente un evento.
3) La definicin axiomtica provee una representacin abstracta de la probabilidad, pero
no nos dice cmo se obtiene su valor, o sea, cmo se obtiene ese numero que se llama
probabilidad del evento.
Teora de Probabilidades
Teora Clsica o de Laplace: Por lo general se le asigna a Laplace el enunciado de la
definicin clsica basada en el principio de la razn insuficiente La nocin clara es: La
teora del azar consiste en reducir todos los acontecimientos del mismo genero a un
cierto casos igualmente posibles, es decir, tales que estemos totalmente inseguros sobre
su existencia, y en determinar el numero de casos favorables al acontecimiento cuya
probabilidad se busca.
Probabilidad:

Numero de Casos Favorables = n A


Numero de Casos Posibles.
n

Criticas:
a) Salvo en experimentos o fenmenos simples, no es fcil la determinacin de los casos
posibles y de los casos favorables.
b) Que no siempre se pueden reducir todos los acontecimientos a un nmero de casos
igualmente posibles.
Enfoques Frecuenciales:
a) Primer enfoque frecuencial: El primer enfoque frecuencial define a la probabilidad
como el valor del limite de las frecuencias relativas un numero infinitamente grande de
observaciones.
P (A) =

lim
n

nA
n

Criticas:
1) El enfoque esta basado en la posibilidad de existencia y en la definicin de un
colectivo.
2) La probabilidad es el resultado de un proceso de lmites, o sea que se requiere la
existencia de un lmite.
b) Segundo enfoque frecuencial: se fundamenta en la observacin del comportamiento
de las frecuencias relativas cuando crece el nmero de experimentos. Cuando n crece
los valores de las frecuencias relativas tienden a agruparse alrededor de una cantidad
fija, que representamos como p, y que llamamos probabilidad de un evento.

Caractersticas:
1) Se fundamenta en la regularidad estadstica.
2) El valor de la probabilidad se estima mediante las frecuencias relativas.
3) Se basa en la experiencia.
4) Requiere un nmero de experimentos suficientemente grande.
Criticas:
a) No siempre es posible realizar un gran nmero de experimentos.
b) Que no se puede aplicar cuando hay que determinar la probabilidad de eventos para
los cuales no se cuenta con frecuencias conocidas de presentacin.
c) Enfoque Subjetivo:
Segn este enfoque la probabilidad mide la confianza que un individuo tiene sobre la
verdad de una proposicin particular; en otras palabras la probabilidad mide el grado de
creencia que una persona tiene con respecto a la presentacin de un evento dado.
Dentro del enfoque subjetivo encontramos tambin la llamada probabilidad psicolgicas
Propiedades de la Probabilidad:
1) Si representamos con n A la frecuencia de presentacin del evento A con n
experiencias, entonces podr asumir valores entre 0 y 1 inclusive.
0 P(A) 1
2) La probabilidad de un evento cierto es igual a uno.
P (A) = P (S) = 1
3) La probabilidad de un evento imposible es cero.
P () = 0
4) Si en evento A se presenta n A veces en n experiencias, no se presenta en n n A
veces. Las frecuencias relativas de A y de no A son las probabilidades cuya suma es
igual a la unidad.
_
P (A) + P (A) = 1
5) Si A y B son eventos, y se cumple que A est totalmente incluido en B, la
probabilidad de B menos A es igual a la probabilidad de B menos la probabilidad de A.
P (B A) = P (B) P (A)

6) Si A y B son eventos y A est totalmente incluido en B, la probabilidad de A es menor


o igual a la probabilidad de B.
P (A) P (B)
Eventos mutuamente excluyentes:
Se dice que los eventos A y B son mutuamente excluyentes cuando no se pueden
presentar juntos, o sea cuando no tienen elementos en comn. Cuando los eventos A y B
tienen puntos en comn, es decir cuando se pueden presentar juntos, se dice que no son
mutuamente excluyentes.
S

Mutuamente Excluyentes
A B =

No mutuamente excluyentes

Probabilidad Total: Este teorema nos dice de que la probabilidad de que se presente
por lo menos uno de los dos eventos A y B, en un experimento aleatorio, cuando estos
eventos no son mutuamente excluyentes, es igual a la probabilidad de que se presente el
evento A, mas la probabilidad que se presente el evento B menos la probabilidad de que
se presenten A y B juntos. Cuando los eventos A y B son mutuamente excluyentes A y B
no pueden presentarse juntos y la probabilidad P(A B) = 0.
S

Mutuamente Excluyentes
A B = P (AB) = 0

No mutuamente excluyentes

Eventos No Mutuamente excluyentes: P(A U B) = P (A) + P (B) P (AB)


Eventos Mutuamente excluyentes:
P(A U B) = P (A) + P (B)
Probabilidad Condicionada: Es la probabilidad de que se presente el evento A dado
que se ha presentado B. Si A y B son dos eventos no mutuamente excluyentes, se
pueden presentar juntos, siendo n A, la frecuencia de presentacin de A, n B la de B y
n AB la de A y B. La frecuencia relativa de presentacin del evento n AB en los casos en
que se presento B es:
n AB , entonces la probabilidad de que se presente A dado B es P (A/B)
nB
P (A/B) = P (AB)
P (B)
S

No mutuamente excluyentes

En el caso de que se sabe que el evento A se present y se quiere conocer la


probabilidad de presentacin del evento B
P (B/A) = P (AB)

P(A)
S

No mutuamente excluyentes
Probabilidad Compuesta: Esta probabilidad se presenta cuando se quiere averiguar la
probabilidad de que ocurran dos sucesos Ay B. En este teorema el caso general es
cuando los sucesos A y B son dependientes y en caso particular cuando son
independientes.
Probabilidad de Ay B:
Probabilidad de Ay B:

P (AB) = P (A / B). P (B)


P (AB) = P (B / A). P(A)

Eventos Independientes: Dos eventos son independientes cuando la presentacin de un


de ellos no influye en la presentacin del otro. Se dice que son independientes si y solo
si P (AB) = P (A). P (B). En el caso que no se cumpla esta condicin se dice que los
eventos son dependientes es decir que la probabilidad de presentacin de uno
cualesquiera de ellos, si influye en la probabilidad de presentacin del otro evento.
Por lo tanto si los eventos A y B son independientes y no mutuamente excluyentes
entonces se cumple que la probabilidad condicionada es la siguiente:
P (A/B) = P(A)

P (B/A) = P (B)

Si los eventos A y B son mutuamente excluyentes se cumple que:


P (A/B) = P (B/A) = 0
Teorema de Bayes:
S
E1

Em

E2

E3

E r+1
Er

Este teorema nos permite inferir la forma cmo se ha producido un evento en el pasado,
utilizando las probabilidades a priori. Nos conduce a la probabilidad de que un evento
en el pasado haya sucedido de determinada manera teniendo en cuenta el resultado de
otros eventos, de los que se conoce sus probabilidades a priori.
Este teorema, tambin llamado teorema de probabilidad de las causas, se aplica cuando
se ha presentado el evento A que nicamente puede presentarse como consecuencia de
las causas E1, E2, E3,..........., E m mutuamente excluyentes, y se quiere saber si la que
ha actuado es una causa determinada: E r.
La probabilidad P (E r) es una probabilidad a priori del evento E r, en cambio la
probabilidad P (E r / A), de que haya actuado la causa E r al presentarse A, es una
probabilidad a posteriori.

P (E r / A) =

P (A / E r) P (E r)
m

P (A/ E i) P (E i)

i=1

Capitulo 5: Variable Aleatoria:


Variable aleatoria: Es una funcin que es aplicado sobre el espacio probabilistico y que
asigna a cada evento un nmero real. De esta forma cualquiera sea el experimento
siempre ser posible expresar numricamente el resultado del mismo.
Clasificacin:
a) Variable aleatoria discreta: Es aquella variable que simbolizamos con x que asume
valores finitos o infinitos numerables. El conjunto de valores se denomina Recorrido o
rango de la variable denotado con R x.
Discreta finito numerable:
Discreta infinito numerable

x 1, x 2, x 3,., x n
x 1, x 2, x 3,..

b) Variable aleatoria continua: Es aquella que puede asumir todos los valores reales en
un intervalo a x b debido a la infinidad de puntos que contiene.
Anlisis de la variable aleatoria Discreta:
Funcin de probabilidad La funcin de probabilidad P (x i) cuando la variable es
discreta se denomina tambin funcin de cuanta e indica la probabilidad en un punto x
= x i. Esto significa que para cada evento del espacio probabilistico asociado a una
variable aleatoria discreta existe una funcin de probabilidad.
Condiciones:
1) 0 P (x i) 1

2) P (x i) = 1
Grfica:
P (x i)

xi
Funcin de Distribucin o de Acumulacin: simbolizada con F (x) permite obtener
las probabilidades acumuladas en el intervalo x i x
F (x) = p (x i)
xix

Grfica
F (x)

xi
Grficamente la funcin de distribucin presenta puntos de discontinuidad por la
izquierda cuando x = x i.
Condiciones:
1) F (x) es una funcin montona creciente (no decreciente) y adems continua a la
derecha de cada punto. Es creciente porque es la suma de cantidades no negativas y es
continua por derecha porque lim F(x) = F (x i)
xxi+

2) F ( ) = 1 porque es la funcin de acumulacin en todo el recorrido de x


3) F (-) = 0 porque es la funcin de acumulacin puntual de la x
Anlisis de la Variable Aleatoria Continua:

Se dice que la variable aleatoria es continua si existe una funcin de probabilidad no


negativa f (x) 0 denominada funcin de densidad que satisface, para todo valor de x,
la siguiente relacin para determinar la funcin de distribucin F (x).
x
F (x) =

f (x) d x
-

F(x)

ojiva

Condiciones:
1) F (x) es una funcin montona creciente
-
2) F (-) =

f (x) d x = 0
-

3) F () =

f (x) d x = 1
-

Esperanza matemtica: Se denomina esperanza matemtica al valor medio (promedio)


o valor esperado de una variable aleatoria.
n
Variable Discreta: E (x) = x i P (x i)
finito numerable
i=1

E (x) = x i P (x i)
i=1

Variable continua

E (x) =

x f (x) dx
-

infinito numerable

Propiedades:
1) La esperanza matemtica de una constante es igual a la constante.
2) La esperanza matemtica del producto entre una constante y una variable aleatoria es
igual al producto de la constante por la esperanza matemtica de la variable aleatoria.
3) La esperanza matemtica de la suma entre una variable aleatoria y una constante es la
suma de la esperanza de la variable aleatoria y l a constante en cuestin.
4) La esperanza matemtica de la suma de variables aleatorias independientes es igual a
la suma de las esperanzas matemticas de cada una de las variables:
5) La esperanza matemtica del producto de variables aleatorias independientes es igual
al producto de las esperanzas matemticas de cada una de las variables aleatorias.

Varianza: La varianza de una variable aleatoria es la esperanza matemtica del


cuadrado de los desvos de los valores que asume la variable aleatoria respecto de su
esperanza.
V (x) = E (x E(x)) 2
n
Variable Discreta: E (x) = (x i - E (x)) 2 p (x i)
i=1

Variable continua

(x - E(x)) 2 f (x) dx

E (x) =
-

Propiedades:
1) La varianza es positiva V (x) 0
2) La varianza de una constante es nula
3) La varianza del producto de una constante por una variable aleatoria es igual al
cuadrado de la constante multiplicada por la varianza de la variable aleatoria.
4) La varianza de la suma de una variable aleatoria y una constante es igual a la
varianza de la variable aleatoria.

5) La varianza de una variable aleatoria es igual a la diferencia entre la esperanza de los


cuadrados de la variable y el cuadrado de la esperanza de dicha variable.