Académique Documents
Professionnel Documents
Culture Documents
BILIDi\D:
~ OCIONES FUNDAMENT_L\LES
:.z () I 1
,
Indice genera l
1. 7 Ej crcicio::> 1.1 24
- - - , -- - - -- -
Capítulo 1
Sucesos y Probabilidad
1.1. Introducción
La t( ' ( llícL ele- le) p ro Labl Ji cl m l cU ll c;c itllVl'. ('¡ h L\;,HJl j('nto Lt:<'lr i eo dI: llJaY())'
i lil ll'lTl;lIl<]¡1 j),lr;,l !ilF:stndír¡f' ,¡ , ' 11 llri ,\!.f 'lI ,.,l ' I ('lIll l l ll" ,1 t i c,(' !!, ll ll dd ll lild el dI'!
"1"']1' '\ \ 111'11 1111 ( ,lllIp' ) CI'I I If'i , 'III II( 'III" d,,, l ll11 >lld,l" di' (,I !. I 1"" Il"M(j" d. ,
l/el! 1 )1,11<1,1 '1 LII • .j, ' 1111,1 \ illln,~ 1 E', II , r!(1 qlt. 'lh¡ I 'Ildl'"Il \ "IJ;~~ j"'l ll J, '"
d I' JW l!,l l Ji , lld j('('l'I' il( ' ¡l) 1i dI' J¡¡ 11" l í]co'!.'¡ d(' l ll )l,1. 1IC'I I ,I \ F I'<! lHl"I , ( 111<111 \.1' (' SC '
"e: SW;I' i( I:) UlI in u ' !I;~ t llt e l l";\) pO I l() ,.; juego s J I,' , Izar , lu qn e
I,H'I 'íu >! c. 1' 11 [(JI' lll el
El e, 'Indio de léls protlrtbi!jdad(~s ::;c ini el'" eou Illl eél ehre iutCIC' illIlbio de
(OlTCS POncll'lllÚ-1 elltre los UJ atclllát.icos frauceses B lclisE' P a..,cal (16 23- 1662) y
P i ( ~rTP d(J V('lma,[ (HiUl-J665), qm' comenzó en 16 14 a raíz d e a lgun as cOllsul
1a" I',; I'! ( \ l l1l fldas con c-l it? ar , c¡nc' lc-:s h iciera 1\11 p (, Uj( )jl~lj(' d(' 1<-1. 6poc<1 l\¡¡lIlied O
Cbp\-¡:t1i er D(~ :\-[t'lt' . q nipll gozaba fama d e Jl1 o ador emp ed ernid o, 1::. ' a~í como
P, Lsl'dl V Fl :rnmt se dtTi d l enlD a elaburar ]0.:) princ Ipios fU lldamentalt,c; ele la
tE:orí¡:¡ de la probabilid el
E l primer t r<lbaju illlportél.Iltc sol)lc CSt;'1 teorÍie fne puhlic¡-,d o el! Hi37
pOI. Cilrj:--l j¡-¡ TI B lIvgl lClJ S (1021)- ] 8(5) v Sf' Ila Jlló De H ,tl i or l llÍi ;-, ill Ind o él!" iH'
\ [ '1,,, 1(ll dl "; l ' Illl h li ci ll()11 d ();-, 1 ¡J1I-'¡ ~ (\'II\ ·:-. 1).1.1 il "1 1 jI. ,,; t t ·, i r l l rk -" ll Hdl <l '-:\1:--.
( t,llll ('I.tll , l I l '] 111 "r, '1 1;íli l lJ "Ili /, )];,( " !,, , I-l I'lll,¡¡¡j]¡ I, l l; ·-),-I 17()'j) \' Tlll l llll '
.\ 11.11\ i ([ lll ' ,!;-" I 'l ,d., !t.¡I I I ( ,,; dI I Illdl (' III ,i l l í () 1, .1 1'1(':-' J' (' I'I'( ' t!II'JlI lit' [ ,,, pl a('( '
117'I U-IXD\
1
Capitulo 1 S ucesos y Probabilidad 2
s il) lc> IlcgiH L\. C0 f1 ()(:('1 '.od a la d in;rsid ad dp l'!:'laclOl H's exi stente {-'tl c uall1 \l ier
fe nóm eno dado. D e (oste modo, en cad a er, CLpa del d esarrollo del cOllO ciuti en to
qued an sin es Ludi al' Ull a m ulti t ud de r elaciones propi as a ci er tos fe nóm enos .
En Rlgll nos cas os se conoce lo sufici entem ente bi en el fenóm en o inves ti gRd o
como para justificar predicciones exact as sobre el r esult ado d e uua ob serva
ción individu al; sin emb a rgo ) en la m ayoría de los casos nu es t ro cono cimi ent o
ca rccc d c la precisión neccs aria para rCRlizar p r edic ciones cx a ctRs s obre las
o usernLu olles uHlividuales
P o d emos distiuguir así eutre fen óm euos d etenuiuísticos (caus al!:'s o 1e
gll lmes) . ('11 los cuales las condi cion es o caus as d eterminan p erfectam e n t e los
1'csn l Lcl.dus () ('fce t us , y fenóm en os aleRt ori os (cas u aks o accirl en t ales) . en los
c uales léls m ism as co n d iciones o causas pu ed en dar lugar a di fe rentes resul
tacl(Js (J e kct us. Al!o rd 1)iPI I. la al(~ a t(J]' i<' rl d,cl IIU (~::i ún¡ l' dn lP l l t e (!t- n lrúctel
(('lÍri c(J . (cllllh it"ll Pllcd e pr escuI ctrc, l-' alciH ,Jl i t' c]¡.ld de Cc\.r ;-Í,de r pní.cti cu, lllani
f¡ ,,1 dl];1 ,'11 1<1 illljl{l<:iLili,];ld re¡d dI' {'()llt mL I! (O([¡¡::; LIS r (' ];\( iOrles q\le in l-l ll.\'('1l
('11 Illl del crmiwccl() i'r:nó ltl(')[{ )
T.d. '1 II I l(,])(,;,'1I 1 (Lí,,,i CH pn >jlUCj{« por Li1pl c\l (' l'S \e\ n lil;-i d rH ig ll il v t ien l-'
Sll lJr il!,('1 1 Ui d p J ll UC 'j (alll p u de il pl icc\.cÚíll dv ¡ L~ pml ml .lilicladcs , ( Iltl colll U
',C lUC'!l(' i 'll IÓ dl l l e" lúe 11 1:-' , 1L\(g ()~ ¡[l ' :l/al. CO II IU ,'1 j' J:-' l'ellólllCll (¡!:' itlt 'u ll>
1" . ,,1.1, ~'I 1,1 i" ' ' 1\ 1 .1 1I '.!,IJ.~ ,1(· d/ .\' (':\\ " 1( '11 ( il.'rl .\.'- ,, )\ )lI1( i'I IH'S (1,· ... i lll1 ll í ..
¡J; !l('(l' 11<11111 ,1\ ;, ILJ )( llll.'[' !{ I ll' l(J d u:- I()s pos ih le;; n ';-iltlt; \li llS l.il'llPl l Id llli Sl!J<:l
]HI) llil hil ld .Jd ,j¡ IP ;111 '1 ('I" Es t d ('Olli'l'TH 1¡)1I c, U )"JOlll' (' 111 1l <:( ~S qll e d IIÚnl lT()
dc [! ()si\J!p::, U:.' ll LclC lus de : Itn fe nCnn ell() akatu I'i o l '.~ fiult U. q\ll' eSl os Hu jlllC
c! ( '1I o(' luT ir simul t ;í.)ll "IIr\C le v Cj\l P adem :lC' SOll ig lH"LluH'Il lP p ro lla hl cs CO l!
csta.'i cOlldic io\les ",' llega él nn a defini ción bastall t(· ohv ia de la prob ctbilidad .
l;:s rabl('cic'Tl clo qu e la flwu al.>ilidad ele u u suceso es el cO<.:Íl:'u t.e ell l.n' d nÚlller u
de C¡) S(J S fav orable!::> y e l t otal de ca!::>os p osibles. Es J (-~ sea larse q u e p[ .'upl lr',sL u
de ('CJ.u i pm Lmbili d aJ u ('pclld c de U11 alláli ;-i i s a priori , J e maIlera CjLIC e11 aque
llos (':},-; o::. en los cua les 11 0 PllpJa asegur ar se la unifor m id ad de prob a bi lidad es.
(' ,,\.1 ' "nfo (jIl P n() se ría il,fllicalllc .
r~ (',-i,1<-1I 1(' \Jlles. 1,1 li mil,U'ión que int.lo d ll «(' eS I a inl C' r pn:L;l( 'i lÍ !1 en h
('Ii\:-'1' d (' sir 1\(l (·jfl \ H'S a k at nri ;¡s qlle p()nlÍ ill l í' ~r lldi;JI.S('. S il! CJIlh riJg,,¡. c:,,,, Illl
l: ilu<jl.ll' II Il\ út i l sj( '!lljll" <[ lit ,,(' I II ¡J iu : ill llllpi".dil,lI iI UI.I '.
Nli cfll nls IrIS pruhe\.hilid 'Hics cOIl t irman m i\p lir:8 11rluse ,, 1 ('s tnrh o lÍ c' p ro-
1)1f' I II ,-lS r <'lilciouaJos l'()lJ los j LCgoS J e i:l.¿ al, la d elill lciC>ll La pl acia lJ< . 110 file
S(Jl I ICl,I C!a il crít l C(\ (\ l ~l111a . A pri1J cipi o s cId ::iig ](J XX . R \l:h ard Vli ll i\iJiSl~~
(188:3-J q5:3 ) Y nrtos llJrltemi"Íticos contempor áneos l e\ isa nm los fun ( all1cn
Ins I ('ó r ;('os y p m p ll s i ( ' [(HI la (,o llc t~pc i ó n fJT C'tH'n t is t il.. P n,ra C!S\.n cOllup c ir,lI .
1<1. pro hn,hili cLll1 es I1l li\ ,tbstrH cción eII' la fl('C \)('n cia !'el a r ivi1. oí I1n fc 'll lll t\ CllO
;l lc 'il\.o ri o p uede li ~ ])(' t irse (-'1 1 igw:l 1es C'o llJi ciulles t()J¡¡ S las vece:'> q \l d f'secllI us ,
le\. probabilid ad de cualquier suceso será el lím ite a l cu al i i l'lI de su fr ec uencia
Capi(u1 o ] S 'll(('S O,<, y f!¡obabiJjd ad
rel ati va C OlllO C~ obv io. 110 pud elllos rep etir illfiuit as veces Ull p,xp erimelltu,
así que en la prác ti ca dc be mo!:i cont en t a rnos co n un a est imación cerca na ele
ht plO h¡-lhilid ad
Concepción Subjetiva
E s ('vid rnt c quC' la co ncepció ll fr C'rllC'ntist a resu lta insu firicnte CHanclo
<';( ' trala dr fr nóJllC't!os no rqwliblC's. E S lél limitd,ción . jllut O n la l cs lriccióll
(jI\(' c, igllificd Ll eqllipnlhnhilldilcl d i' lel (OlIICp I· II '1I 1 (I ;\c,i(;\. llel illlpn!s;,u] () ('Ill a
( ¡I/li i'lIt " ,1" 1. 1 ' ·i"i"lI l sllIJ[l'f i\·;1 Vllln' 1".~ III( 'i·llI SIIII'S dr ' \ 'SI(I ll Jl ('IPl('1 eICil'l ]]
pUI'de ('i l,\I;;'(' él 13 rtlllO De Fill clLi (J906-19S':l), j.H:'10 S i l prinCIpal a lmllClerad o
fuc LC(lll<-lld T. Sct\'¡-(gc (19 [7- 1971) con Sil obra Th e Found at. ions of St at i ties
pub licad a en 1954.
E t e enfoque sostiene que t oda prop osición t ien e una p robabilidad numéri
camen t e m ed ibl e basada en el grado d e confian za person al que acerca d e ella
Cl.lp iCllJo 1 S' uc:esos ,Y Probabilidad
r tu u' Illl imli vid1\o Se a,Jlllit e elltollces que cl i[¡:' relltes persollo s ra ¿uflau les
p llC ,lC'll (11 fn il' (' 11 su" ilpH,'('iaciune", aú n ('Iwndo SP les ()fr ~zc(\. la rnisma evi
d "llCi il
I.n "lI h !l'tI YI ,'-, I ;¡> , tl llIll,11I !JII. ' P III 'II. 11 1],1" .11 LI.~ 1J1 , ¡[,, " '¡¡ Id ',] "" el t()
,1", \" 111',¡])I"III,'S '1" " 1111' 1" "¡I'i'l « 1111',] 11' III 'i st .l \ ' :--.III<li; 1 \' 1I IIlllíll l ):-. 1I 1¡ 'L~
C \l, l ljl[ " "";sl" Id vi sll b l ('ll\'I::ila lClOll()('('l<\ 1111 1; \/,0
( l!lldI\HJll <Iv Slflll'll íil,
U¡-UllH 'lll,() ;\ 1)] iVli y (Ui ll(')eli nt CU Il el Clilsicü-; ! i-\. )' UJ¡lJl<! U el fl'lIóm C]lO p ll CClrl
rqw t iJ'!:>f' HU gnw llÚI1le)'() de veces outelldrá la::, IIlisn l¡IS ! ·~s p uPs!.(IS que el
u L,lcLly i,'iL¡1,
prol )ab ili dac!('s sll hw ti\';¡:-; SOl1 pro habilidad es co nclicionales, PII pi
L e'), '
:-;('Tl iido di q l J< ' c,', t /U I ¡lii '('la([¡l " p()r la ('X lllTi l' l l<' i¡¡ ( 'IIf'())'lllilCi('Jl1 de (¡ I ,lH pe]
S( lllil El pmc('so dc ',lI d (' !" I! lod o;' lel s !' Inoil)!('s ul! cl'wltivn s 011 uu a escLlh.1 J e
inJp o" ihilid(\(' -s('.2;nri d ,ld está ba:';ado (>11 ,,1 CÜIJ()('ílll íC'lIt o \' evnlml,('n')l; dE' la
sil llac¡óu pm parte de cartel persona en part icu l ar,
I'-,:-;! 1, (' lIfo q l\ ( ( '''' s ll :::, " l' i(lo y l' Inl j \'lItl o plll j l)e, p l il lc i p i os de li l II )gi ( '(1 li lct
1.' III ,'lll('i l 1' 11 i" '11,,1 IJlla \l1'l ) 1 )( )~i(i( "11 , \ JIII[lli, l ti llit!!, d " lid !> I't '!l . ".,ll l r)!1 [3
1 1. I 1("lll l (' '. I" 1'1'01.· IJil¡\li( '" ,,( . ti ( '1 ql l " "1111 . ' 1; 1'- 1""I,q'-l ' 1' 111 1' ,'- ,\ \' I ~ (':\1:-,\"
111 ' l' Ill ' hl.t lÍ, ) d, ) '1 pli" ,! fl' 11 , [) ,, " ,), 1'11(111( , ':-; Id IIdUI IIl Hll()lI j)I'I J!J .);,i CIU Jl al
,\, ~l' t'l l \i v w /(- pur IJl I)I),dlllHa d t l ' 13, ,'! gr ado dl ' iw pll cacJ( )ll p\'opun:i Ulwc!IJ
!JI)] A Lel di f(']'('lI ( i,) de eSI ce illllJlprH a.ción .\' la ,uJI cl'ior es que t el.1 JHedid a ,
I ULlV(' IWj Ol li tl IU (' ll l (' 1 qJlC:-'CllL-tdll en la cscal¡-¡, (O ) ), e h l'utiCrl, ~I ' :-' llllunc ( ll
tOll ces qU E-' ex ist<:-' UlJ úui co grado de illlp]¡cación eWle A y D lóg ](' mll\~ JJte
dI'!Le III1 ina.d o,
Pw'r!c J('( irse r¡\lP h proh a hili dad I()gica es iR. i ll t pn¡,id ar! ra,ciol1al dé'
C'1l\J vi(ci ('lll de IItll1 ,'iena propo"irión, imp licrtda PO) L1 informaC Ión de~c1 n, Si
IIJI ,\ p Cl.SUll[\. uo (:Ollcllclcla ('OlJ ella., es ]J orque csu\ eqtl l vocada, Nuevalll élllC'
.,->c: t I ¡d '\ (le pl'oflnhililht '¡l'S cOJldi cionales, condic-iouadas pI!! lEL info¡rn ac ióll
dLSP,)lJ] b lc.
Al iglltl] (pH' (J J) la (' UlII'<,p cJ('m fn'l'1.lt'fltista, ,.;\ ('ull ci lw 1)\ pwhe,hil irlt ld
'''111,) ,) I ',j l t i'\'I ); I~ d l 'l í, 1 11I .1"p l ' ll dll ' II I (· d,' h,~ (X J ) ' 1 (1'1 (1 1.1" \' :-;l lIt Jlll i(>III , ),~ Jil
rli \'i rlllnl ,'", ,,\1 Ig il ¡JI '1 111' f'l l 1« ('111\1 ('I H JOtl ..,111 )1(' "d , ,';(' I \lIl a dí' g l ,ldl ):-' ell '
Cap j l uJa I Sucesos y Prn habiliclacl
c:re ellcia sobre Lllli:\. jJlOjJU, 'lCióu en p a r ticula.r; sill emba.rgo , el! la subjetiva
esta apr ecia ci ón es pe rsonal, mientras que en la lógica es racional e indu cid a
lógicamclltc. En cstc scn tido pllcde d ecirse que IR, proh abilidR,d lógicR, es inter
media entre IR, sllhj eti\'a y la frecu ent ist a. Como promotores d e esta corr iente
c1:1be m enciona.f i:\. Francis E dgewurth (1845-1 026), J ohn Keyn es (1 883- 1046);
I-I arolcl J effrcys (18 91 - 1980) \ Rlldolph Carnap (18 Cll -19 70~
_'\ lll'é>ar (Ir- IjW' e x isl e' u V<-lj' j¡\"; l'il)Wqwillll('''; <I if(T('llle,.; dC i' l nt di' la m
twn lu Cll l t>L·\(il'H ]
[('! ' I)I('!.:< I(ill (J¡. L\ pl\Jhtl)i! ldd<l , 1))¡i,'lll,lJll< ' llli' ¡J(, [¡dI d(':-'¡l<
(k la t ( ~ ()r i a , Celda ( 'l1f()CJ1H" T i ene ";\lS Vlollt.ct
(' (jll I(IS f'll lld;-1l1 i('1 1f ()S 111 ;-1l <.'trl¡'¡,T ic (),.;
,iet:) \. dcs ventaiab , \. cl clwI<-\ aplic arse uno 11 utro c!cpellllicnc!o de la sit uación
pl a nteada, Eu la elaboración de la teoría no nos p reo cup ar emos d emasiado
por la interpretfl.ción , y sólo nti lizRremos h concepción frec llenti s tR, parR mo
t ivar el desarrollo lllatelll ático,
II !'('gllldl' di' I<J,'" l'\'snl\ildl)" 11Id1\'ldlld J¡." , «(lllJW 1IZa ;-t (. I):-,('jT<l!':-;(ó lUla ('wrta i ' :-'
t abilid¡-ld (' ll el (om p OIl am iCl1w de' Jos resu ltados globcdcs Esta regu lar id a d ,
denom iuada regularida d cstadísc iec\ ; (ullsLituye la. b ase empírica d e la t eoría
de la proh;thil idad según el enfo que fl C'cu cll tisUt, siendo de su mR imporcanciR
su Jll8.uif('stct ciÓll P:qwuulcllral: a llledida que 8..Ul llclltm IJOS el uúltleI'O d0 \'('ces
que se observa el f'enóll1cno, la frecuencia rel ativa ele u n suces o en p cut icular
(C UCi Clltc entre el 11 (¡mero ele vcces q ue el suceso OCUIT e y el número de obser
vaciones del fe nómeno) muestra una m ar cada tendencia a p er m a n ecer m ás o
lUellOS const üllte, Es to sugier e que ele cOlltinuar m defillid ümente la st'rit~ de
observaciones , la frecu encia relativa alcanzaría un cierto valor ideal o límite
que !lOS daría una idea d e ( 11l1 pro ba ble es que ocu rra tal su ceso .
COll I¡C!;-;c . ~.u (.':..I il:' (' ()II ~ i ci {'ldCiolll:::;, jJ ud('lI11J,) dl-'cÍl Cj ue ld l., or í" de [¡t i:>
p ro]¡;\hilidll dps se ()(,up8, de la cOllstrucción d e \Il()d {~l ()s ma,te rn ál icos (plO
Il (lh ilísti c()s) quc p C'rrnitcll cstmliiu- los fClUn<.: lI ÜS qll C pr c::;cll t rtll lC'gl dR.J idad
l ' '1 adbl in\.
Modelos la C"l'lu1t.icos
U 11 lllod <'lo llliltnmí.tic() es 1ll1i't [epI' 'c.CYI1 ¡'l CÚ'l ll <'thstPI,c:ta y simp lificada
rI (' 1I II cie!'l o I IJ )() d é' tell .'llllPl)(J~ 1'<,,,1('::>, F u IlIl llHH \l'l u IllFLLelwíti c o puJelllus
(listin~\ li r dos ,1."' I'C't I t l S:
I l."llil f'SI I' I H' I IlJ'H \/,/", ¡{ d ,SI I):!,<'l i d ;l 11 (" id\\I c. i lJ III JI I \' i\S \ (' llJl l ill i /, ; I'!; 1 t'n 1111
Jllt'{ t ,j ) ,Jr. ('( "II Cl dl ! i¡li /¡t( 'i t'l1 l ( '/ll \slilll i d,¡ PO I / ( iI\I'I '[l I 'l" p r i l ll i I Yo,.., , itxio
Illd::; , ddltt ir:illt!\,::, \' r CU I'( ' IIl;\S, Es lo (I U l- ' -.C' l'lll ll) ('(> ( 'mJ Hl tCUl' l c I lld t l ' Ulú'1 iUl
.lt-I 11ltl d nlo
11 [ '11;\ f's lr\ll l1lil ,IV1i(i1fb q nl i'lJ!l ::;i::;ll ' I'Tl liI
l1(' (ión de I():-; 1I ':-' l d lH d {l '-i
t r ;¡ cl
1
[
1, 11 lll u d, 'l u l ll. l t ' >l ll:l t i 'll ll U (':-; «()I'l( 'UÜ li illU.i!T(' I1'. U , V( ' lcl ¡ \( II~ rlJ () fal.'iu :
lo q l1 e ¡lll en'",1 S¡ll Jel ( !S ,.., i un d(Lt~n IJ i llild() lllUd01u 11l¡.l Lt'1l1úti cu es FLdf'Cllc\clo
() lI U pard 1\ 11 ,1 e l(,1' 1ll itlil,t!O (ellóUI Cllll L it cxislcncia de UllH corr(,sp() ll cl(~n( i;l
v álidd, l~lll l C l' l~ dS[)CC'\'U:-; t córieu::> y los l'll lj)íricüs, y 11m IÜlT('" PUll clcIllÚ\ e ll tJ ('
lil s (;UUcl llsione::; t e óric ,ls v Jos resultados pláct,icos, COJl l'orm an los ni terios de
ac!( 'cll ;tci ól1 () \'a li d ('7 0(' dlchu m ude lo 1'..1 Oet e rmill <.lci()ll P IWc]C' ( 'o ll \' C'r l írs(,
('11 lUl e) lll1:1kria b Cl:-; t. <'tllte cldicada \' p erten ece il la (J" t nJct ur il dp lj¡ Cl dH d lJ]
ll! (), lr-l () . Fn , '¡1\ 1 ,~ p rtlilh ¡ :t;:" ('lli\ )qll ir r projJ usici61J { 'I i 1" ('s t !ll l'l\lra l('()¡icl ('S
CéLJ.!i l ul o 1
V( 'lr! ,\(l('l,l (' 11 el spu , id () 1I1¡UPtJIAt i«) d e ] ¡-1 p i:1.1 i11 Jl il si J¡¡-) sido C' U!T('( ',¡-1 111ellte
(kd llc ida el pau ir de los (lX iOll1cl..S, p ero no d emuestra nada sohre' los fe nóme
nos l'e,.-dcs , Est,8,.'j proposiciones Pllcclen ser contr",st",cl8,.s con los r eslllt ados
ernpíri('us , lo qur-; r eq uiere ciert.o grado de fa mili arida.d 'on el á rea. del pro
blema eu (;;,t\ldio, <LSÍ (, Ol!1U (" xpcrwll ció. en la apli u v 'ión de modelus bajo
r irCullstan ci as similares.
Eu toJo méto du é1.,'<ÍOlllát ico exist.ell cie no;:, COllcPptos <..l e p art.ida 110 su s
ceptib les ele d efini ción form a l. que se int.roducen en la teor ía p a ra evitar el
argumento ('ir c11hl r en d cmt! se dcfin e 11n ('on cepto 8. par tir ele otro qu e no
se ha. d efinido. Estos con ceptos inici a les se d enominall conceptos p rimiti vos
o pri m a nos . P or ej em p lo, en 1(1 Geomet ría E uclid i¡-w GL los con cep t os prim i
ti vos S011 punto y 1'ecfn, en lel Teor ía ele Conjuntos lo son el emento y uirl}un to.
Ax iomas
Se en t ielld e p or a..xio lllas, a.quell as proposiciones element ales en las que se
postulan relaciune::; t'ntre lo::; conceptos intuitivos sugeridos por lus h echos
experimentales . U 11 conjunto axiomát ico deb e reu nir las siguientes condicio
nes:
I C' ()n~i~t.cll( i,,: Al ( )jW l'¡-lf COIl los l'( l llC l' p to" v dcfilli ciull<'" no s(' d(' he llcgm'
rl cont l'(\dic(Jolles.
11 C Ul llp ll'llllld ;\0 dehe l(' ( llj('rir~(' 111WV u " rl,Xiol1la" p an\ d( ~lJl ().'itnH ,dglÍll
(, ( ' OH'll l ;\ () plOp ic dad
11l Tn ckpenclel1ci a : I\' in gún cLxiurn a d ph e ser cunsecuen(' ir1 lógic a rlt' los ()tros
9
Defi niciones
S()n COlj,Ce pl.ü~ fo rmales qu e se llllro du((' ll en función de los concep to::, p ri m i
11\1(1"; ( 'u tll cui dil,,, ('1 1 .Ins ;1X10l!J d" \' (1<' ni ra." ddilli(' itJl\('''; pn'\'i il."
1 ('O rr'111 ; lS
:-;' 111 Ill t lI u, jt i' jlj"" ( 1111 "" ¡J . 1\ "11 111"" 1111 14 1111 ' el 1'"J in di' llis d X \UIIJilS \' cldi
1 1")0, ¡"' , 11 ili,lilf'( 1.1 111<' 1111, l 'i!s,lIul'I,c,1 ('lJ I( t'll ' ,1 , ¡"I JII \'I, lIIWIIII ' d( lWI~ln \( lt) ,·"
1",:\ 1I ( ' I i llH' Ii I , J ~ ' ¡ [1' di' " ' 1"; ', 1 J 11 ,1\ ¡i )1 ', 11 , " q \11 \ (' 1'1111 11 L 1e, ,"' l,Ul II 1II , '" ( , 1 I I! l! 1 Isl ¡( , 1'>
I 1"1' d"I. I" 'jll 111"1 111 1,1'1111,'1', diIJI ,I .! II" ,1, \, 1, " ,jll \ dllli ,í ,JI .,~. JIl, i,dll ll'l ll f'
-,!I:-, «(¡lll ji . 1,1 !l, '"
11 ;\() (OS pu,.;iblt p rc'dccir lllJ rc'sul l aclo p :. n iCl ld l (h '1 "XJl (~rjlllc lll (), ¡JI ' IO sí sC '
[11\('.1 1 (k"lll ! )Ü el l'OllJllutu de tur!u,,, lo" n':-'llltadu:-, pos ihk 'i,
Espacio muestral
Dado u n ciert.o exper imen to a lea Lor io é (epsilon ); denomin aremos esp acio
m1\e::,t raJ ¡-d conj1\ut o n o VFl.cío <,l (omega) de tod os los resHl tados rlifercntcs.
posibles ,- razona bles d el experimen t.o_ A los elementos d el espac io muestral
lus ll amaremos puntus rnu est ra les
en esp acio m uestr al debe ser t a l que
J Tudo dCllJé'nto ck l esp ac iu currespo JJd l' al m e ll llS ¡-I t111 pusib le resultado.
JI n-SJ Jlt ¡¡clu de] CSjWI iJIJ( 'IJ[<l c'(Jllrs]loIH[(' (\ II ]lU ,. ,;()I(l llll C'! (, lll('llto c!('l
T Clf[( I
C'SjldClU.r.~ s dcn!. ('(te! d po::,i I Jle lcsul I ael o del cxp cl'i 1l1('I! Lo queda ('oJY] pI\:'
LUllCU!." ,]c'scrito por 111)() , . solo IITl p llll t u 11l1](',; t l Fl.l.
P n g('IlPral OCUlTe?' qu c' pI espac Io nmestntl !lO ('8 tÍn iro . s ino qHC" pl H'd ell existir
di feren tes esp ¡-tcios DlIlestrFl.lcs Fl.sociR.dos C01l el m ismo exp erimento. E n tales
casos la adop ción de U110 u o t ro d epeude d el objetivo d el lllodelo Por e jelllplo.
en el sen cillo caso del la n zami e nto de un dado , un espacio muestral podría
referir se a cacla una de los seis posibles r esultados nI = {l.2.3.4,5,6} o bien él
n
la condición de paridad d el r esult ado: 2 = {resultado par, res ultad o imp!n }.
Suceso
O,:uOlUll1an'lllo::; SUCCS u e\ c lla.lqu i('f (;(11.8('1 crí::;t.ic:a (lel res¡¡)t.a do d(' un ex
jlNi IlJ ('Jll () ;·Li c'al ()rin (J I] :-; JJ(' CS() q\ll'd ¡-¡ dCI.( 'llJlll1 ado por su o(' urU'llCIU o !lO
O(11lT('IJC:i¡-1. c',", dccir ti c'lH' se ll t idu h Ab lar de un cícnc} sn('('so si P¡-1.Ul cada
r esultad o d el cxp('rílllellLo el s u cesu uc une o 110 ocune.
Si ('oll sidcramus ¡-J I espc¡cio mllt'st r a l CO lllO conjunto un iver::Ja l . lus difer ell t("s
s u cc::;os p odrán expresarse CUllW s u bcunju n to::, de n
Es con \'C' u iCJlLC disti n guir enLre Sll cesos elementales y sucesos compucs t.os: los
su cesos cl ertlcnt¡-t!c:" son n(!l lell os suhconjlllltos d e <,l cons ti t lli dus por l1l1 solo
p Ullt.O lUuestral v los s ucesos compuestos SOl! agregados ele PUlltOS llluestra
les .
D iremos que h a ocurrido un su ceso A cua ndo el resultado de un a prueba
part.icular , d igamos w , p erte nece a l conjunto que representa al su ceso A, qU(-';
LcU ll b i t~ll d CIJutd.r 8mos por A. E n otrél~ p a labras, la relaci ón "orurrcll cia dd
('¡pifllll l J 1I
:-;ll( C~( J _\" ,k l [(: U g . l d j,' dI' ~II C< ·~; IJ". ~(' 1I dll.'·'cUll J CI , '11 ]". I d ,l, [('i l l ' ¡ W 11 " 1IC'l h iil
rld ( ~ it' III ( ' 1I 1 o \\- ,d < OI I IUu l () A ' de l ll'lI guai' : c OII] 1I 1l1 1S l a :
r'[)] le, dichlJ <11 11.cl i()]J!lt' nL e es comen ¡ente Lac('r u na r CYl s¡ ón gen rrnJ
o-,olm' C()llj Il UU)o-, y l i1. d erivación (Ir nUH. serie oc pr0pil'c1a.dco-, d (' iml'rl's q ll(,
ll t di z ~I , I'( 'lllU.s lil¿ÍS aud aut.c Alltes de p n:scnLm La,] !ev Lsic'HI ) VCJ..llIOS a fd n il1..d <l¡
Ulla se1'ú-' dt~ pregunt as que servir cín para r epasar y afiallzar lo d iscut id u h d:ó ta
t' ~h> mo m e nt,().
4· i , Cu ál 1' 8 lo. rl IInrilr:¿n (' n tn;, fenómeno s del énnmís t'ICus '1.; fe n ómenu,' a.ll ato
.,., 0.<2
5 . nC .snilJ(J, In e'll e'fl) 1. /1/ 1': Ins I:'Iwl'l'I! (:rn!(:r:. )!(' úm,(~ s n ,"(,s l.e.,I!IO., s ()lr/'l~ lu 7J'1 o I1l1.1rilúllJ.d <¿
Capitulo J S uc('sos ,1' Pro!>cl lJi li dwl 12
9, ¿Qué enti en de 'usted p(n expeTim ento aleatoTio, espacio m u .stml y suces o?
p:lr;-I lel ([efi II [cj¡'nJ d(' C1I ,l1cJllli'l ('(lu j Ill! l \J , l ' mil dell(Jl ¡¡¡ (lllJj llul os nt ili/.an'J Jl() ~
11'11',\::- lllil \' l:l;, i 111,\;, (k ] ( '(jIIIII'II! ( ) d(' ] (l, l fid w \ l J: ,.\ , ]) (' COll a SÍlI sl \h íllc!i l '("
PiH a dell u l;'ll element.os de 1111 ca uj Lllll'.() ll tilíü¡rClllUS le tras lllillSClll c1,s elel fillal
elel alfab eto, x, y . z; . Si un pun to w p erten ece a un conj un to A escri bimo2
w E A ) y si no pc rtcnccC' escrihimos w {j. A,
Un cOIlJl1n tü A p uede rep resent cLfs l' por extensión, enumerando todos
sus elcm cnt os: A = x, ,y, Z " o bien por comprensión , est ableciendo una pro
piedad Cjn e de ben cumplir los elem entos A = {XE Q x cumple la propiedad
P}
Defin ícion 1.6.1 ( S ll UCOlljUll t;O::. Se di e!;; Cj'U! : W¿ conjunto A e" "uucu¡¿JLmL u
de' R Y psc1'1himos A e B, si todo elemento de A es tam bi én elemento de B
DI': m ocio que,
A e 15 {=:} (VéJ E A =? w E El (1 .1 )
Dcfilli ci on J .6. 2 (lgll a]¡}¡¡ d (k I l llIjlllllu;, ) . Si dll e !JIU l0' wn.rull!u.' JI .LJ B
SO/l UII/O/'., ,¡ A '. [J /1 LJ e A . Y nr· .,., h7l1l() S A - U En ul ras ¡)(¡./ahf'as . A .IJ
!J .'01/ llj 11 0 lr s S/ 1/,c rI.( 11 loc; III.lS/f/()S de/ n ell ta". Es d éClI
A = B {=:} (A e E ) 1\ (B e A) ( 1. 2)
S IJ('e.';(),'; .1' !'¡()l)d hjlidn.d
Definicioll l.Ci.3 (Cull.itlJtrc! vacío) . S r:: cl l::'l w 7Ili na ('O/ljlIJl.tu vado, :tJ lo de'!w
lom us pu'/' 0, (JJ wl1JIL'I I.l u q'ue nu tu;w : elementos. S f'. demuestra (PO'!' r educc ió n
0.1 ahsl/.rdo) (/,/lr: d C07ljl/:/l.to vru:ío es s'u.l)(:onjunto dr. (:uoJq7órr- r:onJ7J:1I.to, es dr
( ' /{ '
(!) e A VA e n ( 1,3)
f)Pl illi i) u ] J¡' ·I ( C" 'II Ii )lr' ll It U I<, d (, 111 1 ( '() ll j 11 11 1\ , PI ((lI/I/J ! 1 I I/ f ll l o rl f' U I/
('(IIJIIII/ln \ 1111/ n -'{'(I : O "! I 0/1 / /111 /11 \1, ¡, '" "n n jlll "u ,/, I ,!io' I {I ,) rJI l/u 'l/ los
'//11 ¡'I,.'!, " , 1 ,'/1 11 '! Ir,' /" , / , / /1 " 1' fI ,1 , lí /" d" "/1/1/1 0 - j ll ) 'f ' .-1 .
(14)
Definici on 1. 6.0 (l nl,f'l'S t'cción de COI1.l\lll IOS) . Lu U ¡ f,U o.'iI'.CClÓn de los con]ll7l
t (l ,<' ,4 /j íJ 1'.' 11 ('()/I} /lIJ /' o dI' t odos Jo s P.lrmenl.os 1'U' p P.T!.(:1 I( :(' r n (f A i! () B . ?J
l() d, Il o t u'//¿O ,'i PO ! :'l. n D
. \ (1 j] .= {w E S2 . w E A A w E B} ('J ti)
Dcfini cion 1.(i .7 (ni (' l ( w i ,l de ' (U l lj llll l lJ ). Lu ,¡¡Ji" Il ll (l, rI, ¡,b " (} /{j llll / II'. l
!J /] ( , 1 I [Ul/ jI/,lIt /) ,1,. 1(1' /0" /1 " , 1, 1II1''l/ f (l ' '1" 1 / Jl I! i ' I/ ('('( ' n (¡ ,.j lJ 11<1 111 I ¡ l'l l r I r, /1
D C'fin ici oll ,6. 8 ( Sl ll ll , l I )( ' ())(, ;l ll , l ¡k· (' )] I.ll l llr <)~ J . [, (/ ,') ///1 1(1 //() ol l'u ll li di lus
('() II / IIII/ O,) Ji 1/ B ('s rI ClJiI/unLo rlt tudos lo s ele m cnLu.~ qu.e P CT'lCTI. U;I '1I o. A o
11 [j , pC7'() no (J. II.m!Jos, il lo derwtamos pO'! Ae B'
(1.8)
D cfin icioll 1.6.9 (Conj llntCls disj\lntos) . S r dice qlle los con)ulltuo; /1 :ti J?
,so n d l sJ(I(I.{ ()"; si no l ú ;u fn e/Hrwntos comunes; es deel'f, si A I B = 0
Lil" opcl ,wi ()!i( ':" (;uniuuci s ta" ulli ón , intt'J'secutÍll y comp](' lfICn t(\ CilJl1 ::>01
(¡ ,.·;fil( (' ll l llm 'i( ' l'1 (' el( jJl ,)pi ld ades que scr<:Í,l l p r ('sell l,:'lclcl';; CU lllU t l' Ult~l jJW; . (lll ' c\:)
, ir' lI' I ~11 d( ' jl ' II I ' :-; ,~, ', oI" ',l n ('(n ,111 (",ir 'J'('Kill ,
CapiLulo 1 S uc;c::)()S y PlOlJilbilidd d
A UB = B UA ( 1.9 )
An B = Bn A (1. 10 )
A u (B u C) = (A U B ) U C (1. 11)
A n (B n e) = (A n B) n c: (1 12 )
A n ( B u (") = (A n B )u (A n r ) (l n )
.4 U (B n C) = (/1 U B ) n (/1 U Cl ( 1.1-l)
(A) = A (1.15)
Teorema 1.6.5.
AuD = D Au 0= A (1. 16 )
A n D= A An 0= 0 (1. 17)
Teorema 1. 6 .6 .
.-1 U A = A A u .4 - ~) (J 1~)
Teorema 1.6 .7 .
VA, n ( n· A e (.4 U B ) 1\ ( A n B) e A (1 20 )
Teorema 1.6. 8 .
4 •• 13 = (A U 13) - (A n E ) (121)
Teorema 1.6.9.
A = (A nB)U (A n E) (1.22 )
Vi = (A n B ) n (A n E ) (1. 23 )
,.' ¡ l! ( '.')().-. F 1'1UI); I (¡j)j( !nr !
TeOrf'rtléi l . (i . 10.
( A U B )= ( A i B ) (1 .26 )
(A n E ) = (..4 U B ) (127)
Para yi:-iualizdx tudas e:-i Ü1S propiedades e::; conveniente el uso de lo::;
lJ iti gJiLl) lA.S de VCllIl CO Il los cuales se re presenta gráficamente cual c¡nicr con
j u nI O COl1 l cf('reucid (\1 ('olliunio ulJiversal íL Es aconse ja bl(' ¡.tdClllás, ('unocer
¡l ir'lI [;i~ d l '! tll)~1 r ~¡(i ' lJl( ' '< di los kUl<t la s , va qllc \'l1o facilit a ci d ()IlÚ lliu el e; J(J ~
i ( '11, ( ', ) I 1)<" \ Il!' ( )l' wd ,1ti (,..;
T.,¡ " ddl II IC I ' ,) ¡f'<" \' II 'OH 'lt ld" dll1 ('l i()l l'~ fJ ll<' (kl t!, 1 JIt n tli ¿il l'''c IJil[d un
rllllllt'l" ,uIJ ii,T ilri'l ,1" l' U IJllllL OS , Fl! P,",, c:(\,'; n '< l' i\.l (¡,:;ll1n tlll :¡ dC l'I u t.m los COTl
.1l l1l l.U:-- III i1íí', alldo ~'¡ll )í !ldi«('s, ,,\ 1111 COll]illlto CllyOs l'lCll11'lJLüS ,'i011 cimj ll11 tu::,
IlJ dC'!! U!l llll : lJl1 US c!D'-, (' ~ lo re preSf'utaJ1l0S CülJ k t.lil.-; l;dli gd Jic Rs A , B
A { A, 1 = l. 2, . .TI,} = {A 1 , A 2 , . A".}
Léc::' Ul1i()] I(' s e ill (.( T'-,l'(c iUl\CS de ( ;¡[ cs CO I jU lIt.o s Vil'lJCll d t' llOt;.l.d dS pUl'
n .>..... x.
U . 1,
- I
n .'1"
,-1 I
U n,
I
n D;
"
U .4; {U ' f D· 11 ' E ~,1 1 I)1[I!i olq7lT/ I E {1. 2 n}}
1:0 I
\'.
l
n A,
Il
' I
= {(I' f n: (1' E .4 , [ Iorl! todo i E {J , '2 . JI } }
n
n Ai
11 11 11
(U iU =
i= l i=1
y (n AJ
i =1
U A;
i=l
Ant.es de pas",r '" considerar IR..." sllcesiones de conjuntos , vam os a introd ncir
los COllcept os de COlljUlltos equi potelltes, finitos, infi1ütos y conjunto de 13 .'3
p altt;s.
Definicion 1.6.10 (Con julltos equipo t.eut es). Un co nj'unto A es eqm pu tente
lb un I'OI/jun to B. lo que se de n ota P()'I' A '" !J, sz e:ns Le uno IllT/,r;ión /n,lJ edwo
cn l:rc 1I'Ir¡!Jo" ,
Den nic ion ] .0. ] 1 (CO Jljl llll () [inili j \. (' OlljlllJtO illfi lli l Il) . Un (' nllfu,IIt o .rl es
j7.II?t O '1 ,ij solo SI (O" l'IUJo n A ~ J, ;¿. . 11 (J ar o o.ly n '11 E Pi! E n ros o r:onfr a 'f'l.o
e.., 1,'Il) init o
Defin icion 1. 6.12 (C LJllj untO llIfinito lll.unemble y Conjullto infinito no 111l
meraule) . Un conjun to infinito A es numeruble si :ti sólo si A '" Pi! . en caso
co n irali o es no num em ble,
F inito
A p"rd e sre ... { N ullleralJle
Infi nito {
No num erable
Defin ici on 1.6 .13 ( (,' 0l1j 1l11 t() \'1 11I1 ( 'l[1 1)l p ) . en UJ'IIj lll/ t o A 1',' '"l71u'mb!( "
1" ,j7: n¡fo () mj7n ilo 71IL11u·mhle.
Cal )! ( lijo 17
el( 'lrH'111us en Vil ! l id de ([ne pod emos estahJ ecer un;-) función hi Y(Y:L.iva
I _\ --t {l. 2 ;{ 1} . P or (~JcrnTllo f (rt) = l, f (b ) 2. f(c )--::'l J( d )=-l
A d C'I Ili\S_ por s(' r ti IJ ito es nmner able .
('(l I JI " III" íldiuil lJ 111l1ll e'I ;t]¡lC' va <¡t I(' P()dE'IIJOS (,,,,¡¡I deen 11 11 ,1 [llW j¡'Jl I
111 1-( ' ( 1 í',d I f' \ ''0) fh \ h '1 )
( ' f l(1 {','1I11 11 1l \,h 1II1 11il l l h IlIlJll ,- 1 ,lid, :,, : {l «) I1¡ i1 111 , ) 'S d (' us 111 '11 1\(' 11 )0, ('111( '
l" l~ . ('! ( '(IIiJ lll lllI :_' de los IIÚlll l'l():-- r éIC' l olI ,\I( ,,> \. (, 1 '-t lI IJllI il ' ) [o)'luar!o por
('llrdql l i( r Slll T"i¡ 'JlI dI ' 111l 1lH'! U,"I ['c"dc."
el ) :' Oj J (() J.I.J IIII\.OS ml1JJJtos 11 0 llll!llt' al)les: el cOlljnlllo TI de los lI Úlneros
itT;-tcio ll¡-d c.'i , el ('onJlmto IR oc 10,'-: números rc~dcs, los int crv¡-1.los ck la
fOrlll¡-' 18,LJ, (a,l'J (a. u) , la,l) ), [el + x). (Cl , x), (-00 ,1)] \' (00 .b),
f)<>f il l i ciOIl I fL lel ' (' l illi 1111I t l di ' 1. 10, !JiI ) I I ''; ). D(II I,) 1111 (C)!I /I III !O ! \, ,( drJÚII
(JJlIO IU l!. //lII!,) 11I 11.' {!lo/" d, ,1. /('1(' Ir ! )/ I ' Cnlill¡,' {)S [Jo r P {.- l), (J la c! 0- 'i1
.i\ó Lesp qu e si Ulla cl a.se el e conju lIto es llumeraiJ le. sus elem entos pueden
:-;('(' clisp \ H~Sl {) :-;
en U ll e, s ncesí(Jl\,
D e fill icio n 1. 6.1 6 (Lllll ite <1(' \llld sucC'sión el e cOllj \l lltoS ) . Darl o 1ma 81 L·
('e,' ;¡(m de ( 'On}/II1 / o ,-; { . \ ,, } , SI defin e ('()'II/O límite S1l!NTUJ7 de In s//'('(','7 rJn , 111
('(i/ljlm.tli ."
n = J k= n
Si '1.111hos límites cuill cid en , se o ice que la sucesión tiene lím ite y escri biulOs
Teorcrna 1.6 .13 . Si {A Il J es una 5'I/,r es'i, nn dI". roTl)vntns , ent onas S r' ("lJ.m !¡!e
(JI/,{'
líllJi llf {A n
1/ , "")...
} e lílllS \\p{ A II }
11 •
(',I{JJlliI" I )\1
':x,
n = l k =tl
[J
f'tilliciou '1 .6 .17 ..)'; { . \, ¡ l.' I/J/ O ' 11 1 1 -(Ijl/ 111. (I'II/UIIIII, - S I; ,1/( ( 1/1 11 "
11. { L} ' . ~ 1II1'11!I/OIII( ,/! 'II'( CI/: II(C ,,,i 1\" 4" 1
II!- {A ,, } es rt!U l u í /Oll tl ,11";, lfI, 07u5t o'f/a. I T c cif nt e () 1f/o n, ólonu d(('/{'( ¡t: ¡¡ 11
Teor Clna 1. (j .14. Si {.-1,, } (.) 111 W SUC¡;,') i.ón rrwnótu I/, (/, de lO I/}untu s. en tU'f!C ( ...
/ir.Tl I Hw:i tl y a dc /1{(Í,.<o :
Teorema 1.(;.15. L'¡'¡ {A,, } 1:8 una 8vcesión de w1¿junt os r:ualesqu ú'TG , t.TI
tonce ,- l o ,- / e I/H O SIJCI' S'I O n {H,,} de ron]1mtos tal IJ I/.{/
Capitlllo 1 Sucesos y Probabilidad LO
/. - 50'1/ d'i0j'Untu,,;
1'1.- Ui C .4, Vi
i /l - 1_.lD, -.! l,
8 1 = Al
B 2 = .4 2 - Al = A 2 n .4 1
Bj = A ~j - (A l U A 2 ) = A:, n C,41 n .4 2 )
I. - J 1.- 1
1 A SUllliUlJ O.'i , Slll p(~r clida di' ge ner alid ad . que i < ¡:
,- 1 .J 1
" -1 " - 1
=0
así que los D, WIl J iSjUlltoS .
;- 1
Sea w E JJ i '* LO E Ai n (n
h= l
Ah )
o
el Jud 1Lire mos rl1le,.,! ra revis ión con cienos asp ectos n~la(:ionad()s COll Jet
1II I rl )!:/ ' 11 1\l\'('lc,; l de 11t1 Clm.J unto, flln ción compllc~ trc e in l<tgcn dircc u), el e Il1l
CO l) I w1l". o ,
~/[ :\,., A' es HIl a clase ele ~ Hhc ()ll.l llll t os de íl' ) d Cll Ol>uc
,(!,eIl(,[c'd rnc!1( (' , !'>i
lll OS p or ./ -1 (A ') n, 18 cla.se J e im ágelles lllven,¡as de los collJu ntos de Al
J- (A ') = {J - J( A') Al E A l}
Teor e m a 1. 6 .1 6, Sl'.fL'II, n !J n' d(),', f, '[i a (; W s no 'lIo/ ío s 7J "m I O '-¿ S2' 11170
/'/I/!I ' i,¡J n ( II /.n u;II¿I){Js (;unJunto iJ, f,n /; uu('(s:
/.,- f ' J(í n = íI 1) f (V) ) = 0
11 , - ¡- 1n i ) _ ( -1 ( /1/ )
11 ((' E f - l(AI) <=> J(w) E Al <=> J(w) tt Al <=> w ti:. f -l (A I ) <=> w E f -1(AI) ,
IJI 11' E J l( UA;) <=> f(w) E A ; pala (di/un i<=> w E f -I( A;) para al!}'un i
<=> '(/ ' E uf - 1 (A; )
o
Teorema 1.6. 17 . Sean 0,0. 1 Y n" tres espacIOs no vacíos, S ean las funcion es
f O -t ~2' y 9 DI -t Oll Sea h = 9 o f la función compuesta de f y g,
en [unces:
DC'finic io n 1.() .2 0 ( l l l l<Lg('11 d in 'l !a d l' I1 11 lO lljllllt\l). S mll n .1/ ni do,,> ('S
jllf( I (h !I() ('(j( 1(1,), i.j SI'(/, I : í2 - + í2 1 iCilU Iuwl úli e'l/t lt dLu s, [lUlO e u alr! u'll "1
,>IIIH'Oll jllll/ O A de n se dfjinc C07no m wqe.n dl'recta de A al conjun to
/( A) = U (w) E ni , w E A}
ae 'morio qu e,
Il'I E /( A ) =} 3 11' E A . f (v;) = (1' 1
R ('snlta (ollv(:.' lJi ente se ilald.l qne estd. rela ción es una fu n ción elltre P(D ) y
P (O/), p ur lo que se le d elloIll ina fUllCióll de coni ul1t.n , d ifercllciá ucloJa as í d(-:
l:1s func iones p untu ales
2:3
1', '0 1'011 a 1.(i . .I K. <... 11/1 p I ~!' ,/, ,' , 'JI'1r 1,)' l/U 11( /11'. 1/ ,,(/ rf I í2 1 /11/(/
/'1'/01 ; / I I ,I /(. (1111/) ( 1.' 1 " IIJ I/ U/, ) '· . ("IO/H '( ,,:
1 t V) J ' t 1 '/ 1I ~ i : q 1
u- . 1 - I- 1U(. I )) \j '1 e S2
(11 - IU-1(. 11 ))c .-\' \:t A' c O'
It' (" (( ~1.1 :> I{.' 1"' ()' ¡Isí qlll' 1' 1() I I ( )I
¡ ,l II-!,l!.l li , ;rrl '- '-' \ 11 ¡ I¡¡ jl ' :-,1 \ ,, ( ¡JI) :,¡ r I ' S , (\)'11 '\'(" ' 11\;[ .
. "Ir¡: [" ."- 11' (~ ~' l/I 1111 ,' )..',1'1l1';, ¡j, ,11_ 1, 11 ¡r" q¡
11
B w ~ A . .1 (11-') = lo '
~ (j" E (( A)
Jl I Si0,1 ~ I :( .il ) =} -=j /l' E: A : f(w ) = /1" =} ?Ji E B 1\ f (lI 'l = /11' =''' 11 / E" /( E )
Pm I el.uro Ir L\ ) e fl) Ir
1\ '
T U( 'llllWSlH' que si el' ('2 " . (:" es unfl. col ecció n de, conj un tos disJullt os
n
)' A es un COl1J Ull l u cualqlli era, ento nces A n (U e) = U (A n e )
t=1 i=1
6 Demuestre que :
I C ¡.d cII le los límit es (h~ la:') sigui e tl t (~::i SllCeSl OlW::i d!" ('(Jlli u ntos:
S1 \1 es ]l i t !
i) A" = {B
(' SJ 11 1"'-' nnp"w
( 'iljJitll!O 1 ,'J'¡¡CCC;()C; ." P ro! Ji:! hi lJ( lfíd
es \111 S U C8S0 Cu¡üqllier R resul ta obvio que t alllui éll su cOllt r a rio es uu s uceso
asociad o al exp erí memo a leatorio que ocurre cu an d o n o ocurre A. Sim il ar
mcnte, si A y B ~on d us S lI CCSOS Clld.lcsqllicm . es lógico exigi r q ll c A U B y
A n 13 t a mbién se an s uc esos v por canto pert enezcan a la u-álgebra .
i) Si A E A => AE A
00
¡I) Si A l , A 2 · E A => ( U A ,) E A
1= 1
Esras d os prop iccl,\(lcs son S¡¡[¡ (I( ' tll ('s pa r a ,lsegllr m q lle ,1(lll (']]OS C()\lj l1ll
!IJo, de lllwslro illllT{'s !l ('lleU( 'ZCiLll tt A. H•.,í (JI!lU rl.( jl ld lOs ulJ t('uidos lllCd lH,lltc
<J1)l'¡ ;l<i()lH':" H',ll l/ adcIS CO!1 u1.r os S llC CS OS E st a anu1l3cióll seni UeJJJOstl a J a e 11
los próxi lllus teun-;llld.S Si sustit uirnus la p ropi ed ad i i pOl o tra prop ied ad que
establece la I!lisllla a fi r m a ción , p ero sólo p ara. una colección fin ita d e sucesos
ele A , o b t enPlllOS un Algebllt de Boole
A la. cstruct1!rft con::;tit llid a por el p el,)' (O, A ) la rlcll om inmcTllos 'Es
p a.cio Prob abilj¿;aIJlc" aso cia.d o al experilllellto aleat orio
Corolario 1.8.1. 1. Q) E A
8::;1 p T ('or(,111,1, 1 8.1 es ,¡)g \1l1iIS \ T(,(':'; illcluid() (,JJ 1<1 dditJJei()ll de (J
r'd g l·hlA. Sill c l l1httrgll . , (!llln IlI'llJ OS v is! o. pIJCc[( ' dcsp n'l ld('lS(' ]¡'Jginutlcnlc (k
ho, dus PWpi<'dil(ks iuicic¡]('s s iemprC' qu(' 0,( ' I'xiJH que A S(OH [lO vacíd.
A (Fo) = nA;
'i1(:IIi/O A , {(UO o - úl<jelJ/(I s o/)'!( n. (JI {(/""I( p O I lo I n n/o. qu e r:uu1rtll/f:r O/'¡ (I
(T -Ií/r¡ehm "o b/( n Iju r mll/ell,.'/(J r¿ F " . dlYOIII. Ii .., B. (-'.'. f(l, / (jl/(' A (Fn ) e B
A (F o) = {n , 0, A , A}
A (F o ) = {O, 0, A, A E. H, (A U B), (A U E ), (A U E ).
(.4 n I3 ). (,,4 U E). (-4 n B ), (A U B ), ( /1 n E )
( ._\ '7' B). (.-1 .~~ E )}
El C'jl'mplo más COll OCld o (' illljJOl La ntE-' de e~r)ac io llluestrdJ lo (·ollst.ieuy'·
el ( uujnnt o d e los llI\llleros r eales (en el CClpít lllo :5 se jns t ifi ci'tr A eSta n.nmla
Cll)ll ) E sec esp a ci o es iuhuiLO u o llUllIel au le y tiell e la parLi cu LLridad d e que
en t:l exi sten ciert os su b eon.J un t o~ que no sun de utilid eLd par a, leL cü l\ ~ tr uc ción
de m odel os probabilísticos, es d ecir, existen cier tos subconjunt os de R que no
pued en ser considerados como su cesos (la T eoría de la M edida ue Lebesgu e
n os perm ite d em ostrR,r qu e ex isten conjnntos d e números r eales CJl1 C no S011
Illcuibles ) . De hecho acu n e , que los suUCOUj Ulltos d e R de llues tro in t er és SOlI
lo;:; inl elvdlos de cu a lquier tipo (abiertos , cerrados , semiabiert.os, sem icerm
d os . d egen er a dos , fi nitos , in finit.os), y a quellos conjunt os obtenidos al r eali za r
llll c o njllJJ(o l1umcntlJlc de op eracion es conjumis t R..'3 (un ion e . ill Lcrscc-c ion es .
("Ull l pl ('ll lt'Jlt.O;-' .. ) (' 111 ell os. En o t rCl.':i p cditbnls . la cl ase el e:' su('c··sos pos i blc's
ckfi n id i:1 s u!Jrp el espcH' io 1fJ\ lC'Strcd íl - R. es 18 (} -Mg ~, I)r¡-\ ge[l( 'l'ilC li\ p or ('i( Tt oS
int (T \·dlos. a la t llill lLmlH l"fc'lllOS (}-¡l.lgel)\"(l el e ]-) 0]"(-' 1.
( ';11 Ji I 11 J(J I 3()
,) Como (.l . y] = (- oc, y] - (-oc . .1;] /J además (-00 , y]' (- 00, t ] E f3.R ,
r:.n[ onces (x , y] es 'I.Ln bOTeliano. en viTt'ud del cOTOlaTi o 1.83 2
n=J
l / n . x] y además (x - l /n, x] E Bn Vn , entonces
r es un /)o Teli ano , en 1/iTtUrl (Ü',l tem'ema 1. 8.8
ái) Como (r . ,y) = (x,y ]- {y} y además (x , y], {V} E Bn , entonces (x, y)
es un bOl"eli ano , en virtud del cOTolaTio 1.8.3, 2
Las ueruostraciones r estalltes SOll si mil ares y se d ejall com o e jercicio
L 8 d efinición axiomáti ca d e la probabili dad , como dij imos anter ior men
t e , s(~ní s ngericl.it p or ]¡=t.') propicditdes h á.,-; icFl.'-; de 18,1-; fleCn enci Fl.'-; rcl8,ti VFl.'-; Aho
ra b ieu , cu á les d e ellas podemos seleccioIlar COlU O axiomas '? , cuántas seráll
sufi cientes o independientes? T a l escogencia ameri t aría un procesu de ensayo
y error , y el estudio de diferentes esquemas alterna t ivos.
( "11 c o njull t() de ¡lxiolYl Fl.'-> que POS('C' g mn cs t ah ilid~\ cI. v (j UC h8 s id o étlt1
plidl llC!Jt l ' ;-1.( C'ptilcl l J (' S ('1 jJlul lIl('sto p or el ll m tcltl¡-1I1CU 1IlSll Allll n'i l\ Uh Uli
gor ()" ( 1C)(n- l C)~ ,) ('11 I ():j (j " qlH' pre.'iC' 111 a H IOS <l COlllillllil.(i('lll
D(~fi n i cí ()n ] .0, 1 ( F1lllli(')!j d( ' j)r ' JI)(1IJil i( i1c! ). SI' (( (~ I A) 11/ 1 ('S PIl(,{() p'I'o/m
Ul1t2a ble OSo('wdo u lirl rlr'lt() r.c7J1'Tt'lnento aleafo7'l o. Se define corno fu n cu5n
de pm/J(¿hili dad .'lobre ese espaC70 . a la fu nción P . A -1 R tal que.
A.ri oma l.' P(A ) 2: O VA E A
A.rio7na [2 P(D. ) = 1
Aú oma 3. S iA L A 2 . es '(ma coleccióu iT~fiTlita de sucesos mutuamente ex
'OC oc
r.luyentes de A, entonces. P( U A ,) = L P ( A,)
,~1 i= J
Capitulo 1 Su cesos y P robabilidad 32
J) (' II/oslmn ri ll . COll:--ide)'( 'Il IO:-' lcl ('o le('c ión infiJli t o ..11 . 12 . . . 'I n . C'l! Jo cual
A , = 0 \:j¡, > n .
C omo los Jl. " SOIl disjuut mi y adelllAs la ulli óll
()O IL "XI fI. Il..
o
Teorema 1. 9.3. Si A Ec A entonces P ()l ) = 1 - P (A)
lJ enwslmc;¡ón. Si A E A ==> AE A yn qHe A es una a-álge bra . .~d elllás A y
, \ :--' JII JIII IIII HI1 WI!l ,' (, :\"11IY(, llt,',, . : ' t. r¡[ e:-- <¡ IIC' .-1 G A "'- SI Ellt.Oll('( ':-'
11
Dnl/,ostrarión. P or el tcmell18. 1.5 13 se. hemos qll( ' eL·trie\' 1lliel :-.nceSilJl] de
c:md("s qll i("r~ A l ' .4 2 ", /1". ('-:iste \1 W \ Sll C'PS i<'1I 1 [J I. [J2'
('0 1li\1Jl t os ni, tal <111 (' :
O
Demostr(l,CtÓ1i.
i= 1 i=1
n
'L:P(B¡) hm 'L:P(B,)
,=1 ,=l
ii ) En ('] cas o ell el nldl la sucesión { A11 } es declecif' ntc. la s ucesión de los
('() m pletn<:'ntos {An} ::;erá crec iente A plicando lo demostrado en la parte
i a la, sucesiólJ {i L,}, y luego de u u sellcillo lllallejo algebraico . :':i E' ubti e1l8
el resultad o deseado.
Capitulo 1 S ucesos y Probabilidad 36
1) P e,; va n'nl. 1l1l'11 0 1 de 31J ClT1()S V IIU Imbl a ningún icliu lllc\ ('xt l"(:l.!ljerU
iJ) P es lllujcr. lllr1\' ( l r elc ' ;jI) ¡:¡ü ( )S v Ildb la I ll l id iolll H ex t ran j('ro
iii ) " ('S IllllJ('!" () II ¡('JI() !" d(' :lO ¡litos. P('[() llC J ;ullIJcl.'> (: ()su.s
i\') P es 1l)('JlUl de J O a.úos V hablc\ un ieliOHl ct cxtranjcm
! Sean A . B V e corno en el ej ercicio 8nl erior. De~s cri b a C011 p :=tla bras los
s ig lli entes :;ltccsos:
i) A n (B U C)
ii) A U (B n C)
iii ) A --( 13 U C )
iv ) A - (8 n C)
.- 1 Se8 J1 j\. 13 ~r C~ S Ul)COllj U ll t us de ~ 2. Descr il)3 los Slgl tiell Lcs s u c c~ os ('01 1
];¡ S o!wnwi on cs conj unt ist a.'i d.prop i d d a~ :
i) P (AUB)
ii ) p (AnB)
ill) p (!l n B)
jy) P (A n E)
v) P(A U E )
vi) P(A n B)
1 17 St'CLTl A, B Y e
tres sucesos t a les qne prA l = P (B) P (C)
p (.:\ n C) = 1/i3 \. P(An B) = P(Bn C) = O Cé\ kule
i ) LiI l))"(¡ha ]¡ilidild d,' flllf' id llj('lJ (JS llno (1\0 lu" "ll « (',,()S A 13 y e
() (Und.
19 Sea (O , A ) 1111 es paci o p rolwbilizalJlc V seall PI ' f..J2 . . . P" CllII Ci OlICS d e
jJJu haiJiJ id ild ddl11i da..., s()b rf' A [)l 'l l luest l< ' Cjll\' si (J 1 1.12. ( i" ,, ()ll II Úl1l l '
)Ib 1(,,¡Je,., llll 1I( ' g,l ti\"(IS 1i\]¡." t¡ 1\(> ¿(J, - 1. ( ' ]]t(lIl( ' (';" Id rlllW i (')j ] p '
l lc'IIrlidil pOI
n
¡')'( A ) = I> , P (A ) Ii A E A
"...._ -
Capit,uJu 1 Su cesos y Probabilidad 40
P ERSONAJES DE LA ESTADISTICA
--- ------------------------ /
,
Indice general
2 . Espacios Probabilizados 41
2 .1. E spA.cios p r oba b ili7. a clos finitos 41
2.2 E s p acios probah iliz;ados fi nitos con puntos equ ip roba bl es. A n á li
sis com bi n a l oriCl 4:2
2.J. Pruh d!Jilidddes 11lUlti Jli.Jlll i" l e llip crg(,OlJlr llin\ 51
2.-l. Fl111ción d" pm lJalJ ili d,ld (' ll Csp c\(·jns IIJ \lCc>t l alc~ m fi lJ i tos f l1l
II H'U\!J!c " .] ,1
2. 0. Flll ll ióu el e p ro ba b ilid a d ClJ C'spacios Yllll estLtles in fi n itos 110
llUtrHTdbks 55
2.G E jerci ci os 2. L 58
Cclpj¡ ¡¡lo 2 Espacios P robabiJizados 42
llllió]]'
, U T3 = {1I 'ul · l.I.'u2" . 11'" ,. (1 ·'1)1· 1./'1;2 · .. (I 'bn ,}
I¡ ,, \1 prubd hi1iddd.
k 111
= L P(w",,) + L P (wód = P (A ) + P (B )
i= l -i= 1
l OO 19q lOO
]]111 11
luego
_ 1,1 11.111. _
P (,4) - - O 37
3.UO()()OO )
E l h echu ele que la probabilidad ele UD su ceso A, en el cas o d e cquipro
h a bilidad sea el tot ilJ de elem ent.os de A sobre el t o tal d e ele men tos dE' 0 ,
nos la c onn'l1i('lH'ic\ ,1<-' C<>ll OC C'l" ci (' r·t.o s p nJ(" pd ill1i('lIt()s dt' ( 'll u nl<'1i:H"i('m
S llg i (-'H'
de cOlljnlltos . Estos j)I()C e dllllielll.OS I'csu ltaní ll p iul icnL-Ullll'lJ tf' útiles Clt ellld o
IIOS ()ClllJ<-'11l0S de s\']ccción C!\' n ll1csl l iLS alC'a\ () I"IClS
k k
n( U A ) = L n( AJ si Ai n A j = 0
;=1 ;.= 1
c'I(,IllCl1t u:-' po:-,ihks p a r ,) ()( upa )" , 'I I l lg;-tj' k l'I l\ O]) C(,:-' el rot a l de k -llpL'l.S p usi
bi es ([el(' Se' ll1 l(' deJ[ for m a r P.S igu al al jJrodu('to: f/ ¡'1/,2 . . . Uk
Capitulo 2 E.sp n,cius PlObabiláados 46
n 11 . . . 11 = n T = VI!
71 , 1'
E j emplo 2 .2.4. SI (/ lo l)ohlo n (Ín. f OT'1J/II.I/ n. {J o'! los ele mentos (¡ , b, l ' Y d, La"
l} (}.~i!Jl( ,) I//II( ,.,l! LIS di tlllllll'l W J ( UII n;u ¡¿jJluztL'fI llcnt() (J (;(} 'lUil ¡} enm r!o el (}ult: n.
gil!' se ¡JUeden cJ; Lnw'l' ::;on.
Definicion 2.2.3 (VéLri ación d e n elem entos d e tama ño r). Dados n ele
lnentos diferentes al, a2 ' . , a n , se define como variación de tales elementos
dI? tornarlO r. a todo arreqlo de tamedío r que p1U~de f ormarse con dichos el e
mentos, c,n el cual no se p'Il.eden TP- pcliT los elem en/'os .IJ se cunsidcm el ()'lde o
('(!I'I/O ITitr1l0 dr dlf('/'( ni iO('} ól/ , El II./í mr ro i n/u l di /'I/I/ I/I' IO/,/(,' dI !OJII 01I() l '
Se r1en OJllill A tactorict] r- ( "~i ll l0 (1<.' n, y se dt' JJuf ..l por " (, ) a l pl'Ocl llC tO :
n (r) = rr
)=1
, '
('17. - j + 1) = -,-----..,
(n -1')1
ni
(<.\!W1.ÜO r C1I los cuales sí in terC'sa el ordclJ v !lO pU<,dE-'ll rellc>rirsC.> los Clelll C1I
l oS . ('s decir el total dr yari,wioncs \i:,,. [ ' or tFl nt o :
ni
,.1 ( '" " \ n."
(!I - 1 )1
d e dOJl cl c :
C'iL./' = \1" ,.,. =
71
ue ad
/)(; hd
!;J
La d (:w ()::;[. racÍ úJJ de C::i tl; ]( '::iltlradu C::i 1I11 pocu m:t::i compl icada que las
r111teriurcs y debe h a cerse medi allte inducción con respecto el 1'. \' aplicando
j a ¡-cl¡-tejón
~ (,: ~) "ILT/ )
(r + 1 COIl II V 1 ('1.!c:S qu e 7' ::::: (] y n ::::: 1
s -()
(;a)Jit ¡¡lo 2 E SpfiCi o.'i PlObi:lbilizaclos .50
EIl ~l casu C11 el ellal lo::; elemen tos ::;on ig uales : a . a. ... a , clesigIlC\.lllOS por
(( l . (L~ , (I r d arreg]o <:11 ('] Ola] lel.s posi c iU!les 1. '2 r f'"t::-ín ()cllpad a.s , El!
C,sl.(' caso. el [uf.al de 8.nc,I?;l us de lo" l' c1C lll Clll (1:-; (,ll la" II p USiC:ÚJllCS sed igual
al l nl al de ¡IlT('glus el(' SlI blncliu 's q LLe p o delllos H..'iiglliH ,1 los r dCnH'U\(JS
\ (llll,l(!O" riel (UlIj lll l(() (1 , '2 . . 11) "in qlle St ' repitan loc. s lI hí l lcl i r-e" y ,,¡ n con
[losicionr.s
1 2 3
a h
11 U
a b
b a
u a
b a
(1/,.1/0 total c~ Vu - 6, S I lo s (1('!lll'nt o" iI .lJ h fw sel l l(jiWIr' S . los (// '/ C(/l (} e'
dlj f l'1'n!.c,) S('{'J'(JII .')ol(/I/I('II/e Lo, Ires !J7i?I/(,/,os () S(O , C';):!
De fi uici on 2.2.7 (PClllll \ti:\.l' \Ón de lJ cJcn lClltú" con repeticióll ) . Du do" TI
elp11I.en ¿os de lo s cu ales 17, 1 son de '(¿na clas e el, n2 de una claCi e e 2 . , . nk de
'un a clase el; , Sr define r07no permuta ción de tales elementos con repetiezón , a
todo arreglo df(eTente obtenido con dicho s elementos, inteTcam biando el oTdm
de ello s. El número total de perrnutacwn es con r'epetición lo repres entaremos
'{JOT P ,, :nl1l2 .. . llk Y 1;8 1.91/,al 0.:
Cap iLlllo 2 ESP¿lCios Proba.biliza.dos 52
La probé! lJi lidau busc8 da vi eup, lladd por el LOLal de lllUCS tl a.., con l'eelllpl n
zam ient o que contengan n ; el ementos el e la d a 'e e, (i = 1, 2 " , k), d ividid o
por el tot al de muestras con rcemplazami cut.o , E l tot al de mues tr as con re
empl azamien to es V/J n = N n
Las lHuestr as ('011 reemplazamiellto que contieuen elelllentos de C\ ell las pri
m eras n] p osiciones , elementos de C2 en las sigui entes n2 p osiciones , ' " y
elem ent us de C\- en la.., últimas n" p osiciones son N; ' N;"2 , l\T¡'I; ,
Definicion 2.3.2 (Pro lmhili cl 8d hip clg('omé~n i Ci'I.) . Do.do. un o pablación d.r
N ele'rnento s, de lo s C'uale::; N l pe'l1 eT/,f:xen ¡¿ w w clas e el' N 2 peTlen ecen u.
e
un a clase 2 , " N k pertenecen a una clase C k , Se selecciona aleatori amente
sin reemplazamiento 1ma muestra de twnaiio n , La pTObabilidad de q1¿e la
muestra contenga n i elementos de la clase i (i = 1, 2 , , ,k): dond e la suma e
n } + n2 ' . ,nk = n , se denomina probabilidad hiPf'-rgeo m étrica '!J viene d.n,da
pUl :
L\ dCIlW:-: 11HC ióll de ('sLe Il'slll ta rlo (' S si J\lilm e\ lo. HJl(Pl i m '
Le\, pmlJ(\lJilidC1 cl lill:-,cadc\ \· i Cll C ddd o\ p Ul' d t u litl c! (, Jllllestld S ::;ill lt'C'lllp]iL/,CI
1111 ( '11( 0 q l H' (On((,11 i';<\J1 ll , d(~Jn(, lI(() S <.\ (' la cl as(, C. l i = 1. 2 ,. k) , dividido
Tal plOu a bilidad es del ti po Ulultillolllial si el muestreo es COl! reem plaza
mi ento. \ elel tipo hi p crgeomécr ico si el mu es lreo e sin ree mpl azami ento.
T(~ () rema 2.4,1 . Sea ~l = {U ' I ' 11 "2, . } II'lJ ( ' /)fU 'W m/l(,"/Uz!lII./illllo 11 /111/.1:
mld( (}S()( l.IIr/o (f UII ('/( do (J'j J('!'I¡¡¡,( 11./.1) u/cu/u!' /I! . S ('1/, /1/ fl/.il.l: ú Sn p . p rO) - -'7
/..- O S P ( UJ i) S 1 Vi
l'l.. 2::::: J P ( { wd ) = 1
nz, - P(A ) = '"
L.JwE A P({1C}'
' I
Capit ulo 2 Espacio, Pmbélhili zados 56
O cu r n ' ¡LC!t:I1l¡:¡'-;, (!11!' s l'll u l-:;'; posibll' P¡cL/' i\ Ull cO IlJun tu lllln lt: n Lbl( , ,k P I1)!·
p am Lo do 11. D e (,al m a.n era que la "mayoría" de 1m; p unCos mues Lml es tcndn\'n
p lOb abili d,Lcl cero si n
es infiuito no numerable.
Eu l'] Sigllicu[,( ' I eorcma \'('lemos lpl " .si ~l - R. j)oc!r(,l llo s (' ¡¡] cldar la
pllJl¡¡-Lllilid;-ld d( c\J<llqllil'1 (ho r(' lie\llu ) ,.,i
S\ lC CSU ( )J1()('('mos 1.-1 f1llj(' j('1l 1 dl' p ro
1)¡11)i!idill l pMdlos illLcn',¡jos de'l lip u (- X.l]
Teore ma 2.5.1. S('(/. el ( ' S j)()( ' ú; ¡'J1 o!Ja!Jl/' úo !lo H'ul (R . 13 R. , P ) para r) ("tU/.! sr:
co/lOcen las jI'l'U uu,/J'iZul(uLes del tlpu F (( -80 J]) pu.ra Ludo :r E R. E'nlollce::; /:'.';
{Jos ,tule co)clIJaT las probabilidades de! ilPO :
1. - P ( (l . y]) L' - P( [:r:. y])
á.- P({ x }) m.- P( (x.oo) )
iii.- P ((L, y)) P( x, x))
VZl. -
7.'/J.- P ([ I 1j)) 1,ii1..- P (( - 00,T))
J) C'I/ w::;[rució 'I ¿.
i) A = {q\Je 1,).,; .'j IIÚIIH-'1 ()::, c,( 'eUl Ill1í ltljJ l()s d( ' :-l}
..]. Se selecciona ale a lori a mente un núme ro en tre 1 y 100. H all e la p ro ba
hilid ctd ele ub t cner uu cUi:1,drado perfecto si:
'í De (j númCTOs pus iti vos y 8 lI egat ivus se eli gell 4 :ü azar sin reemplaza
llli eu Lu , y se u llllLiplicilll ¿Cuá.l es la prob abi lida d d e que el pro ducto
St'H un n ú m ero positi vu"
6. Co nsi dere JoterÍc\ elE' lOO boletos qu P ofrpce (Ol U O prem ios S carros
LUlA
\" 8 m o Los. Si p prsona r COlllIJr:\ 4 boldos . h alle Lt ¡llol"mhili dacl ele
Illlil
los si gllicntcs :-illC CS()c,
13 Supollga que 4 persollas asisten a Ulla fiesta. Ell la elltraua uel salóll
depositan su so rnb rero en una sombrerera. S i a l sali r , cada person a
r ecoge 11n somhrero a l clZFLr, cllR,1 es la prob ahi lida d de qu e
i) C') = e,: J
jI) (In) (111-r ") (m h--u-IL l.).
It
= ( 111) (k+r)
h~/ ' k
(k)
1t;
0 1¡rc llga:
i) E l valor dE' e
ii) La prohahilicl8d del S11(:CSO cOlltürnl a do pm los m ú ltiplo:-; ele 7
i) P(O )
jii ) P(/{! 2: 1)
K arl Pearson
Km l r emson (18:;7 - 1936) ?!'aC'lú en Londres el 27 de 'marzo
de 1857 en 'una familia de clase m edia alta de Yo rkshire.
En 1875 ganó una beca para estudiar matem áticas en el
lúng 's College, dond e estvdió adem ás filosofía y r-eligzón.
Se graduó en J 8 'lD en la Universi dad de Camb7 'idge con
los más altos honores. Durante 1879 y 1880 estudió en las
unú'ersidadp.s de B erlín :ti Heidelberg, dond e cursó literatl¿Ta
y den~r:'w r01"l1O.no . En 1888 se dedim a la dor:enci a. en
m uLe rn.ática::; en el Kiuy 's College , convirtiéndose en 'U7W
de los profes ores más notables de su época. En el a7io 189 J
conoce al zoólo{jo Walt er \;Vpldon , con qu.ien lo unió 1l7W
c::;Lrecha IJ,T/úsL ud dvxanl.e mi/ellO" ruios. 1/ cuyo in.tl1len c¿(¡.
lo ¡¡ 'I Z O 7.nf('T-eSU,TS( 7!OT' 11/ fjell/lil'{J .iJ lu (') lof1luón . F' PJl l'sm ) ,
11 '( Itloll .iJ Cult(}/I f{l.('!(}f/ !(J,., IU'lI.dlld I!TC,' (11 /u. jJl'cstiyiosli
I'C U'lsta BUJillc!nJ..:a, cuyo p nr¡¡ c l' (!o!7/.1 nen apul'eció el1 1907
De PI'Q1son SOT!, fmn osCLs Sl¿::; uealmudas y públiros disrnd as
con Fzslu-:T sobre dw ers os lernas estadístico s. K ad PeaTs on
f o,l/er:ió en Tnglaterm el 27 de ahril de 1!JS6, o. lo. edad de 7.0
(¿'i¿os. Sll h'~jo, Egon PeUTSO'll, siqlliú s'us pc¿::;os, llegando u
seT design ado como Jef e del Departamento de Es tadísti ca en
el Uní7lersitv College. Entre S1¿8 n7.lmeTOS0 8 aportes p1¿ f'. den
mencionarse el coefi ciente de corrdación lin eal, la distribu
ción chi-cuadrado y las pT1lebas de bondad de ajllste.
De (n se d'ljo .. Era nn hO'ln bre de una gran inteligencia,
que además tenía la gran. vi'rU¿d de expl-icaT claramen te los
:'
m lís Nim7Jlico.dos tem.as . "
Capítulo 3
Probabilidad Condicional
i\,i( B )
f ( B )=-J
N
La frec w'> llciH relativa del sucesu inter secc ión A n B
J(A n B) = N (ANn B )
63
Capi lulo 3 Probabilidad Condicional 64
¡- (A j E = /\ '( A n R )j N = 1 (A n E )
. ) N(B )jN f (B )
B asá n d onos en este r azona m ien Lo , p resentamos la sig uiente definición fonnrll
Defin íclon 3.1.1 (F'llnci ón ne Proha bili r\¡v] Concli cion ;:¡,l). Seo, (D. A, P )
1/ /1, csJ!aclIJ jJ'm ba.{rihzado; iJ seu B v:n suceso tal qu e P (B) > o. Se i.Ü;,tine
P(A j B ) -_ P (A n B) A A (3 .1 )
P (B) para todo E
Ol)s{TVCS(' (jlle e Sla f1UI CI<)JJ ck !llu]);l,biJldild Clmdi ciuu nl \ 'i c']H' ,'xjJlr ,'ic\.c!8
('ll t (' ll11illOS de ];\ [UllCl('l]] d(' [lroLdJiJ id ad 110 COIlO icioJ]al P
Pma veri ticu q\le lél fUllCió ll ;:¡,sÍ dcfiuicla es HllC) hUl c:ióll de plOba l)ili
eb,cl , has! an~ ( <l ll u r'lnost l<'L1 los t 1es ax iomas d(-~ la c1efin icióll 1 7. [
Axium8 1
Pcu'a c Ucl,lqu iel ~ u('e~() A de A se t iene que
P (B) >
Vr), q ll C (J p ell' hi p ótesis y P(A n 13) > () p or ser Puna fllll Cióll de
pro ua,bilic lael .
. \ XiC JlllC\ 2
r,,) jJlO\)il[lilidélcl l'orldici (lJ]c¡] dd S[ \Ccso íI
r)
(q ( : j) r /' l B )
})( O j LJ 1 '- -------- = --- = 1 (3.:3 )
. P(B) PtB)
Cétpi /'Il] O :5 rlOba J)jJjda.d CUll cll('i01WJ (i(i
• Calculando prA l y P(A n B) resp ecto del espacio mue,' tral ori gin al 0,
v aplicando la defin ición 31.1.
P (, \) = L e (A 11 e ,)
,=\
y por el teorem a ant erior
P (A n C;) = P(C, n A) = P(C,) P (Aj C,) e 011 P (C¡) > OVI
i'\sí qu e.
TI
I
I :--"il-CC'i( lila] (,aJa I 1/ ;) I ! 1(1 l / fíU
I
Los dos LCl'Ol'ellWc> siglli ellt es CUll c>lit l.lyE'll gellcrali z8('iou es ele! \é'Ol'eu.lél
ell:1 y sus d \! rn() s tnl(' i uil(-~S St' d ejan ('U ltl u t'F'I'( w i().
Pl' (J dlldo,
A con t inll C1.ci ón veremo.'i un teoreITlel Pllh lica,do en 1763 por el R evercndo
TbolllFlS Bayes, que podría catalogarse CO lllO uno de los m ás illlportantes C11
la tpo ría d e la prob abilid::t.d . No solament p por que pu ed e aplicarse 8. una
all1pliet vMicclad de p r oblemas . sino arl crn:ts por que' const.it uye el p u nt.o d e
p :l.rt ida PCU'<I el u esélJ'rollo de unos turtodos iIlCC'] ('lI Ci ed CS llllly imporl ('l ll( ('S
cI"11< ¡ 111 illdc! U'i 111 ("\ (¡d e¡::) hm'('sIClIIII;; ,
Teoremél 3.2. 5 (TeOl ('ll1d d(' Bil\cs) . Sm (\2. A f' ) 111/ é'spu ci u pTol!abülz ll,(iO
e
y i>r;u j : C 2 .. ,( 'n una parLic /.¡}'TI. Ile í2 EnL()J¿ces . ]Jara clw.lqu ieT suceso A
Cap i t,u lo 3 ProlJ¡..t!)ilidacl COl ¡c/icionn,j 70
, \JI ()l'(\ \¡ic 'J I si lale;; lC1<1('IO]] ('S se l'llll lpl('ll , a plicall do C'l (,eorClll i-l, ~l L1,
lC1ICll j( ¡S
igu a]¡neute
P (B j A ) = P(B ) =? P (B n A) = P (A )P (B j A ) = P(A)P(B)
ele m odo que p o dre lfJo~ decir que los sucesos A y B son indep endientes cuando
L1 p robn hilidad de s u intersección es igual a l producto de sus probabilidades
Tal defin ici6n es simétrica y válida aún cuando P (A ) o P(B) sean nulas .
E jernpl o 3 ,3 ,1. COILsidere el (' j W!I '/ w : 1/ Lo o!('uLu'l'io (¡'/l( ' CUlIS'/.S/C en lun ZilI ,
dos dados d'istiny'U ¡bies r;stwl¿c lo mde]Jcndencin dr: los :su,cesos '
(' = {!l1/.(' lo. S'lI,rn o. d e' (I,mbas núm eTOs sroo. [Jo.T)
Eu gen eral, par a. m ás de t res sucesos teuelllo ' la. sig uiente uefiu icióll
Defi n icion 3.3.3 (Tn dcp enn cl1 cia ele n s ucesos). S e.!), (O , A , P) un espaó o
p lU lmuilizucl o: :1/ J(:;an A l , A 2 ' , . A" ,'i'UU~s o.'j t..:'aul (:;s (j'u,ú,7I¿ de A, Se du;e q'al::
tale.s suces os son m'IJJ'lwmpn!,e independi en t es S I y solo s'í se ¡)(>'('i¡;w la '1'egl n.
riel ]l1'Odvrto pO'l 'il todlJ,,' las ('07l1 bin ul io7l(.s f)()<.;'iblc.';, c·, d( eh si J(' C'wnplc ¡ J(lHl
i , " 1., 2 . 11 U 1-.. -=- '2 3 ' Il r¡ iI ( ,
Pala prolJtll elllulll:es que 11 S l.l CCSOc SUII in dep elllliellLes h ay qU E' d eIllos
Lrar las 2 n - H - 1 condicion es anLeriores , C onvieu e a d ver tir sin emb argo:
que eH lllU Chc,s si tw\,ciolles práctiu-l-s se procene en for ma inver sa: es el cono
ciUll ellto d el problem a. el que nos permi te s uponer la illd ep eu dencia. de los
sucesos , y sobre estu b<1SC pod emus entunces C:1 p li car las fórmulas correspOll
client es pa.ra calcula r las probabilida des de las interseccion es ,
Teorema 3 .3.1 (TlldqwlI (](,lIcia <I (~ II su('( ':-,us ) , Sea (O, A JJ ) 1111 ( ~ .'ijJO(,/.(J pw
!m/;i./izor!o ,v (:,("(w .-\ ] " \2 " '\" ,"'l/cesos iwLc¡J( ruh r ntl'8 di A E nton c!'s c'l/.al
I¡ Ulcr (;Q77Ibin oC't ón dI'- es /o s suc sos 1) Sll,S co mplementos confo r man, suc(:;s os
i71 d PJW I/,dien te s ,
Preguntas de l-ejlexión
1. ;A (j'ué I' S 'ig ual P (A j A )?
6 ;, Q ué 8'¿qm!ico. qw' tre s S'/Lr:CSOS !l. R 1.1 e "ean nmtuCLm pnte md cpclIrlientr.s /
7. P;'iI el (,IJ 'I 'I./n:l. o d.el {( ' ()"/ 'I "I/I(J. rll ' n O,!)1 s. /, ({ I/(: SI ' r! (,,{/!!/IIi,T!(/1/ !'/o /w.lnlil!(/,dcs 11,
ii) PC r·¿ = 1)
1U. Sup ollga C[l W G ele cac!ct J UÜ hmnbn·'s y 2'5 d e cade\' 1ü.üüü mujeres sufn~ll
d altoui sllLo . Suponga adelu ás ql.l hay ellllislllO ulÍmero d e lUlljeres que
de hombr es . Si se seleccion a a leatoria m ente un a persona:
i ) rhlle la pmlJahilic.lnd de ¡¡Ile' U¡I CSLllcl l tmle ¡H ietlC \lJl ét clel,Cll l l i Jli\.d a
1'l'"Pllc"ta.
12 Sup óll gase q ue la prob a bi li dad d~' que e n un j uiciu , el juez legm'
d, u n
veredict o j UfJto es 0 .95, Supóngase además que de los iudivi duos Gajo
j uicio. el 90 % es culp able .
Capitulo :3 Probabilidad COIldiciol1Ld 76
con igu al probabi lidad. Puede hau er un tercer disparo h ecllO por B si
aún está v iv o . H all e la p robab ilid ad d e qu e
i) B mate a A.
ii ) Ambos resu lLen ilesos
17 DllS jugad ores A. ,\' B se ('llb cUlcU1 en Ulla cOllljJ et.ellci'·L d e t e llÍ s de
l .Jw'guc> . ll'SlLlliLllrlO ga.ncu.l()! J e lil llliSJllil t'l CjW' [('slllte V('IH'cdol' ('ll
dos ]l H'g()S. EI1 ('"tri,,\. ]lMtida. L'l 1'1'oh¡.,hilidad de qu e .-\ gA.!l(, es :) \'('('l':--.
lIla.l úl' qll( ' la pro!J,IIJili(LHI de <¡11<' n ,l!,i\JH' H¡.¡)!c la p l ol ) ¡~IJilidc\(1 de q11e'
13 reSll]te gan ado]' d e la competencia,.
20. C()llSidere U11 ::. i"Lem8. cÚlllpUeS \ O por 10 su usisl cmas iu dep eu dien tes .
Si la probahili j¡-ld de que Celda. subs ititern a fun cion e es fUY) ., halle la
pro babilidad de que el sistellla funciou e si
4- Sean A, B Y e los mismos sucesos del ejerci CIO anteri or Describa con palabras los
siguientes sucesos
Ill.- A - (B uC ) IV .- A-(BnC)
r
Sean A, B Y e subconjuntos de Q Describa los sIguientes sucesos con las operaciones
conj untlstas aprop iadas
G - Diga cuáles de las sIguientes fa mtlias constituyen una a -álgebra sobre el conj unto dado,
y cuáles no
i.- {Q}, Q 11.- {Q, ~ , A, A}, Q = (-2, 6] , A = [O , 1)
i11- {AcQ Aes fínitoo A es finito}
9 - Sea Q una a-ál ge bra sobre Q Pruebe que si Al, A2 , , An , es una colección infinita
numerab le de subcon¡untos pertenecientes a Q, entonces n~
1/ =1
AII E Q.
10.- Sea Q = {a,b,c,d} y Fo = { ~, {a}, {a,b}} . Hall e la a-álgebra gene rada por la clase
inicial Fo
11- Sean A y B dos subconj untos de Q Hall e la CJ-álgebra generada por Fo = {{A },{ B}}
12- Sea Q una a -ál ge bra defilllda sobre Q; A Y B un par de sucesos cualesquiera.
Demuestre que (Al-.B) E Q
1. - peA) = '/2 YA, B Y C son mutuamente excluyentes.
11.-
ii i - peA) = 1/ 2 , P(BnC) = 1/3 Y P(An C) =
iv.- p(An( BUC») = 0,7
23 - Sea el espacio probabtlizable (Q, Q), con Q = {1,2 ,3, .. } y Q = P(Q) , Y P{n} tal que
P{n} = K(2 13 y para todo n de Q Obtenga
1.- El valo r de K.
24 - Sea el espacio probabillzabl e (Q, Q), con Q = {O, l,2, .} y Q = P(Q), y P {n} tal que
25 - Consid ere el es pac Io probab ill zab \e del e jerc icio 23 Sea P la funCi ón de probabil Id ad
deftn¡da medl ante Pt {l ,2, .. ,n}l = l- ( 2"1 J" paratodon deQ. Calcul e
1. - pr {1,2,3 ,4}] ; ii .- r{3,4,5, . }]; iii - [{3 ,4,5}], lV.- P {O}; v- P {2} , vi.- P {n }
26 - Sea Q el conj unto de todos los enteros no negatIvos, y Q una slgm a ál gebra sobre Q
Para todo A de Q se defi ne la función P como
SI A es f inito
Cualquier otra ocasión
27- Sea el espacIo probab Il izado (Q , Q, P), con Q =la, b'l y Q = Q(l ,,), (al que
F0= ( [ a, b lo x E O l y P I a funCió n de pro ba bIl Idad dada por PI a, x l = x - a '\j x de Q
b- a
1- Ve ri fIq ue que P(Q) = 1. Calcul e las Sigui entes probabilId ades
li - P[ { x {l ili - P[ (u+ b)/2 h] IV. - P[ (a+ b)/2 , (a+ 3b)/4 1
UN TVERSID AD CENTRAL DE VENEZUEL A
f ,A.Cl JLTAD DF CTEN ClA S ECO JOMICA S y SOC1 LES
ES U ][I"A DE ESTA DTSTrCA y CJENCLA.S ACTUA RI ALES
TE ORI /\ 81-, [ L\ PRO n ABll,l])I\D r
PRACTICA NO 2
Espacios Probabili::ados Finitos, Probabilidad Hipergeométrica y Multinomi al.
1.- Dos hombres h l y h2 , Y tres mUjeres mi ,m 2,lTI 3, intervienen en un torneo de aj edrez Los
del mismo sexo tienen iguales probabil idades de ganar, pero cada hom bre tiene el dobl e de
posibilidades de ganar que una mujer ei) Halle la probabilidad de que una muj er gane el
torn e o~ (ii ) Si h l Y mi son casados, halle ]u probabilidad de que uno de ellos gane el
torneo
4. - Tres niños y tres niñas se sientan en una fila de 6 puestos. Hall e la probabil idad de que
(i) las tres niñas se sienten juntas; (ii) los niños y las ni ñas se si enten alternados
5.- Una caja contiene esferas num eradas: 1,2, ... ,no Se escogen dos esferas al azar.
Enco ntrar la probabilidad de que los números sobre las esferas sean enteros consecutIvoS,
si (i) las esferas se escogen s in su s tituci ó n~ (i) las esferas se escogen con sustituci ón.
6. - Se escogen al azar r núm eros (0< r < 10) sin sustitución entre los nú meros 0, 1,2 ,9
Cuál es la probabilid ad de que dos no sean Iguale s
7.- Un som brero co nti ene 20 pedazos de papel de color bl anco numerados del 1 al 20 , 10
de color rOJo numerados del 1 al 10; 40 de color amarill o num erados del 1 al 40 y 10 de
color az ul numerad os del J al 10 Suponiendo que cada pedazo de papel tiene la misma
probabilidad de se r seleccionado, determine la probabilid ad de seleccionar un pedazo que
sea ei ) azulo bl anco; (ii) numerado 1,2,3 ,4 o 5, (lii) roJo o amarillo y num erado 1,2,3 04 ,
(IV) numerado 5, l 5)5 o 35 ; (v) blanco y con numeraCIón mayor que 12 o amarillo y con
num eración mayor que 26
8.- En un Juego donde se tiran 5 dados al mismo tiempo, determIne las probabdidades de
obte ner (i) dos pares (un par lo forman dos dados igual es); (ii) tres de un tipo , (iii) un full
(tres de un tipO y un par); (iv) cuatro de un tipo.
------ -
UNTVERS ID AD CENTRAL DE VENEZUEL A
FACULTAD DE CTENCIA S ECO OT'v1TCAS y SOCIAL ES
ESCUELA DE ESTADISTICA Y CIENCIA S ACTUARTALES
TEORIA DE LA PROBABILIDAD T
PRACTICA NO 3
Probabilidad Condicional, Probabilidad Total y Bayes.
4 .- Si A Y B son dos suceso s para lo s cuales P(A /B)Jp( A), demuestre que P(B/A) = P(B)
5 - Sea n A y B dos sucesos (a) Si peA) = P(B) = 4/5. demuestre que P( A/B ) .= 3/4, (b) SI
pe A) = x PCR ) - \' , demuesu-e que P(A / B) =:. (:- .: +y-I l/y
(SugereJ'lCl a P(J\ n B ) = P(A ) + P([3) - 1)
6- Consi dere un dado cargado de manera tal que cada número tiene una probabilI dad de
ocurrir proporcional a su valor Si se lanza dicho dado, hall e la probabilid ad de obtener (a)
un núme ro primo, si el resultado es mayor que 3; (b) un número par, si el res ultado es un
número prImo.
7.- Calcule la probabilJdad de que al lanzar un par de dados la suma sea par, SI se sabe que
los resultados de los dados fueron diferentes
9 - Supóngase que A y B son dos sucesos tal es que P( A n R) = OA y P(B ) = 0,2 Hall e
( i) P( A / E ) (Iii) P( .1 n !3 ) ( IV) P(A u B)
12.-Si A Y B son sucesos md ependientes, pruebe que (1 ) A Y B son independi entes; (Ji)
- -
A Y B son independ Ientes
°
17.- Un número binario está compuesto sólo de los dígitos y 1 (Por eJ m, 10 11, 1100,
etc) Supóngase que un número binario está formado por "n " dí gitos y que además la
probab ilidad de que aparezca un dígito incorrecto es "p" Si los errores en dí gitos
di ferentes son mdependlentes unos de otros, ¿Cuál es la probabilidad de formar un número
mcorrecto'l
18 - Dos personas lanzan tres monedas cada una ¿Cuál es la probabil idad de que obtengan
el mi smo núm ero de caras'?
19 - Dos máqu inas A y B, que se accionan Independienteme nte , pueden te ner un ci erto
núm ero de Cal las c<:Ida día La slguicnte tabla da la di strib UCi ón de probab Ilidades de las
fall as de cada una
Núm ero
I 2 3 4 5 6
De fall as
Máq A
°
0,1 O 0,20 0,30 0,09 0,07 0,04
Máq B 0,3 0 0,10 0, 10 0,1 0 0,15 0,15
2 1- (,C uál es la probabil Id ad de que a un mi smo Jugador de dominó le sal gan exactamente
4 dobles durante tres manos consecutivas'l
22- Tres Jugadores A, B Y C están jugando una secuencia de j uegos, en las que cada uno
tiene Igual probabilidad de ganar El ganador de cada juego se gana un punto. El Jugador
que alcance pnmero tres puntos se ll evará un premio. Si ya han jugado tres veces y A ha
ganado dos veces y B un a vez, ¿cuál es la probabilidad de que C se lleve el premio?
23.- En una caja hay 5 piezas de las cuales 2 son defectuosas. Las pi ezas se prueban una a
una hasta descubri r las 2 defectuosas. Calcular la probabilidad de que el proceso se detenga
en. (a ) La segunda prueba; (b) La tercera prueba.
25 .- Una rifa entre c in co personas co nsiste en acertar un núm ero comprendl do entre 1 y 6.
El núm ero ganador es el 3 Cada una de las personas dice en orden un número, de fo rm a tal
que las restantes se enteran de su elecc ión SI se acierta el número 3, se gana y se termina la
rifa, SI no, queda elimi nado y le corresponde el turno a la sigUIente persona. Si ninguno
aCierta, la casa gana la rifa (a) ¿Cuál es la probabilidad de que la rifa la gane la persona que
le tocó el cuarto turno? ; (b) ¿C uál es la probabilidad de que la casa gane la rifa?
26. - La urn a 1 conti ene "x" esfe ras blancas e "y" esferas rojas La urna 2 conti ene "z"
esferas blancas y "v" es feras rojas . Se escoge una esfera al azar de la urn a 1 y se pone en
la urn a 2 Entonces se escoge una esfera al azar de la urna 2 ¿C uál es la probabilidad de
que esta esfe ra sea blanca')
27 - Un b ol ~ o \..~ont i e nc tres monedas , una de las cuales está acuñada CO Il dos caras,
m lentras que IdS orlas dos monedas son normales y no son sesgadas . Se escoge una
mon eda al <lLa r d~ l bo lso) se lati za cuatro veces en for ma consecutIva. SI cada vez sale
cara, ¿cuál es la probab ilI dad de que ésta sea la moneda con dos caras')
28 - Una caja contiene "b" bo las negras y " r" bol as rOjas Una bola es se leCC ionada
aleatorI amente , y esta bo la es retornada a la caja Junto con "c" bo las del mismo color. A
continuación se selecci ona ulla bol a de la caja con la nueva composicion. Halle la
probabilidad de que la prim era bola seleccionada sea roj a, si la segunda bola es roja.
29- Tres máquinas están fabricando las mismas piezas. La máqullla A neces ita 3 minutos
para fabn car una pIeza, y produce 1% de piezas defectuosas; la máquina B necesita 1
minuto y 12 segundos para fabr icar una pieza, y produce 4% de piezas defectuos as; la
máqu ina C necesita 2 minutos para fabricar una pieza, y produce 5% de piezas defectuosas
De la producción del dí a se selecclOna al azar una pi eza y resul ta ser defectuosa Calcule lu
UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE CIENCIAS ECONOMICAS y SOCIALES
. ESCUELA DE ESTADISTICA y CIENCIAS ACTUARIALES
DEPARTAMENTO DE ESTADISTICA Y PROBABILIDADES
CATEDRA DE INFERENCIA Y PROBABILIDADES
.
r'
".
I
r
~.,.
TEORIA DE LA PROBABILIDAD I
"Variábles Aleatorias"
GUILLERMO RAMIREZ
MAURA VASQUEZ
ADELMO FERNANDEZ
CARACAS
2005
-1
Hemos visto hasta ahora que cuando el espacio muestral .o es numerable, basta con
definir la probabilidad de cada suceso elemental {w¡} para construir el ,espacio
probabilizado (.o,9'l,P). Por otro lado, el único espacio muestral no numerable que
estudiamos fue .o = R, espacio al que se le asocia la Sigma-álgebra de Borel , y en cuyo
caso basta conocer las probabilidades del tipo P«-co, x]) para ,calcular la probabilidad de
cualquier boreliano.
Todo lo anterior nos va pennitir manejar todos los experimentos aleatorios con una
misma teoría sin tener que distinguir si el espacio muestral es numerable o no. Aquellos
... números reales que no sean utilizados como imágenes, podemos considerarlos como
asociados a sucesos casi imposibles (sucesos distintos del imposible pero con probabilidad
nula), lo cual nos evita complicaciones probabilísticas.
- - - -----=-~~
-2
De esta definición se desprende que los sucesos A y B son equivalentes, ya que si A ocurre
entonces B ocurre, y viceversa:
, ' /
Resulta claro que si los sucesos (A = X-I(B» y B son equivalentes, deben tener -la misma
probabilidad.
Axioma 1
Axioma 3
Si B1, B2, ... es una colección infinita de sucesos mutuamente excluyentes de CZ3 R,
entonces:
~ ~ 00 ~ ~
Teorema 4.1.1.
Sea (0.S/) un espacio probabifizable asociado a un cierto experimento aleatorio. La 'función
X: 0. ~ R es una variable ale~ori~ si y solo si X- 1« -00, x]) E 91 para todo x E R.
.'
t-...
Demostración:
Condición Necesaria
Condición Suficiente
e
Definamos en primer lugar la clase = { Ce R: X-I(C) E 9l}.
Ahora bien, por construcción, se tiene que la clase de intervalos Fo = { ( - 00, x] : x E R} está
incluida en C.
En consecuencia:
y por consiguiente:
Nótese que si X es una variable aleatoria, se cumplirá que las imágenes inversas de
conjuntos de números reales de tipo [x, (0), (x, (0), (-00, x), (x, y], {x}, (x, y), [x, y) Ó [x, y]
también pertenecen a 91. De hecho, el teorema 4. 1.1. puede equivalentemente ser
enunciado, por ejemplo, con intervalos de la forma [x, (0), (x, (0) o (-00, x).
'1:, '
-4
Ejemplo 4.1.1.
Sea (o.,9/) un espacio probabilizable, y sea la función Xa: o. .~ R definida por:
{~
si x< a
SI x ~ a
entonces X~l « -'- 00 , x]) E91 para todo x E R, así que X a es una variable aleatoria. Esta
.
.....
\Teorema 4. 1.2.- "Ope!aciones con Variables Aleatorias"
Sea (o., 9/)un espacio probabilizable, y sean X e Y variables aleatorias. Entonces también
son variables aleatorias:
X+Y X2
1.-
.r
¡¡;..•• •
V.
ll.- X+c CE R vi.- XY
Demostración:
X·l«x-r¡,oo» E91 Vi
y-l«y,oo» E91
Vi
donde los ri son los números racíonales comprendidos entre x - X(w) y Y(w).
r
I -5
Luego la intersección:
00
11.- Por el ejemplo 4.1.1. sabemos que la función constante Xc es una variable aleatoria,
entonces por L-,tenemos que:
{WEQ:CX(W) ~ x} E91 ~.
lV.- Por iiL- tenemos que (-Y) = (-I")Y es una variable alyatoria, entonces por í.
tenemos que X - Y = X + (-Y) es una variable aleatoria. ~-$
'""¡¡¿ ........
v.- Consideremos dos casos:
r 2
En consecuencia (X2 l ((-co, X])E91 V'xER, y por tanto X es una variable aleatoria.
·vi.- Como XY = (l/2){ (X+Y)2- X 2 - y 2}, entonces por i, iii, iv y v, tenemos que XY es
una variable aleatoria.
IXrl((-oo,x]) E 91 \;fxER
En consecuencia IXI-l((-oo, x]) e91 \;fx ER, y por tanto IXI es una variable aleatoria.
I
{WEO:X(W) ::; ,logcx } E91
t'
l'
\;fxER
1.- Fx es acotada. t ~
,
En efecto: O' ~ Fx(x) = p\(-oo, x]) ~ 1 'v'x ER
2.- Fx es no decreciente.
Sean los puntos Xl < X2, entonces:
FX(X2) - FX(XI) = pX((_oo, X2]) - p\(-oo, Xl]) = P\(XI, X2]) ~ O
de donde: FX(X I) ~ FX(X2)
}r =.
~.'.
en forma similar:
Tenemos entonces que si X es una variable aleatoria y (R, gR, p X) el espacio probabilizado
inducido por ella, existe una función Fx definida por p\(-oo, x]) que cumple con las cuatro
propiedades anteriores. Recíprocamente, si Fx es una función que cumple las cuatro
propiedades anteriores, se demuestra que existe un espacio probabi lizado (R, gR, p X) tal que
Fx(x) es igual a p X ((-00, x]) .
-9
Ejemplo 4.2.1.
Considere el experimento aleatorio que consiste en lanzar una dado correcto. Construya el
espacio probabilizado asociado (O, 91, P). Demuestre que la función X: O ~ R
definida por: '"
w=1
X(w) w = 2,3
w= 4, 5, 6
Definamos sigm.a-álgebra:,
9l = ,[p(Q)
~. 'h'j) "/
..¡.
La función de probabilidad P: 91 ~ R es tal que:
'ji 1
P(w) =
6
~ x <1
{ 1} l :S; x< 2
=
{ 1; 2, 3 }2 :s; x < 3
O x ~ 3
Gráficamente:
( 1
¡ \ / \v
(-00 --- - - - - 1 - - - 2 - - - - 3 -1--
\ - - - --- 00)
6
)
O
1
R
- 10
La función de distribución:
o x <1
1/ 6 1s x < 2
Fx(x) Px((-oo, x]) = P( X -l((_oo, x])) =
3/ 6 2 $ x<3
Gráficamente:
Fx
1/ 2
116
- 00 .••
;
'- -- - - - - + - . . - -----;- - - - " " - - - --'--- - --_+_
,r • 1 2 3 x
~"
Ejemplo 4.2.2.
Sea X una variable aleatoria con función de distribución dada por:
Fx(x) =
Gráficamente:
Fx
---- -- --
- 00 ••. -------~--------~-------------~
x
-11
En los dos ejemplos anteriores observamos que en algunos casos la función de distribución
es continua solamente por la derecha, y en otros casos es también continua por la izquierda,
y por tanto continua. Veremos más adelante que esto depende del tipo de variable que se
trate.
Teorema 4.2.1.
Sea X una variable aleatoria con función de d,istribución Fx. Entonces:
Demostración:
= Px(x)
De tal manera que en los puntos que tengan probabilidad positi:va, la función de
distribución será discontinua por la izquierda.
Corolario.
(7) En este ejemplo hemos introducido la función lA, denominada función indicatriz del conjunto A, y
defmida por IA{W) = 1 ó O según el elemento W pertenezca o no al conjunto A. Esta función será de
utilización muy frecuente en este texto).
rI
Demostración:
Fx(b) - Fx (a)
= F x(b ) - Fx(a-O) .
iii.- PX((a,b» = pX( (- 00, b ) - (-oo, a]) = P \(-oo,b» - PX ((_oo ,a])
..
<
= Fx (b-O)-Fx(a)
.(
Fx (b-O)-Fx(a -O)
'l' •
Ejemplo 4.2.3.
.".
l'
x+2
Fx(x) = -4- I[-l,l)(X) + I[I ,co)(X)
11.- pX (O)
lll.- pX (1) e ~\
V .- pX ([2,3]) f"
L") 7 -' Le) fX .
~ .
. . Gráficamente:
Fx
,
I
.~
-=-------------~ ---
-13
\~
En esta sección y las dos siguientes, veremos los diferentes tipos de variables
aleatorias, los cuales quedan caracterizadas según la forma particular de la función de
distribución. Comenzaremos defIniendo a la variable aleatoria discreta y a la función de
masa, función que permite especifIcar el comportamiento probabilístico de este tipo de
variable. <
Se dice que una variable i~eatoria X es discreta si existe una sucesión de puntos {X¡ } tal
que: ,"..
En este tipo de variable, la "masa de probabilidad" está concentrada en los puntos XI. X2,
... , de allí que a la función qué asigna a cada pü11tlNm probabilidad, se le denomine función
de masa.
Sea X una variable aleatoria discreta. Se defIne como función de masa de X, a la función(2)
1
I
1:
En este caso la función de distribución de X viene dada por:
I
1;. Teorema 4.3.1.
Sea X una variable aleatoria discreta con función de distribución Fx y función de masa Px.
(2)
No debe confundirse la función de masa Px (función de punto) con la función de probabilidad inducida
p X (función de conjunto).
-14
Demostración:
Es claro que:
En general, la probabilidad
,
de
, cualquier subconjunto A de R se calcula como:
peA) = I Px(x)
.r
t-.. .
' xeA
Ejemplo 4.3.1.
Sea X una variable aleatoria discreta con función de masa:
(3)
Suma geométrica infinita de razón r = 1/2
(4)
Suma geométrica infinita de razón r = 1/4
(5)
Suma geométrica fin ita de razón r = 112
-15
De acuerdo con lo anterior, tenemos que cualquier función real valorada Px: R~ R
no negativa, con dominio numerable y tal que su suma sea igual a uno, constituye una
función de masa de alguna variable aleatoria X. Claro está que podríamos desconocer el
experimento aleatorio que da origen a tal variable, lo que está más relacionado con la
estructura aplicada que con la estructura t~órica del modelo.
Se dice que una varia~le . aleatoria X es continua si existe una función no negativa e
F x(x) =
Teorema 4.4.
Si X es una variable continua entonces Px({x}) = O V'xER.
Demostración:
Fx(x) - Fx(x-O)
Fx(x) - Fx(x) = O
(6)
Nos referimos aquí a la condición de integrabilidad de Riemann.
-16
En el siguiente teorema pr~sentaremos una condición necesaria y suficiente para que una
función sea una función de~densidad.
Teorema 4.4.2.
Sea la función integrable f: R ~ R. Entonces f es una función de densidad si y solo si:
Demostración:
Condición Necesaria
f(x) ~ O 'v'xER
[ ro f(x)dx
x-too
= Lim r. f(t)dt
00 x~ oo
= Lim Fx(x) = 1
--~------------
.
.........
-17
Condición Suficiente
Sea f una función integrable no negativa y tal que su integral en R es igual a 1. Definamos
la función integral indefinida de f por medio de:
Veremos que esta función cumple con las cuatro propiedades de la definición 4.2.1.:
1.- Acotada:
2.- No decreciente:
ya su vez:
I~
I
Lim[ f (t)dt = [ f (t)dt = O
x~-oo 00 00
1
(i)
Recuérdese que si se cambia el valor de una función en un conjunto numerable de puntos, su integral no
varía.
-18
fx
V P(<a,b» /¡
~ x
En general, la probabilidád de cualquier boreliano A se calcula c,) mo:
.r
¡O-.-. ·
peA) =
y:
así que fx(x) es el límite de la probabilidad media en el intervalo <x, x + dx> cuando
---- -
-19
Gráficamente:
fx(x)
x x+dx'
~
dx
Ejemplo 4.4.1.
Sea X una variable aleatoria continua con función de densidad:
1.- el
Demuestre que fx ~a' función de densidad
f(x) ~ O y además:
O x< O
Fx(x) =
{f 2tdt =
1
X2 O~x<l
x~ 1
o bien:
p X ((1I2, 1)) =
JI,f 2xdx = 3/4
.
Gráficamente esta probabilidad representa el área del trapecio:
fx
2
. X
Ejemplo 4.4.2.
Sea X una variable aleatoria continua con función de densidad:
e
,
11 - xl) 1(0,2)(x.
."'"
f:~(x)
'
,= (1 -
1. Demuestre que fax es úna función de densidad.
\
1.- En primer lugar tenemos: -: -1
\~ ... \-1:j.
[ ", f (x)dx = !xdx + f (2-x)dx = 1
O x<O
1 2 :s;x
-21
o bien:
fx
'1'
"
,".- .
1/2 3/2 x
Además de las variables aleatorias discretas y las continuas, existen otras variables
aleatorias; que denominaremos mixtas, cuya función de distribución es de la forma:
Puede decirse entonces que estas varÜlbles tienen una "parte discreta" y una "parte
continua", cuyas leyes de probabilidad puedeB obtenerse por medio de:
d
Parte Continua: f~ (x) = -' -Fx(x) en todo punto de continuidad de Fx.
dx .
x +2
Fx(x) -4- IC-l, 1)(X) .+ ICI,oo)(x)
\
-23
Gráficamente:
Fx
1
d i
Px(x) ,= Fx(x) - Fx(x - O) = 4"1 1{-I, l}(x)
,r
~,.
La función es continua 'en el intervalo (-1, 1), el cual constituye la "parte continua",
cuya ley de probabilidad viene dada por:
d 1 .
f~(x) = -Fx(x)
dx
= 4 1(-1, I)(X)
Se cumple entonces que:
1 1
P(O<X::;;I) =
i 1
( - )dx + -
144
=
2
1 1
Fx(l) - Fx(O) = 1- - =
2 2
-1
PRACTICA 4
1.- Sea (O, 91, P) un espacio ProbabiliZado asociado a un experimento aleatorio. Sea la
función Xa : O~R definida por:
i
"
Demuestre que Xa es ,una variable aleatoria. Halle su función de distribución.
si W E A ~,
Ia(w) =
siw ~ A
Demuestre que lA es una variable aleatoria. Halle su función de distribución.
Supóngase que el tiempo en minutos que una persona tiene que esperar hasta que pa'Se
el autobús por una cierta parada, es una variable aleatoria con función de distribución:
o x<O
~
x/2 O~ x< 1
Fx(x) = 1/2 1 ~ x< 2
x/4 2~ x < 4
1 4 :S;; x
Grafique la función. Halle la probabilidad de que el tiempo que una petsona tiene que
esperar sea:
•
i.- Más de 3 minutos
11.- Menos de 3 minutos
iii- Entre 1 y 3 minutos
iy- Más de 3 minutos dado 'que es más de 1 minuto
v- Menos de 3 minutos dado que es más de 1 minuto
-2
5.- Supóngase que la cantidad de miles de bolívares que una persona de un grupo social
determinado ahorra durante un mes es una variable aleatoria con una función de
distribución:
Grafique la funci ón. Halle la probabilidad de que la cantidad ahorrada por una persona
sea:
i.- Más de 50
iL- Menos de -50
iiL-Entre -50 y 50
iv;-Igual a 50 .
V.- Menos ~e 100 dado que es más de 50
vi.- Más de 50 dado que es menos de 100
I
6.- Sea X una variable aleatoria con función de distribución:
Ir
~ .,.
O x < -1
x+2
Fx(x) = -- -1 ~ x <1
4
1 1 ~ x
O' x< -2
(x+2)/8 - 2 ~ x < -1
1/4 - 1 ~ x< O
Fx(x) =
(x+8)116 o~ x< 2
(x+1)/4 2~ x< 3
1 3~ x
.0---
- -----
-3
V-+Ltyq 2'=>< L 5
x< O
OS;x< l • 5'X.
Denuncia N" 002644 12-02-2014 Fx(x) = 1 ~ x< 2
9. Sea X una variable. aleatoria con fun~ión de distribución Fx. Exprese en ténninos de 11'"
12. En un juego de dados se tiene que un jugador gana mil bolívares si saca 7 u 11, Y
pierde mil bolívares si saca 2 o 12; en otro caso ni gana ni pierde. Describa el espacio
probabilizado asociado. Defina una variable aleatoria que describa tal juego. Halle su
función de masa y su función de distribución.
En un juego que consiste en lanzar tres veces una moneda, defina la variable aleatoria
X = Número de caras - Número de sellos. Halle su función de masa y su función de
distribución.
fx(x) = Vx eR
Halle:
i. k ii.- Fx
-~.~~~-===========~~~--------~----~~--
-4
1 +x -1 < x < O
fx(x) = 1- x O< x <k
{
O c.o.c
Halle:
i.- k ii.- Fx
{ ~ (OX /54)
2
__
-k < x <k
. fx(x)
c.o.c
i.- Halle k
ii.- Halle Fx .
iii.- Compruebe que: ~(O < X < k) = P(-k < X < O). (¿A qué se debe tal resultado?)
iv.- Calcule: P(O < X y:: 1 /,-1 < X < 1)
.
.....
kx O<x < l
k 1<x <2
fx(x) =
k(3 - x) 2<x <3
O c.o.c
i.- Halle k
ii.- Halle Fx
fx(x) = V'xeR
1.- Halle k
iv.- Grafique fx