Académique Documents
Professionnel Documents
Culture Documents
1
2 σ-álgebra de eventos.
Resulta evidente que el concepto de álgebra es ya insuficiente. De los ejem-
plos anteriores, se intuye que el concepto de álgebra debe ser extendido a un
concepto más general que incluya la propiedad de que si An ∈ F para todo
n ≥ 1 entonces
∞
[
An ∈ F.
n=1
P(Ω) = {A | A ⊆ Ω} y P0 = {∅, Ω}
P0 ⊂ F ⊂ P(Ω).
F = {A ⊆ Ω | A es contable o Ac es contable}.
Entonces F es σ-álgebra.
2
Evidentemente, un σ-álgebra es también un álgebra, y por tanto es cerrado
bajo cualquier operación finita de subconjuntos. Sin embargo, una familia
cerrada bajo uniones finitas no necesariamente es un σ-álgebra.
Ejemplo 4. Sea Ω = (0, 1]. La familia
( n )
[
G= Ai | n ∈ N, Ai ∈ C ∀ i = 1, ..., n, y Ai ∩ Aj = ∅ si i 6= j ,
i=1
donde
C = {(x, y]|0 ≤ x ≤ y ≤ 1},
es cerrada bajo uniones finitas. De hecho G es un álgebra. Sin embargo no
es σ-álgebra. Por ejemplo, los intervalos (1/2n, 1/(2n − 1)] pertencen a G
(de hecho pertenecen a C), pero, dado que son ajenos, su unión no puede ser
expresada como una unión finita de intervalos en A.
Hay otras formas equivalentes de describir un σ-álgebra, una de las más
útiles es la siguiente.
propiedad (σ2), entonces n=1 An ∈ F, por (σ3), pero de nueva cuenta por
(σ2), !c
\∞ ∞
[
An = An c
∈ F,
n=1 n=1
0
lo cual prueba (σ3 ). Se deja al estudiante el resto de la prueba.
3
3 σ-álgebra generada por una clase de
subconjuntos
Teorema 2. Sea F una familia arbitraria de σ-álgebras definidas sobre un
conjunto Ω. Entonces la familia
E = { A ⊂ Ω : A ∈ F, ∀ F ∈ F }
es σ-álgebra sobre Ω.
Observación 1. El conjunto F es una clase de segunda categorı́a, esto es, es
una clase de clases: Una clase cuyos elementos son a su vez clases. Notamos
entonces, \
E= F,
F∈F
Esto es, C es la clase que reúne todos los σ-álgebras que contienen a las clase
C. Dado que C ⊆ P(Ω) y P(Ω) es σ-álbebra sobre Ω, tenemos que P(Ω) ∈ C .
Por tanto nuestra familia de σ-álgebras C es no vacı́a.
4
Existencia. Definimos σ(C) := F∈C F. Por el teorema anterior, sabemos
T
que σ(C) es un σ-álgebra. Como C ⊆ F para toda F ∈ C (por definición), se
tiene entonces que C ⊆ σ(C). Por último, para cualquier σ-álgebra F en Ω, si
C ⊆ F entonces F ∈ C , y por la propia definición de σ(C), se tiene σ(C) ⊂ F.
Unicidad. Si F es un σ-álgebra que cumple con i) y ii), entonces
F ⊆ σ(C),
Pero también σ(C) verifica estas dos propiedades, como probamos, y por ende
σ(C) ⊆ F.
Luego σ(C) = F.
C ⊂ C∗ ⊂ σ(C∗ ).
σ(C) ⊂ σ(C∗ ).
4 Restricción de un σ-álgebra.
Proposición 2. Sea F un σ-álgebra sobre un conjunto Ω y sea Ω0 ⊂ Ω.
Entonces la clase
F ∩ Ω0 := {F ∩ Ω0 : F ∈ F},
es un σ-álgebra sobre Ω0 .
Demostración. Como Ω ∈ F,
Ω 0 = Ω ∩ Ω0 ∈ F ∩ Ω0 .
Ω0 \E = Ω0 \(F ∩ Ω0 ) = Ω0 \F = (Ω\F ) ∩ Ω0 ∈ F ∩ Ω0 ,
5
puesto que Ω\F ∈ F. Finalmente, si En ∈ F ∩ Ω0 , para todo n ≥ 1, entonces
existe una colección Fn ∈ F, n ≥ 1, tal que En = Fn ∩ Ω0 . Por lo tanto
∞ ∞ ∞
!
[ [ [
En = (Fn ∩ Ω0 ) = Fn ∩ Ω0 ∈ F ∩ Ω0 ,
n=1 n=1 n=1
S∞
dado que n=1 Fn ∈ F.
Proposición 3. Sea C una clase de subconjuntos de Ω y sea Ω0 ⊂ Ω. Si
definimos la clase C ∩ Ω0 := {C ∩ Ω0 : C ∈ C}, entonces
σ(C ∩ Ω0 ) = σ(C) ∩ Ω0 .
σ(C ∩ Ω0 ) ⊂ σ(C) ∩ Ω0 .
σ(C) ∩ Ω0 ⊂ σ(C ∩ Ω0 ).
5 Espacio de Probabilidad
Con el concepto de σ-álgebra podemos establecer la definición más general de
medida de probabilidad y de espacio de probabilidad.
Definición 2. Sea Ω un conjunto no vacı́o y sea F un σ-álgebra sobre Ω. Una
medida de probabilidad es una función conjuntista P definida sobre F tal
que
(P1) P(A) ≥ 0, para todo A ∈ F.
(P2) P(Ω) = 1.
(P3) σ-aditividad. Si An ∈ F, n ≥ 1, es una colección de eventos ajenos,
entonces
∞ ∞
!
[ X
P An = P(An ).
n=1 n=1
6
Un espacio de probabilidad es una terna (Ω, F, P), donde Ω es un conjunto
no-vacı́o, llamado espacio muestral, F es un σ-álgebra sobre Ω, llamado
σ-álgebra de eventos y cuyos elementos son llamados eventos, y P es una
medida de probabilidad definida sobre F.
Esta definición envuelve la primera definición que hemos estudiado, debido
a que todo σ-álgebra es también un álgebra, y al resultado siguiente, cuya
prueba es casi inmediata y se deja al estudiante.
Proposición 4. Una medida de probabilidad P es finitamente aditiva. Esto
es, si Ai ∈ F, i = 1, ..., n es una colección finita de eventos ajenos, entonces
n
! n
[ X
P Ai = P(Ai ).
i=1 i=1
7
Ejemplo 7 (Espacios de probabilidad discretos). Sea Ω un conjunto y supon-
∞
gamos que Ω0 = {ω1 , ω2 , ...} es un subconjunto contable de Ω. Sea {pP
i }i=1 una
sucesión de números reales tales que 0 ≤ pi ≤ 1, para todo i ≥ 1 y i pi = 1.
Sobre P(Ω) definimos X
P(A) = pi ,
i∈ΓA
donde ΓA = {j ≥ 1 : ωj ∈ A∩Ω0 }. Entonces P es una medida de probabilidad.
Note que la naturaleza discreta de este espacio depende de las caracterı́sticas
de P, más que de las Ω o F.
Como consecuencia, la propiedad de σ-aditividad implica que una medida
de probabilidad es continua para sucesiones monótonas de eventos.
Teorema 5. Sea (Ω, F, P) un espacio de probabilidad y sea An ∈ F, n ≥ 1,
una colección de eventos.
i) Si An ⊂ An+1 entonces
∞
!
[
P An = lim P(An ).
n→∞
n=1
8
Para la segunda parte, si An+1 ⊂ An , entonces Acn ⊂ Acn+1 . Por lo anterior,
∞ ∞
! !
\ [
P An = 1 − P An = 1 − lim P(Acn ) = lim P(An ).
c
n→∞ n→∞
n=1 n=1
Por lo tanto,
∞ ∞ ∞
! !
[ [ X
P An =P Bn = lim P(Bn ) ≤ P(An ).
n→∞
n=1 n=1 n=1
9
Para concluir esta sección demostraremos, como corolario de la continuidad
de P, un de resultado bastante relevante.
Teorema 6 (Lema de Borel-Cantelli). Sea (Ω, F, P) un espacio de probabilidad
y {An }n≥1 ⊂ F un colección de eventos. Si
∞
X
P(An ) < ∞,
n=1
entonces
P lim sup An = 0.
n
P∞
Demostración. Dado que n=1 P(An ) < ∞, entonces,
∞
X
lim P(Ak ) = 0.
n→∞
k=n
Ahora,
∞
[
P lim sup An = lim P Ak
n n→∞
k=n
∞
X
≤ lim P(Ak ) = 0.
n→∞
k=n
P(A ∩ B) = P(A)P(B).
10
Definición 4. Sea Γ un conjunto de ı́ndices arbitrario no-vacı́o. Supongamos
que {Aγ }γ∈Γ ⊂ F es una colección de eventos. Decimos que los eventos Aγ ,
γ ∈ Γ, son independientes si para cualquier sub-colección finita Aγ1 ,...,Aγn ,
n
\ Yn
P A γi = P(Aγi ).
i=1 i=1
11
y usando que 1 − x ≤ exp{−x}, para todo número real x,
n
( n
)
Y X
(1 − P(Ak )) ≤ exp − P(Ak ) ,
k=N k=N
de donde,
∞ ∞
! ( N
) ( )
\ X X
P Ack ≤ lim exp − P(Ak ) = exp − P(Ak ) = 0,
n≤N →∞
k=n k=n k=n
por lo tanto,
∞
∞ \
!
[
P lim sup An = 1 − P lim inf Acn =1−P Ack =1
n n
n=1 k=n
12