Teora de la probabilidad

Saltar a: navegacin, bsqueda La teora de la probabilidad es la parte de las matemticas que estudia los fenmenos aleatorios estocsticos. Estos deben contraponerse a los fenmenos determinsticos, los cuales son resultados nicos y/o previsibles de experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen como resultado de experimentos realizados, otra vez, bajo las mismas condiciones determinadas pero como resultado posible poseen un conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda.

Definicin segn la frecuencia relativa y definicin axiomtica

Artculo principal: Axiomas de probabilidad.

La autodefinicin axiomtica de la probabilidad se define con base a s misma (igualmente factible es sinnimo de igualmente autoprobable) se define la probabilidad estimada u honrica basada en la frecuencia relativa de aparicin de un suceso S cuando es muy grande. La probabilidad de un suceso es una medida que se escribe como
,

y mide con qu frecuencia ocurre algn suceso si se hace algn experimento indefinidamente. La definicin anterior es complicada de representar matemticamente ya que debiera ser infinito. Otra manera de definir la probabilidad es de forma axiomtica esto estableciendo las relaciones o propiedades que existen entre los conceptos y operaciones que la componen.

[editar] Definicin clsica de probabilidad

La probabilidad es la caracterstica de un evento, que hace que existan razones para creer que ste se realizar. La probabilidad p de que suceda un evento S de un total de n casos posibles igualmente probables es igual a la razn entre el nmero de ocurrencias h de dicho evento (casos favorables) y el nmero total de casos posibles n.

La probabilidad es un nmero (valor) que varia entre 0 y 1. Cuando el evento es imposible se dice que su probabilidad es 0, si el evento es cierto y siempre tiene que ocurrir su probabilidad es 1. La probabilidad de no ocurrencia de un evento est dada por q, donde:

Sabemos que p es la probabilidad de que ocurra un evento y q es la probabilidad de que no ocurra, entonces p + q = 1 Simblicamente el espacio de resultados, que normalmente se denota por , es el espacio que consiste en todos los resultados que son posibles. Los resultados, que se denota por , etctera, son elementos del espacio .

[editar] Probabilidad discreta

Este tipo de probabilidad, es aquel que puede tomar slo ciertos valores diferentes que son el resultado de la cuenta de alguna caracterstica de inters.

[editar] Probabilidad continua

Una variable aleatoria es una funcin medible

que da un valor numrico a cada suceso en

[editar] Funcin de densidad Artculo principal: Funcin de densidad.

La funcin de densidad, o densidad de probabilidad de una variable aleatoria, es una funcin a partir de la cual se obtiene la probabilidad de cada valor que toma la variable. Su integral en el caso de variables aleatorias continuas es la distribucin de probabilidad. En el caso de variables aleatorias discretas la distribucin de probabilidad se obtiene a travs del sumatorio de la funcin de densidad.

Espacio muestral
En la teora de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del espacio muestral, llamndose a los sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}. Para algunos tipos de experimento puede haber dos o ms espacios de muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del espacio de muestreo podra ser el nmero (del as al rey), mientras que

otra posibilidad sera el palo (diamantes, trboles, corazones y picas). Una descripcin completa de los resultados, sin embargo, especificara ambos valores, nmero y palo, y se podra construir un espacio de muestreo que describiese cada carta individual como el producto cartesiano de los dos espacios de muestreo descritos.
Ejemplos

Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el espacio muestral del experimento sera: ={1,2,3,4,5,6}. Por otro lado, si cambiamos ligeramente la experiencia pensando en el nmero resultante de la suma de 2 dados, entonces tenemos 2 posibles espacios muestrales para modelar nuestra realidad:

={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...(6,6)} = {1,2,3,4,5,6}x{1,2,3,4,5,6} '={2,3,4,...,12}

La eleccin del espacio muestral es un factor determinante para realizar el clculo de la probabilidad de un suceso.
Funcin Demanda y su representacin grfica:

A partir de ahora trabajaremos con la relacin matemtica que vincula la forma en que vara la cantidad requerida de un bien, segn el precio que tenga en el mercado, aplicando la condicin "ceteris paribus"; lo que nos origina la funcin reducida de demanda y que designaremos "Funcin Demanda", y la simbolizaremos como

Las funciones Demanda se suponen continuas definidas en el conjunto de los nmeros reales, es decir que consideramos precios y cantidades como variables continuas. Aunque en la realidad puedan experimentar saltos, ya que los precios + pertenecen al conjunto de los Nmeros Racionales Positivos Q , y las cantidades al conjunto de los Nmeros Enteros Positivos .

Para evitar las discontinuidades, que no son objeto de este curso se considerar + que el precio pertenece al conjunto de los nmeros Reales positivos (R ). En general, la demanda es una funcin decreciente que se representa grficamente en el primer cuadrante.

Veamos un ejemplo de funcin lineal de demanda, en donde se relaciona las cantidades mensuales demandadas de un determinado modelo de sillones (q), y su precio de venta (p):

q = f(p) = 360 - 20 p

Distribucin de probabilidad
La funcin de distribucin de una variable aleatoria precisamente de su ley) es la funcin , de en con valores en , que a (o ms asocia:

Sus propiedades principales son las siguientes. Proposicin 3.7 La funcin de distribucin caracteriza a la ley. En particular,

es une funcin creciente, continua por la derecha con un lmite por la izquierda en todo punto.

En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.

Dada una variable aleatoria todos son puntos

, su funcin de distribucin,

, es

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice escribe, simplemente,

y se

Distribuciones de variable discreta

Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde hasta el valor .

Distribuciones de variable continua

Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes dentro de un intervalo. En el caso de variable continua la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

Esperanza matemtica
En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el nmero formaliza la idea de valor medio de un fenmeno aleatorio. que

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado nmero de veces. Cabe decir que el valor que toma la esperanza matemtica en algunos casos puede no ser "esperado" en el sentido ms general de la palabra - el valor de la esperanza puede ser improbable o incluso imposible. Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5. Podemos hacer el clculo

y cabe destacar que 3,5 no es un valor posible al rodar el dado. En este caso, en el que todos los sucesos son de igual probabilidad, la esperanza es igual a la media aritmtica. Una aplicacin comn de la esperanza matemtica es en las apuestas o los juegos de azar. Por ejemplo, la ruleta americana tiene 38 casillas equiprobables. La ganancia para acertar una apuesta a un solo nmero paga de 35 a 1 (es decir, cobramos 35 veces lo que hemos apostado y recuperamos la apuesta, as que recibimos 36 veces lo que hemos apostado). Por tanto, considerando los 38 posibles resultados, la esperanza matemtica del beneficio para apostar a un solo nmero es:

que es -0,0526 aproximadamente. Por lo tanto uno esperara, en media, perder unos 5 cntimos por cada euro que apuesta, y el valor esperado para apostar 1 euro son 0.9474 euros. En el mundo de las apuestas, un juego donde el beneficio esperado es cero (no ganamos ni perdemos) se llama un "juego justo". Nota: El primer parntesis es la "esperanza" de perder tu apuesta de $1, por eso es negativo el valor. El segundo parntesis es la esperanza matemtica de ganar los $35. La esperanza matemtica del beneficio es el valor esperado a ganar menos el valor esperado a perder.

En un espacio muestral con eventos elementales equiprobables, se puede dar una situacin como la siguiente: Se tiene un evento y otro evento . Se sabe que, en un resultado del experimento, ocurri , es decir, se obtuvo alguno de los elementos de : , , . Se puede preguntar entonces por la probabilidad de que haya ocurrido , dado que ocurri .

En otras palabras, se pregunta por la probabilidad de que se haya obtenido , , sabiendo que se obtuvo alguno de los elementos de . Esto se denomina ``probabilidad condicional''. En este caso, se busca la probabilidad de que ocurra , dado que ha ocurrido , y se escribe: .

Como el nmero de casos posibles, en este caso particular, es el nmero de elementos de (4) y el nmero de casos favorables es el nmero de elementos que hay en y que tambin estn en . (en este caso, 1), la probabilidad condicional es igual a

Si el nmero total de elementos en el espacio muestral fuese, por ejemplo, igual a 10, se tendra: donde es el conjunto de elementos que estn en y en . Por otra parte, y por lo tanto,

Esta es, en general, la forma de calcular la probabilidad condicional: Claramente, si se diera el caso de que ningn elemento de est en , se tiene que , ya que es imposible que se obtenga un elemento de ocurri algn elemento de . , sabiendo ya que