Escolar Documentos
Profissional Documentos
Cultura Documentos
Unidad 1
Luis Rodrı́guez y Javier Rojas
16 de octubre de 2002
1 Espacio Muestral
Desde el punto de vista axiomático, las matemáticas se ocupan de relaciones entre cosas in-
definidas. Para hablar con presición de cualquier rama matemática, entre ellas la que nos ocupa,
la probabilidad, es necesario especificar nuestros elementos no definidos. Partiremos de la idea de
conjunto de todos los resultados posibles de un experimento, al cual llamaremos espacio muestral
Ω.
Ejemplo: Si lanzamos una moneda dos veces, el espacio muestral está dado por:
Para que el espacio muestral esté bien definido, cada punto muestral (resultado posible del ex-
perimento) queda descrito por un sólo punto del espacio. Los puntos muestrales se denotan por w.
Definimos por evento a un agregado de puntos muestrales. Denotaremos los eventos por las
letras mayúsculas A, B, C, . . . . Un evento A ocurre cuando alguno de los puntos muestrales ocurre.
Definimos el evento complementario (Ac ) como aquel que ocurre si A no ocurre. El evento
imposible lo denotamos ∅.
1
entonces,
3 Familias de eventos
Una familia de eventos F de Ω es cualquier agregado de eventos de Ω.
2. Si A ∈ F entonces Ac ∈ F.
4 Asignación de probabilidades
Dado un espacio muestral Ω y una σ-álegbra de eventos F decimos que una función P : Ω → [0, 1]
que satisface:
1. P(Ω) = 1.
2. Si An ∈ F y los eventos son mutuamente excluyentes , esto es, (∀n, n0 ∈ N)[An ∩ An0 = ∅],
entonces ̰ !
[ ∞
X
P An = P(An )
n=1 n=1
El problema de como asignar una probabilidad a cada evento P(A), es decir, como definir
una tal P sobre una σ-álgebra de eventos debe ser resuelto con las condiciones concretas de cada
2
experimento aleatorio considerado.
En el caso cuando Ω es discreto y finito una manera de asignar probabilidades sobre F = P(Ω)
es definir:
#A 1
P(A) =
#Ω
Demueste que la función definida anteriormente es una probabilidad.
En la práctica la composición del espacio muestral se conoce muy pocas veces, por lo que los
valores exactos de las probabilidades de los eventos son desconocidas.
1. Tendrı́amos que precisar las condiciones de repetición del experimento y que significa ob-
servar A en ese caso.
2. Nada asegura que KN sea siempre el mismo cada vez que se realizan las N observaciones,
por lo tanto P(A) no es único.
Sin embargo, más adelante estudiaremos un resultado que permite ver la relación de la fre-
cuencia relativa y la probabilidad.
5 Conteo
Si Ω es un conjunto finito el espacio de probabilidad canónico es (Ω, F, P), en donde F = P(Ω)
#A
y P(A) = .
#Ω
Para asignar probabilidades sobre conjuntos finitos debemos manejar herramientas de conteo
del número de elementos de conjuntos finitos.
Este resultado se puede generalizar. Por inducción se ve que si A1 · · · An son conjuntos finitos
entonces
Yn
#(A1 × A2 × · · · × An ) = #Ai .
i=1
1
#A=número de puntos de A.
3
Ejemplos:
1. Cartas: consideremos las cuatro pintas como un grupo y los 10 números como otro. Se
obtienen por lo tanto 4 × 10 = 40 combinaciones de cartas.
2. Clasificaciones diferentes: Sea Ω un grupo de personas clasificadas por: estado civil, sexo y
profesión. Si tenemos 10 profesiones, entonces #Ω = 2 × 2 × 10 = 40.
esto dice que las muestras ordenadas con o sin reemplazo son asintóticamente equivalentes.
En el muestreo ordenado sin reemplazo, la probabilidad de que un elemento fijo quede incluido
en la muestra es
(n − 1)m m
1− = (1)
(n)m n
y si es con reemplazo µ ¶
(n − 1)m 1 m
1− =1− 1− (2)
nm n
Demuestre las ecuaciones (1) y (2)
4
Muestras no ordenadas sin reemplazo: En una población P = {a1 , . . . , an } se pueden elegir
µ ¶
n n!
Cn,m = =
m (n − m)!m!
muestras no ordenadas sin reemplazo de tamaño m, en efecto observamos que por cada muestra
no ordenada sin reemplazo existen m! muestras ordenadas sin reemplazo,
Cn,m m! = (n)m
¡n¢
entonces Cn,m = m .
Muestras no ordenadas con reemplazo: Sea P = {a1 , . . . , an } una población y queremos contar
el número de muestras diferentes con reemplazo de tamaño m. Para conseguir nuestro proposito
contaremos el número de configuraciones diferentes de colocar m bolas en n celdas si las bolas
son indistinguibles.
6 Probabilidad Condicional
Para ilustrar los proximos conceptos consideremos el siguiente ejemplo:
5
a) Con reemplazo.
b) Sin reemplazo.
y
B = { el segundo artı́culo es defectuoso}
si estamos en la situación a) ¡20¢
1 1
P(A) = ¡100¢= ,
1
5
P(B) = 15 .
Si elegimos sin reemplazo, los resultados no son inmediatos, sin embargo en la actual suposición
todavı́a es válido que:
1
P(A) = .
5
¿Cuál es el valor de P(B)?
Para responder esta interrogante es evidente que debemos considerar que la configuración del
lote cambio cuando escogemos el segundo artı́culo.
P(·|B) : F → R
mediante la fórmula T
P(A B)
P(A|B) =
P(B)
para todo A ∈ F.
Propiedades
T
1. Si A B = ∅ entonces P(A|B) = 0.
2. Si B ⊂ A entonces P(A|B) = 1.
6
4. Si A, C ∈ F entonces
P(A \ C|B) = P(A|B) − P(A ∩ C|B).
Demostremos 3:
= (19/99)(1/5) + (20/100)(4/5)
7
6.3 Eventos independientes
Al introducir el concepto de probabilidad condicional, hemos visto que en ciertos casos, cuando
la ocurrencia del evento B no aporta información respecto a la ocurrencia o no del suceso A, se
tiene que
P(A|B) = P(A),
en este caso decimos que A es independiente de B. Ahora bien,
P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B) = P(A)P(B).
Observemos que esta expresión vale, aun cuando P(A) = 0 o P(B) = 0. Usemosla como
definición de independencia.