Curso: Probabilidad y Procesos

Estocsticos



Profesor: Dr. Salvador E. Ayala Raggi

e-mail: saraggi@ece.buap.mx

Facultad de Ciencias de la Electrnica
BUAP
Ciudad Universitaria, Puebla, Mxico
junio de 2011
Caractersticas del Curso
Horas totales del curso: 80

Crditos: 5

Modo de evaluacin:

Exmenes: 60%
Tareas (ejercicios y simulaciones): 20%
Exposiciones: 20%
Bibliografa
Libros:

Papoulis A., Probability, Random Variables and Stochastic Processes, 4
th
edition, McGraw-
Hill 2002.


Tutoriales en internet:

Bertsekas, D., Tsitsiklis, J. Introduction to probability. Massachusetts Institute of
Technology. Website: http://athenasc.com/Ch1.pdf

Sebastiani, P. A Tutorial on Probability Theory. Department of Mathematics and Statistics,
University of Massachusetts at Amherst. Website: www.sci.utah.edu/~gerig/CS6640-
F2010/prob-tut.pdf




Teora de la Probabilidad
Definicin:

Trata acerca de promedios de fenmenos masivos que
ocurren secuencialmente o simultneamente.
Es el estudio de experimentos aleatorios (es decir libres
de determinacin).
Estudia las formas de medir la cantidad de incertifumbre
de eventos.
Propsito de la teora de probabilidad
Describir y predecir dichos promedios en trminos de
probabilidades de eventos.

La probabilidad de un evento A es un nmero P(A) asignado
a este evento.

Si un experimento es ejecutado n veces y el evento A
ocurre n
A
veces, entonces:
La frecuencia relativa n
A
/n de la ocurrencia de A es
cercana a P(A)
Probabilidad
Es decir,



Pensando que n es suficientemente grande.
n
n
A P
A
~ ) (
Definiciones de probabilidad
Definicin axiomtica

Antes de definir la probabilidad, abordemos algunos conceptos tomados
de la teora de conjuntos
El evento seguro (certero) S es aquel que ocurre en cualquier intento
de un experimento.

La unin A + B de dos eventos A y B es el evento que ocurre cuando:

A ocurre
B ocurre
Ambos A y B ocurren
Definiciones de Probabilidad
La interseccin AB de los eventos A y B es el evento
que ocurre cuando ambos eventos A y B ocurren.

Los eventos A y B son mutuamente excluyentes si la
ocurrencia de uno de ellos excluye la ocurrencia del otro.
Definiciones de probabilidad
Ilustremos los conceptos anteriores:

Experimento: Tiro de un dado

Evento seguro: L se muestra cualquiera de las seis
caras.
Evento A: El nmero que cae es par
Evento B: El nmero que cae es menor que 3

Entonces, la unin de los eventos A y B: A + B es el evento:

El nmero que cae es 1 2 4 6
Definiciones de Probabilidad
La interseccin del evento A con el evento B: AB es el evento:

El nmero que cae es un 2

Los eventos: El nmero es par
Y El nmero es impar

Son mutuamente excluyentes

Definiciones de Probabilidad
Ahora si, el enfoque axiomtico del concepto de probabilidad est
basado en los siguientes 3 postulados siguientes:

La probabilidad P(A) de un evento A es un nmero positivo asignado a este
evento, es decir:
P(A) 0

La probabilidad P(L) del evento seguro L es igual a 1, es decir:

P(L) = 1

Si los eventos A y B son mutuamente excluyentes, entonces:

P(A + B) = P(A) + P(B)
Definiciones de probabilidad
Definicin basada en frecuencia relativa

La probabilidad P(A) de un evento A es el lmite:



donde n
A
es el nmero de ocurrencias de A y n es el nmero de
intentos (pruebas).
Problema con esta definicin: en la prctica n
A
y n pueden ser grandes
pero no infinitas. Si se acepta esta definicin, entonces el lmite debe
ser aceptado slo como una hiptesis
n
n
A P
A
n
= lim ) (
Los axiomas de la probabilidad
Teora de conjuntos
Un conjunto es una coleccin de objetos llamados elementos. Por
ejemplo, {coche, manzana, lpiz} es un conjunto cuyos elementos
son un coche una manzana y un lpiz. El conjunto: {guila, sol} tiene
2 elementos.
Un subconjunto B de un conjunto A es otro conjunto cuyos elementos
son tambin elementos de A. Todos los conjuntos sern
subconjuntos de un conjunto S llamado espacio.
Tambin identificaremos conjuntos por las propiedades de sus
elementos, p. ejem:

A = {todos los enteros positivos}








Los axiomas de la probabilidad
Significar el conjunto cuyos elementos son los nmeros: 1,2,3..

La notacin

Significar que i es o no es un elemento de A.

El conjunto vaco o nulo es el conjunto que no contiene elementos
denotado por {}.

Si un conjunto consiste de n elementos, entonces el nmero total de sus
subconjuntos es 2
n

A A
i i
e e , ,
Los axiomas de la probabilidad
Ejemplo: Supongamos que una moneda es lanzada dos veces. Las
salidas resultantes son los cuatros objetos: aa, as, sa, ss formando
el conjunto:

Donde aa es una abreviatura para el elemento {guila - guila}. El
conjunto L posee 2
4
= 16 subconjuntos. Por ejemplo:

A = {guila en el primer tiro} = {aa, as}
B = {slo sale una sla guila} = {as, sa}
C = {el guila se muestra al menos una vez} = {aa,as,sa}

} , , , { ss sa as aa L =
Operaciones con conjuntos
La notacin significa que B es un
subconjunto de A, es decir, que cada elemento de B es un elemento de
A. As, para cualquier A ,



Transitividad : Si
Igualdad:









B A A B c
L A A c c c C} {
A C entonces A B y B C c c c
A B y B A si slo y si B A c c =
Operaciones con conjuntos
Uniones e intersecciones
La suma o unin de dos conjuntos A y B es un conjunto cuyos
elementos son:

Todos elementos de A
Todos elementos de B
De ambos

Este conjunto ser escrito en la forma: A + B o A U B
Esta operacin es conmutativa y asociativa:

) ( ) ( , C B A C B A A B B A + + = + + + = +
Operaciones con conjuntos
El producto o interseccin de dos conjunto A y B es un conjunto que
consiste de todos los elementos comunes a ambos:



Esta expresin es conmutativa, asociativa y distributiva:








B A AB
AC AB C B A BC A C AB BA AB + = + = = ) ( ) ( ) (
Operaciones con conjuntos
Debemos notar que si


De aqu que









. , A AB entonces B A = c
A AL A A AA = C = C = } { } {
Operaciones con conjuntos
Si dos conjuntos A y B son descritos por las propiedades de sus
elementos, entonces su interseccin AB deber ser especificada
incluyendo estas propiedades dentro de corchetes. Por ejemplo, si

L = {1,2,3,4,5,6} A = {par} B={menor que 5}

Entonces
AB = {par y menor que 5}={2,4}
Operaciones con conjuntos
Conjuntos mutuamente excluyentes.
Dos conjuntos A y B son llamados mutuamente excluyentes si no
poseen elementos en comn, es decir:


Varios conjuntos A1, A2, son llamados mutuamente excluyentes si


} {C = AB
i j y i cada para A A
j i
= C = } {
Operaciones con conjuntos
Particiones
Una particin U de un conjunto de L es una coleccin de
subconjuntos mutuamente excluyentes A
i
de L cuya unin es igual
a L


De esta forma






j i A A L A A A
j i n
= C = = + + + } {
2 1

} , , , {
2 1 n
A A A = U
Operaciones con conjuntos
Complementos
El complemento del conjunto A es un conjunto que consiste de
todos los elementos de L que no estn en A. De aqu se sigue que:



Si












A
L L A A A A L A A = C C = = C = = + } { } { } {
B A entonces A B c c
Operaciones con conjuntos
Leyes de De Morgan





La aplicacin repetida estas leyes nos conduce a los siguiente:

Si en un conjunto identidad reemplazamos todos los conjuntos por sus
complementos, todas las uniones por intersecciones, y todas las
intersecciones por uniones, la identidad es preservada.






B A B A = + ) (
B A AB + =
Operaciones con conjuntos
Ejemplo: usemos la identidad siguiente para demostrar lo anterior


De la segunda ley de De Morgan se sigue que


Similarmente,


Y puesto que los dos lados de (1) son iguales, entonces sus
complementos tambin lo son:












AC AB C B A + = + ) (
C B A C B A C B A + = + + = + ) ( ) (
) )( ( ) )( ( C A B A AC AB AC AB + + = = +
) )( ( C A B A C B A + + = +
.(1)
Espacio de probabilidad
L es llamado el evento certero
Sus elementos de L: salidas experimentales
Sus subconjuntos: eventos
{}: el evento imposible
El evento {
i
} que consiste
de un solo elemento
i
: evento elemental

Intento (prueba). Es una sola ejecucin de un experimento. En cada
intento observaremos una sola salida
i.
Decimos que el evento A ocurre durante este intento si contiene al
elemento
i.







Espacio de probabilidad
El evento seguro ocurre en cada intento.
El evento imposible nunca ocurre.
El evento A + B ocurre cuando A B ambos ocurren.
El evento AB ocurre cuando ambos eventos A y B
ocurren. Si los eventos A y B son mutuamente
excluyentes y A ocurre, entonces B no ocurre.
Si y A ocurre entonces B ocurre.
En cada intento, ya sea A ocurren.
B Ac
A
Consecuencias de los 3 axiomas bsicos
Propiedades. La probabilidad del evento imposible es 0:
P{} = 0
De este modo, A{}={} y A + {} = A; por tanto


Para cualquier A,

Porque de aqu que:









} { ) ( ) ( ) ( C + = C + = P A P A P A P
1 ) ( 1 ) ( s = A P A P
} {C = = + A A y L A A
) ( ) ( ) ( ) ( 1 A P A P A A P L P + = + = =
Para cualquier A y B


Para probar lo anterior, escribimos los eventos (A+B) y B como
uniones de dos eventos mutuamente excluyentes:




Por tanto (del 3er axioma):






Consecuencias de los 3 axiomas bsicos
B A AB B B A A B A + = + = +
) ( ) ( ) ( ) ( ) ( ) ( B A P AB P B P B A P A P B A P + = + = +
) ( ) ( ) ( ) ( ) ( ) ( B P A P AB P B P A P B A P + s + = +
Consecuencias de los 3 axiomas bsicos


Eliminando al despejarla en la segunda expresin y
sustituyndola en la primera obtenemos











) ( ) ( ) ( ) ( ) ( ) ( B A P AB P B P B A P A P B A P + = + = +
) ( B A P
) ( ) ( ) ( ) ( ) ( ) ( B P A P AB P B P A P B A P + s + = +
Cambio de notacin


En adelante llamaremos S en lugar de L al evento
seguro o certero con el objetivo de usar la misma
notacin que muchos textos sobre teora de probabilidad.
Consecuencias de los 3 axiomas
La clase F de eventos
Los eventos son subconjuntos de S a los cuales les hemos asignado
probabilidades.
No todos los subconjuntos de S los consideraremos como eventos.
Slo una clase F de subconjuntos de S se considerarn eventos.
Ejemplo: Si en el experimento del dado quisiramos solo tener los
eventos par o impar, en este caso es suficiente considerar como
eventos solo cuatro conjuntos:

{}, {par}, {impar}, S

La clase F no ser una coleccin arbitraria de subconjuntos de S.





Definicin de Campo
Asumiremos que si A y B son eventos, entonces A + B y AB son
tambin eventos.

Campo. Un campo F es una clase (no vaca) de conjuntos tal que:

. . . (1)

. . . (2)

Usando (1) y (2) se puede demostrar tambin que:
F F e e A entonces A Si
F F F e + e e B A entonces B y A Si
F F F e e e AB entonces B y A Si
Campo
En efecto, de (1) se sigue que si
Aplicando (2) y (1) a los conjuntos , concluimos que



Un campo contiene el evento seguro y el evento imposible:


Todos los conjuntos que pueden ser expresados como uniones o
intersecciones de conjuntos finitos en F estn tambin en F.










F F e e B y A
B y A
F F e = + e + AB B A B A
F } { F e C e S
Campo de Borel (para secuencias infinitas)
Suponiendo que A
1
, A
2
, es una secuencia infinita de conjuntos en F.
Si la unin e interseccin de estos conjuntos tambin pertenece a F,
entonces F es llamado un Campo de Borel.

Hablando de secuencias infinitas: Si los eventos A
1
, A
2
, . son
mutuamente excluyentes, entonces










+ + = + + ) ( ) ( ) (
2 1 2 1
A P A P A A P
Experimento
Definicin axiomtica de un experimento
Un experimento es especificado en trminos de los siguientes
conceptos:

1. El conjunto S de todas las salidas experimentales
2. El campo de Borel F de todos los eventos de S
3. Las probabilidades de estos eventos

En algunas ocasiones, la letra S se usar para identificar no slo al
evento seguro, sino tambin a todo el experimento.
Experimento
Un experimento es especificado por la 3-tupla:

[S, F, P(.)]

S es el evento seguro tambin conocido como espacio muestra.
F es el campo de Borel que especifica un conjunto de eventos.
P(.) es un operador que permite calcular la probabilidad de todos los
eventos.





Espacios Contables
Si el espacio muestra (evento seguro) S consiste de N salidas y N
es nmero finito, entonces las probabilidades de todos los eventos
pueden ser expresadas en trminos de las probabilidades



de los eventos elementales {
i
}.

De los axiomas se sigue que:

i i
p P = ) (,
1 0
2 1
= + + + >
N i
p p p p
Espacios contables
Suponiendo que A es un evento consistente de r elementos
i
. En
este caso A puede ser escrita como la unin de los eventos
elementales {
i
}. Por tanto (ver 3er axioma fundamental)



Esto es verdadero incluso si S consiste de un nmero infinito pero
contable de elementos
1
,
2
,


r k k k r k k k
p p p P P P A P
+ + + + + +
+ + + = + + + =
2 1 2 1
} { } { } { ) ( , , ,
Espacios contables
Si S consiste de N salidas y las probabilidades p
i
de los eventos
elementales son todas iguales, entonces



En este caso, la probabilidad de un evento A consistente de r elementos
es:





N
p
i
1
=
N
r
A P = ) (
Espacios contables
Ejemplo: (a) En el experimento de la moneda, el espacio S consiste
de las salidas a y s:


Y sus eventos son los 4 conjuntos {}, {a}, {s}, S.
Si P(a) = p y P(s) = q, entonces p + q = 1

(b) Consideremos ahora el experimento del volado 3 veces. Las
posibles salidas del experimento son:
aaa, aas, asa, ass, saa, sas, ssa, sss
Asumiremos que todos los eventos elementales tienen la misma
probabilidad. En este caso es 1/8, as la prob. P(aaa) de que
obtengamos 3 guilas es 1/8

} , { s a S =
Espacios contables
El evento
{guilas en los primeros dos volados} = {aaa, aas}
Consiste de las dos salidas aaa y aas; por tanto su probabilidad es 2/8.





El eje de los reales (espacios no-contables)
Si S consiste de una infinidad no-contable de elementos, entonces
sus probabilidades no pueden determinarse en trminos de las
probabilidades de los eventos elementales. Este es justo es caso de
que S sea el conjunto de puntos de un espacio n-dimensional.

Suponiendo que S sea el conjunto de los nmeros reales, sus
subconjuntos pueden ser considerados como conjuntos de puntos en
el eje real.

Es imposible definir probabilidades para todos los subconjuntos de
S! (el nmero de subconjuntos es infinito).
El eje de los reales
Para construir un espacio de probabilidades en el eje de los reales:
Consideraremos como eventos los intervalos x
1
x x
2
y sus
uniones e intersecciones contables.

Para completar la especificacin del evento seguro S es suficiente
asignar probabilidades a los eventos {x x
i
} . Las dems
probabilidades pueden determinarse a partir de los 3 axiomas.

Suponiendo que (x) es una funcin tal que

}

> = 0 ) ( 1 ) ( x dx x o o
x
1
x
2
x
(x)
El eje de los reales
Definimos la probabilidad del evento {x x
i
} por la integral


. (a)

Esto especifica las probabilidades de todos los eventos de S. Por
ejemplo, la probabilidad del evento {x
1
< x x
2
} que consiste de
todos los puntos en el intervalo (x
1
, x
2
) est dada por


. (b)










}

= s
i
x
i
dx x x x P ) ( } { o
}
= s <
2
1
) ( } {
2 1
x
x
dx x x x x P o
El eje de los reales
Efectivamente, los eventos {x x
1
} y {x
1
< x x
2
} son mutuamente
excluyentes y su unin es {x x
2
}. Por tanto




Ejemplo: Una sustancia radioactiva es observada a partir de t=0 y se
anota el tiempo t en que la sustancia emite una partcula. Este
proceso define un experimento en el cual las salidas son todos los
puntos sobre el eje positivo t. Aqu S es todo el eje t.








} { } { } {
2 2 1 1
x x P x x x P x x P s = s < + s
El eje de los reales
Suponiendo que la funcin est dada por




Insertando en (b) , se concluimos que la probabilidad de que una partcula
sea emitida dentro del intervalo de tiempo (0, t0) es igual a



0 0
0 1
) ( ) ( ) ( {
<
>
= =

t
t
t U t U ce t
ct
o
0
0
1
0
ct
t
ct
e dt e

=
}
El eje de los reales
Ejemplo. Una llamada telefnica ocurre aleatoriamente en el intervalo
(0,T). Esto significa que la probabilidad de que ocurra en el intervalo 0
t t
0
es igual a t
0
/T. Entonces las salidas de este experimento son
todos los puntos en el intervalo (0,T) y la probabilidad del evento (la
llamada ocurre en el intervalo (t
1
,t
2
)) es igual a







T
t t
t t t P
1 2
2 1
} {

= s s
Probabilidad condicional
La probabilidad condicional de un evento A asumiendo que ha
sucedido el evento M, denotada por P(A|M) es por definicin la razn:




Donde asumimos que P(M) no es cero. Las siguientes propiedades
se derivan de la definicin:

Si porque entonces
AM = M.



) (
) (
) | (
M P
AM P
M A P =
1 ) | ( = c M A P entonces A M
Probabilidad condicional
Similarmente,


Ejemplo: En el experimento del tiro de un dado, determinaremos la
probabilidad condicional del el evento {f
2
} asumiendo que el evento
par ocurri. Con


Sabemos que P(A) = 1/6 y P(M) = 3/6. Y puesto que AM = A,
















) (
) (
) (
) | ( A P
M P
A P
M A P entonces M A Si > = c
} , , { } { } {
6 4 2 2
f f f par M f A = = =
3
1
} " {"
} {
} " |" {
2
2
= =
par P
f P
par f P
Probabilidad condicional
Ejemplo: Denotemos por t la edad de una persona cuando muere. La
probabilidad de que t t
0
est dada por



donde (t) es una funcin determinada a partir de los registros de
mortalidad. Asumiremos que


y 0 de otro modo.





}
= s
0
0
0
) ( } {
t
dt t t t P o
aos t t t t 100 0 ) 100 ( 10 3 ) (
2 2 9
s s =

o
Probabilidad condicional
La probabilidad de que una persona muera entre los 60 y los 70 aos es
igual a



Esto iguala al nmero de gente que muere entre los 60 y 70 aos
dividido por el total de la poblacin.
Con

La probabilidad de que una persona muera entre los 60 y 70 asumiendo
que lleg viva a los 60 es





}
= = s s
70
60
154 . 0 ) ( } 70 60 { dt t t P o
A AM t M t A = > = s s = } 60 { } 70 60 {
Probabilidad condicional
La probabilidad de que una persona muera entre los 60 y 70 asumiendo
que ha llegado viva a los 60 es






Esto es igual al numero de gente que muere entre los 60 y 70 dividido
por el nmero de personas que estn vivas a partir de los 60.

486 . 0
) (
) (
} 60 | 70 60 {
100
60
70
60
= = > s s
}
}
dt t
dt t
t t P
o
o
Probabilidad condicional
Ejemplo. Una caja contiene 3 bolas blancas w
1
, w
2
, w
3
y dos bolas
rojas r
1
, r
2
. Quitamos aleatoriamente dos bolas sucesivamente. Cual
es la probabilidad de que la primera bola quitada sea blanca y la
segunda sea roja?.
Probabilidad condicional
1. Solucin. El espacio de nuestro experimento consiste de todos
los pares ordenados que podemos formar con las 5 bolas:


El nmero de tales pares es igual a 5 x 4 = 20. El evento {w,r}
consiste de 6 salidas


Por tanto, su probabilidad es 6/20.








1 2 3 2 2 2 1 2 2 1 1 1 3 1 2 1
, , , , , , , , r r w r w r w r r w r w w w w w
2 3 1 3 2 2 1 2 2 1 1 1
, , , , , , r w r w r w r w r w r w
Probabilidad Condicional
2. Solucin. Puesto que la caja contiene tres bolas blancas y dos
rojas, la probabilidad del evento W
1
={blanca primero} es igual a 3/5.
Si se quita una bola blanca quedarn slo dos blancas y dos rojas;
Por tanto, la probabilidad condicional P(R
2
| W
1
) del evento
R
2
={la segunda es roja} asumiendo que la primera fue blanca
{primera blanca} es igual a 2/4. Usando esto junto con la
frmula de probabilidad Condicional se obtiene




donde W
1
R
2
es el evento {blanca primero, roja segundo}




20
6
5
3
4
2
) ( ) | ( ) (
1 1 2 2 1
= = = W P W R P R W P
Probabilidad Total y teorema de Bayes
Si U = [A
1
,,A
n
] es una particin de S y B es un evento arbitrario,
entonces


Demostracin. Claramente,


Pero los eventos BA
i
y BA
j
son mutuamente excluyentes. Por tanto,


Y cmo P(BA
i
) = P(B|A
i
) P(A
i
) entonces se deriva (1),












) 1 ( ) ( ) | ( ) ( ) | ( ) (
1 1

n n
A P A B P A P A B P B P + + =
n n
BA BA A A B BS B + + = + + = =
1 1
) (
) ( ) ( ) (
1 n
BA P BA P B P + + =
Teorema de Bayes
Puesto que P(BA
i
) = P(A
i
|B)P(B) concluimos con la expresin anterior
que


Insertando (2) en (1), obtenemos el teorema de Bayes:






















) 2 (
) (
) (
) | ( ) | (
B P
A P
A B P B A P
i
i i
=
) 3 (
) ( ) | ( ) ( ) | (
) ( ) | (
) | (
1 1

n n
i i
i
A P A B P A P A B P
A P A B P
B A P
+ +
=
Teorema de Bayes
Ejemplo: Tenemos 4 cajas. La caja 1 contiene 2000 componentes de
los cuales 5% estn defectuosos. La caja 2 contiene 500
componentes de los cuales 40% estn defectuosos. Las cajas 3 y 4
contienen 1000 cada una y 10% estn defectuosos. Seleccionamos
aleatoriamente una de las cajas y removemos aleatoriamente un solo
componente.

a) Cual es la probabilidad de que el componente seleccionado est
defectuoso?
El espacio de este experimento consiste de 4000 componentes buenos
(b) y 500 componentes defectuosos (m) repartidos como sigue:





Teorema de Bayes
Caja 1: 1900b, 100m Caja2: 300b, 200m
Caja3: 900b, 100m Caja4: 900b, 100m

Denotemos por B
i
al evento que consiste de sacar cualquier
componente en la i-sima caja y por D al evento que consiste de
sacar cualquier componente defectuoso. Claramente


Porque la caja se seleccionan aleatoriamente. La probabilidad de que un
componente tomado de una caja especfica est defectuoso es:

















4
1
) ( ) ( ) ( ) (
4 3 2 1
= = = = B P B P B P B P
4 . 0
500
200
) | ( 05 . 0
2000
100
) | (
2 1
= = = = B D P B D P
Teorema de bayes
y


y puesto que los eventos B
1
, B
2
, B
3
, y B
4
forman una particin de S,
concluimos de (1) que



La cual es la probabilidad de que un componente seleccionado est
defectuoso.












1 . 0
1000
100
) | ( 1 . 0
1000
100
) | (
4 3
= = = = B D P B D P
1625 . 0
4
1
1 . 0
4
1
1 . 0
4
1
4 . 0
4
1
05 . 0 ) ( = + + + = D P
Teorema de Bayes
(b) Supongamos que examinamos el componente seleccionado y
encontramos que est defectuoso. En base a la evidencia deseamos
determinar la probabilidad de que el componente venga de la caja 2.


Teorema de Bayes
Ahora deseamos saber la probabilidad condicional P(B
2
|D).
Puesto que



Obtenemos



As, la probabilidad a priori de seleccionar la caja2 es 0.25 y la
probabilidad a posteriori asumiendo que el componente seleccionado
est defectuoso es 0.615.










25 . 0 ) ( 4 . 0 ) | ( 1625 . 0 ) (
2 2
= = = B P B D P D P
615 . 0
1625 . 0
25 . 0
4 . 0 ) | (
2
= = D B P
Teorema de Bayes
Estas probabilidades tienen la siguiente interpretacin frecuencial:

Si el experimento es ejecutado n veces, entonces la caja 2 es
seleccionada 0.25n veces.
Si consideramos slo los n
D
experimentos en los cuales la parte
seleccionada est defectuosa, entonces el nmero de veces que
dicha parte es tomada de la caja 2 es 0.615n
D
Independencia
Dos eventos A y B son llamados independientes si



Interpretacin frecuencial. Denotando por n
A
, n
B
, y n
AB
el nmero
de ocurrencias de los eventos A, B y AB respectivamente, tenemos:







) ( ) ( ) ( B P A P AB P =
n
n
AB P
n
n
B P
n
n
A P
AB B A
= = ~ ) ( ) ( ) (
Independencia
Si los eventos A y B son independientes, entonces




As, si A y B son independientes, entonces la frecuencia relativa n
A
/n de
la ocurrencia de A en la secuencia original de n intentos es igual a la
frecuencia relativa n
AB
/n
B
de la ocurrencia de A en la subsecuencia
en que B ocurre.




B
AB
B
AB A
n
n
n n
n n
B P
AB P
A P
n
n
= ~ = =
/
/
) (
) (
) (
Independencia
Ejemplo: Si lanzamos un volado 2 veces, tendramos 4 salidas posibles:
aa, as, sa, ss.

a) Para construir un experimento con estas salidas, es suficiente asignar
probabilidades a sus eventos elementales
. Con x y y dos posibles nmeros tales que x + y = 1, asumamos que:

P(aa) = x
2
P{as} = P{sa} = xy P{ss} = y
2

Estas probabilidades son consistentes con los axiomas porque







1 ) (
2 2 2
= + = + + + y x y xy xy x
Independencia
En el experimento as construido, los eventos




Consisten de dos elementos cada uno, y sus probabilidades son:




La interseccin A
1
A
2
de estos dos eventos consiste de una sola salida
{aa}. Por tanto








} , { } {
} , { } {
2
1
sa aa volado segundo el en guila A
as aa volado primer el en guila A
= =
= =
x xy x sa P aa P A P
x xy x as P aa P A P
= + = + =
= + = + =
2
2
2
1
} { } { ) (
} { } { ) (
Independencia
Por tanto



Esto muestra que los eventos A
1
y A
2
son independientes.










} { } { } { } {
2 1
2
2 1
A P A P x aa P A A P = = =
Intentos (pruebas) repetidos
Experimentos combinados
Supongamos 2 experimentos: el primero es tirar un dado:



El segundo es echar una moneda:


Desempeamos los dos experimentos y queremos encontrar la
probabilidad de que consigamos un 2 en el dado y un guila en la
moneda.





6 / 1 } { } ,..., , {
1 6 2 1 1
= =
i
f P f f f S
2 / 1 } { } { } {
2 2 2
= = = s P a P as S
Intentos repetidos
Si suponemos las salidas de un experimento independientes de las
del otro, concluimos que la probabilidad que buscamos es:



Sin embargo, esta nocin de independencia no concuerda con la
definicin original en la que los eventos A y B son subconjuntos del
mismo espacio muestra.

Debemos construir un espacio muestra S que contenga los eventos
2 y guila:





2
1
6
1

Intentos repetidos
Los dos experimentos deben ser vistos como uno solo cuyas salidas
son pares
1

2
donde
1
es una de las 6 caras del dado y
2
es guila
o sol.
El espacio resultante consiste de 12 elementos:


En este espacio, {dos} no es un evento elemental sino un
subconjunto de dos elementos:







s f s f a f a f
6 1 6 1
, , , , ,
} , { } {
2 2
s f a f dos =
Intentos repetidos
Para completar el experimento, debemos asignar probabilidades a
todos los subconjuntos de S. Claramente, , el evento {dos} ocurre si
el dado muestra dos no importando que cosa muestre la moneda.
Por tanto,


Similarmente


La interseccin de los eventos {dos} y {guila} es el evento elemental
{f
2
a}. Asumiendo que los eventos {dos} y {guila} son independientes
concluimos que P{f
2
a}= (1/6)x(1/2)











6
1
} { } {
2 1
= = f P dos P
2
1
} { } {
2
= = a P guila P
Intentos repetidos
Productos Cartesianos
Dados 2 conjuntos S
1
y S
2
con elementos
1
y
2
respectivamente,
formamos todos los pares ordenados
1

2
donde
1
es cualquier
elemento de S
1
y
2
es cualquier elemento de S
2
. El producto
cartesiano de los conjuntos S
1
y S
2
es el conjunto S con todos los
pares mencionados. Este conjunto es escrito en la forma:


Ejemplo: E producto cartesiano de los conjuntos


Contiene 6 elementos:










2 1
S S S =
} , { } , , {
2 1
sol guila S pjaro manzana coche S = =
} , , , , , {
2 1
s pjaro a pjaro s manzana a manzana s coche a coche S S =
1er. Examen Parcial
1. Si , P(A) = 1/5 y P(B) = 1/3, Encuentre P(A|B) y P(B|A)

2. La caja 1 contiene 1 bola blanca y 999 bolas rojas. La caja 2
contiene 1 bola roja y 999 bolas blancas. Una bola se toma de alguna
de las cajas seleccionada aleatoriamente. Si la bola es roja, cual es la
probabilidad de que venga de la caja 1?

3. La caja 1 contiene 100 focos de los cuales 10% estn defectuosos.
La caja 2 contiene 200 focos de los cuales 5% estn defectuosos. Se
toman 2 focos de alguna de las dos cajas seleccionada de forma
aleatoria. (a) Encuentra la probabilidad de que ambos focos estn
defectuosos. (b) Asumiendo que ambos focos estn defectuosos,
encuentra la probabilidad de que vengan de la caja 1.




B Ac
1er. Examen Parcial
4. Un tren y un autobs arriban a la estacin aleatoriamente entre las
9 A.M. y las 10 A.M. El tren para en la estacin durante 20 min y el
autobs durante X minutos. Encuentra X de tal manera que la
probabilidad de que el autobs y el tren se encuentren sea 0.5.
Teorema de DeMoivre-Laplace
Se puede demostrar que si npq >> 1, entonces





Evaluacin aproximada de P{k1 k k2}. Usando el teorema
anterior se puede mostrar que






npq np k k n k
e
npq
q p
k
n
2 / ) (
2
2
1

~
|
|
.
|

\
|
t
Variables aleatorias
Una variable aleatoria es un nmero x(Z) asignado a cada salida Z de un
experimento. Este nmero podra ser por ejemplo:

el voltaje en una fuente aleatoria
el costo de un componente aleatorio

En el experimento del dado asignamos a las seis salidas fi los nmeros
x(fi) = 10i. Por tanto,



En el mismo experimento podramos asignar el nmero 1 a cada salida
par y el nmero 0 a cada salida impar:

Variables aleatorias


Supongamos un experimento especificado por el espacio S, el campo de
subconjuntos de S llamados eventos y la probabilidad asignada a
esos eventos. Para cada salida de este experimento asignamos un
nmero x().

De esta manera hemos creado una funcin x cuyo dominio es el
conjunto S y cuyo rango es un conjunto de nmeros. Esta funcin es
llamada:
variable aleatoria
Variables aleatorias
Ejemplo: x es una funcin (tabla) que asocia las seis caras del dado
con los seis nmeros: 10, 20, 30, 40, 50, 60. El dominio de esta
funcin es el conjunto S = {f1, f2, , f6} y su rango es el conjunto de
los 6 nmeros mencionados. La expresin x(f2) = 20.

Comenzaremos con el significado de la notacin:


Esta notacin representa al subconjunto S que consiste de todas las
salidas tales que x( ) <= x.
es un conjunto de salidas experimentales.






El significado de es similar. Representa un

Subconjunto de S que consiste de todas las salidas tales que
x
1
x( ) x
2
: donde x
1
y x
2
son 2 nmeros dados.

Ejemplo: Ilustremos esto con la variable aleatoria x(f
i
) = 10 i del
experimento del dado.

El conjunto {x 35} consiste de los elementos f1, f2, f3 porque
x(fi) 35 solo si i = 1,2 3



Variables aleatorias
Variables aleatorias
Definicin formal: Una variable aleatoria es un proceso de asignar
un nmero x( ) a cada salida experimental .La funcin resultante
debe satisfacer las siguientes dos condiciones:

I. El conjunto {x x} es un evento para cada x-
II. Las probabilidades de los eventos {x = } y {x = - } son
iguales a cero.





Distribuciones y funciones de densidad
Los elementos del conjunto S que estn contenidos en el evento {x x}
cambian conforme el nmero x toma varios valores. La probabilidad
P{x x} del evento {x x} es por tanto un nmero que depende de
x. Este nmero suele ser denotado por F
x
(x) funcin de
distribucin acumulada de la variable aleatoria x.

La funcin de distribucin de la variable aleatoria x es la funcin




Definida para cada x desde - hasta .