Procesos Estocásticos

Departamento de Eléctrica y Electrónica

Dr. Marco J. Flores C.

Octubre 2017 - Febrero 2018

 Conjuntos y Probabilidad

Conjuntos
1. Teoría de Conjuntos
Un conjunto, S, es una colección de objetos llamados elementosa .
Los conjuntos pueden ser:
Finitos
Innitos: contable o no-contable
Un subconjunto B de un conjunto A es otro conjunto cuyos
elementos son tambi'en elementos de A. La siguiente gura ilustra
el caso:

Los subconjuntos se denotan por el símbolo ⊂, por ejemplo, B ⊂ A.

a En la literatura de probabilidades S ≡ Ω

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Conjuntos

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Conjuntos
1. Ejemplos de conjuntos
Conjunto nito: S = {Lanzamiento de un dado} = {1, 2, 3, 4, 5, 6}
Conjunto innito contable: S = {1, 2, 3, ...}
Conjunto innito no-contable:
a) S = {(x, y ) : −b 6 x − y 6 a}

b) S = {(r , c) : 95 6 r 6 97, 313 6 c 6 340}

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Conjuntos

Subconjuntos de un conjunto nito

Los subconjuntos que se pueden formar a partir del conjunto S, nito, es
2n ; donde n es el número de elementos.
Por ejemplo:
Caso 1: Si el conjunto tiene 4 elementos, entonces se tienen 24 = 16
subconjuntos
Caso 2: Si el conjunto tiene 8 elementos, entonces se tienen
28 = 256 subconjuntos
Caso 3: Si el conjunto tiene 50 elementos, entonces se tienen
250 = 1.1259x 1015 subconjuntos

Listar todos los subconjuntos de los conjuntos: S1 = {1, 2, 3},

S2 = {a, b, c, d} y S3 = {a1 , a2 , a3 , a4 , a5 , a6 , a7 , a8 }.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Conjuntos

Revisar si es posible ampliar este tema.

Subconjuntos de un conjunto innito contable
Los subconjuntos que se pueden formar a partir del conjunto S, innito
contable,

Subconjuntos de un conjunto innito no-contable

Los subconjuntos que se pueden formar a partir del conjunto S, innito
no-contable,

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Conjuntos
Sucesiones de conjuntos: Límites superior e inferior
Para una sucesión de conjuntos {An , n > 1} se dene el limite superior y
el limite inferior como sigue:
1
∞ [
∞
(1)
\
lim supn→∞ An = Ak
n=1 k=n
2
∞ \
∞
(2)
[
lim infn→∞ An = Ak
n=1 k=n

El límite superior y el límite inferior siempre existen y son únicos.

El conjunto resultante es siempre un conjunto, es decir, un conjunto
medible
Siempre se cumple la siguiente contenencia:
lim infn→∞ An ⊆ lim supn→∞ An (3)
Dr. Marco J. Flores C. Procesos Estocásticos
 Conjuntos y Probabilidad

Conjuntos
Convergencia de conjuntos
Sea {An , n > 1} una sucesión de conjuntos. Si existe un conjunto A tal
que:

lim infn→∞ An = lim supn→∞ An =A (4)

Entonces se dice que la sucesión converge al conjunto A, y se denota por:
limn→∞ An =A

Sucesiones de conjuntos crecientes y decrecientes

Una sucesión de conjuntos {An , n > 1} se dice:
1
Creciente si:
A1 ⊂ A2 ⊂ ... ⊂ An ⊂ An+1 ⊂ ...
2
Decreciente si:

A1 ⊃ A2 ⊃ ... ⊃ An ⊃ An+1 ⊃ ...

Dr. Marco J. Flores C. Procesos Estocásticos
 Conjuntos y Probabilidad

Conjuntos

Proposición
Si {An , n > 1} es una sucesión creciente de conjuntos, entonces se dene
un nuevo conjunto, limn→∞ An , denotado por:
n
(5)
[
limn→∞ An = Ai
i=1

Si {An , n > 1} es una sucesión decreciente de conjuntos, entonces se

dene un nuevo conjunto, limn→∞ An , denotado por:
n
(6)
\
limn→∞ An = Ai
i=1

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Conjuntos
Ejemplo 1
Considere los conjuntos

1 1
Ai = v :1− 6v <1− i
2i−1 2

para i = 1, 2, .... Determinar los conjuntos ∞

i=1 Ai y
∞ S T
i=1 Ai
Sea An = [−1/n, 0] si n es impar, y An = [0, 1/n] si n es par.
Vericar que limn→∞ An = {0}.
Considere los conjuntos

1
Bi = v :v 6
2i
S∞ T∞
Determinar los conjuntos i=1 Bi y i=1 Bi

Nota: En el segundo caso calcular la limsup y liminf .

Dr. Marco J. Flores C. Procesos Estocásticos
 Conjuntos y Probabilidad

Probabilidades

2. Elementos de la Teoría de Probabilidades

1
Experimento aleatorio (E): Es un experimento cuyo resultado no
puede ser determinado de antemano.
2
Espacio muestral (Conjunto Universal, S): Es un conjunto de
todos los posibles sucesos de un experimento aleatorio Este espacio
puede ser:
Finito
Innito: contable o no-contable
3
Evento: Es un subconjunto de un espacio muestral. Es decir, un
evento es cualquier colección de los posibles sucesos de un
experimento:
σ-álgebra o σ-campo
4
Probabilidad: Es una función que asigna un valor a los eventos.
Generalmente, este valor está en el intervalo [0, 1]

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades
Ejemplos de espacio muestral
Lanzamiento de monedas:
Dos veces , entonces el espacio muestral es: S1 = {CC , CS, SC , SS}
Tres veces, entonces el espacio muestral es:
S2 = {CCC , CCS, CSC , SCC , SSC , SCS, CSS, SSS}
Formar los subconjuntos de S1 y S2
Sistema de radares: El voltaje de la onda de ruido al tiempo t es el
espacio muestral: S = {−∞, ∞}
Variabilidad en un circuito electrónico (Filtro pasa bajo RC):
La región formada por la resistencia (ohmios)y la capacitancia
(micro-faradios) constituyen el espacio muestral
S = {(r , c) : 95 6 r 6 105, 300 6 c 6 340}
Falla de componentes: El conjunto de funciones X (t) para los que
X (t) = 1 para 0 6 t 6 t0 y X (t) = 0 para t > t0 , donde t0 > 0 es el
tiempo donde el componente falla.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

2.1 σ-álgebra (F)

En probabilidades son de interés aquellas colecciones de subconjuntos
(eventos) de S que cumplen las siguientes condiciones [?], [?], [?],[?]:
1
S∈F
S∞
2
Si A1 , A2 , ... ∈ F entonces i=1 Ai ∈ F
3
Si A ∈ F entonces Ac ∈ F
Como consecuencia directa se tiene:
Si S ∈ F entonces Φ ∈ F (por (3)).
Si A1 , A2 , ... ∈ F, entonces por (2) y (3) se tiene:
∞ ∞
!c
\ [
Ai = Aci
i=1 i=1

La dupla (S, F) se denomina espacio medible[?].

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

2.2. σ-álgebra de Borel de R

Considere la colección de todos los intervalos abiertos (a, b) de R, con
a 6 b . A la mínima σ-álgebra generada por esta colección se le llama
σ-álgebra de Borel de R, y se la denota por B(R).

B(R) = σ {(a, b) ⊆ R : a 6 b} (7)

A los elementos de B(R) se los denomina conjuntos de Borel. De esta

manera se puede asociar la B(R) al conjunto de los números reales.
Nota1: La σ-álgebra de Borel se dene como la σ-álgebra generada por
los conjuntos abiertos (o equivalentemente, por los conjuntos cerrados).
Nota2: La σ-álgebra de Borel B(R) se suele notar simplemente como B.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Espacio de Borel unidimensional

Todo intervalo y, en particular, todo número real ({a} = [a, a]), es un
conjunto de Borel.
Todo conjunto numerable y, en particular, todo conjunto nito, es
un conjunto de Borel.
Todo conjunto formado a partir de las operaciones de uniones
numerables, intersecciones numerables y complementarios, realizadas
a partir de intervalos de R, es un conjunto de Borel.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Ejemplo 1: σ-álgebras
a) Si S 6= Φ. Entonces F = {S, Φ} es una σ-álgebra, denominada
σ-álgebra trivial, y es la más pequeña que se puede denir a partir
de S.
b) Si S 6= Φ y A ⊆ S. Entonces F = {S, A, Ac , Φ} es una σ-álgebra.
c) Sea S = {1, 2, 3, 4} y sean F1 = {S, Φ, {1}, {2, 3, 4}} y
F2 = {S, Φ, {1, 2}, {3, 4}}. Claramente, (S, F1 ) es un espacio medible
distinto de (S, F2 ).
d) Sea S = {1, 2, 3} entonces, vericar que si:
 
 {1}, {1, 2}, {1, 2, 3} 
F= {2}, {1, 3}, Φ
 
{3}, {2, 3},
cumple las propiedades de σ-álgebra.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Ejemplo 2: B(R)
Sea S = {−∞, +∞} la recta real. Entonces B(R) se construye a partir de
los conjuntos de la forma: i) [a, b], ii) (a, ∞) iii) (−∞, b), iv) [a, b), v)
(a, b] o vi) a; con a y b números reales.

i)Los intervalos cerrados [a, b] son conjuntos Borelianos y pueden

representarse en términos de una intersección numerable de intervalos
abiertos de la siguiente forma
∞ 
1 1
\ 
[a, b] = a − ,b +
n=1
n n

Cada elemento de esta intersección es un conjunto Boreliano. Siendo

B(R) una σ-álgebra, la intersección innita es un elemento de B(R). De
esta forma se concluye que cada intervalo cerrado [a, b] es un elemento
de B(R).

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Similar al caso anterior se tiene:

ii)
∞
[
(a, +∞) = (a, a + n) ∈ B(R)
n=1

iii)

∞
[
(−∞, b) = (b − n, b) ∈ B(R)
n=1

iv)

∞ 
1
\ 
[a, ∞) = a − , ∞ ∈ B(R)
n=1
n

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

v)

∞ 
1
\ 
(−∞, b] = −∞, b + ∈ B(R)
n=1
n

vi)

∞ 
1 1
\ 
{a} = a − ,a +
n=1
n n

Complementos, intersecciones y uniones numerables de estos conjuntos

son todos ellos Borelianos.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Ejemplo 3: B(R)
Las siguientes σ-álgebras son todas idénticas a B(R).
i) : σ{[a, b] : a 6 b}
ii) : σ{(a, b] : a 6 b}
iii) : σ{[a, b) : a 6 b}
iv) : σ{(a, +∞) : a ∈ R}
v) : σ{(−∞, b) : b ∈ R}

i) : Para probar que B(R) = σ{[a, b] : a 6 b} se prueban las dos

contenencias.

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Claramente [a, b] ∈ B(R), por tanto, {[a, b] : a 6 b} ∈ B(R).

Entonces
σ{[a, b] : a 6 b} ⊆ σ{B(R)} = B(R)
SabemosSque (a, b) ∈ σ{[a, b] : a 6 b} pues
∞ 1 1
(a, b) = n=1 [a + n , b − n ]. Entonces

{(a, b) : a 6 b} ⊆ σ{[a, b] : a 6 b}

Por lo tanto

B(R) = σ{(a, b) : a 6 b} ⊆ σ{[a, b] : a 6 b}

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

3. Probabilidad
Es una función que asigna un valor a los eventos.
Generalmente, este valor está en el intervalo [0, 1] y cumple las siguientes
condiciones (axiomas) [?]:
1
Si A ∈ F es un evento, entonces P(A) > 0
2
P(S) = 1. La probablilidad de todo el espacio vale 1
3
Sean A1 , A2 , ... ∈ F una secuencia de
T eventos que son mutuamente
excluyentes (disjuntos), es decir An Am = Φ para m 6= n entonces:
∞ ∞
X
!
(8)
[
P An = P(An )
n=1 n=1

La tripleta (S, F, P) se denomina espacio de probabilidad [?].

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades
4. Probabilidad (Frecuentista)
Supongamos que se desarrolla un experimento n veces. La probabilidad
de un evento A, que se ha repetido nA veces es el siguiente límite:
nA
P(A) = limn→∞ (9)
n
Es decir, la probabilidad, desde el punto de vista frecuentista, es el
número de casos favorables sobre el número de casos totales.Este límite
no siempre existe.
La denición anterior cumple las siguientes propiedades:
0 6 nnA 6 1, donde nnA = 0 is A no ocurre en ninguna de las
repeticiones, y nnA = 1 si A ocurre en todas las repeticiones
Si A y B son eventos mutuamente excluyentes, entonces
nA∪B = nA + nB y
nA∪B nA nB
= +
n n n

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

5. Proposiciones
Para lo que sigue, A, B, C son eventos de F.
1
Si A ⊂ B , entonces:
P(A) 6 P(B) (10)
2
Si P(A) + P(Ac ) = 1 entonces

P(Ac ) = 1 − P(A) (11)

3
Si A = S , entonces Ac = Φ, por lo tanto se tiene:

P(Φ) = 1 − 1 = 0 (12)
4
Sean A y B dos eventos, entonces:

P(A ∪ B) = P(A) + P(B) − P(AB) (13)

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

5. Proposiciones
1
Si A y B son dos eventos, entonces:

P(B ∪ Ac ) = P(B) − P(A ∪ B) (14)

2
Si A y B son mutuamente excluyentes, se tiene:

P(A ∪ B) = P(A) + P(B) (15)

3
Si A, B y C son tres eventos, entonces:

P(A ∪ B ∪ C ) = P(A) + P(B) + P(C ) −

P(AB) − P(AC ) − P(BC ) + P(ABC )

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

5. Proposiciones
1
Si A1 , ...., An es una secuencia de eventos (generalización del caso
anterior para n eventos), entonces:

X
n X
P(A1 ∪ A2 ∪ ... ∪ An ) = P(Ai ) − P(Ai Ai ) + ...
1 2

i=1 i1 <i2
X
+(−1)r +1 P(Ai Ai ...Air )
1 2

i1 <i2 <...<ir

+... + (−1)n+1 P(A1 A2 ...An )

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

5. Proposiciones
1
Para cualquier partición C1 , C2 .... de S y A ∈ F se tiene:
∞
X
P(A) = P(A ∩ Ci ) (16)
i=1

2
Para cualquier secuencia de eventos A1 , A2 , ... (Desigualdad de
Boole) se tiene:
a)
∞ X
∞
!
(17)
[
P Ai 6 P(Ai )
i=1 i=1

b)
∞ X
∞
!
>1− (18)
\
P Ai P(Aci )
i=1 i=1

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades
Proposición:
Si {An , n > 1} es una sucesión creciente o decreciente de eventos,
entonces:

limn→∞ P(An ) = P(limn→∞ An ) (19)

Demostración proposición
Suponga que {An , n > 1} es una secuencia creciente, y dena los eventos
{Bn , n > 1} como:

B1 = A1
!c
[1
n−
Bn = An Ai
i=1
= An Acn−1 , para n>1

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades
Continuación demostración
Los Bn son eventos mutuamente excluyentes, tal que:
∞ ∞
(20)
[ [
Bi = Ai
i=1 i=1
y
n n
n>1 (21)
[ [
Bi = Ai , para
i=1 i=1

Así se tiene:

∞ ∞
! !
[ [
P Ai = P Bi
i=1 i=1
∞
X
= P(Bi ), (axioma 3)
i=1

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Probabilidades

Continuación demostración

X
n
= limn→∞ P(Bi )
i=1
n
!
[
= limn→∞ P Bi
i=1
n
!
[
= limn→∞ P Ai
i=1
= limn→∞ P(An )

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Probabilidades

Ejemplo 1
Consideremos el experimento aleatorio lanzar un dado dos veces seguidas,
y sea A el suceso salir par en el primer lanzamiento e impar en el
segundo, B el suceso salir número primo en los dos lanzamientos. En
esta situación:
Describir el espacio muestral S, el suceso A y el suceso B
Describir A ∪ B , A ∩ B , A 0

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Probabilidades

 

 (1, 1)(1, 2) (1, 3) (1, 4) (1, 5) (1, 6)

 

 ( (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
2, 1) 

 
(3, 1)(3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
S=

 (4, 1)(4, 2) (4, 3) (4, 4) (4, 5) (4, 6)

 

 ( (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
5, 1) 

 
(6, 1)(6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
 
(2, 1) (2, 3) (2, 5)
A = (4, 1) (4, 3) (4, 5)
 
(6, 1) (6, 3) (6, 5)
 
(1, 1) (1, 2) (1, 3) (1, 5)

 

(2, 1) (2, 2) (2, 3) (2, 5)
B=

 (3, 1) (3, 2) (3, 3) (3, 5)
 
(5, 1) (5, 2) (5, 3) (5, 5)

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Probabilidades
Ejemplo 2
Supongamos que se mide el tiempo de vida de los chips de memoria de
computador, y se encuentra que "La proporción de chips cuyo tiempo de
vida excede t decrese exponencialmente a una tasa λ > 0". Encontrar la
ley de probabilidad (Probar los axiomas de probabilidad).

Ejemplo 3
Considere la siguiente red de interruptores. Todos los interruptores tienen
la misma probabilidad de funcionar o no. Encuentre la probabilidad de
que existe un camino cerrado (circuito cerrado) entre las terminales C1 y
C2 .

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Probabilidades

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Ejercicios de Probabilidades
Ejemplo 4
Vericar las siguientes proposiciones:
Si A y B son dos eventos, con A ⊂ B , entonces:

P(A) 6 P(B) (22)

Si A y B son dos eventos, entonces:

P(B ∪ Ac ) = P(B) − P(A ∪ B) (23)

Si A y B son dos eventos, entonces

P(A\B) = P(A) − P(A ∩ B) (24)

Sol:
Caso 1: B = A ∪ (B ∩ Ac ), entonces P(A) + P(B ∩ Ac ) > P(A)
Caso 2: B = {B ∩ A} ∪ {B ∩ Ac } y P(A ∪ B) = P(A) + P(B)
−P(AB),
Caso 3: A = (A\B) ∪ (A ∩ B)
Dr. Marco J. Flores C. Procesos Estocásticos
 Conjuntos y Probabilidad

Tarea para reforzar el conocimiento

Lectura complementaria
Leer y hacer un resumen del capítulo 1 de los libros de Peebles y de
Papoulis.

Video
Ver el video y hacer un resumen
https://www.youtube.com/watch?v=6k1j3jrJxe0

Dr. Marco J. Flores C. Procesos Estocásticos

 Conjuntos y Probabilidad

Tarea para reforzar el conocimiento

Tarea1
Desarrollar ejercicios de este tema. En particular analizar el tema de
σ-álgebra

Tarea2
Desarrollar el curso de Matlab de Coursera como parte de práctica

Nota: No pagar para obtener el certicado, no es necesario.

Dr. Marco J. Flores C. Procesos Estocásticos