2 teoria de_probabilidades

5,582 views

Published on

Capítulo 2: Teoría de Probabilidades
- Espacio de Muestras
- Algebra de Eventos
- Medida de Probabilidad
- Ssitema de Probabilidad

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
5,582
On SlideShare
0
From Embeds
0
Number of Embeds
3,934
Actions
Shares
0
Downloads
137
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

2 teoria de_probabilidades

  1. 1. Francisco A. Sandoval Análisis Estadístico y Probabilístico 2013 fralbe.com
  2. 2. Agenda CAP. 2: TEORÍA DE PROBABILIDADES • Espacio de Muestras • Algebra de Eventos • Medida de Probabilidades • Sistema de Probabilidad fralbe.com
  3. 3. Objetivos • Introducir un modelo matemático que permita estudiar de forma abstracta un fenómeno físico al cual está asociada una incerteza. – El modelo tiene como base la teoría de la probabilidad y caracterizará una experiencia asociada al fenómeno físico en análisis. – El modelo se compone de tres elementos: • Espacio de muestras • Álgebra de eventos • Medida de Probabilidad fralbe.com
  4. 4. ESPACIO DE MUESTRASfralbe.com
  5. 5. Espacio de Muestras • Los elementos de Ω son denominados puntos de muestra 𝜔 o resultados y son indescomponibles. • Ω no es necesariamente único. • Ω puede ser discreto (finito o infinito contable) o continuo (infinito no contable) Definición 1: Espacio de Muestra 𝜴 Es un conjunto que contiene todos los resultados posibles de un experimento 𝜀. fralbe.com
  6. 6. Espacio de Muestras Fenómeno físico Experiencia 𝜔 Ω Experimento Lanzamiento de un dado Lanzar dado y observar el número en la cara visible (arriba) fralbe.com
  7. 7. Ejemplo 1: Espacio de Muestras • 𝜀1: Giro de una ruleta y observación del número obtenido. Ω1 = 0, 1, 2, … , 36 – 𝐴 = {«obtener número impar»} A = 1, 3, 5, … , 35 • 𝜀2: Giro de una ruleta y observación del color. Ω2 ={«rojo», «negro»} fralbe.com
  8. 8. Ejemplo 1: Espacio de Muestras • 𝜀3: Giro hasta obtener 0 y observar el número de intentos a • Ω3 = 1, 2, 3 … = ℝ+ b • Ω3 = 1, 2, 3 … = ℕ+ c • Ω3 = ,0, ∞) = ℝ+ d • Ω3 = *0,1,2,3, … + = ℕ+ e • Ω3 = 1,2,3, … , 𝑛 = ℕ+ ; 𝑛 = «𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑛𝑡𝑒𝑛𝑡𝑜𝑠» fralbe.com
  9. 9. Ejemplo 1: Espacio de Muestras • 𝜀4: Giro y observación del tiempo que tarde en parar. a • Ω4 = 1, 2, 3 … = ℝ+ b • Ω4 = 1, 2, 3 … = ℕ+ c • Ω4 = ,0, ∞) = ℝ+ d • Ω4 = *0,1,2,3, … + = ℕ+ e • Ω4 = 1,2,3, … , 𝑡 = ℝ+ ; 𝑡 = «𝑡𝑖𝑒𝑚𝑝𝑜» fralbe.com
  10. 10. Ejemplo 2: Espacio de Muestras CENTRAL A CENTRAL B 200 terminales telefónicos 𝑛 circuitos 𝑛 = 20 Contar el número 𝑛 𝑝 de llamadas simultáneamente en progreso entre A y B en un dado instante, definiendo como resultado de la experiencia el propio valor de 𝑛 𝑝. Ω = 0, 1, 2, … , 20 fralbe.com
  11. 11. Ejemplo 2: Espacio de Muestras Si el resultado de la experiencia es la verificación de la existencia o no de congestionamiento entre las centrales A y B. – La condición de congestionamiento corresponde a observar 𝑛 𝑝 = 20 y puede ser identificado como el punto de muestra 𝑤1. – La condición de no-congestionamiento 𝑛 𝑝 < 20 correspondería al punto de muestra 𝑤2. Ω = 𝑤1, 𝑤2 fralbe.com
  12. 12. Espacio de Muestras Lo importante en la definición del resultado de una experiencia es, a partir de los objetivos del modelo matemático que está siendo construido, llegar a un espacio de muestras que no sea más detallado de lo que es necesario, ni tan compacto al punto de omitir aspectos importantes del fenómeno que está siendo observado. fralbe.com
  13. 13. Espacio de Muestras video fralbe.com
  14. 14. Tarea: Espacio de Muestras Leer el Capítulo 3: Blaise Pascal Descargar el libro: [link] fralbe.com
  15. 15. Tarea: Espacio de Muestras Luego de leer el texto, responder a las siguientes preguntas: 1. ¿Qué es análisis combinatorio? 2. Defina permutación y combinación y de dos ejemplos de cada uno. 3. Se extrae una carta aleatoria de una baraja de 52 cartas. Describir el espacio de muestras si a) No se tiene en consideración el palo. b) Si se tiene en cuenta el palo. fralbe.com
  16. 16. ALGEBRA DE EVENTOSfralbe.com
  17. 17. Algebra de Eventos • Ejemplo 2.1: Saber cuales son las posibilidades de que el número de llamadas en progreso simultáneo sea inferior a 10, o sea, cuál es la posibilidad de que el resultado de la experiencia pertenezca al subconjunto 𝐴 del espacio de muestras definido por: 𝐴 = 0, 1, … , 9 Es común que solamente algunos subconjuntos de Ω sean de interés y estos son los que se desea asociar a una probabilidad. Sea 𝐴 esta colección. fralbe.com
  18. 18. Eventos - Ejemplo 𝜔 Ω Punto de Muestra Espacio de Muestras Evento Obtener número par en lanzamiento de dado Eventofralbe.com
  19. 19. Algebra de Eventos • En el modelo matemático que sirve de base para la teoría de probabilidad, la manipulación de conjuntos de puntos de muestras, es de extrema importancia. • Las operaciones que envuelven subconjuntos de Ω obedecen a las reglas y propiedades usuales de las operaciones de conjuntos. fralbe.com
  20. 20. Conjuntos, Reglas y Propiedades Definición 2: Igualdad Dos conjuntos 𝐴, 𝐵 son iguales (𝑨 = 𝑩), si todo elemento (punto de muestra) de 𝐴 es elemento de 𝐵 y todo elemento de 𝐵 es elemento de 𝐴. Definición 3: Inclusión Un conjunto 𝐴 está incluido o contenido en un conjunto B (𝑨 ⊂ 𝑩), si todo elemento de 𝐴 es elemento de 𝐵. Equivalentemente, se dice que 𝐵 contiene a 𝐴 escribiendo (𝐁 ⊂ 𝑨). A B Ω 𝐴 ⊂ 𝐵 fralbe.com
  21. 21. Conjuntos, Reglas y Propiedades Definición 4: Unión El conjunto cuyos elementos son elementos de un conjunto 𝐴, de un conjunto 𝐵 o de ambos es denominado unión de los conjuntos 𝐴 y 𝐵, y se denota: 𝐴 ∪ 𝐵 ≜ 𝜔 ∈ Ω ∶ 𝜔 ∈ 𝐴 o 𝜔 ∈ 𝐵 o ambos 𝐴 ∪ 𝐵 fralbe.com
  22. 22. Conjuntos, Reglas y Propiedades Definición 5: Intersección El conjunto cuyos elementos son simultáneamente elementos de un conjunto 𝐴 y de un conjunto 𝐵 es denominado intersección de los conjuntos 𝐴 y 𝐵, y se denota: 𝐴 ∩ 𝐵 ≜ 𝜔 ∈ Ω ∶ 𝜔 ∈ 𝐴 y 𝜔 ∈ 𝐵 𝐴 ∩ 𝐵 fralbe.com
  23. 23. Conjuntos, Reglas y Propiedades Definición 6: Complemento El conjunto cuyos elementos son los elementos de Ω que no pertenecen a un determinado conjunto 𝐴 es llamado complemento de 𝐴, y se representa por 𝐴, osea: 𝐴 ≜ 𝜔 ∈ Ω ∶ 𝜔 ∈ 𝐵 𝑦 𝜔 ∉ 𝐴 A Ω 𝐴 fralbe.com
  24. 24. Conjuntos, Reglas y Propiedades Definición 7: Diferencia El conjunto cuyos elementos son los elementos de un conjunto 𝐵 que no pertenecen a otro conjunto 𝐴 es llamado conjunto diferencia entre 𝐵 y 𝐴, y se denota: B – A ≜ 𝜔 ∈ Ω ∶ 𝜔 ∉ 𝐴 𝐵 − 𝐴 fralbe.com
  25. 25. Conjuntos, Reglas y Propiedades Definición 8: Conjunto vacío El conjunto que contiene elementos es denominado conjunto vacío, y se representa por ∅. Definición 9: Conjuntos Disjuntos Dos conjuntos 𝐴 y 𝐵 que no tienen elementos en común son llamados disjuntos. Definición 10: Clase Clase es el nombre dado a una colección de conjuntos. fralbe.com
  26. 26. Conjuntos, Reglas y Propiedades Propiedad 1: Asociativa Las operaciones de unión e intersección, definidas anteriormente, son asociativas, o sea: 𝐴 ∪ 𝐵 ∪ 𝐶 = (𝐴 ∪ 𝐵) ∪ 𝐶 𝐴 ∩ 𝐵 ∩ 𝐶 = (𝐴 ∩ 𝐵) ∩ 𝐶 Propiedad 2: Distributiva: La operación de intersección es distributivas en relación a la operación de unión, o sea: 𝐴 ∩ 𝐵 ∪ 𝐶 = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶) Más Información: En la Página de la Componente: Teoría de Conjuntos fralbe.com
  27. 27. Álgebra Propiedades: i. 𝐴 ∈ 𝓐 y 𝐵 ∈ 𝓐 ⇒ (𝐴 ∩ 𝐵) ∈ 𝓐 ii. 𝐴 ∈ 𝓐 y 𝐵 ∈ 𝓐 ⇒ (𝐴 − 𝐵) ∈ 𝓐 iii. ∅ ∈ 𝓐 iv. Ω ∈ 𝓐 v. 𝐴𝑖 ∈ 𝓐; 𝑖 = 1,2, … , 𝑛 ⇒ 𝐴𝒊 𝒏 𝒊=𝟏 ∈ 𝓐 Definición 11: Álgebra Una determinada clase o colección 𝓐 es dicha una álgebra cuando satisface las siguientes condiciones: i. 𝐴 ∈ 𝓐 ⇒ 𝐴 ∈ 𝓐 ii. 𝐴 ∈ 𝓐 y 𝐵 ∈ 𝓐 ⇒ (𝐴 ∪ 𝐵) ∈ 𝓐 fralbe.com
  28. 28. Álgebra Definición 12: 𝝈-Álgebra Cuando la propiedad v, continua siendo válida, hasta para un número infinito de conjuntos, o sea: 𝐴𝑖 ∈ 𝓐; 𝑖 = 1,2, … , 𝑛 ⇒ 𝐴𝒊 ∞ 𝒊=𝟏 ∈ 𝓐 Definición 13: 𝝈-Álgebra generada por una Clase 𝓒 La menor 𝜎-álgebra que contiene todos los conjuntos de una clase 𝓒 es representada por 𝓐(𝓒) y es denominada 𝜎-álgebra generada por 𝓒. fralbe.com
  29. 29. Ejemplo: Álgebra Considere una experiencia que consiste en el lanzamiento de un dado y cuyo resultado es el valor de la cara que se observa. Si el punto de muestra asociado a la observación de la cara 𝑖, (𝑖 = 1,2, … , 6) es representado por 𝑓𝑖, tiene el siguiente espacio de muestras Ω = 𝑓1, 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 ¿Cuál de las siguientes opciones constituye una álgebra? fralbe.com
  30. 30. Ejemplo: Álgebra a • 𝓒 = ∅, Ω, 𝑓1, 𝑓3, 𝑓5 , 𝑓2, 𝑓4, 𝑓6 , 𝑓1 , 𝑓1, 𝑓2, 𝑓4, 𝑓6 , 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 , 𝑓3, 𝑓5 b • 𝓒 = ∅, Ω, 𝑓1, 𝑓3, 𝑓5 , 𝑓2, 𝑓4, 𝑓6 , 𝑓1 , 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 c • 𝓒 = 𝑓1, 𝑓3, 𝑓5 , 𝑓2, 𝑓4, 𝑓6 , 𝑓1 , 𝑓1, 𝑓2, 𝑓4, 𝑓6 , 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 , 𝑓3, 𝑓5 d • 𝓒 = ∅, Ω, 𝑓1, 𝑓3, 𝑓5 , 𝑓2, 𝑓4, 𝑓6 , 𝑓1 fralbe.com
  31. 31. Ejemplo - Respuesta • d no constituye una álgebra. Viola la definición. (La Unión) 𝑓1 𝑓2, 𝑓4, 𝑓6 = 𝑓1, 𝑓2, 𝑓4, 𝑓6 No es miembro de 𝓒. • Para que fuera álgebra, este subconjunto debería pertenecer a la clase. • De igual forma el complemento de 𝑓1 , 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 debería pertenecer a la clase. • Incluyendo también el complemento de 𝑓1, 𝑓2, 𝑓4, 𝑓6 , el álgebra cerrada en relación al complemento y la unión será: ∅, Ω, 𝑓1, 𝑓3, 𝑓5 , 𝑓2, 𝑓4, 𝑓6 , 𝑓1 , 𝑓1, 𝑓2, 𝑓4, 𝑓6 , 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 , 𝑓3, 𝑓5 fralbe.com
  32. 32. Álgebra Definición 14: Evento Evento es cualquier subconjunto de Ω que pertenece a 𝜎-álgebra. Definición 15: Eventos mutuamente exclusivos Dos eventos son mutuamente exclusivos cuando ellos corresponden a dos subconjuntos de Ω que son disjuntos. Ω A B fralbe.com
  33. 33. Ejemplo 4: Álgebra Una red de comunicaciones contiene 4 terminales (𝑎, 𝑏, 𝑐, 𝑑), cinco troncales (𝑒1, 𝑒2, 𝑒3, 𝑒4, 𝑒5) y una llave 𝑆 que puede asumir 3 posiciones (𝐼, 𝐼𝐼, 𝐼𝐼𝐼). Cada troncal se puede encontrar en estado de operación o fuera de operación. Se define una experiencia que consiste en observar la situación de la red en un dado instante verificando la posición de la llave 𝑆 y los estados de los troncos y cuyo resultado es precisamente la especificación de esta situación. fralbe.com
  34. 34. Ejemplo 4: Álgebra a) Encuentre un método simple de representar los puntos de muestra que constituyen el espacio de muestra correspondiente a esta experiencia. Determine el número de puntos de muestra. b) Determine cuantos puntos de muestra pertenecen a los siguientes eventos: 𝐴 = 𝜔 ∈ Ω: 𝑎 y 𝑐 pueden comunicarse 𝐵 = 𝜔 ∈ Ω: 𝑏 y 𝑐 pueden comunicarse 𝐶 = 𝜔 ∈ Ω: la llave 𝑆 está en la posición 𝐼 fralbe.com
  35. 35. Ejemplo 4: Álgebra (Sol) a) Un punto genérico del espacio de muestras 𝜔𝑖 puede representarse por: 𝜔𝑖 = 𝐶𝑠, 𝑇1, 𝑇2, 𝑇3, 𝑇4, 𝑇5 donde 𝐶𝑠 ∈ *𝐼, 𝐼𝐼, 𝐼𝐼𝐼+ y 𝑇𝑖 ∈ *0,1+ para 𝑖 = 1, 5. El valor de 𝐶𝑠 indicará la posición de la llave y el valor de 𝑇𝑖 indicará la posición de estado del tronco 𝑖. Convencionalmente 𝑇𝑖 = 0 si el estado del tronco 𝑖 está fuera de operación. Se tiene 𝟑 × 𝟐 𝟓 = 𝟗𝟔 puntos de muestra. fralbe.com
  36. 36. Ejemplo 4: Álgebra (Sol) b) El evento 𝐴 puede ser expresado por la unión de tres subconjuntos: 𝐴1 = *𝐼, 1,×,×, 1,×+ × indica que el estado del tronco puede ser tanto «0» como «1». De forma no compacta, 𝐴1 = * 𝐼, 1,0,0,1,0 , 𝐼, 1,0,0,1,1 , 𝐼, 1,0,1,1,0 , 𝐼, 1,0,1,1,1 , 𝐼, 1,1,0,1,1 , 𝐼, 1,1,0,1,1 , 𝐼, 1,1,1,1,0 , (𝐼, 1,1,1,1,1)+ Análogamente 𝐴2 = *𝐼𝐼,×, 1,×,×,×+ y 𝐴3 = *𝐼𝐼𝐼,×,×, 1,×, 1+ Se tiene entonces 𝐴 = 𝐴1 ∪ 𝐴2 ∪ 𝐴3 El número de puntos en estos subconjuntos es respectivamente 8, 16 y 8. Como estos subconjuntos son disjuntos, el total de puntos en 𝑨 es 32. Para los otros eventos, de forma similar: 𝐵 = *×,×,×,×, 1,×+} El número de puntos en 𝐵 será entonces 𝟑 × 𝟏𝟔 = 𝟒𝟖 Para el evento 𝐶, 𝐶 = *𝐼,×,×,×,×,×+ y por tanto el número de puntos en 𝐶 será 𝟐 𝟓 = 𝟑𝟐. fralbe.com
  37. 37. Ejemplo 3: Espacio de Muestras 1. Represente el espacio de muestras Ω de las siguientes experiencias. a. Experimento 1: Se Selecciona un balón de una urna que contiene balones numerados entre 1 y 4. Suponga que los balones 1 y 2 son negros y que los balones 3 y 4 son blancos. Represente el número y el color del balón seleccionado. b. Experimento 2: Mida el tiempo de vida de un chip de memoria de una computador dado en un específico ambiente. 2. Escriba un evento 𝐴 𝑘 que corresponda con los experimentos del ítem anterior. fralbe.com
  38. 38. MEDIDA DE PROBABILIDADESfralbe.com
  39. 39. Medida de Probabilidad • La motivación para utilizar un modelo probabilístico fue caracterizar un cierto «comportamiento medio» asociado al fenómeno. • Ω y 𝐴 no hacen mucho en este sentido. • Para esto se introduce el tercer elemento: medida de probabilidad 𝑃. fralbe.com
  40. 40. Medida de Probabilidad video fralbe.com
  41. 41. Definición de Probabilidad • Escuela clásica • Escuela frecuencial • Escuela axiomática • Escuela subjetiva fralbe.com
  42. 42. Escuela Clásica • Ventaja: – Definición a priori. No requiere experimentación. • Inconvenientes: – Requiere Ω finito. – Exige sucesos elementales equiprobables, es decir, todos los resultados son igualmente verosímiles. • Ejemplo: – 𝜀1: Lanzamiento de dos dados y observación de la suma. 𝑃 𝐴 = 1/12. Definición 16: Probabilidad, Escuela Clásica 𝑃 𝐴 = n° casos favorables a 𝐴 n° casos posibles = 𝐴 Ω fralbe.com
  43. 43. Escuela Frecuencial • Ventaja: – Conexión con la Ley de los Grandes Números. • Inconvenientes: – Poca utilidad. Requiere un n° elevado de experimentos. – Dificultades matemáticas para el desarrollo de laTeoría de la Probabilidad. • Probabilidad: 𝑃 𝐴 = lim 𝑁→∞ 𝑛(𝐴) 𝑁 Definición 17: Frecuencia Relativa Asuma que se ha observado un fenómeno 𝑁 veces, se anota el número de veces que un dado evento 𝐴 ha ocurrido. Si representamos por 𝑛(𝐴) este número, la razón: 𝑛(𝐴) 𝑁 Es denominada frecuencia relativa de ocurrencia de 𝐴 para las 𝑁 observaciones efectuadas. fralbe.com
  44. 44. Ejemplo 5: Escuela Frecuencial Lanzamiento de una moneda fralbe.com
  45. 45. Ejemplo 6: Escuela Frecuencial Aguja de Buffon Información detallada: http://mathworld.wolfram.com/BuffonsNeedleProblem.html 𝑃(aguja cruce una de las lineas) = 2 𝜋 fralbe.com
  46. 46. Escuela Frecuencial Propiedades de la Frecuencia Relativa: 1. 0 ≤ 𝑛(𝐴) 𝑁 ≤ 1 2. Considere el evento Ω, 𝑛 Ω = 𝑁. (En cualquiera de las 𝑁 repeticiones de la experiencia se observará la ocurrencia del evento 𝛺) 3. Considere dos eventos A y B, mutuamente exclusivos (𝐴⋂𝐵 = ∅), y se examina el número de veces, 𝑛(𝐴 𝐵), en que 𝐴 𝐵 ocurre en 𝑁 observaciones de la experiencia. 𝑛 𝐴 𝐵 = 𝑛 𝐴 + 𝑛(𝐵) Por tanto la frecuencia relativa de la unión de dos eventos mutuamente exclusivos e igual a la suma de las frecuencias relativas de cada evento. fralbe.com
  47. 47. Escuela Axiomática Axioma 1: 𝑃(𝐴) ≥ 0 Axioma 2: 𝑃 Ω = 1 Axioma 3: a) Si 𝐴⋂𝐵 = ∅, entonces 𝑃 𝐴 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 b) Si 𝐴𝑖⋂𝐴𝑗 = ∅, 𝑖, 𝑗 = 1, 2, … 𝑖 ≠ 𝑗 , entonces 𝑃 𝐴𝑖 ∞ 𝑖=1 = 𝑃(𝐴𝑖) ∞ 𝑖=1 fralbe.com
  48. 48. ConcepTest: Definición de Probabilidad Experimento: Lanzamiento de una moneda. Cuál es la probabilidad de obtener cara o sello? Suponer que : - Espacio de muestra: cara o sello. Probabilidad de caer de pie despreciable - Moneda honesta Usando definición clásica de probabilidad: Un caso favorable y dos casos posibles. 𝑃 = 0.5 fralbe.com
  49. 49. ConcepTest: Definición de Probabilidad Si la moneda se encuentra trucada. (La probabilidad de salir cara es diferente de P=0.5) Utilizando def. Frecuencialista: Lanzar la moneda un número grande de veces, y hace el cociente entre número de casos favorables sobre número de experimentos ciertos. En este caso la def. axiomática no sirve mucho. fralbe.com
  50. 50. ConcepTest: Definición de Probabilidad Se lanza la moneda y se tapa el resultado. Cuál es la probabilidad de obtener cara o sello? 𝑃 = 0.5 Otro experimento: Dos personas, se lanza la moneda uno tiene acceso a ver que como cayo la moneda y la otra persona no. Cuál es la probabilidad de salir cara? Para la persona que tiene acceso a la información: • O es 0 o es 1. O salió cara o no salió. Para la persona que no tiene acceso a al información: • 𝑃 = 0.5 fralbe.com
  51. 51. ConcepTest: Definición de Probabilidad Experimento, lanzar una moneda. Se pregunta a una persona cuál es la probabilidad de haber salido cara? - La persona responde: «Yo creo que la probabilidad de haber salido cara es de 70%» - Se espera probabilidad del 50% - La persona manifiesta que tiene poderes paranormales y que cree que salió cara, por eso da mayor probabilidad a ese resultado. Se cree en esa persona? La persona trae un certificado de una entidad de investigación que certifica que la persona tiene capacidades especiales, y en el 70% de las situaciones tiene la razón. Se cree en esa persona? fralbe.com
  52. 52. ConcepTest: Definición de Probabilidad Conclusión: Probabilidad es una medida de la información o creencia sobre la ocurrencia de un evento. fralbe.com
  53. 53. Medida de Probabilidad Propiedades: i. Aditiva Para una colección de 𝑛 eventos disjuntos 𝐴𝑖, 𝑖 = 1,2, … , 𝑛 , esto es, satisfaciendo 𝐴𝑖⋂𝐴𝑗 = ∅; 𝑖, 𝑗 = 1,2, … , 𝑛 𝑖 ≠ 𝑗 resulta que 𝑃 𝐴𝑖 𝑛 𝑖=1 = 𝑃(𝐴𝑖)𝑛 𝑖=1 ii. Propiedad del Complemento 𝑃 𝐴 = 1 − 𝑃(𝐴) iii. Propiedad del Evento Vacío 𝑃 ∅ = 0 iv. Limitante Superior para P(A) 𝑃(𝐴) ≤ 1 v. Probabilidad de la Unión 𝑃 𝐴 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴⋂𝐵) Demostrar fralbe.com
  54. 54. Probabilidad condicional Se lanza un dado. Felipe alcanza a ver que salió un número par. ¿Cuál es la probabilidad de que sea un 2? a •1/6 b •1/2 c •1/3 d •1/4 fralbe.com
  55. 55. Probabilidad condicional 𝐴 = salió un número par 𝐵 = salió el 2 La probabilidad de que salga el número 2, condicionada a que haya sucedido el evento A, es decir salió un par, es: 𝑃 𝐵|𝐴 = 1 6 1 2 = 1 3 El concepto y la expresión exacta para la probabilidad condicional se analiza a continuación. fralbe.com
  56. 56. Probabilidad Condicional Definición 18: Probabilidad Condicional Dado dos eventos A y B, con 𝑃 𝐴 > 0, se llama probabilidad condicional de B dado A y se escribe 𝑃(𝐵|𝐴) a la expresión 𝑃 𝐵 𝐴 = 𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴) Propiedades: i. Si dos eventos A y B, con 𝑃 𝐴 > 0, son mutuamente exclusivos, 𝐴 ∩ 𝐵 = ∅ y por tanto 𝑃 𝐴⋂𝐵 = 0. Resulta inmediatamente que 𝑃 𝐵 𝐴 = 0 fralbe.com
  57. 57. Probabilidad Condicional iii. Si 𝐴 ⊃ 𝐵 se tiene que 𝐴 ∩ 𝐵 = 𝐵, por tanto, para 𝑃 𝐴 > 0 y es posible escribir 𝑃 𝐵 𝐴 = 𝑃(𝐵) 𝑃(𝐴) ≥ 𝑃(𝐵) ii. Si para dos eventos A y B se tiene 𝐴 ⊂ 𝐵 deriva que 𝐴⋂𝐵 = 𝐴, resultando entonces que 𝑃 𝐵 𝐴 = 1fralbe.com
  58. 58. Ejemplo 7: Probabilidad Condicional En la red de comunicaciones presentada, cualquier configuración que la red pueda asumir es equiprobable. Esto es, se adopta una medida de probabilidad que atribuye probabilidades iguales a todos los puntos de muestra del espacio de muestras. Calcule las siguientes probabilidades. 𝑃(A), 𝑃(𝐵), 𝑃(𝐴|𝐵), 𝑃(𝐶|𝐷), donde 𝐴, 𝐵, 𝐶 y 𝐷 son eventos definidos como: 𝐴 = 𝜔 ∈ Ω: 𝑎 y 𝑐 pueden comunicarse 𝐵 = 𝜔 ∈ Ω: 𝑏 y 𝑐 pueden comunicarse 𝐶 = 𝜔 ∈ Ω: la llave 𝑆 está en la posición 𝐼 𝐷 = 𝐴 ∩ 𝐵 fralbe.com
  59. 59. Ejemplo 7: Probabilidad Condicional Se tiene 96 puntos de muestras en el espacio de muestras. La probabilidad de un punto de muestra 𝜔𝑖 es 𝑃 𝜔𝑖 = 𝑝 constante para cualquier 𝑖. Resulta entonces del Axioma 2 y la Probabilidad Aditiva que 𝑃 Ω = 𝑃 𝜔𝑖 = 96 𝑝 = 1 96 𝑖=1 o sea 𝑝 = 1 96 Los eventos 𝐴 y 𝐵 están constituidos por 32 y 48 puntos de muestra, respectivamente. Por tanto, 𝑃 𝐴 = 32𝑝 = 32 96 = 1 3 𝑃 𝐵 = 48 𝑝 = 48 96 = 1 2 fralbe.com
  60. 60. Ejemplo 7: Probabilidad Condicional Para determinar 𝑃(𝐴|𝐵) es preciso caracterizar inicialmente el evento (𝐴 ∩ 𝐵). Según la notación introducida, 𝐴 = 𝐴1 ∪ 𝐴2 ∪ 𝐴3 𝐴 = 𝐼, 1,×,×, 1,× ∪ 𝐼𝐼,×, 1,×,×,× ∪ *𝐼𝐼𝐼,×,×, 1,×, 1+ y 𝐵 = *×,×,×,×, 1,×+ Por la propiedad de distributiva de la intersección con relación a la unión se tiene 𝐴 ∩ 𝐵 = (𝐴1 ∩ 𝐵) ∪ (𝐴2 ∩ 𝐵) ∪ 𝐴3 ∩ 𝐵 o 𝐴 ∩ 𝐵 = 𝐼, 1,×,×, 1,× ∪ 𝐼𝐼,×, 1,×, 1,× ∪ *𝐼𝐼𝐼,×,×, 1, 1, 1+ Como los eventos en el segundo miembro de esta igualdad son disjuntos y contienen respectivamente 8, 8 y 4 puntos de muestra, resulta que 𝐴 ∩ 𝐵 contiene 20 puntos. Por tanto 𝑃 𝐴 ∩ 𝐵 = 20𝑝 = 20 96 = 5 24 fralbe.com
  61. 61. Ejemplo 7: Probabilidad Condicional Se tiene entonces 𝑃 𝐴 𝐵 = 𝑃 𝐴 ∩ 𝐵 𝑃 𝐵 = 5 24 1 2 = 5 12 Para obtener 𝑃 𝐶 𝐷 , verifique primero que 𝐶 ∩ 𝐷 = 𝐶 ∩ 𝐴 ∩ 𝐵 = *𝐼, 1,×,×, 1,×+ De esto resulta fácilmente 𝑃 𝐶 𝐷 = 2 5 fralbe.com
  62. 62. Teorema de probabilidad total En una bolsa existen papeles de tres colores, con la siguiente probabilidad de ser elegidos: amarillo (prob. 50%), azul (prob. 30%) y rojo (prob. 20%). Según el color de papel elegido, podrá participar en diferentes sorteos con la siguiente probabilidad de ganar: amarillo (prob. de ganar del 40%), azul (prob. de ganar del 60%), rojo (prob. de ganar del 80%). ¿Qué probabilidad tiene de ganar el sorteo en el que participe? a • 40%, se considera la menor prob. b • 45%, realizando operaciones. c • 54%, realizando operaciones. d • 80%, se considera la mayor prob. 𝑃 = 0,5 ∗ 0,4 + 0,3 ∗ 0,6 + 0,2 ∗ 0,8 = 0,54 fralbe.com
  63. 63. Teorema de Probabilidad Total Definición 19: Participación del Espacio de Muestras Un conjunto de eventos 𝐵𝑖 , 𝑖 = 1, … , 𝑚 constituye una partición del espacio de muestras Ω cuando 𝐵𝑖 ∩ 𝐵𝑗 = ∅, ∀ 𝑖, 𝑗 = 1, … , 𝑚 (𝑖 ≠ 𝑗) 𝐵𝑖 = Ω 𝑚 𝑖=1 Propiedad: Teorema de Probabilidad Total Considere un evento A y una partición del espacio de muestras 𝐵𝑗 , 𝑗 = 1, … , 𝑚 Para esta partición y este evento, se tiene que 𝑃 𝐴 = 𝑃(𝐴 ∩ 𝐵𝑗) 𝑚 𝑗=1 y aún 𝑃 𝐴 = 𝑃 𝐴 𝐵𝑗 𝑃(𝐵𝑗) 𝑚 𝑗=1 fralbe.com
  64. 64. 𝑃(𝐵𝑗|𝐴) = 𝑃 𝐵 𝑗 𝑃(𝐴|𝐵 𝑗) 𝑃 𝐵 𝑘 𝑃(𝐴|𝐵 𝑘)𝑚 𝑘=1 Regla de Bayes Regla de Bayes • Considere una partición de 𝐵𝑗 , 𝑗 = 1, … , 𝑚 del espacio de muestras con 𝑃(𝐵𝑗) > 0 para todo 𝑗. Sea aún 𝐴, un evento con 𝑃 𝐴 > 0. 𝑃 𝐵𝑗 𝐴 = 𝑃(𝐵𝑗 ∩ 𝐴) 𝑃(𝐴) 𝑃(𝐴|𝐵𝑗) = 𝑃(𝐵 𝑗∩𝐴) 𝑃(𝐵 𝑗) 𝑃(𝐵𝑗|𝐴) = 𝑃 𝐴|𝐵𝑗 𝑃(𝐵𝑗) 𝑃(𝐴) fralbe.com
  65. 65. Ejemplo 8: Teorema de Probabilidad Total Considere cuatro cajas que contienen elementos electrónicos. Las cajas contienen 2000, 500, 1000 y 1000 componentes. Se sabe que, respectivamente el 5%, 40%, 10% y 10% de los componentes de cada caja son defectuosos. Se escoge una de las cajas al azar y se retira de ella un componente. Determine la probabilidad de que el componente sea defectuoso. 1 1 2 3 4 = 2000 = 500 = 1000 = 1000 fralbe.com
  66. 66. Ejemplo 8: Teorema de Probabilidad Total Se admite que los componentes están numerados de 1 a 4500. SE define entonces como resultado de la experiencia el orden del componente retirado. El espacio de muestras asociado a la experiencia contiene por tanto 4500 puntos de muestra. Caja Componentes buenos Componentes defectuosos 1 1900 100 2 300 200 3 900 100 4 900 100 Se define ahora 5 eventos 𝐵𝑖 = 𝜔: 𝜔 componente perteneciente a la caja 𝑖 (𝑖 = 1,2,3,4) y 𝐷 = *𝜔: 𝜔 es componente defectuoso+ fralbe.com
  67. 67. Ejemplo 8: Teorema de Probabilidad Total Se desea encontrar 𝑃(𝐷). Además, 𝑃 𝐵𝑖 = 1 4 (𝑖 = 1,2,3,4) Una vez escogida una caja, la probabilidad de ser retirado un elemento particular es igual para todos los elementos. Por esta razón la probabilidad del evento 𝐷 condicionada a cada uno de los 𝐵𝑖 (𝑖 = 1,2,3,4) es igual al producto del número de elementos defectuosos en la caja por la probabilidad de cada uno de estos elementos sean retirados, o sea 𝑃 𝐷 𝐵1 = 100 1 2000 = 0,05 𝑃 𝐷 𝐵2 = 200 1 500 = 0,4 𝑃 𝐷 𝐵3 = 𝑃(𝐷|𝐵4) = 100 1 1000 = 0,1 Por el teorema de probabilidad total, 𝑃 𝐷 = 𝑃 𝐷 𝐵1 𝑃 𝐵1 + 𝑃 𝐷 𝐵2 𝑃 𝐵2 + 𝑃 𝐷 𝐵3 𝑃 𝐵3 + 𝑃 𝐷 𝐵4 𝑃(𝐵4) Por tanto, 𝑃 𝐷 = 1 4 0,05 + 0,4 + 0,1 + 0,1 = 0,1625 fralbe.com
  68. 68. Ejemplo 9: Regla de Bayes Asuma que en el ejemplo anterior, el componente retirado de una de las cajas ha sido examinado, y fue constatado que era defectuoso. Determine entonces, la probabilidad de haya sido retirado de la caja número 2. 2 fralbe.com
  69. 69. Ejemplo 9: Regla de Bayes (Sol) Se desea calcular la probabilidad 𝑃(𝐵2|𝐷) de el elemento haber sido retirado de la caja 2 dado que era defectuoso. Se tiene 𝑃 𝐷 = 0,1625 𝑃 𝐷 𝐵2 = 0,4 𝑃 𝐵2 = 0,25 𝑃 𝐵2 𝐷 = 𝑃 𝐷 𝐵2 𝑃 𝐵2 𝑃 𝐷 = 0,615 fralbe.com
  70. 70. Ejemplo 10: T. de Probabilidad Total y T. de Bayes 0,9 0,8 0,2 0,1 𝑥 = 0 𝑥 = 1 𝑦 = 0 𝑦 = 1 Sistema de Comunicaciones Binario 𝑃 𝑦 = 0 𝑥 = 0 = 0,9 𝑃 𝑦 = 0 𝑥 = 1 = 0,2 𝑃 𝑦 = 1 𝑥 = 0 = 0,1 𝑃 𝑦 = 1 𝑥 = 1 = 0,8 • Probabilidades a priori: 𝑃 𝑥 = 0 = 𝑃 𝑥 = 1 = 0,5 • Ω = 𝑥 = 0, 𝑦 = 0 , 0,1 , 1, 0 , 1,1 . • 𝑥 = 0 = 0, 0 , 0, 1 ; * 𝑥 = 0 , *𝑥 = 1++ es partición. • Probabilidad Total: 𝑃 𝑦 = 0 = 𝑃 𝑦 = 0 𝑥 = 0 𝑃 𝑥 = 0 + 𝑃 𝑦 = 0 𝑥 = 1 𝑃 𝑥 = 1 = 0,55 𝑃 𝑦 = 1 = … = 1 − 𝑃 𝑦 = 0 = 0,45 fralbe.com
  71. 71. Ejemplo 10: T. de Probabilidad Total y T. de Bayes 0,9 0,8 0,2 0,1 𝑥 = 0 𝑥 = 1 𝑦 = 0 𝑦 = 1 Sistema de Comunicaciones Binario 𝑃 𝑦 = 0 𝑥 = 0 = 0,9 𝑃 𝑦 = 0 𝑥 = 1 = 0,2 𝑃 𝑦 = 1 𝑥 = 0 = 0,1 𝑃 𝑦 = 1 𝑥 = 1 = 0,8 • Bayes (vemos 𝑦 y queremos conocer 𝑥): 𝑃 𝑥 = 0 𝑦 = 0 = 𝑃 𝑦 = 0 𝑥 = 0 𝑃 𝑥 = 0 𝑃 𝑦 = 0 = 𝟎, 𝟖𝟐 𝑃 𝑥 = 1 𝑦 = 1 = 𝑃 𝑦 = 1 𝑥 = 1 𝑃 𝑥 = 1 𝑃 𝑦 = 1 = 𝟎, 𝟖𝟗 𝑃 error = 𝑃 𝑥 = 0 ∩ 𝑦 = 1 ∪ *𝑥 = 1 ∩ 𝑦 = 0+) = 𝑃 𝑥 = 0 ∩ 𝑦 = 1 + *𝑥 = 1 ∩ 𝑦 = 0+) … … … … … … … … … = 𝑃 𝑦 = 1|𝑥 = 0 𝑃 𝑥 = 0 + 𝑃 𝑦 = 0 𝑥 = 1 𝑃 𝑥 = 1 = 𝟎, 𝟏𝟓 fralbe.com
  72. 72. Ejemplo 11: Teorema de Bayes Preguntas: 1. Cuál es la probabilidad de la CPU procesar un programa grande? 2. Si se sabe que el programa procesado por la CPU es grande, cuál es la probabilidad de que el haya venido de la fila 2? • programas: grandes y pequeños. • 50%, 30% y 20% de los programas de las filas 1, 2 y 3 son grandes. • El Scheduler selecciona aleatoriamente programas de las filas 1, 2 y 3. fralbe.com
  73. 73. Ejemplo 11: Teorema de Bayes A = el programa procesado por la CPU es grande. 𝐵𝑛 = el programa proviene de la fila 𝑛 𝑛 = 1,2,3 Se sabe: a) 𝑃 𝐵1 = 𝑃 𝐵2 = 𝑃 𝐵3 = 1/3 b) 𝑃 𝐴 𝐵1 = 1/2 (50%) c) 𝑃 𝐴 𝐵2 = 3/10 (30%) d) 𝑃 𝐴 𝐵3 = 1/5 (20%) Pregunta 1: 𝑃 𝐴 Pregunta 2: 𝑃(𝐵2|𝐴) fralbe.com
  74. 74. Ejemplo 11: Teorema de Bayes [Rta] 𝑃 𝐴 = 1 3 ∙ 5 10 + 1 3 ∙ 3 10 + 1 3 ∙ 2 10 = 1 3 𝑃 𝐵2 𝐴 = 𝑃(𝐴 ∩ 𝐵2) 𝑃(𝐴) = 𝑃(𝐵2) ∙ 𝑃(𝐴|𝐵2) 𝑃(𝐴) 𝑃 𝐵2 𝐴 = 1 3 ∙ 3 10 1 3 = 3 10 fralbe.com
  75. 75. Independencia Estadística entre Eventos • Cuando 𝑃 𝐴 > 0 y 𝑃 𝐵 > 0, entonces de la definición de probabilidad condicional resulta que: 𝑃 𝐵 𝐴 = 𝑃 𝐵 𝑃 𝐴 𝐵 = 𝑃(𝐴) • Si 𝑃(𝐴) y 𝑃(𝐵) son estrictamente positivos e 𝐴 y 𝐵 son mutuamente exclusivos, entonces los eventos 𝐴 y 𝐵 no son estadísticamente independientes. Siendo 𝐴 ∩ 𝐵 = ∅ se tiene que 𝑃 𝐴 ∩ 𝐵 = 0 y por tanto 𝑃 𝐵 𝐴 = 0 ≠ 𝑃(𝐵) Definición 20: Independencia Estadística entre dos eventos Dos eventos A y B son estadísticamente independientes cuando 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃(𝐵) fralbe.com
  76. 76. Independencia Estadística entre Eventos • Si los eventos 𝐴 y 𝐵 son independientes y mutuamente exclusivos, entonces por lo menos uno de los eventos tienen probabilidad nula. Ejemplo: Considere el lanzamiento de un dado y el espacio de muestras asociado Ω = 1, 2, 3, 4, 5, 6 ; sean los eventos 𝐴 = 1, 2 y 𝐵 = 2, 4, 6 . Asumiendo que las 6 caras del dado son equiprobables, se tiene: 𝑃 𝐴 𝐵 = 𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵) = 1/6 1/2 = 1 3 𝑃 𝐴 = 1 3 Resultando que 𝐴 y 𝐵 son estadísticamente independientes. Entretanto , ya que 𝐴 ∩ 𝐵 = 2 , 𝐴 y 𝐵 no son eventos disjuntos. fralbe.com
  77. 77. Independencia Estadística entre Eventos Definición 21: Independencia Estadística entre Eventos Los eventos 𝐴 𝑘 , 𝑘 = 1, … , 𝑛 son estadísticamente independientes cuando para cualquier conjunto de índices distintos 𝑘𝑖 , 𝑖 = 1, … , 𝑗 con 𝑘𝑖 ∈ 1, … , 𝑛 , 𝑖 = 1, … , 𝑗 y ∀𝑗 ∈ 2 … , 𝑛 se tiene 𝑃 𝐴 𝑘 𝑖 𝑗 𝑖=1 = 𝑃 𝐴 𝑘 𝑖 𝑗 𝑖=1 fralbe.com
  78. 78. Independencia Estadística entre Eventos • En particular para tres eventos 𝐴1, 𝐴2, 𝐴3 esta condición se desdoblaría en 𝑃 𝐴1 ∩ 𝐴2 = 𝑃 𝐴1 𝑃 𝐴2 𝑃 𝐴1 ∩ 𝐴3 = 𝑃 𝐴1 𝑃 𝐴3 𝑃 𝐴2 ∩ 𝐴3 = 𝑃 𝐴2 𝑃 𝐴3 𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = 𝑃 𝐴1 𝑃 𝐴2 𝑃 𝐴3 De acuerdo con la Definición 17 𝑛 eventos son estadística mete independientes cuando la probabilidad de intersección de 𝑘, (2 ≤ 𝑘 ≤ 𝑛), de estos eventos es igual al producto de las probabilidades de los 𝑘 eventos. fralbe.com
  79. 79. ConcepTest • Sean tres eventos 𝐴, 𝐵 y 𝐶 que satisfacen 𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝑃 𝐴 𝑃 𝐵 𝑃(𝐶) 𝑃 𝐴 = 1 3 𝑃 𝐵 = 1 3 𝑃 𝐶 = 1 3 𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 1 27 fralbe.com
  80. 80. Ejemplo 1: Espacio de Muestras ¿Cuál de las siguientes afirmaciones es correcta? a • Los eventos son estadísticamente independientes dos a dos. b • El evento 𝐴 no es estadísticamente independiente del evento 𝐵, pero si e.i. del evento 𝐶 c • El evento 𝐴 es estadísticamente independiente del evento 𝐵 d • El evento 𝐴 no es estadísticamente independiente del evento 𝐵 e • Los eventos A, B, C son e.i. fralbe.com
  81. 81. ConcepTest - Respuesta • Aunque se satisface una de las condiciones [𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 -, dos eventos cualquier no son independientes. Así por ejemplo para los eventos 𝐴 y 𝐵 se tiene 𝑃 𝐴 𝑃 𝐵 = 1 9 𝑃 𝐴⋂𝐵 = 1 27 Lo que muestra que 𝐴 y 𝐵 no son estadísticamente independientes. fralbe.com
  82. 82. SISTEMA DE PROBABILIDADfralbe.com
  83. 83. Sistema de Probabilidad Espacio de Muestras 𝜎-álgebra sobre Ω medida de probabilid ad 𝐴. 𝒮 = Ω, 𝒜, 𝑃 Definición 22: Independencia entre dos sistemas de probabilidad Dos sistemas de probabilidad 𝒮1 = Ω1, 𝒜1, 𝑃1 y 𝒮2 = Ω2, 𝒜2, 𝑃2 son estadísticamente independientes cuando para todo 𝐴1 ∈ 𝒜1 y todo 𝐴2 ∈ 𝒜2 se tiene 𝑃 𝐴1 × 𝐴2 = 𝑃1 𝐴1 𝑃2 𝐴2 donde P es la medida de probabilidad de la experiencia combinada. fralbe.com
  84. 84. Ejemplo 12: Sistema de Probabilidad Considere la experiencia correspondiente al lanzamiento de un dado y de una moneda, cuyo resultado es la especificación del valor del dado y del resultado de la moneda. Se desea calcular la probabilidad asociada al evento «valor 1 y cara». fralbe.com
  85. 85. Ejemplo 12: Sistema de Probabilidad (Sol) Se considera una única experiencia con espacio de muestras constituido por 12 puntos de muestra de forma: 𝜔 = 𝑓𝑖, 𝑘𝑖 , 𝑖 = 1, … , 6 ; 𝑗 = 1, 2 donde 𝑓𝑖 y 𝑘𝑖 representan las caras del dado y de la moneda, respectivamente. Además, que 𝑘1 corresponde a cara. Considere ahora los eventos 𝐴𝑖 = 𝑓𝑖, 𝑘1 , 𝑓𝑖, 𝑘2 ; 𝑖 = 1, … , 6 y 𝐵𝑗 = 𝑓1, 𝑘𝑗 , 𝑓2, 𝑘𝑗 , 𝑓3, 𝑘𝑗 , 𝑓4, 𝑘𝑗 , 𝑓5, 𝑘𝑗 , 𝑓6, 𝑘𝑗 ; 𝑗 = 1,2. Se tiene entonces 𝜔: 1 es cara = 𝐴1 ∩ 𝐵1 = *(𝑓1, 𝑘1)+. Se admite una distribución de probabilidad tal que 𝑃 𝐴𝑖 = 1 6 ; 𝑖 = 1, … , 6 y 𝑃 𝐵𝑗 = 𝑞 𝑗 ; 𝑗 = 1,2 y considerando también que cada 𝐴𝑖 es independiente de cada 𝐵𝑗 se tiene en particular 𝑃 𝐴1 ∩ 𝐵1 = 𝑃 𝐴1 𝑃 𝐵1 = 1 6 𝑞1. fralbe.com
  86. 86. Ejemplo 12: Sistema de Probabilidad (Sol) Considere ahora que la experiencia examinada es una combinación de dos experiencias elementales: «lanzamiento del dado teniendo como resultado la especificación de la cara del dado» y «lanzamiento de la moneda teniendo como resultado la especificación de la cada de la moneda». A la primera experiencia está asociado el sistema de probabilidad con espacios de muestra, Ω1 = 𝑓1, 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 y con medida de probabilidad que puede ser definida por 𝑃1 𝑓𝑖 = 1 6 ; 𝑖 = 1, … , 6. De la misma manera para la segunda experiencia se tiene, Ω2 = 𝑘1, 𝑘2 y 𝑃2 𝑘𝑗 = 𝑞 𝑗 ; 𝑗 = 1,2. Al admitir que las dos experiencias están asociadas como sistemas de probabilidad independientes se tiene inmediatamente la Definición 22, 𝑃 𝑓1, 𝑘1 = 1 6 𝑞1 fralbe.com
  87. 87. Ejemplo 13: Sistema de Probabilidad Una caja contiene 10 bolas blancas y 5 rojas. Una segunda caja contiene 20 bolas blancas y 20 rojas. Se retira una bola de cada caja. Determine las probabilidades asociadas a los siguientes eventos: a) retirar una bola blanca de la primera caja y una bola roja de la segunda caja. b) retirar una bola blanca y una bola roja. fralbe.com
  88. 88. Ejemplo 13: Sistema de Probabilidad (Sol) Considere la experiencia combinada, constituida de dos experiencias independientes. La primera está asociada a un espacio de muestras Ω1 constituido de 15 puntos de muestra. En conexión con esta experiencia se define los eventos, 𝐵1 = *𝜔1 ∈ Ω1: la bola retirada es blanca+ y 𝑉1 = 𝜔1 ∈ Ω1: la bola retirada es roja por tanto, 𝑃1 𝐵1 = 10 1 15 = 2 3 𝑃1 𝑉1 = 5 1 15 = 1 3 Análogamente el espacio de muestras Ω2 asociado a la segunda experiencia contiene 40 puntos de muestra y 𝑃2 𝑉2 = 20 1 40 = 1 2 𝑃2 𝐵2 = 20 1 40 = 1 2 fralbe.com
  89. 89. Ejemplo 13: Sistema de Probabilidad (Sol) donde 𝑉2 = *𝜔2 ∈ Ω2 ∶ la bola retirada es roja+ y 𝐵2 = *𝜔2 ∈ Ω2 ∶ la bola retirada es blanca+ Las probabilidades procuradas son 𝑃 𝐵1 × 𝑉2 = 𝑃1 𝐵1 𝑃2 𝑉2 = 1 3 y 𝑃 𝐵1 × 𝑉2 ∪ 𝑉1 × 𝐵2 = 𝑃 𝐵1 × 𝑉2 + 𝑃 𝑉1 × 𝐵2 = 𝑃1 𝐵1 ∙ 𝑃2 𝑉2 + 𝑃1 𝑉1 ∙ 𝑃2 𝐵2 = 1 3 + 1 6 = 1 2 fralbe.com
  90. 90. Sistema de Probabilidad Definición 23: Sistemas de Probabilidad Independientes Considere 𝑛 sistemas de probabilidades 𝒮 𝑘 = Ω 𝑘, 𝒜 𝑘, 𝑃𝑘 ; 𝑘 = 1, … , 𝑛 asociados a 𝑛 experiencias. Considere aún una colección de 𝑛 eventos, tal que 𝐴𝑖 𝑘 ∈ 𝒜 𝑘 , 𝑘 = 1, … , 𝑛 Los sistemas de probabilidades 𝒮 𝑘(𝑘 = 1, … , 𝑛) son independientes cuando la medida de probabilidad P asociada a la experiencia combinada es tal que 𝑃 𝐴𝑖1 × 𝐴𝑖2 × ⋯ × 𝐴𝑖 𝑛 = 𝑃1 𝐴𝑖1 𝑃2 𝐴𝑖2 … 𝑃𝑛(𝐴𝑖 𝑛 ) para toda colección 𝐴𝑖 𝑘 fralbe.com
  91. 91. Ejemplo 14: Sistema de Probabilidad En la red de comunicaciones presentada, las tres posiciones de la llave son equiprobables y la probabilidad de un ramal cualquier se encuentra fuera de operación es 𝑝. Considere aún que la posición de la llave y la situación de los troncos son independientes. Como anteriormente, calcule las probabilidades 𝑃 𝐴 , 𝑃 𝐵 , 𝑃 𝐴 𝐵 y 𝑃(𝐶|𝐷) siendo 𝐴, 𝐵, 𝐶, 𝐷 los eventos definidos: 𝐴 = 𝜔 ∈ Ω: 𝑎 y 𝑐 pueden comunicarse 𝐵 = 𝜔 ∈ Ω: 𝑏 y 𝑐 pueden comunicarse 𝐶 = 𝜔 ∈ Ω: la llave 𝑆 está en la posición 𝐼 𝐷 = 𝐴 ∩ 𝐵 fralbe.com
  92. 92. Ejemplo 14: Sistema de Probabilidad • El espacio de muestras correspondiente a la posición de la llave es Ω 𝑐 = (𝐼, 𝐼𝐼, 𝐼𝐼𝐼) • Y el espacio de muestras correspondiente al tronco 𝑖 (𝑖 = 1, 2, 3, 4, 5) es Ω𝑖 = (0, 1) • El evento 𝐴 puede ser expresado como la unión de 3 eventos distintos 𝐴1, 𝐴2, 𝐴3. – Cada uno de estos eventos es el producto cartesiano de 6 eventos, así: 𝐴1 = 𝐼 × 1 × Ω2 × Ω3 × 1 × Ω5 𝐴2 = 𝐼𝐼 × Ω1 × *1+ × Ω3 × Ω4 × Ω5 𝐴3 = 𝐼𝐼𝐼 × Ω1 × Ω2 × 1 × Ω4 × *1+ El problema se resuelve considerando la posición de la llave y la situación de cada uno de los cinco troncos como seis experiencias independientes las cuales están asociadas a sistemas de probabilidad independientes. fralbe.com
  93. 93. Ejemplo 14: Sistema de Probabilidad Como, por hipótesis, los sistemas de probabilidad son independientes, 𝑃 𝐴1 = 𝑃𝑐 𝐼 𝑃1 1 𝑃2 Ω2 𝑃3 Ω3 𝑃4 1 𝑃5 Ω5 o sea 𝑃 𝐴1 = 1 3 1 − 𝑝 1 1 1 − 𝑝 1 = 1 − 𝑝 2 3 . Resulta análogamente 𝑃 𝐴2 = 1 − 𝑝 3 y 𝑃 𝐴3 = 1 − 𝑝 2 3 así, 𝑃 𝐴 = 𝑃 𝐴1 + 𝑃 𝐴2 + 𝑃 𝐴3 = 1 − 𝑝 3 − 2𝑝 3 fralbe.com
  94. 94. Ejemplo 14: Sistema de Probabilidad finalizar en casa… fralbe.com
  95. 95. PROBLEMASfralbe.com
  96. 96. ClickProblem 1 • Un transmisor de un sistema de comunicaciones envía tres símbolos (+1, 0, -1) a un receptor lejano de un canal determinado. Dicho canal puede introducir errores en la transmisión ocasionando, por ejemplo, que un «+1» enviado aparezca como un «-1» o un «0» en el receptor. Considere los sucesos 𝐴𝑖 y 𝐵𝑖 definidos de la siguiente manera: 𝐴𝑖 = "el símbolo enviado es i" , 𝐵𝑖 = "el símbolo recibido es i" . Suponiendo que 𝑃 𝐴1 = 0.5, 𝑃 𝐴2 = 0.3, 𝑃 𝐴3 = 0.1, y que 𝑃 𝐵𝑖 𝐴𝑗 = 0.1 si 𝑖 ≠ 𝑗, y 𝑃 𝐵𝑖 𝐴𝑗 = 0.8 si 𝑖 = 𝑗; calcule: a) las probabilidades del suceso 𝐵𝑖 para 𝑖 = 1,2,3 b) las probabilidades a posteriori 𝑃(𝐴𝑖|𝐵𝑗) c) la probabilidad de cometer un error en la transmisión. fralbe.com
  97. 97. ClickProblem 2 Lanzamiento consecutivo de 4 monedas. Obtener la Probabilidad de: 1. Salir un número par de caras. 2. Salir exactamente 3 caras. 3. Salir exactamente 3 caras o obtener un número par de caras. 4. Salir exactamente 3 caras y a la vez que dos caras sean consecutivas. 5. Salir por lo menos dos caras consecutivas. 6. No ocurrir el evento el evento número par de caras y por lo menos dos caras consecutivas. fralbe.com
  98. 98. ClickProblem 3 Paradoja de Bertrand: Considere una circunferencia de radio 1. Determinar la probabilidad de que una cuerda de esta circunferencia, elegida «al azar», sea mayor que el lado del triángulo equilátero inscrito en los siguientes casos: a) Fijar un punto I en la circunferencia y elgir, con distribución uniforme, un punto M del único diámetro que pasa el punto I. Este punto M determina de forma única una cuerda perpendicular en M al diámetro. b) Fijar un extremo de la cuerda en la circunferencia y elegir el otro extremo con distribución uniforme en la circunferencia. c) Elegir un punto cualquiera M dentro del círculo, y considerar la cuerda perpendicular en M al único radio que pasa por M. fralbe.com
  99. 99. REFERENCIASfralbe.com
  100. 100. Referencias • ALBUQUERQUE, J. P.A.; FORTES, J. M.; FINAMORE,W.A. (1993) Modelos Probabilísticos em Engenharia Elétrica; Rio de Janeiro: Publicação CETUC. • Marco Grivet, Procesos Estocásticos I, Centro de Estudios em Telecomunicaciones – CETUC, 2006. [Slide] • Universidad de Cantabria, Teoría de la Probabilidad,Teoría de la Comunicación, Curso 2007-2008. [Slide] fralbe.com
  101. 101. Esta obra esta bajo licencia Creative Commons de Reconocimiento, No Comercial y Sin Obras Derivadas, Ecuador 3.0 www.creativecommons.org www.fralbe.com fralbe.com

×