El documento presenta conceptos básicos de la teoría de la probabilidad como σ-álgebras, espacios de probabilidad, axiomas de la probabilidad, probabilidad condicional, teorema de probabilidad total y teorema de Bayes. Define σ-álgebras, espacio de Borel, espacio de probabilidad y presenta ejemplos. Explica los tres axiomas de Kolmogorov de la probabilidad y algunas consecuencias e incluye definiciones de eventos independientes y probabilidad condicional.
0 calificaciones0% encontró este documento útil (0 votos)
21 vistas6 páginas
El documento presenta conceptos básicos de la teoría de la probabilidad como σ-álgebras, espacios de probabilidad, axiomas de la probabilidad, probabilidad condicional, teorema de probabilidad total y teorema de Bayes. Define σ-álgebras, espacio de Borel, espacio de probabilidad y presenta ejemplos. Explica los tres axiomas de Kolmogorov de la probabilidad y algunas consecuencias e incluye definiciones de eventos independientes y probabilidad condicional.
El documento presenta conceptos básicos de la teoría de la probabilidad como σ-álgebras, espacios de probabilidad, axiomas de la probabilidad, probabilidad condicional, teorema de probabilidad total y teorema de Bayes. Define σ-álgebras, espacio de Borel, espacio de probabilidad y presenta ejemplos. Explica los tres axiomas de Kolmogorov de la probabilidad y algunas consecuencias e incluye definiciones de eventos independientes y probabilidad condicional.
El documento presenta conceptos básicos de la teoría de la probabilidad como σ-álgebras, espacios de probabilidad, axiomas de la probabilidad, probabilidad condicional, teorema de probabilidad total y teorema de Bayes. Define σ-álgebras, espacio de Borel, espacio de probabilidad y presenta ejemplos. Explica los tres axiomas de Kolmogorov de la probabilidad y algunas consecuencias e incluye definiciones de eventos independientes y probabilidad condicional.
Se ha de notar que toda 𝜎-álgebra cumple con lo siguiente:
1. ∅ ∈ ℱ. 2. Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 ∈ ℱ entonces ⋂𝑛𝑘=1 𝐴𝑘 ∈ ℱ . 3. Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 ∈ ℱ entonces ⋃𝑛𝑘=1 𝐴𝑘 ∈ ℱ y ⋂𝑛𝑘=1 𝐴𝑘 ∈ ℱ . 4. Si 𝐴1 𝐵 ∈ ℱ entonces 𝐴 − 𝐵 ∈ ℱ.
𝝈-álgebra de Borel
Sea 𝒞 = {(−∞, 𝑥]: 𝑥 ∈ ℝ}. La 𝜎-álgebra de Borel de ℝ, denotada por ℬ(ℝ) se define como aquella colección de subconjuntos deℝ que cumple:
1. ℬ(ℝ) es una 𝜎-álgebra
2. 𝒞 ⊆ ℬ(ℝ) 3. ℬ(ℝ) es mínima, es decir, si 𝒞 ⊆ 𝐴 y 𝐴 es una 𝜎-álgebra del subconjunto de ℝ, entonces ℬ(ℝ) ⊆ 𝐴. Definición de Espacio de Probabilidad
Es un concepto matemático que sirve para modelar un cierto experimento aleatorio. En
general un espacio probabilístico (Ω, B, P) está integrado por tres componentes, el conjunto Ω (espacio muestral) de los posibles resultados del experimento, llamados sucesos elementales, por la colección B de todos los sucesos aleatorios (no solo los elementales), que es una σ-´algebra sobre Ω. El par (Ω, B) es un espacio de medida, finalmente, una medida de probabilidad o función de probabilidad P, que asigna una probabilidad a todo suceso y que verifica los llamados axiomas de Kolmogorov.
Cálculo de Probabilidades
Axiomas de la Probabilidad
1. La probabilidad de un evento es un número real no negativo:
𝑃(𝐸) ∈ ℝ, 𝑃(𝐸) ≥ 0, ∀𝐸 ∈ 𝐹 donde 𝐹 es el espacio de eventos. De ello se deduce que 𝑃(𝐸) es siempre finito, en contraste con la teoría de la medida más general. Las teorías que asignan probabilidad negativa relajan el primer axioma. 2. Este es el supuesto de la unidad de medida: que la probabilidad de que ocurra al menos uno de los eventos elementales en todo el espacio muestral es 1. 𝑃(Ω) = 1 3. Este es el supuesto de 𝜎-aditividad, cualquier secuencia contable de conjuntos disjuntos (sinónimo de eventos mutuamente excluyentes) 𝐸1 , 𝐸2 , … , 𝐸𝑛 satisface: ∞ ∞
𝑃 (⋃ 𝐸𝑖 ) = ∑ 𝑃(𝐸𝑖 ) 𝑖=1 𝑖=1
Algunos autores consideran simplemente espacios de probabilidad finitamente
aditivos, en cuyo caso solo se necesita un ´algebra de conjuntos, en lugar de un 𝜎-algebra. Las distribuciones de cuasiprobabilidad en general relajan el tercer axioma. Consecuencias Inmediatas de los Axiomas. Teoremas. Propiedades.
Monotonicidad 𝑆𝑖 𝐴 ⊆ 𝐵 → 𝑃(𝐴) ≤ 𝑃(𝐵)
Probabilidad del P(∅) = 0 conjunto vacío En algunos casos ∅ no es el ´único evento con probabilidad 0. La regla del 𝑃(𝐴𝑐 ) = 𝑃(Ω\𝐴) = 1 − 𝑃(𝐴) complemento El límite numérico 0 ≤ 𝑃(𝐸) ≤ 1: ∀𝐸 ∈ 𝐹 Propiedad de adición 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) de probabilidad Principio de Poniendo B al complemento 𝐴𝑐 de A en el principio de adición, inclusión–exclusión tenemos: 𝑃(𝐴𝑐 ) = 𝑃(Ω\𝐴) = 1 − 𝑃(𝐴) Es decir, la probabilidad de que no suceda algún evento (o el complemento del evento) es 1 menos la probabilidad de que suceda.
Probabilidad Condicional
Dados dos eventos 𝐴 ∧ 𝐵 del campo sigma de un espacio de probabilidad, con la
probabilidad incondicional de que 𝑃(𝐵) > 0, la probabilidad condicional de 𝐴 dado 𝐵 se define como el cociente de la probabilidad de la combinación de los eventos 𝐴 ∧ 𝐵, y la probabilidad de 𝐵:
𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴|𝐵) = 𝑃(𝐵)
Donde 𝑃(𝐴 ∩ 𝐵) es la probabilidad de que ocurran los eventos 𝐴 ∧ 𝐵. Esto puede
visualizarse como una restricción del espacio muestral a situaciones en las que ocurre 𝐵. La lógica detrás de esta ecuación es que si los posibles resultados para 𝐴 ∧ 𝐵 se restringen a aquellos en los que ocurre 𝐵, este conjunto sirve como el nuevo espacio muestral. 𝑃(𝐴∩𝐵) La ecuación anterior es una definición, solo denotamos la cantidad como 𝑃(𝐴|𝐵), y 𝑃(𝐵)
lo llamamos probabilidad condicional de 𝐴 dado 𝐵.
Teorema de Probabilidad Total
Si {𝐵𝑛 ∶ 𝑛 = 1, 2, 3, . . . } es una partición finita o numerablemente infinita de un espacio
muestral (en otras palabras, un conjunto de eventos disjuntos por pares cuya unión es el espacio muestral completo) y cada evento 𝐵𝑛 es medible, entonces para cualquier evento 𝐴 de el mismo espacio de probabilidad:
𝑃(𝐴) = ∑ 𝑃(𝐴 ∩ 𝐵𝑛 ) 𝑛
O alternativamente
𝑃(𝐴) = ∑ 𝑃(𝐴|𝐵𝑛 )𝑃(𝐵𝑛 )
𝑛
Donde para cualquier 𝑛 para 𝑃(𝐵𝑛 ) = 0 estos términos se omiten de la suma, porque 𝑃(𝐴|𝐵𝑛 ) es finita.
La suma se puede interpretar como un promedio ponderado y, en consecuencia, la
probabilidad marginal, 𝑃(𝐴), es algunas veces llamada “probabilidad promedio”. El teorema de la probabilidad total también se puede establecer para probabilidades condicionales.
𝑃(𝐴|𝐶) = ∑ 𝑃(𝐴|𝐶 ∩ 𝐵𝑛 )𝑃(𝐵𝑛 |𝐶)
𝑛
Tomando 𝐵𝑛 como arriba, y asumiendo que 𝐶 es un evento independiente de 𝐵𝑛 :
𝑃(𝐴|𝐶) = ∑ 𝑃(𝐴|𝐶 ∩ 𝐵𝑛 )𝑃(𝐵𝑛 )
𝑛 Teorema de Bayes
𝑃(𝐵|𝐴)𝑃(𝐴) 𝑃(𝐴|𝐵) = 𝑃(𝐵)
Donde 𝐴 ∧ 𝐵 son eventos y 𝑃(𝐵) ≠ 0.
• 𝑃(𝐴|𝐵) es una probabilidad condicional: la probabilidad de que ocurra el evento 𝐴
dado que 𝐵 es verdadero. • 𝑃(𝐵|𝐴) es una probabilidad condicional: la probabilidad de que ocurra el evento 𝐵 dado que 𝐴 es verdadero. • 𝑃(𝐴) ∧ 𝑃(𝐵) son las probabilidades de observar 𝐴 ∧ 𝐵 respectivamente; se conocen como probabilidad marginal.
