Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 13 vistas

    2 Probabilidad

    Cargado por

    Fernando Herrera
    Este documento presenta conceptos fundamentales de probabilidad, incluyendo definiciones de sucesos estocásticos y determinísticos, espacio muestral, e interpretaciones y definiciones formales de probabilidad. También explica tipos de probabilidad como probabilidad marginal, conjunta y condicional, y los teoremas de probabilidad total y Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    2 Probabilidad

    Cargado por

    Fernando Herrera
    13 vistas5 páginas
    Este documento presenta conceptos fundamentales de probabilidad, incluyendo definiciones de sucesos estocásticos y determinísticos, espacio muestral, e interpretaciones y definiciones formales de probabilidad. También explica tipos de probabilidad como probabilidad marginal, conjunta y condicional, y los teoremas de probabilidad total y Bayes.

    Título original

    2_Probabilidad

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta conceptos fundamentales de probabilidad, incluyendo definiciones de sucesos estocásticos y determinísticos, espacio muestral, e interpretaciones y definiciones formales de probabilidad. También explica tipos de probabilidad como probabilidad marginal, conjunta y condicional, y los teoremas de probabilidad total y Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    13 vistas5 páginas

    2 Probabilidad

    Cargado por

    Fernando Herrera
    Este documento presenta conceptos fundamentales de probabilidad, incluyendo definiciones de sucesos estocásticos y determinísticos, espacio muestral, e interpretaciones y definiciones formales de probabilidad. También explica tipos de probabilidad como probabilidad marginal, conjunta y condicional, y los teoremas de probabilidad total y Bayes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    Probabilidad

    Conceptos Previos.
    Suceso estocástico: Suceso o evento que está sujeto a aleatoriedad. Es decir que no se puede
    predecir con total certeza su ocurrencia. Se utiliza estocástico y aleatorio como sinónimos.
    Ejemplo: Resultado de arrojar un dado no sesgado sobre un paño.

    Suceso determinístico: Suceso o evento que NO está sujeto a aleatoriedad. Es decir que sí puede
    predecirse con total seguridad. Ejemplo: Caída de un cuerpo por la atracción de la gravedad.

    Espacio muestral: Es el conjunto de todos los posibles resultados de realizar un experimento


    estocástico. Habitualmente se representa con la (Space) o con la letra griega Ω (Omega).

    Probabilidad: Asignación que se le da al grado de ocurrencia de un posible resultado de un


    experimento estocástico. Se expresa en el “tanto por uno”, siendo 1 la certeza de ocurrencia y 0 la
    de no ocurrencia.

    Eventos estadísticamente independientes: Son aquellos en que la ocurrencia de uno de los


    eventos no se ve afectada por la ocurrencia del otro.

    Eventos incompatibles: Son aquellos que no pueden ocurrir simultáneamente.

    Eventos complementarios: Son aquellos que además de no poder ocurrir simultáneamente


    abarcan todo el espacio muestral.

    Definiciones formales de probabilidad.


    Interpretación subjetiva: Grado de creencia o de convicción con respecto a la ocurrencia de una
    afirmación. Esta interpretación de la probabilidad se caracteriza por no realizar un análisis de la
    información disponible, ni tener sustento en la ciencia. Puede estar basada en intuición, fé o
    dogmatismo.

    Definición frecuencista: Toma como punto de partida la frecuencia relativa que se introduce en
    estadística descriptiva y utiliza el supuesto de que, si la muestra fue tomada correctamente, esa
    frecuencia relativa va a converger en la verdadera probabilidad de ocurrencia conforme el tamaño
    de la muestra aumente. Se puede expresar matemáticamente de la siguiente forma:

    = →

    Con:

    = .
    Definición clásica: Si un experimento que está sujeto a aleatoriedad, resulta de formas
    equiprobables y mutuamente excluyentes, y si de dichos resultados tienen un atributo !,
    entonces:

    ! = =

    Desarrollo axiomático de Kolmogorov: Fue publicado en 1933 por Andréi Kolmogorov basado en
    teoría de los conjuntos y teoría de la medida. Enuncia los siguientes pilares fundamentales:

    ! ≥ 0 donde ! es un posible resultado de un experimento estocástico.

    Ω = 1 La probabilidad de ocurrencia del espacio muestral es 1, ya que cualquier resultado del


    experimento estocástico va a estar contenido en el espacio muestral.

    Si !% ∩ !' = ∅ ⟹ P(!% ∪ !' = P(!% + !' )

    Propiedades que se deducen de los axiomas:

    ∅ = 0 donde ∅ representa al suceso imposible.

    ! ≤ 1 ya que el suceso ! está contenido en el espacio muestral Ω

    -!. = 1 − ! donde ! representa a la no ocurrencia del evento !. Lógicamente, se calcula


    como la probabilidad de ocurrencia de cualquier elemento del espacio muestral Ω menos la
    probabilidad de ocurrencia del evento !.

    Si 0 ⊂ ! (el evento 0 está contenido en el evento !) entonces 0 ≤ !

    Tipos de probabilidad.
    Probabilidad marginal: Es la probabilidad de ocurrencia de un evento.

    Probabilidad conjunta:

    Cuantifica la probabilidad de ocurrencia simultánea de


    los eventos. Habitualmente se pide como la ocurrencia
    del suceso ! “y” el suceso 0.

    P A∩B ≠ ∅

    Para eventos independientes se calcula como la


    multiplicación de las probabilidades marginales.

    !∩0 = ! . 0
    Probabilidad de uniones:

    Cuantifica la probabilidad de ocurrencia de al menos uno


    de los eventos. Habitualmente se pide como la
    ocurrencia del suceso ! o 0

    P A∪B P A +P B /P A∩B

    Para eventos independientes se calcula como la suma de


    probabilidades marginales

    !∪0 ! + 0

    Para el caso de tres eventos:

    !∪0∪ ! + 0 + / !∩0 / !∩ / 0∩ + !∩0∩

    Probabilidad condicional:

    Cuantifica la probabilidad de ocurrencia de un evento


    condicionada a la ocurrencia (ya conocida) de otro
    evento. Habitualmente se pide como la probabilidad de
    un suceso ! dado un suceso 0.

    7 8∩9
    P A/B
    7 9

    Con 0 como el suceso condicionante y ! el suceso


    condicionado.

    Para sucesos independientes se calcula como la


    probabilidad marginal del suceso condicionado.

    !/0 !

    Esto se puede deducir apelando a que la probabilidad


    conjunta de sucesos independientes es la multiplicación
    de sus probabilidades marginales, con lo que se podría
    simplificar la probabilidad marginal del condicionante.
    : .: ;
    !/0 : ;
    !
    Aplicación en la práctica.
    En la práctica, para el cálculo de probabilidades, se utiliza la definición clásica y el desarrollo
    axiomático de Kolmogorov.

    Tipos de experimentos:
    Experimentos de una repetición: Existen los experimentos de una repetición en donde la
    observación es única y su probabilidad se calcula aplicando la definición de probabilidad clásica.

    Experimentos de más de una repetición: Se trata de una cadena de observaciones en donde la


    probabilidad total de la cadena se calcula como la productoria de cada una de las probabilidades
    marginales.

    Las probabilidades marginales de cada observación que compone la cadena se calcula aplicando la
    definición de probabilidad clásica teniendo en cuenta teniendo en cuenta la siguiente distinción:

    • Si se trata de un experimento con reposición: el elemento observado vuelve a la


    población, por lo que puede volver a ser observado. Los casos favorables y los casos
    posibles se mantienen invariables en cada observación.
    • Si se trata de un experimento sin reposición: El elemento observado NO vuelve a la
    población, por ende no puede volver a ser observado. En la siguiente observación los
    casos posibles se reducirán en 1 y los casos favorables serán de acuerdo a si el resultado
    de la observación que se excluye de la población fue favorable o no.

    Teoremas:
    La siguiente enunciación es a manera de introducción y para facilitar su aplicación a la resolución
    de ejercicios, no siendo suficiente como sustento teórico de los mismos.

    Teorema de Probabilidad Total: Permite calcular la probabilidad de un suceso a través de la suma


    de sus partes.

    Tenemos un suceso ! contenido en un suceso 0 y a su vez un suceso 0 que esta particionado en


    partes mutuamente excluyentes de modo tal que 0 0% ∪ 0' ∪ … ∪ 0 >% ∪ 0 , de donde se
    deduce que:

    ! = ! ∩ 0% ∪ ! ∩ 0' ∪ … ∪ ! ∩ 0 >% ∪ !∩0

    ! = - ! ∩ 0% ∪ ! ∩ 0' ∪ … ∪ ! ∩ 0 >% ∪ !∩0 .

    ! = ! ∩ 0% ∪ ! ∩ 0' ∪ … ∪ !∩0 >% ∪ !∩0

    Despejando de la fórmula de probabilidad condicional se tiene que:

    !/0 . 0 = !∩0
    Introduciendo la expresión anterior:

    ! !/0% . 0% + !/0' . 0' + ⋯ + !/0 >% . 0 >% + !/0 . 0

    ! =@ !/0 . 0
    A%

    Teorema de Bayes: Permite calcular la probabilidad condicional a partir de la probabilidad


    condicional opuesta. Es el punta pie para el desarrollo de la inferencia bayesiana, tema que
    excede el estudio del presente resumen.

    Partiendo del mismo contexto que en probabilidad total queremos calcular 0/! :

    Por definición sabemos que:

    !∩0
    0/! =
    !

    Sabemos que podemos reexpresar la probabilidad conjunta del numerador como una condicional,
    entonces:

    !/0 . 0
    0/! =
    !

    Además por teorema de probabilidad total sabemos que:

    ! =@ !/0 . 0
    A%

    Entonces:

    !/0 . 0
    0/! =
    ∑ A% !/0 . 0

    También podría gustarte