Professional Documents
Culture Documents
Dos sucesos A y B, se llaman incompatibles cuando no tienen ningn elemento comn. Dados dos sucesos A y B denotaremos mediante A B al suceso que se verifica cuando o bien se verifica A y no se verifica B, o bien se verifica B y no se verifica A.
Diferencia simtrica
Propiedades en los sucesos Propiedad Conmutativa Asociativa Idempotente Simplificacin Distributiva Elemento neutro Absorcin Leyes de Morgan
Unin A A A A A A A B=B (B A B) C
Interseccin AB=BA A (B C) = (A B) C AA=A A (B B) (A C) A (B AE=A A= El suceso contrario de la interseccin de dos sucesos es la unin de sus sucesos contrarios: = A) = A C) = (A B) (A C)
C) = (A
A=A (B C) = A (B C) = (A =A E=E
Algebra de sucesos: El lgebra de sucesos S es una familia de sucesos definida mediante los siguientes axiomas: Axioma 1: E. a. Axioma 2: Si A, B S, entonces A Axioma 3: Si A S, entonces S. B S.
c. Probablidad axiomtica: este concepto de probabilidad basado en un cojunto de axiomas, que formulamos de la siguiente forma: Sea S un espacio muestral (conjunto de todos los posibles sucesos de un determinado experimento) y A un determinado suceso de S (cualquier elemento o subconjunto de S), diremos que P es una funcin de probabilidad en el espacio muestral S si se satisfacen los tres axiomas siguientes: Axioma 1: P(A) es un nmero real tal que P(A) 0 para todo suceso A de S, es decir, la probabilidad de cualquier suceso en un experimento es siempre mayor o igual que 0. Axioma 2: P(S) = 1, es decir, la probabilidad de todos los sucesos posibles de un experimento es igual a 1. Axioma 3: Si, A, B, C, es una sucesin de sucesos mutuamente excluyentes de S, la probabilidad asociada a la unin de todos ellos (que en un experimento ocurra de ellos) es igual a la suma de sus probabilidades.P (A U B U C) = P(A) + P(B) + P(C) =1/6+1/6+1/6=3/6 De estos tres axiomas se deducen los siguientes teoremas: Teorema 1: Si definimos el suceso complementario de A, A, como aquel que est formado por todos los puntos o sucesos del espacio muestral S que no estn en A, entonces la probabilidad de A ser igual a: P(A) = 1 P(A) Teorema 2: Sea A un suceso de S. Siempre se verifica que la probabilidad de que ocurra est comprendida entre 0 y 1. 0 P(A) 1 - Teorema 3: si es el suceso nulo, entonces se verifica que: P() = 0 ya que es el suceso complementario de S. Probabilidad de sacar 7 es 0. Estos tres teoremas dan lugar a un conjunto de propiedades que permiten abordar la mayor parte de los problemas que plantea el clculo de la probabilidad de que ocurra un fenmeno aleatorio; las principales son las siguientes: 1.- P() = 1 P(A)=5/6-1 2.- P() = 0. P(7)=0 3.- Si A est contenida en B (A B) entonces: a) P(B) = P(A) + P(A B) prob A + prob de la parte de B que no es A, teniendo en cuenta que A est contenida en B b) P(A) P(B) Bes A ms otras cosas 4.- Si A1, A2, , Ak son incompatibles dos a dos, entonces: P(A1 U A2 U Ak) = P(A1) + P(A2) + + P(Ak) 3/6=1/6+1/6+1/6 5.- Propiedad de la unin: P(A U B) = P(A) + P(B) P(A B) P(12)=P1+P2-P(1y2)=1/6+1/6-0=2/6 6.- Si el espacio muestral E es finito y un suceso es A = {x1, x2, , xk} entonces: P(A) = P(x1) + P(x2) + + P(xk) Ejemplos 8.1 y 8.2 8.3 Probabilidad condicionada. Teorema de Bayes. La probabilidad condicionada permite asignar probabilidades introduciendo informaciones previas acerca del experimento o ciertas creencias subjetivas que se dispongan sobre el mismo. Probabilidad Condicionada. Dados dos sucesos A y B, con P(B) > 0 se define la probabilidad condicionada de A (Probabilidad de A condicionada a que haya ocurrido el suceso B), como: P(A/B) = P(A B) P(B) Sucesos dependientes e independientes. Dos sucesos A y B se dice que son independientes si p(A) = p (A/B). En caso contrario, p(A) Probabilidad de la interseccin o probabilidad compuesta: Si los sucesos son dependientes P(A B) = P(A) x P(A/B) = P() x P(A/B) Si los sucesos son independientes P(A B) = P(A) x P(B) Teorema de la probabilidad total. Sea un sistema completo de sucesos: P(B) = P(B A1) + P(B A2) + = P(B Ai) Expresin que es conocida como la Frmula de la Probabilidad Total. La regla de Bayes. Sea A1, A2, , An, un sistema completo de sucesos tal que: Entonces para cualquier evento B, por el Teorema de la probabilidad total, se tiene que: P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + + P(An) P(B/An) Ejemplos 8.3 y 8.4 p(A/B), se dice que son dependientes