Curso 2013-2014

Estadstica I
Tema 2
Espacio Probabilstico
Pagina 2
NDICE
1. Fenmenos aleatorios
2. Sucesos
3. Concepto de probabilidad
4. Propiedades de la probabilidad
5. Probabilidad condicionada
Pagina 3
1. FENMENOS ALEATORIOS
Fenmenos observables

Deterministas
Aleatorios
Son los que realizados siempre en las mismas condiciones
proporcionan siempre los mismos resultados. Son el objeto de
estudio de las ciencias fsicas y qumicas.
El estudio de este tipo de fenmenos se lleva a cabo a travs del
anlisis de experiencias particulares.
Ejemplos:
- Cada libre de un objeto bajo la accin de la gravedad.
- Cambio de estado fsico de la materia.
Son los fenmenos que an realizados siempre en las mismas
condiciones no siempre proporcionan los mismos resultados. Por
extensin son los fenmenos de resultado incierto.
Como el resultado de cada experiencia particular es incierto no
tiene sentido abordar su estudio estudiando cada experiencia
aislada, la metodologa adecuada para el estudio de ellos es el
estudio de conjuntos numerosos de experiencias.
Ejemplos:
- Los juegos de azar.
- El comportamiento del consumo de las familias en el ao.

Pagina 4
1. FENMENOS ALEATORIOS
Fenmenos aleatorios
Los experimentos aleatorios se distinguen por los siguientes rasgos:
- Los posibles resultados son conocidos con anterioridad a su realizacin.
- No se puede predecir el resultado de cada experimento particular.
- El experimento puede repetirse en condiciones idnticas.
Cuando se repite un experimento aleatorio (simple) da lugar a un
experimento aleatorio compuesto.
Al conjunto de todos los resultados posibles de un experimento aleatorio se
le denomina espacio muestral y se designa por .
Por ejemplo, si consideramos los fenmenos aleatorios:
-lanzar un dado, su espacio muestral sera: = {1, 2, 3, 4, 5, 6}
-lanzar una moneda, su espacio muestral sera: = {cara, cruz}
Pagina 5
NDICE
1. Fenmenos aleatorios
2. Sucesos
3. Concepto de probabilidad
4. Propiedades de la probabilidad
5. Probabilidad condicionada
Pagina 6
2. SUCESOS
Concepto y tipos de sucesos
A todo subconjunto de un espacio muestral se le denomina suceso.
Los tipos de sucesos son:
-Suceso elemental: formado por un nico elemento de un espacio muestral.
-Suceso compuesto: formado por varios elementos de un espacio muestral.
Algunos sucesos particulares son:
-Suceso seguro: es el que se verifica siempre y coincide con el espacio
muestral, representndose por tanto por .
-Suceso imposible: es el que no se produce nunca y se representa por .
Ejemplos de sucesos, si consideramos el fenmenos aleatorio lanzar un
dado seran:
- S
1
= {nmero par} = {2, 4, 6}
- S
2
= {1, 2, 5}
Pagina 7
S
1
S
2
S

S
c
2. SUCESOS
Operaciones con sucesos
Sea un espacio muestral, se denomina suceso:
Contrario o complementario de un suceso S, denotndose S
c
, al formado
por los elementos del espacio muestral que no estn en S.
Unin de S
1
y S
2
, escribindose S
1
U S
2
, al formado por los elementos del
espacio muestral que estn en S
1
o en S
2
.
Interseccin de S
1
y S
2
, escribindose S
1
S
2
, al formado por los
elementos del espacio muestral que estn en S
1
y en S
2
.

S
1
S
2

S
1
S
2
S
1
U S
2
Pagina 8
2. SUCESOS
Ejemplo
De una baraja de 40 cartas extraemos una carta, sean los sucesos:
A = sacar copas B = sacar as C = sacar as de oros
determinar los sucesos siguientes:
A B
AU C
B C
A A
c
(AU B) C
c
Pagina 9
2. SUCESOS
Propiedades de las operaciones con sucesos
Sea un espacio muestral, y A, B y C sucesos del mismo, entonces se
verifican las propiedades siguientes:
Unin Interseccin
Conmutativa AU B = B U A A B = B A
Asociativa (AU B) U C = AU (B U C) (A B) C = A (B C)
Distributiva AU(BC) = (AUB)(AUC) A(BUC) = (AB)U(AC)
Cancelativa AU A
c
= A A
c
=
Leyes de Morgan (AU B)
c
= A
c
B
c
(AB)
c
= A
c
U B
c
Pagina 10
2. SUCESOS
lgebra de sucesos
Sea un espacio muestral, se dice que A es un o-lgebra si verifica:
i. A P () y A
ii. A A A
c
A
iii. {A
n
}
n
A U
n
A
n
A
El par (, A ) se denomina espacio probabilizable.
Pagina 11
NDICE
1. Fenmenos aleatorios
2. Sucesos
3. Concepto de probabilidad
4. Propiedades de la probabilidad
5. Probabilidad condicionada
Pagina 12
3. CONCEPTO DE PROBABILIDAD
Interpretacin clsica
Probabilidad de un suceso es el cociente entre el nmero de casos
favorables al mismo y el nmero de casos posibles, en el supuesto de que
todos los casos posibles sean equiprobables.
Crticas y comentarios:
Lo definido entra en la definicin, pues habla de casos equiprobables.
Slo sirve para espacios muestrales finitos y para situaciones de
equiprobabilidad.
Ms que decir qu es la probabilidad parece decir como se calcula la
misma.
Es vlida como regla para calcular probabilidades en los casos a los
que sea aplicable.
Pagina 13
3. CONCEPTO DE PROBABILIDAD
Interpretacin frecuentista
Probabilidad de un suceso es el lmite al que tiende la frecuencia relativa
con que se presenta el suceso cuando el nmero de realizaciones del
experimento tiende a infinito.
Crticas y comentarios:
No se trata de un lmite en el sentido matemtico del trmino, y no es
fcil de precisar en qu sentido.
No parece aplicable a experimentos o fenmenos que no puedan
repetirse.
Recoge directamente la idea de regularidad a largo plazo de los
fenmenos aleatorios y parece ofrecer un buen substrato a las ideas
intuitivas que tenemos cuando hablamos de probabilidad.
Pagina 14
3. CONCEPTO DE PROBABILIDAD
Interpretacin subjetiva
Probabilidad de un suceso es el grado de adhesin de una persona a ese
suceso, es el grado de creencia en la verificacin del mismo.
Crticas y comentarios:
Es la definicin ms filosfica en cuanto que es la que ms se acerca a
la cuestin de qu significa la probabilidad para nosotros.
Es aplicable con toda generalidad.
Pone de manifiesto el carcter personal de la probabilidad, la relaciona
con la informacin que cada uno posee.
Queda abierta la cuestin de encontrar, si existe, una regla objetiva que
ponga en relacin la informacin de cada individuo con la probabilidad
que asigna a los sucesos.
Pagina 15
3. CONCEPTO DE PROBABILIDAD
Interpretacin axiomtica
Sea (, A ) un espacio probabilizable, se denomina probabilidad a toda
funcin P: A [0, 1] que verifique los axiomas de Kolmogorov:
i. P(A) 0 A A
ii. P() = 1
iii. Si {A
n
}
n
A con A
i
A
j
= ij entonces convergente y
La terna (, A, P) se denomina espacio probabilstico.

N e n
n
) A ( P

N e N e
=
|
|
.
|

\
|
n
n
n
n
) A ( P A P

Pagina 16
NDICE
1. Fenmenos aleatorios
2. Sucesos
3. Concepto de probabilidad
4. Propiedades de la probabilidad
5. Probabilidad condicionada
Pagina 17
4. PROPIEDADES DE LAS PROBABILIDAD
Enunciados (I)
Sea (, A, P) un espacio probabilstico, se verifican las propiedades:
i. P() = 0
ii. (Aditividad finita) A
1
, ,A
n
A / A
i
A
j
= ij
iii. (Regla de Laplace) finito, A P () y los sucesos elementales
equiprobables A A
iv. A, B A / AB P(A) P(B) y P(B A
c
) = P(B) - P(A)
v. P(A) 1 A A
vi. P(A
c
) = 1 - P(A) A A
vii. A, B A P(A U B) = P(A) + P(B) - P(A B)

= =
=
|
|
.
|

\
|
n
1 i
i
n
1 i
i
) A ( P A P

( )
) ( card
) A ( card
A P
O
=
Pagina 18
4. PROPIEDADES DE LAS PROBABILIDAD
Enunciados (II)
viii.(Subaditividad numerable) {A
n
}
n
A
ix. (Subaditividad finita) A
1
, ,A
n
A
x. (Principio de inclusin-exclusin) A
1
, ,A
n
A

N e N e
s
|
|
.
|

\
|
n
n
n
n
) A ( P A P

= =
s
|
|
.
|

\
|
n
1 i
i
n
1 i
i
) A ( P A P

+ =
|
|
.
|

\
|

< < < = =
n
k j i
k j i
n
j i
j i
n
1 i
i
n
1 i
i
) A A A ( P ) A A ( P ) A ( P A P

) A A A ( P ) 1 (
n 2 1
1 n

+
+
Pagina 19
NDICE
1. Fenmenos aleatorios
2. Sucesos
3. Concepto de probabilidad
4. Propiedades de la probabilidad
5. Probabilidad condicionada
Pagina 20
B
A
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,10
B
A
Probabilidad de A sabiendo que ha ocurrido B?
P(A|B)=1 P(A|B)=0,8
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,08
5. PROBABILIDAD CONDICIONADA
Concepto
B
A A
B
P(A) = 0,25
P(B) = 0,10
P(AB) = 0,005
P(A) = 0,25
P(B) = 0,10
P(AB) = 0
P(A|B)=0,05 P(A|B)=0
Pagina 21
5. PROBABILIDAD CONDICIONADA
Definicin
Sea (, A , P) un espacio probabilstico y B A / P(B) > 0, se define la
probabilidad condicionada por B para A A como:
Condicionar un suceso respecto de otro es calcular el tamao del primero
respecto del segundo.
Condicionar un suceso por otro no es lo mismo que realizar la interseccin
de ambos, mientras en el primer caso se calcula el tamao respecto de B
en el segundo caso se hace respecto del espacio muestral completo .
) B ( P
) B A ( P
) B | A ( P ) A ( P
B

= =
Pagina 22
5. PROBABILIDAD CONDICIONADA
Probabilidad compuesta
Sea (, A , P) un espacio probabilstico y B A / P(B) > 0, la probabilidad
condicionada permite definir la probabilidad de la interseccin A A :
P(A B) = P(B) P(A | B)
Generalizando, obtenemos la denominada regla del producto, sean los
sucesos A
1
, , A
n
A verificando que P(A
1
A
n-1
) > 0, entonces:
P(A
1
A
n
) = P(A
1
) P(A
2
| A
1
) P(A
3
| A
1
A
2
) P(A
n
| A
1
A
n-1
)
Pagina 23
5. PROBABILIDAD CONDICIONADA
Sistema completo de sucesos
Sea (, A , P) un espacio probabilstico, se dice que {B
i
}
iI
A es un
sistema completo de sucesos si verifica: B
i
B
j
= ij y . O =
e

I i
i
B
B
7

B
2
B
3
B
6
B
5
B
4
B
1
Pagina 24
5. PROBABILIDAD CONDICIONADA
Teorema de la Probabilidad Total
Sea (, A , P) un espacio probabilstico y {B
i
}
iI
A un sistema completo
de sucesos tal que P(B
i
) > 0, entonces A A :

e
=
I i
i i
) B | A ( P ) B ( P ) A ( P
B
7

B
2
B
3
B
6
B
5
B
4
B
1
A
B
7

B
2
B
3
B
6
B
5
B
4
B
1
A
Pagina 25
B
7

B
2
B
3
B
6
B
5
B
4
B
1
A
5. PROBABILIDAD CONDICIONADA
Teorema de Bayes
Sea (, A , P) un espacio probabilstico, {B
i
}
iI
A un sistema completo
de sucesos tal que P(B
i
) > 0 y P(A) > 0, entonces:
) A ( P
) B | A ( P ) B ( P
) A | B ( P
i i
i

=
B
7

B
2
B
3
B
6
B
5
B
4
B
1
A
Pagina 26
5. PROBABILIDAD CONDICIONADA
Ejemplo
Tenemos tres bolsas con bolas con la siguiente composicin:
B
1
= (4 b, 6 n) B
2
= (7 b, 3 n) B
3
= (1 b, 9 n)
Se meten en un saco las tres bolsas.
Sacamos una bolsa al azar y de ella tomamos una bola al azar.
a) Cul es la probabilidad de que la bola sea blanca?
b) La bola fue blanca, cul es la probabilidad de que fuese de la bolsa 1?,
cul de que fuese de la bolsa 2? y de la bolsa 3?
Pagina 27
5. PROBABILIDAD CONDICIONADA
Probabilidades a priori, probabilidades a posteriori y verosimilitudes
Sea (, A , P) un espacio probabilstico, {B
i
}
iI
A un sistema completo
de sucesos tal que P(B
i
) > 0 y A A tal que P(A) > 0, los distintos
elementos de probabilidad que aparecen en los Teorema de la Probabilidad
Total y Teorema de Bayes se suelen denominar tambin:
P(B
i
): Probabilidades a priori.
P(B
i
| A): Probabilidades a posteriori.
P(A | B
i
): Verosimilitudes.
Pagina 28
5. PROBABILIDAD CONDICIONADA
Independencia de sucesos
Sea (, A , P) un espacio probabilstico, dos sucesos A y B A son
independientes si y slo si se verifica que P(A B) = P(A) P(B).
Si P(B) > 0 esta condicin es equivalente a P(A | B) = P(A), y si lo que se
tiene es que P(A) > 0 la condicin es equivalente a P(B | A) = P(B)
Es decir, dos sucesos son independientes si el que ocurra uno no aade
informacin sobre la ocurrencia del otro.