Professional Documents
Culture Documents
AYHAM A LCHOUHUF
14 DE FEBRERO DE 2016
Indice
1. Probabilidades: Conceptos y Definiciones
1.1. Senal Aleatoria . . . . . . . . . . . . . . . . . . .
1.2. Definicion de Conjunto . . . . . . . . . . . . . . .
1.3. Operaciones de Conjuntos . . . . . . . . . . . . .
1.3.1. Diagrama de Venn . . . . . . . . . . . . .
1.3.2. Igualdad y diferencia de conjuntos . . . . .
1.3.3. Union e interseccion . . . . . . . . . . . .
1.3.4. Complemento . . . . . . . . . . . . . . . .
1.4. Principio de dualidad . . . . . . . . . . . . . . . .
1.5. Conceptos de Probabilidades . . . . . . . . . . . .
1.5.1. Espacio Muestral . . . . . . . . . . . . . .
1.5.2. Espacios Muestrales Discretos . . . . . . .
1.5.3. Espacios Muestrales Continuos . . . . . .
1.6. Sucesos . . . . . . . . . . . . . . . . . . . . . . .
1.7. Axiomas y definicion de probabilidad . . . . . . .
1.8. Probabilidad: Como una Frecuencia Relativa . . . .
1.9. Probabilidad Conjunta y Condicional . . . . . . . .
1.9.1. Probabilidad conjunta . . . . . . . . . . .
1.9.2. Probabilidad condicional . . . . . . . . . .
1.10. Probabilidad Total . . . . . . . . . . . . . . . . . .
1.11. Teorema de Bayes . . . . . . . . . . . . . . . . . .
1.12. Sucesos Independientes . . . . . . . . . . . . . . .
1.12.1. Dos Sucesos . . . . . . . . . . . . . . . .
1.12.2. Multiples Sucesos . . . . . . . . . . . . .
1.12.3. Propiedades de los sucesos independientes
1.13. Experimentos Combinados . . . . . . . . . . . . .
1.13.1. Espacio muestral combinado . . . . . . . .
1.13.2. Sucesos en el espacio combinado . . . . .
1.14. Permutaciones . . . . . . . . . . . . . . . . . . . .
1.15. Combinaciones . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
5
5
2. Leyes y Formulas
2.1. Leyes de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1.
1.1.
1.3.4.
Complemento
Aleatoria
Senal
A = SA
Una senal aleatoria es una forma de onda que solo se puede caracterizar de forma probabilstica. En general, puede ser una forma
de onda deseada o no deseada.
1.4.
1.2.
Definicion de Conjunto
1.5.
Conceptos de Probabilidades
1.5.1.
Espacio Muestral
Operaciones de Conjuntos
Cuando se trabaja con conjuntos, es u til emplear una representacion geometrica que nos permita asociar una imagen fsica con
los conjuntos.
1.3.1.
1.5.2.
Diagrama de Venn
1.6.
Principio de dualidad
1.3.
(3)
Sucesos
Un suceso se define como un subconjunto del espacio muestral. Puesto que un suceso es un conjunto, todas las definiciones
y operaciones anteriores aplicables a conjuntos se aplicaran a los
sucesos. Por ejemplo, si dos sucesos no tienen resultados comunes
seran mutuamente excluyentes.
Al igual que los espacios muestrales, los sucesos pueden ser
discretos o continuos.
Union e interseccion
1.7.
A cada suceso definido sobre un espacio muestral le asignaremos un numero no negativo denominado probabilidad y se denota
como P(A), para definir la probabilidad de que ocurra el suceso A,
Por tanto, la probabilidad es una funcion de los sucesos definidos.
Cuando un suceso se enuncia explcitamente como un conjunto
usando llaves, empleamos la notacion P{} en lugar de P({}).
Axiomas:
1. P(A) 0
2. P(S) = 1
2
1.8.
Suponiendo un experimento cualquiera, el cual se repite muchas veces (por ejemplo digamos N) y algun suceso especifico que
llamaremos nH , de n ensayos, entonces:
nH
= P(H)
(4)
lm
n+ n
1.11.
Teorema de Bayes
Sea Bn uno de los sucesos definidos en un experimento cualquiera, y un suceso A ya registrado, se define:
P(A) 6= 0
(9)
P(Bn ) 6= 0
(10)
En ciertos experimentos, puede ocurrir que algunos sucesos no Una forma del teorema de Bayes se obtiene de igualar las ecuaciosean mutuamente excluyentes debido a los elementos comunes en nes (9) y (10):
el espacio muestral. Estos elementos corresponden a la ocurrencia
P(A|Bn )
simultanea o conjunta (joint) de los sucesos no excluyentes. Para
P(Bn |A) =
P(Bn ),
P(A) 6= 0
(11)
dos sucesos A y B, los elementos comunes forman el suceso A B.
P(A)
1.9.1.
Probabilidad conjunta
P(Bn |A) =
(5)
P(A|Bn )P(Bn )
, n = 1, 2, . . . , N
P(A|B1 )P(B1 ) + . . . + P(A|Bn )P(Bn )
(12)
De forma equivalente,
P(A B) = P(A) + P(B) P(A B) P(A) + P(B)
1.12.
(6)
Sucesos Independientes
1.13.1.
es:
S = S1 S2 S3 . . . SN
Multiples
Sucesos
En el caso de tres sucesos, A1 , A2 yA3 , se dice que son independientes si y solo si son independientes dos a dos y tambien son
independientes los tres conjuntamente; es decir, deben satisfacer
las cuatro ecuaciones siguientes:
(s1 , s2 , . . . , sN )
1.13.2.
(21)
(22)
(16)
Los sucesos se pueden definir en el espacio muestral combinado a traves de sus relaciones con los sucesos definidos en los espa(17) cios muestrales de los subexperimentos. Consideremos dos subexperimentos con los espacios muestrales S1 y S2 . Sea A cualquier
(18) suceso definido sobre S1 y B cualquier suceso definido sobre S2 ,
entonces:
(19)
C = AB
En general, para decir que N sucesos A1 , A2 , . . . , AN son estadsticamente independientes, se requiere que todas las 2N N
es un suceso definido sobre S formado por todos los pares
1 condiciones se cumplan.
(s1 , s2 ) tales que: s1 A y s2 B. Dado que los elementos de A
corresponden a los elementos del suceso A S2 definido sobre S,
y los elementos de B corresponden al suceso S2 B definido sobre
1.12.3. Propiedades de los sucesos independientes
S, podemos facilmente establecer que:
Si N sucesos A1 , A2 , . . . , Ai , . . . , AN son independientes, enA B = (A S2 ) (S1 B)
(23)
tonces ninguno de ellos es independiente de cualquier suceso formado por uniones, intersecciones y complementarios
Por tanto, el suceso definido por el subconjunto de S dado por
de los demas sucesos.
A B es la interseccion de los subconjuntos A S2 y S1 B. Consideremos todos los subconjuntos de S de la forma A B como
Para dos sucesos independientes A1 yA2 , resulta que A1 es sucesos. Todas las intersecciones y uniones de tales sucesos tamindependiente de A2 , A1 es independiente de A2 y A1 es in- bien son sucesos.
dependiente de A2 .
Para tres sucesos independientes A1 , A2 y A3 , cualquiera de
ellos es independiente de la ocurrencia conjunta de los otros
dos. Por ejemplo: P[A1 (A2 A3 )] = P(A1 )P(A2 )P(A3 ) =
P(A1 )P(A2 A3 ). Cualquiera de los sucesos tambien es independiente de la union de los otros dos. Por ejemplo:
P[A1 (A2 A3 )] = P(A1 )P(A2 A3 )
1.13.
Experimentos Combinados
Un experimento combinado consiste en formar un u nico experimento mediante la combinacion adecuada de experimentos individuales, los cuales denominaremos ahora subexperimentos. Recuerde que un experimento se define especificando tres magnituConsideremos en primer lugar solo dos subexperimentos. Dado
des: 1. el espacio muestral aplicable, 2. los sucesos definidos en el
que todos los sucesos definidos en S seran uniones e intersecciones
espacio muestral, y 3. las probabilidades de los sucesos.
1 En
de sucesos de la forma A . . . B, donde A S! y B S2 solo necesitamos determinar P(A B) para cualesquiera A y B. Consideramos
u nicamente el caso en que: P(A B) = P(A)P(B) (expresion denominada experimentos independientes).
Y en general para N experimentos independientes, la generalizacion para experimentos independientes es:
P(A1 A2 . . . An ) = P(A1 )P(A2 ) . . . P(An )
(24)
donde An Sn , n = 1, 2, ..., N. Con experimentos independientes, los resultados anteriores demuestran que las probabilidades para los sucesos definidos en S quedan completamente determinadas
a partir de las probabilidades de los sucesos definidos en los subexperimentos.
1.14.
Permutaciones
n!
(n r)!
(25)
1.15.
Combinaciones
2.
Leyes y Formulas
2.1.
Probabilidad conjunta:
P(A B) = P(A) + P(B) P(A B)
P(A B) = P(A) + P(B) P(A B) P(A) + P(B)
P(A B)
Probabilidad condicional: P(A|B) =
P(B)
(
Leyes de Conjuntos
AB = BA
Ley conmutativa:
AB = BA
A (B C) = (A B) (A C)
Ley distributiva:
A (B C) = (A B) (A C)
A (B C) = (A B) C = A B C
Ley asociativa:
A (B C) = (A B) C = A B C
AB = AB
Leyes de Morgan:
AB = AB
!
Prob. de n sucesos: P
N
[
n=1
Probabilidad total:
Teorema de Bayes:
An
P(An ), si Am An = 0
n=1