2) Operaciones con sucesos. 3) Enfoques de la Probabilidad. 4) Axiomas de Kolmogorov. 5) Axiomas de la Probabilidad subjetiva. 6) Resultados bsicos con probabilidades. 7) Variables aleatorias. 8) Educcin de probabilidades. Sistemas de ayuda a la decisin Modelizacin de la incertidumbre Tema 2. Incertidumbre y Probabilidad El concepto de variable aleatoria permite pasar de los resultados experimentales (E) a una funcin numrica (real) de los resultados
Dado el espacio probablistico (E, A, P), la aplicacin : E 9, e (e) es un variable aleatoria si x e 9, {e e E: (e) s x} es un suceso,
-1 ((-,x]) e A, o-lgebra
La probabilidad definida sobre sucesos se transforma en probabilidad de que la variable aleatoria tome valores en (-,x], P( s x)
Se trata de un cambio de lenguaje: antes el algebra de Boole y ahora la Teora de Funciones del Anlisis (herramientas matemticas: funciones de variable real, clculo diferencial e integral,.....) Modelizacin de la incertidumbre Variables aleatorias Modelizacin: Abstraccin
Modelo de distribucin de probabilidad: especifiacin de los posibles valores de la variable aleatoria con sus probabilidades
Notacin: X, Y,... variables aleatorias. X(e)=x, Y(e)=y,.... nmero asociado al resultado e e E, cuantificacin
Lenguaje de sucesos de probabilidad de funciones reales
Sucesos Variable aleatoria - Venta de un producto nmero de productos vendidos - Llegada de un cliente nmero de clientes atendidos - Tamao de un e-mail nmero de kbytes enviados por e-mail - Fallo de un dispositivo nmero de horas hasta el fallo de un dispositivo - Curacin de un paciente nmero de aos de supervivencia post-tratamiento - Incendio forestal nmero de hectreas quemadas (+localizacin) Modelizacin de la incertidumbre Variables aleatorias Diferencias entre Estadstica Descriptiva y Clculo de Probabilidades:
- La variable estadstica es descriptiva, analiza hechos.
- La variable aleatoria es probabilista, analiza causas potenciales, sobre el futuro, no hechos, el proceso generador de los hechos, datos
Tipos de variables aleatorias: asociacin entre resultado y un nmero real
- Discreta: toma un conjunto de valores finito o infinito numerable Cardinal(E) N
- Continua: toma valores en un intervalo, Cardinal(9) potencia del continuo Modelizacin de la incertidumbre Variables aleatorias La variable aleatoria no se presta al Anlisis Real pues son funciones reales de sucesos (conjuntos) y no de variable real, sobre 9
Se introduce la funcin de distribucin de la variable aleatoria : F: 9 [0,1], F(x) = P((e) s x)
Propiedades:
1. 0 s F(x) s1, x e 9
2. lim x - F(x) = 0, lim x + F(x) = 1
3. x 1 < x 2 F(x 1 ) s F(x 2 ), monotona no decreciente
4. lim x a+ F(x) = F(a), a e 9, continuidad por la derecha
5. P(a s s b) = F(b) F(a), probabilidad de un intervalo Modelizacin de la incertidumbre Variables aleatorias. Funcin de distribucin La variable aleatoria se dice discreta si toma valores en un conjunto numerable {x 1 ,x 2 ,x n ,}, finito o infinito. Si p i = P( s x i ) > 0, i=1,2,n,
1. E i p i = 1 2. P( s x n ) = E n i p i
Se define la funcin de probabilidad de la variable aleatoria :
P(=x) = P({e e E: (e)=x})
Asignacin de probabilidad a los sucesos elementales sobre los que la variable aleatoria toma el valor x. Masa de probabilidad puntual
Se obtiene la funcin de distribucin de la variable aleatoria :
F(x) = P( s x j ) = P({e e E: (e) s x j }) = E xj s x P(=x j ) = E xj s x P j
La F(x) de una variable aleatoria discreta es escalonada Modelizacin de la incertidumbre Variables aleatorias discretas Modelizacin de la incertidumbre Variables aleatorias discretas Modelizacin de la incertidumbre Variables aleatorias continuas Una variable aleatoria es continua si toma valores en un intervalo (x a ,x b ) _ 9 Se dice absolutamente continua si P(x s s x+dx) = f(x)dx, donde f es su funcin de densidad (generaliza el histograma con infinitas clases)
Propiedades:
1. f(x) > 0, x 2. } + - f(x)dx = 1 3. F(x) = P(- s s x) = } x - f(t)dt 4. f(x) = dF(x)/dx el modelo de probabilidad se define con f o F.
Los puntos o valores discretos de la variable aleatoria continua no tienen masa de probabilidad. La probabilidad de un valor x=a es la del intervalo [a-1/2,a+1/2]
La probabilidad de un intervalo [a,b] es P(a s s b) = } b a f(t)dt
Variable aleatoria mixta: F(x) = oF 1 (x)+(1 - o)F 2 (x), 0 s o s 1, F 1 vad, F 2 vac F(x) x f(x) Modelizacin de la incertidumbre Variables aleatorias continuas Modelizacin de la incertidumbre Variables aleatorias. Caractersticas Esperanza E[X], medida de centralizacin, promedio de los valores de la variable con su probabilidad (va discreta) o densidad de probabilidad (va continua). Es un operador lineal E[aX+b]=aE[X]+b, E[h(X)] = } + - h(t)f(t)dt
Varianza Var(X), medida de dispersin asociada a la Esperanza Var(X) = o 2 = E[(X-E[X]) 2 ], promedio con su probabilidad (va discreta) o densidad de probabilidad (va continua). Var(X) = E[X 2 -E[X] 2 ]. Var((aX+b) = a 2 Vax(X)
Cuantiles de orden p e [0,1], valores de la variable aleatoria que son la raiz de la ecuacin F(x p ) = p, p e {1/4,1/2,3/4} x p cuartiles, p e {1/10,1/5,9/10} xp deciles, p e {1/100,1/50,99/100} xp percentiles Modelizacin de la incertidumbre Variables aleatorias. Caractersticas Momentos de orden k: 0,1,3,4,5, E[X k ], k = E[(X-E[X]) k ], E[(X-x * )k]. CAs = 3 / o 3 , CAp = ( 4 / o 4 ) 3, CV = o /
Mediana: cuartil x 1/2 , Moda: Mximo de P j (va discreta) o de f(x) (va continua)
Tipificacin: va X, Y=(X-E[X])/Var(X) presenta E[Y]=0 y Var(Y)=1. Modelizacin de la incertidumbre Variables aleatorias Teorema de Markov
Dada la variable aleatoria y g() > 0, K > 0,
P(g() > K) s E[g()]/K
Desigualdad de Chebyschev
Dadas E[] y o de cualquier variable aleatoria, K > 0