Indice

1) Sucesos aleatorios. Espacio muestral.

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

P(| - E[]| < K o) > 1 1/K
2

P(| - E[]| > K o) < 1/K
2