Date post: | 11-Jun-2015 |
Category: |
Documents |
Upload: | edumetrics |
View: | 1,528 times |
Download: | 0 times |
Procesos EstocásticosProcesos Estocásticos
ProbabilidadProbabilidad
SESIÓN 02SESIÓN 02
Probabilidad 0Probabilidad 0
• Proceso determinista: Los resultados se determinan anticipadamente con certeza
• Proceso estocástico: Los resultados se determinan con cierta probabilidad, existe una incertidumbre en el resultado
Probabilidad 1Probabilidad 1
• Concepto clásico de probabilidad: eventos equiprobables (azar): probabilidad de acierto = eventos favorables/eventos posibles = n/N
• ¿Cuál es la probabilidad de tomar un as de baraja común? Rpta. 4/52 = 1/13
• Interpretación frecuentista: la probabilidad de un evento es la proporción de las veces en que ocurrirán ala larga eventos del mismo tipo
* Si decimos que la probabilidad de que un vuelo de Quito a Guayaquil llegue a tiempo es de 0,84
Probabilidad 2Probabilidad 2
• Interpretación subjetiva (evaluaciones personales): Nuestras creencias en relación con las incertidumbres asociadas (evidencia colateral, indirecta o intuición) : tincómetro
• Enfoque axiomático: las probabilidades se definen como “conceptos matemáticos”
Álgebra de eventos 1Álgebra de eventos 1
• Experimento (evento): Suceso o proceso de observación o medición cualquiera
• Espacio de muestra: Conjunto de todos los posibles resultados de un experimento Ω
• El espacio de muestra es contable: cuando el número de elementos es biunívoco con los enteros
• El espacio de muestra es discreto: cuando el número de elementos (finito o infinito) es contable
• El espacio de muestra es continuo: cuando el número de elementos es infinito continuo (línea o plano)
Álgebra de eventos 2Álgebra de eventos 2• Definición 2.1: - Álgebra (Booleana): A,B
;
= {subconj. de }:
1) (A B) (cerrado en )
2) A’ (cerrado en complemento)
• Álgebra elemental: o = {, }; o
• Definición 2.1: - Álgebra: A ;
= {subconj. de }:
1) A y A’
2)
11
iiii AA
Álgebra de eventos 3Álgebra de eventos 3• Definición 2.3: (Aditividad finita) f:
es aditividad finita A,B ,
A B = :
f (A B) = f (A) + f (B)• Teorema 2.1: Si f es aditividad finita:
1) f (A B) = f (A) + f (BIA)
2) f (A B) = f (A) + f (B) – f (A B)
3) f (A B) f (A) + f (B)
4) f (BIA) = f (B) - f (A), si A B
5) f (B) f (A), si A B
6) f () = 0
Álgebra de eventos 4Álgebra de eventos 4• Definición 2.1: Si f (función de aditividad finita)
es una medida f(A) 0, A • Definición 2.2: (Probabilidad): P: es
aditividad finita, positiva y t.q. P() = 1 P es probabilidad
( es álgebra en )
Notación: x (resultado); (evento)• Definición 2.3: (Aditividad infinita): f:
es aditividad infinita Ai ; Ai Aj =
11)()(
iii
iAfAf
Álgebra de eventos 5Álgebra de eventos 5• Definición 2.4:
• Definición 2.5: (Punto de acumulación) x A es un punto de acumulación en A (conjunto)
> 0, y A: Ix – yI < • Definición 2.6: (Conjunto cerrado) Un
conjunto es cerrado cuando incluya a todos los puntos de acumulación
xxAxA ii
i
ii1 límy t.q.
Álgebra de eventos 6Álgebra de eventos 6
• Definición 2.2: (Infimo)
n t.q. k n, x Ak
• Definición 2.3: (Supremo)
n, k n, t.q. x Ak
nk
kkn
AA
inf
nk
kkn
AA
sup
kkn
Axn,kAx ssi inf
kkn
Axn,kAx ssi sup
Álgebra de eventos 7Álgebra de eventos 7
n nk
kknn
AAlím
inf
n nk
kknn
AAlím
sup
suplíminflímy supinfnn
kn
kn
kn
kn
AAAA
• Hallar el ínfimo y supremo de Ak = [0, 2 + sen i]
Rpta. Inf = [0, 1]; Sup = [0, 3]
Álgebra de eventos 8Álgebra de eventos 8A,B :Por lo menos uno de los eventos A o B ocurre: A BAmbos eventos A y B ocurren: A BNo ocurre A: Ac
Ni A ni B ocurren: (A B)c = Ac Bc
A ocurre y B no ocurre: A Bc
Exactamente ocurre uno de los eventos A o B: (A Bc)(Ac B)No ocurre A y B juntos: (A B)c = Ac Bc
Si A ocurre, también B: A BA y B excluyen mutuamente excluyentes (eventos incompatibles):
A B = Evento A o evento B: A BEvento A y evento B: A B
Álgebra de eventos 9Álgebra de eventos 9
• P: probabilidad en , siendo una - Álgebra en . Es una función de conjuntos: Ω →
• Axioma 1: La probabilidad de un evento es un número real no negativo; o sea, P(A) 0,
A • Axioma 2: P() = 1• Axioma 3: Aditividad infinita
11)()(
iii
iAPAP ji, ; i1
jii AAA
Probabilidad de un evento 1Probabilidad de un evento 1• Teorema 2.2 Si A es un evento de un espacio de
muestra discreto , entonces P(A) es igual a la suma de las probabilidades de los resultados individuales que componen A.
• Teorema 2.3 Si un experimento puede dar origen a uno de N resultados diferentes igualmente probables y si n de estos resultados constituyen juntos el evento A, entonces la probabilidad del evento A es
N
nAP )(
Probabilidad de un evento 2Probabilidad de un evento 2• Teorema 2.4 Si A y Ac son eventos
complementarios de un espacio de muestra , entonces
P(Ac) = 1 – P(A)
• Teorema 2.5 P() = 0, para un espacio de muestra cualquiera
• Teorema 2.6 Si A y B son eventos de un espacio muestral y A B, entonces
P(A) P(B)
Probabilidad de un evento 3Probabilidad de un evento 3
• Teorema 2.7 0 P(A) 1, A
• Teorema 2.8 Si A y B son dos eventos de un espacio muestral , entonces
P(A B) = P(A) + P(B) - P(A B)
• Teorema 2.9 Si A, B y C son tres eventos de un espacio muestral , entonces
P(A B C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C)
Probabilidad Condicional 1Probabilidad Condicional 1
Probabilidad condicional: • Definición 2.1: Si A y B son dos eventos de un
espacio muestral S y P(A) 0, la probabilidad condicional de B dada A es
)(
)()(
AP
BAPABP
Probabilidad Condicional 2Probabilidad Condicional 2
• Teorema 2.10 Si A y B son dos eventos de un espacio muestral y P(A) 0, entonces
P(A B) = P(A) * P(B A)• Teorema 2.11 Si A, B y C son tres
eventos de un espacio muestral , tal que P(A) 0 y P(A B) 0 , entonces
P(A B C) = P(A) * P(BA) * P(CA B)
Eventos Independientes 1Eventos Independientes 1
• Definición 2.2: Dos eventos A y B son independientes si y solo si
P(A B) = P(A) * P(B)
• Teorema 2.12 Si los eventos A y B son independientes, entonces los eventos A y B’ también son independientes
Eventos Independientes 2Eventos Independientes 2
• Definición 2.3: Los eventos A1, A2,…, y Ak son independientes si y solo si la probabilidad de la intersección de 2, 3, …, o k de estos eventos es igual al producto de sus respectivas probabilidades
• Teorema 2.13 Si los eventos B1, B2, …, y Bk constituyen una partición del espacio de muestra y P(Bi) 0, i = 1, 2,…, k, entonces para cualquier evento A contenido en
k
iii BAPBPAP
1
)(*)()(
Teorema de Bayes 1Teorema de Bayes 1
El teorema de Bayes combina diferentes tipos de información y conocimiento basado sobre información nueva, puede ser usado para incorporar información adicional a priori estimando la probabilidad de los eventos En esencia se usa para calcular las probabilidades condicionales
Bayes (1702-1761)
Teorema de Bayes 2Teorema de Bayes 2
• Teorema 2.14 Si los eventos B1, B2, …, y Bk constituyen una partición del espacio de muestra y P(Bi) 0, i = 1, 2,…, k, entonces para cualquier evento A contenido en tal que P(A) 0
para r = 1, 2, …, k
k
rii
rrr
BAPBP
BAPBPABP
1
)(*)(
)()()(
Reseña HistóricaReseña Histórica
• Explicación de los juegos de azar (siglo XVII): Blaise Pascal y Pierre de Fermat: principios fundamentales del cálculo de probabilidades
• En el siglo XVIII, desarrollo de métodos analíticos de la teoría de probabilidades: De Moivre, Gauss, Poisson y Laplace
• En el siglo XIX se hicieron aplicaciones a la física, demografía y seguros
• A. N. Kolmogorov (1933) descripción axiomática, aplicación a las ciencias naturales, ingeniería, cálculo actuarial y economía