Class notes
Apuntes de Probabilidad
- Course
- Institution
Una introducción muy general de todo el temario, sirve para añadir a esquemas
[Show more]
Seller
FollowGeemVega
Content preview
Tema 1. Espacios de Probabilidad y Variables Aleatorias: Espacios de Probabilidad. 1A. Probabilidad.
Un experimento aleatorio tiene asociados los siguientes elementos:
• Espacio muestral. Conjunto Ω de todos los resultados (conceptualmente) posibles.
• Resultados. Elementos ω del espacio muestral, también llamados puntos muestrales o realizaciones.
• Sucesos. Subconjuntos de Ω para los cuales esta definida la probabilidad.
Observación. En la práctica la mayor parte de los espacios muestrales pertenecen a una de las siguientes categorı́as:
1. Conjunto finito: Ω = {0, 1}, Ω = {1, . . . , n}.
2. Conjunto infinito numerable: Ω = N, Ω = Z.
3. Conjunto no numerable: Ω = R, Ω = [0, 1], Ω = R+ = [0, ∞).
4. Conjunto finito de replicaciones: Ω = Ωn0 = {ω = (ω1 , . . . , ωn ) : ωi ∈ Ω0 ∀i}.
5. Conjunto infinito (numerable) de replicaciones: Ω = ΩN
0 = {ω = (ω1 , ω2 , . . . ) : ωi ∈ Ω0 ∀i}.
6. Espacios de funciones: Ω = C[0, 1]
Definición. Una σ-álgebra sobre Ω es una familia, F, de subconjuntos de Ω, tal que verifica:
1. Ω ∈ F.
2. Si A ∈ F, entonces Ac ∈ F .
S∞
3. Si A1 , A2 , . . . ∈ F, entonces i=1 Ai ∈ F.
Observación. Dada una familia C de subconjuntos de Ω, existe la menor σ-álgebra que la contiene (menor en el sentido
de que cualquier σ-álgebra que contenga a C también la contiene a ella). La denotaremos, en general, por σ(C) y diremos
que es la σ-álgebra generada por C.
Un caso particular es la σ-álgebra de Borel sobre R: B(R).
Asociados a un experimento aleatorio siempre tendremos un espacio muestral y una σ-álgebra, (Ω, F). A los elementos
de F los llamaremos sucesos.
Definición. Una probabilidad sobre (Ω, F) es una función P : F −→ R tal que
1. P (A) ≥ 0, ∀A ∈ F.
2. P (Ω) = 1.
3. (Numerablemente aditiva) Cualesquiera que sean A1 , A2 , . . . ∈ F disjuntos dos a dos,
∞
[ ∞
X
P( Ai ) = P (Ai )
i=1 i=1
A la tripleta (Ω, F, P ) la llamaremos espacio de probabilidad.
Observación. Quizás la interpretación más plausible de P (A) es como la tendencia de la frecuencia con la que ocurre
A bajo replicaciones independientes del experimento aleatorio.
,Tema 1. Espacios de Probabilidad y Variables Aleatorias: Espacios de Probabilidad. 2
Teorema 1. (Propiedades de la Probabilidad). Sea (Ω, F, P ) un espacio de probabilidad. Entonces:
1. P (∅) = 0.
Sn Pn
2. Si A1 , . . . , An ∈ F son disjuntos dos a dos, entonces P ( i=1 Ai ) = i=1 P (Ai ).
3. Si A ∈ F , entonces P (Ac ) = 1 − P (A).
4. Si A, B ∈ F tal que A ⊆ B, entonces P (B \ A) = P (B) − P (A).
5. P es monótona.
6. Si A, B ∈ F, entonces P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
7. Si A, B ∈ F, entonces P (A ∪ B) ≤ P (A) + P (B).
S∞ P∞
8. Si A1 , A2 , . . . ∈ F , entonces P ( i=1 Ai ) ≤ i=1 P (Ai ).
Definición. Sean A1 , A2 , . . . y A subconjuntos de Ω.
1. El lı́mite superior de (An ) es el conjunto de los ω tal que ω ∈ An para un número infinito de valores de n:
∞ [
\ ∞
lim sup An = An (utilizaremos la notación {An , i.o.})
n
k=1 n=k
2. El lı́mite inferior de (An ) es el conjunto de los ω tal que ω ∈ An para un todos los valores de n salvo a lo sumo un
número finito:
[∞ \ ∞
lim inf An = An (utilizaremos la notación {An , ult.})
n
k=1 n=k
3. La sucesión (An ) converge a A, y escribiremos A = limn→∞ An ó An −→ A, si lim inf n An = lim supn An = A.
Teorema 2. Sea (Ω, F, P) un espacio de probabilidad. Entonces se verifica:
S∞
1. Si An ↑ A en F (i.e. A1 ⊆ A2 ⊆ . . . , An → A = k=1 Ak ), entonces P (An ) ↑ P (A).
T∞
2. Si An ↓ A en F (i.e. A1 ⊇ A2 ⊇ . . . , An → A = k=1 Ak ), entonces P (An ) ↓ P (A).
3. Si An −→ A en F, entonces P (An ) −→ P (A)
Teorema
P∞ 3. (Lema de Borel-Cantelli). Sea (Ω, F, P) un espacio de probabilidad y A1 , A2 , . . . ∈ F.
Si n=1 P (An ) < +∞, entonces P ({An , i.o.}) = 0.
Definición. Un suceso A es casi seguro (c.s.) u ocurre casi seguramente si P (A) = 1, y nulo si P (A) = 0. Una
propiedad de los resultados de un experimento aleatorio se verifica casi seguramente (c.s.) si existe un suceso casi seguro
sobre el cual es satisfecha.
, Tema 1. Espacios de Probabilidad y Variables Aleatorias: Espacios de Probabilidad. 3
B. Probabilidad sobre (R, B(R)).
Consideraremos P una probabilidad sobre (R, B(R))
Definición. La función de distribución de P es la función FP : R −→ [0, 1] definida por FP (t) = P ((−∞, t]).
Observación. Si FP = FP 0 , entonces P = P 0 .
Teorema 4. Sea FP la función de distribución de P . Entonces:
1. FP es creciente.
2. FP es continua por la derecha (i.e. FP (t+) = FP (t), donde FP (t+) = lims↓t FP (s)).
3. FP (−∞) = limt→−∞ FP (t) = 0; FP (+∞) = limt→∞ FP (t) = 1
Teorema 5. Sea F : R −→ R una función creciente, continua por la derecha con F (−∞) = 0 y F (+∞) = 1. Entonces
existe una única probabilidad P sobre (R, B(R)) tal que FP = F .
Hay dos clases muy importantes de probabilidades sobre R: probabilidades discretas y absolutamente continuas.
Definición. Una probabilidad sobre (R, B(R)), P , se dice discreta si existe un conjunto numerable C tal que P (C) = 1.
Proposición 6. Las siguientes afirmaciones son equivalentes para una probabilidad P sobre (R, B(R)):
1. P es discreta.
P
2. Existe
Pun conjunto numerable de números reales (ti )i y valores pi , con pi > 0 para cada i y i pi = 1, tal que
P = i pi Eti , (siendo Ex (A) = 1 si x ∈ A; 0 si x ∈
/ A).
P
3. Existe unPconjunto numerable de números reales (ti )i y valores pi , con pi > 0 para cada i y i pi = 1, tal que
FP (t) = i pi I(−∞,t] (ti ), para todo t ∈ R.
Definición. Una probabilidad P sobre (R, B(R)) se dice absolutamente continua si existe una función positiva, fP ,
sobre R, que llamaremos función de densidad de P , tal que para cualquier intervalo (a, b]
Z b
P ((a, b]) = fP (t)dt. (1)
a
Observación.
1. En el caso más general las integrales son de Lebesgue. De todos modos en casi todos los casos utilizados las
integrales son de Riemann.
2. El término ”la” función de densidad de P no es del todo preciso, puesto que en un sentido técnico no es
única. De todos modos cualesquiera dos funciones que satisfagan (1) difieren a lo sumo en un conjunto de
medida de Lebesgue nula.
Proposición 7. La probabilidad P sobre (R, B(R)) es absolutamente continua si y sólo si existe una función positiva
R +∞
sobre R con −∞ f (s)ds = 1 y
Z t
FP (t) = f (s)ds, t ∈ R.
−∞
Observación. Una probabilidad sobre (R, B(R)) no necesariamente es discreta o absolutamente continua, puede tener
componentes de los dos términos o de ninguno. En realidad existe un tercer tipo de distribuciones de probabilidad sobre
(R, B(R)), las probabilidades singulares.
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller GeemVega. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.95. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
50843 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now