Medida de Probabilidad

Katia Larissa Juregui Hernndez

Teora de la Medida

En este documento se explica la relacin que existe entre la Teora de la

Medida con la Teora de Probabilidad, la cual es una relacin directa en la
mayora de los conceptos probabilsticos.

Ahora bien, definiremos algunos conceptos necesarios para entender mejor

esta relacin.

En la teora de la probabilidad, un evento es un subconjunto de un espacio

muestral, es decir, un conjunto de posibles resultados que se pueden dar en
un experimento aleatorio.
A cada evento aleatorio se le puede asignar una medida de probabilidad
y el conjunto de todos los eventos aleatorios constituye una -lgebra de
eventos, sin embargo esto se vera mas adelante.

En Teora de la Medida existen familias de conjuntos ,por ello ahora se define

una familia de eventos: Si un evento A contiene otros eventos del espacio
maestral podemos decir que A es una familia de eventos del espacio
muestral.

Algebra de Eventos
Cuando una familia A de eventos de es cerrada con respecto a las tres
operaciones fundamentales: unin, interseccin y complemento, se dice
que A es una algebra de eventos.

Sigma-Algebra de Eventos
Una -algebra es una coleccin no vaca de eventos del espacio muestral
cerrada bajo las operaciones de complemento y de uniones numerables,
donde los elementos de A son eventos de inters del experimento aleatorio.

Entonces, una -algebra es una estructura que permite agrupar, de

manera selectiva, aquellos eventos cuya probabilidad interesa obtener.

Como en Teora de la Medida , una sigma-algebra de eventos es tambin

una algebra de eventos , pero no cumple de modo contrario ya que la
diferencia entre sigma-algebra y algebra es que la sigma-algebra es
generada por familias numerables de eventos y el algebra son eventos
finitos.
Sigma-Algebra Generada

Si tenemos un evento que nos interesa analizar, se puedo generar una

sigma-algebra para reducir los elementos de nuestro conjunto y poder
trabajar mas fcilmente, esto decir :

Sea C una coleccin no vaca de elementos de , la sigma-algebra

generada por C es dentada por (C), y es la sigma-algebra mas pequea
que contiene a C.

La sigma-algebra minima contiene al menos a la coleccion C, a su

complemento CC, al espacio muestral y al conjunto vacio .

Ejemplo:

Considere el experimento consistente en observar si las Chivas gana,

empata o pierde su prximo partido; determine la sigma-algebra
asociada a esa coleccin de tres resultados.

El espacio muestral es: ={gana,empata,pierde}

Los eventos de inters son: {g}, {e} y {p}

La sigma-algebra generada por esta coleccin de eventos es:

({g}, {e} , {p} )= { , {g} ,{e} , {p} , {g,e} , {g,p} ,{e,p} , {g,e,p} }

Ya que se entendi como generar una sigma-algebra, existe tambin la

sigma-algebra de Borel.

Sigma-Algebra de Borel
Si tenemos un espacio de probabilidad cuyo espacio muestral es el conjunto
de nmeros reales R, parece natural que la algebra contenga los
conjuntos de la forma (, x].

Esto permitir calcular la probabilidad de que el resultado del experimento

aleatorio correspondiente sea menor o igual que x.
La algebra de Borel sobre R, que denotaremos por B, es la algebra
sobre R generada por los conjuntos de la forma Ax = (, x], para todo x
R.
Ya definidas las sigmas-algebras de eventos, pasamos a la definicin
esencial: Medida de Probabilidad.

Medida de Probabilidad
La probabilidad es una funcin de conjunto que asigna un nmero real entre
0 y 1, a cada uno de los subconjuntos del espacio muestral , pertenecientes
a la -lgebra A.

Es una medida que parte de una -lgebra A de eventos de un espacio

muestral y llega al intervalo real [0,1].
La medida probabilidad debe cumplir tres condiciones, denominados
axiomas de probabilidad.

Si A1,A2,,Ai,.. son subconjuntos del espacio muestral .

P () = 1

Si A, entonces P(A) 0

Si A1,A2,...,An,...,
Es una coleccin numerable de eventos disjuntos dos a dos,
entonces,
P(A1 U A2 U U An U) =
=1 ()

Lamentablemente no siempre es posible construir una medida de

probabilidad que satisfaga los axiomas y permita medir todos los
subconjuntos de . Un ejemplo son los conjuntos de Vitali.

Algunos resultados que se derivan de lo anterior, son los siguientes:

Sea P una medida de probabilidad.

-P()=0

-Si A1, A2, , An, es una coleccin FINITA de eventos disjuntos dos a dos,
entonces,
P (A1 A2 An) = P(A1)+P(A2)++P(An)

-Para cualquier evento A , P(Ac) = 1 P(A).

- Sean A, B , eventos.
Si A B, entonces P(A) P(B)

- (Ley de adicin)
P (A B) = P (A) + P (B) P (A B)

Espacio Probabilizable

Un espacio probabilizable es una pareja (, A), donde es el espacio

muestral ligado al experimento aleatorio y A es una sigma-algebra sobre
que constituye un sistema de subconjuntos de .

De manera ms general, un espacio probabilizable es un espacio medible,

sobre el que se va a medir probabilidad, y los eventos del espacio muestral
, pertenecientes a la familia A, son los conjuntos medibles.

Medida de Conjunto

Una medida de conjunto es una funcin :

m : A R
tal que
i) m ()=O
ii) m es sigma-aditiva

Espacio de Probabilidad

Un espacio probabilstico es una terna (, A, P) donde es el espacio

muestral ligado al experimento aleatorio, A es -lgebra, y P es una funcin,
denominada medida de probabilidad, definida de la -lgebra A al
conjunto de los nmeros reales en el intervalo [0,1].

Para que una medida de conjunto sea una probabilidad, lo nico que se
necesita es que la medida del conjunto completo sea uno.

Ahora bien creo que No hay duda alguna de que el desarrollo la teora de
la probabilidad tomando como base la teora de la medida, a partir de esto,
podemos definir un concepto mas muy importante para la Teora de
Probabilidad ya que de aqu se trabaja con la probabilidad de una forma
diferente y el concepto es : Variable Aleatoria.
Variable Aleatoria

Sea (, A, P ) un espacio de probabilidad.

Una variable aleatoria es una funcin

X :AR tal que para todo xR

X1((, x]) A

De modo que :

P ({ : X() x}) = P (X1((, x]))

El concepto de variable aleatoria es esencialmente el mismo que el de

funcin medible en teora de la medida. Si (, A, ) es un espacio de
medida.

F:AR se dice medible si para todo x en R

f1 ((,x])) A

En otras palabras una variable aleatoria es una funcin que asigna un valor,
usualmente numrico, al resultado de un experimento aleatorio.

Los valores posibles de una variable aleatoria pueden representar los

posibles resultados de un experimento an no realizado, o los posibles
valores de una cantidad cuyo valor actualmente existente es incierto,
Intuitivamente, una variable aleatoria puede tomarse como una cantidad
cuyo valor no es fijo pero puede tomar diferentes valores

A partir de las variables aleatorias se definen las distribuciones de

probabilidad :una distribucin de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores.

En trminos formales una variable aleatoria es una funcin definida sobre un

espacio de probabilidad.
Un teorema importante es el siguiente:

Teorema:
Sea X una variable aleatoria sobre un espacio de probabilidad (,A,P).
Entonces X1 (B) A para todo B B.
(B es el conjunto de borelianos en R)

Espacio de Probabilidad Asociado a una Variable Aleatoria

Sea un espacio de probabilidad (, A, P ) y sea X : R una variable

aleatoria.

Asociada a esta variable podemos definir un nuevo espacio de

probabilidad (R, B, P X) donde para todo B B se define
PX (B) = P (X1 (B))
Sabemos que P (X1 (B)) esta definido ya que X1 (B) esta en A.

La funcin PX se denomina probabilidad inducida por X o distribucin de X.

Medibles de Borel

Una funcin g : R R, se dice medible Borel si para todo

XR

g1 ((, x]) B.

Si a uno le interesa solo el resultado de la variable aleatoria, esto permite

trabajar en un espacio de probabilidad donde el espacio muestral es R y la
algebra es B, la algebra de Borel .

Conclusin

Para concluir , podemos darnos cuenta de la relacin tan cercana que

existe entre la Probabilidad y la Teora de la Medida, prcticamente al
hablar de Probabilidad estamos hablando de Medida, ya que las bases de
la Teora de la Probabilidad estn inspiradas en la Teora de la Medida.

Lo que se present en este documento fueron las bases para seguir

trabajando con diferentes conceptos de Probabilidad, diferentes tipos de
variables y sus distribuciones, funciones generadoras, etc.

Ahora ya sabemos la conexin directa que existe entre estas dos reas de
las Matemticas.

Referencias

Universidad Nacional Autnoma de Mxico. Medida de Probabilidad.

Recuperado de :
http://www.dcb.unam.mx/users/gustavorb/Probabilidad/PE14.pdf

Yohai J.Victor (2008).Notas de Probabilidad y Estadstica.

Recuperado de :
http://cms.dm.uba.ar/academico/materias/2docuat2016/probabilidades_
y_estadistica_M/apunte2.pdf
CIMAT. Espacios de Medida (Capitulo 2) .
Recuperado de :
http://www.cimat.mx/~jortega/MaterialDidactico/myp09/Cap2v1.1.pdf