Professional Documents
Culture Documents
Tema 1 Probabilidad
1.1. Espacios muestrales y sucesos 1.2. Probabilidad. Propiedades 1.3. Independencia. Probabilidad condicionada 1.4. Teorema de Bayes.
Objetivos
1. Manejo concepto y propiedades b asicas de la probabilidad 2. Idea de probabilidad condicionada y sus aplicaciones 3. Concepto de independencia y su relaci on con el muestreo
Bibliograf a
Dekking et al. (2005). Cap tulos 1-2. Wasserman (2005). Cap tulo 1. Wooldridge (2006). Ap endice B.
En esta parte estudiamos un tipo especial de modelos matem aticos, los modelos probabil sticos, de los que los modelos econ omicos/econom etricos son un ejemplo. Los modelos probabil sticos incorporan el concepto de probabilidad para que sean v alidos para todos los individuos de una poblaci on y as explicar c omo se recogen los datos y la incertidumbre debida a que no poseemos informaci on sobre todos los factores que explican su comportamiento. Adem as nos permiten caracterizar conceptos como causalidad y efectos ceteris paribus en modelos econ omicos.
1.1.
Tipos de sucesos: Complementario Ac . Uni on de sucesos A B. Intersecci on A B = AB. Conjunto diferencia A B = AB c Suceso seguro y suceso imposible, , . Sucesos disjuntos o mutuamente exclusivos. Partici on. Inclusi on de sucesos, A B.
1.2.
Probabilidad. Propiedades
Probabilidad, o distribuci on (medida) de probabilidad: Pr, P, o P. A function Pr que asigna un n umero real a cada suceso es una distribuci on de probabilidad si: Pr (A) 0 for every A. Pr () = 1. Si A1 , A2 , . . . son disjuntos, entonces
Pr
i=1 Ai
=
i=1
Pr (Ai ) .
Los sucesos en *: - algebra A son llamados medibles. (, A) es un espacio medible. (, A, P) es un espacio probabil stico. Si es la recta real, R, entonces se toma A como la menor - algebra que contiene los conjuntos abiertos, llamada - algebra de Borel.
1.3.
Dos sucesos son independientes si Pr (AB ) = Pr (A) Pr (B ) . Un conjunto de sucesos {Ai , i I } son independientes si Pr (iJ Ai ) =
iJ
Pr (Ai )
para cualquier subconjunto nito J de I. A veces independencia se asume por las condiciones del experimento. Otras se demuestra directamente. Sucesos disjuntos con probabilidad positiva no pueden ser independientes. Ejemplos.
Probabilidad Condicionada. Si Pr (B ) > 0, entonces la probabilidad condicionada de A dado B, es Pr (A B ) Pr (A|B ) = . Pr (B ) Interpretaci on. Pr (|B ) es una probabilidad (donde ahora B juega el papel de ). Pr (A|) en general no es una probabilidad Intuici on Pr (A|B ) vs Pr (B |A) .
Lema: si A y B son sucesos independientes, entonces Pr (A|B ) = Pr (A) . Lema: para cualquier par de sucesos A y B, Pr (AB ) = Pr (A|B ) Pr (B ) = Pr (B |A) Pr (A) .
1.4.
Teorema de Bayes
Ley de Probabilidades Totales. Sea A1 , . . . , Ak una partici on de . Entonces, para cualquier suceso B,
k
Pr (B ) =
i=1
Pr (B |Ai ) Pr (Ai ) .
Prueba? Teorema de Bayes. Sea A1 , . . . , Ak una partici on de tal que Pr (Ai ) > 0 para cada i. Entonces, si Pr(B ) > 0, para cada i = 1, . . . , k, Pr (Ai |B ) = Pr (B |Ai ) Pr (Ai )
k i=1
Pr (B |Ai ) Pr (Ai )