Scribd
Cargar
6 vistas3 páginas

Modelo Probabilístico Binomial

El modelo binomial describe el proceso de lanzar una moneda n veces, donde se definen eventos de éxito y fracaso con probabilidades p y 1-p, respectivamente. Se establece una relación entre la probabilidad de obtener k éxitos en n lanzamientos y la función de distribución acumulativa de una variable aleatoria asociada. Además, se introduce la medida de probabilidad inducida por la variable aleatoria en el espacio probabilístico.

Cargado por

Miguel Cruz
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
6 vistas3 páginas

Modelo Probabilístico Binomial

El modelo binomial describe el proceso de lanzar una moneda n veces, donde se definen eventos de éxito y fracaso con probabilidades p y 1-p, respectivamente. Se establece una relación entre la probabilidad de obtener k éxitos en n lanzamientos y la función de distribución acumulativa de una variable aleatoria asociada. Además, se introduce la medida de probabilidad inducida por la variable aleatoria en el espacio probabilístico.

Cargado por

Miguel Cruz
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

MODELO BINOMIAL

ε ≡ lanzar una moneda n-veces

Sea
Ω = {(x1 , x2 , . . . , xn )|xi = a, s}
Ω = {(x1 , x2 , . . . , xn )|xi = 0, 1}
Sea
A = P (Ω)
(Ω, A, P )

En donde P ({1}) = p, 0 ≤ p ≤ 1
y P ({0}) = 1 − p,
Definimos A1 ∈ A como sigue:
A1 = (1, , . . . , )
A2 = (, 1, . . . , )
En general definimos:
Ai = (, . . . , 1, . . . , ) = en la i-ésima coordenada se tiene éxito,
{(1, 1, 1, 1, 1, 1, 0, 0, 0, 0)} = A1 ∩ A2 ∩ . . . ∩ Ak ∩ Ack+1 ∩ . . . ∩ Acn
luego

P ({(1, 1, 1, 1, 1, 1, 0, 0, 0, 0)}) = P (A1 ∩ A2 ∩ . . . ∩ Ak ∩ Ack+1 ∩ . . . ∩ Acn ) =

P ({(1, 1, 1, 1, 1, 1, 0, 0, 0, 0)}) = P (A1 )P (A2 ) · · · P (Ak )P (Ack+1 ) · · · P (Acn )


P ({(1, 1, 1, 1, 1, 1, 0, 0, 0, 0)}) = pk (1 − p)n−k
Bk ≡ obtener k-éxitos en n lanzamientos.

 
n k
P (Bk ) = p (1 − p)n−k
k

1
X −1 (B) = {ω ∈ Ω|X(ω) ∈ B}
Si X es una variable aleatoria en Ω que forma parte de (Ω, A, P ) entonces genera un nuevo espacio probabilistico inducido
denotado por (R, B, PX ) en donde
PX (B) = P (X −1 (B)) .
 

B∈B
PX (B) es medida de probabilidad

En efecto pues:
PX (B) = P (X −1 (B)) ≥ 0, ya que X −1 (B) ∈ A


Por otra parte dado que X −1 (R) = Ω

PX (R) = P X −1 (R) =P (Ω)= 1


 

PX ((∪Bi )) = P X −1 (∪Bi ) = P ∪X −1 (Bi ) = i P (X −1 (Bi )) = i PX (Bi )


 P P

2
X v.a.
Definimos FX (x) = PX (−∞, x) = P (X ≤ x)

FX (x) = P (X ≤ x)
0 ≤ FX ≤ 1 ∀x ∈ R(Dom(FX ))
FX (x) ≤ FX (y), siempre que x ≤ y
limx→∞ FX = 1
limx→∞− FX = 0

También podría gustarte