TEORl DE LA PR,OBA.

BILIDi\D:

~ OCIONES FUNDAMENT_L\LES

:.z () I 1

,
Indice genera l

1. S u cesos y Pro babilidad 1

1.1 Tll tro <]ll CC]()ll

1.2 \ i\il ll ,¡]C / ll ,k ],1 (('utíd I l <' ];¡ pr<! l)rlhil id¡) J

l.,) C't n wCjxi () ll{ 'S clt' Id p m lJ a ]J d idc~d

1,1 La t eo ría d e 18 prol'mbilid8,d como t eoría axi om á t ica 6

1. 5 . E xp erimento aleatorio , esp aci o m u est. ral y su ceso 9

Ui R ('v j"j¡ lll f(en ('ral r]¡. la t eoríA OC conj lll1t os . 12

1. 7 Ej crcicio::> 1.1 24

Ul . Sigm a-álge br a 2 ,Cj

1. 0 Fun ción d e P w b a,bili dtlcl JO

1. 10. Ej erci cios 1.2

- - - , -- - - -- - ­
Capítulo 1

Sucesos y Probabilidad

1.1. Introducción
La t( ' ( llícL ele- le) p ro Labl Ji cl m l cU ll c;c itllVl'. ('¡ h L\;,HJl j('nto Lt:<'lr i eo dI: llJaY())'

i lil ll'lTl;lIl<]¡1 j),lr;,l !ilF:stndír¡f' ,¡ , ' 11 llri ,\!.f 'lI ,.,l ' I ('lIll l l ll" ,1 t i c,(' !!, ll ll dd ll lild el dI'!
"1"']1' '\ \ 111'11 1111 ( ,lllIp' ) CI'I I If'i , 'III II( 'III" d,,, l ll11 >lld,l" di' (,I !. I 1"" Il"M(j" d. ,
l/el! 1 )1,11<1,1 '1 LII • .j, ' 1111,1 \ illln,~ 1 E', II , r!(1 qlt. 'lh¡ I 'Ildl'"Il \ "IJ;~~ j"'l ll J, '"
d I' JW l!,l l Ji , lld j('('l'I' il( ' ¡l) 1i dI' J¡¡ 11" l í]co'!.'¡ d(' l ll )l,1. 1IC'I I ,I \ F I'<! lHl"I , ( 111<111 \.1' (' SC '

"e: SW;I' i( I:) UlI in u ' !I;~ t llt e l l";\) pO I l() ,.; juego s J I,' , Izar , lu qn e
I,H'I 'íu >! c. 1' 11 [(JI' lll el

acu d ellt a l lle vó al dcsclXtollo d e la. t.eoría d e la probabilidad ,

El e, 'Indio de léls protlrtbi!jdad(~s ::;c ini el'" eou Illl eél ehre iutCIC' illIlbio de
(OlTCS POncll'lllÚ-1 elltre los UJ atclllát.icos frauceses B lclisE' P a..,cal (16 23- 1662) y
P i ( ~rTP d(J V('lma,[ (HiUl-J665), qm' comenzó en 16 14 a raíz d e a lgun as cOllsul­
1a" I',; I'! ( \ l l1l fldas con c-l it? ar , c¡nc' lc-:s h iciera 1\11 p (, Uj( )jl~lj(' d(' 1<-1. 6poc<1 l\¡¡lIlied O
Cbp\-¡:t1i er D(~ :\-[t'lt' . q nipll gozaba fama d e Jl1 o ador emp ed ernid o, 1::. ' a~í como
P, Lsl'dl V Fl :rnmt se dtTi d l enlD a elaburar ]0.:) princ Ipios fU lldamentalt,c; ele la
tE:orí¡:¡ de la probabilid el

E l primer t r<lbaju illlportél.Iltc sol)lc CSt;'1 teorÍie fne puhlic¡-,d o el! Hi37
pOI. Cilrj:--l j¡-¡ TI B lIvgl lClJ S (1021)- ] 8(5) v Sf' Ila Jlló De H ,tl i or l llÍi ;-, ill Ind o él!" iH'
\ [ '1,,, 1(ll dl "; l ' Illl h li ci ll()11 d ();-, 1 ¡J1I-'¡ ~ (\'II\ ·:-. 1).1.1 il "1 1 jI. ,,; t t ·, i r l l rk -" ll Hdl <l '-:\1:--.
( t,llll ('I.tll , l I l '] 111 "r, '1 1;íli l lJ "Ili /, )];,( " !,, , I-l I'lll,¡¡¡j]¡ I, l l; ·-),-I 17()'j) \' Tlll l llll '
.\ 11.11\ i ([ lll ' ,!;-" I 'l ,d., !t.¡I I I ( ,,; dI I Illdl (' III ,i l l í () 1, .1 1'1(':-' J' (' I'I'( ' t!II'JlI lit' [ ,,, pl a('( '
117'I U-IXD\

1
Capitulo 1 S ucesos y Probabilidad 2

1.2. Naturaleza de la teoría de la probabili­

dad
Sil ¡2,('IICral ()('lllTC qm' l od () s l os rl' l¡(í l ll( ~ ] I ()S ('S l ,íll rclaciOlI,lcl o s llJ ;í.s ()
111('1]1 1.-., C.' i l rI 'CllcUlll ' lr(c « )jI Ill] ('1111Jlllll(1 11I11111'jI)SI) di ' 111 ru:-, 1]('1'1111:-, L -l.S CiCll­
{'j,l.'> (·." lllllí'llt iltI III "I ]II('!' " 1IIIIil ¡j, III1 l' 1 ( Id(· I I)jI(,~ . .' d q\ll ('11 príll( i p i, ) ( 'c, ilJl !l U ­

s il) lc> IlcgiH L\. C0 f1 ()(:('1 '.od a la d in;rsid ad dp l'!:'laclOl H's exi stente {-'tl c uall1 \l ier
fe nóm eno dado. D e (oste modo, en cad a er, CLpa del d esarrollo del cOllO ciuti en to
qued an sin es Ludi al' Ull a m ulti t ud de r elaciones propi as a ci er tos fe nóm enos .
En Rlgll nos cas os se conoce lo sufici entem ente bi en el fenóm en o inves ti gRd o
como para justificar predicciones exact as sobre el r esult ado d e uua ob serva­
ción individu al; sin emb a rgo ) en la m ayoría de los casos nu es t ro cono cimi ent o
ca rccc d c la precisión neccs aria para rCRlizar p r edic ciones cx a ctRs s obre las
o usernLu olles uHlividuales

P o d emos distiuguir así eutre fen óm euos d etenuiuísticos (caus al!:'s o 1e­
gll lmes) . ('11 los cuales las condi cion es o caus as d eterminan p erfectam e n t e los
1'csn l Lcl.dus () ('fce t us , y fenóm en os aleRt ori os (cas u aks o accirl en t ales) . en los
c uales léls m ism as co n d iciones o causas pu ed en dar lugar a di fe rentes resul­
tacl(Js (J e kct us. Al!o rd 1)iPI I. la al(~ a t(J]' i<' rl d,cl IIU (~::i ún¡ l' dn lP l l t e (!t- n lrúctel
(('lÍri c(J . (cllllh it"ll Pllcd e pr escuI ctrc, l-' alciH ,Jl i t' c]¡.ld de Cc\.r ;-Í,de r pní.cti cu, lllani­
f¡ ,,1 dl];1 ,'11 1<1 illljl{l<:iLili,];ld re¡d dI' {'()llt mL I! (O([¡¡::; LIS r (' ];\( iOrles q\le in l-l ll.\'('1l
('11 Illl del crmiwccl() i'r:nó ltl(')[{ )

La. t (;o1'Íél d(-~

la proba l) di dacl se ocup a de elahor ar mud elus rm.lt l'lrl:l.t ico::i
p eLra el est.udio de los fen ómen os a leaturios, y d e b ido a 4UC esto. fe n ómcllos
impli can un estado de in certidumbre que n o p ermi te prediccio n 's ex a ctas d e
C<=trl R observitción, 1m ing rcrl ientc h A.sico p m<=t el m odelo d eh e ser 1lll inc1icRdor
o m edid a de t a l iu certid ulIlbre . que se d enomiua probabilid a d .

E n los ú lt.imos a ñ os los m é t odos prob a bilísticos h a n p en etr a do con gran

a mplitud en los di t intos ca mpos de la ciencia y la técnica , contribuyendo
a m p liam l'nte H s n d t'sarrollo
 ')
,)

1.3. Concepciones de la probabilidad

La for u ula cióll del concepto de jJroba bilidad se deb c a la neccsidad de

cl i sl ingllir E'llt,r c los p o 'ibk s resul t.ad os del f0nómeno, d e ac u (-Tdo co n SI I gré\do
([(' iJII'l'J'tIdlllJll n l El! ('S I.8 sección prc"cnt¡-L1 CllHJS bn.'vcl! \( 'Il Lc lus d if('t'('ll tl'''
c l'il (' 1. io" cxi "t ('ut es eH ( tlilllLu el lcl illteq) ['et aci óll del (;<JlI Cep t. o c!{' lJlolMbili c1ad

COI "e pc ión C l·h ica

T.d. '1 II I l(,])(,;,'1I 1 (Lí,,,i CH pn >jlUCj{« por Li1pl c\l (' l'S \e\ n lil;-i d rH ig ll il v t ien l-'
Sll lJr il!,('1 1 Ui d p J ll UC 'j (alll p u de il pl icc\.cÚíll dv ¡ L~ pml ml .lilicladcs , ( Iltl colll U

',C lUC'!l(' i 'll IÓ dl l l e" lúe 11 1:-' , 1L\(g ()~ ¡[l ' :l/al. CO II IU ,'1 j' J:-' l'ellólllCll (¡!:' itlt 'u ll>
1" . ,,1.1, ~'I 1,1 i" ' ' 1\ 1 .1 1I '.!,IJ.~ ,1(· d/ .\' (':\\ " 1( '11 ( il.'rl .\.'- ,, )\ )lI1( i'I IH'S (1,· ... i lll1 ll í ..

¡J; !l('(l' 11<11111 ,1\ ;, ILJ )( llll.'[' !{ I ll' l(J d u:- I()s pos ih le;; n ';-iltlt; \li llS l.il'llPl l Id llli Sl!J<:l

]HI) llil hil ld .Jd ,j¡ IP ;111 '1 ('I" Es t d ('Olli'l'TH 1¡)1I c, U )"JOlll' (' 111 1l <:( ~S qll e d IIÚnl lT()
dc [! ()si\J!p::, U:.' ll LclC lus de : Itn fe nCnn ell() akatu I'i o l '.~ fiult U. q\ll' eSl os Hu jlllC­
c! ( '1I o(' luT ir simul t ;í.)ll "IIr\C le v Cj\l P adem :lC' SOll ig lH"LluH'Il lP p ro lla hl cs CO l!

csta.'i cOlldic io\les ",' llega él nn a defini ción bastall t(· ohv ia de la prob ctbilidad .
l;:s rabl('cic'Tl clo qu e la flwu al.>ilidad ele u u suceso es el cO<.:Íl:'u t.e ell l.n' d nÚlller u
de C¡) S(J S fav orable!::> y e l t otal de ca!::>os p osibles. Es J (-~ sea larse q u e p[ .'upl lr',sL u
de ('CJ.u i pm Lmbili d aJ u ('pclld c de U11 alláli ;-i i s a priori , J e maIlera CjLIC e11 aque­
llos (':},-; o::. en los cua les 11 0 PllpJa asegur ar se la unifor m id ad de prob a bi lidad es.
(' ,,\.1 ' "nfo (jIl P n() se ría il,fllicalllc .

r~ (',-i,1<-1I 1(' \Jlles. 1,1 li mil,U'ión que int.lo d ll «(' eS I a inl C' r pn:L;l( 'i lÍ !1 en h
('Ii\:-'1' d (' sir 1\(l (·jfl \ H'S a k at nri ;¡s qlle p()nlÍ ill l í' ~r lldi;JI.S('. S il! CJIlh riJg,,¡. c:,,,, Illl
l: ilu<jl.ll' II Il\ út i l sj( '!lljll" <[ lit ,,(' I II ¡J iu : ill llllpi".dil,lI iI UI.I '.

Nli cfll nls IrIS pruhe\.hilid 'Hics cOIl t irman m i\p lir:8 11rluse ,, 1 ('s tnrh o lÍ c' p ro-
1)1f' I II ,-lS r <'lilciouaJos l'()lJ los j LCgoS J e i:l.¿ al, la d elill lciC>ll La pl acia lJ< . 110 file
S(Jl I ICl,I C!a il crít l C(\ (\ l ~l111a . A pri1J cipi o s cId ::iig ](J XX . R \l:h ard Vli ll i\iJiSl~~
(188:3-J q5:3 ) Y nrtos llJrltemi"Íticos contempor áneos l e\ isa nm los fun ( all1cn­
Ins I ('ó r ;('os y p m p ll s i ( ' [(HI la (,o llc t~pc i ó n fJT C'tH'n t is t il.. P n,ra C!S\.n cOllup c ir,lI .
1<1. pro hn,hili cLll1 es I1l li\ ,tbstrH cción eII' la fl('C \)('n cia !'el a r ivi1. oí I1n fc 'll lll t\ CllO
;l lc 'il\.o ri o p uede li ~ ])(' t irse (-'1 1 igw:l 1es C'o llJi ciulles t()J¡¡ S las vece:'> q \l d f'secllI us ,
le\. probabilid ad de cualquier suceso será el lím ite a l cu al i i l'lI de su fr ec uencia
Capi(u1 o ] S 'll(('S O,<, y f!¡obabiJjd ad

rel ati va C OlllO C~ obv io. 110 pud elllos rep etir illfiuit as veces Ull p,xp erimelltu,
así que en la prác ti ca dc be mo!:i cont en t a rnos co n un a est imación cerca na ele
ht plO h¡-lhilid ad

,\ continuación m encioll C1femos algullC1s limita.c ion es de este en focj\H'

En primer luga r , no rp'slllt,! de gran utilidad ten er que e p erar p or las

observ(:\,cione~ ell1píri cFlli ele un s uceso en el mundo real , p ar a definir 1 concep­
to austr ado d e prou a u ilidael ele un suceso. Esto significa confunelir el asp ecto
t eórico d el m odelo con su identificación e interpretación en el mundo real ,
cosa qu r d ebe evi tMse s iempre en un modelo m atem ático E s decir. no debe
co nfu ndirsr el p roblem a Qllé es la p robabilid ad,) con el problema Cómo se
calC'11 let lel probahi li d arP De ta l m nl ll'Ut <1 11(' las nhsc]\'ét('ioll CS l('¡-(lC'c, no dc­
l)clJ uLilizarse p,:\r¡l definir Ull CUllCCpl,u <i lJstldct o dC1I ICjue cllGls !lUS sugierall
la COllY('l1 i( 'I1 ( lil elr IIll;t defin ici clIl

Ln probleltla mAs serio de esLa d efinición , es el hecho de q Uf' la pro­

b abilidad ser ía entonces un límit e matemát ico cu ya existen cicl no p ued e de­
mostrarse n i siqu iera eu el seucillo caso del lallza lJlieuto d e un a lllOued a . Por
otro lado . C ll ~\1 debr ser el n úm ero de repet iciones l , cien? ) mit?, un m illón ?
Por es ta." razones, n o es convenient e ",dopt ",r la conce p ción fr ec Hentista co­
mo rlcfínicióu d e prob abilidad. Sin embargo, las in teresan tes y cOllyen ientes
pmp ied ades d e la fre cu en cia l elati vd p u eden u tili zMse pard s ugerir una defi ni­
ció n fonu,, ! d e la pwbo.bilidacl De !Jecho , éste será el cam in o que seguirenlOs
aquí p ara cons t ruir la teoría

Concepción Subjetiva

E s ('vid rnt c quC' la co ncepció ll fr C'rllC'ntist a resu lta insu firicnte CHanclo
<';( ' trala dr fr nóJllC't!os no rqwliblC's. E S lél limitd,ción . jllut O n la l cs lriccióll
(jI\(' c, igllificd Ll eqllipnlhnhilldilcl d i' lel (OlIICp I· II '1I 1 (I ;\c,i(;\. llel illlpn!s;,u] () ('Ill a­
( ¡I/li i'lIt " ,1" 1. 1 ' ·i"i"lI l sllIJ[l'f i\·;1 Vllln' 1".~ III( 'i·llI SIIII'S dr ' \ 'SI(I ll Jl ('IPl('1 eICil'l ]]
pUI'de ('i l,\I;;'(' él 13 rtlllO De Fill clLi (J906-19S':l), j.H:'10 S i l prinCIpal a lmllClerad o
fuc LC(lll<-lld T. Sct\'¡-(gc (19 [7- 1971) con Sil obra Th e Found at. ions of St at i ties
pub licad a en 1954.

E t e enfoque sostiene que t oda prop osición t ien e una p robabilidad numéri
camen t e m ed ibl e basada en el grado d e confian za person al que acerca d e ella
Cl.lp iCllJo 1 S' uc:esos ,Y Probabilidad

r tu u' Illl imli vid1\o Se a,Jlllit e elltollces que cl i[¡:' relltes persollo s ra ¿uflau les
p llC ,lC'll (11 fn il' (' 11 su" ilpH,'('iaciune", aú n ('Iwndo SP les ()fr ~zc(\. la rnisma evi ­
d "llCi il

I.n "lI h !l'tI YI ,'-, I ;¡> , tl llIll,11I !JII. ' P III 'II. 11 1],1" .11 LI.~ 1J1 , ¡[,, " '¡¡ Id ',] "" el t()­

,1", \" 111',¡])I"III,'S '1" " 1111' 1" "¡I'i'l « 1111',] 11' III 'i st .l \ ' :--.III<li; 1 \' 1I IIlllíll l ):-. 1I 1¡ 'L~
C \l, l ljl[ " "";sl" Id vi sll b l ('ll\'I::ila lClOll()('('l<\ 1111 1; \/,0 ­
( l!lldI\HJll <Iv Slflll'll íil,

U¡-UllH 'lll,() ;\ 1)] iVli y (Ui ll(')eli nt CU Il el Clilsicü-; ! i-\. )' UJ¡lJl<! U el fl'lIóm C]lO p ll CClrl
rqw t iJ'!:>f' HU gnw llÚI1le)'() de veces outelldrá la::, IIlisn l¡IS ! ·~s p uPs!.(IS que el
u L,lcLly i,'iL¡1,

prol )ab ili dac!('s sll hw ti\';¡:-; SOl1 pro habilidad es co nclicionales, PII pi
L e'), '
:-;('Tl iido di q l J< ' c,', t /U I ¡lii '('la([¡l " p()r la ('X lllTi l' l l<' i¡¡ ( 'IIf'())'lllilCi('Jl1 de (¡ I ,lH pe]­
S( lllil El pmc('so dc ',lI d (' !" I! lod o;' lel s !' Inoil)!('s ul! cl'wltivn s 011 uu a escLlh.1 J e
inJp o" ihilid(\(' -s('.2;nri d ,ld está ba:';ado (>11 ,,1 CÜIJ()('ílll íC'lIt o \' evnlml,('n')l; dE' la
sil llac¡óu pm parte de cartel persona en part icu l ar,

Con cepción Lógica

I'-,:-;! 1, (' lIfo q l\ ( ( '''' s ll :::, " l' i(lo y l' Inl j \'lItl o plll j l)e, p l il lc i p i os de li l II )gi ( '(1 li lct­

1.' III ,'lll('i l 1' 11 i" '11,,1 IJlla \l1'l ) 1 )( )~i(i( "11 , \ JIII[lli, l ti llit!!, d " lid !> I't '!l . ".,ll l r)!1 [3
1 1. I 1("lll l (' '. I" 1'1'01.· IJil¡\li( '" ,,( . ti ( '1 ql l " "1111 . ' 1; 1'- 1""I,q'-l ' 1' 111 1' ,'- ,\ \' I ~ (':\1:-,\"
111 ' l' Ill ' hl.t lÍ, ) d, ) '1 pli" ,! fl' 11 , [) ,, " ,), 1'11(111( , ':-; Id IIdUI IIl Hll()lI j)I'I J!J .);,i CIU Jl al
,\, ~l' t'l l \i v w /(- pur IJl I)I),dlllHa d t l ' 13, ,'! gr ado dl ' iw pll cacJ( )ll p\'opun:i Ulwc!IJ
!JI)] A Lel di f(']'('lI ( i,) de eSI ce illllJlprH a.ción .\' la ,uJI cl'ior es que t el.1 JHedid a ,
I ULlV(' IWj Ol li tl IU (' ll l (' 1 qJlC:-'CllL-tdll en la cscal¡-¡, (O ) ), e h l'utiCrl, ~I ' :-' llllunc ( ll­
tOll ces qU E-' ex ist<:-' UlJ úui co grado de illlp]¡cación eWle A y D lóg ](' mll\~ JJte
dI'!Le III1 ina.d o,

Pw'r!c J('( irse r¡\lP h proh a hili dad I()gica es iR. i ll t pn¡,id ar! ra,ciol1al dé'
C'1l\J vi(ci ('lll de IItll1 ,'iena propo"irión, imp licrtda PO) L1 informaC Ión de~c1 n, Si
IIJI ,\ p Cl.SUll[\. uo (:Ollcllclcla ('OlJ ella., es ]J orque csu\ eqtl l vocada, Nuevalll élllC'

.,->c: t I ¡d '\ (le pl'oflnhililht '¡l'S cOJldi cionales, condic-iouadas pI!! lEL info¡rn ac ióll
dLSP,)lJ] b lc.

Al iglltl] (pH' (J J) la (' UlII'<,p cJ('m fn'l'1.lt'fltista, ,.;\ ('ull ci lw 1)\ pwhe,hil irlt ld
'''111,) ,) I ',j l t i'\'I ); I~ d l 'l í, 1 11I .1"p l ' ll dll ' II I (· d,' h,~ (X J ) ' 1 (1'1 (1 1.1" \' :-;l lIt Jlll i(>III , ),~ Jil
rli \'i rlllnl ,'", ,,\1 Ig il ¡JI '1 111' f'l l 1« ('111\1 ('I H JOtl ..,111 )1(' "d , ,';(' I \lIl a dí' g l ,ldl ):-' ell '
Cap j l uJa I Sucesos y Prn habiliclacl

c:re ellcia sobre Lllli:\. jJlOjJU, 'lCióu en p a r ticula.r; sill emba.rgo , el! la subjetiva
esta apr ecia ci ón es pe rsonal, mientras que en la lógica es racional e indu cid a
lógicamclltc. En cstc scn tido pllcde d ecirse que IR, proh abilidR,d lógicR, es inter­
media entre IR, sllhj eti\'a y la frecu ent ist a. Como promotores d e esta corr iente
c1:1be m enciona.f i:\. Francis E dgewurth (1845-1 026), J ohn Keyn es (1 883- 1046);
I-I arolcl J effrcys (18 91 - 1980) \ Rlldolph Carnap (18 Cll -19 70~

_'\ lll'é>ar (Ir- IjW' e x isl e' u V<-lj' j¡\"; l'il)Wqwillll('''; <I if(T('llle,.; dC i' l nt di' la m­
twn lu Cll l t>L·\(il'H ]
[('! ' I)I('!.:< I(ill (J¡. L\ pl\Jhtl)i! ldd<l , 1))¡i,'lll,lJll< ' llli' ¡J(, [¡dI d(':-'¡l<
(k la t ( ~ ()r i a , Celda ( 'l1f()CJ1H" T i ene ";\lS Vlollt.ct­
(' (jll I(IS f'll lld;-1l1 i('1 1f ()S 111 ;-1l <.'trl¡'¡,T ic (),.;

,iet:) \. dcs ventaiab , \. cl clwI<-\ aplic arse uno 11 utro c!cpellllicnc!o de la sit uación
pl a nteada, Eu la elaboración de la teoría no nos p reo cup ar emos d emasiado
por la interpretfl.ción , y sólo nti lizRremos h concepción frec llenti s tR, parR mo­
t ivar el desarrollo lllatelll ático,

1.4. La teoría de la probabilidad como teoría

axiomática
Cuando un fen ómeno oJeCl torio se observa una sola vez r esul ta impo­
~ibl e p n'cl ccir Sl1 r csul lad o, Sin embargo . si el fenómeno Se obscn a Hll gran
nÚlllcro di' veces m A,u t.cllicnd o (,ollst. a ntl' l ¡--t,.'-, coudi cion(,s j)('rt irl<'ll 1('s, ;,\,p;-ucc('
1111 iCUÓ 11 1t'llil cxrléw rdi1!¡),I' i¡-ll11 C'll le 11ll].J( !l'! cl ll [ C': (\ jw sn,l' d el ( 'Olll j)( ll[ <l ll lif'l ÜO

II !'('gllldl' di' I<J,'" l'\'snl\ildl)" 11Id1\'ldlld J¡." , «(lllJW 1IZa ;-t (. I):-,('jT<l!':-;(ó lUla ('wrta i ' :-' ­

t abilid¡-ld (' ll el (om p OIl am iCl1w de' Jos resu ltados globcdcs Esta regu lar id a d ,
denom iuada regularida d cstadísc iec\ ; (ullsLituye la. b ase empírica d e la t eoría
de la proh;thil idad según el enfo que fl C'cu cll tisUt, siendo de su mR imporcanciR
su Jll8.uif('stct ciÓll P:qwuulcllral: a llledida que 8..Ul llclltm IJOS el uúltleI'O d0 \'('ces
que se observa el f'enóll1cno, la frecuencia rel ativa ele u n suces o en p cut icular
(C UCi Clltc entre el 11 (¡mero ele vcces q ue el suceso OCUIT e y el número de obser­
vaciones del fe nómeno) muestra una m ar cada tendencia a p er m a n ecer m ás o
lUellOS const üllte, Es to sugier e que ele cOlltinuar m defillid ümente la st'rit~ de
observaciones , la frecu encia relativa alcanzaría un cierto valor ideal o límite
que !lOS daría una idea d e ( 11l1 pro ba ble es que ocu rra tal su ceso .
 COll I¡C!;-;c . ~.u (.':..I il:' (' ()II ~ i ci {'ldCiolll:::;, jJ ud('lI11J,) dl-'cÍl Cj ue ld l., or í" de [¡t i:>
p ro]¡;\hilidll dps se ()(,up8, de la cOllstrucción d e \Il()d {~l ()s ma,te rn ál icos (plO­
Il (lh ilísti c()s) quc p C'rrnitcll cstmliiu- los fClUn<.: lI ÜS qll C pr c::;cll t rtll lC'gl dR.J idad
l ' '1 adbl in\.

Modelos la C"l'lu1t.icos

U 11 lllod <'lo llliltnmí.tic() es 1ll1i't [epI' 'c.CYI1 ¡'l CÚ'l ll <'thstPI,c:ta y simp lificada
rI (' 1I II cie!'l o I IJ )() d é' tell .'llllPl)(J~ 1'<,,,1('::>, F u IlIl llHH \l'l u IllFLLelwíti c o puJelllus
(listin~\ li r dos ,1."' I'C't I t l S:

I l."llil f'SI I' I H' I IlJ'H \/,/", ¡{ d ,SI I):!,<'l i d ;l 11 (" id\\I c. i lJ III JI I \' i\S \ (' llJl l ill i /, ; I'!; 1 t'n 1111
Jllt'{ t ,j ) ,Jr. ('( "II Cl dl ! i¡li /¡t( 'i t'l1 l ( '/ll \slilll i d,¡ PO I / ( iI\I'I '[l I 'l" p r i l ll i I Yo,.., , itxio­
Illd::; , ddltt ir:illt!\,::, \' r CU I'( ' IIl;\S, Es lo (I U l- ' -.C' l'lll ll) ('(> ( 'mJ Hl tCUl' l c I lld t l ' Ulú'1 iUl
.lt-I 11ltl d nlo

11 [ '11;\ f's lr\ll l1lil ,IV1i(i1fb q nl i'lJ!l ::;i::;ll ' I'Tl liI
l1(' (ión de I():-; 1I ':-' l d lH d {l '-i
t r ;¡ cl

(le la ,,:SI nlLt 1l1'1l. Id l Ced il

t('l')) ica él C011l're t a au ue
¡X L! r id a ('H Ul1 prUCCSlJ
d e dr>:-;(,Ol1U' lJL ll<..di z(\ ci óll, Se eS la.hlccC' ;:¡:; í l.Ula é1lJal()gía cntre los d ."pcd/l::í
bA" icu:-; d(,1 f'c nóml'lJo y los cJeIllC!1Lo::; b cÍi:>ico" de la est[llctU1'é1 t c6riul"

CUI LCc"jJt. u,ul lz aci mL

H.e~.¡}id ad ) A xiorn aL ica

1
[

1, 11 lll u d, 'l u l ll. l t ' >l ll:l t i 'll ll U (':-; «()I'l( 'UÜ li illU.i!T(' I1'. U , V( ' lcl ¡ \( II~ rlJ () fal.'iu :

lo q l1 e ¡lll en'",1 S¡ll Jel ( !S ,.., i un d(Lt~n IJ i llild() lllUd01u 11l¡.l Lt'1l1úti cu es FLdf'Cllc\clo
() lI U pard 1\ 11 ,1 e l(,1' 1ll itlil,t!O (ellóUI Cllll L it cxislcncia de UllH corr(,sp() ll cl(~n( i;l

v álidd, l~lll l C l' l~ dS[)CC'\'U:-; t córieu::> y los l'll lj)íricüs, y 11m IÜlT('" PUll clcIllÚ\ e ll tJ ('
lil s (;UUcl llsione::; t e óric ,ls v Jos resultados pláct,icos, COJl l'orm an los ni terios de
ac!( 'cll ;tci ól1 () \'a li d ('7 0(' dlchu m ude lo 1'..1 Oet e rmill <.lci()ll P IWc]C' ( 'o ll \' C'r l írs(,
('11 lUl e) lll1:1kria b Cl:-; t. <'tllte cldicada \' p erten ece il la (J" t nJct ur il dp lj¡ Cl dH d lJ]
ll! (), lr-l () . Fn , '¡1\ 1 ,~ p rtlilh ¡ :t;:" ('lli\ )qll ir r projJ usici61J { 'I i 1" ('s t !ll l'l\lra l('()¡icl ('S
CéLJ.!i l ul o 1

V( 'lr! ,\(l('l,l (' 11 el spu , id () 1I1¡UPtJIAt i«) d e ] ¡-1 p i:1.1 i11 Jl il si J¡¡-) sido C' U!T('( ',¡-1 111ellte
(kd llc ida el pau ir de los (lX iOll1cl..S, p ero no d emuestra nada sohre' los fe nóme­
nos l'e,.-dcs , Est,8,.'j proposiciones Pllcclen ser contr",st",cl8,.s con los r eslllt ados
ernpíri('us , lo qur-; r eq uiere ciert.o grado de fa mili arida.d 'on el á rea. del pro­
blema eu (;;,t\ldio, <LSÍ (, Ol!1U (" xpcrwll ció. en la apli u v 'ión de modelus bajo
r irCullstan ci as similares.

La cs tl1lctm it t eór ici1. a decu8.da para la construcción de m oclclus mC1,­

i em Rt icos qne p erllli t.all estudia r los f IlÓfll ellOS aleator ios que presellta ll r e­
gul arid ad estadís tica, la constitu ye la teoría d e la probabilidad . La. estructura
apli cada d e di ch os modelos la consti t uye la Estadística.

L, teoría de 1", pl'Ohahi li rl8.d, como teorÍ8. matemát ic8., es un contenido

lógico- [on ual cOlls t.it.uido p Ul' cOlH.:ep t os primitivos, axiomas , defin icioIles v
, eO r e!lIH':;

Co n ceptos Primit ivos

Eu toJo méto du é1.,'<ÍOlllát ico exist.ell cie no;:, COllcPptos <..l e p art.ida 110 su s­
ceptib les ele d efini ción form a l. que se int.roducen en la teor ía p a ra evitar el
argumento ('ir c11hl r en d cmt! se dcfin e 11n ('on cepto 8. par tir ele otro qu e no
se ha. d efinido. Estos con ceptos inici a les se d enominall conceptos p rimiti vos
o pri m a nos . P or ej em p lo, en 1(1 Geomet ría E uclid i¡-w GL los con cep t os prim i­
ti vos S011 punto y 1'ecfn, en lel Teor ía ele Conjuntos lo son el emento y uirl}un to.

Ax iomas
Se en t ielld e p or a..xio lllas, a.quell as proposiciones element ales en las que se
postulan relaciune::; t'ntre lo::; conceptos intuitivos sugeridos por lus h echos
experimentales . U 11 conjunto axiomát ico deb e reu nir las siguientes condicio­
nes:

I C' ()n~i~t.cll( i,,: Al ( )jW l'¡-lf COIl los l'( l llC l' p to" v dcfilli ciull<'" no s(' d(' he llcgm'
rl cont l'(\dic(Jolles.

11 C Ul llp ll'llllld ;\0 dehe l(' ( llj('rir~(' 111WV u " rl,Xiol1la" p an\ d( ~lJl ().'itnH ,dglÍll
(, ( ' OH'll l ;\ () plOp ic dad

11l Tn ckpenclel1ci a : I\' in gún cLxiurn a d ph e ser cunsecuen(' ir1 lógic a rlt' los ()tros
 9

Defi niciones
S()n COlj,Ce pl.ü~ fo rmales qu e se llllro du((' ll en función de los concep to::, p ri m i­
11\1(1"; ( 'u tll cui dil,,, ('1 1 .Ins ;1X10l!J d" \' (1<' ni ra." ddilli(' itJl\('''; pn'\'i il."

1 ('O rr'111 ; lS
:-;' 111 Ill t lI u, jt i' jlj"" ( 1111 "" ¡J . 1\ "11 111"" 1111 14 1111 ' el 1'"J in di' llis d X \UIIJilS \' cldi
1 1")0, ¡"' , 11 ili,lilf'( 1.1 111<' 1111, l 'i!s,lIul'I,c,1 ('lJ I( t'll ' ,1 , ¡"I JII \'I, lIIWIIII ' d( lWI~ln \( lt) ,·"

1 .5. Experimento aleatorio , espacio muestral

y suceso
J-,I I ('sl ;1 sPI'ci l'ln ('() IllCUy,arVllIOs rl p roc('Ci () d~~ cun s l Illc:rión de 1<, (porLl,
" I il hll '(i <' ll d() ('1\ Plll l"'l h ll.';ar lus concept.()::; illtuitrvo;:i ~1 1 P; I ' lid()::; po r h) Tc;di­
I!;Jd ('l1lp i riul..

Expedrllcllto alea tor io

L lI ¡:?,f'I!C ral. Ull t-'XpCJilllCllto I'~ 1(\ dn:i ó ll de olx.,enar o plOcl1tr ir l()::, l('su lLa d o,.;
Ik 1111 f (JI¡rílll l ' I Hl (Ol\ el (J IIV 'I o d e ('st,lIclidr la lcl<lc iúl\ '111 \ ,'x i;';ll' Cllll<' <' I itl";,

1",:\ 1I ( ' I i llH' Ii I , J ~ ' ¡ [1' di' " ' 1"; ', 1 J 11 ,1\ ¡i )1 ', 11 , " q \11 \ (' 1'1111 11 L 1e, ,"' l,Ul II 1II , '" ( , 1 I I! l! 1 Isl ¡( , 1'>

I 1"1' d"I. I" 'jll 111"1 111 1,1'1111,'1', diIJI ,I .! II" ,1, \, 1, " ,jll \ dllli ,í ,JI .,~. JIl, i,dll ll'l ll f'
-,!I:-, «(¡lll ji . 1,1 !l, '"

11 ;\() (OS pu,.;iblt p rc'dccir lllJ rc'sul l aclo p :. n iCl ld l (h '1 "XJl (~rjlllc lll (), ¡JI ' IO sí sC '
[11\('.1 1 (k"lll ! )Ü el l'OllJllutu de tur!u,,, lo" n':-'llltadu:-, pos ihk 'i,

III A m edid a lj\W el expcnmeD\ o se repit.e : los resultad os individuale" ocurrcn

el) for ma irrcglllrl\' , pl'lO c: n Je'),,; rcsu lt¡-v-¡os cü miC'IlZéI. a M.pél.I CC:CI lm mo delo
t!1->f'illldo t!p ('OmpOllillJli p llto E.sta regl darid ad. dellOillillad¡-1. \'(cgulari dad
lwce posible la CO l1st I'llCC iÓll d c un mod elo Iw \(,em¡Í,ticü prec iso
e, 1 ndí l ic n ,
(Ol! el ('\1 al duali/.:arelllos el experim ento

1.,- iW pU ll dl lt ! ,-('!tillar (¡nI' la idc;) d p C'x¡'Jf'rill1en( () dl t'nt,lJrio es \IDa i¡ lJst r ac­

e,j ('))j (I ,('n ica ql l< ' ,,,, ,1 IiU '(' ¡J I' LI S lan\,nl 'l'í," 1 ¡c as tJ{t.'iiCib f 11' l(),.; k lJC'lllH'.ll() " l call';.;
Ijlll di S" d l l lP ) ,' ("ll lll ldl ,
C¿¡pi tul0 1 Sucesos y Prubabl lidad LO

Espacio muestral
Dado u n ciert.o exper imen to a lea Lor io é (epsilon ); denomin aremos esp acio
m1\e::,t raJ ¡-d conj1\ut o n o VFl.cío <,l (omega) de tod os los resHl tados rlifercntcs.
posibles ,- razona bles d el experimen t.o_ A los elementos d el espac io muestral
lus ll amaremos puntus rnu est ra les
en esp acio m uestr al debe ser t a l que

J Tudo dCllJé'nto ck l esp ac iu currespo JJd l' al m e ll llS ¡-I t111 pusib le resultado.

JI n-SJ Jlt ¡¡clu de] CSjWI iJIJ( 'IJ[<l c'(Jllrs]loIH[(' (\ II ]lU ,. ,;()I(l llll C'! (, lll('llto c!('l
T Clf[( I
C'SjldClU.r.~ s dcn!. ('(te! d po::,i I Jle lcsul I ael o del cxp cl'i 1l1('I! Lo queda ('oJY] pI\:'­
LUllCU!." ,]c'scrito por 111)() , . solo IITl p llll t u 11l1](',; t l Fl.l.

P n g('IlPral OCUlTe?' qu c' pI espac Io nmestntl !lO ('8 tÍn iro . s ino qHC" pl H'd ell existir
di feren tes esp ¡-tcios DlIlestrFl.lcs Fl.sociR.dos C01l el m ismo exp erimento. E n tales
casos la adop ción de U110 u o t ro d epeude d el objetivo d el lllodelo Por e jelllplo.
en el sen cillo caso del la n zami e nto de un dado , un espacio muestral podría
referir se a cacla una de los seis posibles r esultados nI = {l.2.3.4,5,6} o bien él
n
la condición de paridad d el r esult ado: 2 = {resultado par, res ultad o imp!n }.

El espacio llluestral cO llsti t uye la b ase rnatelll ática fuudam elltal de la

t coría, ya qu e p erlll i te la. incorp oracIón d e Id. teoría de COl lj UIlLO::; C0l110 lt~ll ­
gllajl' ¡-\'j)lOpiado p ¡-U Cl plallt C<1 l' y l'C'soh-cr 10:-; p ruhlcll lFl.s (Iv IJloha.hi lid Fl.d cs

Suceso
O,:uOlUll1an'lllo::; SUCCS u e\ c lla.lqu i('f (;(11.8('1 crí::;t.ic:a (lel res¡¡)t.a do d(' un ex­
jlNi IlJ ('Jll () ;·Li c'al ()rin (J I] :-; JJ(' CS() q\ll'd ¡-¡ dCI.( 'llJlll1 ado por su o(' urU'llCIU o !lO
O(11lT('IJC:i¡-1. c',", dccir ti c'lH' se ll t idu h Ab lar de un cícnc} sn('('so si P¡-1.Ul cada
r esultad o d el cxp('rílllellLo el s u cesu uc une o 110 ocune.
Si ('oll sidcramus ¡-J I espc¡cio mllt'st r a l CO lllO conjunto un iver::Ja l . lus difer ell t("s
s u cc::;os p odrán expresarse CUllW s u bcunju n to::, de n
Es con \'C' u iCJlLC disti n guir enLre Sll cesos elementales y sucesos compucs t.os: los
su cesos cl ertlcnt¡-t!c:" son n(!l lell os suhconjlllltos d e <,l cons ti t lli dus por l1l1 solo
p Ullt.O lUuestral v los s ucesos compuestos SOl! agregados ele PUlltOS llluestra­
les .
D iremos que h a ocurrido un su ceso A cua ndo el resultado de un a prueba
part.icular , d igamos w , p erte nece a l conjunto que representa al su ceso A, qU(-';
LcU ll b i t~ll d CIJutd.r 8mos por A. E n otrél~ p a labras, la relaci ón "orurrcll cia dd
('¡pifllll l J 1I

:-;ll( C~( J _\" ,k l [(: U g . l d j,' dI' ~II C< ·~; IJ". ~(' 1I dll.'·'cUll J CI , '11 ]". I d ,l, [('i l l ' ¡ W 11 " 1IC'l h iil
rld ( ~ it' III ( ' 1I 1 o \\- ,d < OI I IUu l () A ' de l ll'lI guai' : c OII] 1I 1l1 1S l a :

A ocurre <;=;> 'vV é A

Est.a c:on esp olld e ucia pu edeslalJlecersC' de \.\11 lllodo fOllll a l a, tnL \' (~s
del Teofen!n de' St,oll e. que" afirma que P ar a tod a :dg,ebra d e su cc')os se puede
cnconLrar uu á lgebra de conjuntos isomorfa a ella. Como conscc u(:lI cú-t d e esta
corrt:s p ul1J e lei ;:1 existe UIl a equivalencia de defin iciones entre la Teoría d e la
Prohah il ldad \. la 'n'orÍi-l c!e Cunjunto;, d. lit cual conv ielW acost.llI nbrarst':

I ) nlJ¡a llil~d ,ll l ('onjlll1[ os

~ 11\ "SI) i lJljJ""iI) I( (" 'lllllll t u V d ( íl) ( , J)
~ II( " "< 1 .,,('!..!,I Ij'(1 (' ''lljllll' ) 11fI 1\'C " I"!I i\ ) \
"';lI( I" "() ( :\ (1 H) (' (J jJJll lll o llfll(¡ll (--'1. U [0 )
...; 11<><""" (. \ \ [i) CUll j l lll t (l Il lh'I c,('( '( I(¡ll ( .\ n)
~ 11(' '' 0 (110 _,\ ) ('olIlpl(~ltleutn d(' A (. T )
~\l((~S() ( () A (¡ BI Con junto " m Ud bü(Jk~ clll é1 (A '1 B)
~nccs()s ('x(' l l l v( 'l l ! ('s C onj nn t us OiSjll l1t us
I lnpl ic;-1c i () 11 ele ::i ll<,','íOc, In clusió n d" CO llJlIll l O"

r'[)] le, dichlJ <11 11.cl i()]J!lt' nL e es comen ¡ente Lac('r u na r CYl s¡ ón gen rrnJ
o-,olm' C()llj Il UU)o-, y l i1. d erivación (Ir nUH. serie oc pr0pil'c1a.dco-, d (' iml'rl's q ll(,
ll t di z ~I , I'( 'lllU.s lil¿ÍS aud aut.c Alltes de p n:scnLm La,] !ev Lsic'HI ) VCJ..llIOS a fd n il1..d <l¡
Ulla se1'ú-' dt~ pregunt as que servir cín para r epasar y afiallzar lo d iscut id u h d:ó ta
t' ~h> mo m e nt,().

4· i , Cu ál 1' 8 lo. rl IInrilr:¿n (' n tn;, fenómeno s del énnmís t'ICus '1.; fe n ómenu,' a.ll ato­
.,., 0.<2

5 . nC .snilJ(J, In e'll e'fl) 1. /1/ 1': Ins I:'Iwl'l'I! (:rn!(:r:. )!(' úm,(~ s n ,"(,s l.e.,I!IO., s ()lr/'l~ lu 7J'1 o I1l1.1rilúllJ.d <¿
 Capitulo J S uc('sos ,1' Pro!>cl lJi li dwl 12

T ¡ (¿ ue I,S UIl /I/Orle/o m,(),!(lI/ú/7(() :

9, ¿Qué enti en de 'usted p(n expeTim ento aleatoTio, espacio m u .stml y suces o?

J () ¿ Có m o se exp lir:a la correspondencia en tTe los concep tos de suce o y conjun­

lo ?

1.6. Revision general de la teoría de conJun­

tos
En general un conjunto es una colección de ob jetos bien definidos, Ca­
da un o de e~t()~ obj eto~ lo denomi naremos elemento o punto , Com o ya ~e
dijo, elemellLO v coujunt-ü constit uyen los conceptos primitivos ele esta teoría.
r~1 Ulllj ll llt, () qUl' i11('l lIv(' GOdos los ele nWlllOs (' 11 COII Si d p¡,LCi611 se d(,lIornin,).
'('onj llll t( ) (J (';-.,paci() Ilni\'('(';,;[1. In c!1 ' lIol ,ln'Jll o;, J)(»), \) \ . ;, ir\'(' CO II J() 1'('('I'1'('II Ci;[

p:lr;-I lel ([efi II [cj¡'nJ d(' C1I ,l1cJllli'l ('(lu j Ill! l \J , l ' mil dell(Jl ¡¡¡ (lllJj llul os nt ili/.an'J Jl() ~

11'11',\::- lllil \' l:l;, i 111,\;, (k ] ( '(jIIIII'II! ( ) d(' ] (l, l fid w \ l J: ,.\ , ]) (' COll a SÍlI sl \h íllc!i l '("

PiH a dell u l;'ll element.os de 1111 ca uj Lllll'.() ll tilíü¡rClllUS le tras lllillSClll c1,s elel fillal
elel alfab eto, x, y . z; . Si un pun to w p erten ece a un conj un to A escri bimo2
w E A ) y si no pc rtcnccC' escrihimos w {j. A,

Un cOIlJl1n tü A p uede rep resent cLfs l' por extensión, enumerando todos
sus elcm cnt os: A = x, ,y, Z " o bien por comprensión , est ableciendo una pro­
piedad Cjn e de ben cumplir los elem entos A = {XE Q x cumple la propiedad
P}

Defin ícion 1.6.1 ( S ll UCOlljUll t;O::. Se di e!;; Cj'U! : W¿ conjunto A e" "uucu¡¿JLmL u
de' R Y psc1'1himos A e B, si todo elemento de A es tam bi én elemento de B
DI': m ocio que,
A e 15 {=:} (VéJ E A =? w E El (1 .1 )

Dcfilli ci on J .6. 2 (lgll a]¡}¡¡ d (k I l llIjlllllu;, ) . Si dll e !JIU l0' wn.rull!u.' JI .LJ B
SO/l UII/O/'., ,¡ A '. [J /1 LJ e A . Y nr· .,., h7l1l() S A - U En ul ras ¡)(¡./ahf'as . A .IJ
!J .'01/ llj 11 0 lr s S/ 1/,c rI.( 11 loc; III.lS/f/()S de/ n ell ta". Es d éClI

A = B {=:} (A e E ) 1\ (B e A) ( 1. 2)
 S IJ('e.';(),'; .1' !'¡()l)d hjlidn.d

Definicioll l.Ci.3 (Cull.itlJtrc! vacío) . S r:: cl l::'l w 7Ili na ('O/ljlIJl.tu vado, :tJ lo de'!w ­
lom us pu'/' 0, (JJ wl1JIL'I I.l u q'ue nu tu;w : elementos. S f'. demuestra (PO'!' r educc ió n
0.1 ahsl/.rdo) (/,/lr: d C07ljl/:/l.to vru:ío es s'u.l)(:onjunto dr. (:uoJq7órr- r:onJ7J:1I.to, es dr­
( ' /{ '

(!) e A VA e n ( 1,3)

f)Pl illi i) u ] J¡' ·I ( C" 'II Ii )lr' ll It U I<, d (, 111 1 ( '() ll j 11 11 1\ , PI ((lI/I/J ! 1 I I/ f ll l o rl f' U I/

('(IIJIIII/ln \ 1111/ n -'{'(I : O "! I 0/1 / /111 /11 \1, ¡, '" "n n jlll "u ,/, I ,!io' I {I ,) rJI l/u 'l/ los
'//11 ¡'I,.'!, " , 1 ,'/1 11 '! Ir,' /" , / , / /1 " 1' fI ,1 , lí /" d" "/1/1/1 0 - j ll ) 'f ' .-1 .

(14)

Defiuicioll 1. ti .5 (T -¡u ('m de conj \JlltoS) . Lo. 'lI,nión de los r:onjll1l.t.o:; A ?J B es

el w ¡qu.n!() ell' tu rlo ::; leN; clernento s Cju e pert enl'f,l:: a A (J a D, .Y lo el r: UOI.CL II WS
por- Au R.
.'l !_ B = {w En . w E Ji V w C B} (J .s )

Definici on 1. 6.0 (l nl,f'l'S t'cción de COI1.l\lll IOS) . Lu U ¡ f,U o.'iI'.CClÓn de los con]ll7l­
t (l ,<' ,4 /j íJ 1'.' 11 ('()/I} /lIJ /' o dI' t odos Jo s P.lrmenl.os 1'U' p P.T!.(:1 I( :(' r n (f A i! () B . ?J
l() d, Il o t u'//¿O ,'i PO ! :'l. n D

. \ (1 j] .= {w E S2 . w E A A w E B} ('J ti)

Dcfini cion 1.(i .7 (ni (' l ( w i ,l de ' (U l lj llll l lJ ). Lu ,¡¡Ji" Il ll (l, rI, ¡,b " (} /{j llll / II'. l
!J /] ( , 1 I [Ul/ jI/,lIt /) ,1,. 1(1' /0" /1 " , 1, 1II1''l/ f (l ' '1" 1 / Jl I! i ' I/ ('('( ' n (¡ ,.j lJ 11<1 111 I ¡ l'l l r I r, /1

, JI ,J Ir · ,Ii 110 ,1 (11/ ( ' (1 "1 \ , n.

. ,j (1 1)

D C'fin ici oll ,6. 8 ( Sl ll ll , l I )( ' ())(, ;l ll , l ¡k· (' )] I.ll l llr <)~ J . [, (/ ,') ///1 1(1 //() ol l'u ll li di lus
('() II / IIII/ O,) Ji 1/ B ('s rI ClJiI/unLo rlt tudos lo s ele m cnLu.~ qu.e P CT'lCTI. U;I '1I o. A o
11 [j , pC7'() no (J. II.m!Jos, il lo derwtamos pO'! Ae B'

(1.8)

D cfin icioll 1.6.9 (Conj llntCls disj\lntos) . S r dice qlle los con)ulltuo; /1 :ti J?
,so n d l sJ(I(I.{ ()"; si no l ú ;u fn e/Hrwntos comunes; es deel'f, si A I B = 0

Lil" opcl ,wi ()!i( ':" (;uniuuci s ta" ulli ón , intt'J'secutÍll y comp](' lfICn t(\ CilJl1 ::>01­
(¡ ,.·;fil( (' ll l llm 'i( ' l'1 (' el( jJl ,)pi ld ades que scr<:Í,l l p r ('sell l,:'lclcl';; CU lllU t l' Ult~l jJW; . (lll ' c\:)
, ir' lI' I ~11 d( ' jl ' II I ' :-; ,~, ', oI" ',l n ('(n ,111 (",ir 'J'('Kill ,
CapiLulo 1 S uc;c::)()S y PlOlJilbilidd d

Teorema 1.6.1 (CouIllutat iviJad) .

A UB = B UA ( 1.9 )
An B = Bn A (1. 10 )

Teorema 1.6.2 (AsociRt ivicl¡H'r,

A u (B u C) = (A U B ) U C (1. 11)
A n (B n e) = (A n B) n c: (1 12 )

Teo rema 1. 6. 3 (D istri lmtiviclad) .

A n ( B u (") = (A n B )u (A n r ) (l n )
.4 U (B n C) = (/1 U B ) n (/1 U Cl ( 1.1-l)

Teorema 1. 6 .4 (Complem ento del complemento ).

(A) = A (1.15)

Teorema 1.6.5.

AuD = D Au 0= A (1. 16 )
A n D= A An 0= 0 (1. 17)

Teorema 1. 6 .6 .

.-1 U A = A A u .4 -­ ~) (J 1~)

/ 1 '1 !l = .·1 A n .1 = f!J (1 19 )

Teorema 1.6 .7 .

VA, n ( n· A e (.4 U B ) 1\ ( A n B) e A (1 20 )

Teorema 1.6. 8 .
4 •• 13 = (A U 13) - (A n E ) (121)

Teorema 1.6.9.

A = (A nB)U (A n E) (1.22 )
Vi = (A n B ) n (A n E ) (1. 23 )
 ,.' ¡ l! ( '.')().-. F 1'1UI); I (¡j)j( !nr !

TeOrf'rtléi l . (i . 10.

<..,' / A e 13 ( ni () M ', 'i A j B- B ( 1. 2 1)

An B :'1. (1 2"5)

Teorema 1.6.1 1 (Leves (,k, D(, Mmg du),

( A U B )= ( A i B ) (1 .26 )
(A n E ) = (..4 U B ) (127)

Para yi:-iualizdx tudas e:-i Ü1S propiedades e::; conveniente el uso de lo::;
lJ iti gJiLl) lA.S de VCllIl CO Il los cuales se re presenta gráficamente cual c¡nicr con­
j u nI O COl1 l cf('reucid (\1 ('olliunio ulJiversal íL Es aconse ja bl(' ¡.tdClllás, ('unocer
¡l ir'lI [;i~ d l '! tll)~1 r ~¡(i ' lJl( ' '< di los kUl<t la s , va qllc \'l1o facilit a ci d ()IlÚ lliu el e; J(J ~
i ( '11, ( ', ) I 1)<" \ Il!' ( )l' wd ,1ti (,..;

T.,¡ " ddl II IC I ' ,) ¡f'<" \' II 'OH 'lt ld" dll1 ('l i()l l'~ fJ ll<' (kl t!, 1 JIt n tli ¿il l'''c IJil[d un
rllllllt'l" ,uIJ ii,T ilri'l ,1" l' U IJllllL OS , Fl! P,",, c:(\,'; n '< l' i\.l (¡,:;ll1n tlll :¡ dC l'I u t.m los COTl­
.1l l1l l.U:-- III i1íí', alldo ~'¡ll )í !ldi«('s, ,,\ 1111 COll]illlto CllyOs l'lCll11'lJLüS ,'i011 cimj ll11 tu::,
IlJ dC'!! U!l llll : lJl1 US c!D'-, (' ~ lo re preSf'utaJ1l0S CülJ k t.lil.-; l;dli gd Jic Rs A , B

E SClibirCllJüS A = {A, i E J}. dUllUC 1 se dcnoll1illd conj tlJl ru ínuj ec ,

PUl lo geJlc lal (,1 ('OJl.i I llltu 1 (: b U11 c: onj llu t o Ii ni t. u () illfilli to d e II 1ÍIrlcr US Hil '
r.1 1l'dk,.,:

A { A, 1 = l. 2, . .TI,} = {A 1 , A 2 , . A".}

Léc::' Ul1i()] I(' s e ill (.( T'-,l'(c iUl\CS de ( ;¡[ cs CO I jU lIt.o s Vil'lJCll d t' llOt;.l.d dS pUl'

n .>..... x.
U . 1,
- I
n .'1"
,-1 I
U n,
I
n D;

p(!l ' e je] tl pln:

Capi tulo 1 Sucesos y Probabilidad 16

"
U .4; {U ' f D· 11 ' E ~,1 1 I)1[I!i olq7lT/ I E {1. 2 n}}
1:0 I
\'.

l
n A,
Il

' I
= {(I' f n: (1' E .4 , [ Iorl! todo i E {J , '2 . JI } }

ad em ás , en furm a aJl(L!uga al teorema 1. 6.7 , se ten drá que:

11 n
(Jl j e U A ¡) 1\ (n Ai e Al) pu;ra tudu.J E {l , 2" .n}
, =1 1=1
Y en forma alláloga al t eorema 1. 6. 11:

n
n Ai
11 11 11

(U iU =
i= l i=1
y (n AJ
i =1
U A;
i=l

Ant.es de pas",r '" considerar IR..." sllcesiones de conjuntos , vam os a introd ncir
los COllcept os de COlljUlltos equi potelltes, finitos, infi1ütos y conjunto de 13 .'3
p altt;s.

Definicion 1.6.10 (Con julltos equipo t.eut es). Un co nj'unto A es eqm pu tente
lb un I'OI/jun to B. lo que se de n ota P()'I' A '" !J, sz e:ns Le uno IllT/,r;ión /n,lJ edwo
cn l:rc 1I'Ir¡!Jo" ,

Den nic ion ] .0. ] 1 (CO Jljl llll () [inili j \. (' OlljlllJtO illfi lli l Il) . Un (' nllfu,IIt o .rl es
j7.II?t O '1 ,ij solo SI (O" l'IUJo n A ~ J, ;¿. . 11 (J ar o o.ly n '11 E Pi! E n ros o r:onfr a 'f'l.o
e.., 1,'Il) init o

Defin icion 1. 6.12 (C LJllj untO llIfinito lll.unemble y Conjullto infinito no 111l­
meraule) . Un conjun to infinito A es numeruble si :ti sólo si A '" Pi! . en caso
co n irali o es no num em ble,

Ell reSumen, si A es un conjunt o cu al quiera . emonces d (~ acuerdo COl.

su nú mero de elementos :

F inito
A p"rd e sre ... { N ullleralJle
Infi nito {
No num erable

Defin ici on 1.6 .13 ( (,' 0l1j 1l11 t() \'1 11I1 ( 'l[1 1)l p ) . en UJ'IIj lll/ t o A 1',' '"l71u'mb!( "
1" ,j7: n¡fo () mj7n ilo 71IL11u·mhle.
Cal )! ( lijo 17

,1 ) I ~ J (U lli1l 1 A = {a, 1I l. el} l'S 1111 CUl1jlllif ( huil a tI llE' c()u:--ta de j

(-u

el( 'lrH'111us en Vil ! l id de ([ne pod emos estahJ ecer un;-) función hi Y(Y:L.iva
I _\ --t {l. 2 ;{ 1} . P or (~JcrnTllo f (rt) = l, f (b ) 2. f(c )--::'l J( d )=-l
A d C'I Ili\S_ por s(' r ti IJ ito es nmner able .

h) El eon)llllte I dr lmi númcros rm)('s positivos , r = {2 , 1. (j} C.S \1[1

('(l I JI " III" íldiuil lJ 111l1ll e'I ;t]¡lC' va <¡t I(' P()dE'IIJOS (,,,,¡¡I deen 11 11 ,1 [llW j¡'Jl I
111 1-( ' ( 1 í',d I f' \ ''0) fh \ h '1 )

( ' f l(1 {','1I11 11 1l \,h 1II1 11il l l h IlIlJll ,- 1 ,lid, :,, : {l «) I1¡ i1 111 , ) 'S d (' us 111 '11 1\(' 11 )0, ('111( '­
l" l~ . ('! ( '(IIiJ lll lllI :_' de los IIÚlll l'l():-- r éIC' l olI ,\I( ,,> \. (, 1 '-t lI IJllI il ' ) [o)'luar!o por
('llrdql l i( r Slll T"i¡ 'JlI dI ' 111l 1lH'! U,"I ['c"dc."

el ) :' Oj J (() J.I.J IIII\.OS ml1JJJtos 11 0 llll!llt' al)les: el cOlljnlllo TI de los lI Úlneros
itT;-tcio ll¡-d c.'i , el ('onJlmto IR oc 10,'-: números rc~dcs, los int crv¡-1.los ck la
fOrlll¡-' 18,LJ, (a,l'J (a. u) , la,l) ), [el + x). (Cl , x), (-00 ,1)] \' (00 .b),

El sii';llÍ l~ n ! . I ' teorema. qm'

solam en t e (--'nunc-icLl(~ ll\ u,', muestra las propit>
¡J ¡¡ d cs lll á~ impur tnut,e's t' dncion aclas e:un la nUll lCrctlJilidad dE' 10Cí COll,lUlJtoCí

Teorema 1.G.12, Sobo: lo /w l//ej'o.iJilidad de cOTIJ1mtos, :, (' curnplf que

1_ · Tr), () ({Jlljul//O I I/jim to contz u u; 1m c:orLj'un t o 1! llII kP-J J!¡
1/ - T()d(l slIh r:Oll.jli,II/O ¡J( /1. /1. (;t) lIj l l liLo 11 II /(/( . 1'11 I> l l 1 :; 11111111 rnJi! e
111 '-O ¡In / líil dr ( () !l j,/i ll' h nl/l/rJ' lah ! ,', es 1/. /1 ( () I/. /IJI/ to lIi/ll u / ol,1!

f)<>f il l i ciOIl I fL lel ' (' l illi 1111I t l di ' 1. 10, !JiI ) I I ''; ). D(II I,) 1111 (C)!I /I III !O ! \, ,( drJÚII
(JJlIO IU l!. //lII!,) 11I 11.' {!lo/" d, ,1. /('1(' Ir ! )/ I ' Cnlill¡,' {)S [Jo r P {.- l), (J la c! 0- 'i1

jO / lllo du 1)(1/' (o rlo ,,, / 0.' )U/WOIl ] /lII/n , d, 4, L , der-í-, ­

P(A) := J!. f] <;" ,l }

a) Si A -= {a. h} CULOIlC(>S P (A) { 0, { a}, {b}. {a.b} }

11) P (i/Ji - {0 }

P ,lnl conlil11.lar COl I cs t a. r evisión , l1i1 T'('1l10S 81gunil,s consideraciones sobre

,., Il Cl' o, \ ' )J It'S de con ju lIl.C! '; ,\ 1 íg llal <¡\l C en el (¡,so (k 1l1'¡¡tll'JOS n 'A tes \' h l l lCi Olj{':--;
11Uil '; IICC'sil 'J)l 11<-- (0 1J ~ Ullt()o, ;-;(~ 1:1 Illlo ' OrdCI!i1C'i(J II c,j ~le u¡í t l('¡j dc' I \¡) I.l tl Jl l uS
C ilpilllln 1 Su cesos ,,' ]>mha/Jilú l¿lcl 18

Definicion 1.6.15 (Sucesión de coujuntos ). Dado el conjunwunive7sal n,

se define una su,cesión de conjuntos en n, como una fu n ción f " N -7 P (D)
tal Q1U' f(n ) = A n , al rv,a.l drnomina.mos términ o n-ésim,o dr la. s'I!,rrsión
Una s il cesió'!I es de no tada lncdiani e {An }

.i\ó Lesp qu e si Ulla cl a.se el e conju lIto es llumeraiJ le. sus elem entos pueden
:-;('(' clisp \ H~Sl {) :-;
en U ll e, s ncesí(Jl\,

D e fill icio n 1. 6.1 6 (Lllll ite <1(' \llld sucC'sión el e cOllj \l lltoS ) . Darl o 1ma 81 L·
('e,' ;¡(m de ( 'On}/II1 / o ,-; { . \ ,, } , SI defin e ('()'II/O límite S1l!NTUJ7 de In s//'('(','7 rJn , 111
('(i/ljlm.tli ."

líl1l :-; lljl{ A,, }

fl-? ..x.
1/ = \ k = n

y corn o U" á /. e ¡ 'I~/el w ', al umj'Lluto ,'

n = J k= n

Si '1.111hos límites cuill cid en , se o ice que la sucesión tiene lím ite y escri biulOs

lim { A71} = lím inf {An } = lím sup{ An}

1¡' -+CO n ---+ oo

Teorcrna 1.6 .13 . Si {A Il J es una 5'I/,r es'i, nn dI". roTl)vntns , ent onas S r' ("lJ.m !¡!e
(JI/,{'

líllJi llf {A n
1/ , "")...
} e lílllS \\p{ A II }
11 •
(',I{JJlliI" I )\1

f)( Il/ u ,lm, / (JI/

//' ::: l i 11111i1{ / In } =:" 1/ ' é lJ n ;-\1,

1/ -= 1 J.. 11

_O? Ir E ri...1), ¡)( I 'I D o l!J 'U1I J1

I =- 11

':x,

::-~ i1' E U Ah- pam d m i' i? w n 1) pun~ cuo/qniC',- otro

1,= 1'
% tX:

n = l k =tl

[J

f'tilliciou '1 .6 .17 ..)'; { . \, ¡ l.' I/J/ O ' 11 1 1 -(Ijl/ 111. (I'II/UIIIII, - S I; ,1/( ( 1/1 11 "

{ \ 1 f. ... ,1 :¡ () / '1 i (' (1' (' } 1/" ... ,. i , \ 11 (~-~ • \ '1 +

11. { L} ' . ~ 1II1'11!I/OIII( ,/! 'II'( CI/: II(C ,,,i 1\" 4" 1
II!- {A ,, } es rt!U l u í /Oll tl ,11";, lfI, 07u5t o'f/a. I T c cif nt e () 1f/o n, ólonu d(('/{'( ¡t: ¡¡ 11

Teor Clna 1. (j .14. Si {.-1,, } (.) 111 W SUC¡;,') i.ón rrwnótu I/, (/, de lO I/}untu s. en tU'f!C ( ...
/ir.Tl I Hw:i tl y a dc /1{(Í,.<o :

1.­ li lll {4,, }

11. - Ifin {.1,,} cee n A" SI lu SIH e'i'i ón es dcc'/'etú' lIh

" 1

J) 1' )f)(}S!J W ; U)/I. 1>

n A" = Al] ~ límillf{ _ ~ n }
00 ')O

1, - Si { A. ,, } e~ (¡('ciell ! !:' -=;. U A"

n-l
.x x..
\ . ( \1l110 ad" llJ,\'" líl!l,"; llP ¡ ' \, } - n U .,,\¡, e U t ,
1 J,., 1, 1
,\
I d
1
I 11I lJ ! I I! ¡ \" f U . 1" LJ

Teorema 1.(;.15. L'¡'¡ {A,, } 1:8 una 8vcesión de w1¿junt os r:ualesqu ú'TG , t.TI ­
tonce ,- l o ,- / e I/H O SIJCI' S'I O n {H,,} de ron]1mtos tal IJ I/.{/
Capitlllo 1 Sucesos y Probabilidad LO

/. - 50'1/ d'i0j'Untu,,;
1'1.- Ui C .4, Vi
i /l - 1_.lD, -.! l,

¡Ji II'US/ I'I/ r ·"íll . 1/

IJ cfillilJ'n tl S 10:-' (, (}11]lllltO:-' n, ele la Slg 11i( 'J1t. C' fO nDé\,

8 1 = Al
B 2 = .4 2 - Al = A 2 n .4 1
Bj = A ~j - (A l U A 2 ) = A:, n C,41 n .4 2 )

I. - J 1.- 1

1 A SUllliUlJ O.'i , Slll p(~r clida di' ge ner alid ad . que i < ¡:
,- 1 .J 1

/1 , '1 ni - r.,l , " ( n 11, )' n l/ ;i l n .\ 1, ) ~

" -1 " - 1

...=. [A , n .~i l r . ... n Jl,-tl n [A) n /11 n· · n .4; · .. n .1,-tl

= (A , n JI,) n (/1 j n AJ n ··· n Aj ­ l]

=0
así que los D, WIl J iSjUlltoS .

;- 1

Sea w E JJ i '* LO E Ai n (n
h= l
Ah )

'* IL' E A¡ 1\ IL' ti: Ah p ma h = 1 2 . j-l

=? (l' E::: A,
Capitlllo 1 SU CCWS .Y Proba.bilida.d 21

o
el Jud 1Lire mos rl1le,.,! ra revis ión con cienos asp ectos n~la(:ionad()s COll Jet
1II I rl )!:/ ' 11 1\l\'('lc,; l de 11t1 Clm.J unto, flln ción compllc~ trc e in l<tgcn dircc u), el e Il1l
CO l) I w1l". o ,

Dcfin ¡c ion 1 .6 . ] 8. .'< Ni ll O y ~2' dos (;,'>!Hlri os no /J().('íos 1) ~ HI rn ~ O'

11/1 (1 f 1lW :ú 511 (>'// h r dl (), [\UD ("/f, ul<[llzer su /¡(;u'IIj unl, u A' (It: íY, se d¡jI /I /é CO IlIO
IfIlU(j ('/1 IIJ, /J('I ' '1]. (Ji. A ' (Ji (IJ I(JIUI/n

r (.\ ' 1 ' {...: r: \2: j (w)~' "q

~/[ :\,., A' es HIl a clase ele ~ Hhc ()ll.l llll t os de íl' ) d Cll Ol>uc­
,(!,eIl(,[c'd rnc!1( (' , !'>i
lll OS p or ./ -1 (A ') n, 18 cla.se J e im ágelles lllven,¡as de los collJu ntos de Al

J- (A ') = {J - J( A') Al E A l}

<jUI' (' S 11l1 a c lase de :-inb conjulltos de n,

P,s IlrlpOl'LrLIlte ubservar que eSLa rclarión invusa O'C1':\ una fUllcj ('m <" lll.n:
/
P(r2 ) y P(D), qu e !lO debe confu!ldirsn COll la fU Uf'jóu illversi:\ de f P\l el
sCTll icl o 11"\1<11, 1.t. <Llé:ll s o ]al ll(' Jl IC cxi"lr si I t'S hiv('c t i va , C S L<llIIOS tl l i l izd ndo
1'11 l( ', d i di-ld 1. 1, llot :\l¡ ('1 1l f 1 «)ji trc:o >i g u i tic aclos d i!IT(' [j{ ('S r ' JlllI J ]; ¡ fÚ ll l'1l !ll
111\"'1 __ (1 11I\li \ IL'J II II ( IIII J JI) ( '()l l sl ¡ t I I VI '11 p ltl l l ,!):'; ,;,: / (11; \1/' ¡0I 110 i Ll, l~), ( ' 1l ¡ 1i\1 ' 1",'¡
(}¡> U JlIp l\lt Uc, ( 1I VI ) dl:,!,I I!l W lltu I\) ('(Hl c, l' lfl l \ 'I'll subC()njI I II I Uc, ,1' d( q' : y CUll l U

111[;1 <~J'lllll\'I 'l."cI di I \' I ""~ A' di' sulJlulI­

(!I\,) il l ,!!, l l lll( ' I II (J j() CtIlJ él l ![II\'( '1 1 " Llo, l" S
1
11Il1l,1)" _-l.' de í2 l' rl'fl 'l inl ns 1\ll l i:;ar In I1 11 S 1J Jd notación en los lre" « eSOS v q lle
~Cil 1,1 ('ulI l( 'XI O el <I 1l!.' ¡wnnita idí'l Hi¡-ic-iU el "ign in n\c!u, y 1111 uI'm 11 1)t ,'Ki IJ I I C'í
d i lcn' l ll!,,~ (1111' Jl ued( ' 11 I'l"S ll it, d 1 1111 1 cml <l ellgULT llSdS

Teor e m a 1. 6 .1 6, Sl'.fL'II, n !J n' d(),', f, '[i a (; W s no 'lIo/ ío s 7J "m I O '-¿ S2' 11170
/'/I/!I ' i,¡J n ( II /.n u;II¿I){Js (;unJunto iJ, f,n /; uu('(s:
/.,- f ' J(í n = íI 1) f (V) ) = 0

11 , - ¡- 1n i ) _ ( -1 ( /1/ )

zn, - ) t A I1 , AS " son s1J bcon]1mtos de DI entonces,

f I (U A;) = Uf -'( A,,)1j ¡- l (n A;) = n I - I( A;)

w- ,'-¡' j Al J [J ' r' 1 /11I/l( ( ' ~ I 1(1\ '):::: J - I (Jj/)
Capi ( li JO ¡ Su cC',')o,'i \' [>robil bi1ú!w } 22

Dew ostnu:i.ón , [>

1 f -1 (ni ) = {U! E n. f( w) E ni} = n ya que f (w) E nI Vw E SI

P or otro lado.
f - l( 0) = {w E n f(w) E 0} = 0 yR. que no exist c 71 ' E O tR.1 qllC
f ( w) E 0

11 ((' E f - l(AI) <=> J(w) E Al <=> J(w) tt Al <=> w ti:. f -l (A I ) <=> w E f -1(AI) ,
IJI 11' E J l( UA;) <=> f(w) E A ; pala (di/un i<=> w E f -I( A;) para al!}'un i
<=> '(/ ' E uf - 1 (A; )
o

Definicion 1. 6.19 (fUllCióll cOlll].l\lest a ). Sean n, n l l j O" tres espacius no

'uaríos , Smn las f llncion cs f ' O -t ni .I! 9 . ni -t O", Se define como funció n
compuesLa de f .I! Y (l la júnnó n

h = (J o f ' n - -1 0." t a! (fU I" •

h(w) = g(f (w )) V'/L' E O

Teorema 1.6. 17 . Sean 0,0. 1 Y n" tres espacIOs no vacíos, S ean las funcion es
f O -t ~2' y 9 DI -t Oll Sea h = 9 o f la función compuesta de f y g,
en [unces:

(E" impor tallte observar el orden d e la COl1lposición de l< ' fu ncion es en h y

( '1 1 ;' - 1)

DC'finic io n 1.() .2 0 ( l l l l<Lg('11 d in 'l !a d l' I1 11 lO lljllllt\l). S mll n .1/ ni do,,> ('S ­
jllf( I (h !I() ('(j( 1(1,), i.j SI'(/, I : í2 - + í2 1 iCilU Iuwl úli e'l/t lt dLu s, [lUlO e u alr! u'll "1
,>IIIH'Oll jllll/ O A de n se dfjinc C07no m wqe.n dl'recta de A al conjun to

/( A) = U (w) E ni , w E A}

ae 'morio qu e,
Il'I E /( A ) =} 3 11' E A . f (v;) = (1' 1

R ('snlta (ollv(:.' lJi ente se ilald.l qne estd. rela ción es una fu n ción elltre P(D ) y
P (O/), p ur lo que se le d elloIll ina fUllCióll de coni ul1t.n , d ifercllciá ucloJa as í d(-:
l:1s func iones p untu ales
 2:3

1', '0 1'011 a 1.(i . .I K. <... 11/1 p I ~!' ,/, ,' , 'JI'1r 1,)' l/U 11( /11'. 1/ ,,(/ rf I í2 1 /11/(/

/'1'/01 ; / I I ,I /(. (1111/) ( 1.' 1 " IIJ I/ U/, ) '· . ("IO/H '( ,,:

1 t V) J ' t 1 '/ 1I ~ i : q 1

/1,.- f(.\) L /(: \ )

Il/. . '- I .4 e 13 (, l/llm, ces f( .·l ) e /( 13)

11 '. ,'-¡'/ / I j . / \ :2 . "111/ s lI!J(ol/jlJ.ll f o., dI' n ("I/!. IJ'tIJI ', ) .

,";( 11 ) --~I .¡C',( ,11I .J

, J" .1/ l(n A,) (" n ( V\,)

u- . 1 - I- 1U(. I )) \j '1 e S2
(11 - IU-1(. 11 ))c .-\' \:t A' c O'

D I I/lOs l ro.ci.r5n C>

1 PUJ dcfilJ icje'JI]

f( (~) =, {f (U' ) E:. 1)' . ¡¡ E 0} = 0 ya qlle 13 [(, ~ n. /( 11') - ~ l'

PUl (I l i l ) ,1< 1'1 e . I II \I1 I( q ) = { I (II) t: 0 1

. 11':: n¡ l' li loI1 C" C.

It' (" (( ~1.1 :> I{.' 1"' ()' ¡Isí qlll' 1' 1() I I ( )I

¡ ,l II-!,l!.l li , ;rrl '- '-' \ 11 ¡ I¡¡ jl ' :-,1 \ ,, ( ¡JI) :,¡ r I ' S , (\)'11 '\'(" ' 11\;[ .

. "Ir¡: [" ."- 11' (~ ~' l/I 1111 ,' )..',1'1l1';, ¡j, ,11_ 1, 11 ¡r" q¡

11

L/ '=. f('\ ) B j i!.' e JI . f(w ) = (v'

B w ~ A . .1 (11-') = lo '

-=> 11' 1 1: 1(.4)

~ (j" E (( A)

La ig ual d a d se Clllllpl(·~ ::iolalllt' nt e s i f es bivec ti\'<1.

Jl I Si0,1 ~ I :( .il ) =} -=j /l' E: A : f(w ) = /1" =} ?Ji E B 1\ f (lI 'l = /11' =''' 11 / E" /( E )
Pm I el.uro Ir L\ ) e fl) Ir
1\ '

1/ ' ( J I , 1, -; ' ," 1 ,. \ , 1. ((11 ' 1 ' (1'

~ , ¡,di d ¡¡\M1.I1 i /l fI') - (l'

<C ;. U .. '-: J (A, ) pan! al gulI 1

<;::;';> ({" E u j ( A;)

Capitulo 1 Su cesos y Pmbabilidad 21

El resto de 18.'3 delllostraciolles se dejan corno ejercicio . o

Petra demostr ar es tos resul tad os deb en t enerse muy en cuenta las si¡?;uientes
in 1p lic<\.eiollcs:

• u' E :-\ =} I (w) E nA)

• (jJ ' E /( .-1. ) =} .c ll ' E A: I(u;) = uJ

• ({ ,1 3u: E n: f(t e ) = w l solo si f es sobreyecti va

E Al =}

(En ge neral. no todos los (L" E DI son im ágen es de algun w E íl)

• f (w) E 1( A ) =} w E A solo si f es inyectiva

(En general no \'odos los w l E ni son imágenes de un único 11) E n)

1.7. Ejercicios 1.1

1. Dellluestre q ue el conj unt o vacío es SUbCOlljll!ltO de cualquier S UU COll
junto.

2 Dellluest re que si C l , e2 GIL es una colecciólI (k con junt os di sj untos

y A ('S 1111 conjlllllo CI\;¡lq11i(-'1'<I. en tO!lces An e " An C 2 · . An Cn lamhién
( ':-; lllli:\ cul( :( ci('m de cU1l111ll t llS dis jllllt.OS

T U( 'llllWSlH' que si el' ('2 " . (:" es unfl. col ecció n de, conj un tos disJullt os
n
)' A es un COl1J Ull l u cualqlli era, ento nces A n (U e) = U (A n e )
t=1 i=1

4. Demues t re el teorema 1.6. 1T ap a,rtad o ii

5 Delllues t re qu e si {A,,} es Ull a sucesión lllollótolla de co njuntos, elltoll­

e s Lim{D - An} = D - Lim{ An}

6 Demuestre que :

i) A - Lim sup { En} = /i m in f {A - En }

ti ) A - limzn f { B ,,} = lin1sup{ A - B n}

I C ¡.d cII le los límit es (h~ la:') sigui e tl t (~::i SllCeSl OlW::i d!" ('(Jlli u ntos:

S1 \1 es ]l i t !
i) A" = {B
(' SJ 11 1"'-' nnp"w
( 'iljJitll!O 1 ,'J'¡¡CCC;()C; ." P ro! Ji:! hi lJ( lfíd

es \111 S U C8S0 Cu¡üqllier R resul ta obvio que t alllui éll su cOllt r a rio es uu s uceso
asociad o al exp erí memo a leatorio que ocurre cu an d o n o ocurre A. Sim il ar­
mcnte, si A y B ~on d us S lI CCSOS Clld.lcsqllicm . es lógico exigi r q ll c A U B y
A n 13 t a mbién se an s uc esos v por canto pert enezcan a la u-álgebra .

Definicion 1.8.1 ((J-Algebra ). Sf'.a O el espacio m1J,estral asor:iado a un cierto

c:¡;pr-: ri'llLenL u alt,a! orio. S r:; definr:; comu u-álgebra asociada a n, a la clase nu
va cía A de subconjuntos de O que cumple las siguientes pro piedades.

i) Si A E A => AE A
00

¡I) Si A l , A 2 · E A => ( U A ,) E A
1= 1

Esras d os prop iccl,\(lcs son S¡¡[¡ (I( ' tll ('s pa r a ,lsegllr m q lle ,1(lll (']]OS C()\lj l1ll­
!IJo, de lllwslro illllT{'s !l ('lleU( 'ZCiLll tt A. H•.,í (JI!lU rl.( jl ld lOs ulJ t('uidos lllCd lH,lltc
<J1)l'¡ ;l<i()lH':" H',ll l/ adcIS CO!1 u1.r os S llC CS OS E st a anu1l3cióll seni UeJJJOstl a J a e 11
los próxi lllus teun-;llld.S Si sustit uirnus la p ropi ed ad i i pOl o tra prop ied ad que
establece la I!lisllla a fi r m a ción , p ero sólo p ara. una colección fin ita d e sucesos
ele A , o b t enPlllOS un Algebllt de Boole
A la. cstruct1!rft con::;tit llid a por el p el,)' (O, A ) la rlcll om inmcTllos 'Es­
p a.cio Prob abilj¿;aIJlc" aso cia.d o al experilllellto aleat orio

Teorema 1.8.1. Sea (D. A) un espacio pTObabilizable as ociado a un cier-to

exper-imento aleat or-io, entonces se cumple que D E A.
Drmostmción. Como A es no v,:I,CÍa, existe un A E A => A E A => por la
pro pÍfod a cl ji que A U A U A U A ... = D E A O

Corolario 1.8.1. 1. Q) E A

8::;1 p T ('or(,111,1, 1 8.1 es ,¡)g \1l1iIS \ T(,(':'; illcluid() (,JJ 1<1 dditJJei()ll de (J ­

r'd g l·hlA. Sill c l l1httrgll . , (!llln IlI'llJ OS v is! o. pIJCc[( ' dcsp n'l ld('lS(' ]¡'Jginutlcnlc (k
ho, dus PWpi<'dil(ks iuicic¡]('s s iemprC' qu(' 0,( ' I'xiJH que A S(OH [lO vacíd.

Teorema 1.8.2 . S ea (D . A ) un espacio prubabzlizable asocwdo a 'un Cle'rt o

experimt'utu aleutm ·io . ;ti "ea Al ' A'2' /1." una colección f inda dr:; sucesos de
A. entonces " A ,)
(U E A
Capitulo 1 Su cesos y PlOoabi]jdad 28

vacía de ,';ubconi¡mtos de n Se defiue como (J-álg ebra yenemda p()'f la clase

inicial F o: a la mínima a-álg ebra que conLiene a Fo

A (Fo) = nA;
'i1(:IIi/O A , {(UO o - úl<jelJ/(I s o/)'!( n. (JI {(/""I( p O I lo I n n/o. qu e r:uu1rtll/f:r O/'¡ (I
(T -Ií/r¡ehm "o b/( n Iju r mll/ell,.'/(J r¿ F " . dlYOIII. Ii .., B. (-'.'. f(l, / (jl/(' A (Fn ) e B

E j e mplo 1. 8.1. ,)'eo ~ 2 el espan.o I1wrs /m ! ason ado c¿erLo c..cpennU'n[o

(1 'U'l1
alrut or-io Sea A un co n}'lJ.uto n o vacío de n Entonces la a -álg cbru gl'nemda
p01 la r;lase inir:ial Fo = {A} es.'

A (F o) = {n , 0, A , A}

Ejemplo 1. 8 .2. S ea D, el espacio muestral asociado a un cierto crpcrimento

alealon:o S ean. A 7j B subconjuntos no 1Jacíos de Ent.onces la (J - cí.lgebm n
generada prn lo. dww i n ú :w .l F a = {A , B} 1'.8 :

A (F o ) = {O, 0, A, A E. H, (A U B), (A U E ), (A U E ).
(.4 n I3 ). (,,4 U E). (-4 n B ), (A U B ), ( /1 n E )
( ._\ '7' B). (.-1 .~~ E )}

El C'jl'mplo más COll OCld o (' illljJOl La ntE-' de e~r)ac io llluestrdJ lo (·ollst.ieuy'·
el ( uujnnt o d e los llI\llleros r eales (en el CClpít lllo :5 se jns t ifi ci'tr A eSta n.nmla­
Cll)ll ) E sec esp a ci o es iuhuiLO u o llUllIel au le y tiell e la parLi cu LLridad d e que
en t:l exi sten ciert os su b eon.J un t o~ que no sun de utilid eLd par a, leL cü l\ ~ tr uc ción
de m odel os probabilísticos, es d ecir, existen cier tos subconjunt os de R que no
pued en ser considerados como su cesos (la T eoría de la M edida ue Lebesgu e
n os perm ite d em ostrR,r qu e ex isten conjnntos d e números r eales CJl1 C no S011
Illcuibles ) . De hecho acu n e , que los suUCOUj Ulltos d e R de llues tro in t er és SOlI
lo;:; inl elvdlos de cu a lquier tipo (abiertos , cerrados , semiabiert.os, sem icerm­
d os . d egen er a dos , fi nitos , in finit.os), y a quellos conjunt os obtenidos al r eali za r
llll c o njllJJ(o l1umcntlJlc de op eracion es conjumis t R..'3 (un ion e . ill Lcrscc-c ion es .
("Ull l pl ('ll lt'Jlt.O;-' .. ) (' 111 ell os. En o t rCl.':i p cditbnls . la cl ase el e:' su('c··sos pos i blc's
ckfi n id i:1 s u!Jrp el espcH' io 1fJ\ lC'Strcd íl - R. es 18 (} -Mg ~, I)r¡-\ ge[l( 'l'ilC li\ p or ('i( Tt oS
int (T \·dlos. a la t llill lLmlH l"fc'lllOS (}-¡l.lgel)\"(l el e ]-) 0]"(-' 1.
( ';11 Ji I 11 J(J I 3()

,) Como (.l . y] = (- oc, y] - (-oc . .1;] /J además (-00 , y]' (- 00, t ] E f3.R ,
r:.n[ onces (x , y] es 'I.Ln bOTeliano. en viTt'ud del cOTOlaTi o 1.83 2

ti) Como {x} = n (x -

:x

n=J
l / n . x] y además (x - l /n, x] E Bn Vn , entonces
r es un /)o Teli ano , en 1/iTtUrl (Ü',l tem'ema 1. 8.8
ái) Como (r . ,y) = (x,y ]- {y} y además (x , y], {V} E Bn , entonces (x, y)
es un bOl"eli ano , en virtud del cOTolaTio 1.8.3, 2
Las ueruostraciones r estalltes SOll si mil ares y se d ejall com o e jercicio

1.9. Función de Probabilidad

ln rllleSLlO pWC'CSU U(' dcs cH'w llo de 18 T eu rúl de P lOlJal Jil idadcs COlll O
1IJ1i1 t ('O rí d aXlOlI lc1tiu\. tVIl(' n!()S C¡1H' klsta ¡-( hor a hC:'1I10S ('U 1I st nllcl u un espcLl 'iu
plObalJili l.Cl hIe (n. A ) dsociado el Ull ex p erimellto a lE'ctt.urio cletpnn illaclo . Parel
cOIllplc l8,r la co nst ru cció n del Hlod elo mat emát ico para tal fenómeno a leato­
rio . c¡ Ileda por especifi cHr lEt medirla rl e ocnrrenc i8, o p roh a bilidad (j\le h e mus
ck é\si¡?;tli:ll a C:Fld Cl, \ll1O de los s uceso ' COnE'SpUwlielltes , El espacio proua bili:,m­
bl e t;S la estructura qm' nus p ermitmi introclucir esta medida de prob a bili dad.

L 8 d efinición axiomáti ca d e la probabili dad , como dij imos anter ior men­
t e , s(~ní s ngericl.it p or ]¡=t.') propicditdes h á.,-; icFl.'-; de 18,1-; fleCn enci Fl.'-; rcl8,ti VFl.'-; Aho­
ra b ieu , cu á les d e ellas podemos seleccioIlar COlU O axiomas '? , cuántas seráll
sufi cientes o independientes? T a l escogencia ameri t aría un procesu de ensayo
y error , y el estudio de diferentes esquemas alterna t ivos.

( "11 c o njull t() de ¡lxiolYl Fl.'-> que POS('C' g mn cs t ah ilid~\ cI. v (j UC h8 s id o étlt1 ­
plidl llC!Jt l ' ;-1.( C'ptilcl l J (' S ('1 jJlul lIl('sto p or el ll m tcltl¡-1I1CU 1IlSll Allll n'i l\ Uh Uli­
gor ()" ( 1C)(n- l C)~ ,) ('11 I ():j (j " qlH' pre.'iC' 111 a H IOS <l COlllillllil.(i('lll

D(~fi n i cí ()n ] .0, 1 ( F1lllli(')!j d( ' j)r ' JI)(1IJil i( i1c! ). SI' (( (~ I A) 11/ 1 ('S PIl(,{() p'I'o/m­
Ul1t2a ble OSo('wdo u lirl rlr'lt() r.c7J1'Tt'lnento aleafo7'l o. Se define corno fu n cu5n
de pm/J(¿hili dad .'lobre ese espaC70 . a la fu nción P . A -1 R tal que.
A.ri oma l.' P(A ) 2: O VA E A
A.rio7na [2 P(D. ) = 1
Aú oma 3. S iA L A 2 . es '(ma coleccióu iT~fiTlita de sucesos mutuamente ex­
'OC oc
r.luyentes de A, entonces. P( U A ,) = L P ( A,)
,~1 i= J
Capitulo 1 Su cesos y P robabilidad 32

E ste r esultado es lógico, va que la probabilidad es un a medid a de ocun eucia,

v a l su ceso qu e nun ca ocu rre d ebería orrespond er le el menor valor , el cero

Teorema 1.9.2. S ·i A 1 . A 2 . A n, es 7ma colección fin it a de suces os m utuo

n n
IIwllfe ('{(l /(ljtl/.tl:.' !I e A. (C'IIt. () '/UI:' .'; P(U A ¡) = L P (. l i J.
1= 1 ,= 1

J) (' II/oslmn ri ll . COll:--ide)'( 'Il IO:-' lcl ('o le('c ión infiJli t o ..11 . 12 . . . 'I n . C'l! Jo cual
A , = 0 \:j¡, > n .
C omo los Jl. " SOIl disjuut mi y adelllAs la ulli óll
()O IL "XI fI. Il..

(U A,) = (U A,) U ( U A,) = (U A i ) U 0 = (U Ai )

'.= 1 i= 1 ,= 1
entonces:
oc n

P( U .4;) = P( U A i ) = ¿ P(A i ) = ¿ P(A,) + ¿ P(A; )

¡-. I 1= 1 i= 1 ;=1 l. = n + l
n t,

= ¿ P(AJ +0= ¿ P(A.¡)

,= 1 ¡= )

o
Teorema 1. 9.3. Si A Ec A entonces P ()l ) = 1 - P (A)
lJ enwslmc;¡ón. Si A E A ==> AE A yn qHe A es una a-álge bra . .~d elllás A y
, \ :--' JII JIII IIII HI1 WI!l ,' (, :\"11IY(, llt,',, . : ' t. r¡[ e:-- <¡ IIC' .-1 G A "'- SI Ellt.Oll('( ':-'

1' ( ,1 U . \) = fJ ( . 1) + I' (. 't ) = P (í2) = 1. d e do nde p (Al = 1 - J--'( .'\ ) o

Co rolario 1.9.3.1. Si JI E A ==> 1--' (/1. ) :::; 1.

Al s uceso illlposi ble le corresponde el cero y a l su ceso seguro le corres p onde

el 11no : A = 0 => prA l = O Y A = O => prAl = 1. Sin Cmbi1,lgo . l8.'i pro­
posicioIles recíprocas PrAl = O => A = 0 y PrAl = 1 => A = O 110 SOll
verda der a,,': ) .

T en emos ellt.Ollces que asign arle una probabilid ad a un s u ceso. es asociarle

1111 núm ero Cl1 tH' O y l . Los extremos corresponden ¡1,1 suceso imposible y rt!
sUt es\! scgulü r C!:ipecti VC1.lJlellte. De esta lllallera , la prooal)ili J a J illduce 1111
O l dt'll ell lel ()'-álgcb r a A . 111E.'di a nt (' la rcln,c iól J 'SCl más prob a bl e Cjue " .

Teo rema 1.9 .4. S? ~\ .i! rJ E A C II !(J7I,U 8 P ( A - B ) = P ( A ) - P (A n F3).

Capi t lI l() 1 S ucesos v PruJJ¡·) !Ji lidacl 34

11

w) Lu uuióT/ de lus e, c1Lbrr: a í l. U C, = \2

,=1

Teorema 1.9 .8 . S i ('1, C 2 ·· . l'" es una paTlición del espacio mlLestral D y

n
A E A, enton ces P (A ) = ¿ P (A n C¡).
,= 1

Demostraóón Corno A = AnO = A n(uC;) = u (A n Ci ), domle los (A nc)

son di sjuntos , eutonces P (A ) = ¿ P (A n c¡ . O

Teorema 1.9.9. Si Al, A 2 · .. An es una colección finita de sucesos cuales-

n n
Ij U,le,/()' de A. entonces P( U A i ) :::; ¿ P(A n ).
i=1 i= 1

Dnl/,ostrarión. P or el tcmell18. 1.5 13 se. hemos qll( ' eL·trie\' 1lliel :-.nceSilJl] de
c:md("s qll i("r~ A l ' .4 2 ", /1". ('-:iste \1 W \ Sll C'PS i<'1I 1 [J I. [J2'
('0 1li\1Jl t os ni, tal <111 (' :
O

Demostr(l,CtÓ1i.

i) En primer lugar consideraremos qu e la sucesión {An } es crecieute. Por el

t eorem a 1.5 J3 sabemos que ex iste una suce::;ión d e conjuntos di::;Junto::;
"u n
{BrJ tal que U B, = U A, = A n por tratarse de uu a sucesióu creciellte.
,=1 ,= 1
Por lo t allto:
00
"

i= 1 i=1
n
'L:P(B¡) hm 'L:P(B,)
,=1 ,=l

IIIJl P (Un, ) lim p (A.,, )

,- I

ii ) En ('] cas o ell el nldl la sucesión { A11 } es declecif' ntc. la s ucesión de los
('() m pletn<:'ntos {An} ::;erá crec iente A plicando lo demostrado en la parte
i a la, sucesiólJ {i L,}, y luego de u u sellcillo lllallejo algebraico . :':i E' ubti e1l8
el resultad o deseado.
Capitulo 1 S ucesos y Probabilidad 36

3. C U!! pcrsona P 8S selecciollaJa alea toriamellte de uua polJlacióll dad a.

Sean los sucesos .
A = (P es varón )
13 = (P t iene menos de 30 años)
e = (P habL:.1 un id iom a extn.tujero )
Descri ha <:'n llo t.ación de ("OJlj UlltoS los siguientes Sll cesos:

1) P e,; va n'nl. 1l1l'11 0 1 de 31J ClT1()S V IIU Imbl a ningún icliu lllc\ ('xt l"(:l.!ljerU
iJ) P es lllujcr. lllr1\' ( l r elc ' ;jI) ¡:¡ü ( )S v Ildb la I ll l id iolll H ex t ran j('ro
iii ) " ('S IllllJ('!" () II ¡('JI() !" d(' :lO ¡litos. P('[() llC J ;ullIJcl.'> (: ()su.s
i\') P es 1l)('JlUl de J O a.úos V hablc\ un ieliOHl ct cxtranjcm

! Sean A . B V e corno en el ej ercicio 8nl erior. De~s cri b a C011 p :=tla bras los
s ig lli entes :;ltccsos:

i) A n (B U C)

ii) A U (B n C)

iii ) A --( 13 U C )

iv ) A - (8 n C)

.- 1 Se8 J1 j\. 13 ~r C~ S Ul)COllj U ll t us de ~ 2. Descr il)3 los Slgl tiell Lcs s u c c~ os ('01 1
];¡ S o!wnwi on cs conj unt ist a.'i d.prop i d d a~ :

1) PU l lu lJ lE ' 11I)," L de liJ é; succso.s A V B O(ll lT 8 11 (k - () .l .) )

11) E :\i l,ct d l ll ( ' ll tC" k ek lus SlXC'SUS A v 13 OCU lTan

iii) A lo sumu k elt' los sucesos A \' B ocurran.

i \') Por I() IllC' llOS e ocu rr a ll (J<= O.1. 2. 1) .
k <l(' lo:; sucesos A 13 V
\' ) Ex(\(;t aJllclI t.c k eJe> los S lt CC~(JS A . 13 Y e U(UlTiUl

vi ) A lo sumo k de' los Sl1 cesos A, B v e ocurran.

(i Sea A una (T-álgcbra definida sobre n. y A Y B un par de sucesos

cualesqui era. Demuest re que AEB13 E A

7 Sea A ltnct a- RJgehra definirta sobre Q , y { An} una sucesión d e su cesos

(h' A Demuestre que líl1lint{An } y lílllSUp{A,,} SOl1 elerneuLos de A
 ( 'itjJi ( ll)O 1 S'uccso,s \ P ro!J,I /¡i )ú larl

jl) ~2 :-:: {1. 2. 3. .:l .!}

16. SCcU! A y B d os s ucesos t a les que prA l = 06 , P(B) = 0.7 v P (AnB) =

04 Calcule :

i) P (AUB)

ii ) p (AnB)

ill) p (!l n B)

jy) P (A n E)

v) P(A U E )

vi) P(A n B)

1 17 St'CLTl A, B Y e
tres sucesos t a les qne prA l = P (B) P (C)
p (.:\ n C) = 1/i3 \. P(An B) = P(Bn C) = O Cé\ kule

i ) LiI l))"(¡ha ]¡ilidild d,' flllf' id llj('lJ (JS llno (1\0 lu" "ll « (',,()S A 13 y e
() (Und.

¡jj 1' (.1 u (U 1 (' ))

18. Sea n A, 13 Y C su cesos cualesqui era. Exprese e n t ér minos d e p rAl, P(D ).

P(C) , p(A n B ), p(A n C), P(E n C) y P(A n B n C), l as probab ilid ade::;
de los siguientes sucesos
i ) Por lo m enos k ele los s ucesos A y B o cu rran (k = U,1 ,2)
ii) ' Xi'\.ctMncn l, c k d e los "11(" C,,O S A y B o cmr all .
¡i i) A lo Sllrno k de lo" Sll CCS OS A y B o curr an.
j \ ') PO] lo menos k de los ::;u cesus A , B Y e ocurran . (k= 0.1 ,2,3)
\, ) Exactam e n te k de los sucesos A . n y C ocurr::cn .
vi ) A lo sumo k d e los sucesos A , B Y C ocu rra n .

19 Sea (O , A ) 1111 es paci o p rolwbilizalJlc V seall PI ' f..J2 . . . P" CllII Ci OlICS d e
jJJu haiJiJ id ild ddl11i da..., s()b rf' A [)l 'l l luest l< ' Cjll\' si (J 1 1.12. ( i" ,, ()ll II Úl1l l '­
)Ib 1(,,¡Je,., llll 1I( ' g,l ti\"(IS 1i\]¡." t¡ 1\(> ¿(J, - 1. ( ' ]]t(lIl( ' (';" Id rlllW i (')j ] p '

l lc'IIrlidil pOI
n
¡')'( A ) = I> , P (A ) Ii A E A

es u n a fUllc ión de probabil idad sobre A.

"...._ - ­
Capit,uJu 1 Su cesos y Probabilidad 40

P ERSONAJES DE LA ESTADISTICA

Ronald Aylmer Fisher

R A Fis/lrr ( 1890-196'2) naóó el 17 dr Fr; brr;ro dr; 1/590
e l1 Lo n dres i ngresó a In Unwe rsidad de Cam bridge en
J(}(JI) drm de esfllrbó Mat f' m áticas Astronomía iJ Fh alol)ía S r
(/TGdu ó ( (J/I ¡/Onol es é' 'I/ 19/2 511 f¡¡f,,1' és po'!' fu teoría de lo~
erron s lo licuó (t cs!,ud¿a/' los p1'O blemas ¿eón('os y (¿plicn do s
d( 111 ['..,./, (/ ,//,,/ "(,( 11. F lu Jlmfl,' o1' de l 'O,1"'i O,,<.; I/,Tl I.I'('(·s'l dw!c.' '1/1­
ylcsa" de ,d(' l UL j IW:;! IL 19 19 ("liando aceptó un oIn-;cTfI¿ é n. t o
¡iUm IXO/¡OJCL1 como w l' f'sti gador e1l la E.', tan ón E cplnmelUal
i\I/Tú:o ICl de Ro tham sted. En es te in.jtÜ'tlt o de ZT/,vcst1Cj acúmes
prod'u)o la mayoría de ·51lS grandes co1lL7'ib tlcw nes a la Es­
tn dístÚ:n.. principr¡jmente en las áreas de diseño y n:ruilisis dé'
e:rpel'i-t ru;r¿tos ?J enqenética. Puúlicó 'un nÚT! u: 'fO únpo'l taut e de
libro s y artículos entre los que podemos destacaT: Statisi'lcal
M cthods for- R csca'fch Wo rker-s (1925) Th e Genetical Th eory
of Na L'ILral Selec tion (1930) , Th é Design of ETperim ents
(7 !J::J5) Y Statistical Tables (1947). En 1933 sustituyó a K aTl
p(:w'S(}'f/, (,(j'fl¿ () vrofes U'l (-;'f/, el Un i,v c/s'ity Collu¡c . lo Ij tLC nI)
r/,r}(t de SIT " ónic{) lJ IL q-u,(' j1/C nm pÚ/J lú as las (l!.s p n!, o,,<., f'TI/,/'t'
( slns do s ( ' I -t 'f"(f{) /"(h rt (f.rw .~ 7wrS () /l.0J ' s. Fu ( n rlr/l'l l u ¡o (" In
Hoyo! .)'l u / Isll ut! S() e l e/ y ( " fI 1iJ,'-!9 l.J pn){'!,lIlior!O ( :o)J I/ /ln{)
pO I 1(/ Rr'mo di; [ n r/l a l!'f'/"(! el/, ¡ D'),! g fl /0 (" n!V!' l s /(üut de
'1dc/u ul (' (I)'"lillll ó " as UI'(I(' ,Stzqcu:úmes hasta que fa lLeczó el 29
de JI/ lio dI' 7962 (J. la edad de 72 mi os
D(' ( 1 ,-;p rUjo: " . ero cálido 1) o,j'erf1wso con ,,71,S amigos. pr:m
LUl II /J ién I '/{J j!osee.dU'l ele U'fI krnptT O'f/Wn to inr:onlro lo.blc , . . '1/, '/1
apas /,Onu do pO'l /11 ile}'dad cie'f/,tíjica ... y elLcTm go irn jJlu,ul)Jl c
dI' uqu éllos q ll, C (;'I"itiwban sus traba jos. La p'IOfu ndúlarf di
,'1/. l)(~ ?/'S (L''' ¿ I Cn Lo era admirable pero sus f'seT?lo ::; ¡'es'utl abwL
difú:tJ ps de c()'Inprpndr:1 ¡!n,m In. mayoría de S'Ii,S pstudi o'flt es .

--- ------------------------ /
,
Indice general

2 . Espacios Probabilizados 41
2 .1. E spA.cios p r oba b ili7. a clos finitos 41
2.2 E s p acios probah iliz;ados fi nitos con puntos equ ip roba bl es. A n á li­
sis com bi n a l oriCl 4:2
2.J. Pruh d!Jilidddes 11lUlti Jli.Jlll i" l e llip crg(,OlJlr llin\ 51
2.-l. Fl111ción d" pm lJalJ ili d,ld (' ll Csp c\(·jns IIJ \lCc>t l alc~ m fi lJ i tos f l1l­
II H'U\!J!c " .] ,1
2. 0. Flll ll ióu el e p ro ba b ilid a d ClJ C'spacios Yllll estLtles in fi n itos 110
llUtrHTdbks 55
2.G E jerci ci os 2. L 58
Cclpj¡ ¡¡lo 2 Espacios P robabiJizados 42

dOllde k = ll( A) es elllúlllero de elementos de A, de lllodo que:

k k

P (A) = P (U 1lJ a;) = L P(Wai)

i= J 1= 1

Si B es cllC1Jquier oi ro , uceso illcornpa,tible con A digamos: B = { Uió l '

(I )b2 . I/! bn , } dOllde Jll ..= n(B ) ( ' é, el llÚllW!I) de C'!('lI ll' llt o c; de 8. Cll tOJI ('S 1<-\.

llllió]]'
, U T3 = {1I 'ul · l.I.'u2" . 11'" ,. (1 ·'1)1· 1./'1;2 · .. (I 'bn ,}

I¡ ,, \1 prubd hi1iddd.

k 111

= L P(w",,) + L P (wód = P (A ) + P (B )
i= l -i= 1

Estas ideas ,'ugieren que la especifi ca.ción de las probabilidades de los

puutos nlUes trales es suficiente para definir un a fun ción de p robabilidad en
uu espacio m uestnu fi nito. E n realidad ese es el caso, Lal com o se desprende
del sigu iente t eorem a, cuya demostración se dej a corno ejercicio.
Teorema 2,1.1. S('.(J, D = {w ¡. W2; .. 1Un } un pSP(J, r.?o nw.f'.s tm l jin1to (J,soóado
u U.H CÚ"1·tu e.cperiTn entu alent m ·iu . S r: ; u la fun ción p. P(S l ) ~ definido de n
moelo r¡W?
1- () :S P ( U' ,) :S 1 vi
11 . - L:'=I P ({U' , } ) = 1

lIZ . - P(A) = L UlE_ I P ({w})

Eutouces P es Ulla fUllCió ll de pro1Jél.bilida.d sobre (D, p rO) ).

2.2. Espacios probabilizados finitos con pun­

tos equiprobable s . A nálisis combinatorio
Supondremos ahor a que todos los puntos muestrales son cquip robables ,
es decir . P ( {lOi}) = p vi En ese caso:

P (D) = 1 = P (U{u' ;} ) = L P ({w;}) = np de donde p = l / lI

Capi tulo 2 Esp acios ProhabiJjzaclos 44

h Jt('l' Ve!los q u\' c OlltielH'll ToL-tl el • elltem s

nÚllleros que COllJ i(-' Il/' (\.lJ por 1 ('11 el inLcrndo
1
JO El lO

l OO 19q lOO

lODO 1999 1000

10000 19999 10000

100000 199999 100000

1000000 1999999 1000000

]]111 11
luego
_ 1,1 11.111. _
P (,4) - - O 37
3.UO()()OO )
E l h echu ele que la probabilidad ele UD su ceso A, en el cas o d e cquipro­
h a bilidad sea el tot ilJ de elem ent.os de A sobre el t o tal d e ele men tos dE' 0 ,
nos la c onn'l1i('lH'ic\ ,1<-' C<>ll OC C'l" ci (' r·t.o s p nJ(" pd ill1i('lIt()s dt' ( 'll u nl<'1i:H"i('m
S llg i (-'H'

de cOlljnlltos . Estos j)I()C e dllllielll.OS I'csu ltaní ll p iul icnL-Ullll'lJ tf' útiles Clt ellld o
IIOS ()ClllJ<-'11l0S de s\']ccción C!\' n ll1csl l iLS alC'a\ () I"IClS

Antes d e csl,mlii1,1 los lll LOdos de elllll llenl,cióll de ("OllJUllLos, es necesario

p rCS{~ ll t al las r egla.':i b¿u;;ici:\s de adi citjJ1 y multipli ci:\,ciúll.

Re gla de adic ión

Si los coujll ntos A l , A 2 .. . Ak son disj untos. ent onces el t otal de elementos
d e la uniÓll de ell o ' es igual a la s uma de los toti1,les de elelllelltos de cad a
cOllj llnto . Es d ecir :

k k

n( U A ) = L n( AJ si Ai n A j = 0
;=1 ;.= 1

Regla de mul t iplicación

Si al selecci on ar elemen t ()s d e un COllJl.lllt.() lIU ",)cío para fO j'llldl"" conjuntos
or<!Cllil (J OS dc ' tAlndllO ].;: (k-llp h s) , () (t lIT e que C'x istE'll "l e lcl11(~ lIt. us p osil Jlp.s
petL I O("llpm el lugar 1 1/1. C!cUH'lll os posihle::; para O Cll p ;\,J" r:1 lngil,l" 2. /lk

c'I(,IllCl1t u:-' po:-,ihks p a r ,) ()( upa )" , 'I I l lg;-tj' k l'I l\ O]) C(,:-' el rot a l de k -llpL'l.S p usi­
bi es ([el(' Se' ll1 l(' deJ[ for m a r P.S igu al al jJrodu('to: f/ ¡'1/,2 . . . Uk
Capitulo 2 E.sp n,cius PlObabiláados 46

Existell 11 elelJlellt mi posib les p ara ocupar el lugar 11

El total ele arr eglos posihles d e t arnc:u1o r es cnt onces :

n 11 . . . 11 = n T = VI!
71 , 1'

U11<1. apliciLción important.to de este r esultado consiste en que elnúruero

tul ¡-~l d (' 1111lestul.:-' pusibles con rccmpbzarnicu to d e tcl.m aÚo r y considerctn c!(J
e] ()lc!Cll , exL¡¡-\ídas ('11 llllil j! oh1aciÓ1J ele ( Cl lllaúo JI es

E j emplo 2 .2.4. SI (/ lo l)ohlo n (Ín. f OT'1J/II.I/ n. {J o'! los ele mentos (¡ , b, l ' Y d, La"
l} (}.~i!Jl( ,) I//II( ,.,l! LIS di tlllllll'l W J ( UII n;u ¡¿jJluztL'fI llcnt() (J (;(} 'lUil ¡} enm r!o el (}ult: n.
gil!' se ¡JUeden cJ; Lnw'l' ::;on.

C((J, al! U,(; (¿e!

ba bb be bd
ca eb cc cd
da d/J de dd

tuyo totol es, V/~ = 4 2 = lG

Definicion 2.2.3 (VéLri ación d e n elem entos d e tama ño r). Dados n ele­
lnentos diferentes al, a2 ' . , a n , se define como variación de tales elementos
dI? tornarlO r. a todo arreqlo de tamedío r que p1U~de f ormarse con dichos el e­
mentos, c,n el cual no se p'Il.eden TP- pcliT los elem en/'os .IJ se cunsidcm el ()'lde o
('(!I'I/O ITitr1l0 dr dlf('/'( ni iO('} ól/ , El II./í mr ro i n/u l di /'I/I/ I/I' IO/,/(,' dI !OJII 01I() l '

/0 /'(1)'/'1','" /illlle/i/O,' /)()/' ';,.1 .IJ 1 ,' ly'l/ u/ u " ( , ),

Se r1en OJllill A tactorict] r- ( "~i ll l0 (1<.' n, y se dt' JJuf ..l por " (, ) a l pl'Ocl llC tO :

n (r) = rr
)=1
, '
('17. - j + 1) = -,-----..,­
(n -1')1
ni

Apli( a,nrln léL regla, de la nJ\lHip liu\cj¡'m (('nemos

Exi sü:ll 11 elel1l(~ llt()::;

pu::;ibl es ]Jara ucup a r el lugar 1
Exis t ell 11-1 elem entos p osibles pa r a ocupar cl lugar 2
Capitulo 2 Espacios Proba,bili zados 48

(<.\!W1.ÜO r C1I los cuales sí in terC'sa el ordclJ v !lO pU<,dE-'ll rellc>rirsC.> los Clelll C1I­
l oS . ('s decir el total dr yari,wioncs \i:,,. [ ' or tFl nt o :

ni
,.1 ( '" " \ n." ­
(!I - 1 )1

d e dOJl cl c :
C'iL./' = \1" ,.,. =
71

Una a plicación importan te d e es te r esultado consiste f'n que el ntÍmero total

ele rYl11 estr::\.s p osibles sin reemplazamiento dr tamaño 1 v sin consi lerar el
ordeu , extlClídas ele Ulla poblacióll de tamaño II es C n;I '

Ejemplo 2.2.6. Sea la población formada por los elementos a, b, e y d. Las

J!o8 ihle8 nwestms de iammio 2 sin Teemplazamzento y sin considerar el orden,
qne se pueden e.Ttraer son:

ue ad
/)(; hd
!;J

¡U (jO I.otol rs (',]2 -= (~) -- :fi~, = ti

Ohs01"vesc <¡lle :-,j pcnn u t amos es ta,'i 6 1l11lest r a,'i obtenemus 18..'-; 12 l1mcs­
tlUS dE-'! e.¡emplo 2.2.o , es dec ir. las \"ari ac ioues,

Defi nicion 2.2.5 (Combillac ión de n elementos de tamaño r con r eprtición) .

Dados 17, elementos dif eTenies a l, a 2 ... a1/" se defin e como combinación de ta­
les elem.entos de tamaño r, a todo arreglo de tamano T que puede fo rmaTse con
dicho s elementos; en. el cual se pueden repetir los elementos y n o se eo nsidem
el orden conw criler'io de diferenciación, El númer-o lotal de combinaciones
- n-on rrpc t,1,(;W77
¡ t () TrW .Tl.O
r,l' ' . , I,() ?{~ J1Tf's r.:n/'aTc
' R ' I 11, (n+ 7r'-1) .
m08 por Cn.!' V CS 7.g11'(1..

La d (:w ()::;[. racÍ úJJ de C::i tl; ]( '::iltlradu C::i 1I11 pocu m:t::i compl icada que las
r111teriurcs y debe h a cerse medi allte inducción con respecto el 1'. \' aplicando
j a ¡-cl¡-tejón

~ (,: ~) "ILT/ )
(r + 1 COIl II V 1 ('1.!c:S qu e 7' ::::: (] y n ::::: 1
s -()
(;a)Jit ¡¡lo 2 E SpfiCi o.'i PlObi:lbilizaclos .50

Este r esulta.do se d eriva d e la form a sigui e11te

En el caso en el cual lo elem en Los son diferentes , de 'igna.mo por (L li- U2j ' a" 1.:
el H.lTcglo en el cual el elcmento n 'l UC l1 [lct el lugar i, el elcmen tu 0, 2 ocnpa el
lu gar j , .. , el elemento a,. ocup a el lugar k. D e esta manera, el to Lal d e arre­
glo" posi bles de lus r elementos en la.s n posiciones es igual al tutal d e arreglus
d e su bínd ices que podemos asignar a los r elementos, tomados d el conjunto
(1, 2 ' .. n) sin qne se r epita.n los subíndices y considerando el orden, es decir.
\ '~Ii .

EIl ~l casu C11 el ellal lo::; elemen tos ::;on ig uales : a . a. ... a , clesigIlC\.lllOS por

(( l . (L~ , (I r d arreg]o <:11 ('] Ola] lel.s posi c iU!les 1. '2 r f'"t::-ín ()cllpad a.s , El!

C,sl.(' caso. el [uf.al de 8.nc,I?;l us de lo" l' c1C lll Clll (1:-; (,ll la" II p USiC:ÚJllCS sed igual

al l nl al de ¡IlT('glus el(' SlI blncliu 's q LLe p o delllos H..'iiglliH ,1 los r dCnH'U\(JS

\ (llll,l(!O" riel (UlIj lll l(() (1 , '2 . . 11) "in qlle St ' repitan loc. s lI hí l lcl i r-e" y ,,¡ n con­

siderar (~l ordell, es (lecil'., Cn " .

Ejemplo 2.2.8 . Dados lo s elementos a y b, lo s posibles arreglo!) de stas 2

elementos en tres posiciones son,

[losicionr.s
1 2 3
a h
11 U
a b
b a
u a
b a

(1/,.1/0 total c~ Vu - 6, S I lo s (1('!lll'nt o" iI .lJ h fw sel l l(jiWIr' S . los (// '/ C(/l (} e'
dlj f l'1'n!.c,) S('{'J'(JII .')ol(/I/I('II/e Lo, Ires !J7i?I/(,/,os () S(O , C';):!

De fi uici on 2.2.7 (PClllll \ti:\.l' \Ón de lJ cJcn lClltú" con repeticióll ) . Du do" TI
elp11I.en ¿os de lo s cu ales 17, 1 son de '(¿na clas e el, n2 de una claCi e e 2 . , . nk de
'un a clase el; , Sr define r07no permuta ción de tales elementos con repetiezón , a
todo arreglo df(eTente obtenido con dicho s elementos, inteTcam biando el oTdm
de ello s. El número total de perrnutacwn es con r'epetición lo repres entaremos
'{JOT P ,, :nl1l2 .. . llk Y 1;8 1.91/,al 0.:
Cap iLlllo 2 ESP¿lCios Proba.biliza.dos 52

contp'l)(j(l, n i el e'ITI, e nto ~ de la clase Ci (i = 1 ¿ /;;), rlo'n de la .5l1:ma n I +

, n I.- = n , se denomina ]Jlohabihdad multinomzal y viene dad a por,
'11 2 · .

( ~: ) "1 ( .'_~~ ) n2 ,, ( '~: '1,

)

La probé! lJi lidau busc8 da vi eup, lladd por el LOLal de lllUCS tl a.., con l'eelllpl n
zam ient o que contengan n ; el ementos el e la d a 'e e, (i = 1, 2 " , k), d ividid o
por el tot al de muestras con rcemplazami cut.o , E l tot al de mues tr as con re­
empl azamien to es V/J n = N n

Las lHuestr as ('011 reemplazamiellto que contieuen elelllentos de C\ ell las pri­
m eras n] p osiciones , elementos de C2 en las sigui entes n2 p osiciones , ' " y
elem ent us de C\- en la.., últimas n" p osiciones son N; ' N;"2 , l\T¡'I; ,

P er rn ll t ando estas mll p.s tras obtenemos un total d ('

N;' 1 N~' ¿ .. . 1\1;.'k

n¡ I Il :J 1 .. , II ,, 1

Luego . la pr () bah ili d;-td lm::;cac!c\ e::;

V"',
, k'

Definicion 2.3.2 (Pro lmhili cl 8d hip clg('omé~n i Ci'I.) . Do.do. un o pablación d.r
N ele'rnento s, de lo s C'uale::; N l pe'l1 eT/,f:xen ¡¿ w w clas e el' N 2 peTlen ecen u.
e
un a clase 2 , " N k pertenecen a una clase C k , Se selecciona aleatori amente
sin reemplazamiento 1ma muestra de twnaiio n , La pTObabilidad de q1¿e la
muestra contenga n i elementos de la clase i (i = 1, 2 , , ,k): dond e la suma e
n } + n2 ' . ,nk = n , se denomina probabilidad hiPf'-rgeo m étrica '!J viene d.n,da
pUl :

L\ dCIlW:-: 11HC ióll de ('sLe Il'slll ta rlo (' S si J\lilm e\ lo. HJl(Pl i m '

Le\, pmlJ(\lJilidC1 cl lill:-,cadc\ \· i Cll C ddd o\ p Ul' d t u litl c! (, Jllllestld S ::;ill lt'C'lllp]iL/,CI ­
1111 ( '11( 0 q l H' (On((,11 i';<\J1 ll , d(~Jn(, lI(() S <.\ (' la cl as(, C. l i = 1. 2 ,. k) , dividido
Tal plOu a bilidad es del ti po Ulultillolllial si el muestreo es COl! reem plaza­
mi ento. \ elel tipo hi p crgeomécr ico si el mu es lreo e sin ree mpl azami ento.

Ejemplo 2 .3.1. En un lo [e que consta de 100 piezas, hay 20 defec hwsas y 80

no defe ctuosas. Se seler:óona alentor'inm.entr. 5 de cllns Hall e In llro babilirinri
de obLener 5 piezas def ectllosas y 5 no defecLu,osas.

E n este caso t enem os:

Población 20 defectuosas Muestra G defec tuosas

(100 piezas) 80 no defectuosas (10 piezas) 5 no defectuosas

La proudh li dc),(J IJuscél,d a, será:

101 :20 ) -) ( K() ) ')

(- - = IJ .U7
. 1(l() lOO

si el lllues trco es sil! reelllplazam ieuto

2 .4. Función de probabilida d en e spacios mues­

trales infinitos numerab les
¡'-Jo es di iícil concluir que cuando D. es un espacio infi.nito numerable ,
p ll erle gcnera lizar,se el rcsult ad o obt<:nido en el teorcmél 2.1.1 . Esto se dch e a
que talllbiéu en es te caso, cualqui er suceso 110 vacío puede expresarse COlllO
unió n num erable el e pun tos muestrales , y por tanto conoceremos la probabi­
lidad de cual qu ier suceso A si (;S cOIl ocida le. probabilidad de cada uno el<; los
pnnt o ' murstralcs

T(~ () rema 2.4,1 . Sea ~l = {U ' I ' 11 "2, . } II'lJ ( ' /)fU 'W m/l(,"/Uz!lII./illllo 11 /111/.1:­

mld( (}S()( l.IIr/o (f UII ('/( do (J'j J('!'I¡¡¡,( 11./.1) u/cu/u!' /I! . S ('1/, /1/ fl/.il.l: ú Sn p . p rO) - -'7

R clcfi/m!u. c/e II/(ido (Ji te

/..- O S P ( UJ i) S 1 Vi

l'l.. ­ 2::::: J P ( { wd ) = 1
nz, - P(A ) = '"
L.JwE A P({1C}'
' I
Capit ulo 2 Espacio, Pmbélhili zados 56

lllllllemb le d e puuros lllllestrNPS , el cOllo cillliento d e la fUllCió JI P para es tos

succsos elcm ell ta les ser á de po ca uti lidad para d etermina r la proh a bilidad de
C'llAlquicr ~m(' es o.

O cu r n ' ¡LC!t:I1l¡:¡'-;, (!11!' s l'll u l-:;'; posibll' P¡cL/' i\ Ull cO IlJun tu lllln lt: n Lbl( , ,k P I1)!·

tus lllues( r Clles ccn Cl [J I'U IJi;\1Ji li dCJ.cl positiVi). vd quv

,1 1, ) In :\:, J CI('llH'lllf) ]lllrlní \('1)(')' pr()ll;\hilirlad Ill <-! \,()]' que l / l.

il 1,) ¡lle),., ¿ cJel\ lvllt()S J!uclrcíll t euer prollC1IJilid8d Ill ClyOl que ] / 3.

a 10 lI lilb (ll-]) elf'lllC'u Los podráll leuer probabilidad mayor qu e ] / u ,

p am Lo do 11. D e (,al m a.n era que la "mayoría" de 1m; p unCos mues Lml es tcndn\'n
p lOb abili d,Lcl cero si n
es infiuito no numerable.

El ejemplo más conoci do e importante de esp acio muest r al in finito ll O

es el cOlljnnto de los m'lm cros r cales R. Un FL vez cs t ncli R.do el con­
I111111 Cr i'l blc
cep to de YRlÍa ble alcat.ori a en el capítulo 4, enLenderemos que éste es el nico
('¡\SO ([1\,' !lOS infl'H:'sCI l'st lHliar.

Eu l'] Sigllicu[,( ' I eorcma \'('lemos lpl " .si ~l - R. j)oc!r(,l llo s (' ¡¡] cldar la
pllJl¡¡-Lllilid;-ld d( c\J<llqllil'1 (ho r(' lie\llu ) ,.,i
S\ lC CSU ( )J1()('('mos 1.-1 f1llj(' j('1l 1 dl' p ro­
1)¡11)i!idill l pMdlos illLcn',¡jos de'l lip u (- X.l]
Teore ma 2.5.1. S('(/. el ( ' S j)()( ' ú; ¡'J1 o!Ja!Jl/' úo !lo H'ul (R . 13 R. , P ) para r) ("tU/.! sr:
co/lOcen las jI'l'U uu,/J'iZul(uLes del tlpu F (( -80 J]) pu.ra Ludo :r E R. E'nlollce::; /:'.';
{Jos ,tule co)clIJaT las probabilidades de! ilPO :
1. - P ( (l . y]) L' - P( [:r:. y])
á.- P({ x }) m.- P( (x.oo) )
iii.- P ((L, y)) P( x, x))
VZl. -
7.'/J.- P ([ I 1j)) 1,ii1..- P (( - 00,T))
J) C'I/ w::;[rució 'I ¿.

i.- P(( x .y]) = P ((-oo,y ]) - P(( - oo , x])

71.- P({:r}) = P(l i m( x - l / no T]) = li m P (('r - 1/77 xl)
ú¿- P (('e .1/)) = P ((.0.,I/]) - P({Ij } )
¿¡¡- P ([T . .lI ))- j'((r , y) ) -c /-' ( {.I})
( 'apil ¡¡Ju ;2 C SJ1¿l,( 'w ,<-; J> ronrl/Ji li %i!clo,,;

2.6. Ejercicios 2.1

1 Demu estre por ind ucción la regla d e la multiplicación .

2. Se seleccionmJ :üeaLoriamenLe . in reem pl azamiellt.o :3 números entre

y lU . H i:1,lle he ]Jrohi1bilidctd de los sigu ient es su cesos

i) A = {qu e los números 1 y 6 h aYétr) sido seleccionados}

ii) B = {q11(, lus ;) números SCi111 cUllsecutivos }
iii) C = {que los 3 nmeros sean p ares }
iv ) D = {qn e el men or d e los nmeros sea 5}

.3 Se selecciona aleatori amente un número en tre 1 y 10 , lu ego se selecciona

()tro e ntre 11 v ·'íO. )" h lt'go otro ("~ nr rt' 51 v lo () . U all!' la p rohahilid ad
d(' los sigllienl('s Sl.l V'suS

i) A = {q\Je 1,).,; .'j IIÚIIH-'1 ()::, c,( 'eUl Ill1í ltljJ l()s d( ' :-l}

ii ) B = {qlle do ~ lll 'lllW WS sc'all pan"'s \' el onu impm }

..]. Se selecciona ale a lori a mente un núme ro en tre 1 y 100. H all e la p ro ba­
hilid ctd ele ub t cner uu cUi:1,drado perfecto si:

i) To d os los números t ienen igual pr obabilid ad

ii) Lus n ú m eros ent re 1 y 50 ti enen el doble d e prohahi lidad (}Ile l o~
números en~re 51 y l OO

'í De (j númCTOs pus iti vos y 8 lI egat ivus se eli gell 4 :ü azar sin reemplaza­
llli eu Lu , y se u llllLiplicilll ¿Cuá.l es la prob abi lida d d e que el pro ducto
St'H un n ú m ero positi vu"

6. Co nsi dere JoterÍc\ elE' lOO boletos qu P ofrpce (Ol U O prem ios S carros
LUlA
\" 8 m o Los. Si p prsona r COlllIJr:\ 4 boldos . h alle Lt ¡llol"mhili dacl ele
Illlil
los si gllicntcs :-illC CS()c,

i) .A .,., { jl P, itll i\ 1 ( i 1110 \ . :.z III () t os}

ii) B = {P ]]0 gallH ll Wgl'1H pn' flllo }

iii ) C = {P gema 81mP llos U11 Ill elllio}

iv ) D = {P gana exevt e1.111cntc lUl premio}
Capitulo 2 Espa(ios Probabi1izaclos (¡()

13 Supollga que 4 persollas asisten a Ulla fiesta. Ell la elltraua uel salóll
depositan su so rnb rero en una sombrerera. S i a l sali r , cada person a
r ecoge 11n somhrero a l clZFLr, cllR,1 es la prob ahi lida d de qu e

i) Todas las personas rC'cojan s u p lOpio sOlllbrero

ii) Al ll1cn os m m pcrSOWi lCCOJi'l ,'in p rop io sOl nh rcrn

l4. DCl1lUC'stre C]1te

i) C') = e,: J
jI) (In) (111-r ") (m h--u-IL l.).
It
= ( 111) (k+r)
h~/ ' k
(k)
1t;

¡ji) ("'n -- ll) + (m n-l ) = (In )

'TI

iv) ( X ~~~t) = ( l+~ -t ) = (~')( _ 1 )1

15 1) Halle el co efi cient.e de :r; n ell el desarrollo ele

ii) Utili zan do h partc 1 demue!:itr e qu c
(Suger encia: Igu ale los coeficien tes ele xn en los 2 t érminos d e la
ecu ación: )

Hj Se,l ('l C'sp~tcio muestr al O = {l, 2 . .} . v se a la fU llción P : l3T(. n í) --1 R

tal que:
P (II ) = c(2(3 )" Vn ~ ~2

0 1¡rc llga:

i) E l valor dE' e
ii) La prohahilicl8d del S11(:CSO cOlltürnl a do pm los m ú ltiplo:-; ele 7

17 S t~ a el espacio m uesLral O = {O. l . }. Y sea la función ]) : l3T(. n O --1 R

tal q ue :
2w
P (w) = e- 2 ­
'w l
Calcule

i) P(O )

ii) P( O ::; w ::; 2)

jii ) P(/{! 2: 1)

('npi tillo 2 EspHrios Pmhél hiJj7.ados

rEnS O j\T/\.n~:s E LA ¡,-:ST:\ U1STIC\

K arl Pearson
Km l r emson (18:;7 - 1936) ?!'aC'lú en Londres el 27 de 'marzo
de 1857 en 'una familia de clase m edia alta de Yo rkshire.
En 1875 ganó una beca para estudiar matem áticas en el
lúng 's College, dond e estvdió adem ás filosofía y r-eligzón.
Se graduó en J 8 'lD en la Universi dad de Camb7 'idge con
los más altos honores. Durante 1879 y 1880 estudió en las
unú'ersidadp.s de B erlín :ti Heidelberg, dond e cursó literatl¿Ta
y den~r:'w r01"l1O.no . En 1888 se dedim a la dor:enci a. en
m uLe rn.ática::; en el Kiuy 's College , convirtiéndose en 'U7W
de los profes ores más notables de su época. En el a7io 189 J
conoce al zoólo{jo Walt er \;Vpldon , con qu.ien lo unió 1l7W
c::;Lrecha IJ,T/úsL ud dvxanl.e mi/ellO" ruios. 1/ cuyo in.tl1len c¿(¡.
lo ¡¡ 'I Z O 7.nf('T-eSU,TS( 7!OT' 11/ fjell/lil'{J .iJ lu (') lof1luón . F' PJl l'sm ) ,
11 '( Itloll .iJ Cult(}/I f{l.('!(}f/ !(J,., IU'lI.dlld I!TC,' (11 /u. jJl'cstiyiosli
I'C U'lsta BUJillc!nJ..:a, cuyo p nr¡¡ c l' (!o!7/.1 nen apul'eció el1 1907
De PI'Q1son SOT!, fmn osCLs Sl¿::; uealmudas y públiros disrnd as
con Fzslu-:T sobre dw ers os lernas estadístico s. K ad PeaTs on
f o,l/er:ió en Tnglaterm el 27 de ahril de 1!JS6, o. lo. edad de 7.0
(¿'i¿os. Sll h'~jo, Egon PeUTSO'll, siqlliú s'us pc¿::;os, llegando u
seT design ado como Jef e del Departamento de Es tadísti ca en
el Uní7lersitv College. Entre S1¿8 n7.lmeTOS0 8 aportes p1¿ f'. den
mencionarse el coefi ciente de corrdación lin eal, la distribu­
ción chi-cuadrado y las pT1lebas de bondad de ajllste.
De (n se d'ljo .. Era nn hO'ln bre de una gran inteligencia,
que además tenía la gran. vi'rU¿d de expl-icaT claramen te los
:'
m lís Nim7Jlico.dos tem.as . "
Capítulo 3

Probabilidad Condicional

3.1. Probabilidad Condicional

rll ()(llYTP 'jUl' d i uLiC'ular ti proh ahilldad ck un li erto
a lgulld:-i ')l',L:-iioll<':-i
"L1(' ( ':-'U _ ~(' tiell<'
ya \llld iufut lllac- ióu , L("( 'r (,;-) d d n~s u l t.aelo ele! eXjWrilllfc>ntu
'1.lt'iH on o Sup nng¡-1.mos por ej emp lo, que S(-~ cono ce que ha ocurrido lln cHorL o
SIlCCSO B. Es t¡-t inform a ción adi cion al reduce el espacio muestr a l d e n a B. y
p arece lógico pellsar que ahora. la prouah ilielad de A h a d e ser di fere ute al
caso en el cual no se conoce tal infunni:1ción . Es t i:1S p robabilidades se deno­
m inan condicionales ya qu e están con dicion ad as por la ocurrencia d el s uceso
B Adem ás, resu lta más o m enos claro qu e la prob abilidad condicioual ele un
Sl1((':-' O daci o el su ceso B dehe ser 11nR. medid R. cl el grado d e im plicación rl e
A plOpOl ciouaclo p or B y ha d e ser relativa. a la prob auilidad d e B.

Para. h allar la forma ele la probabilidad condicional, nos b asaremos en

UllrR./',onallliento intuitivo ",cerca de las frecu en cias rela.t ivas : Si en N prueb as
de un experiment.o ha ocurrido N(B) w cu, el su ceso B. y ent.re esta.~ últi mas
ha IC'sultCldo l( An B ) y('ces el suceso A. temlr n l o~ la." sigllicnt C's ü ('c uf> nci¡-):-;
rchtiv8.<; ·

i\,i( B )
f ( B )=-J­
N
La frec w'> llciH relativa del sucesu inter secc ión A n B
J(A n B) = N (ANn B )

63
Capi lulo 3 Probabilidad Condicional 64

L 1. flf'CUe nci8 r elativ8 del S\lCCSO A dado pI SI l ceso B­

\" Lesullcl cJaro 411C :

¡- (A j E = /\ '( A n R )j N = 1 (A n E )
. ) N(B )jN f (B )

B asá n d onos en este r azona m ien Lo , p resentamos la sig uiente definición fonnrll

Defin íclon 3.1.1 (F'llnci ón ne Proha bili r\¡v] Concli cion ;:¡,l). Seo, (D. A, P )
1/ /1, csJ!aclIJ jJ'm ba.{rihzado; iJ seu B v:n suceso tal qu e P (B) > o. Se i.Ü;,tine

como júru:'Íón de probabilidad condicional dad o el suceso B, a la j¡meión

P(j B) : A -+ R tal que

P(A j B ) -_ P (A n B) A A (3 .1 )
P (B) para todo E

Ol)s{TVCS(' (jlle e Sla f1UI CI<)JJ ck !llu]);l,biJldild Clmdi ciuu nl \ 'i c']H' ,'xjJlr ,'ic\.c!8
('ll t (' ll11illOS de ];\ [UllCl('l]] d(' [lroLdJiJ id ad 110 COIlO icioJ]al P

Pma veri ticu q\le lél fUllCió ll ;:¡,sÍ dcfiuicla es HllC) hUl c:ióll de plOba l)ili­
eb,cl , has! an~ ( <l ll u r'lnost l<'L1 los t 1es ax iomas d(-~ la c1efin icióll 1 7. [

Axium8 1
Pcu'a c Ucl,lqu iel ~ u('e~() A de A se t iene que

P(A j B ) = P (A n B ) > O (3.2 )

P (B ) -

P (B) >
Vr), q ll C (J p ell' hi p ótesis y P(A n 13) > () p or ser Puna fllll Cióll de
pro ua,bilic lael .

. \ XiC JlllC\ 2
r,,) jJlO\)il[lilidélcl l'orldici (lJ]c¡] dd S[ \Ccso íI

r)
(q ( : j) r /' l B )
})( O j LJ 1 '- -------- = --- = 1 (3.:3 )
. P(B) PtB)
Cétpi /'Il] O :5 rlOba J)jJjda.d CUll cll('i01WJ (i(i

De talllldllel<1, que existeu dos m aneras de outeller la jJlU1Ji·t Lilic1 au cOlldicional

de A d ad o B •
• Calculandu prAl resp ecto del espacio mues tral redu cido .

• Calculando prA l y P(A n B) resp ecto del espacio mue,' tral ori gin al 0,
v aplicando la defin ición 31.1.

3.2 . Teoremas del producto, de la probabili­

dad total y de Bayes
t'~ ll ('SU\ S(,(,('Ú 'J\1 \ 'Cl('111I)S los \ ( 'Ol Cl l1 iI S bcísico,; jelc\.ti\'os ,ü uikulu d e 1;IS
prOhiLl Ji lidacles CO l\ diciclllales .

Teorema 3 .2 .1 (Teorema del pro ducto) . S ea (n, A , P ) un espacio probabi­

lizado , y , P.O, A 1m SU(;f'$ O tal r¡1U" p rA l > O Entonces. para, r:¡¿alf/v,ier ,, 1I,ces o
n E A se curnple qu e
P (A n E ) = [' (A) P (B j A)
Este ( (:or('J1]d es una consecuencia di rect a de la definició n 3 1 1.
Teorema 3.2.2 (Teorema ele la prob;:chilicla d t ot8.I). Sea. (fl, A , P ) un rs­
pw:i u pru l;au .¿l'izado, y sea C l , C 2 , .. , C n 'ana partición de n. Entonces, pam
cualquier suceso A E A se cample (jU r.:

p rAl = L P (CJ P (A /C,)

[Jr 1I1O<;!7'Ili/.ÓII 1'or d I ('\Jl"i'lll!\ 1.I ,G St ' liplle q \)( '.
,1

P (, \) = L e (A 11 e ,)
,=\
y por el teorem a ant erior
P (A n C;) = P(C, n A) = P(C,) P (Aj C,) e 011 P (C¡) > OVI
i'\sí qu e.
TI

P (A) = L P (Ci) P (AjC;)

';=1
o
 Capi t ulo 3 Probabilidad Condicion al 68

Suceso de Sucesos de Probabilidades Probabilid ades

ill lel'és j::t p::trt icióll él pr iori cOll di ciollales l' l' Odl lclos
A C¡ 1' (C,) P(A / C, ) 1' (C,) [> (A / C,)

I
I :--"il-CC'i( lila] (,aJa I 1/ ;) I ! 1(1 l / fíU
I

se! ('cci Ull ar caja 2 l/ 5 2/ 10 2/ GO

0elcc cional'
pi eza selecc ion a r cala ;) 1/ 5 ::l/lO 3/ 50
defecLnosa.
seleccion a.r caja 4 l/S 4/1 0 4/50

seleciouar caja 5 l/S 5/ ] 0 5/ 50

Llma 1 P(A) = 15/5 U

Los dos LCl'Ol'ellWc> siglli ellt es CUll c>lit l.lyE'll gellcrali z8('iou es ele! \é'Ol'eu.lél
ell:1 y sus d \! rn() s tnl(' i uil(-~S St' d ejan ('U ltl u t'F'I'( w i().
Pl' (J dlldo,

T eo rema 3 .2 .3. Sen (n , A P ) un espo LI o 7Jlobabiliza clo , y.'j( an .'1 !I B S'ILCC'O.s

lal ,'s !JIU: P (.l n 8 ) -> () EnLuTII ;fs . !1O.7"!L ("ualq1.[.?(-;1· -'u/.ceso e E A se c U'I nple
(JI/e:
P (A nB ne)= P (A) P (B/A) P (Cj. 1 n B)

Teo r e ma 3.2.4 . S ea (O , A . P) un espacio probabilizado, y sean A 1 , A 2 , . ....1"- 1

s'U ces os tales que la probabilidad de su intersección es ma yo? que cero. En­
Lances. pa1a ('7WlqmeT Sll ceso A" E A se cumple que:

A con t inll C1.ci ón veremo.'i un teoreITlel Pllh lica,do en 1763 por el R evercndo
TbolllFlS Bayes, que podría catalogarse CO lllO uno de los m ás illlportantes C11
la tpo ría d e la prob abilid::t.d . No solament p por que pu ed e aplicarse 8. una
all1pliet vMicclad de p r oblemas . sino arl crn:ts por que' const.it uye el p u nt.o d e
p :l.rt ida PCU'<I el u esélJ'rollo de unos turtodos iIlCC'] ('lI Ci ed CS llllly imporl ('l ll( ('S
cI"11< ¡ 111 illdc! U'i 111 ("\ (¡d e¡::) hm'('sIClIIII;; ,

Teoremél 3.2. 5 (TeOl ('ll1d d(' Bil\cs) . Sm (\2. A f' ) 111/ é'spu ci u pTol!abülz ll,(iO
e
y i>r;u j : C 2 .. ,( 'n una parLic /.¡}'TI. Ile í2 EnL()J¿ces . ]Jara clw.lqu ieT suceso A
Cap i t,u lo 3 ProlJ¡..t!)ilidacl COl ¡c/icionn,j 70

3.3. Independencia de sucesos

E n ,general se di ce que d o~ sucesos son iudcpend iclltes cuando b O Cll­
n encin de un o ele ellos no afecta la ocurren cia del otro . In(,uit.ivam ente es­
taríal1los in cli n8.clos el, decir '1ue b oC11rren cia del suceso B no afecté\, 18. OC11­
nencia elel su ceso A si P(AjB) = P(A) , es elecir si la ocurrencia elel suceso
B uo a fec ta la probabilidad de A, De la mi sm a form a podríamos decir que
la ocurrellcia del suceso A no afecta 1é\, ocurrencia del suceso B si P(A j B ) =
P (B ) ,
T al c's \'(' luciolles podríall llt il izcl,r~t' C(JllI O defin ició n ele ind epcn ckncia
el<' dos sucesos; pelO dlu r('llcll íd lcl d CS\'<"llLct.j8 de res ultar 11l1U rlcfiJ ¡jeú')j\ 110
C;inl(:-tliul y ildE'IlI,Í,S ('sr~J ía slljelil ,1 '11\l' JY (,~ ) > () ,1' 1' (l5 } > (J,

, \JI ()l'(\ \¡ic 'J I si lale;; lC1<1('IO]] ('S se l'llll lpl('ll , a plicall do C'l (,eorClll i-l, ~l L1,
lC1ICll j( ¡S

P (A I B) = p rAl =? P(A n E) = P (D )P (A j B ) = P (B)P (A )

igu a]¡neute

P (B j A ) = P(B ) =? P (B n A) = P (A )P (B j A ) = P(A)P(B)

ele m odo que p o dre lfJo~ decir que los sucesos A y B son indep endientes cuando
L1 p robn hilidad de s u intersección es igual a l producto de sus probabilidades
Tal defin ici6n es simétrica y válida aún cuando P (A ) o P(B) sean nulas .

Definicion 3.3 .1 (Indepen denci a de dos su cesos) . S ea (D, A P ) un espacio

TlTO l!abilizo,do, y 81'0.n A y B 8ur.r.sas evnlr.sl/w:r.ro. de A , Se di('1' (!1 U ' A !J B
,(m indej!(m clu:n l es si y solo S I, F (A n lJ ) = 1) (A) j'>(lJ)

E jernpl o 3 ,3 ,1. COILsidere el (' j W!I '/ w : 1/ Lo o!('uLu'l'io (¡'/l( ' CUlIS'/.S/C en lun ZilI ,

dos dados d'istiny'U ¡bies r;stwl¿c lo mde]Jcndencin dr: los :su,cesos '

,1 = { (III.C salr/cL 11 1/ '//:Ú'fIW!,() pm eu el primn dadu}

!5 = {qUf, seL/YIl un númuo impar en el segwLdo dado}

(' = {!l1/.(' lo. S'lI,rn o. d e' (I,mbas núm eTOs sroo. [Jo.T)

En primer lugar tellelllOS que

n = {(1. 1),( \ ,2) , . , (6,6)}

es un esp acio mu estral finito y cuyos elern entos son equiprobables .

Capi t.ulo .3 ProbAbilidad Con dicion al 72

Eu gen eral, par a. m ás de t res sucesos teuelllo ' la. sig uiente uefiu icióll

Defi n icion 3.3.3 (Tn dcp enn cl1 cia ele n s ucesos). S e.!), (O , A , P) un espaó o
p lU lmuilizucl o: :1/ J(:;an A l , A 2 ' , . A" ,'i'UU~s o.'j t..:'aul (:;s (j'u,ú,7I¿ de A, Se du;e q'al::
tale.s suces os son m'IJJ'lwmpn!,e independi en t es S I y solo s'í se ¡)(>'('i¡;w la '1'egl n.
riel ]l1'Odvrto pO'l 'il todlJ,,' las ('07l1 bin ul io7l(.s f)()<.;'iblc.';, c·, d( eh si J(' C'wnplc ¡ J(lHl
i , " 1., 2 . 11 U 1-.. -=- '2 3 ' Il r¡ iI ( ,

Pala prolJtll elllulll:es que 11 S l.l CCSOc SUII in dep elllliellLes h ay qU E' d eIllos­
Lrar las 2 n - H - 1 condicion es anLeriores , C onvieu e a d ver tir sin emb argo:
que eH lllU Chc,s si tw\,ciolles práctiu-l-s se procene en for ma inver sa: es el cono­
ciUll ellto d el problem a. el que nos permi te s uponer la illd ep eu dencia. de los
sucesos , y sobre estu b<1SC pod emus entunces C:1 p li car las fórmulas correspOll
client es pa.ra calcula r las probabilida des de las interseccion es ,

[)or ú l ti m u, vamus a el11\l1cia r un teorema qlle r ela.cio ll iL la con(iJción de

iuclcj)elldcllcia d e II su cesos COIl la coudi cióll de iIl dep elld p.llcia de s us C0111­
plelllPlllos :

Teorema 3 .3.1 (TlldqwlI (](,lIcia <I (~ II su('( ':-,us ) , Sea (O, A JJ ) 1111 ( ~ .'ijJO(,/.(J pw ­
!m/;i./izor!o ,v (:,("(w .-\ ] " \2 " '\" ,"'l/cesos iwLc¡J( ruh r ntl'8 di A E nton c!'s c'l/.al­
I¡ Ulcr (;Q77Ibin oC't ón dI'- es /o s suc sos 1) Sll,S co mplementos confo r man, suc(:;s os
i71 d PJW I/,dien te s ,

Preguntas de l-ejlexión
1. ;A (j'ué I' S 'ig ual P (A j A )?

2 l A q1/é es ig'Uol P (A j.4) ?

s ¿ Qué se qwe7'C decir con que la independencia de sucesos es simétrica Q

4 ;. So n 0 )j D suce sos independientes ?

5 ElI g pneml, ¡i. pu eden s er independwntes un suceso y su comp lemento '!

6 ;, Q ué 8'¿qm!ico. qw' tre s S'/Lr:CSOS !l. R 1.1 e "ean nmtuCLm pnte md cpclIrlientr.s /
7. P;'iI el (,IJ 'I 'I./n:l. o d.el {( ' ()"/ 'I "I/I(J. rll ' n O,!)1 s. /, ({ I/(: SI ' r! (,,{/!!/IIi,T!(/1/ !'/o /w.lnlil!(/,dcs 11,

/Irio/,¡ .IJ ¡rru{¡alJilir1Il!lI.) ti /' o" t,,¡-¡¡)/"i"

--- -------- ----

Cnj)i ( U lo :J Pro iJil l)iJhbd Clllcl jeiu1Ji11

7 GIl<I U:tj a cOlll.ielle LJ fidlUS lJlculUJS y 11 fidl as ueglGts. Se selecciollct

aleatorieuuell Lc Ulla fi cl w de la caja, y se H~ L i ra siJl observi:\,!" S il color.
Posteriormcntf' se seleccionA 11l1a segllnd a fich a. D em llestr e r¡ne 18, pro­
b ab ilidad de que la segllnda fich a sel eccionad a sea b la nca s ig ua l a la
p r obabilidad d e qu e la prim era sea blanca. CorrIe nt e

8 De un juego completo de 28 fich as de dominó s ha extraído una (\'1

(I,:6ar H a lle la probabilidad de qu e a l selecciona r un a segund a ficha.
ésta pued a juntarse C011 la primera

9 Se escoge a l azar un número denotado por Xl, d el conjunto { l.2,3,4} .

Un segundo número, deno tado por ::r;2, se escoge al azar d el conju nt,o
{L2 ..1;J } ' C R.]C;\¡]c

i) P (J;2 = 1/2:1 = 'i) i =--1 ,2 ,3 J

ii) PC r·¿ = 1)

iii) j ' (TI = 2/ 11 = 1)

1U. Sup ollga C[l W G ele cac!ct J UÜ hmnbn·'s y 2'5 d e cade\' 1ü.üüü mujeres sufn~ll
d altoui sllLo . Suponga adelu ás ql.l hay ellllislllO ulÍmero d e lUlljeres que
de hombr es . Si se seleccion a a leatoria m ente un a persona:

i) Halle la probabili dad de qn e sel1, d a ltóllico.

ii) Un a vez s elecciona da llna p ersona d R.lt ónica, ¿cnál es la p ro habili­
d ad de <.J.ue sea h ombre?

11. En un exam en ob jetivo se tiene que a cada pregunta se le anexcUl 5 po­

sib les respuestas. Se estim a que u n est udi ante con oce con seguridad el
JO % de las respuestas y es totalmente ignorante en ellO % (estas pre­
gllnta.'i lR..'i (lejA. sin contestR.r ) . En el resto de' la,<.; pr cgnntR.s, el cstndiant c
110 está seguro y t.r Cl,t,a de adivinar.

i ) rhlle la pmlJahilic.lnd de ¡¡Ile' U¡I CSLllcl l tmle ¡H ietlC \lJl ét clel,Cll l l i Jli\.d a
1'l'"Pllc"ta.

ii) e na YCZ que el estuclia nte 11 0 acertado, ¡ cuál es la prubelbilidad de

que r eallllrmLe con ozca la respu esta?

12 Sup óll gase q ue la prob a bi li dad d~' que e n un j uiciu , el juez legm'
d, u n

veredict o j UfJto es 0 .95, Supóngase además que de los iudivi duos Gajo
j uicio. el 90 % es culp able .
Capitulo :3 Probabilidad COIldiciol1Ld 76

con igu al probabi lidad. Puede hau er un tercer disparo h ecllO por B si
aún está v iv o . H all e la p robab ilid ad d e qu e

i) B mate a A.
ii ) Ambos resu lLen ilesos

17 DllS jugad ores A. ,\' B se ('llb cUlcU1 en Ulla cOllljJ et.ellci'·L d e t e llÍ s de
l .Jw'guc> . ll'SlLlliLllrlO ga.ncu.l()! J e lil llliSJllil t'l CjW' [('slllte V('IH'cdol' ('ll
dos ]l H'g()S. EI1 ('"tri,,\. ]lMtida. L'l 1'1'oh¡.,hilidad de qu e .-\ gA.!l(, es :) \'('('l':--.
lIla.l úl' qll( ' la pro!J,IIJili(LHI de <¡11<' n ,l!,i\JH' H¡.¡)!c la p l ol ) ¡~IJilidc\(1 de q11e'
13 reSll]te gan ado]' d e la competencia,.

1 S - disputa u n to rMO d e ten is entre 8 .iugadores dc igual h abi li dad. Para

la pr imer a elimin ación los p ares de oponentes se del.ermin a,n al azar, y
CIl cRd a, \l Ila d e la,s clirninatoria,s sllcesivR.':i los pares d e FLd vcrsFLrios se

fo r m an a azar ellLre los ganadores d e la rauda allterior. Si A Y 13 son 2

de los 8 j ugadores , haJl e la p robabilidad de que 'e en frenten el! una d e
las partida

'] 9 Un t irador ti en e una probabilidad p d e dar en el blan co . Se le ofrecen

2 al tel'l18.tiva.s .

i) H acer un sólo disp aro.

ii) I LtC:Cl 3 di ~par ()s COll la, c()w lHióll de rl m p or 1(J mcn us '2 Vl'('CS í'Y!
el ]Jla ll CU

20. C()llSidere U11 ::. i"Lem8. cÚlllpUeS \ O por 10 su usisl cmas iu dep eu dien tes .
Si la probahili j¡-ld de que Celda. subs ititern a fun cion e es fUY) ., halle la
pro babilidad de que el sistellla funciou e si

i) El sistema está cunecta do en ser ie, es el ir, el sist ema Junciun c~ Sl

y solo si todos los su bsistem as fUll cionan.
ii) El sis tema es Lá conectado en p aralelo , es decir, el sistema funciona
si y solo si aJ menos 11110 de los sl.lbsistcmR..s funcion::t,
 Descrtba en notación de conjuntos los sigui entes sucesos .

i - P es varón. meno r de 30 anos y no hab la nin gú n Id ioma ex tranj ero

il - P es mUJ er, mayor de 30 aelOS y habla un idioma extranjero

lIl. - P es mUJ er, o meno r de 30 anos, pero no ambas cosas

iv - P es men or de 30 años y habla un idioma extranj ero

4- Sean A, B Y e los mismos sucesos del ejerci CIO anteri or Describa con palabras los
siguientes sucesos

1. - An ( BuC) 11.- A u(BnC)

Ill.- A - (B uC ) IV .- A-(BnC)

r
Sean A, B Y e subconjuntos de Q Describa los sIguientes sucesos con las operaciones
conj untlstas aprop iadas

i - Por lo menos K de los sucesos A y B ocurren (K= 0,1,2)

ii.- Exac tamente K de los sucesos A y B ocu rren

i iI - A lo SUIllO K de los sucesos A v B ocurre n

iv - Por lo menos I( de los suceSllS A B Y e ocurren. (K-=- 0. 1,2. 3)

v - Ex actame nte K de los sucesos A, B Y e oc urren.

vi - A lo sumo K de los sucesos A, B Y e ocurren.

G - Diga cuáles de las sIguientes fa mtlias constituyen una a -álgebra sobre el conj unto dado,
y cuáles no
i.- {Q}, Q 11.- {Q, ~ , A, A}, Q = (-2, 6] , A = [O , 1)
i11- {AcQ Aes fínitoo A es finito}

S i Q = {a,b,c,d} , construya 3 a -ál gebras sobre Q

8 - Pruebe que si Q es una CJ- álge bra sobre Q, entonces

i ) Q EQ 1l )~EQ

9 - Sea Q una a-ál ge bra sobre Q Pruebe que si Al, A2 , , An , es una colección infinita
numerab le de subcon¡untos pertenecientes a Q, entonces n~

1/ =1
AII E Q.

10.- Sea Q = {a,b,c,d} y Fo = { ~, {a}, {a,b}} . Hall e la a-álgebra gene rada por la clase
inicial Fo

11- Sean A y B dos subconj untos de Q Hall e la CJ-álgebra generada por Fo = {{A },{ B}}

12- Sea Q una a -ál ge bra defilllda sobre Q; A Y B un par de sucesos cualesquiera.
Demuestre que (Al-.B) E Q
 1. - peA) = '/2 YA, B Y C son mutuamente excluyentes.

peA) = '/2 Y peA) = 2 P(Bn C) = 3 P(AnBn C)

11.-
ii i - peA) = 1/ 2 , P(BnC) = 1/3 Y P(An C) =
iv.- p(An( BUC») = 0,7

22 - Una persona realIza cuatro dI sparos La probabilidad de que acielt e el blanco en el

i-é sl11l 0 dI sparo es 1I(i +2) (i = 1,2,3 ,4) La probabilIdad de que acierte en el I-éslm o y
j-és im o disparos es 1I5ij (i, j = 1,2,3,4) La probabilid ad de que aci elte en el I-ésimo,
j - é S llllO y k-és l11l 0 es 1/20 1J k (i j , k = 1,2,3,4) Finalm ente, la probab Ilid ad de que
aC ler(e todos los dI sparos es 1/960 Hall e la probabllidad de que ac ierte al menos una
vez

23 - Sea el espacio probabtlizable (Q, Q), con Q = {1,2 ,3, .. } y Q = P(Q) , Y P{n} tal que
P{n} = K(2 13 y para todo n de Q Obtenga

1.- El valo r de K.

II - ProbabIlidad del suceso que ocurre cuando ocurre un múltIplo de 7

24 - Sea el espacio probabillzabl e (Q, Q), con Q = {O, l,2, .} y Q = P(Q), y P {n} tal que

P{n} ~ e-'[~~ ) para todo n de Q

i.- Ve ri fique que P{Q }= l

ii - Cal cul e P [{n· O s:; n s:; 2}1 Y P[(n n ~ I}]

25 - Consid ere el es pac Io probab ill zab \e del e jerc icio 23 Sea P la funCi ón de probabil Id ad

deftn¡da medl ante Pt {l ,2, .. ,n}l = l- ( 2"1 J" paratodon deQ. Calcul e

1. - pr {1,2,3 ,4}] ; ii .- r{3,4,5, . }]; iii - [{3 ,4,5}], lV.- P {O}; v- P {2} , vi.- P {n }

26 - Sea Q el conj unto de todos los enteros no negatIvos, y Q una slgm a ál gebra sobre Q
Para todo A de Q se defi ne la función P como

SI A es f inito
Cualquier otra ocasión

¿Es P una medida de probabrlidad?

27- Sea el espacIo probab Il izado (Q , Q, P), con Q =la, b'l y Q = Q(l ,,), (al que
F0= ( [ a, b lo x E O l y P I a funCió n de pro ba bIl Idad dada por PI a, x l = x - a '\j x de Q
b- a
1- Ve ri fIq ue que P(Q) = 1. Calcul e las Sigui entes probabilId ades
li - P[ { x {l ili - P[ (u+ b)/2 h] IV. - P[ (a+ b)/2 , (a+ 3b)/4 1
UN TVERSID AD CENTRAL DE VENEZUEL A
f ,A.Cl JLTAD DF CTEN ClA S ECO JOMICA S y SOC1 LES
ES U ][I"A DE ESTA DTSTrCA y CJENCLA.S ACTUA RI ALES
TE ORI /\ 81-, [ L\ PRO n ABll,l])I\D r

PRACTICA NO 2
Espacios Probabili::ados Finitos, Probabilidad Hipergeométrica y Multinomi al.

1.- Dos hombres h l y h2 , Y tres mUjeres mi ,m 2,lTI 3, intervienen en un torneo de aj edrez Los
del mismo sexo tienen iguales probabil idades de ganar, pero cada hom bre tiene el dobl e de
posibilidades de ganar que una mujer ei) Halle la probabilidad de que una muj er gane el
torn e o~ (ii ) Si h l Y mi son casados, halle ]u probabilidad de que uno de ellos gane el
torneo

2.- Considere un dado cargado en donde la probabilidad de que salga un determmado

número es proporcional a su valor. Hall e la probabllldad de que salga (i) un número par,
(ti) un número primo, (iii) un número impar primo

3.- Se is parejas de casados se encuentran en un cual10. (i) SI se escogen 2 personas al azar,

hall e la prohab ili dad de qu e sean es posos. Hall e la probabili dad de que Lino sea mUjer y el
otro homb re , (11) S I se escogen 4 personas al azar, hall e la probabilIdad de que se escoJan
dos parejas de casados Hall e la probabllidad de que nmgun a parej a sea casada entre sí
Hall e la probab il idad de que haya exactamente una sola pareja de casados en los cuatro
sel eCCion ados

4. - Tres niños y tres niñas se sientan en una fila de 6 puestos. Hall e la probabil idad de que
(i) las tres niñas se sienten juntas; (ii) los niños y las ni ñas se si enten alternados

5.- Una caja contiene esferas num eradas: 1,2, ... ,no Se escogen dos esferas al azar.
Enco ntrar la probabilidad de que los números sobre las esferas sean enteros consecutIvoS,
si (i) las esferas se escogen s in su s tituci ó n~ (i) las esferas se escogen con sustituci ón.

6. - Se escogen al azar r núm eros (0< r < 10) sin sustitución entre los nú meros 0, 1,2 ,9
Cuál es la probabilid ad de que dos no sean Iguale s

7.- Un som brero co nti ene 20 pedazos de papel de color bl anco numerados del 1 al 20 , 10
de color rOJo numerados del 1 al 10; 40 de color amarill o num erados del 1 al 40 y 10 de
color az ul numerad os del J al 10 Suponiendo que cada pedazo de papel tiene la misma
probabilidad de se r seleccionado, determine la probabilid ad de seleccionar un pedazo que
sea ei ) azulo bl anco; (ii) numerado 1,2,3 ,4 o 5, (lii) roJo o amarillo y num erado 1,2,3 04 ,
(IV) numerado 5, l 5)5 o 35 ; (v) blanco y con numeraCIón mayor que 12 o amarillo y con
num eración mayor que 26

8.- En un Juego donde se tiran 5 dados al mismo tiempo, determIne las probabdidades de
obte ner (i) dos pares (un par lo forman dos dados igual es); (ii) tres de un tipo , (iii) un full
(tres de un tipO y un par); (iv) cuatro de un tipo.

------ -
UNTVERS ID AD CENTRAL DE VENEZUEL A
FACULTAD DE CTENCIA S ECO OT'v1TCAS y SOCIAL ES
ESCUELA DE ESTADISTICA Y CIENCIA S ACTUARTALES
TEORIA DE LA PROBABILIDAD T

PRACTICA NO 3
Probabilidad Condicional, Probabilidad Total y Bayes.

1 - SI A Y B son do s sucesos con P(B»O , estab lezca la veraCIdad o fa lsedad de las

sigui entes pmpos ic lo ne , Justific ando en cada caso su l-espucS(3

( I) r ( A 1 13) + jJ ( ,JI E ) = I (11) P( AI B) + P(A/B) = I

(Iii) P(AI B) +P( A / B) =1 (IV) P(A / B) + P(A / B)=l

2. - Si peA / B) = 1, demuestre que para cualquier suceso C, se tie ne que

( i) P(C / AnB)=P(C / B) (ii) P(AnC IB ) = P( C/ B)

3.- Suponga que O<P(A)< l y O<P(B)< I . Demuestre que A y B no son mutuamente

ex cluyentes si P(A /B) = peAl B)

4 .- Si A Y B son dos suceso s para lo s cuales P(A /B)Jp( A), demuestre que P(B/A) = P(B)

5 - Sea n A y B dos sucesos (a) Si peA) = P(B) = 4/5. demuestre que P( A/B ) .= 3/4, (b) SI
pe A) = x PCR ) - \' , demuesu-e que P(A / B) =:. (:- .: +y-I l/y
(SugereJ'lCl a P(J\ n B ) = P(A ) + P([3) - 1)

6- Consi dere un dado cargado de manera tal que cada número tiene una probabilI dad de
ocurrir proporcional a su valor Si se lanza dicho dado, hall e la probabilid ad de obtener (a)
un núme ro primo, si el resultado es mayor que 3; (b) un número par, si el res ultado es un
número prImo.

7.- Calcule la probabilJdad de que al lanzar un par de dados la suma sea par, SI se sabe que
los resultados de los dados fueron diferentes

8 - S I se sabe que al lanzar 5 monedas aparecen al menos dos caras, ¿cuál es la

probab ilidad de que el número exacto de caras sea tres"

9 - Supóngase que A y B son dos sucesos tal es que P( A n R) = OA y P(B ) = 0,2 Hall e
( i) P( A / E ) (Iii) P( .1 n !3 ) ( IV) P(A u B)

10. - Un comité de 4 personas es se leccionado en forma aleatoria a parti r de un grupo

form ado por 8 abogados y 7 médicos SI se sabe que en el comité hay al menos un
abogado, ¿cuál es la probabd ¡dad de que exactamente hayan tres abogados"
11 - Supóng<:lse quc ;\ y R SO I1 dos sucesos In dependi entes asociad os a un ex penm ento SI
la probabilId ad de que A o B ocurran es igual a 0,6 mIentras que la probabIlidad de que A
ocurra es Igual a 0,4, determinar la probabIlidad de que B ocurra.

12.-Si A Y B son sucesos md ependientes, pruebe que (1 ) A Y B son independi entes; (Ji)
- -
A Y B son independ Ientes

13 - Suponga que A es Ind ependIente de los sucesos B, C y B ne Pruebe que A es

in de pendiente de BuC

14 - Sean A, B Y C tres sucesos tales que A y C son independientes, y B Y C son

mdependientes. Pruebe que (AnB ) y C son md ependi entes si y solo si (Au B) y C son
independi entes

15 - Suponga qlle A, 8 Y e SOI1 mutu amente independ ientes Pruebe que

(o) P( AI RnC) == P( A) , (h) 1->(( A n B )/C ) ==- P(AnBl

16 - Suponga que A y B son independientcs y F es un suceso tal que P(F» O ¿ Es verdad

que P (A nB/F ) = P(A/F) P(B/F)'?

°
17.- Un número binario está compuesto sólo de los dígitos y 1 (Por eJ m, 10 11, 1100,
etc) Supóngase que un número binario está formado por "n " dí gitos y que además la
probab ilidad de que aparezca un dígito incorrecto es "p" Si los errores en dí gitos
di ferentes son mdependlentes unos de otros, ¿Cuál es la probabilidad de formar un número
mcorrecto'l

18 - Dos personas lanzan tres monedas cada una ¿Cuál es la probabil idad de que obtengan
el mi smo núm ero de caras'?

19 - Dos máqu inas A y B, que se accionan Independienteme nte , pueden te ner un ci erto
núm ero de Cal las c<:Ida día La slguicnte tabla da la di strib UCi ón de probab Ilidades de las
fall as de cada una

Núm ero
I 2 3 4 5 6
De fall as
Máq A
°
0,1 O 0,20 0,30 0,09 0,07 0,04
Máq B 0,3 0 0,10 0, 10 0,1 0 0,15 0,15

Calcular las si guientes probabilIdades

(i) A Y B tienen el mism o número de fa llas.
(Ii ) El número de fa ll as es menor que 4
(Iti) A tIen e más fa llas que B
(iv) B ti ene el dobl e de fallas que A
(v) B tiene 4 ta ll as cuando se sa be que tI ene al menos 2 fa ll as
(vi ) [1 núm ero mín imo de fa ll as de las dos máqUin as es menor que 3
(VIi) El nú mero má Xim o de rall eIS de las máquin a es 3
20 .- Si cada un o de los elementos de una matri z de segundo orden es () o 1, ¿cuál es la
probab ilId ad de Ilte el valor del dekrm mant e sea POSIti VO') (Supóngé.lse que las entradas
II1dlvld uales de la ll1 at lTl se esco gen inckpend lelltCIlKn te, y cada uno de los valores tiene
probnbl lldad de U, ))

2 1- (,C uál es la probabil Id ad de que a un mi smo Jugador de dominó le sal gan exactamente
4 dobles durante tres manos consecutivas'l

22- Tres Jugadores A, B Y C están jugando una secuencia de j uegos, en las que cada uno
tiene Igual probabilidad de ganar El ganador de cada juego se gana un punto. El Jugador
que alcance pnmero tres puntos se ll evará un premio. Si ya han jugado tres veces y A ha
ganado dos veces y B un a vez, ¿cuál es la probabilidad de que C se lleve el premio?

23.- En una caja hay 5 piezas de las cuales 2 son defectuosas. Las pi ezas se prueban una a
una hasta descubri r las 2 defectuosas. Calcular la probabilidad de que el proceso se detenga
en. (a ) La segunda prueba; (b) La tercera prueba.

24- Se tienen 5 personas cuvas edades so n 20 , 25 , 28 , 30 Y 34 SI se tom an dos personas

al azar. (, cuál es la probab tl idad de que la medIa sea 30 años o más')

25 .- Una rifa entre c in co personas co nsiste en acertar un núm ero comprendl do entre 1 y 6.
El núm ero ganador es el 3 Cada una de las personas dice en orden un número, de fo rm a tal
que las restantes se enteran de su elecc ión SI se acierta el número 3, se gana y se termina la
rifa, SI no, queda elimi nado y le corresponde el turno a la sigUIente persona. Si ninguno
aCierta, la casa gana la rifa (a) ¿Cuál es la probabilidad de que la rifa la gane la persona que
le tocó el cuarto turno? ; (b) ¿C uál es la probabilidad de que la casa gane la rifa?

26. - La urn a 1 conti ene "x" esfe ras blancas e "y" esferas rojas La urna 2 conti ene "z"
esferas blancas y "v" es feras rojas . Se escoge una esfera al azar de la urn a 1 y se pone en
la urn a 2 Entonces se escoge una esfera al azar de la urna 2 ¿C uál es la probabilidad de
que esta esfe ra sea blanca')

27 - Un b ol ~ o \..~ont i e nc tres monedas , una de las cuales está acuñada CO Il dos caras,
m lentras que IdS orlas dos monedas son normales y no son sesgadas . Se escoge una
mon eda al <lLa r d~ l bo lso) se lati za cuatro veces en for ma consecutIva. SI cada vez sale
cara, ¿cuál es la probab ilI dad de que ésta sea la moneda con dos caras')

28 - Una caja contiene "b" bo las negras y " r" bol as rOjas Una bola es se leCC ionada
aleatorI amente , y esta bo la es retornada a la caja Junto con "c" bo las del mismo color. A
continuación se selecci ona ulla bol a de la caja con la nueva composicion. Halle la
probabilidad de que la prim era bola seleccionada sea roj a, si la segunda bola es roja.

29- Tres máquinas están fabricando las mismas piezas. La máqullla A neces ita 3 minutos
para fabn car una pIeza, y produce 1% de piezas defectuosas; la máquina B necesita 1
minuto y 12 segundos para fabr icar una pieza, y produce 4% de piezas defectuos as; la
máqu ina C necesita 2 minutos para fabricar una pieza, y produce 5% de piezas defectuosas
De la producción del dí a se selecclOna al azar una pi eza y resul ta ser defectuosa Calcule lu
 UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE CIENCIAS ECONOMICAS y SOCIALES
. ESCUELA DE ESTADISTICA y CIENCIAS ACTUARIALES
DEPARTAMENTO DE ESTADISTICA Y PROBABILIDADES
CATEDRA DE INFERENCIA Y PROBABILIDADES

.
r'

".

I
r
~.,.

TEORIA DE LA PROBABILIDAD I

"Variábles Aleatorias"

GUILLERMO RAMIREZ
MAURA VASQUEZ
ADELMO FERNANDEZ

CARACAS
2005
 -1­

TEMA 4.- "VARIABLES ALEATORIAS"

4.1.- VARIABLES ALEATORIAS

Hemos visto hasta ahora que cuando el espacio muestral .o es numerable, basta con
definir la probabilidad de cada suceso elemental {w¡} para construir el ,espacio
probabilizado (.o,9'l,P). Por otro lado, el único espacio muestral no numerable que
estudiamos fue .o = R, espacio al que se le asocia la Sigma-álgebra de Borel , y en cuyo
caso basta conocer las probabilidades del tipo P«-co, x]) para ,calcular la probabilidad de
cualquier boreliano.

Ahora bien, dado ~un espacio probabilizable (.o,9l) asociado a un experimento

aleatorio, en general .o será un conjunto abstracto de descripciones de los resultados de
interés del experimento, y puede ser numerable o no. Si .o fuese no numerable podríamos
definir una funCión de .o faci~ R, que nos pennitiese , "trasladar" el espacio muestral
original al espacio de los n~ero s reales, conjunto que además reúne ciertas caractetásticas
convenientes de operaciones aritméticas y ordenamiento que facilitan su manejo. En el caso
en que .o fuese numerable, podríamos también hacer lo mismo, teniendo la ventaja de que
al conocer las probabilidades P«-co, x]) podemos conocer la probabilidad de cada punto
P( {x}) lo cual resulta suficiente para definir una función de probabilidad en este caso.

Todo lo anterior nos va pennitir manejar todos los experimentos aleatorios con una
misma teoría sin tener que distinguir si el espacio muestral es numerable o no. Aquellos
... números reales que no sean utilizados como imágenes, podemos considerarlos como
asociados a sucesos casi imposibles (sucesos distintos del imposible pero con probabilidad
nula), lo cual nos evita complicaciones probabilísticas.

Esta función que va de .o hacia R y que cumple tal cometido, la denominaremos

,
.
. variable aleatoria: variable porque es una cantidad numérica que varía, y aleatoria porque
depende de un experimento aleatorio. El adjetivo aleatorio no significa en este contexto lo
mismo que en el caso de selección aleatoria, en el cual está implícita la equiprobabilidad.

Definición4.1.1.- "Variable Aleatoria"

Sea (.0,91) un espacio prohahilizable asociado a un experimento aleatorio E. Se define como

variable aleatoria a una función real valorada:

X:.o ~R tal que:

para todo B E CZ3 R

- - -­ -----=-~~
 -2­

De esta definición se desprende que los sucesos A y B son equivalentes, ya que si A ocurre
entonces B ocurre, y viceversa:

A ocurre <::> W E (A = X- I (B» <::> X(w) E B <::> B ocurre

De ahora en adelante en vez de hablar del espacio probabilizable (0.,91) hablaremos de su

eqúivalente (R, 'l3R) - Además, es importante distinguir entre la variable aleatoria X, que es
una función, y un valor particular de ella, que escribiremos en general como x (en lugar de
X(w», y que es un número.

Para completar la equivalencia prob>abilística de los espacios (nS?!> y (R,CZ3R),

veremos que la variable aleatoria "induce"una función de probabilidad sobre ER en una
forma directa y natural. "

Definición 4; 1.2.- "Función de Probabilidad Inducida" ~ a ·

Sea (nS!, P) un. espacio prqbabilizado asociado a un experimento aleatorio €, y sea X: n
~ R una variable aleatoria. Se define como función de probabilidad inducida por la
variable aleatoria X, a la fun'~ión¡ .."'.,
p X : CZ3R ~ R tal que:

P\B) = P(X-I(B» para todo B E CZ3 R

, ' /

Resulta claro que si los sucesos (A = X-I(B» y B son equivalentes, deben tener -la misma
probabilidad.

Demostraremos a continuación que la función p X así definida es una función de

probabilidad, ya que cumple los tres axiomas de la definición 1. 7. 1.:

Axioma 1

pX (B) = P (X-I (B» ~ O ya que X-I(B) E 91 y P es una función de

'lYq ~ <H';:; probabilidad.
. '- ( / ' ~( B\\ / /1)
AXlOma2 .

p X (R) = P (X-I (R» = p(n) = 1

" ~ '1
.JGI'.'{ d.>t '\c C!~C I
 -3­

Axioma 3

Si B1, B2, ... es una colección infinita de sucesos mutuamente excluyentes de CZ3 R,
entonces:
~ ~ 00 ~ ~

P\UB i ) = P(X-l(UB¡ )) = P(UX-1(B)) = ¿ p (X-1 (B)) = ¿p x (B)

i= l i=1 i= l iel i= l

Al espacio probabilizado (R, CZ3 R, p X) se le denomina "Espacio Probabilizado Inducido por

la variable aleatoria X".

El siguiente teorema nos proporciona un procedimiento para detenninar si una cierta

función es variable aleatoria o no. ..

Teorema 4.1.1.­
Sea (0.S/) un espacio probabifizable asociado a un cierto experimento aleatorio. La 'función
X: 0. ~ R es una variable ale~ori~ si y solo si X- 1« -00, x]) E 91 para todo x E R.
.'
t-...

Demostración:

Condición Necesaria

Si X es una variable aleatoria, por definición, X-I(B) E 91 para todo B E CZ3n.

En particular, como ( -00, x] E CZ3 R 'dXER, entonces X- 1 «-00, x]) E 91 'dXE R.

Condición Suficiente

e
Definamos en primer lugar la clase = { Ce R: X-I(C) E 9l}.

Por el ejercicio 1.2.1 2, e

es una a-álgebra sobre R.

Ahora bien, por construcción, se tiene que la clase de intervalos Fo = { ( - 00, x] : x E R} está

incluida en C.

En consecuencia:

y por consiguiente:

X-\B) E 91 => X es una variable aleatoria

Nótese que si X es una variable aleatoria, se cumplirá que las imágenes inversas de
conjuntos de números reales de tipo [x, (0), (x, (0), (-00, x), (x, y], {x}, (x, y), [x, y) Ó [x, y]
también pertenecen a 91. De hecho, el teorema 4. 1.1. puede equivalentemente ser
enunciado, por ejemplo, con intervalos de la forma [x, (0), (x, (0) o (-00, x).

'1:, '
 -4­

Ejemplo 4.1.1.­
Sea (o.,9/) un espacio probabilizable, y sea la función Xa: o. .~ R definida por:

para todo W E 0., con a E R

Por el teorema anterior tenemos que, como:

{~

si x< a

SI x ~ a

entonces X~l « -'- 00 , x]) E91 para todo x E R, así que X a es una variable aleatoria. Esta

variable aleatoria se denomina "degenerada" .

.
.....
\Teorema 4. 1.2.- "Ope!aciones con Variables Aleatorias"
Sea (o., 9/)un espacio probabilizable, y sean X e Y variables aleatorias. Entonces también
son variables aleatorias:
X+Y X2
1.-
.r
¡¡;..•• •
V.­
ll.- X+c CE R vi.- XY

m.- cX CE R Vl 1.- Ixl

iv.- X - Y viiL- cX c>O

Demostración:

L- Si X es una variable aleatoria entonces

X·1«x,00» E91 VXER =?

X·l«x-r¡,oo» E91 Vi

{WEo.:X(W) > X-ri} E91 Vi

{we o.:x -X(w) < ri} e91 Vi

Si Y es una variable aleatoria entonces:

y-l«y,oo» E91

Vi

{WEo.:y(W) > fi } E91 Vi =?

donde los ri son los números racíonales comprendidos entre x - X(w) y Y(w).

r
I -5­

Luego la intersección:

{WEQ:X -X(W) < r¡} f1 {WE Q:Y(W) > r¡} E91

{WEQ:X - X(w) < r¡ < Y(w)} E91 Vi =>

00

U {W EQ:X - X(w) < r¡ < Y(w)} E91

;=1

{WEQ: x - X(w) < Y(w)} E91 '- ..

{W EQ: X(w) + Y(w) > x } E91 .; =>

{W EQ: (X+Y)(w) ~ x} =>

x + y es una varial;11e aleatoria

~ .-,

11.- Por el ejemplo 4.1.1. sabemos que la función constante Xc es una variable aleatoria,
entonces por L-,tenemos que:

X +c = X + Xc es una variable aleatoria.

lll.- Consideremos 3 casos :

En este caso cX = Xo, y por tanto es una variable aleatoria.

Si X es una variable aleatoria entonces:

X-1«-oo,xlc]) E91 'v'xE R =>

{W EQ:X(W) ~ xlc} E91 --'

--."

{WEQ:CX(W) ~ x} E91 ~.

(cXrl«-oo,x]) E91 'v'xE R

cX es una variable aleatoria

 -6­

Si X es una variable aleatoria, entonGes:

X es una variable aleatoria

lV.- Por iiL- tenemos que (-Y) = (-I")Y es una variable alyatoria, entonces por í.­
tenemos que X - Y = X + (-Y) es una variable aleatoria. ~-$
'""¡¡¿ ........
v.- Consideremos dos casos:

x> O Si X es Úna variable aleatoria entonces:

X-I([-..Jx ,..Jx ]) E91

'( ~;:;
.'
.rx.} E9!
¡o..• '
'(:.
{W EQ: - ..Jx ::; X(w)::; 'v'xER ~

x ::; O En este caso:

r 2
En consecuencia (X2 l ((-co, X])E91 V'xER, y por tanto X es una variable aleatoria.

·vi.- Como XY = (l/2){ (X+Y)2- X 2 - y 2}, entonces por i, iii, iv y v, tenemos que XY es
una variable aleatoria.

Vll.- Consideraremos dos casos:

x>O Si X es una variable aleatoria entonces:

X-I([-x,x]) E91 'v'xER

{WEQ: -x ::; X(w)::; x} E91 'v'xER =>

 -
-7­

{WEO: IX(w)1 ::; X} E 91 \;fx ER

IXrl((-oo,x]) E 91 \;fxER

X::; O En este casO:

En consecuencia IXI-l((-oo, x]) e91 \;fx ER, y por tanto IXI es una variable aleatoria.

viiL- Si X es una variable aleatoria, entonces:

I
{WEO:X(W) ::; ,logcx } E91
t'
l'

{WEO :CX(w) ::; x } E91

\;fxER

CXes una variable aleatoria. J

FUNCION DE DISTRIBUCION

na vez que hemos decidido ''trasladarnos'' al espacio muestral de los números

reales, y conociendo que la función de probabilidad en este caso queda determinada al
conocer las probabilidades de los intervalos del tipo (-00, x] V X E R, surge entonces la
conveniencia de la siguiente definición.

Definición 4.2.1 .- "Función de Distribución"

Sea (0,9l, P) un espacio probabilizado, X: O ~ R una variable aleatoria y (R, c.BR, p X) el
espacio probabilizado inducido por la variable X. Se define como funciónfo /distribución
de la variable aleatoria X, a la función:

Fx:R ~R tal que:

Fx(x) = p X ((-00, x]) = P[X ::; xJ \;fx E R

Como ya dijimos, esta función es de suma importancia ya que permite calcular la

probabilidad de cualquier boreliano.
 -8­

1.- Fx es acotada. t ~
,
En efecto: O' ~ Fx(x) = p\(-oo, x]) ~ 1 'v'x ER

2.- Fx es no decreciente.
Sean los puntos Xl < X2, entonces:
FX(X2) - FX(XI) = pX((_oo, X2]) - p\(-oo, Xl]) = P\(XI, X2]) ~ O
de donde: FX(X I) ~ FX(X2)

3.- Fx es continua por la derecha.

En efecto:

}r =.
~.'.

de donde: Fx(x) = Fx(x + O)

4.- Lim Fx(x) = 1 Y L i m Fx(x) = O

Por una parte:

Lim Fx(x) = Lim (p\-oo, x]) = PX(Li m (-00, x]) = P\R) = 1

en forma similar:

L im Fx(x) = L i m (px(-oo, x]) = p X( L im (-00, x]) = pX(~) = O

x -+-co x-+-oo ,,~-co

Tenemos entonces que si X es una variable aleatoria y (R, gR, p X) el espacio probabilizado
inducido por ella, existe una función Fx definida por p\(-oo, x]) que cumple con las cuatro
propiedades anteriores. Recíprocamente, si Fx es una función que cumple las cuatro
propiedades anteriores, se demuestra que existe un espacio probabi lizado (R, gR, p X) tal que
Fx(x) es igual a p X ((-00, x]) .
 -9­

Ejemplo 4.2.1.­
Considere el experimento aleatorio que consiste en lanzar una dado correcto. Construya el
espacio probabilizado asociado (O, 91, P). Demuestre que la función X: O ~ R
definida por: '"

w=1
X(w) w = 2,3
w= 4, 5, 6

es una variable aleatoria. Halle su función de distribución.

En primer lugar tenemos que el espacio muestral:

.
O . = . {l, 2, 3,4, 5, 6}

Definamos sigm.a-álgebra:,

9l = ,[p(Q)
~. 'h'j) "/
..¡.
La función de probabilidad P: 91 ~ R es tal que:

'ji 1
P(w) =
6

Para demostrar que X es una variable aleatoria vemos que:

~ x <1
{ 1} l :S; x< 2
=
{ 1; 2, 3 }2 :s; x < 3
O x ~ 3

y ya que X- 1((_00, x]) E 91 v X E R, entonces X es una variable aleatoria.

Gráficamente:

( 1
¡ \ / \v
(-00 --- - - - - 1 - - - 2 - - - - 3 -1--
\ - - - --- 00)
6
)
O

1
R
 - 10­

La función de distribución:
o x <1
1/ 6 1s x < 2
Fx(x) Px((-oo, x]) = P( X -l((_oo, x])) =
3/ 6 2 $ x<3

Gráficamente:

Fx

1/ 2

116
- 00 .••
;
'- -- - - - - + - . . - -----;- - - - " " - - - --'--- - --_+_
,r • 1 2 3 x
~"

En el gráfico se observa que Fx cumple con las cuatro propiedades anteriores.

Ejemplo 4.2.2.­
Sea X una variable aleatoria con función de distribución dada por:

Fx(x) =

Construya el gráfico y verifique que se cumplen las cuatro propiedades anteriores.

Gráficamente:

Fx

---- -- --

- 00 ••. -------~--------~-------------~

x
 -11­

La funci ón Fx está acotada entre O y 1, es no decreciente, continua por la derecha (y por la

izquierda) y demás Fx(oo) = 1 y Fx(-oo) = 0(7). .
-1

En los dos ejemplos anteriores observamos que en algunos casos la función de distribución
es continua solamente por la derecha, y en otros casos es también continua por la izquierda,
y por tanto continua. Veremos más adelante que esto depende del tipo de variable que se
trate.

Teorema 4.2.1.­
Sea X una variable aleatoria con función de d,istribución Fx. Entonces:

pX(x) = Fx(x) - Fx(x-O)

Demostración:

Fx(x) - Fx(x-O) = Fx(x) - L im Fx(x-l/n)

n~

= L im ( Fx(x) - Fx(x- l/n»

n~

= L1m ( p X((_oo, x]) - p\(-oo, x- l/n])

rt'-*>o
;\'
= L im ( P\(x- l/n, x])
n~

= p X( Lim (x- l/n, x]) )

n~

= Px(x)

De tal manera que en los puntos que tengan probabilidad positi:va, la función de
distribución será discontinua por la izquierda.

Corolario.­

pX((_oo, x» = P[X < x] = Fx(x-O)

El siguiente teorema nos indica la forma de calcular probabilidades de intervalos _.

abiertos, cerrados, semiabiertos o semicerrados, conociendo la función de distribución.
Teorema 4.2.2.­
Sea X una variable aleatoria con función de distribución Fx. Entonces, para a, b E R tales
que a < b, se tiene que:
i.­ PX((a, b]) = Fxc6r Fx (a)
iL- pX ([a, b]) = Fx (b) - Fx (a - O)
iiL- pX ((a, b» = Fx (b - O) - Fx (a)
iv.-px([a,b» = Fx(b ­ O) - Fx(a -O)

(7) En este ejemplo hemos introducido la función lA, denominada función indicatriz del conjunto A, y
defmida por IA{W) = 1 ó O según el elemento W pertenezca o no al conjunto A. Esta función será de
utilización muy frecuente en este texto).
 rI

Demostración:

Aplicando el corolario 1 del teorema 1.7.4., tenemos que:

L- PX((a,b]) = p X((_ oo,b] - (-oo,a]) = pX((_oo,b ]) - P\(- oo , a ])

Fx(b) - Fx (a)

ii.- PX([a,b]) = P\(-oo,b ] - (- oo ,a» = pX((_oo,b]) - P \(-oo,a»

= F x(b ) - Fx(a-O) .
iii.- PX((a,b» = pX( (- 00, b ) - (-oo, a]) = P \(-oo,b» - PX ((_oo ,a])
..
<

= Fx (b-O)-Fx(a)

iv.- PX([a,b» , = P\(-oo,b) ~ (-oo,a» = pX((_oo,b» - P \ (- oo,a»

.(

Fx (b-O)-Fx(a -O)
'l' •

Ejemplo 4.2.3.­
.".
l'

Sea X una variable aleatoria con función de distribución:

x+2
Fx(x) = -4- I[-l,l)(X) + I[I ,co)(X)

Grafique la función. Calcule las siguientes probabilidades:

1.- p X ((_l/2, l/2» -'f5((~-) -TÚA I

11.- pX (O)

lll.- pX (1) e ~\

lV.- pX([_I, 1» ~x ... 0 ) -lf'X (él I

V .- pX ([2,3]) f"
L") 7 -' Le) fX .
~ .

. . Gráficamente:

Fx

,
I

.~

-00 . .. ----------~------~------~------------ ---~.

-1
x

-=-------------~ ---­
 -13­

\~

i.- p X«- 1/2,1/2)) = Fx«1/2)-O)-Fx(-1/2) = (5/8) - (3/8) = 1/4

11.- p\O) = Fx(O) - Fx(O-O) = 1/2 - 1/2 = O
111.- P\l) = Fx(1) - Fx(1 -0) = 1 - (3/4) 1/4
lV.- P\[-l,l)) Fx(1-0) - F x(-1-0) = (3/4) - O = 3/4
v.- P\[2,3]) = Fx(3) - F x(2-0) = 1- 1 = O

4.3.- VARIABLE ALEATORIA DISC}U:TA

En esta sección y las dos siguientes, veremos los diferentes tipos de variables
aleatorias, los cuales quedan caracterizadas según la forma particular de la función de
distribución. Comenzaremos defIniendo a la variable aleatoria discreta y a la función de
masa, función que permite especifIcar el comportamiento probabilístico de este tipo de
variable. <

DefInición 4.3.1.- "Variable Aleatoria Discreta" \v\CA.7A .

Se dice que una variable i~eatoria X es discreta si existe una sucesión de puntos {X¡ } tal

que: ,"..

px({x¡}) > O \fi, Y además: L pX({X¡}) = 1

En este tipo de variable, la "masa de probabilidad" está concentrada en los puntos XI. X2,

... , de allí que a la función qué asigna a cada pü11tlNm probabilidad, se le denomine función

de masa.

DefInición 4.3.2.- "Función de Masa"

Sea X una variable aleatoria discreta. Se defIne como función de masa de X, a la función(2)

Px : R~R talque: Px(x) = p \{x}) = P[X = x]

1
I

1:
En este caso la función de distribución de X viene dada por:

Fx(x) = P~] = L pX(t)

t:S;x
y se deduce fácilmente que se trata de una función de saltos (step function).

I
1;. Teorema 4.3.1.­
Sea X una variable aleatoria discreta con función de distribución Fx y función de masa Px.

Entonces, si asumimos que XI < X2 <... , y que Fx(xo) = O, se tiene que:

Px(x¡) = Fx(x¡) - FX(X¡-l) i = 1,2 ...

para todo X¡ con probabilidad positiva.

(2)
No debe confundirse la función de masa Px (función de punto) con la función de probabilidad inducida
p X (función de conjunto).
 -14­

Demostración:

Es claro que:

F X(Xi) - FX(Xi-l) = I pX(t) I pX(t) :::= PX(Xi)

t:Sxi t:Sxi-1

De lo anterior podemos concluir lo siguiente: En primer lugar, existe una relación

biUIÚvoca entre Px y Fx. En segundo lugar, X es una variable discreta si y solo si Fx es
una función de saltos, la cual presenta discontinuidades de primer tipo: En algunos puntos
ocurre que los límites por la izquierda y poi' la derecha existen pero son diferentes. Por
último, en los puntos donde Fx es continua, Px se anula (teorema 4.2.1.). Obsérvese a este
respecto el ejemplo 4.2.1. En ese caso .. se trata de una función de saltos, con
discontinuidades de primer tipo, y en la cual cada salto es precisamente la probabilidad del
punto correspondiente..

En general, la probabilidad
,
de
, cualquier subconjunto A de R se calcula como:
peA) = I Px(x)
.r
t-.. .
' xeA

Ejemplo 4.3.1.­
Sea X una variable aleatoria discreta con función de masa:

Px(x) = (1/2t 1{I,2... }(x)

1.- Demuestre que: I pX(Xi):::= 1

11.- Halle la probabilidad de A = {l, 3, 5, 7, ...}

lll.- Halle Fx(x)

iv.- Compruebe que: P x(x ¡) = FX(Xi) - FX (Xi- l)

1.- Ipx(x¡) :::= I (1/2)X = (1/2) + (1/2)2 + (1/2)3 + ...

(1/2) / (1 - (1/2» = 1(3)

ii.- peA) = I Px(x) = (1/2) + (1/2)3 + (1/2i + ...

x eA

= (1/2) / (1 - (1/4» = 2/3(4)

lll.- Fx(x) I Px(t) :::= (1 12) + (1/2i + ... + (l/2)X

t:Sx
(1/2) ( 1 - (1I2t ) / (1 - (112) ) = 1 - (1I2)X (5)

(3)
Suma geométrica infinita de razón r = 1/2
(4)
Suma geométrica infinita de razón r = 1/4
(5)
Suma geométrica fin ita de razón r = 112
 -15­

IV.- Fx(x¡) - Fx(x¡_I ) = Fx(x) - Fx(x-l) =

= (l/2l = Px(x) = Px(x¡)

De acuerdo con lo anterior, tenemos que cualquier función real valorada Px: R~ R
no negativa, con dominio numerable y tal que su suma sea igual a uno, constituye una
función de masa de alguna variable aleatoria X. Claro está que podríamos desconocer el
experimento aleatorio que da origen a tal variable, lo que está más relacionado con la
estructura aplicada que con la estructura t~órica del modelo.

4.4.- YARIABLE ALEATORIA CONTINUA

Nos ocuparemos ahora de la variable aleatoria continua y la función de densidad,
función que permite especificar el comportamiento probabilístico de este tipo de variable.
, i
Definición 4.4. 1.- "Variable Aleatoria Continua"

Se dice que una varia~le . aleatoria X es continua si existe una función no negativa e

integrable(6) fx : R ~ R~; · tal que:

F x(x) =

Se demuestra que la función fx, a la que se denomina "Función de Densidad", es continua

en todo punto, excepto a 10 más en un conjunto numerable de puntos. Además, como
consecuencia de esta definición, se tiene que Fx es una función continua y además:

~ Fx (x) = fx (x) en todo punto de continuidad de fx

dx

El siguie.nte teorema demuestra que en el caso de variables continuas, la probabilidad de

todo punto es igual a cero.

Teorema 4.4.­
Si X es una variable continua entonces Px({x}) = O V'xER.

Demostración:

Si X es continua, Fx es continua y por lo tanto, de acuerdo con el teorema 4.2.1 :

Fx(x) - Fx(x-O)

Fx(x) - Fx(x) = O

(6)
Nos referimos aquí a la condición de integrabilidad de Riemann.
 -16­

Corolario.­ Si X es una variable aleatoria continua entonces:

.,( P\(a,b» = PX« a,bD = P\[a,b» = p\ [a,l;>D = Fx(b) - Fx(a)

y convendremos en denotar por P\(a, b» la probabilidad de cualquiera de estos cuatro

intervalos.

En el caso de variables aleatorías continuas ocurre que la "masa de probabilidad" no está

concentrada en puntos como en el caso anterior, sino que más bien está "extendida" a lo
largo de R.

Es conveniente advertir que la existencia de la función de densidad no está garantizada por

la continuidad de Fx, ya que no toda función continua es derivable. En realidad, para que
exista fx, la función de distribución debe ser absolutamente continua, por lo que muchos
autores prefieren hablar de variables ab~olutamente continuas en lugar de variables
continuas. En todo caso ' existen, al menos teóricamente, variables cuya función de t:?
distribución es continua, pero no admite función de densidad. Tales casos "patológicos", (j
denominados variables singularmente continuas, no ofrecen ningún interés práctico y no t1
serán considerados aquí. ~

En el siguiente teorema pr~sentaremos una condición necesaria y suficiente para que una
función sea una función de~densidad.

Teorema 4.4.2.­
Sea la función integrable f: R ~ R. Entonces f es una función de densidad si y solo si:

i.­ f(x) ~ O 'v'xER

11.­ foo f (x)dx = 1

Demostración:

Condición Necesaria

Si f es una función de densidad, por definición es una función no negativa:

f(x) ~ O 'v'xER

Por otro lado:

[ ro f(x)dx
x-too
= Lim r. f(t)dt
00 x~ oo
= Lim Fx(x) = 1
 --~------------
.
.........
-17­

Condición Suficiente

Sea f una función integrable no negativa y tal que su integral en R es igual a 1. Definamos
la función integral indefinida de f por medio de:

Fx(x) = f JxCt)dt \;¡'xE R

Veremos que esta función cumple con las cuatro propiedades de la definición 4.2.1.:

1.- Acotada:

o :<:; f., f(t) dt :<:; roo f(t)dt = 1 ya que f(x) ~ O

2.- No decreciente:

Sean los puntos XI < X2, entonces:

de donde F(x¡) :<:; F(~'"2) .

3.- Continua por la derecha:

Por definición, la función integral indefinida es continua, y por tanto continua por la
derecha.
4.- Por una parte:

~~ roo f (t)dt = roo f(t)dt = 1

ya su vez:
I~
I
Lim[ f (t)dt = [ f (t)dt = O
x~-oo 00 00
1

Concluimos entonces que la función integral indefinida de f es una función de distribución,

así que f es una función de densidad.

Estrictamente hablando, no existe una relación biunívoca entre la función de densidad y la

función de distribución. Lo que se requiere es que la integral de fx entre - 00 y un punto x
sea igual a Fx(x), Y ello puede cumplirlo más de una función(7). Vamos a convenir
entonces, en hacer f(x) = O en los puntos en los cuales no exista la derivada de Fx, para así
poder determinar unívocamente una de las funciones a partir de la otra.

(i)
Recuérdese que si se cambia el valor de una función en un conjunto numerable de puntos, su integral no
varía.
 -18­

Por otro lado, el hecho de que:

Px(<a,b» = Fx(b) - Fx(a) = f f(x)dx

nos indica que el cálculo de probabilidades para variables aleatorias continuas es
equivalente al cálculo de áreas bajo la curva de densidad:

fx

V P(<a,b» /¡

~ x
En general, la probabilidád de cualquier boreliano A se calcula c,) mo:
.r
¡O-.-. ·
peA) =

A pesar de que fx y Px son análogas en el sentido de que:

Px(x) 2 O, L Px(x) = 1 Y Fx(x) = L Px(t)

tsx

y:

fx(x) 2 O, f", fx(x)dx = 1 Y Fx(x) [ '" fx(t)dt

la interpretación de la función de densidad debe hacerse de un modo diferente.

Sabemos por definición que:

fx(x) = ~ Fx(x) = Lim (Fx (X+dX)-Fx (X») = Lim l'PX« X,X+dX» )

dx dx --t O dx dx --t O dx

así que fx(x) es el límite de la probabilidad media en el intervalo <x, x + dx> cuando

dx ~ O, y de allí que se le llame función de densidad de probabilidad.

A la expresión fx(x)dx se le denomina elemento de probabilidad, y es claro que:

fx(x)dx ~ p\<x, x+dx» cuando dx~ O

---- -
 -19­

Gráficamente:

fx(x)

x x+dx'
~
dx

Ejemplo 4.4.1.­
Sea X una variable aleatoria continua con función de densidad:

fx(x) = 2x 1(0, l)(X)

1.- el
Demuestre que fx ~a' función de densidad

11.­ Halle Fx(~ .

lll.- Calcule P ((112, 1))

L- Por una parte:

f(x) ~ O y además:

[ ,. /(x)dx = 12dx + !2xdx + f Odx = 1

11.- La función de distribución:

O x< O
Fx(x) =
{f 2tdt =
1
X2 O~x<l

x~ 1

que puede escribirse como:

Fx(x) = x 1[0, l)(X) + 1[1, cx:l)(x)

lll.- P\(1I2, 1)) = 1 - F x (1/2) = 1 - (112)2 = 3/4

o bien:

p X ((1I2, 1)) =
JI,f 2xdx = 3/4

.
 Gráficamente esta probabilidad representa el área del trapecio:

fx
2

. X

Ejemplo 4.4.2.­
Sea X una variable aleatoria continua con función de densidad:

e
,
11 - xl) 1(0,2)(x.
."'"
f:~(x)
'
,= (1 -
­
1.­ Demuestre que fax es úna función de densidad.

n.­ Halle Fx(~.

iii.- Calcule P «112, 3/2»

\
1.- En primer lugar tenemos: -: -1

fx(x) x 1(0, l)(X) + (2 - x) 1(1,2)(x)

<-----1
así que por una parte:
\~-\\'-/.\\ 1.
f(x) ¿ O y además: I f L

\~ ... \-1:j.
[ ", f (x)dx = !xdx + f (2-x)dx = 1

iL- La función de distribución :

O x<O

f tdt O:s; x < l

2
Fx(x) =
~+ f (2 -t)dt 1-
(x _ 2)2
~--.:-
2
1 :S;x < 2

1 2 :s;x
 -21 ­

que puede escribirse como:

lll.- P\(1I2, 3/2) = Fx(3/2) - Fx(1I2) = (7/8) - (118) = %

o bien:

p X ((1I2, 3/2» = t xdx + t 2

(2 - x)dx = (3/8) + (3/8) = 3/4

Gráficamente esta prQbabilidad represeilta el área del pentágono:

fx

'1'
"
,".- .

1/2 3/2 x

Ténganse presente entonces que la función de densidad no representa la probabilidad de

nada. Sólo cuando se integra, fx produce una probabilidad.

Para finalizar este apartado creemos conveniente resumir algunas características

importantes de las variables aleatorias continuas y sus funciones de densidad y distribución:

La función de densidad no necesariamente es continua. La función de distribución sí es

continua.

La función de densidad no representa ninguna probabilidad, sólo su integral en alguna

región de R es una probabilidad.

.La función de distribución no necesariamente es derivable. En aquellos puntos donde

Fx no sea derivable, asignamos a fx una valor arbitrario no negativo, por ej emplo cero.

La función de densidad no es única. Pueden modificarse sus valores en una colección

infinita numerable de puntos, sin afectar la función de distribución.
 -22­

4.5.- VARIABLES ALEATORIAS MIXTAS

Además de las variables aleatorias discretas y las continuas, existen otras variables
aleatorias; que denominaremos mixtas, cuya función de distribución es de la forma:

Fx(x) = Cl F~ (x) + C2 F~(x) con Cl + C2 = 1

siendo F~ la función de distribución de una variable discreta, y F~ la función de

distribución de una variable continua.

Puede decirse entonces que estas varÜlbles tienen una "parte discreta" y una "parte
continua", cuyas leyes de probabilidad puedeB obtenerse por medio de:

Parte Discreta: P~(x) = Fx(x) - Fx(x - O) .. en todo punto de discontinuidad de Fx.

d
Parte Continua: f~ (x) = -' -Fx(x) en todo punto de continuidad de Fx.
dx .

cumpliéndose además que: L P~(x) + rcJ~ (x)dx = 1

.--'"

Aunque la mayoría de las variables aleatorias que se presentan en la práctica son

discretas o continuas, este tipo de variables no dej a de tener su interés.

Ejemplo 4.5 .1.­

Sea X una variable aleatoria mixta con función de distribución:

Fx(x) = ~F~(x) + ~F~(x)

2 2
/J
donde:
~Yt'1v
1 . í."
F~(x) = 2 IC-l , I)(X) + l[l,oo)(x) y: -y.-.. . / x
·x
1;
1
'Y '- 0­
/ '<
Y ",- ;
(
~--+- )(.
'>-.
i 'f- f\; 1- ').,
f\¡
.2

Halle las leyes de probabilidad de la "parte discreta" y la "parte contim,a",

En primer lugar tenemos que:

x +2
Fx(x) -4- IC-l, 1)(X) .+ ICI,oo)(x)
\
 -23­

Gráficamente:

Fx

1 ­

(-00 ... - - -------'------t-----'--.------ - - -----..

-1
x

La función presenta do'S puntos de discontinuidad: -1 y 1. Estos puntos constituyen

la "parte discreta", cuya ley de probabilidad viene dada por:

d i
Px(x) ,= Fx(x) - Fx(x - O) = 4"1 1{-I, l}(x)
,r
~,.

La función es continua 'en el intervalo (-1, 1), el cual constituye la "parte continua",
cuya ley de probabilidad viene dada por:

d 1 .
f~(x) = -Fx(x)
dx

= 4 1(-1, I)(X)
Se cumple entonces que:

LP~(x) + [oof~(x)dx = (! +!..)+ r (.!.)dx = (!.. +!'.= 1

x 4 4 11 4 2 2 ' /

Para calcular la probabilidad de un boreliano cualquiera habrá que sumar las

probabilidades correspondientes a la "parte discreta" y a la "parte continua". Por ej emplo:

1 1
P(O<X::;;I) =
i 1
( - )dx + -
144
=
2

que obviamente, coincide con:

1 1
Fx(l) - Fx(O) = 1- - =
2 2
 -1­

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES
ESCUELA DE ESTADÍSTICA Y CIENCIAS ACTUARIALES
DEPARTAMENTO DE ESTADISTICA Y PROBABILIDADES
CATEDRA DE PROBABILIDADES E INFERENCIA
TEORIA DE LA PROBABILIDAD 1

PRACTICA 4

1.- Sea (O, 91, P) un espacio ProbabiliZado asociado a un experimento aleatorio. Sea la
función Xa : O~R definida por:

i
"
Demuestre que Xa es ,una variable aleatoria. Halle su función de distribución.

2.- Sea (0 ,9l, P) un espacio Probabilizado asociado a un experimento aleatorio y A un

suceso cualquiera de 9l. Sea la función lA : O~R defmida por:
,r \
~. , .

si W E A ~,

Ia(w) =
siw ~ A
Demuestre que lA es una variable aleatoria. Halle su función de distribución.

3.- Si X es una variable aleatoria, demuestre que x+ (parte positiva de X) y X- (parte

negativa de X) también son variables aleatorias.
( Estas funciones se definen como: X+(w) = X(w)I(o, «» (w) y X(w) = X(w)I(-aJ,o)(w))

Supóngase que el tiempo en minutos que una persona tiene que esperar hasta que pa'Se
el autobús por una cierta parada, es una variable aleatoria con función de distribución:
o x<O
~
x/2 O~ x< 1
Fx(x) = 1/2 1 ~ x< 2
x/4 2~ x < 4
1 4 :S;; x

Grafique la función. Halle la probabilidad de que el tiempo que una petsona tiene que
esperar sea:
•
i.- Más de 3 minutos
11.- Menos de 3 minutos
iii- Entre 1 y 3 minutos
iy- Más de 3 minutos dado 'que es más de 1 minuto
v- Menos de 3 minutos dado que es más de 1 minuto
 -2­

5.- Supóngase que la cantidad de miles de bolívares que una persona de un grupo social
determinado ahorra durante un mes es una variable aleatoria con una función de
distribución:

(1/2) e-(xJ50)2 x<O

Fx(x) =
{ 1 - (1/2) e-(xJ50)2 x~O

Grafique la funci ón. Halle la probabilidad de que la cantidad ahorrada por una persona
sea:

i.- Más de 50
iL- Menos de -50
iiL-Entre -50 y 50
iv;-Igual a 50 .
V.- Menos ~e 100 dado que es más de 50
vi.- Más de 50 dado que es menos de 100
I
6.- Sea X una variable aleatoria con función de distribución:
Ir
~ .,.
O x < -1
x+2
Fx(x) = -- -1 ~ x <1
4
1 1 ~ x

Gtafique la función. Calcule las siguientes probabilidades:

1.- P(-1/2 < X < 1/2) iii.- P(-l ~ X < 1)

. ii.- P(X = O) iv.- P(2 ~ X ~ 3)

~ Sea X una variable aleatoria con función de distribución:

O' x< -2
(x+2)/8 - 2 ~ x < -1
1/4 - 1 ~ x< O
Fx(x) =
(x+8)116 o~ x< 2
(x+1)/4 2~ x< 3
1 3~ x

Grafique la función. Calcule las siguientes probabilidades:

1.- P(X = O) lV.- P(O < X ~ 2)

11.- P(X = 3) V.- P(-l <X < 11X = O)
iii- P(O ~ X < 2) V1.- P( 2 <X < 3/1 < X < 3)

.0---­
- -----
 -3­

V-+Ltyq 2'=>< L 5
x< O
OS;x< l • 5'X.
Denuncia N" 002644 12-02-2014 Fx(x) = 1 ~ x< 2

1.­ P( 1X 12 1) ·' iii.­ P( X22 /X2 l)

11.­ P(1 S; X < 2) IV.­ P( X = 2 / O< X < 4)

9.­ Sea X una variable. aleatoria con fun~ión de distribución Fx. Exprese en ténninos de 11'"

Fx las probabi.lidades siguientes:

i.­ P(X ::; a) iv.­ P( X 2 a)

ii.­ P(X < a) V .­ P( 1 X I S; a)
iii.- P(X > a) '1' . vi.­ P( IX I 2 a)
\~, .
10.­ Considere el experimento aleatorio que consiste en seleccionar al azar un número
dígito. Describa tal experimento con una variable aleatoria. Halle su función de masa
y su funci ón de distribución.

]K- En el lanzamiento de 2 monedas correctas describa explícitamente el espacio

probabilizado asociado. Defma la función X = Número de caras. Demuestre que X es
una variable aleatoria. Halle su función de masa y su función de distribución.

12.­ En un juego de dados se tiene que un jugador gana mil bolívares si saca 7 u 11, Y
pierde mil bolívares si saca 2 o 12; en otro caso ni gana ni pierde. Describa el espacio
probabilizado asociado. Defina una variable aleatoria que describa tal juego. Halle su
función de masa y su función de distribución.

En un juego que consiste en lanzar tres veces una moneda, defina la variable aleatoria
X = Número de caras - Número de sellos. Halle su función de masa y su función de
distribución.

Sea X una variable aleatoria continua con función de densidad:

fx(x) = Vx eR

Halle:
i.­ k ii.- Fx
-~.~~~-===========~~~--------~----~~--

-4­

15.- Sea X una variable aleatoria continua con función de densidad:

1 +x -1 < x < O
fx(x) = 1- x O< x <k
{
O c.o.c

Halle:
i.- k ii.- Fx

16.- Sea X una variable aleatoria continua cQn función de densidad:

{ ~ (OX /54)
2
__
-k < x <k
. fx(x)
c.o.c
i.- Halle k
ii.- Halle Fx .
iii.- Compruebe que: ~(O < X < k) = P(-k < X < O). (¿A qué se debe tal resultado?)
iv.- Calcule: P(O < X y:: 1 /,-1 < X < 1)
.
.....

17.- Sea X una variable aleatoria con función de densidad:

kx O<x < l
k 1<x <2
fx(x) =
k(3 - x) 2<x <3
O c.o.c

i.- Halle k

ii.- Halle Fx

iii.- Calcule P( IX I < k)

iv.- Calcule P( X > 2 / X > 1)

18.- Sea X una variable aleatoria continua con función de densidad:

fx(x) = V'xeR
1.- Halle k

ii.- Demuestre que fx es simétrica

iii.- Demuestre que Fx(x) = 1 - Fx(-x)

iv.- Grafique fx