Académique Documents
Professionnel Documents
Culture Documents
En este primer tema estableceremos las nociones básicas para el desarrollo formal del Cálcu-
lo de Probabilidades, por lo que comenzaremos describiendo el tipo de situaciones objeto de
estudio; esto es, los fenómenos aleatorios. La manifestación fı́sica de una situación que envuel-
ve incertidumbre es lo que en el lenguaje estadı́stico se denomina fenómeno aleatorio, y se
caracteriza esencialmente porque su desarrollo no es previsible.
Las leyes que rigen el fenómeno pueden no ser conocidas suficientemente para ser formu-
ladas matemáticamente.
Los factores que intervienen en el desarrollo del fenómeno son muy numerosos, o difı́ciles
de apreciar; o, incluso, no pueden medirse sin perturbar su desarrollo.
En tales casos se dice que el resultado es consecuencia del azar. El carácter imprevisible de
estas consecuencias hace inútil cualquier intento de hallar reglas determinı́sticas que rijan la
aparición de los resultados.
En la actividad diaria nos encontramos con cierto tipo de fenómenos que pueden ser some-
tidos a experimentación con el fin de recabar información sobre ellos.
En el sentido usual del término, un experimento es un procedimiento u operación que
puede dar lugar a distintos resultados, todos ellos previamente identificables.
Nos ocuparemos por el momento de aquellos experimentos que pueden repetirse sucesiva-
mente bajo las mismas condiciones. Entre ellos cabe distinguir igualmente dos tipos:
Experimentos determinı́sticos: aquellos que dan lugar al mismo resultado siempre que se
realicen bajo idénticas condiciones. Un ejemplo claro serı́a el experimento consistente en
medir el espacio recorrido por un cuerpo, en movimiento rectilı́neo, a velocidad constante,
v, durante un tiempo t. El resultado serı́a e = vt; es decir, fijadas las condiciones iniciales,
v y t, el espacio e queda totalmente determinado por ellas.
Ası́, podemos definir un experimento aleatorio como aquel que satisface las siguientes
condiciones:
Espacio muestral finito, cuando tiene un número finito de elementos. Por ejemplo,
en el experimento aleatorio consistente en lanzar un dado, el espacio muestral es finito
Ω = {1, 2, 3, 4, 5, 6}.
Ω = {1, 21, 31, 41, 51, 61, 221, 231, 241, 251, 261, 321, 331, 341, 351, 361, 421, 431,
441, 451, 461, 521, 531, 541, 551, 561, 621, 631, 641, 651, 661, 2221, 2231, . . .}
Ω1 = {1, 2, 3, 4, 5, 6, 7, 8, . . .}
También se suele llamar espacio muestral discreto indistintamente a los casos finito e
infinito numerable.
2.2. Sucesos
En ocasiones, podemos no estar interesados en el resultado elemental que aparece en la reali-
zación de un experimento aleatorio, sino que nuestro interés se centrará en alguna caracterı́stica
concreta que puede consistir en más de un suceso elemental. Por ejemplo en el experimento
aleatorio de lanzar un dado, consideramos el hecho de que salga un número par.
Llamaremos suceso aleatorio o simplemente suceso a cualquier caracterı́stica, hecho o
proposición lógica que pueda formularse en relación a un experimento aleatorio, cuya ocurrencia
o no pueda ser observada tras la realización del experimento. Ası́, todo suceso puede identificarse
con un subconjunto del espacio muestral, el conjunto de resultados o sucesos elementales cuya
aparición implica la ocurrencia del suceso. Esta identificación de un suceso con un subconjunto
del espacio muestral hace posible el uso de la Teorı́a de Conjuntos para especificar las relaciones
y operaciones entre sucesos.
Cabe destacar, en principio, cuatro tipos de sucesos, según el número de elementos que lo
constituyan:
Suceso elemental, suceso simple o punto muestral es cada uno de los resultados
posibles del experimento aleatorio; es decir, un suceso elemental consta de un solo elemento
del espacio muestral Ω.
Suceso compuesto, es el que consta de dos o más sucesos elementales.
Suceso seguro, cierto o universal, es aquel que ocurre siempre. Consta de todos los
sucesos elementales del espacio muestral y se identifica con el espacio muestral total Ω.
Suceso imposible, es el que no ocurre nunca. No contiene ningún elemento del espacio
muestral y se identifica con ∅.
Si consideramos el suceso
∅=Ω
Ω=∅
A=A
Conmutativa A ∪ B = B ∪ A
Asociativa A ∪ (B ∪ C) = (A ∪ B) ∪ C
Idempotente A ∪ A = A
A∪A=Ω
A∪Ω=Ω
A∪∅=A
n
[
En general, dados n sucesos A1 , A2 , . . . , An , su unión A1 ∪ A2 ∪ · · · ∪ An = Ai es aquel suceso
i=1
que ocurre cuando ocurre al menos uno de los sucesos Ai . Esta constituido por los resultados o
sucesos elementales que pertenecen al menos a uno de los sucesos Ai , i = 1, 2, . . . , n, es decir,
el suceso que ocurre cuando ocurre al menos uno de los sucesos Ai .
De manera análoga se puede definir la unión para un número infinito numerable o no numerable
de sucesos.
Conmutativa A ∩ B = B ∩ A
Asociativa A ∩ (B ∩ C) = (A ∩ B) ∩ C
Idempotente A ∩ A = A
A∩A=∅
A∩Ω=A
A∩∅=∅
Distributiva
A1 ∪ (A2 ∩ A3 ) = (A1 ∪ A2 ) ∩ (A1 ∪ A3 )
A1 ∩ (A2 ∪ A3 ) = (A1 ∩ A2 ) ∪ (A1 ∩ A3 )
Leyes de De Morgan
A∪B =A∩B
A∩B =A∪B
n
\
En general, dados n sucesos A1 , A2 , . . . , An , su intersección A1 ∩ A2 ∩ · · · ∩ An = Ai es otro
i=1
suceso formado por los resultados o sucesos elementales que pertenecen a todos los sucesos
Ai , i = 1, 2, . . . , n, es decir, el suceso que ocurre cuando ocurren todos los sucesos Ai .
De manera análoga se puede definir la intersección para un número infinito numerable o no
numerable de sucesos.
En este caso las leyes de De Morgan quedan
n
[ n
\ n
\ n
[
Ai = Ai Ai = Ai
i=1 i=1 i=1 i=1
o bien,
∞
[ ∞
\ ∞
\ ∞
[
Ai = Ai Ai = Ai
i=1 i=1 i=1 i=1
A − B = A ∩ B.
Observemos que no se cumple la propiedad conmutativa
A − B 6= B − A
ni la asociativa
(A − B) − C 6= A − (B − C)
y que el complementario de un suceso se puede expresar en términos de diferencias como
A=Ω−A
Por ejemplo, dados
B − A = {6}.
A4B = (A − B)U (B − A)
Su representación viene dada por
Igualdad de sucesos. Dados dos sucesos A y B de un experimento aleatorio, diremos que son
iguales si siempre que ocurre el suceso A ocurre el suceso B y siempre que ocurre el suceso B
ocurre el suceso A y lo notaremos por A = B. Es decir, se verifica
A⊂B
A = B ⇐⇒
B⊂A
En la identificación con conjuntos coincide con la definición de igualdad de conjuntos, es decir,
dos sucesos serán iguales si contienen exactamente los mismos puntos muestrales. Por ejemplo,
los sucesos
Ai ∩ Aj = ∅, ∀i 6= j (i, j = 1, 2, . . . , n).
Sistema exhaustivo de sucesos. Si los sucesos A1 , A2 , . . . , An son tales que verifican que la
unión de ellos es igual al espacio muestral
A1 ∪ A2 ∪ · · · An = Ω
se dice que forman una colección o sistema exhaustivo de sucesos.
Ejemplo.
Sean A1 , A2 y A3 tres sucesos de un espacio muestral Ω. Expresar los siguientes sucesos en
términos de ellos.
2) No ocurre ninguno de los tres: A1 ∩ A2 ∩ A3 , que usando las leyes de Morgan se puede
escribir también como A1 ∪ A2 ∪ A3 .
n
\
A1 ∩ A2 ∩ · · · ∩ An = Ai ∈ A
i=1
d) Si A, B ∈ A, entonces
• A−B =A∩B ∈A
• A4B = (A − B) ∪ (B − A) ∈ A
Si extendemos las propiedades de ser cerrada para uniones o intersecciones finitas al caso infinito
numerable aparece una nueva estructura algebraica que recibe el nombre de σ− álgebra.
σ-ÁLGEBRA (σ-CAMPO). Diremos que una clase de sucesos no vacı́a, A ⊂ P(Ω), tiene es-
tructura de σ-álgebra si se verifica que es cerrada para complementarios y uniones numerables,
esto es, si verifica las condiciones:
∞
[
A1 ∪ A2 ∪ A3 ∪ · · · = Ai ∈ A.
i=1
De la misma forma que en el caso de álgebra se puede comprobar que el vacı́o y el total
pertenecen a cualquier σ−álgebra, y que, aplicando las leyes de De Morgan, la condición 2 se
puede intercambiar con la condición de ser una clase cerrada para intersecciones numerables.
Notemos además que toda σ-álgebra es un álgebra.
Por último, al par formado por un espacio muestral Ω y una clase de conjuntos A con estruc-
tura de σ−álgebra, esto es (Ω, A), se le denomina espacio medible y a los conjuntos de A,
conjuntos medibles. Estudiaremos cómo es posible definir sobre esta estructura una medida,
y en particular, una medida de probabilidad.
Observemos previamente que es posible tener espacios medibles distintos asociados a un
mismo espacio Ω. Por ejemplo
Ω = {1, 2, 3, 4}
Ejemplo: Sea A el suceso de que aparezcan los números 1 ó 2 al lanzar un dado no cargado.
Calcular la probabilidad de que ocurra A y de que no ocurra A .
2 4 2
P (A) = P (Ac ) = =1− .
6 6 6
Hay que especificar muy bien las distintas alternativas en los resultados del experimento
aleatorio. Por ejemplo, al lanzar dos monedas si se considera XC distinto de CX, al
suceso “obtener dos caras” se le asignarı́a una probabilidad de 1/4 mientras que si no se
distinguen se le asignara, de forma incorrecta, una probabilidad de 1/3.
Estas frecuencias relativas tienden a aproximarse a un valor fijo cuando aumenta el número de
repeticiones del experimento, lo que se conoce como principio de estabilidad o regulari-
dad de las frecuencias. De hecho, la teorı́a frecuentista asegura que existe el lı́mite de esas
frecuencias relativas, y define la probabilidad de un suceso como dicho lı́mite; esto es,
Hay que indicar, no obstante, que por su base empı́rica, esta concepción está ampliamente
aceptada en distintas ciencias experimentales.
P : A −→ R
que verifica los siguientes axiomas:
I. Axioma de no negatividad
P (A) ≥ 0, ∀A ∈ A
Ai ∩ Aj = ∅ ∀i 6= j,
entonces
∞
! ∞
[ X
P Ai = P (Ai ).
i=1 i=1
Es fácil comprobar que las definiciones de probabilidad clásica y frecuentista satisfacen los
axiomas de Kolmogorov.
P (∅) = 0.
n
! n
[ X
A1 , . . . , An ∈ A y Ai ∩ Aj = ∅, ∀i 6= j ⇒ P Ai = P (Ai ).
i=1 i=1
P (Ac ) = 1 − P (A).
P (A − B) = P (A) − P (A ∩ B).
P (A − B) = P (A) − P (B).
N
! N N N N
!
[ X X X \
P Ai = P (Ai )− P (Ai ∩Aj )+ P (Ai ∩Aj ∩Ak )+. . .+(−1)N +1 P Ai
i=1 i=1 i<j i<j<k i=1
II3. Subaditividad:
i) Dados A1 , A2 , . . . , AN ∈ A se verifica
N
! N
[ X
P Ai ≤ P (Ai )
i=1 i=1
∞
! ∞
[ X
P Ai ≤ P (Ai )
i=1 i=1
N
! N N
[ X X
P Ai ≥ P (Ai ) − P (Ai ∩ Aj ).
i=1 i=1 i,j=1
i<j
N
! N
\ X
P Ai ≥1− P (Aci ).
i=1 i=1
∞
! ∞
\ X
P Ai ≥1− P (Aci ).
i=1 i=1
EJEMPLO 1
Sean los sucesos A, B y C con probabilidades P (A) = 1/2, P (B) = 1/3 y P (C) = 1/4 y
supongamos que P (A ∩ B) = 1/6, que A y C son incompatibles y que B y C son incompatibles.
Calcular:
Solución
1) P A ∩ B = 1 − P (A ∩ B) = 1 − 1/6 = 5/6.
2) P A ∩ B = P (A − B) = P (A − (A ∩ B)) = P (A) − P (A ∩ B) = 1/2 − 1/6 = 2/6 = 1/3.
3) P A ∩ B = P A ∪ B = 1−P (A∪B) = 1−P (A)−P (B)+P (A∩B) = 1−1/2−1/3+1/6 =
2/6 = 1/3.
EJEMPLO 2
La probabilidad de que un estudiante A apruebe un determinado examen es 0.7, la de otro
estudiante B es 0.5 y la probabilidad de que aprueben los dos es 0.4. Obtener las probabilidades
de los siguientes sucesos:
Solución
En primer lugar, notamos los sucesos
P (A ∩ B) ∪ (A ∩ B) = 0.4
5. Asignación de probabilidades
5.1. Espacios muestrales discretos
La probabilidad de un suceso proporciona una medida del grado de incertidumbre de dicho
suceso.
Hasta ahora conocemos las reglas (axiomas) que debe cumplir una función de probabilidad
pero no disponemos de un método general que permita asignar una probabilidad a cada suceso.
Este es un problema que conecta directamente con la interpretación de la probabilidad
según las distintas concepciones. Ası́, bajo una perspectiva clásica, el método para asignar
probabilidades es la Regla de Laplace, y bajo la perspectiva frecuentista las probabilidades se
determinan a partir de las frecuencias relativas.
Todas estas concepciones son compatibles con los axiomas de Kolmogorov y, según hemos
visto en los ejemplos anteriores, las propiedades de la probabilidad permiten calcular proba-
bilidades de sucesos que puedan expresarse en términos de otro, una vez que se conocen las
probabilidades de los primeros, denominadas probabilidades iniciales.
Existen casos en los que no es preciso realizar una asignación de probabilidad a cada suceso,
sino que un conjunto de probabilidades iniciales determina la probabilidad de cualquier suceso.
Esto ocurre en los espacios muestrales discretos en los que basta asignar una probabilidad a
cada suceso elemental con la condición de que la suma de todas ellas sea la unidad.
En efecto, cada suceso se puede expresar como unión disjunta de los resultados elementales
que lo constituyen y, al ser el espacio muestral discreto, dicha unión ser finita o, a lo sumo,
numerable. Entonces, a partir de la probabilidad de los sucesos elementales, por la propiedad de
σ-aditividad, queda determinada la probabilidad de cada suceso.
Vamos a exponer a continuación un método de asignación, que se denomina asignación
uniforme, aplicable a espacios muestrales finitos, que conduce a la definición clásica de proba-
bilidad. La extensión de este método a espacios muestrales continuos conduce a las denominadas
probabilidades geométricas.
Asignación uniforme en espacios finitos
Ω = {a1 , . . . , an }, A = P(Ω)
Si no hay razón para suponer que un suceso elemental sea más probable que otro, todos deben
tener la misma probabilidad P (ai ) = p, i = 1, . . . , n y, entonces,
n
X 1
P (Ω) = P (ai ) = np = 1 =⇒ p =
i=1
n
Con estas probabilidades iniciales queda determinada la probabilidad de cualquier suceso
X m
A = {ai1 , . . . , aim } =⇒ P (A) = P (aij ) = mp =
aij ∈A
n
EJEMPLO 3
Se considera un dado cargado de forma que la probabilidad de que salga un número es direc-
tamente proporcional a dicho número. Sea A el suceso “salir número par”, B el suceso “salir
número primo” y C el suceso “salir número impar”.
Solución
1) El espacio muestral es
Ω = {1, 2, 3, 4, 5, 6}
y las probabilidades de cada suceso elemental son
P {n} = kn n = 1, 2, 3, 4, 5, 6.
de forma que
P (Ω) = k + 2k + 3k + 4k + 5k + 6k = 1
es decir
6+1 1
6k = 21k = 1 ⇒ k=
2 21
Por tanto
n
P {n} = n = 1, 2, 3, 4, 5, 6
21
2)
2 4 6 12
P (A) = P ({2, 4, 6}) = + + =
21 21 21 21
1 2 2 5 11
P (B) = P ({1, 2, 3, 5}) = + + + =
21 21 21 21 21
1 3 5 9
P (C) = P ({1, 3, 5}) = + + =
21 21 21 21
3) P ({1, 2, 3, 4, 5, 6}) = 1
10
4) P ({4, 6}) =
21