Los Axiomas de Kolmogorov. Parte II.

1 Sucesiones infinitas de Eventos y el problema

de la Medida de Probabilidad
Hasta el momento hemos estudiado modelos de probabilidad cuya clase de
eventos incluye composiciones finitas de eventos, es decir, eventos que pueden
construirse con uniones e intersecciones finitas de otros eventos. Sin embargo,
hay ocasiones, tanto en la práctica como en la teorı́a, en donde es necesario
considerar modelos de probabilidad con eventos compuestos de uniones e in-
tersecciones de sucesiones infinitas de eventos, ası́ como sus probabilidades.
Ejemplo 1. Supongamos que una población inicial de cierta cantidad de bac-
terias, produce descendencia del mismo tipo. La descendencia de la
población inicial es llamada segunda generación, y ası́ sucesivamente.
Los cientı́ficos están interesados en conocer ciertos procesos de repro-
ducción y de muerte de esta población. En particular, tienen interés en
la eventualidad de que la población se extinga completamente en algún
momento. En este caso, podemos considerar, para cada n ≥ 1, el evento
En como “la población está extinta en la generación n” y la unión
∞
[
E := En ,
n=1

que podemos interpetrar como el evento “la población se extingue en

alguna generación”. Suponiendo que se conoce P(En ), ¿cómo podrı́amos
calcular P(E)?
Ejemplo 2. Supongamos que lanzamos una moneda una infinidad de veces.
¿Cuál es el evento: “la moneda cae en sol una infinidad de veces”? Si
definimos Sn como el evento “cae sol en el n-ésimo lanzamiento”, para
cada n ≥ 1, entonces el evento “la moneda cae en sol una infinidad de
veces” está determinado por
∞ [
\ ∞
lim sup Sn = Sk .
n
n=1 k=n

Suponiendo que este conjunto es un evento, ¿cómo podemos calcular su

probabilidad?

1
2 σ-álgebra de eventos.
Resulta evidente que el concepto de álgebra es ya insuficiente. De los ejem-
plos anteriores, se intuye que el concepto de álgebra debe ser extendido a un
concepto más general que incluya la propiedad de que si An ∈ F para todo
n ≥ 1 entonces
∞
[
An ∈ F.
n=1

Exponemos entonces de manera formal la definición siguientes.

Definición 1 (σ-álgebra). Sea F una familia de subconjuntos de un conjunto
Ω. Decimos que F es un σ-álgebra sobre Ω si
(σ1) Ω ∈ F.
(σ2) Si A ∈ F, entonces Ω\A ∈ F.
(σ3) Si {An }n≥1 es una sucesión de elementos en F, entonces
∞
[
An ∈ F.
n=1

Ejemplo 1. Sobre cualquier espacio no vacı́o Ω, las familias

P(Ω) = {A | A ⊆ Ω} y P0 = {∅, Ω}

son σ-álgebras sobre Ω. Si F es cualquier σ-álgebra sobre Ω, entonces

P0 ⊂ F ⊂ P(Ω).

Ejemplo 2. Sea Ω el pequeño espacio {1, 2, 3, 4}. Y consideremos las familias

A = {∅, Ω, {2, 3, 4}, {1}}, B = {∅, Ω, {1}, {2}, {1, 2}, {3, 4}, {2, 3, 4}, {1, 3, 4}}
y C = {∅, Ω, {1, 3, 4}, {2}}. Mediante una inspección visual notamos que todas
ellas poseen estructura de σ-álgebra sobre el mismo espacio Ω. Sin embargo,
las familias D = {{1}, {2}, ∅} y E = {{1}, {2}}, no son σ-álgebras sobre Ω.
Ejemplo 3. Por convención entenderemos como subconjunto contable, aquel
subconjunto (o espacio) de cardinalidad finita o a lo sumo infinito numerable.
Sea Ω un espacio no contable. Consideremos la familia

F = {A ⊆ Ω | A es contable o Ac es contable}.

Entonces F es σ-álgebra.

2
 Evidentemente, un σ-álgebra es también un álgebra, y por tanto es cerrado
bajo cualquier operación finita de subconjuntos. Sin embargo, una familia
cerrada bajo uniones finitas no necesariamente es un σ-álgebra.
Ejemplo 4. Sea Ω = (0, 1]. La familia
( n )
[
G= Ai | n ∈ N, Ai ∈ C ∀ i = 1, ..., n, y Ai ∩ Aj = ∅ si i 6= j ,
i=1

donde
C = {(x, y]|0 ≤ x ≤ y ≤ 1},
es cerrada bajo uniones finitas. De hecho G es un álgebra. Sin embargo no
es σ-álgebra. Por ejemplo, los intervalos (1/2n, 1/(2n − 1)] pertencen a G
(de hecho pertenecen a C), pero, dado que son ajenos, su unión no puede ser
expresada como una unión finita de intervalos en A.
Hay otras formas equivalentes de describir un σ-álgebra, una de las más
útiles es la siguiente.

Teorema 1. La familia F es un σ-álgebra sobre Ω, si y sólo si,

(σ10 ) ∅ ∈ F.
(σ20 ) Si A ∈ F, entonces, Ac ∈ F.

n=1 es una sucesión de elementos de F, entonces

(σ30 ) Si {An }∞
∞
\
An ∈ F.
n=1

Demostración. Si F es σ-álgebra sobre Ω, entonces Ω ∈ F, según (σ1), pero por

(σ2), ∅ = Ωc ∈ F, esto prueba (σ10 ). Ahora, la condición (σ20 ) es exactamente
la condición (σ2) de la Definición 1. Por último, para una sucesión {An }n∈N
contenida en F se tiene queS∞ {Anc}n∈N también está contenida en F por la
c

propiedad (σ2), entonces n=1 An ∈ F, por (σ3), pero de nueva cuenta por
(σ2), !c
\∞ ∞
[
An = An c
∈ F,
n=1 n=1
0
lo cual prueba (σ3 ). Se deja al estudiante el resto de la prueba.

3
3 σ-álgebra generada por una clase de
subconjuntos
Teorema 2. Sea F una familia arbitraria de σ-álgebras definidas sobre un
conjunto Ω. Entonces la familia

E = { A ⊂ Ω : A ∈ F, ∀ F ∈ F }

es σ-álgebra sobre Ω.
Observación 1. El conjunto F es una clase de segunda categorı́a, esto es, es
una clase de clases: Una clase cuyos elementos son a su vez clases. Notamos
entonces, \
E= F,
F∈F

En palabras, este resultado establece que la intersección arbitraria de σ-álgebras

definidas sobre un mismo espacio, es de nueva cuenta un σ-álgebra sobre
dicho espacio.

Demostración. Es claro que Ω ∈ F para toda F ∈ F , entonces Ω ∈ E. Si

A ∈ E, entonces A ∈ F para toda F ∈ F , por tanto Ac ∈ F para toda F ∈ F ,
de donde, Ac ∈ E. Por último, si una sucesión {AnS }n∈N está contenida en
∞
E, entonces está contenida
S∞ en toda F ∈ F , por ello n=1 An ∈ F para toda
F ∈ F , esto prueba que n=1 An ∈ E.

Teorema 3. Sea C cualquier familia no vacı́a de subconjuntos del espacio Ω.

Entonces existe un único σ-álgebra definida sobre Ω, denotado por σ(C), tal
que
i) C ⊂ σ(C) y

ii) Si F es una σ-álgebra en Ω tal que C ⊂ F entonces σ(C) ⊂ F.

Decimos que σ(C) es el σ-álgebra generado por la clase C.
Demostración. Definimos

C = {F ⊂ P(Ω) : C ⊆ F, F es σ-álgebra en Ω}.

Esto es, C es la clase que reúne todos los σ-álgebras que contienen a las clase
C. Dado que C ⊆ P(Ω) y P(Ω) es σ-álbebra sobre Ω, tenemos que P(Ω) ∈ C .
Por tanto nuestra familia de σ-álgebras C es no vacı́a.

4
 Existencia. Definimos σ(C) := F∈C F. Por el teorema anterior, sabemos
T
que σ(C) es un σ-álgebra. Como C ⊆ F para toda F ∈ C (por definición), se
tiene entonces que C ⊆ σ(C). Por último, para cualquier σ-álgebra F en Ω, si
C ⊆ F entonces F ∈ C , y por la propia definición de σ(C), se tiene σ(C) ⊂ F.
Unicidad. Si F es un σ-álgebra que cumple con i) y ii), entonces

F ⊆ σ(C),

Pero también σ(C) verifica estas dos propiedades, como probamos, y por ende

σ(C) ⊆ F.

Luego σ(C) = F.

Proposición 1. Supongamos que C y C∗ son familias de subconjuntos de un

espacio no-vacı́o Ω. Si C ⊂ C∗ entonces σ(C) ⊂ σ(C∗ ). En particular, si F es
un σ-álgebra, entonces F = σ(F).
Demostración. Por hipótesis y por i) del teorema anterior,

C ⊂ C∗ ⊂ σ(C∗ ).

Nuevamente, por ii) del teorema anterior,

σ(C) ⊂ σ(C∗ ).

4 Restricción de un σ-álgebra.
Proposición 2. Sea F un σ-álgebra sobre un conjunto Ω y sea Ω0 ⊂ Ω.
Entonces la clase
F ∩ Ω0 := {F ∩ Ω0 : F ∈ F},
es un σ-álgebra sobre Ω0 .

Demostración. Como Ω ∈ F,

Ω 0 = Ω ∩ Ω0 ∈ F ∩ Ω0 .

Si E ∈ F ∩ Ω0 , entonces para algún F ∈ F, E = F ∩ Ω0 , de donde

Ω0 \E = Ω0 \(F ∩ Ω0 ) = Ω0 \F = (Ω\F ) ∩ Ω0 ∈ F ∩ Ω0 ,

5
puesto que Ω\F ∈ F. Finalmente, si En ∈ F ∩ Ω0 , para todo n ≥ 1, entonces
existe una colección Fn ∈ F, n ≥ 1, tal que En = Fn ∩ Ω0 . Por lo tanto
∞ ∞ ∞
!
[ [ [
En = (Fn ∩ Ω0 ) = Fn ∩ Ω0 ∈ F ∩ Ω0 ,
n=1 n=1 n=1
S∞
dado que n=1 Fn ∈ F.
Proposición 3. Sea C una clase de subconjuntos de Ω y sea Ω0 ⊂ Ω. Si
definimos la clase C ∩ Ω0 := {C ∩ Ω0 : C ∈ C}, entonces

σ(C ∩ Ω0 ) = σ(C) ∩ Ω0 .

Demostración. Dado que C ⊂ σ(C), entonces C ∩ Ω0 ⊂ σ(C) ∩ Ω0 , de donde

σ(C ∩ Ω0 ) ⊂ σ(C) ∩ Ω0 .

Ahora, definimos la clase

F0 = {F ∈ σ(C) : F ∩ Ω0 ∈ σ(C ∩ Ω0 )}.

Entonces F0 es un σ-álgebra sobre Ω y C ⊂ F0 . Por consiguiente σ(C) ⊂ F0 .

Esto prueba que para todo F ∈ σ(C), F ∩ Ω0 ∈ σ(C ∩ Ω0 ), esto es,

σ(C) ∩ Ω0 ⊂ σ(C ∩ Ω0 ).

5 Espacio de Probabilidad
Con el concepto de σ-álgebra podemos establecer la definición más general de
medida de probabilidad y de espacio de probabilidad.
Definición 2. Sea Ω un conjunto no vacı́o y sea F un σ-álgebra sobre Ω. Una
medida de probabilidad es una función conjuntista P definida sobre F tal
que
(P1) P(A) ≥ 0, para todo A ∈ F.
(P2) P(Ω) = 1.
(P3) σ-aditividad. Si An ∈ F, n ≥ 1, es una colección de eventos ajenos,
entonces
∞ ∞
!
[ X
P An = P(An ).
n=1 n=1

6
Un espacio de probabilidad es una terna (Ω, F, P), donde Ω es un conjunto
no-vacı́o, llamado espacio muestral, F es un σ-álgebra sobre Ω, llamado
σ-álgebra de eventos y cuyos elementos son llamados eventos, y P es una
medida de probabilidad definida sobre F.
Esta definición envuelve la primera definición que hemos estudiado, debido
a que todo σ-álgebra es también un álgebra, y al resultado siguiente, cuya
prueba es casi inmediata y se deja al estudiante.
Proposición 4. Una medida de probabilidad P es finitamente aditiva. Esto
es, si Ai ∈ F, i = 1, ..., n es una colección finita de eventos ajenos, entonces
n
! n
[ X
P Ai = P(Ai ).
i=1 i=1

Las siguiente propiedades también son inmediatas de la definición. La

prueba se deja al estudiante.
Teorema 4. Sea (Ω, F, P) un espacio de probabildad.
i) Si A, B ∈ F son eventos tales que A ⊂ B, entonces

P(B\A) = P(B) − P(A) y P(A) ≤ P(B).

ii) 0 ≤ P(A) ≤ 1, para todo evento A ∈ F.

iii) P(A) + P(Ac ) = 1, para todo evento A ∈ F.
iv) P(∅) = 0.
Ejemplo 5. Sea Ω un conjunto no vacı́o y sea ω0 un elemento fijo de Ω.
Sobre el potencia P(Ω), definimos
(
1 si ω0 ∈ A,
P(A) =
0 si ω0 ∈
/ A.

Entonces P es una medida de probabilidad.

Ejemplo 6. Si F es un álgebra de cardinalidad finita sobre algún conjunto
Ω, entonces F es de hecho un σ-álgebra. En este caso, si P es una función
conjuntista sobre F que satisface (P1), (P2) y es finitamente aditiva, entonces
P es una medida de probabilidad. En particular, la medida de probabilidad
clásica es una medida de probabilidad.

7
Ejemplo 7 (Espacios de probabilidad discretos). Sea Ω un conjunto y supon-
∞
gamos que Ω0 = {ω1 , ω2 , ...} es un subconjunto contable de Ω. Sea {pP
i }i=1 una
sucesión de números reales tales que 0 ≤ pi ≤ 1, para todo i ≥ 1 y i pi = 1.
Sobre P(Ω) definimos X
P(A) = pi ,
i∈ΓA
donde ΓA = {j ≥ 1 : ωj ∈ A∩Ω0 }. Entonces P es una medida de probabilidad.
Note que la naturaleza discreta de este espacio depende de las caracterı́sticas
de P, más que de las Ω o F.
Como consecuencia, la propiedad de σ-aditividad implica que una medida
de probabilidad es continua para sucesiones monótonas de eventos.
Teorema 5. Sea (Ω, F, P) un espacio de probabilidad y sea An ∈ F, n ≥ 1,
una colección de eventos.
i) Si An ⊂ An+1 entonces
∞
!
[
P An = lim P(An ).
n→∞
n=1

ii) Si An+1 ⊂ An , entonces

∞
!
\
P An = lim P(An ).
n→∞
n=1

Demostración. Supongamos que An ⊂ An+1 . Definimos, B1 = A1 y para

n > 1, BnS= An \An−1
∞ S.∞Entonces Bn ∈ F para todo n > 1, Bn ∩ Bm = ∅ si
n 6= m, y n=1 An = n=1 Bn . Por lo tanto,
∞ ∞
! !
[ [
P An = P Bn
n=1 n=1
∞
X
= P(Bn )
n=1
m
X
= lim P(Bn )
m→∞
n=1
Xm
= lim [P(An ) − P(An−1 )] + P(A1 )
m→∞
n=1
= lim P(Am ).
m→∞

8
Para la segunda parte, si An+1 ⊂ An , entonces Acn ⊂ Acn+1 . Por lo anterior,
∞ ∞
! !
\ [
P An = 1 − P An = 1 − lim P(Acn ) = lim P(An ).
c
n→∞ n→∞
n=1 n=1

Una medida de probabilidad es además sub-aditiva.

Proposición 5 (Desigualdad de Boole). Sea (Ω, F, P) un espacio de proba-
bilidad y sea An ∈ F, n ≥ 1, una colección de eventos. Entonces
∞ ∞
!
[ X
P An ≤ P(An ).
n=1 n=1
Sn
Demostración. Si definimos
S Bn = k=1 Ak , entonces Bn ∈ F, Bn ⊂ Bn+1
S
para todo n ≥ 1 y n An = n Bn . Además, por inducción,
n
X
P(Bn ) ≤ P(Ak ), para todo n ≥ 1.
k=1

Por lo tanto,
∞ ∞ ∞
! !
[ [ X
P An =P Bn = lim P(Bn ) ≤ P(An ).
n→∞
n=1 n=1 n=1

Corolario. Sea (Ω, F, P) un espacio de probabilidad y sea An ∈ F, n ≥ 1,

una colección de eventos. Si P(An ) = 0 para todo n ≥ 1, entonces
∞
!
[
P An = 0.
n=1

Demostración. Por la desigualdad de Boole,

∞ ∞
!
[ X
P An ≤ P(An ) = 0,
n=1 n=1

de donde se sigue el corolario.

9
 Para concluir esta sección demostraremos, como corolario de la continuidad
de P, un de resultado bastante relevante.
Teorema 6 (Lema de Borel-Cantelli). Sea (Ω, F, P) un espacio de probabilidad
y {An }n≥1 ⊂ F un colección de eventos. Si
∞
X
P(An ) < ∞,
n=1

entonces  
P lim sup An = 0.
n
P∞
Demostración. Dado que n=1 P(An ) < ∞, entonces,
∞
X
lim P(Ak ) = 0.
n→∞
k=n

Ahora,
  ∞
[ 
P lim sup An = lim P Ak
n n→∞
k=n
∞
X
≤ lim P(Ak ) = 0.
n→∞
k=n

6 Independencia y Ley 0-1 de Borel-Cantelli.

Definición 3. Sea (Ω, F, P) un espacio de probabilidad. Decimos que dos
eventos A ∈ F y B ∈ F son independientes si

P(A ∩ B) = P(A)P(B).

En general, decimos que los eventos Ai ∈ F, i = 1, ..., n, son independientes,

si para cualquier subconjunto J ⊂ {1, ..., n},
\  Y
P Aj = P(Aj ).
j∈J j∈J

10
Definición 4. Sea Γ un conjunto de ı́ndices arbitrario no-vacı́o. Supongamos
que {Aγ }γ∈Γ ⊂ F es una colección de eventos. Decimos que los eventos Aγ ,
γ ∈ Γ, son independientes si para cualquier sub-colección finita Aγ1 ,...,Aγn ,
n
\  Yn
P A γi = P(Aγi ).
i=1 i=1

Recordemos que para cualquier conjunto A y un número a ∈ {0, 1},

definimos (
a A si a = 1,
A = c
A si a = 0.

Proposición 6. Sea Γ un conjunto de ı́ndices arbitrario no-vacı́o, y sea

{Aγ }γ∈Γ ⊂ F una colección de eventos. Entonces, los eventos Aγ , γ ∈ Γ,
son independientes, si y sólo si, para cada α = (aγ )γ∈Γ ∈ {0, 1}Γ , los eventos
a
Aγγ , γ ∈ Γ, son independientes.
Demostración. Es suficiente el caso Γ finito. Haremos únicamente el caso
Γ = {1, 2}. Si A1 y A2 son eventos indeoendientes, entonces

P(A1 ∩ Ac2 ) = P(A1 ) − P(A1 ∩ A2 ) = P(A1 )(1 − P(A2 )) = P(A1 )P(Ac2 ).

Por lo tanto A1 y Ac2 son independientes. De aquı́, con un argumento análogo,

se sigue que Ac1 y Ac2 son independientes. De nueva cuenta, imitando el argu-
mento se tiene entonces que Ac1 y A2 son independientes. Pero esto implica
que A1 y A2 son independientes, copiando el mismo argumento.
Teorema 7 (Ley 0-1 de Borel-Cantelli, segundo Lema de Borel-Cantelli). Sea
(Ω, F, P) un espacio de probabilidad y sea {An }n≥1 una colección de eventos
independientes. Entonces
  ( P∞
0 si, y sólo si, P(An ) < ∞
P lim sup An = Pn=1
∞
n 1 si, y sólo si, n=1 P(An ) = ∞.
P
si n P(An ) < ∞, entonces
Demostración. Por el Lema de Borel Cantelli, P
P(lim supn An ) = 0. Supongamos ahora que n P(An ) = ∞. Para cada
n ≥ 1,
∞ ∞ ∞
! N
\ Y Y Y
c
P Ak = P(Acn ) = (1 − P(An )) = lim (1 − P(Ak )),
n≤N →∞
k=n k=n k=n k=n

11
y usando que 1 − x ≤ exp{−x}, para todo número real x,
n
( n
)
Y X
(1 − P(Ak )) ≤ exp − P(Ak ) ,
k=N k=N

de donde,
∞ ∞
! ( N
) ( )
\ X X
P Ack ≤ lim exp − P(Ak ) = exp − P(Ak ) = 0,
n≤N →∞
k=n k=n k=n

por lo tanto,
∞
∞ \
  !
  [
P lim sup An = 1 − P lim inf Acn =1−P Ack =1
n n
n=1 k=n

12