1.

7 Probabilidad subjetiva 35

asociarse, a conveniencia, a las dos caras de la moneda, y las probabi-

lidades de selección son las mismas para cada uno de los números del
conjunto indicado, en este caso es de 1{2 para cada número. Realice
100 simulaciones del lanzamiento de una moneda equilibrada y com-
pruebe, experimentalmente, que el número de veces que aparece una
de las caras entre el total de lanzamientos se aproxima a 1{2 conforme
el número de lanzamientos crece.

# Simulación de 20 lanzamientos de una moneda equilibrada

> sample(0:1, 20, replace=TRUE)
r1s 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 1 0 1

46. Dado. El lanzamiento de un dado puede simularse en R usando el

comando que aparece abajo. Realice 100 simulaciones del lanzamiento
de un dado equilibrado y compruebe experimentalmente que el número
de veces que aparece una de las caras entre el total de lanzamientos
se aproxima a 1{6 conforme el número de lanzamientos crece.

# Simulación de 20 lanzamientos de un dado equilibrado

> sample(1:6, 20, replace=TRUE)
r1s 1 5 3 4 4 6 3 4 3 3 2 4 4 5 3 1 6 5 6 6

1.7. Probabilidad subjetiva

En este caso, la probabilidad de un evento depende del observador, es decir,
depende de lo que el observador conoce del fenómeno en estudio. Puede
parecer un tanto informal y poco seria esta definición de la probabilidad
de un evento, sin embargo, en muchas situaciones es necesario recurrir a
un experto para tener por lo menos una idea vaga de cómo se comporta
el fenómeno de nuestro interés y saber si la probabilidad de un evento es
alta o baja. Por ejemplo, ¿cuál es la probabilidad de que un cierto equipo
de fútbol gane en su próximo partido? Ciertas circunstancias internas del
equipo, las condiciones del equipo rival o cualquier otra condición externa,
son elementos que sólo algunas personas conocen y que podrı́an darnos
36 1. Probabilidad elemental

una idea más exacta de esta probabilidad. Esta forma subjetiva de asignar
probabilidades a los distintos eventos debe, sin embargo, ser consistente con
un conjunto de condiciones que estudiaremos a continuación.

1.8. Probabilidad axiomática

En la definición axiomática de la probabilidad no se establece la forma
explı́cita de calcular las probabilidades, sino únicamente se proponen las
reglas que el cálculo de probabilidades debe satisfacer. Los siguientes tres
postulados o axiomas fueron establecidos en 1933 por el matemático ruso
Andrey Nikolaevich Kolmogorov.

Axiomas de la probabilidad

1. P pAq ě 0.

2. P pΩq “ 1.
8
ď 8
ÿ
3. P p Ak q “ P pAk q cuando A1 , A2 , . . . son ajenos dos a dos.
k“1 k“1

Recordemos que un axioma o postulado es una proposición que se acepta

como válida y sobre la cual se funda una teorı́a, en este caso la teorı́a de
la probabilidad. En particular, estos postulados han sido tomados directa-
mente del análisis cuidadoso y reflexivo de las definiciones de probabilidad
mencionadas anteriormente. Y no es difı́cil verificar que las definiciones an-
teriores de probabilidad (clásica, geométrica y frecuentista) satisfacen estos
tres axiomas. Verificaremos a continuación el caso de la probabilidad fre-
cuentista.

Ejemplo 1.13 Consideremos nuevamente la definición de probabilidad fre-

cuentista, en donde debe realizarse una sucesión de n ensayos de un experi-
mento aleatorio y calcular el cociente nA {n para un evento A cualquiera. Se
observa claramente que el cociente nA {n es no negativo, esto es el primer
axioma. Si A es el evento total Ω, entonces nΩ “ n y por lo tanto nΩ {n “ 1,
esto es el segundo axioma. Finalmente, si A y B son dos eventos ajenos, se
1.8 Probabilidad axiomática 37

tiene que nAYB “ nA ` nB y por lo tanto

nAYB nA nB
“ ` ,
n n n
lo cual puede extenderse para una colección numerable de eventos ajenos dos
a dos y de esta manera obtener el tercer axioma, suponiendo la existencia
de los lı́mites correspondientes. De manera semejante puede verificarse el
cumplimiento de estos axiomas para las definiciones clásica y geométrica de
la probabilidad que hemos estudiado en las secciones anteriores. ‚

Tenemos a continuación la definición axiomática de la probabilidad.

Definición 1.5 A cualquier función P definida sobre una colección de

eventos que satisfaga los tres axiomas de Kolmogorov, se le llama medida
de probabilidad o, simplemente, probabilidad.

En esta definición no hemos sido muy precisos en establecer el dominio de

la función P , sólo hemos dicho que tal dominio es una colección de eventos.
En la siguiente sección especificaremos con más detalle a esta colección, por
ahora nos interesa estudiar las propiedades generales que la función P pueda
tener.

Propiedades de la probabilidad
Tomando como base los axiomas de Kolmogorov y usando la teorı́a elemental
de conjuntos, demostraremos que toda medida de probabilidad cumple con
una serie de propiedades generales e interesantes.

Proposición 1.1 P pHq “ 0.

Demostración. Tomando A1 “ A2 “ ¨ ¨ ¨ “ H en el tercer axioma,

tenemos que
P pHq “ P pHq ` P pHq ` ¨ ¨ ¨ .
38 1. Probabilidad elemental

La única solución de esta ecuación es P pHq “ 0. ‚

Proposición 1.2 Sea A1 , A2 , . . . , An una colección finita de eventos

ajenos dos a dos. Entonces
n
ď n
ÿ
Pp Ak q “ P pAk q.
k“1 k“1

Demostración. Definiendo An`1 “ An`2 “ ¨ ¨ ¨ “ H, se verifica que esta

sucesión infinita sigue siendo ajena dos a dos y por lo tanto, usando el tercer
axioma, tenemos que
n
ď 8
ď
Pp Ak q “ P p Ak q
k“1 k“1
8
ÿ
“ P pAk q
k“1
ÿn
“ P pAk q.
k“1
‚

De esta manera, el tercer axioma incluye tanto el caso de sucesiones infinitas

de eventos ajenos dos a dos como el caso de sucesiones finitas. En particular,
cuando sólo tenemos dos eventos A y B con A X B “ H, se cumple la
identidad
P pA Y Bq “ P pAq ` P pBq.

Proposición 1.3 Para cualquier evento A, P pAc q “ 1 ´ P pAq.

Demostración. De la teorı́a elemental de conjuntos tenemos que Ω “

1.8 Probabilidad axiomática 39

A Y Ac , en donde A y Ac son eventos ajenos. Aplicando el tercer axioma

tenemos que

1 “ P pΩq
“ P pA Y Ac q
“ P pAq ` P pAc q.

La proposición recién demostrada establece que los eventos A y Ac tienen

probabilidad complementaria, es decir, la suma de las probabilidades de es-
tos eventos es siempre uno. Esta sencilla propiedad es bastante útil pues
en ocasiones es más fácil calcular la probabilidad del complemento de un
evento que del evento mismo. Más adelante tendremos múltiples ocasiones
para aplicar este resultado.

Las siguientes dos proposiciones suponen la situación A Ď B, la cual se

muestra gráficamente en la Figura 1.15. En particular, el siguiente resultado
establece que la probabilidad es una función monótona no decreciente.

A B

Figura 1.15

Proposición 1.4 Si A Ď B entonces P pAq ď P pBq.

Demostración. Primeramente escribimos B “ A Y pB ´ Aq. Como A y

B ´ A son eventos ajenos, por el tercer axioma, P pBq “ P pAq ` P pB ´ Aq.