Definiciones Bsicas

Como vimos anteriormente, para asignar un valor numrico a la probabilidad de que suceda un
evento dado, los enfoques clsico y relativista utilizan el valor de su frecuencia relativa de ocurrir,
este valor vara de 0 a 1.
Esta manera de asignar probabilidades junto con un enfoque axiomtico utilizando teora de
conjuntos nos proporciona un modelo matemtico con el que vamos a establecer la definicin con
la cual asignaremos el valor probabilstico de un evento dado. Para ello primero vamos a requerir
de un poco de terminologa que nos ser de utilidad para enunciar esta definicin.
Espacios Muestrales
La coleccin que consta de todos los resultados posibles asociados a un experimento o fenmeno
aleatorio se llama espacio muestral y lo denotaremos mediante la letra griega omega . A cada
resultado particular lo llamaremos punto muestral. Si un espacio muestral tiene un nmero
finito de puntos como en el ejemplo 1 de la seccin 1, entonces se denomina espacio muestral
finito. Si tiene tantos puntos muestrales como nmeros naturales, se denomina espacio muestral
infinito numerable o discreto, y si tiene tantos puntos como los hay en un intervalo [, ] o
bien consiste de un producto de intervalos, entonces se denomina espacio muestral continuo. En
ese caso, solamente los subconjuntos especiales (llamados medibles) sern eventos.
En la terminologa de teora de conjuntos, un evento asociado a un experimento aleatorio es pues
un subconjunto A del espacio muestral . Si el resultado de un experimento aleatorio es un
elemento de A, entonces decimos que el evento A ha ocurrido. Un evento que consiste de un solo
punto de , es decir, {} se llama evento elemental o simple.
Ejemplo 1. Para el experimento del lanzamiento de un dado balanceado una vez el espacio
muestral es el conjunto finito = {1, 2, 3, 4, 5, 6}. Como podemos observar, si A es un evento,
de este espacio muestral, entonces A puede ser cualquiera de los siguientes conjuntos
{1}, {2}, {3}, {4}, {5}, {6}
En este caso, todos los eventos de son simples.
Ejemplo 2. Para el experimento del lanzamiento de una moneda balanceada dos veces, el espacio
muestral es el conjunto finito = {, , , }. Y el evento en el cual resulta guila
almenos una vez es el conjunto = {, , }.
Ejemplo 3. Consideremos el experimento en el cual lanzamos una moneda balanceada hasta que
aparezca un sol y luego contamos el nmero de veces que lanzamos la moneda. El espacio
muestral de este experimento es el conjunto = {1, 2, 3, , }. Aqu se refiere al caso en el
cual nunca aparece una cara y entonces la moneda es lanzada un nmero infinito de veces. Puesto
que cada entero positivo es un elemento de , el espacio muestral es infinito. De hecho, este es
un ejemplo de un espacio muestral que es infinito numerable o discreto.
En este caso cada subconjunto de es un evento. Un modelo matemtico que sea de utilidad para
estudiar un fenmeno aleatorio debe incluir los siguientes elementos:
a) Un conjunto que represente al espacio muestral
b) Una coleccin de subconjuntos de denotada por que represente a los eventos.
c) Una funcin : [0,1] que asigne a cada elemento la probabilidad que tiene de ocurrir.
Ms formalmente tenemos lo siguiente.
Axiomas de Probabilidad
Sea un espacio muestral, sea la clase de todos eventos y sea P una funcin definida en ,
: [0,1]. Entonces a P se le llama una funcin de probabilidad y a () se le denomina como
la probabilidad del evento , cuando se cumplen los siguientes axiomas
Axioma 1. Para cualquier evento A en la clase
() 0
Axioma 2. Para el evento seguro en la clase se tiene que
() = 1
Axioma 3. Para cualquier nmero de eventos mutuamente excluyentes
1
,
2
, en la clase se
tiene que
(
1

2
) = (
1
) +(
2
) + = (

=1

En particular, para slo dos eventos mutuamente excluyentes se tiene que
(
1

2
) = (
1
) +(
2
)
Cuando una funcin P satisface los axiomas anteriores, el espacio muestral suele llamarse un
espacio de probabilidad.
El primer axioma establece que la probabilidad de cualquier evento es no negativa y el segundo
axioma establece que el evento cierto o seguro tiene probabilidad 1. Utilizando induccin
matemtica se puede ampliar la propiedad aditiva para dos eventos a cualquier nmero finito de
eventos mutuamente excluyentes, es decir, para cualquier conjunto de eventos mutuamente
excluyentes
1
,
2
, ,

en la clase se tiene que

(
1

2

) = (
1
) +(
2
) +

= (

=1

Este es el caso cuando se tiene que el espacio muestral es finito. A partir de todas estas
condiciones podemos hacer las siguientes observaciones:
1) A todo evento A en la clase le corresponde el otro evento definido por la condicin A no
ocurre el cual consta de todos los puntos muestrales no contenidos en A; tal evento se llama
evento complementario de A y se denotara por

.
2) Los conjuntos y son siempre eventos: el evento que siempre ocurre y el evento que nunca
ocurre respectivamente.
3) Puesto que los eventos son conjuntos, resulta lgico que las proposiciones relativas a eventos
puedan traducirse en el lenguaje de la teora de conjuntos y viceversa. Ms especficamente,
tenemos que si A y B son dos eventos, entonces existen dos maneras de combinarlos, estas se
representan por las letras o e y y tambin pueden definirse nuevos eventos a partir de la
combinacin de este par de reglas. Las combinaciones o e y pueden definirse mediante los
siguientes enunciados probabilsticos.
















Terminologa de conjuntos vs Enunciados probabilsticos

CONJUNTOS


ENUNCIADO PROBABILISTICO




A y B ocurren



A o B ocurren (almenos uno de los dos eventos
ocurren o ambos)

A no ocurre

=


A y B son mutuamente excluyentes

=

A ocurre y B no ocurre




A implica B ( Si A ocurre, entonces B tambin
ocurre)


= ( ) ( )


Ocurren A o B pero no ambos

( )

No ocurren ni A ni B









Ejemplo 4. Consideremos el experimento en el cual dejamos caer un lpiz de punta en una caja
rectangular y luego observemos en el fondo de la caja el primer punto que hace el lpiz. En este
caso consiste de todos los puntos en el fondo de la caja. Sea el rea rectangular de la figura que
se indica la que representa estos puntos y sean A y B los eventos en que el lpiz cae en las reas
correspondientes, que se ilustran en la figura. Entonces es el evento en que el lpiz cae en
la regin sombreada. Este espacio muestral = S es un ejemplo de un espacio muestral
continuo.

Ejemplo 5. Se lanzan un par de dados balanceados una vez y se registran los nmeros que
aparecen en las caras superiores. Hay seis nmeros posibles en cada dado. Por lo tanto, como
veremos ms tarde, el espacio muestral es el conjunto que consta de los 36 pares de nmeros
que se indican en la siguiente figura. Estos estn ordenados de manera que las filas llevan el
nmero del primer dado y las columnas el del segundo.

Sea A el evento en el cual la suma de los dos nmeros es 6 y sea B el evento en el cual el nmero
ms grande es 4. Es decir,
A = {(1,5), (2,4), (3,3), (4,2), (5,1)} y B = {(1,4), (2,4), (3,4), (4,4), (4,3), (4,2), (4,1)}

Entonces el evento A y B est formado por aquellos pares de enteros cuya suma es 6 y el
nmero ms alto es 4 o, en otras palabras la interseccin entre A y B. Por lo tanto
= {(2,4), (4,2)}
En forma similar, el evento A o B o sea, aquellos pares de enteros cuya suma es 6 o el nmero
ms alto es 4 es el conjunto
= {(1,5), (2,4), (3,3), (4,2), (5,1), (1,4), (3,4), (4,4), (4,3), (4,1) }
Y el evento

est formado por aquellos pares de enteros cuya suma no es 6. Hay que
observar que en el evento se han eliminado todas las repeticiones.
Teoremas en espacios de probabilidad
Los siguientes teoremas se deducen directamente de los axiomas dados anteriormente
Teorema 1. El evento imposible o, en otras palabras, el conjunto vaco tiene probabilidad 0, es
decir, () = 0.
Teorema 2 (regla del complemento): Para cualquier evento A, se tiene que
(

) = 1 ()
Teorema 3. Para cualquier evento A, se tiene que
0 () 1
Teorema 4. Si entonces () ()
Teorema 5. Para dos eventos cualquiera A y B, se cumple que
( ) = () ( )
Teorema 6 (regla de adicin): Para dos eventos cualquiera A y B, se cumple que
( ) = () +() ( )
Aplicando el teorema 6 dos veces se obtiene el siguiente corolario: para cualquier evento A, B y C,
( ) = () +() +() ( ) ( ) ( ) +( )




Clculo de probabilidades para eventos elementales
Aunque el concepto de frecuencia relativa es atractivo, su aplicacin consume gran cantidad de
tiempo. Un mtodo que se utilizar a menudo para la obtencin de las probabilidades de los
eventos es una comparacin de sus frecuencias relativas. La ms simple de estas situaciones
ocurre cuando todos los resultados de un problema son igualmente probables. Si este es el caso
entonces es fcil obtener las probabilidades de cada evento. En este caso la probabilidad se
obtiene dividiendo la unidad entre el nmero de resultados. Por consiguiente, una moneda justa
tiene dos resultados, luego () = () =
1
2
.
Similarmente, como en el ejemplo 1, un dado justo tiene 6 resultados posibles, de manera que
(1) = (2) = (3) = (4) = (5) = (6) =
1
6
.
Es importante mencionar que deberemos de ser muy cuidadosos al utilizar esta regla. Es correcto
cuando uno considera la estructura fsica de una moneda o un dado donde todos los resultados
tendrn la misma probabilidad. Por otra parte, cuando uno considera el giro de una pirinola la
hiptesis de resultados igualmente probables ya no es aplicable. La estructura fsica de una
pirinola es ms complicada que la de una moneda y esto proporciona incertidumbre sobre las
probabilidades relativas de los resultados. Por consiguiente, an en situaciones como la de la
pirinola donde se conoce el nmero total de resultados siempre ser mejor no aplicar la regla de
eventos igualmente probables sin ningn anlisis.
Cuando las probabilidades son diferentes pueden utilizarse las frecuencias relativas para derivar
sus valores. Para ilustrar esto, supongamos para el ejemplo del clima que la frecuencia de clima
agradable ha sido el doble de la de lluvia, y la de lluvia ha sido el triple de la niebla. A fin de
determinar las probabilidades de estos tres eventos, se utilizara lgebra, estas frecuencias
relativas y las propiedades de eventos mutuamente excluyentes y colectivamente exhaustivos.
Esto ltimo implica que
() +() +() = 1 ()
Donde A es el evento clima agradable, B es lluvia y C es niebla. Adems, las frecuencias
relativas son
{
() = 2()
() = 3()
()
A fin de obtener las probabilidades se calcular todo en funcin de P(C). De la expesin (b) se
obtiene
() = 2[3()] = 6()

Esto puede sustituirse en (a) para obtener
6() +3() +() = 1
Por lo tanto () =
1
10
. De esta manera, () =
6
10
y () =
3
10
.

Eventos compuestos y sus probabilidades
Como vimos anteriormente, muchas veces es conveniente definir eventos de manera diferente a
la simple categorizacin. Por ejemplo, cuando se tira un dado, es posible definir un evento A como
= { 2 4 . }
Tal evento se llamar compuesto. Los eventos elementales 2 y 4 constituyen al evento
compuesto A. Veamos otro ejemplo. En el de el clima, definamos al evento compuesto M: Mal
tiempo, como la ocurrencia de uno u otro de los eventos elementales B o C. Por lo tanto,
= { }.
Adems de definir tales eventos es necesario conocer cmo determinar sus probabilidades. El
proceso es fcil utilizando la regla para calcular la probabilidad de eventos mutuamente
excluyentes. En cada caso, la probabilidad del evento A y M, puede obtenerse una vez que las
probabilidades de sus eventos elementales se conocen:
() = ({2 4}) = (2) +(4) =
1
6
+
1
6
=
1
3

y
() = ({ }) = ( ) = () +() =
3
10
+
1
10
=
4
10

Existe otro mtodo que puede utilizarse para obtener (). Al definir al evento M se han dividido
los estados posibles del clima en dos categorias, B y C. Estas son mutuamente excluyentes y
colectivamente exhaustivas, luego
( ) = () +() = 1
Cuando dos eventos son mutuamente excluyentes y colectivamente exhaustivos, como lo son
estos dos, , uno se llama el complemento del otro. Una vez que se definen dos eventos y se
encuentran complementarios uno del otro, un arreglo de la ecuacin anterior proporciona,
() = 1 () = 1
6
10
=
4
10
.

Varias de las reglas de probabilidad que se discutiran ms adelante estn basadas en un evento
compuesto. Luego es til discutir primero las reglas que siguen las combinaciones de eventos.
Como ya mensionamos anteriormente, una de ellas es la regla o que se discutio anteriormente
para eventos mutuamente excluyentes. Sin embargo, el principio se mantiene para cualquier par
de eventos. Si A y B representan dos eventos cualesquiera, entonces la combinacin o de ellos
se define como:
A o B son todos los resultados comunes a A, a B o a ambos.
Esta regla y muchas de las que se vern en este capitulo pueden ilustrarse con el tiro de un dado
una vez, del cual, ya conocemos cuales son sus eventos elementales. Adems es de utilidad definir
algunos eventos compuestos como:
= {2 4}
= {1 3}
= {1 2}
y se pueden hacer diversas combinaciones con los eventos compuestos, por ejemplo, el evento
= se define como:
{ 1 2 3 4} = {1 2 3}
La segunda regla para combinar eventos es la y. Se define como: = , donde
A y B son todos los resultados comunes a A y B simultaneamente.
Esta regla puede ilustrarse tambin utilizando los eventos anteriores definidos para el dado. Por
ejemplo:
= = { 1} = {1}
La mayoria de los otros pares de eventos para el ejemplo de tirar un dado son mutuamente
excluyentes. Por consiguiente, ya que los eventos A y B son mutuamente excluyentes, A y B no
contiene ningn evento.