Espacio muestral y sucesos

Un experimento es un acontecimiento cuyo resultado es incierto.

El conjunto de todos los resultados posibles se llama el espacio muestral del experimento.
Dado un espacio muestral S, entonces un suceso E es un subconjunto de S. Los resultados en E se llaman los
resultados favorables.
Decimos que ocurre E en un experimento particular si el resultado de aquel experimento es uno de los
elementos de E, es decir, si es favorable el resultado del experimento.
Tutorial en-lnea comenzando con este tpico
Inicio de pgina
Combinacin de sucesos
Si E y F son sucesos en un experimento, entonces:
E' es el suceso que E no ocurra.
E F es el suceso que ocurra E o F (o todos dos).
E F es el suceso que ocurran E y F todos dos.
E y F se llaman disjuntos o mutuamente exclusivos si (E F) es vaco.
Inicio de pgina
Frecuencia relativa
Si est realizado N veces un experimento, y el suceso E ocurre fr(E) veces, entonces la razn
P(
E)
=
fr(E)

N
se llama la frecuencia relativa o probabilidad estimada de E.
El nmero fr(E) se llama la frecuencia de E. N, el nmero de veces que est realizado el experimento, se
llama el nmero de pruebas o el tamao de muestra.
Si E consiste en un solo resultado, s, entonces llamamos a P(E) la frecuencia relativa del resultado s, y lo
escribimos como P(s).
Tutorial en-lnea sobre frecuencia relativa
Inicio de pgina
Probabilidad modelada
La probabilidad modelada se refiere a un modelo matemtico que prueba predecir la frecuencia relativa de
los resultados de un experimento, determinado por la naturaleza del experimento en vez de experimentacin.
Idealmente, la frecuencia relativa se acerca a la probabilidad modelada a medida que el nmero N de pruebas
sea ms y ms grande.
Notas
1. Usamos la misma anotacin P(E) para la frecuencia relativa y la probabilidad modelada. La a cual
referimos debera estar claro del contexto.
2. Probabilidad modelada satisface las mismas propiedades (muestran ms arriba) que frecuencia relativa.
Inicio de pgina
Computacin de probabilidad modelada para resultados equiprobables
En un experimento en lo que todos los resultados son equiprobables (es decir, tienen la misma probabilidad de
ocurrir), la probabilidad de un suceso E se expresa por
P
(
E
)
=
nmero de resultados favoribles

nmero total de resultados

=
n(E)

n(S)

en la que n(E) es el nmero de elementos en E, y n(S) es el nmero de elementos en S.
Inicio de pgina
Distribuciones de probabilidad
Pues comparten propiedades similares las distintas formas de probabilidad, referimos colectivamente a
frecuencia relativa y probabilidad modelada simplemente como probabilidad. Lo que tienen en comn es ;a
idea de unadistribucin de probabilidad:
Un espacio muestral finito es simplemente un conjunto finito S. Una distribucin de probabilidad es una
asignacin de un nmero P(si) a cada resultado si en un espacio muestral S ={s1, s2, ... , sn} de modo que
(a) 0 P(si) 1
(b) P(s1) + P(s2) + ... + P(sn) = 1.
P(si) se llama la probabilidad de si. Dado una distribucin de probabilidad, obtenemos la probabilidad de un
suceso Epor sumar las probabilidades de los resultados en E.
Si P(E) = 0, llamamos a E un suceso imposible. El suceso es siempre imposible, pues tiene que
suceder algo.
Notas
1. Todas las propiedades ms arriba aplican a frecuencia relativa y tambin probabilidad modelada. Entonces,
cuando hablamos solo de "probabilidad," podemos significar cualquiera de los dos, dependiendo del contexto.
Tutorial en-lnea sobre distribuciones de probabilidad
Inicio de pgina
Principio aditivo
Sucesos mutuamente exclusivos
Si E y F son sucesos mutuamente exclusivos, entonces
P(E F) = P(E) + P(F).
Una formula similar aplica a la situacin de ms que dos sucesos: Si E1, E2, . . . , En son sucesos mutuamente
exclusivos (es decir, la interseccin de cada par es vaca) y E es la unin de E1, E2, . . . , En, entonces
P(E) = P(E1) + P(E2) + . . . + P(En).
Principio aditivo general
Si E y F son cualquier dos sucesos, entonces
P(E F) = P(E) + P(F) - P(E F).
Inicio de pgina
Propiedades adicionales de probabilidad
Tenemos las siguientes propiedades para cualquier espacio muestral S y cualquier suceso E.
P(S) = 1 La probabilidad de sucede algo es 1.
P( ) = 0 La probabilidad de sucede nada es 0.
P(E') = 1-P(E) La probabilidad de no sucede E es 1 menos la probabilidad de E.
Inicio de pgina
Probabilidad condicional
Si E y F son dos sucesos, la probabilidad condicional, P(E | F), es la probabilidad que E ocurra, dado que
(ya) ocurriF, y se define por
P(
E |
F)
=
P(E F)

P(F)
.
Podemos reescribir esta formula en una forma conocida como el principio multiplicativo:
P(E F) = P(F)P(E | F).
Probabilidad condicional estimada
Si E y F son sucesos y P es frecuencia relativa, entonces
P(
E |
F)
=
fr(E F)

fr(F)
.
Probabilidad condicional para resultados equiprobables
Si todos los resultados en S son equiprobables, entonces
P(
E |
F)
=
n(E F)

n(F)
.
Tutorial en-lnea comenzando con este tpico
Inicio de pgina
Sucesos independientes
Los sucesos E y F son independientes si
P(E | F) = P(E)
o, equivalentemente, (suponiendo que P(F) no es igual a 0), tenemos la:
Prueba de independencia
Los sucesos E y F son independientes siempre y cuando
P(E F) = P(E)P(F).
Los sucesos E y F se llaman dependientes cuando no son independientes. Dado cualquier nmero de sucesos
mutuamente independientes (es decir, cada uno de ellos es independiente de la interseccin de cualquier
combinacin de los dems), la probabilidad de su interseccin es el producto de las probabilidades de los
sucesos individuales.
Inicio de pgina
El teorema de Bayes
La forma corta del teorema de Bayes afirma que, si E y F son sucesos, entonces
P(
F |
E)
=
P(E | F)P(F)

P(E | F)P(F) + P(E | F')P(F')
.
Podemos frecuentemente calcular P(F | E) en cambio por construir un rbol de probabilidad. (Para ver como
hacerlo, vaya al tutorial siguiendo el enlace ms abajo.)
Una forma ampliada del teorema de Bayes afirma que, si E es un suceso, y si F1, F2, y F3 forman una
particin del espacio muestral S, entonces
P(F1 | E)
=
P(E | F1)P(F1)

P(E | F1)P(F1) + P(E | F2)P(F2) + P(E | F3)P(F3)
.
Una formula similar es vlida para una particin de S en cuatro o ms sucesos.
Tutorial en-lnea comenzando con este tpico
Inicio de pgina