M.

Iniesta

Universidad de Murcia

PROBABILIDAD
Tema 2.1:
Fundamentos de Probabilidad

Introduccin

Jacob Berooulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el reverendo Tho-
mas Bayes (1702 - 1761) y Joseph Lagrange (1736 - 1813) desarrollaron frmulas y
tcnicas para el clculo de la probabilidad. En el siglo XIX, Pierre Simon, marqus de
Laplace (1749 - 1827), unic todas estas primeras ideas y compil la primera teora
general de la probabilidad.
La teora de la probabilidad fue aplicada con xito en las mesas de juego y, lo que es
ms importante, en problemas sociales y econmicos. La industria de seguros requera
un conocimiento preciso acerca de los riesgos de prdida.
Sin embargo, una de las dicultades para el desarrollo de la teora matemtica de las
probabilidades fue llegar a una denicin de probabilidad matemticamente rigurosa y
que permitiera al tiempo ampliar su aplicacin a un amplio rango de fenmenos. En el
siglo XX se lleg a una denicin axiomtica del concepto de probabilidad (Kolmogorov,
1933), lo que permiti el tratamiento formal de todos aquellos fenmenos que llevan
asociado un trmino azaroso o el problema de la de toma decisiones en ambiente de
incertidumbre.
En denitiva, en la actualidad, se estudia y se utiliza la teora de la probabilidad
con el n de tomar decisiones de las que esperemos obtener la mayor ganancia o que
conlleven el menor riesgo.

1. Algebra de sucesos

1.1. Primeras deniciones

Un fenmeno o experiencia se dice que es un experimento aleatorio cuando al
repetirlo en condiciones idnticas es imposible predecir su resultado.

El conjunto de todos los resultados posibles de un experimento aleatorio se llama

espacio muestral y lo denotaremos mediante . Cada uno de los elementos del
espacio muestral se llama punto muestral o suceso elemental.

Se denomina suceso a todo conjunto de . diremos que el suceso A se

verica o se realiza si al realizar el experimento se obtiene como resultado uno
de los puntos muestrales de A.

El conjunto de todos los sucesos asociados a un experimento se llama espacio de

sucesos, que denotaremos mediante S .
El suceso se llama suceso imposible y el suceso se llama suceso seguro.

Pgina: 1
 M. Iniesta

Universidad de Murcia

1.2. Actividad
Denir experimentos aleatorios de la vida cotidiana, expresando el espacio muestral
asociado y algunos sucesos relativos a los mismos. Piensa, por ejemplo en los juegos de
azar. Un ejemplo: El lanzamiento de un dado es un experimento aleatorio. Su espacio
muestral es el conjunto formado por todos los posibles resultados, = {1, 2, 3, 4, 5, 6}
y un posible suceso es obtener nmero par , que representamos por el conjunto A =
{2, 4, 6}. El suceso obtener un nmero menor que 20 es el suceso seguro y el suceso
obtener un nmero entre 7 y 10 es un suceso imposible.

1.3. Operaciones con sucesos

Unin de sucesos: Dados dos sucesos A y B, denotaremos mediante AB al
suceso que se verica cuando al menos uno de los dos se verica.

Interseccin de sucesos: Dados dos sucesos A y B , denotaremos mediante AB

al suceso que se verica cuando ambos se verican.

Complementario: Dado un suceso A, denotaremos mediante A al suceso que se

verica cuando A no se verica.

Diferencia de sucesos Dados dos sucesos A y B , denotaremos mediante A B

al suceso que se verica cuando se verica A y no se verica B.
Diferencia simtrica Dados dos sucesos A B , denotaremos mediante A4B
y
al suceso que se verica cuando o bien se verica A y no se verica B , o bien se
verica B y no se verica A.
Algunas de las propiedades de estas operaciones son:

La unin y la interseccin cumplen las propiedades asociativa y conmutativa.

La unin respecto a la interseccin cumple la propiedad distributiva, as como la
interseccin respecto a la unin.

El suceso imposible es elemento neutro en la unin, mientras que el suceso seguro

lo es en la interseccin.

La unin de cualquier suceso con su complementario es siempre el suceso segu-

ro, mientras que la interseccin de cualquier suceso con su complementario es
siempre el suceso imposible.

Se cumplen las conocidas leyes de Morgan: el complementario de la unin es la

interseccin de los complementarios y el complementario de la interseccin es la
unin de los complementarios.

1.4. Actividades
1. Representar mediante diagramas de Venn las operaciones entre sucesos anteriores.

2. Elaborar una tabla para expresar de forma simblica las propiedades de las ope-
raciones entre sucesos.

Pgina: 2
 M. Iniesta

Universidad de Murcia

1.5. lgebra de sucesos

El lgebra de sucesos S es una familia de sucesos denida mediante los siguientes
axiomas:

Axioma 1 S
Axioma 2 Si A, B S entonces AB S

Axioma 3 Si AS entonces AS

1.6. Actividad
A partir de los axiomas anteriores, demostrar que si S es el lgebra de sucesos aso-
ciado a un experimento aleatorio, entonces S tambin cumple:

1. S

2. Si A, B S entonces AB S

3. Si A, B S entonces AB S y A4B S

2. Modelos de Probabilidad

La probabilidad asignada a un suceso aleatorio mide el grado de conanza de que

ese suceso ocurra.
Podemos encontrar en la literatura varios enfoques para este objetivo.

El enfoque clsico considera experimentos con espacios muestrales nitos y pun-

tos muestrales equiprobables. La probabilidad se asigna usando la Regla de La-
place haciendo
Car(A)
P (A) =
Car()
Este enfoque, aunque limitado en su uso por las condiciones que maneja, est
actualmente vigente.

El enfoque frecuentista considera la repeticin del experimento un nmero gran-

de de veces n, de las cuales un nmero nA ha ocurrido el suceso A. La probabilidad
se asigna como
nA
P (A) = lm
n n

Este enfoque tiene varios inconvenientes, entre ellos que no podemos estar inde-
nidamente repitiendo el experimento.

Para superar los inconvenientes de los enfoques anteriores usaremos el enfoque

axiomtico que engloba y generaliza los enfoques anteriores y que usa la siguiente
denicin.

Pgina: 3
 M. Iniesta

Universidad de Murcia

Si es el espacio muestral y S es el lgebra de sucesos asociados al experimento

aleatorio, la terna (, S, P ) es un espacio de probabilidad cuando la funcin
P : S [0, 1]

cumple

Axioma 1 P () = 1
Axioma 2 P (A B) = P (A) + P (B), A, B S con A B = (A los sucesos
A y B cuya interseccin es vaca se llaman incompatibles).

2.1. Actividades
A partir de los axiomas de la denicin anterior, demostrar las siguientes propiedades
de la funcin de probabilidad.

1. (*) Las deniciones clsica y frecuentista del concepto de probabilidad cumplen

los axiomas de la denicin axiomtica.

2. (*) Si = {e1 , ..., en } es nito,Py asociamos probabilidad a cada uno de ellos,

P (ei ) = pi , con 0 pi 1, i y ni=1 pi = 1, la funcin
X
P (A) = pi
ei A

es una funcin de probabilidad sobre S = P(), donde P() indica el conjunto de

las partes de .
3. P (A) = 1 P (A), A S
4. P () = 0
5. (*) P (A) P (B) si AB
6. P (A B) = P (A) + P (B) P (A B)
7. (*) P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) +
P (A B C), A, B, C S

3. Probabilidad Condicionada

La probabilidad condicionada permite asignar probabilidades introduciendo informa-

ciones acerca del experimento o ciertas creencias subjetivas que se dispongan sobre el
mismo.
Dados dos sucesos A y B con P (B) > 0 denimos la probabilidad de A condi-
cionada a que el suceso B ha ocurrido como
P (A B)
PB (A) = P (A|B) =
P (B)
Si P (A|B) = P (A) decimos que el suceso A es independiente de B .

Pgina: 4
 M. Iniesta

Universidad de Murcia

3.1. Actividades
1. (*) Demostrar que si (, S, P ) es un espacio de probabilidad, entonces (, S, PB )
tambin es un espacio de probabilidad.

2. (*) Demostrar que si A es independiente de B , entonces B es independiente de A.

En ese caso simplemente decimos que A y B son independientes.
3. Demostrar que A y B son independientes si y slo si P (A B) = P (A).P (B)
4. (*) Supongamos que A y B son sucesos independientes, demostrar que sus com-
plementarios tambin lo son.

5. Utiliza la probabilidad condicionada para asignar probabilidad al suceso A = obtener

dos ases  cuando el experimento consiste en extraer dos cartas sin reemplazamiento
de una baraja espaola de 40 cartas.

4. Probabilidad Total y Regla de Bayes

En muchas ocasiones, cuando no se dispone de informacin sobre el experimento,

resulta muy ventajoso asignar probabilidad a un suceso A considerando un conjunto de
condiciones mutuamente excluyentes cuya unin sea el suceso seguro.
SiE1 , ..., Ek es un conjunto de sucesos mutuamente excluyentes (Ei Ej = si i 6= j )
Pk
tales que P (Ei ) > 0 para i = 1, ..., k (probabilidades a priori ) y i=i P (Ei ) = 1 (o bien
Sk
E
i=1 i = ), entonces:
Xk
P (A) = P (A|Ei )P (Ei )
i=1
expresin conocida como Frmula de la Probabilidad Total.
La Regla de Bayes permite actualizar nuestras creencias acerca de los elementos
de la particin Ei , calculando las denominadas probabilidades a posteriori, una vez que
conocemos una informacin; por ejemplo el suceso A ha ocurrido.

P (A|Ej )P (Ej )
P (Ej |A) = Pk
i=1 P (A|Ei )P (Ei )

4.1. Actividades
1. Demostrar la Frmula de la Probabilidad Total.

2. Demostrar la Regla de Bayes para el clculo de las probabilidades a posteriori.

5. Bibliografa

1. Tema 2, secciones 2.1, 2,2 y 2.3 del texto Estadstica para ingenieros y cientcos.
William Navidi. Editorial McGraw-Hill.

2. Tema 1 del texto Probabilidad y Estadstica para Ciencias e Ingenieras. Rosario

Delgado de la Torre. Editorial Delta.

Pgina: 5