Universidad Nacional de Rosario.

Facultad de Ciencias Económicas y Estadística

Probabilidades II
Licenciatura en Estadística
Profesores:
Dra. Quaglino, Marta
Lic. Dianda, Daniela
Lic. Macat, Paula

2014
Probabilidades II

Presentación:
Estas notas han sido escritas con el propósito de dar apoyo a los estudiantes en el cursado de
la materia Probabilidades II de la Licenciatura en Estadística, que se dicta en la Facultad de
Ciencias Económicas y Estadística de la UNR (Plan 2003). Contienen conceptos teóricos
básicos, demostraciones y ejercitación y de ninguna manera reemplazan a la lectura de libros
citados como bibliografía, sino que pretenden facilitar su lectura, acercando desarrollos más
detallados de los que se encuentran en tales libros, explicaciones intuitivas que facilitan la
comprensión de los temas y ejemplos del quehacer profesional en el que las definiciones, los
teoremas y las propiedades, resultan de interés. Sabemos que el estudio de la Teoría de
Probabilidades para aquellos que han elegido la carrera es un desafío, ya que es de carácter
más abstracto de lo que es el análisis de datos, pero también somos conscientes que esta
Teoría da sustento a todos los desarrollos de la Teoría Estadística y por lo tanto el aprenderlos
nos capacita para estudiar en mayor profundidad y con mayor grado de comprensión los
temas propios de nuestra profesión.

Esperamos que disfruten de la materia!!

Sus profesores.
 1. Experimentos aleatorios y
espacios de probabilidad
En Estadística trabajaremos siempre con experimentos aleatorios, observando fenómenos que
están sujetos a variabilidad, es decir que a pesar de que realicemos las observaciones de
idéntica forma y en iguales circunstancias, los resultados observados pueden ser diferentes.
Esa clase de resultados, que varían de ocasión en ocasión, son la esencia de los problemas que
abordamos como profesionales estadísticos. En este capítulo repasaremos conceptos vistos en
el curso anterior de Probabilidades I, que sirven de respaldo matemático para el estudio y
desarrollo de las principales funciones en las que basamos los resultados que derivamos como
analistas: las variables aleatorias y sus funciones de probabilidad. Ambas funciones están
definidas en los “espacios de probabilidad” a los que dan lugar los experimentos aleatorios,
formalizando la reunión de: el conjunto de resultados posibles del experimento, el conjunto de
eventos de interés sobre los que es posible calcular probabilidades y la función de probabilidad
que asigna chances de ocurrencia a cada evento. Comenzaremos a formalizar las definiciones
de cada uno de ellos.

Definiciones

Se llama experimentos aleatorios a aquellos que, pueden repetirse bajo idénticas condiciones,
pero cuyos resultados no puede predecirse exactamente. Es decir no puede anticiparse el
resultado que ocurrirá en cada repetición, aunque sí hay regularidad de los mismos en la
observación repetida bajo iguales condiciones. En todo experimento aleatorio pueden
definirse:

 l con un o que re ne a odos los resul ados posibles espacio ues ral o espacio de
resultados ( )
 Los resultados elementales, indivisibles o individuales ( ), que son elementos de .
 n con un o que re na odos los e en os de in er s ( ( )
o más chico)

Los conjuntos , pueden tener elementos que no se presenten nunca, pero todo resultado
posible debe pertenecer a él y además a resultados distintos deben corresponderles
distintos. La cantidad de elementos de , puede ser finita o infinita, numerable o no
numerable.

Ejemplos: palo de una carta sacada al azar de una baraja, numero de bacterias en una
muestra de 1 mm3 de líquido, número al azar seleccionado entre 0 y 1, altura de un estudiante
seleccionado al azar del listado de alumnos de la facultad, categoría de un cliente: buen
pagador, mal pagador.

Al estudiar un experimento aleatorio, no sólo se puede estar interesado en estudiar las

chances de aparición de resultados individuales ( ) sino también de subgrupos de
resultados individuales, o subconjuntos de ( ) A todo subconjunto de se lo

3
Probabilidades II Experimentos aleatorios y espacios de probabilidad

denomina “ V NTO”. l con un o que re ne a odos los subcon un os posibles de un con un o

no vacío dado ( ), se lo deno ina “el CONJ NTO D LAS PART S” ( ( ))

La regularidad de resultados en la repetición del experimento se define a través de las

probabilidades o chances de ocurrencia. Los e en os que pueden ser “probabilizables” deben
pertenecer a una clase especial de subconjuntos de un conjunto dado: álgebras o σ-álgebras.
Estas clases de conjuntos de subconjuntos, son cerradas con respecto a ciertas operaciones
entre conjuntos.

Un álgebra es cerrada en las operaciones de complemento, unión e intersección de un número

finito de elementos. Una σ-álgebra es cerrada en las operaciones de complementación,
uniones e intersecciones infinitas (numerables).

Álgebras y -álgebras

Un álgebra es un conjunto de subconjuntos (de un conjunto no vacío) que satisface las

siguientes propiedades:

P1.

P2. Si
Clase de subconjuntos, cerrada con respecto
a la complementación y unión finita
i ⋃

Un σ-álgebra cumple con:

P1.
Clase de subconjuntos, cerrada con respecto a la
P2. Si
complementación y a la unión infinita

i ⋃

Propiedad: Todo σ-álgebra es también un álgebra, pero no todo álgebra es un σ-álgebra

Demostración:

1) Si es σ-álgebra es álgebra

Sea una clase de subconjunto de que cumple con P1, P2 y P3´.

Sean Consideremos otros infinitos A que pertenecen a por P1 y P2:

. Entonces:

⋃ por P de σ- pero ⋃ ⋃ , q.q.d.

4
Probabilidades II Experimentos aleatorios y espacios de probabilidad

2) Si es álgebra es σ-álgebra. Demostremos que esta implicación puede no ser

cierta buscando un contraejemplo.

Sea el experimento seleccionar un número al azar del intervalo [0,1]: = [0,1]

Los eventos más simples a los que puede pretenderse calcular probabilidades en este
experimento son los sub-intervalos del [0,1]. Si definimos un conjunto que reúne a todos
los intervalos contenidos en el [0,1], es fácil probar (formalice esta demostración como
ejercicio) que no es una clase cerrada en las operaciones de unión, intersección y
complemento. Ampliemos el conjunto con las uniones finitas de intervalos y ahora sí
veamos si constituye un lgebra de subcon un os del Ω.

{⋃ ⁄ ( ) ( ] [ ) [ ] }

¿Se cumplen P1, P2 y P3?

P1: = [0,1]

P Sea ⋃ ⋃

P Sean ⋃ ⋃ ⋃ (⋃ ) ⋃ (⋃ ) ⋃

es es σ- Si no lo fuera, debe existir alguna sucesión:

infini a de ⋃ ⋃ (es decir, que no є ), por ej.

[ ]
[ ]

[ ]

[ ] [ ]

Con lo cual⋃ ⋃ [ ], y este unión infinita no puede re-escribirse como

unión finita y esto basta para probar que no es sigma-álgebra.

Para pensar: ¿Puede definir una sucesión infinita numerable de elementos de cuya
unión є ?

5
Probabilidades II Experimentos aleatorios y espacios de probabilidad

-álgebras de Borel

Si se “agregan” a todos los subconjuntos de reales del [0,1] como para que se conforme
una σ-álgebra (σ-álgebra generada por ), a tal clase se la denomina σ-álgebra de Borel en el
[0,1]. Los elementos del σ-álgebra de Borel reciben el nombre de Borelianos.

Por lo tanto esta σ-álgebra es una clase de subconjuntos de números reales que contienen a:

 Intervalos
 Uniones finitas o infinitas de intervalos
 Sus Intersecciones, finitas o infinitas
 Sus complementos

Del mismo modo pueden definirse Borelianos en la recta, o en el espacio real k-dimensional,
como σ-álgebras generadas por los intervalos o los productos cartesianos de intervalos. (Ver
definición de σ-álgebra generada en la Ejercitación).

Definición axiomática de Probabilidad

Para completar los elementos del espacio de probabilidad, es necesario definir la Probabilidad,
como función que asigna un real entre 0 y 1 a los eventos “probabilizables” (los que
pertenecen a un álgebra o σ-álgebra). Esta definición permite comprobar si ciertas funciones
son o no funciones de probabilidad, pero no es ap a para “definir” o encon rar las
probabilidades. La Probabilidad es una “función de edida” (así co o lo son una edida de
longitud, o de peso, de área, etc.). Esta medida relaciona a los e en os con una “chance” o
posibilidad de presen ación al realizar el experi en o alea orio. Co o “ edida”, debe
satisfacer ciertas condiciones.

Definición: Una función P: →[0,1], es probabilidad si cumple con las siguientes propiedades:

P1. ( )

P2. ( )

Si es álgebra, P cumple la propiedad de aditividad finita:

Si ⁄ ⋂ ( ⋃ ) ( ) ( )

Si es σ-álgebra, P cumple la propiedad de aditividad infinita:

Si ⁄ ⋂ (⋃ ) ∑ ( )

6
Probabilidades II Experimentos aleatorios y espacios de probabilidad

El que una función satisfaga los axiomas, garantiza que se cumplan una larga lista de
propiedades, que son las que habitualmente se utilizan para el cálculo de probabilidad de
distintos eventos (Ver Ejercitación sobre Propiedades de Probabilidad).

Espacios de Probabilidad

Dado un experimento aleatorio, se llama ESPACIO de PROBABILIDAD a la terna ( )

conformada por:

 conjunto no vacío de resultados posibles del experimento

 álgebra o σ-álgebra de subconjuntos de
 → [0, 1] , que satisface los 3 Axiomas de Kolmogorov

Los espacios de probabilidad constituyen la base matemática dentro de la cual

desarrollaremos toda la teoría de probabilidad.

El álgebra siempre es: ( ).

Nota sobre la Probabilidad: Para “encontrar” la función P, pueden utilizarse criterios como:

 Frecuentista
 Relativo entre número de casos favorables y posibles (sólo válido para Ω fini os ω
equiprobables .D MOSTRAR!!)
 Principio de chances relativas o probabilidad geométrica

Siempre que se puedan definir probabilidades en un álgebra, éstas podrán ser extendidas a la
sigma-álgebra generada (T. Caratheodory)

Suponga un experi en o alea orio “seleccionar al azar un n ero en re 0 1. l con un o

de resul ados posibles es Ω = [0 , 1], co o σ-álgebra, la de Borel en el [0, 1] (la más
pequeña que contiene a los sub-in er alos del [0, 1] co o P β [0, 1] R / P(a,b)= P(a,b]=
P[a,b)= P [a, b]= b-a, según un principio geométrico de chances relativas.

1) P ¿satisface los axiomas de Kolmogorov?

2) Aplicando propiedades de P, calcule la probabilidad de los borelianos:
a. { }y
b. { }

En el Curso anterior de Probabilidades se han visto definiciones y Teoremas, que usaremos en

los ejercicios y/o próximos temas a desarrollar, entre ellos:

 Probabilidad Condicional entre eventos

 Independencia entre eventos
 Teoremas de la Probabilidad Total

7
Probabilidades II Experimentos aleatorios y espacios de probabilidad

 Teorema de la Probabilidad Compuesta (o de la multiplicación) y

 Teorema de Bayes

Demuestre que cualquiera sea B ϵ / P(B) ≠ 0 en un espacio de probabilidad (Ω, , P)

es posible definir un nue o espacio de probabilidad condicional (Ω, , P. /B), donde
P. /B: R con P. /B (A) = P(A/B) para todo A ϵ . (Demuestre que siendo P probabilidad, P. /B
también es probabilidad (condicional) ya que cumple los axiomas de Kolmogorov)

Familias de Sucesos Independientes

Dada una familia de sucesos en un espacio de probabilidad (Ω, , P): { },

donde el conjunto de índices , puede ser finito o infinito.
Definición: La familia se dice de sucesos independiente sii para todo subconjunto de índices
finito ϒ se cumple que: ( ⋂ ) ∏ ( ).

8
Probabilidades II Experimentos aleatorios y espacios de probabilidad

Ejercicios

1.1) Sean { } { } { } { }
{ } Estudie cuáles de las siguientes familias de subconjuntos de
forman un álgebra.

{ }, { }, { },
{ }, { }

1.2) Sea un álgebra de subconjuntos de . Pruebe que se verifican las siguientes

propiedades:

a)
n
b) para Ai
i 1
n
c) para A
i 1
i

d) , ( )

1.3) Pruebe que si es una -álgebra entonces: si A
i 1
i

1.4) Sea [ )
a) Pruebe que {[ ) } no es un álgebra.
b) Pruebe que la familia de todas las uniones finitas de intervalos de la forma [ )
con  es un álgebra, pero no un -álgebra.

1.5) a) Pruebe que si { } es una familia de álgebras de subconjuntos de , entonces

 A es un álgebra de subconjuntos de .
 

b) Pruebe que si { } es una familia de -álgebras de subconjuntos de , entonces

 A es un -álgebra de subconjuntos de .
 

1.6) Sea un conjunto no vacío, { } ( ).

a) Verifique que tanto como son -álgebras.
b) En cierto sentido y son respectivamente el -álgebra más pequeño y más
grande de subconjuntos de . ¿Podría usted formalizar en este sentido?

1.7) Sea una familia (cualquiera) de subconjuntos de . Pruebe que existe un -álgebra de
subconjuntos de tal que:
a)
b) Si es un -álgebra de subconjuntos de y , entonces . Diremos
que es el -álgebra generada por .

1.8) Ídem 1.7) si es álgebra.

9
Probabilidades II Experimentos aleatorios y espacios de probabilidad

1.9) Sean del ejercicio 1.1. Determinar el álgebra generada por siendo:
a) { }
b) { }

1.10) a) Sea { } y {{ } { } { }}. ¿Cuál es el álgebra generada por ?

b) Como generalización del inciso anterior, sea { } y
{{ } }. ¿Cuál es el álgebra generada por ?

1.11) Llamaremos boreliano a todo elemento de la -álgebra de Borel.

a) ¿Es { } con un boreliano?
b) ¿Es (conjunto de los números irracionales) un boreliano?

10
 2. Sucesiones de conjuntos
Consideraremos algunas propiedades particulares de la probabilidad, relativas a sucesiones de
conjuntos, que nos serán necesarias al estudiar los últimos capítulos, sobre convergencia de
sucesiones de variables aleatorias.

Sean , , , , { }, con , para todo . Hay dos casos particulares de

sucesiones de conjuntos convergentes, las sucesiones crecientes y decrecientes.

Def: La sucesión se dice “CR CI NT ” si para odo es +1. De este modo:

Def: La sucesión se dice “DECRECIENTE” si para odo es +1 . De este modo:

Def: La sucesión se dice “CONV RG NT ” si , entendiendo por:

⋂⋃

⋃⋂

Para pensar: ¿Qué elementos de los pertenecen al ? ¿Y al inferior?

Escriba estos conjuntos por comprensión.

Propiedad:

Para toda sucesión de conjuntos monótona (creciente o decreciente) definida en un (Ω , ),

es cierto que ( ) ( )

Demostración para sucesiones crecientes:

( ) ( ) (⋃ ) ( ( ) ( ) )

Reescribiendo con disjuntos, resulta:

( ) ∑ ( )

11
Probabilidades II Sucesiones de conjuntos

Luego, ( ) ∑ ( ) ( ) ∑ ( ) ( )

( ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ))

( )

Lema de Borel Cantelli (de la probabilidad del límite superior)

Sea ( ) y { } con .

) ∑ ( ) ( ̅̅̅̅ ) ( )

) ∑ ( ) ( ) ( ̅̅̅̅ )

Demostración

) ⋃ ⋂ ⋂(⋃ ) ̅̅̅̅

( ) ( )

( ) (⋃ ) ∑ ( )→

por Desig. de Bonferroni

( ) ( ) ( ̅̅̅̅ )

) ⋃ ⋂ ⋂

( ) ( )) ( ) ∑ ( )
(⋂ ) ∏( ∏

por hipótesis de indep ya que siempre

∑ ( ) ∑ ( )
( )

( ) ( ) ( ) ( ̅̅̅̅ )

12
Probabilidades II Sucesiones de conjuntos

Ejercicios

2.1) A partir de las definiciones de límite superior y límite inferior de una sucesión de
conjuntos, analice cuál de los dos conjuntos queda caracterizado a través de los siguientes
enunciados:
a) El conjunto de puntos de cuyos elementos pertenecen a todos los excepto a lo
sumo a un número finito de ellos.
b) El conjunto de puntos de cuyos elementos pertenecen a infinitos .

2.2) Pruebe que .

2.3) Sea { } una sucesión de subconjuntos de . Demuestre que:

a) ( )
b) ( )

2.4) Analice si existe el límite de las siguientes sucesiones:

a) {( ) ⁄ }
b) {( ) ⁄ ( ) }

c) {( ) ⁄ [ ( ) ] }

2.5) Pruebe que toda sucesión monótona (creciente o decreciente) tiene límite.

13