Axiomas de las probabilidades

Una Ley de la probabilidad , o distribución de probabilidad, es una función que a un

evento asocia un número , su probabilidad. Este número traduce la

oportunidad que tiene el evento de producirse. La forma más intuitiva de definir una tal
función es repetir el experimento aleatorio y asociar a cada evento su frecuencia

experimental. . Si es el número de experimentos, el número de veces que se

produce el evento , la frecuencia experimental de es la razón . Aquí

tenemos, como ejemplo, repeticiones de un experimento cuyas eventualidades son
0, y .

En este ejemplo la frecuencia experimental de es , la de es .

El inconveniente es que la frecuencia experimental cambiará si rehacemos
los experimentos. En otras palabras, el conjunto de las repeticiones constituye un
nuevo experimento aleatorio. Sin embargo todos tenemos en nuestra mente una
idea de la Ley de los Grandes Números según la cual las frecuencias experimentales
varían poco cuando el número de repeticiones es grande. Veamos cuatro cálculos

sucesivos de la frecuencia experimental de , en repeticiones del mismo

experimento anterior.

Las propiedades que esperamos de una ley de probabilidad son las mismas que las de
las frecuencias experimentales. Las consideraremos como los axiomas de la definición.
A1

Para todo evento , .

A2

La probabilidad del evento cierto es : .

A3
Si es una sucesión de eventos disjuntos dos a dos ( y no pueden

suceder a la vez si ), entonces:

Una consecuencia inmediata de los axiomas A2 y A3 es la relación entre la probabilidad

de un evento y la de su opuesto, denotado .

Una ley de probabilidad es creciente por inclusión, según A1 y A3: si ,

entonces .
Las leyes de probabilidad que se emplean en la práctica son de dos tipos particulares,
las leyes discretas y las leyes continuas.
1. Leyes discretas
El conjunto de las eventualidades es finito o numerable:

Todas las partes de son eventos. Como todo evento es una reunión finita o
numerable de eventos individuales o aislados (singleton), es suficiente definir la
probabilidad de cada singleton:

Para todo , la probabilidad de será entonces determinada por A3:

Ejemplo: Si el conjunto de los resultados es finito y si no hay
información que nos permita diferenciar unos resultados de otros, es natural asociar a

cada eventualidad la probabilidad . La probabilidad de todo evento es entonces

Card .
Esta probabilidad particular se llama la equiprobabilidad. En este caso todos los
cálculos se convierten en contar:

probabilidad

2. Leyes continuas

El conjunto de las eventualidades es . Los eventos son los intervalos, y todos los
subconjuntos de que se pueden formar combinando intersecciones y uniones de
intervalos. En la teoría de la medida se les llama conjuntos borelianos.

Definición 1.1 Llamamos densidad de probabilidad a una función de en ,

continua por pedazos y de integral igual a .

Dada una densidad de probabilidad, se define una ley de probabilidad sobre ,

asociando a todo evento el valor de la integral de la densidad sobre este evento:

Ejemplo: Para el experimento aleatorio que consiste en sacar al azar un número real en

el intervalo (llamar a Random ), consideraremos sobre la ley de probabilidad

continua de densidad:
Ella asigna a todo intervalo contenido en una probabilidad igual a su longitud.

Como sucede en el ejemplo anterior, es frecuente que una densidad sea estrictamente
positiva sobre un intervalo (eventualmente no acotado) de , y nula fuera. El intervalo

en el cual es estrictamente positiva se llama el soporte de la ley.

Podemos ver una probabilidad como una distribución de masa en el conjunto de las
eventualidades. La masa total vale . En el caso discreto, ella se encuentra repartida
en cada eventualidad como en ``granos de plomo'' separados. En el caso continuo, ella
está repartida sobre todo un intervalo de , que es como un hilo de masa en el cual
la densidad de la masa es variable. Calcular la probabilidad de un evento es calcular su
masa. Aparte de esta analogía, ¿qué sentido práctico tiene la noción de probabilidad?
¿Podemos medir físicamente probabilidades?
El único sentido concreto que les podemos dar es, intuitivamente, el de la Ley de los
Grandes Números. ``Cara tiene una posibilidad sobre dos de suceder'' significa para
nosotros que ``si lanzo la moneda una gran cantidad de veces, Cara saldrá alrededor
de una vez de cada dos.''
Intuición: La probabilidad de un evento es el límite de sus frecuencias
experimentales en un gran número de experimentos independientes.
Esta idea intuitiva conlleva varios puntos oscuros. Que las frecuencias experimentales
convergen bajo ciertas hipótesis es un teorema (este teorema es el que lleva el nombre
de Ley de los Grandes Números). ¿Por qué añadir el adjetivo ``independientes''?
Imaginemos una máquina de precisión para lanzar monedas: un brazo articulado
dotado de un plato, unido a un muelle regulable, ajustado a un valor fijo. Pongamos el
muelle en tensión y depositemos una moneda en el plato, con la Cara hacia arriba y
soltemos el muelle. La primera vez no podremos prever si la moneda caerá de Cara o
Cruz, pero la información que obtenemos en el resultado del primer ensayo permitirá
predecir los siguientes: los experimentos no son independientes. Las frecuencias
experimentales valdrán ó 0 pero no brindarán ninguna información sobre si la
moneda está adulterada o no.
El objetivo principal del próximo párrafo es precisar las nociones de dependencia
e independencia de eventos y de experimentos aleatorios.
REFERENCIAS BIBLIOGRAFICAS

 Martínez, C. (2011). Reglas de multiplicación, permutaciones y combinaciones. En:

Estadística y muestreo, 13th ed. [Online] Bogotá: Ecoe Ediciones, pp. 188 - 193.
Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=210&docI
D=10560355&tm=1498541573067
 Monroy, S. (2008). Conceptos básicos en probabilidad. En: Estadística Descriptiva.
[Online] Editorial: Instituto Técnico Nacional, pp. 128 - 140. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=129&docI
D=10436604&tm=1498541453661
 Martínez, C. (2011). Reglas básicas de probabilidad. En: Estadística y muestreo, 13th
ed. [Online] Bogotá: Ecoe Ediciones, pp. 196 - 216. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=218&docI
D=10560355&tm=1498541623497