CONCEPTOS BASICOS DE PROBABILDAD

UNIDAD I: CONCEPTOS BASICOS DE PROBABILIDAD

1. INTRODUCCION
La teora de la Probabilidad es la rama de las matemticas que tiene que ver con los
fenmenos aleatorios. Pero, qu es un fenmeno aleatorio? Muchos fenmenos tienen la
propiedad de que su observacin repetida bajo un conjunto especfico de condiciones
invariablemente lleva al mismo resultado (por ejemplo, la ley de la gravedad). Hay otros
fenmenos cuya observacin repetida bajo un conjunto especfico de condiciones no siempre
lleva al mismo resultado. Estos ltimos son los fenmenos que pensamos como aleatorios y que
son el objeto de este curso.
Tambin se define un fenmeno aleatorio como aqul cuyos resultados no pueden predecirse
con exactitud antes de su realizacin, es decir, existe incertidumbre asociada con los resultados
de dichos fenmenos y, por lo tanto, decimos que estn sujetos al azar. La experiencia ha
mostrado que muchos de estos fenmenos no determinsticos exhiben una regularidad estadstica
que los hace sujetos de estudio. La probabilidad se encarga del estudio formal de las reglas de
la incertidumbre que permiten modelar lo impredecible de stos fenmenos (es decir, estudia la
medida de la incertidumbre).
Un punto importante a considerar en este curso, es que diferenciaremos los trminos posible y
probable. Un fenmeno es o no posible, mientras que si es posible puede ser ms o menos
probable, lo cual implica una medida.
A nivel filosfico existen dos puntos de vista: uno en que se piensa que todo fenmeno en el
universo sigue una ley o conjunto de ellas y aquellos fenmenos para los cuales el ser humano
no conoce dicha ley, se dice que son aleatorios (por ejemplo, los nmeros aleatorios generados
por una computadora, en realidad siguen un algoritmo). El otro punto de vista es el que sostiene
que la aleatoriedad como tal existe en el universo. De cualquier manera, hoy da para el ser
humano existe la incertidumbre en muchos de los aspectos de su vida.
Histricamente, algunos tratados de probabilidad aparecieron, al parecer, en Italia a finales
del siglo XV. Un manual para apostadores de juegos que consideraba problemas interesantes
de probabilidad fue escrito por Cardano (1500-1572). El mayor avance que condujo a la
ciencia moderna de probabilidad fue el trabajo del matemtico francs Blaise Pascal quien, en
1654, resolva un problema relacionado con el juego por lo que entabl correspondencia con
otro matemtico francs, Pierre de Fermat. El problema se resolvi mediante esta
correspondencia y este trabajo es considerado como el comienzo de la probabilidad moderna.
Es importante notar que en el transcurso del trabajo de Pascal, se desarroll, de manera
independiente, el clculo diferencial e integral por Newton y Leibniz; el avance subsecuente de
la teora de probabilidad ha dependido considerablemente del clculo. En los siglos XVIII y XIX,
la teora de probabilidad se desarroll a ritmo constante con contribuciones hechas por
cientficos como James Bernoulli, de Moivre, Legendre, Gauss y Poisson, sus contribuciones
hicieron posible un muy rpido crecimiento de esta ciencia en el siglo XX1.
1

Vase Probability for risk management. Matthew J. Hassett and Donald G. Stewart. 2. Edicin.

L. Act. Ma. Auxilio Chan Garca (E. Est.)

UNIDAD I

Existen varias formas de definir la probabilidad, las cuales representan enfoques diferentes en
el estudio de esta teora, las ms importantes son la definicin Clsica (a priori), la definicin de
Frecuencia Relativa (a posteriori) y la definicin Axiomtica.
La definicin clsica de probabilidad se aplic con bastante xito en problemas de juegos de
azar y ayud a sentar las bases para construir la teora matemtica. Su definicin es como
sigue: Si en un experimento se tiene un conjunto finito de posibles resultados y se denota por A
un subconjunto de estos posibles resultados, la probabilidad del evento A se obtiene como el
cociente de la cardinalidad de A entre el nmero total de posibles resultados
La interpretacin de probabilidad de acuerdo a la frecuencia relativa la utilizaremos solamente
como motivacin intuitiva ya que los fenmenos aleatorios no se comportan siempre as, es
aquella en la que el enunciado de que cierto resultado experimental tenga probabilidad p
puede interpretarse como que si el experimento se repitiese un nmero grande de veces, aquel
resultado sera observado cerca del 100p por ciento del tiempo.
En la definicin axiomtica de la probabilidad no se establece la forma explcita de calcular las
probabilidades, sino que se proponen las ciertas reglas que el clculo de probabilidades debe
satisfacer entre las que se encuentran los tres postulados o axiomas que fueron establecidos en
1933 por el matemtico ruso Andrey Nikolaevich Kolmogorov. El enfoque de este curso ser el
ltimo.2
Ejemplos:
Los siguientes fenmenos se pueden considerar aleatorios:
1.
2.
3.
4.
5.
6.
7.

El sexo de un beb al momento de nacer.

El nmero de placa que le toque a un automvil.
El punto de un crculo en que cae el lanzamiento de un dardo.
El promedio de la carrera que alcanza un estudiante.
El momento en que se dar la muerte de una persona.
El que salga o no defectuoso un componente que se elige de un lote.
El que ocurra un accidente laboral en una planta en cierto periodo de tiempo.

ACTIVIDAD DE APRENDIZAJE No. 1

En equipos, recabar informacin sobre la definicin de probabilidad, presentar una matriz en
la que se comparen las distintas interpretaciones de la probabilidad y dar una definicin
propia.

Vase Fundamentos de Probabilidad y Estadstica. Vctor Aguirre, et. al. Jit Press / Introduccin a la Probabilidad. Luis
Rincn. Facultad de Ciencias. UNAM.
2

NOTAS DE CURSO

CONCEPTOS BASICOS DE PROBABILDAD

2. ESPACIOS DE PROBABILIDAD
El propsito de esta seccin es desarrollar la estructura matemtica formal llamada espacio de
probabilidad, que forma el fundamento para el tratamiento matemtico de los fenmenos
aleatorios.
Espacio muestral
Supongamos que tenemos un experimento real o imaginario cuyos resultados no son predecibles
con certeza y que estamos tratando de modelar. Lo primero que tenemos que hacer es definir
los posibles resultados de dicho experimento (no se debe excluir ninguno de los posibles). Luego
establecemos un conjunto cuyos elementos estn asociados uno-a-uno con estos resultados,
a este conjunto se le conoce como espacio muestral. Si el espacio muestral tiene un nmero finito
o infinito contable de puntos muestrales se le llama discreto.
Ntese que para un mismo experimento se pueden definir varios espacios muestrales
dependiendo de nuestro inters.
Ejemplos:
1. En la concepcin de un beb, de acuerdo a su sexo se tienen dos posible resultados, entonces
: {hombre, mujer}
2. Al tirar dos dados distintos, si se observan las parejas donde el primer elemento es la cara
en que cay el primer dado y el segundo elemento es la cara en que cay el otro dado, se
tienen 36 resultados posibles:
(1,1)(1,2) (1,6)
: {(2,1)(2,2) (2,6)

(6,1)(6,2) (6,6)

En cambio, si lo que interesa es la suma de los puntos de ambas caras, se tienen 11 resultados
posibles:
: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.
3. Al medir el tiempo que dura un transistor : [0,), pero si la duracin se mide en das el
espacio muestral es : {0, 1, 2, 3, }
4. Al considerar el orden en el que 10 alumnos llegan a clase, consistira en las
permutaciones correspondientes, es decir, tendra 10! elementos.
5. Cuando un alumno se inscribe a un curso, si lo que interesa es su estado final se tienen dos
posibles resultados en : {aprueba, reprueba}={su calificacin es <60, su calificacin es 60}.

L. Act. Ma. Auxilio Chan Garca (E. Est.)

UNIDAD I

ACTIVIDAD DE APRENDIZAJE No. 2

En equipos, proporcionar mediante lluvia de ideas tres ejemplos de experimentos aleatorios y
definir el espacio muestral para cada uno de ellos, determinando si son discretos o continuos.
Espacio de eventos
Una vez definido el espacio muestral, tomamos una coleccin no vaca A de subconjuntos de
a los cuales queremos asignar probabilidades, a esta coleccin se le llama clase.
Si es un espacio muestral discreto finito, se define el conjunto potencia, o clase potencia, de
como aqul que consiste en todos los subconjuntos de (incluyendo mismo as como ) y
se denota por 2.
Ejemplos:
En los ejemplos anteriores, la clase potencia se define como sigue:
1. A =2 = { , , {H}, {M}}
2. A =2 = { , , {(1,1)}, , {(6,6)},
{(1,1),(1,2)},,{(6,5),(6,6)},
{(1,1),(1,2),(1,3)},,{(6,4),(6,5),(6,6)},
{(1,1),(1,2),(1,3),(1,4)},,{(6,3),(6,4),(6,5),(6,6)},
(hasta los subconjuntos con 35 pares)}
| A |= 68,719,476,736 subconjuntos.
3. A =2 no puede expresarse.
4. A =2 tiene 1024 subconjuntos.
5. A =2={ , , {aprueba}, {reprueba}}

El conjunto A debe ser una coleccin no vaca de subconjuntos de que tenga las siguientes
propiedades:
i) Si A est en A, Ac est en A.
ii) Si A y B estn en A, A U B y A B estn en A.
Por induccin se puede demostrar que si A1, A2,..., An son conjuntos en A, entonces tambin
ni=1 Ai y ni=1 Ai estn en A..
4

NOTAS DE CURSO

CONCEPTOS BASICOS DE PROBABILDAD

Adems se tiene que como AAc= y AUAc= , entonces y estn en A.

Una coleccin no vaca de subconjuntos de un conjunto dado que es cerrado bajo un conjunto
finito de operaciones ordinarias de teora de conjuntos se llama un campo de subconjuntos de
.
Vamos a requerir que A sea cerrado no solamente bajo un conjunto finito de operaciones
ordinarias de teora de conjuntos, sino tambin bajo un conjunto infinito contable de operaciones
ordinarias de teora de conjuntos, es decir, si {An}, n1, es una secuencia de conjuntos en A,

entonces
i=1 Ai y i=1 Ai estn en A.
Una coleccin no vaca de subconjuntos A de un conjunto se llama una -lgebra de
subconjuntos de siempre que las siguientes dos propiedades se cumplan:
i) Si A est en A, Ac est en A.

ii) Si An est en A, n=1,2,..., entonces

i=1 Ai y i=1 Ai estn en A.
Es decir, una coleccin de subconjuntos de un conjunto dado que es cerrado bajo un conjunto
contable de operaciones tericas se llama un -campo o -lgebra de subconjuntos de .
Si es un espacio muestral discreto finito, se puede demostrar que el conjunto potencia
constituye una -lgebra de subconjuntos de , sin embargo, no siempre es la ms adecuada
de acuerdo con el comportamiento del fenmeno aleatorio.
{,} es una-lgebra de subconjuntos de y recibe el nombre de -lgebra trivial y es la lgebra ms pequea posible.
Ejemplos:
1. Para los ejemplos 1 y 2 anteriores la -lgebra que se propone es 2.
2. Para el ejemplo 3 se utilizara una -lgebra basada en los subconjuntos de a los que
interesa asignar probabilidades.
3. Sea ={1,2,3,4}.
Note que la clase potencia tiene 16 elementos. Se puede demostrar que la clase
{,{1},{2},{3},{4},{1,2},{1,3},{1,4},{2,3},{2,4},{3,4},{1,2,3},{1,2,4},{2,3,4}{1,3,4}},{1,2,3,4}
es
una -lgebra mientras que la clase {{1},{2}} no lo es.
4. Sea ={1,2,3,4,5}.
El subconjunto { , , {1},{3},{1,3},{2,4,5},{2,3,4,5},{1,2,4,5}} es una -lgebra.

L. Act. Ma. Auxilio Chan Garca (E. Est.)

UNIDAD I

Los elementos de una -lgebra reciben el nombre de eventos.

Es decir, un evento es un subconjunto A de A y, por lo tanto, del espacio muestral .
Por lo tanto, la definicin de evento depende de cul sea la -lgebra bajo consideracin.
Un evento elemental Ei es un evento formado por un solo elemento de , Ei = {i}.
Los subconjuntos y son siempre eventos sin importar cul sea la -lgebra A subyacente.
Se llaman respectivamente evento seguro y evento imposible. Note que siempre ocurre y
nunca ocurre.
Si es un espacio muestral y A un subconjunto de , el enunciado el evento A ocurre significa
que el resultado del experimento est representado por algn punto A.
Llamamos complemento de A, denotado por Ac, al conjunto -A. El evento Ac ocurre si y slo si
A no ocurre.
El evento A1UA2 ocurre si y slo si ocurre A1 o A2.
El evento A1A2 ocurre si y slo si ocurre A1 y A2 ocurren al mismo tiempo. Si A1A2= se dice
que son mutuamente excluyentes.
Si A B la ocurrencia de A implica la ocurrencia de B.
Ejemplo:
Sean ={1,2,3} y A = {{1},{2,3},,}.
El conjunto E1={1} es evento bajo la -lgebra A. El conjunto E2={2} no es evento bajo esta lgebra. El evento E1 es elemental, el evento A={2,3} no es elemental.
Si al realizar el experimento se obtiene como resultado 2, se dice que ocurri el evento A.
Ntese que se defini una -lgebra distinta a 2{{1},{2},{3},{1,2},{1,3},{2,3},,}

Una vez que podemos representar el experimento en trminos matemticos, podemos estudiarlo
utilizando los axiomas y resultados que conocemos.
Cuando la -lgebra considerada contiene todos los eventos simples del experimento, los
dems eventos se pueden expresar como una funcin del lgebra de conjuntos de dichos
eventos.

NOTAS DE CURSO

CONCEPTOS BASICOS DE PROBABILDAD

Ejemplos:
1. En la observacin del sexo de un beb al nacer se tiene:
: {hombre, mujer}
A ={ , , {H}, {M}}.
Evento A: el recin nacido es hombre = {H}
Evento seguro: el recin nacido es hombre o mujer =
Evento imposible: el recin nacido es hombre y mujer =
2. Al tirar dos dados, se observa la suma de los puntos de ambos dados.
: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
A =2
Se definen los siguientes eventos:
A: La suma de los dados es 6 = {6}
B: La suma es un nmero par = {2, 4, 6, 8, 10, 12}
C: La suma es un nmero non = {3, 5, 7, 9, 11}
A U B : La suma de los dados es 6 o es un nmero par = {2, 3, 6, 8, 10, 12}
A B : La suma de los dados es 6 y es un nmero par = {6}
3. Al medir los das que dura un transistor, : {0, 1, 2, 3, }.
={0, 1, 2, 3, }
A = {{0, 1, 2, 3, 4, 5}, {6, 7, 8, }, , }
El evento A: el transistor no dura ms de 5 das = {0, 1, 2, 3, 4, 5}

L. Act. Ma. Auxilio Chan Garca (E. Est.)

UNIDAD I

Ejercicios:
1. Sean E, F y G tres eventos. Encuentre la expresin correspondiente a las siguientes
afirmaciones:
a) Slo E ocurre.
b) Ocurren E y G pero no ocurre F.
c) Al menos uno de los tres ocurre.
d) A lo mucho uno de ellos ocurre.
e) Exactamente dos de ellos ocurren.
f) Los tres ocurren.
2. Una cafetera ofrece un men de tres tiempos. Una persona debe escoger un guisado, una
guarnicin y un postre. Las opciones son las siguientes:
Guisados: {

pollo
pescado

pasta
Guarniciones: { arroz
papas
helado
gelatina
Postres: {
pie
duraznos

a) Cul es el espacio muestral?

b) Sea A el evento de elegir helado, especifique los elementos de A.
c) Liste todos los elementos de AB si B es el evento de elegir pollo.
3. De una encuesta de 60 estudiantes que asisten a clase en una universidad, se encontr que 9
vivan fuera del campus, 36 eran pasantes y 3 eran pasantes que vivan fuera del campus.
Encuentre el nmero de estos estudiantes que:
a) Eran pasantes, vivan fuera del campus o ambos.
b) Eran pasantes que vivan en el campus.
c) Eran graduados que vivan en el campus.
La medida de probabilidad y sus propiedades
Una vez definido el espacio muestral y la -lgebra A a considerar, se puede definir la
medida de probabilidad.

NOTAS DE CURSO