DEFINICIONES:

o La probabilidad es un mtodo por el cual se obtiene la frecuencia de un

acontecimiento determinado mediante la realizacin de un experimento aleatorio,

del que se conocen todos los resultados posibles, bajo condiciones

suficientemente estables.

o La teora de la probabilidad se usa extensamente en reas como la estadstica, la

fsica, la matemtica, las ciencias y la filosofa para sacar conclusiones sobre la

probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de

sistemas complejos, por lo tanto es la rama de las matemticas que estudia, mide

o determina a los experimentos o fenmenos aleatorios.

o La probabilidad es una medicin numrica que va de 0 a 1 de la posibilidad de que

un evento ocurra. Si da cerca de 0 es improbable que ocurra el evento y si da

cerca de uno es casi seguro que ocurra.

o El concepto de probabilidad resulta familiar a cualquier profesional del mbito

sanitario, pero una definicin ms precisa exige considerar la naturaleza

matemtica de dicho concepto. La probabilidad de ocurrencia de un determinado

suceso podra definirse como la proporcin de veces que ocurrira dicho suceso si

se repitiese un experimento o una observacin en un nmero grande de ocasiones

bajo condiciones similares. Por definicin, entonces, la probabilidad se mide por un

nmero entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada

es cero, mientras que si ocurriese siempre su probabilidad sera igual a uno. As,

las probabilidades suelen venir expresadas como decimales, fracciones o

porcentajes.
 PROPIEDADES :

1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto

la probabilidad del suceso contrario es:

2. Probabilidad del suceso imposible es cero.

3. La probabilidad de la unin de dos sucesos es la suma de sus

probabilidades restndole la probabilidad de su interseccin.

4. Si un suceso est incluido en otro, su probabilidad es menor o igual a la de

ste.

5. Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

6. Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn}

entonces:
 AXIOMAS:

Los axiomas de probabilidad son las condiciones mnimas que deben

verificarse para que una funcin definida sobre un conjunto de sucesos
determine consistentemente sus probabilidades. Fueron formulados por
Kolmogrov en 1933.

Axiomas de Kolmogrov

Dado un conjunto de sucesos elementales, , sobre el que se ha definida una

-lgebra (lase sigma-lgebra) de subconjuntos de y una funcin P que
asigna valores reales a los miembros de , a los que denominamos "sucesos",
se dice que P es una probabilidad sobre (,) si se cumplen los siguientes
tres axiomas.

Primer axioma

La probabilidad de un suceso es un nmero real mayor o igual que 0.

Segundo axioma

La probabilidad del total, , es igual a 1, es decir,

tenemos un resultado de x1

Tercer axioma

Si son sucesos mutuamente excluyentes (incompatibles dos

a dos, disjuntos o de interseccin vaca dos a dos), entonces:

Segn este axioma se puede calcular la probabilidad de un suceso

compuesto de varias alternativas mutuamente excluyentes sumando las
probabilidades de sus componentes.
 Propiedades que se deducen de los axiomas

De los axiomas anteriores se deducen otras propiedades de la probabilidad:

1. donde el conjunto vaco representa en probabilidad el

suceso imposible

2. Para cualquier suceso

3.
4. Si entonces
5.

6.

Ejemplo de axiomas:

Como ejemplo se puede tomar como espacio muestral a los posibles resultados al
arrojar un dado corriente , tomaremos como -lgebra
todos los subconjuntos posibles de (que en matemticas se denota por )y
como funcin de probabilidad

donde representa el nmero de elementos del conjunto .

Es fcil comprobar que esta funcin verifica los tres axiomas de Kolmogrov y, por
tanto, consituye una probabilidad sobre este conjunto.

1. , puesto que es el cociente de dos nmeros positivos

2.
3. Si de tal manera que
entonces

con lo que
 ALGEBRA PROBABILIDAD

1 ) .- ALGEBRA DE SUCESOS:

1.1. Primeras definiciones

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 fi se

verifica o se realiza si al realizar el experimento se obtiene como resultado
uno de los puntos mustrales 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.

1.2. Actividad
Definir experimentos aleatorios de la vida cotidiana, expresando el espacio
muestra 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 = 1; 2; 4; 5 ; 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 A [ B

al suceso que se verifica cuando al menos uno de los dos se verifica.

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

mediante A\B al suceso que se verifica cuando ambos se verifican.
 Complementario: Dado un suceso A, denotaremos mediante A al suceso
que se verifica cuando A no se verifica.

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

A B al suceso que se verifica cuando se verifica A y no se verifica B.

Diferencia simtrica Dados dos sucesos A y B, denotaremos mediante

A4B al suceso que se verifica cuando o bien se verifica A y no se verifica B,
o bien se verifica B y no se verifica 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

seguro, 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
operaciones entre sucesos.
1.5. lgebra de sucesos

El lgebra de sucesos S es una familia de sucesos definida mediante los

siguientes axiomas:

1.6. Actividad

A partir de los axiomas anteriores, demostrar que si S es el lgebra de sucesos

asociado
a un experimento aleatorio, entonces S tambin cumple:

2. MODELOS DE PROBABILIDAD

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

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

o El enfoque clsico considera experimentos con espacios mustrales finitos y

puntos mustrales equiprobables. La probabilidad se asigna usando la Regla de
Laplace haciendo:

Este enfoque, aunque limitado en su uso por las condiciones que maneja, est
actualmente vigente.
o El enfoque frecuentista considera la repeticin del experimento un nmero
grande de veces n, de las cuales un nmero nA ha ocurrido el suceso A. La
probabilidad se asigna como:

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

o Para superar los inconvenientes de los enfoques anteriores usaremos el

enfoque axiomtico que engloba y generaliza los enfoques anteriores y que
usa la siguiente definicin.
 DIAGRAMA DE ARBOL

Un diagrama de rbol es una representacin grfica que muestra los resultados

posibles de una serie de experimentos y sus respectivas probabilidades; consta de
r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser
llevado a cabo.

Para la construccin de un diagrama en rbol se partir poniendo una rama para

cada una de las posibilidades, acompaada de su probabilidad. En el final de cada
rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas, segn
las posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final). Hay que tener en cuenta: que la suma de probabilidades
de las ramas de cada nudo ha de dar 1.

El diagrama de rbol va de lo general a lo especifico, es decir, parte de un

problema general (el tronco) y continua con niveles subsecuentes o causas (las
ramas).

Los diagramas en rbol son muy tiles para "fabricar" cualquier tipo de
agrupacin, ya sean variaciones, permutaciones o combinaciones.
 EJEMPLOS:

1 Una mujer es hija de una portadora de la enfermedad de Duchenne. Dicha

mujer tiene tres hijos varones sin la enfermedad. Calcular la probabilidad de
que ella sea portadora de la enfermedad.

Desarrollo:

Si representamos por x el gen alterado y por X el gen normal, el espacio muestral

para el nacimiento de la mujer W ={xX, XX}, cada suceso elemental con la misma
probabilidad (1 ley de Mendel). Por tanto, si A = {xX} = {la mujer es portadora},
segn la definicin clsica de probabilidad p(A) = 1/2.
Si la mujer fuera portadora, los posibles genotipos para sus hijos son xX, xY, XX,
XY, todos con la misma probabilidad. El espacio muestral para el nacimiento de un
hijo varn es W ={xY, XY}, por tanto la probabilidad de que un hijo varn no tenga
la enfermedad es 1/2 (tambin segn la definicin clsica). Cmo los genotipos de
los sucesivos hijos son independientes (2 ley de Mendel), y de acuerdo a la
definicin de independencia, la probabilidad de que los 3 hijos varones no tengan
la enfermedad es (1/2)x(1/2)x(1/2) = 1/8. Obviamente si la mujer no fuera
portadora, la probabilidad de que los 3 hijos varones no tengan la enfermedad es
1.
Como el suceso A = {la mujer es portadora} y su complementario Ac = {la mujer no
es portadora} forman una particin, se puede aplicar el teorema de Bayes en
relacin con el suceso B = {los 3 hijos varones no tienen la enfermedad}

2 Una prueba diagnstica para el cncer uterino tiene un coeficiente falso-

positivo de 0,05 y falso-negativo de 0,10. Una mujer con una probabilidad
pre-prueba de padecer la enfermedad de 0,15 tiene un resultado negativo
con la misma. Calcular la probabilidad de que no est enferma.

Desarrollo:

Sea NE = {la mujer no est enferma}, + = {el resultado de la prueba es positivo} y -

= {el resultado de la prueba es negativo}. La pregunta pide p(NE|-). Los datos que
se dan son p(+|NE)=0,05; p(-|E)=0,10 y p(E)=0,15. Del primero se deduce que p(-
|NE)=0,95 y del ltimo p(NE)=0,85, por lo tanto aplicando el teorema de Bayes
3- Se sabe que el 50% de la poblacin fuma y que el 10% fuma y es
hipertensa. Cul es la probabilidad de que un fumador sea hipertenso?

A = {ser hipertenso} B = {ser fumador}

A B = {ser hipertenso y fumador}
p(A|B) = 0,10/0,50 = 0,20

Obsrvese que los coeficientes falso-positivo y falso-negativo de las pruebas

diagnsticas son probabilidades condicionadas.

La frmula anterior se puede poner p(A B) = p(B) p(A|B) = p(A) p(B|A)

llamada regla de la multiplicacin, que se puede generalizar a ms sucesos
p(A1 A2 A3) = p((A1 A2) A3) = p(A1 A2) p(A3|A1 A2) = p(A1) p(A2|A1)
p(A3|A1 A2)

En general p(A1 A2 A3 ...) = p(A1) p(A2|A1) p(A3|A1 A2) ...

llamado principio de las probabilidades compuestas y especialmente til para
aquellas situaciones en que las probabilidades condicionadas son ms fciles de
obtener que las probabilidades de las intersecciones.

4-Se sabe por estudios previos que el 0,1% de la poblacin tiene problemas
vasculares. Un estudio sobre individuos con problemas vasculares revela
que el 20% de ellos son placas de ateroma. Si el 10% de los individuos con
placas de ateroma estn expuestos a muerte sbita por desprendimiento de
trombos qu probabilidad tiene un individuo cualquiera de estar expuesto a
muerte sbita por desprendimiento de trombos de una placa de ateroma?

A1 = {problemas vasculares}; A2 = {placas de ateroma}; A3 = {expuesto a muerte

sbita por ....}
p(A1) = 0,001; p(A2|A1) = 0,20; p(A3|A1 A2) = 0,1
p(A1 A2 A3) = 0,001 x 0,20 x 0,1 = 0,000002
5- Una urna contiene 10 bolas, de las cuales 3 son rojas, 5 verdes y 2 azules.
Se extraen al azar 3 bolas. Calcular la probabilidad de que la primera sea
azul, y las otras dos verdes.

Definimos A1 = {la 1 bola es azul}; A2 = {la 2 bola es verde}; A3 = {la 3 bola es

verde}
p(A1) = 2/10 aplicando la definicin clsica de probabilidad, puesto que hay 10
bolas y 2 son verdes.
p(A2|A1) = 5/9; si la primera bola extrada es azul, en la urna quedan 9 bolas, 5 de
ellas verdes.
p(A3|A1 A2) = 4/8; si la primera bola extrada es azul y la segunda verde en la
urna quedan 8 bolas, 4 de ellas verdes.
p(A1 A2 A3) = 2/10 x 5/9 x 4/8 = 1/18

Dos sucesos son independientes si y slo si p(A B) = p(A) p(B).

Si dos sucesos son independientes

y del mismo modo p(B|A) = p(B).

Esta propiedad coincide ms con la idea intuitiva de independencia y algunos

textos la dan como definicin. Hay que notar, sin embargo, que ambas
definiciones no son estrictamente equivalentes.

6- Al lanzar dos moneda vea las posibilades en las que caiga.