PROBABILIDAD

ES
ASIGNATURA DE PROFUNDIZACIÓN
ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

Profesor: Enrique Valdivia Martínez.

INTRODUCCIÓN

La teoría de probabilidad estudia aquellos experimentos cuyos resultados son aleatorios y

descubre leyes para la construcción de modelos que describen situaciones reales.

Entenderemos por probabilidad a un mecanismo por medio del cual pueden estudiarse eventos
aleatorios. Uno de los objetivos de la estadística es tomar decisiones con base en una evidencia
muestral (Inferencia estadística).

La toma de decisión estará íntimamente ligada con la probabilidad. Introduciremos los

principios elementales de la teoría de probabilidades, comenzando con definiciones básicas y el
desarrollo axiomático de la medida de probabilidad.
CONCEPTOS BÁSICOS

Experimentos determinísticos: Un experimento es determinístico cuando se tiene certeza del

resultado que se obtendrá al realizarlo varias veces bajo las mismas condiciones, es decir, no
depende del azar. Por ejemplo, al exponer un recipiente con agua a una temperatura de más de
100°C, se tiene certeza que esta hervirá.

Experimentos aleatorios Un experimento es aleatorio si al repetirlo una cierta cantidad de

veces, bajo las mismas condiciones, no se tiene certeza de resultado que se obtendrá, es decir,
depende del azar. Por ejemplo, al extraer, sin mirar, una bolita de una caja con bolitas de color
azul, amarillo y verde, se sabe que la bolita será de uno de los tres colores, pero no hay certeza
de cuál se obtendrá.
EXPERIMENTO

Un experimento es un proceso o actividad que conduce a un resultado u observación, el

cual puede variar entre una ejecución y otra.

Para que un experimento sea aleatorio debe presentar dos características: la

primera tiene que ver con la posibilidad de determinar un conjunto, llamado
espacio muestral, que reúna todos los posibles resultados que éste pueda tener; la
segunda, tiene que ver con la imposibilidad de que los resultados de repeticiones
tengan un comportamiento igual o predecible.

Es decir, un experimento aleatorio es un proceso que puede concretarse en al menos dos

resultados posibles, con incertidumbre en cuanto a cuál de ellos tendrá lugar.
EJEMPLO

¿Cuál(es) de los siguientes experimentos es (son) aleatorio(s)?

I) Encender una vela y observar si alumbra.

II) Lanzar un dado y observar si la cara superior muestra un cinco.

III) Preguntarle a un desconocido si fuma.

A) Sólo I B) Sólo II C) Sólo III D) Sólo II y III E) I, II y III

ESPACIO MUESTRAL

Es el conjunto formado por todos los posibles resultados de un experimento aleatorio. Se

representa por donde cada uno de estos resultados (elementos de él) es llamado evento o suceso
elemental o punto muestral.

De este modo el espacio muestral es el conjunto no vacío, de todos los posibles resultados de un
experimento aleatorio..

Por ejemplo, al lanzar un dado no cargado el espacio muestral asociado a este experimento es el
conjunto Ω = { 1, 2, 3, 4, 5, 6 } .

Para el experimento de lanzar dos monedas al aire, el espacio muestral es :

Ω = { (C, C) , (C, S) , (S, C) , (S, S) }

EVENTO-SUCESO

Un evento es cualquier subconjunto del espacio muestral. Se anotan por A; B; C etc. Es

común encontrar diferentes conceptos acerca de lo que es probabilidad, examinaremos
en primer lugar el enfoque frecuentista, enfoque subjetivo y finalmente, desarrollaremos
el modelo axiomático; ya que, este es el orden del desarrollo histórico de la teoría.
TIPOS DE EVENTOS

Suceso o evento seguro: Es el conjunto formado por todos los resultados posibles del
experimento, es decir, coincide con el espacio muestral, por lo tanto, siempre ocurre al realizar
el experimento; y se dice que un suceso es imposible si nunca ocurre o no se presenta al realizar
un experimento aleatorio.

Sucesos o eventos mutuamente excluyentes: Dos eventos son mutuamente excluyentes si no

pueden suceder u ocurrir simultáneamente es decir, si y sólo si su intersección es vacía.

Es decir, dos eventos son mutuamente excluyentes cuando la ocurrencia de uno de ellos impide
la ocurrencia del otro (no pueden ocurrir simultáneamente). En otras palabras, cuando dos o más
eventos no tienen elementos comunes.
TIPOS DE EVENTOS

Eventos o sucesos complementarios: Son aquellos eventos que no tienen puntos o

elementos en común y la unión de ellos es el espacio muestral.

La cantidad de elementos que componen un suceso A se denomina cardinalidad de

A y se nota como #A análogamente, # es la cantidad de resultados posibles de un
experimento aleatorio.
EJEMPLOS

1.¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) Al lanzar un dado el evento “sacar un número menor que siete”, es un suceso cierto.

II) “Lanzar un dado y que salga un número menor que tres” y “lanzar un dado y que salga un
múltiplo de 3” son sucesos mutuamente excluyentes.

III) “Lanzar dos dados y obtener una suma mayor que 12”, es un evento imposible.

A) Sólo I B) Sólo III C) Sólo I y III D) Sólo II y III E) I, II y III

EJEMPLOS

2. Dado el espacio Muestral E = {a,e,i,o,u} y los eventos A = {i,o,u}, B= {o,u}, C= {a}, D={a,e}.
¿Cuál de las siguientes afirmaciones es falsa?

A) A y B no son mutuamente excluyentes .

B) A y D son complementarios .

C) B y C son mutuamente excluyentes .

D) B y D son complementarios .

E) A y C son mutuamente excluyentes .

CONCEPTOS DE PROBABILIDAD
Concepto Frecuentista

Es común encontrar diferentes conceptos acerca de lo que es probabilidad, examinaremos en primer lugar
el enfoque frecuentista, luego el enfoque subjetivo y finalmente, desarrollaremos el modelo clásico o
axiomático; dado que, este es el orden del desarrollo histórico de la teoría.

Dado que, es un hecho empíricamente comprobado que, la frecuencia relativa de un suceso tiende a
estabilizarse cuando la frecuencia total aumenta, surge la siguiente definición de probabilidad.

En este enfoque la probabilidad se determina en base a la razón entre el número de veces que ocurre un
resultado favorable respecto a un determinado número de observaciones o experimentos, en este
caso, no hay implícita ninguna suposición previa de igualdad de probabilidades.
 Concepto Frecuentista

Sea A un evento de interés, entonces, la probabilidad de A denotada por , bajo el enfoque frecuentista es el
número al que converge la frecuencia relativa del suceso cuando la frecuencia total tiende al infinito. Es
decir:

Para esta definición, se hace usualmente la salvedad que dadas ciertas imposibilidades prácticas para
repetir un experimento infinitas veces, la probabilidad de un suceso ha de ser aproximada por su
frecuencia relativa para un n suficientemente grande, suponiendo que las condiciones en que se realizó
cada experimento sean repetidas idénticamente.

Pero ¿Cuán grande es un n?, o ¿qué hacer con aquellas experiencias que solo pueden ocurrir una vez?. No
obstante, el problema de esta definición es el no poder repetir la experiencia infinitas veces.
Concepto Frecuentista

A cada valor de una de estas variables se les pueden asignar probabilidades, que son una cuantificación de
la certeza que se tiene de su ocurrencia. Son números, que convencionalmente toman valores entre 0 y 1,
y además la suma total es 1.

Recordando que las tablas de frecuencia relativa, mostraban la proporción de cada uno de los valores o
clases de una variable, existentes en una muestra. La muestra es la parte observada de una población, que
es la que realmente interesa, aunque, por razones de recursos, no se observa completa.
Concepto Frecuentista

Asociada a la población, también se podría construir una tabla de frecuencias relativas, si se conocieran
todos los valores. Como generalmente no se conocen, sólo se puede postular una tabla de frecuencias
relativas asociadas a la población.

En tal caso, en lugar de tabla de frecuencias relativas, se denomina “función de probabilidad“.

Si la variable es discreta, cada valor tiene asociado una probabilidad a nivel poblacional, equivalente a
una frecuencia relativa a nivel muestral. También se puede representar mediante un gráfico de barras,
como se muestra en la figura 1:
Concepto Frecuentista

Figura 1: Función de Probabilidad

 Concepto Frecuentista

Si la variable es continua, en el caso muestral se divide la tabla en intervalos, que pueden representarse
mediante un histograma. En el caso poblacional, en cambio, se consideran intervalos infinitamente
angostos, de modo que el perfil del histograma toma la forma de una curva, como en la figura 2:

Figura 2: Función de distribución

Concepto Subjetivo

Este enfoque se basa en la idea de que la probabilidad que una persona asigna a un suceso va a depender
de su juicio y experiencia personal, pudiendo dos personas dar distintas probabilidades para un mismo
suceso.

Indica el grado de certeza que se posee sobre un suceso. Esto es una cuestión de opinión, es decir, no
existe un sustento teórico ni formal, porque se basa en apreciaciones personales que se obtienen después
de un largo proceso de meditación.

Estas ideas pueden formalizarse, y si las opiniones de una persona satisfacen ciertas relaciones de
consistencia, puede llegar a definirse una probabilidad para los sucesos. Se puede calcular la probabilidad
de que una empresa en particular quiebre mañana .
Concepto Subjetivo

En este enfoque la probabilidad tiende a verse como el grado de credibilidad que es razonable
asignarle a una proposición, que describe un evento de acuerdo a una evidencia dada, tiene un
carácter que no es empírico, pues en ésta se busca conocer el grado de certidumbre que uno puede
asignarle a una hipótesis acorde a una evidencia; para hacer esto uno debe pensar en el problema a la luz
de las evidencias; si éstas cambian, también podría hacerlo la probabilidad asignada.

Podemos relacionar este enfoque con el teorema de Bayes, el cual es válido en todas las aplicaciones de
la teoría de la probabilidad aunque, sin embargo, ha existido mucha controversia sobre el tipo de
probabilidades que emplea..
Concepto Subjetivo

En esencia, los seguidores de la estadística tradicional también denominada objetivista o frecuentista

sólo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmación
empírica mientras que los llamados estadísticos bayesianos permiten y defienden la utilidad de las
probabilidades subjetivas.

El teorema, que ha resurgido con gran popularidad desde hace ya algunos años, puede servir entonces,
para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información
adicional de un experimento.

Este enfoque que propugna la estadística bayesiana está demostrando su utilidad en ciertas estimaciones
basadas en el conocimiento subjetivo a priori y permite revisar esas estimaciones en función de la
evidencia , lo que está abriendo nuevas formas de hacer conocimiento.
Concepto Clásico

Este enfoque tiene la característica esencial, que asigna la medida de ocurrencia para un resultado sobre
los antecedentes que aporta un experimento que se realiza de la manera más regular y metódica posible,
en donde los posibles resultados del mismo son igualmente probables. A este tipo de experimentos se les
conoce como eventos equiprobables.

Es decir, este concepto se basa en el de los resultados igualmente verosímiles y motivado por el
denominado: “Principio de la razón Insuficiente“. El cual postula que si no existe un fundamento para
preferir una entre varias posibilidades, todas deben ser consideradas equiprobables.

Por ejemplo, en el lanzamiento de una moneda perfecta(aquella que no posee dos caras o bien dos sellos)
la probabilidad de obtener cara debe ser igual a la probabilidad de obtener un sello, por tanto, ambas
iguales a .
Concepto Clásico

De la misma manera, la probabilidad de cada uno de los seis sucesos elementales asociados al
experimento de lanzar un dado es . Laplace recogió esta idea y formuló la regla clásica del
cociente entre casos favorables y casos posibles, bajo el supuesto de que estos sean equiprobables.

No obstante, el problema de esta definición es que en definitiva igualmente verosímiles es lo mismo

que igualmente probable, es decir, se justifica la premisa con el resultado. Pero, ¿ Qué hacer cuando
no se da esa simetría?, o ¿ Qué hacer cuando el número de resultados posibles es infinito?.
Concepto Clásico-Axiomático

El sustento disciplinar para la definición axiomática de la probabilidad se apoya en argumentos que hacen
necesarias algunas definiciones que pasaremos a recordar.

Experimento: Es una acción que puede realizarse de una o más formas distintas, y variar su resultado
entre una u otra ejecución.

Experimento aleatorio: Es un experimento que al realizarse en igualdad de condiciones, debe presentar

dos características fundamentales:

• No se puede determinar el resultado de las repeticiones del experimento.

• Se pueden determinar todos los posibles resultados tras la acción.

Espacio Muestral: Es el conjunto de todos los posibles resultados de un experimento aleatorio. Además,
se dice que un espacio muestral es discreto si corresponde a un conjunto contable.
Concepto Clásico-Axiomático

Suceso o evento: Es un subconjunto del espacio muestral, al que más adelante se le querrá calcular su
probabilidad de ocurrencia.

Continuando con la definición axiomática de probabilidad, consideraremos elementos de la teoríaa de la

medida. Sabemos que (Ω) representa el conjunto potencia o de las partes de Ω, es decir, es el conjunto
formado por todos los subconjuntos posibles de Ω.

Para formalizar la definición de probabilidad, a través de un conjunto de axiomas, se repasará

brevemente los conceptos básicos de teoría de conjunto, sobre los cuales se fundamenta la definición
formal de probabilidad.
 Concepto Clásico-Axiomático

Unión: La unión de Intersección: La

EL Complemento:
los eventos A con B intersección de los Eventos mutuamente excluyentes:
complemento de un
es el conjunto de eventos A y B es el Dos eventos A y B son mutuamente
evento A es el
todos los resultados conjunto de todos los excluyentes (disjuntos) si no tienen
conjunto de todos los
que están incluidos resultados que están resultados en común. Es decir, A ∩
resultados que no están
en A o B; se denota incluidos tanto en A B=φ.
incluidos en A, se
por A ∪ B. como en B; se denota
denota por
con A ∩ B.
Concepto Clásico-Axiomático

es el conjunto formado por todos los elementos que pertenecen a A y no pertenecen a B

Concepto Clásico-Axiomático

Ejemplo: Si se lanza un dado (experimento), hay seis resultados posibles. Entonces el espacio muestral
sería Ω = {1, 2, 3, 4, 5, 6}.
Ejemplo: Si se lanza un dado (experimento), hay seis resultados posibles. Entonces el espacio muestral sería Ω = {1, 2, 3, 4,
5, 6}.

Estos seis resultados son mutuamente excluyentes, ya que no pueden aparecer dos o más caras
Estos seis resultados son mutuamente excluyentes, ya que no pueden aparecer dos o más caras simultáneamente.
simultáneamente.

Si
Siademás
ademássuponemos que elque
suponemos dadoelestá bienestá
dado construido, los seis resultados
bien construido, son igualmente
los seis resultadosverosímiles (probable).
son igualmente verosímiles
(probable).
Se desea conocer la probabilidad de que el resultado de un lanzamiento sea un número par. Esto es, el suceso E = {2, 4, 6}.
Observamos que tres de los seis resultados posibles tienen tal atributo. Es decir, # E = 3
Se desea conocer la probabilidad de que el resultado de un lanzamiento sea un número par. Esto es, el
suceso E = {2, 4, 6}. Observamos que tres de los seis resultados posibles tienen tal atributo. Es decir, # E
Luego, la probabilidad del evento E sería P(E) =
=3.
Luego, la probabilidad del evento E sería P(E) =
AXIOMAS DE PROBABILIDADES

Consideremos el espacio muestral Ω, para cada suceso A asociamos un número real, designado por P(A)
y llamado la probabilidad de A, que satisface las siguientes propiedades:

1) Para todo evento A, 0 ≤ P(A) ≤ 1

2) P(Ω) = 1

3) Si A y B son eventos excluyentes, entonces P(A ∪ B) = P(A) + P(B).

Concepto Clásico-Axiomático

La elección de la lista de propiedades de las probabilidades está motivada por las características
correspondientes de la frecuencia relativa. De este modo, en cierto sentido los valores de P(A) y están
próximos uno al otro; cuando se basa en un gran número de repeticiones.

Este hecho es el que justifica el empleo de P(A) para medir la probabilidad de que ocurra A. Por el
momento, no sabemos como calcular P(A), solamente hemos anotado algunas propiedades generales que
posee P(A).

A continuación se indican consecuencias relativas a P(A) que se deducen de las condiciones, y que no
dependen de como calculamos P(A).
AXIOMAS DE PROBABILIDADES

Consideremos el espacio muestral Ω, para cada suceso A asociamos un número real, designado
por P(A) y llamado la probabilidad de A, que satisface las siguientes propiedades:

1) Para todo evento A, 0 ≤ P(A) ≤ 1

2) P(Ω) = 1

3) Si A y B son eventos excluyentes, entonces P(A ∪ B) = P(A) + P(B).

CONSECUENCIAS DE LOS AXIOMAS

Para cualquier eventos A, B asociados a un mismo espacio muestral Ω (finito) tenemos que ::

1) Si es el suceso complementario de A, entonces para cualquier evento A, se tiene que P() = 1 − P(A).

2) Si φ es el conjunto vacío, entonces P(φ) = 0

3) Si A ⊂ B, entonces, P(A) ≤ P(B ).

4) Si A y B son eventos cualquiera se cumplen las siguientes igualdades:

P(A B) = P(A) + P(B) − P(A ∩ B).
P(A − B) = P(A ∩ ) = P(A) − P(A ∩ B).
 ASIGNACIÓN DE PROBABILIDADES

A cada uno de los eventos elementales , para i = 1, 2, ...., n se le asignará un número real P(), que cumple las
siguientes condiciones:
a) 0 < P() < 1, para i = 1, 2, ...., n. b) la sumatoria de todas las probabilidades de 1.

Un espacio muestral finito Ω = {, , ,..., }, se dice equiprobable si P() = P() = c, i = 1, 2, ...., n y 0 < c < 1, así
según lo planteado tenemos que:

𝑛 𝑛
1
∑ 𝑃 ( 𝐸𝑖 )=∑ 𝑐 =𝑐𝑛=1 ⟹ 𝑐 =
𝑛
𝑖=1 𝑖 =1
Es decir, un espacio muestral finito se dice equiprobable si, , i = 1, 2,...,n.
ASIGNACIÓN DE PROBABILIDADES

Ahora, si A= {, , ,..., }, donde k < n , entonces, la probabilidad de que ocurra A es:

Esta última expresión es conocida como la fórmula de Laplace.

EJEMPLOS

Por ejemplo, consideremos el experimento de lanzar una moneda al aire una sola vez. Dicho experimento
puede concluir en uno de los dos posibles resultados: la aparición de una cara o bien la aparición de un
sello.

De lo anterior identificamos lo siguiente:

- El espacio muestral es discreto
- El suceso elemental consistió en lanzar una moneda al aire.
- Ω = {cara, sello}, donde {}, {} son los sucesos o eventos elementales.
- Entonces, P(φ) = 0, P({})= , P({}) = y P({, ) = 1
EJEMPLOS

A continuación, se presenta la distribución del ingreso de 457 empleados según su género.

¿Cuál es la probabilidad de que un individuo tenga un “ingreso superior a 800” (A)?

Resp: P(A) = 54/457 = 0,118.

EJEMPLOS

¿Cuál es la probabilidad de tener un “ingreso superior a 800” (A) o “inferior a 400” (B)?
Resp: Como los sucesos son excluyentes, P(A B) = 54/457 + 143/457 = 0,431.

¿Cuál es la probabilidad de tener un “ingreso superior a 800” (A) y “ser hombre” (B)? Resp: P(A ∩ B) =
48/457 = 0,105.

¿Cuál es la probabilidad de tener un “ingreso superior a 800” (A) o “ser hombre” (B)?
Resp: Como los sucesos no son excluyentes, P(A B) = + = 0, 540

¿Cuál es la probabilidad de que un individuo no tenga un “ingreso superior a 800” (A)?

Resp: P() = 1 − = 0, 882.
EJEMPLOS

¿Cuál es la probabilidad de que un individuo “sea hombre” (A) y no tenga un “ingreso superior a 800”
(B)?
Resp: P(A ) = = 0, 422.