Probabilidad Probabilidad y Axiomas

Introdución

La probabilidad mide el “grado de creencia” de una afirmación

hecha con base en la información recolectada. También mide la
posibilidad de ocurrencia de uno o más resultados de un
experimento aleatorio.
Experimento aleatorio: Es aquel que proporciona diferentes
resultados, aún cuando se repite bajo las mismas condiciones.
Experimento determinı́stico: Es un proceso que no está sujeto al
azar.
Espacio muestral: Conjunto de todos los posibles resultados de
un experimento aleatorio.
Evento o suceso: Cualquier subconjunto de resultados de un
espacio muestral (simples o compuestos). Los eventos compuestos
están conformados por más de un resultado.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo 1: Si se considera el tipo de sangre, el espacio muestral S

está constituido por los siguientes eventos: S = {A, B, AB, O}.
Cualquier evento de S constituye un punto muestral.
Ejemplo 2: De la población mundial se encuestan aleatoriamente
aleatoriamente a sus habitantes hasta encontrar el primero con
cierta enfermedad . E : Enfermo, N : No enfermo.
S = {E , NE , NNE , NNNE , . . .}.
Ejemplo 3: Se seleccionan al azar tres estudiantes de la universidad
(uno a uno) y se clasifican como H : Hombre, M : Mujer. El
espacio muestral S puede ser descrito como:
S = {MMM, MMH, MHM, HMM, MHH, HMH, HHM, HHH}.
Ejemplo 4: Se determina la duración de una baterı́a en en horas.
Entonces, S = [0, ∞).

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Def.
Sean A y B eventos de un espacio muestral S. Diremos que A y B
son disjuntos si A ∩ B = φ (φ es un evento de S). En general, si
E1 , E2 , . . . , En son eventos de un espacio muestral S, diremos que
son mutuamente excluyentes si para cualquier par de estos eventos
sus intersecciones son vacı́as.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Definición clásica de probabilidad

La probabilidad de un evento A es el cociente entre el número de

CF
casos favorables y casos totales, ésto es, p(A) = .
CT
Considerando el ejemplo número 3, donde
S = {MMM, MMH, MHM, HMM, MHH, HMH, HHM, HHH},
supongamos los eventos A y B, tales que A :Al menos uno de los
estudiantes seleccionados es hombre, y B :Hay el doble de mujeres
que de hombres. Entonces:
A = {MMH, MHM, HMM, MHH, HMH, HHM, HHH} y
B = {MMH, MHM, HMM}.
Ahora, p(A) = 7/8, p(B) = 3/8, p(A ∩ B) = p(B) = 3/8,
p(A ∩ B 0 ) = 1/2

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Formalización de la probabilidad: Sea ε un experimento

aleatorio y sea S un espacio muestral asociado a ε. La probabilidad
de un evento A, denotada por p(A), es un número real que cumple
las siguientes condiciones:
0 ≤ p(A) ≤ 1
Si P(A) = 1, entonces A se llama evento seguro.
Si P(A) = 0, A se llama evento imposible.
P(S) = 1
Si A y B son eventos mutuamente excluyentes, ésto es
A ∩ B = φ, se tiene que la p(A ∪ B) = p(A) + p(B)

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Figura: Unión de eventos cuando son disjuntos.

Esta propiedad se puede extender para el caso de más de dos

eventos.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Propiedades:
P(φ) = 0, ésto es, la probabilidad de un evento imposible e s
cero.
Si A0 es el complemento de A, entonces, P(A0 ) = 1 − p(A), o
también P(A) = 1 − p(A0 )

Figura: Representación de un evento A y de su complemento A0 .

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Si A ⊆ B entonces P(A) ≤ P(B)

Figura: Representación de dos eventos cuando uno está contenido en el otro.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Si A y B son eventos cualesquiera, entonces

P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

Figura: Representación de la unión de dos conjuntos cuando ellos no son disjuntos.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo 5:
En un artı́culo de la revista American of Drugs and Alcohol Abuse,
Erickson y Murray afirman que las mujeres están consideradas
como un grupo con riesgo especial de adicción a la cocaı́na, y que
se ha sugerido que sus problemas con la cocaı́na son mayores que
en los hombres.
Con base en la revisión de textos especializados y en el análisis de
los resultados de un estudio original, estos investigadores
argumentan que no hay evidencia de que el uso de la cocaı́na en
las mujeres exceda al de los hombres. Erickson y Murray tomaron
una muestra de 75 hombres y 36 mujeres. La tabla 1 muestra la
frecuencia de uso de la cocaı́na en el tiempo de vida y el sexo de
los individuos.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Los datos son los siguientes:

Tabla: Frecuencia de consumo de cocaı́na por género entre adultos

adictos.
Frecuencia de uso de cocaı́na Hombres Mujeres
en el periodo de vida (H) (M) Total
1 - 9 veces (A) 32 7 39
20 - 99 veces (B) 18 20 38
100 o más veces (C ) 25 9 34
Total 75 36 111

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Si se escoge aleatoriamente a una persona de los 111 individuos de

la tabla 1, ¿Cuál es la probabilidad de que esa persona sea del sexo
masculino (H) o de que haya consumido cocaı́na 100 veces o más
durante su tiempo de vida (C ) o ambas?.
La probabilidad que se busca es P(H ∪ C ). Sabemos que:

P(H ∪ C ) = P(H) + P(C ) − P(H ∩ C )

75 34
P(H) = = 0,6757, P(C ) = = 0,3063 y
111 111
25
P(H ∩ C ) = = 0,2252. Entonces:
111
P(H ∪ C ) = 0,6757 + 0,3063 − 0,2252 = 0,7568

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo 6:
Si las probabilidades de que un mecánico automotriz dé servicio a
3, 4, 5, 6, 7, 8 o más vehı́culos en un dı́a de trabajo dado son:
0.12, 0.19, 0.28, 0.24, 0.10 y 0. 07, respectivamente, ¿Cuál es la
probabilidad de que dé servicio al menos a 4 vehı́culos el siguiente
dı́a de trabajo?

Sol : Sea D el evento de que al menos 4 automóviles reciban

servicio. Como p(D) = 1 − p(D 0 ), donde D 0 es el evento de que
menos de 4 automóviles reciban servicio. Entonces:

p(D) = 1 − p(D 0 ) = 1 − 0,12 = 0,88

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Probabilidad Condicional

En muchos experimentos la ocurrencia de un evento particular

está usualmente asociado a la ocurrencia de otros eventos, de
manera que al calcular la probabilidad de dicho evento es necesario
considerar aquellos que condicionan su ocurrencia.
Ejemplo 7:
Al realizar una búsqueda en Google, aparecen en pantalla 4 links
con documentos de interés y 5 que no lo son. A simple vista es
imposible saber cuál de los 9 links es el adecuado para nuestra
búsqueda. Si se desea abrir dos de los links. ¿Cuál es la
probabilidad de que el primero seleccionado sea de nuestro interés?,
¿Cuál es la probabilidad de que el segundo también lo sea?

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Sln!
Definamos los siguientes eventos:
Li : el i-ésimo link seleccionado es de interés; i = 1, 2
Ni : el i-ésimo link seleccionado no es de interés; i = 1, 2
4 5
p(L1 ) = , p(N1 ) =
9 9
Para calcular la probabilidad de L2 , se necesita saber qué link se
abrió en la primera selección.
Si el primer link seleccionado fue de interés, entonces
3
p(L2 ) =
8
Si el primer link no fue de nuestro interés, entonces
4
p(L2 ) =
8
La probabilidad de L2 depende de la primera selección.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Def.
Sean A y B eventos de un espacio muestral S. La probabilidad
condicional de “A dado B”, la cual denotamos p(A | B), está dada
por:
p(A ∩ B)
p(A | B) = , p(B) > 0, Ası́ mismo
p(B)
p(A ∩ B)
p(B | A) = , p(A) > 0
p(A)
De aquı́ tenemos que:

p(A ∩ B) = P(A)p(B | A) = p(B)p(A | B)

“Regla multiplicativa”

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo 8

Se seleccionan al azar 100 personas de una gran comunidad y se

someten a un estudio para evaluar la incidencia del fumar en el
desarrollo de enfermedad pulmonar. Los resultados obtenidos
después de un perı́odo de tiempo se muestran a continuación.
Defina los siguientes eventos:
H : La persona seleccionada es un hombre.
M : La persona seleccionada es una mujer.
F : La persona seleccionada fuma.
E : La persona seleccionada desarrolla la enfermedad pulmonar.
Se selecciona una persona al azar de estas 100. Calcule las
siguientes probabilidades.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

i) ¿Cuál es la probabilidad de que sea fumador y hombre?

¿fumador y mujer?
ii) ¿Cuál es la probabilidad de que desarrolle la enfermedad
pulmonar?
iii) Si es mujer, ¿cuál es la probabilidad de que desarrolle la
enfermedad pulmonar?
iv) Si es mujer y no fuma, ¿cuál es la probabilidad de que
desarrolle la enfermedad pulmonar ?
v) ¿Cuál es la probabilidad de que desarrolle la enfermedad
pulmonar, dado que no fuma o es mujer?

H M
Fuma Fuma
Si No Si No
Enfermedad Si 40 3 43 20 2 22
Pulmonar No 5 12 17 10 8 18
45 15 60 30 10 40

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Solución

i)
45 30
p(F ∩ H) = ; p(F ∩ M) =
100 100

ii)
43 + 22 65
p(E ) = =
100 100

iii)
p(E ∩ M) 22/100 22
p(E | M) = = =
p(M) 40/100 40

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Solución

i)
45 30
p(F ∩ H) = ; p(F ∩ M) =
100 100

ii)
43 + 22 65
p(E ) = =
100 100

iii)
p(E ∩ M) 22/100 22
p(E | M) = = =
p(M) 40/100 40

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Solución

i)
45 30
p(F ∩ H) = ; p(F ∩ M) =
100 100

ii)
43 + 22 65
p(E ) = =
100 100

iii)
p(E ∩ M) 22/100 22
p(E | M) = = =
p(M) 40/100 40

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

iv)
p(E ∩ M ∩ F 0 ) 2/100 2
p(E | M ∩ F 0 ) = = =
p(M ∩ F 0 ) 10/100 10

v)

p(E ∩ (F 0 ∪ M)) p((E ∩ F 0 ) ∪ (E ∩ M))

p(E | M ∪ F 0 ) = =
p(F 0 ∪ M) p(F 0 ∪ M)
p(E ∩ F 0 ) + p(E ∩ M) − p(E ∩ F 0 ∩ M)
=
p(F 0 ) + p(M) − p(F 0 ∩ M)
5 22 2
100 + 100 − 100
= 25 40 10
100 + 100 − 100
25
100 25
= 55
=
100
55

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

iv)
p(E ∩ M ∩ F 0 ) 2/100 2
p(E | M ∩ F 0 ) = = =
p(M ∩ F 0 ) 10/100 10

v)

p(E ∩ (F 0 ∪ M)) p((E ∩ F 0 ) ∪ (E ∩ M))

p(E | M ∪ F 0 ) = =
p(F 0 ∪ M) p(F 0 ∪ M)
p(E ∩ F 0 ) + p(E ∩ M) − p(E ∩ F 0 ∩ M)
=
p(F 0 ) + p(M) − p(F 0 ∩ M)
5 22 2
100 + 100 − 100
= 25 40 10
100 + 100 − 100
25
100 25
= 55
=
100
55

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Teorema de probabilidad total

Sean A1 , A2 , . . . , An eventos no vacı́os mutuamente excluyentes
tales que la unión de todos ellos conforman el espacio muestral. Si
B es un evento de S, entonces.
n
X n
X
p(B) = p(B ∩ Ai ) = p(Ai )p(B | Ai )
i=1 i=1

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Def. (Eventos Independientes)

Sean A y B eventos de un espacio muestral. Diremos que A y B
son estadı́sticamente independientes, si y sólo si, cualquiera de las
siguientes propiedades se cumple.
p(A | B) = p(A)
p(B | A) = p(B)
p(B ∩ A) = p(A)p(B)

En general, una colección de eventos A1 , A2 , . . . , An de un espacio

muestral S, se dicen mutuamente estadı́sticamente independientes,
si y sólo si, la intersección de cualquier subconjunto de eventos de
esta colección, cumple que la probabilidad de dicha intersección
será el producto de las probabilidades de los eventos involucrados.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo 9
En un grupo de preparatoria, que consta de 60 mujeres y 40
varones, se observa que 24 chicas y 16 muchachos usan lentes. Si
un estudiante es elegido aleatoriamente, ¿cuál es la probabilidad de
que ambos eventos, que el estudiante use lentes y sea varón,
ocurran simultáneamente.

Sol! Sabemos que si una persona en particular usa lentes y es

hombre, no necesariamente otra persona del grupo de estudiantes
que sea hombre deba usar lentes. Por tanto, notamos que estos
eventos son independientes. De aquı́,

p(L ∩ H) = p(H)p(L)
  
40 40
=
100 100
= 0,16

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Teorema de Bayes

Sean A1 , A2 , . . . , An eventos no vacı́os mutuamente excluyentes

tales que la unión de todos ellos conforman el espacio muestral. Si
B es un evento de S, entonces.
(Aj ∩ B) p(Aj )p(B | Aj )
p(Aj | B) = = Pn
P(B) i=1 p(Ai )p(B | Ai )

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Ejemplo

Suponga que tenemos 2 botiquines y que el botiquı́n 1 contiene 3

pastillas de Aspirina y 2 de Dristán y el botiquı́n 2 contiene 2 de
Aspirina y 3 de Dristán. Se extrae una pastilla al azar. ¿Cuál es la
probabilidad de que:
La pastilla extraı́da sea una Aspirina?
La extracción se haya efectuado del botiquı́n 1 dado que la
pastilla extraı́da fue una Aspirina?
Solución: En el problema hay dos pasos a saber:
Paso 1, elección del botiquı́n; Paso 2, extracción de la pastilla.
Sea B1 = La extracción se hace del botiquı́n 1. y B2 = la
extracción se hace del botiquı́n 2.
Tenemos entonces que, p(B1 ) = 1/2 y p(B2 ) = 1/2.
Sea A el evento, la pastilla elegida es una Aspirina.

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

Por las condiciones del problema sabemos que:

p(A | B1 ) = 3/5 y p(A | B2 ) = 2/5.

p(A) = p(B1 ∩ A) + p(B2 ∩ A) = p(A | B1 )p(B1 ) + p(A | B2 )p(B2 )

   
3 1 2 1
= × + × = 0,5
5 2 5 2

p(A | B1 )p(B1 )
p(B1 | A) =
p(A | B1 )p(B1 ) + p(A | B2 )p(B2 )
(3/5)(1/2)
= = 3/5 = 0,6
(1/2)

MSc Carlos Javier Barrera Causil. Probabilidad

 Probabilidad Probabilidad y Axiomas

A1
r
3/5

B1 
rH

H 2/5
1/2
HH D
Hr 1

r
@
A
r2
@
@  2/5
1/2 
@ B2 
@r
HH 3/5
H
HHDr2

MSc Carlos Javier Barrera Causil. Probabilidad