DEFINICIONES DE PROBABILIDAD

Antes de profundizar en la forma como se utilizan las probabilidades, es

necesario conocer de cierta manera de donde provienen. Hay tres formas de
calcular o estimar la probabilidad. El enfoque clsico o "a priori"proveniente de
los juegos de azar o definicin clsica de Laplace que se emplea cuando los
espacios muestrales son finitos y tienen resultados igualmente probables; la
definicin emprica, "a posteriori" o frecuencial que se basa en la frecuencia
relativa de ocurrencia de un evento con respecto a un gran nmero de ensayos
repetidos y por ltimo la definicin de Kolmogorov o definici6n axiomtica de
probabilidad.
Seleccionar uno de los tres enfoques depender de la naturaleza del problema.

DEFINICIN CLSICA DE LAPLACE O "A PRIORI"

Esta definicin es de uso limitado puesto que descansa sobre la base de las
siguientes dos condiciones:
1. El espacio muestra de todos los resultados posibles S es finito.
2. Los resultados del espacio muestra deben ser igualmente probables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del
espacio muestra y, el nmero total de resultados posibles es n(S), entonces

Ejemplo 24: Si se extrae una carta de un paquete de 52 cartas de las cuales 26

son negras (13 espadas A, 2, 3, , 10, J, Q, K; 13 son trboles); y 26 son rojas
(13 corazones y 13 diamantes), la probabilidad de que la carta sea un as

es
porque el evento de "extraer un as" consta de 4 de los 52
resultados igualmente probables. La probabilidad de que la carta sea negra
es

y la probabilidad de que sea un diamante es

Ejemplo 25: Al lanzar un dado, cul es la probabilidad de obtener un nmero

par?
Solucin: S ={1, 2, 3, 4, 5, 6}, y hay tres pares, luego,

Ejemplo 26: Cul es la probabilidad de que una familia que tiene tres hijos,
hayan dos nias y un nio, si se considera igualmente probable el nacimiento de
un nio o nia?
Solucin: Usando "a" para nia y "o" para nio, el espacio muestra es:
S = {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} n(S) = 8
El evento A en que hayan dos nias y un nio es
A = {aao, aoa, oaa, } n(A) = 3

Obsrvese que siempre 0 < P(A) < 1, puesto que 0 < n(A) < n(S).

DEFINICIN EMPRICA "A POSTERIORI" 0 FRECUENCIAL

La definicin clsica se ve limitada a situaciones en las que hay un nmero finito
de resultados igualmente probables. Por desgracia, hay situaciones prcticas que
no son de este tipo y la definicin de Laplace no se puede aplicar. Por ejemplo, si

se pregunta por la probabilidad de que un paciente se cure mediante cierto

tratamiento mdico, o la probabilidad de que una determinada mquina produzca
artculos defectuosos, entonces no hay forma de introducir resultados igualmente
probables. Por ello se necesita un concepto ms general de probabilidad. Una
forma de dar respuesta a estas preguntas es obtener algunos datos empricos en
un intento por estimar las probabilidades.
Supongamos que efectuamos un experimento n veces y que en esta serie
de n ensayos el evento A ocurre exactamente r veces, entonces la frecuencia
relativa del evento es

,o sea,

Si continuamos calculando esta frecuencia relativa cada cierto nmero de

ensayos, a medida que aumentamos n, las frecuencias relativas correspondientes
sern ms estables; es decir; tienden a ser casi las mismas; en este caso decimos
que el experimento muestra regularidad estadstica o estabilidad de las
frecuencias relativas. Esto se ilustra en la siguiente tabla, de una moneda lanzada
al aire 1000 veces.

# de
lanzamiento
s

# de

Frecuenci
a relativa

Frecuencia
acumulada

Frecuencia
acumulada
relativa

caras

1 - 100

52

0.52

52

0.520

100 - 200

53

0.53

105

0.525

200 - 300

52

0.52

157

0.523

300 - 400

47

0.47

204

0.510

400 - 500

51

0.51

255

0.510

500 - 600

53

0.53

308

0.513

600 - 700

48

0.48

356

0.509

700 - 800

46

0.46

402

0.503

800 - 900

52

0.52

454

0.504

900 -1000

54

0.54

508

0.508

Total: 1000

508

0.508

En un total de 1000 lanzamientos ocurrieron 508 caras, es decir la frecuencia

relativa es aproximadamente 0.50.
Tres investigadores realizaron experimentos y obtuvieron los siguientes
resultados

Investigador

Nmero de
lanzamientos

Nmero de
caras

Frecuencia
relativa

Buffon

4040

2048

0.5069

K. Pearson

12000

6019

0.5016

K. Pearson

24000

12012

0.5005

La mayora de experimentos aleatorios de importancia prctica tienen estabilidad,

por esto podemos sospechar que prcticamente ser cierto que la frecuencia
relativa de un evento E en un gran nmero de ensayos es aproximadamente igual
a un determinado nmero P(E), o sea, la probabilidad del evento E es

Obsrvese que este nmero es una propiedad que no depende solamente de E,

sino que se refiere a un cierto espacio muestra S y a un experimento aleatorio.
Entonces, decir que el evento E tiene probabilidad P(E) significa que si
efectuamos el experimento muchas veces, es prcticamente cierto que la
frecuencia relativa de E, fr(E) es aproximadamente igual a P(E).
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los
siguientes aspectos:
i.

La probabilidad obtenida de esta manera es nicamente una estimacin del

valor real.

ii.

Cuanto mayor sea el nmero de ensayos, tanto mejor ser la estimacin de

la probabilidad; es decir, a mayor nmero de ensayos mejor ser la
estimacin.

iii.

La probabilidad es propia de slo un conjunto de condiciones idnticas a

aqullas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente.

DEFINICIN AXIMATICA DE KOLMOGOROV

Las definiciones anteriores son netamente empricas o experimentales, sin

embargo despus de establecer una forma de determinar la probabilidad
experimentalmente, se pueden deducir leyes o propiedades de la probabilidad en
forma lgica o computacional bajo ciertas suposiciones llamados axiomas de la
probabilidad.
La probabilidad de un evento A se define como el nmero P(A), tal que cumple
con los siguientes axiomas:
AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor que
cero ni mayor que uno: 0 < P(A) < 1
AXIOMA 2: P(S) = 1
AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A B
= ), entonces: P (A B) = P(A) + P(B)
Toda la teora elemental de la probabilidad est construida sobre las bases de
estos tres simples axiomas.
Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el
AXIOMA 4: Si A1, A2, son eventos mutuamente exclusivos, entonces tenemos
que
P(A1 A2 ) = P(Al) + P(A2) ++