CONCEPTOS BSICOS DE PROBABILIDADES

DEFINICIONES BASICAS

Experimento. Cualquier accin cuyo resultado se registra

como un dato.

Espacio Muestral (S). El conjunto de todos los posibles

resultados de un experimento. Cada elemento de este
conjunto, es decir cada resultado, se denomina punto
muestral.

Ejemplos:
Supongamos el lanzar un dado al aire y observaremos los
resultados siguientes: S={1,2,3,4,5,6};S={6}.

En el lanzamiento de dos monedas tenemos:

S={CC,CS,SC,SS};S={4}.

Evento. Es el resultado de un experimento. Cualquier

subconjunto del espacio muestral (S) para un experimento
particular se denomina evento. Por lo general se denota a
los eventos con la letra E. Por ejemplo, E1={2,4,6}
representa el evento de que el dado mostrar un nmero par
de puntos.

Una herramienta de gran utilidad en el listado de espacio

muestrales de experimentos es el diagrama de rbol, es una
forma de resolver problemas matemticos en los que se
tengan que tomar decisiones para poder determinar que
alternativas se tienen.

Supongamos que lanzamos dos monedas. En el diagrama de la

Figura 1, primero dibujamos ramas del punto de partida a
H(Cara) y T(Sello), los resultados posibles del lanzamiento
de la primera moneda. Luego, por cada uno de estos
resultados, dibujamos otras ramas correspondientes a los
resultados posibles del segundo lanzamiento:

1
Los elementos del espacio muestral se obtienen ahora
leyendo desde el inicio hasta el final de las ramas 1,2,3 y
4 del rbol. En consecuencia, el espacio muestral es
S= HH,HT,TH,TT .

Es importante destacar dos eventos:

El evento imposible E= . Por ejemplo, que aparezca un

siete al lanzar un dado, es claro que esto nunca suceder,
porque ninguna cara del dado tiene 7 puntos. En
consecuencia est conjunto es vaco.

El evento seguro. Aquel que consta de todos los puntos

muestrales del espacio muestral. Por ejemplo, el evento de
que un nmero par o impar de puntos aparezcan al lanzar un
dado. Este evento esta dado por E= 1,2,3,4,5,6 . Es claro
que este es el espacio muestral completo.

A menudo es til representar los espacios muestrales y

eventos:

a) mediante un diagrama de Venn

b) mediante una tabla de contingencia.

a) Diagramas de Venn:

Ayudan a visualizar un experimento. Se representa por un

diagrama rectangular representando el espacio muestral S y
que contiene los eventos simples marcados por
E1,E2,,E6..En. Como un evento A es una coleccin de
eventos simples, los puntos muestrales de ese evento se
localizan en el interior del evento A (E1,E2,..,E6,..,En).

Unin. La unin de dos conjuntos A y B es el conjunto C que

est formado por los elementos de A, de B o de ambos.

A A, x B o x a ambos }

Interseccin. La interseccin de dos conjuntos A y B es el

conjunto C que est formado por los elementos que
pertenecen a ambos conjuntos simultneamente.

y x

Complementos. El complemento de un conjunto A que se denota

por Ac es el evento que consta de todos los resultados en
el espacio muestral que no estn contenidos en A.

Ac = { x S, x A }
Ac + A = S

2
Si dos conjuntos A y B no tienen elementos en comn, su
interseccin ser nula o vaca. En este caso A y B se dicen
eventos mutuamente excluyentes.

b) Tabla de Contingencia:

Es una tabla de frecuencia, donde los datos se organizan de

modo que slo consideramos una variable a la vez, a los
fines de estudiar de manera simultnea la repuesta de dos
variables categricas. Para esto, se establece una
clasificacin cruzada entre las variables analizadas. Por
ejemplo, se puede relacionar mediante una tabla de
contingencia las variables sexo (M,F) y el rea de estudio,
sexo y rango acadmico; ventas de productos por rea
geogrfica y tipo de productos, etc.
El ejemplo que se presenta a continuacin clasifica las
variables por rango acadmico y sexo:

Las tablas de contingencia estn referidas a dos

caractersticas, que presentan cada una dos o ms
sucesos.

En el caso de los sucesos A, , B y , expresados en

frecuencias absolutas, relativas o probabilidades la
tabla, adopta la forma adjunta.

A TOTAL
B P( A B ) P( B ) P( B )

P( A ) P( ) P( )
TOTAL P( A ) P( ) 1

3
En los problemas de probabilidad y en especial en los de
probabilidad condicionada, resulta interesante y prctico
organizar la informacin en una tabla de contingencia o en
un diagrama de rbol.
Las tablas de contingencia y los diagramas de rbol estn
ntimamente relacionados, dado uno de ellos podemos
construir el otro. Unas veces, los datos del problema
permiten construir fcilmente uno de ellos y a partir de l
podemos construir el otro, que nos ayudar en la resolucin
del problema.
La tabla anterior adopta la forma del diagrama de rbol del
c
dibujo. En ste, a cada uno de los sucesos A y se les
c
ha asociado los sucesos B y .

Sobre las ramas del diagrama de rbol se han anotado las

probabilidades condicionadas correspondientes, deducidas de
las relaciones anlogas a:

De manera recproca, dado el diagrama de rbol podemos

construir la tabla de contingencia equivalente si ms que
utilizar la expresin

P( B A ) = P( B/A ) P( A ),

Para calcular las probabilidades de las intersecciones de

sucesos que forman la tabla.

4
PROBABILIDAD Definiciones (Cont.)
1. Introduccin

Cuando un experimento aleatorio se repite un gran nmero

de veces, los posibles resultados tienden a presentarse un
nmero muy parecido de veces, lo cual indica que la
frecuencia de aparicin de cada resultado tiende a
estabilizarse.
El concepto o idea que generalmente se tiene del trmino
probabilidad es adquirido de forma intuitiva, siendo
suficiente para manejarlo en la vida corriente.

Nos interesa ahora la medida numrica de la posibilidad de

que ocurra un suceso A cuando se realiza el experimento
aleatorio. A esta medida la llamaremos probabilidad del
suceso A y la representaremos por p(A).

La probabilidad es una medida sobre la escala 0 a 1 de tal

forma que:
Al suceso imposible le corresponde el valor 0
Al suceso seguro le corresponde el valor 1
El resto de sucesos tendrn una probabilidad comprendida
entre 0 y 1

El concepto de probabilidad no es nico, pues se puede

considerar desde distintos puntos de vista:
1. El punto de vista objetivo:
Definicin clsica o a priori
Definicin frecuentista o a posteriori
2. El punto de vista subjetivo.

2. Definicin o Interpretacin Clsica de la Probabilidad

Esta definicin clsica de probabilidad fue una de las

primeras que se dieron y se atribuye a Laplace (1749-1827);
tambin se conoce con el nombre de probabilidad a priori
pues, para calcularla, es necesario conocer, antes de
realizar el experimento aleatorio, el espacio muestral y el
nmero de resultados o sucesos elementales que entran a
formar parte del suceso.

La aplicacin de la definicin clsica de probabilidad

puede presentar dificultades de aplicacin cuando el
espacio muestral es infinito o cuando los posibles
resultados de un experimento no son equiprobables. Ej: En
un proceso de fabricacin de piezas puede haber algunas
defectuosas y si queremos determinar la probabilidad de que
una pieza sea defectuosa no podemos utilizar la definicin
clsica pues necesitaramos conocer previamente el
resultado del proceso de fabricacin.

5
Para resolver estos casos, se hace una extensin de la
definicin de probabilidad, de manera que se pueda aplicar
con menos restricciones, llegando as a la definicin
frecuentista de probabilidad.

3. Definicin o Interpretacin Frecuentista de la

Probabilidad

La definicin frecuentista consiste en definir la

probabilidad como el lmite cuando n tiende a infinito de
la proporcin o frecuencia relativa del suceso.

Es imposible llegar a este lmite, ya que no podemos

repetir el experimiento un nmero infinito de veces, pero
si podemos repetirlo muchas veces y observar como las
frecuencias relativas tienden a estabilizarse.

Esta definicin frecuentista de la probabilidad se llama

tambin probabilidad a posteriori ya que slo podemos dar
la probabilidad de un suceso despus de repetir y observar
un gran nmero de veces el experimento aleatorio
correspondiente. Algunos autores las llaman probabilidades
tericas.

4. Definicin o Interpretacin Subjetiva de la Probabilidad

Tanto la definicin clsica como la frecuentista se basan

en las repeticiones del experimento aleatorio; pero existen
muchos experimentos que no se pueden repetir bajo las
mismas condiciones y por tanto no puede aplicarse la
interpretacin objetiva de la probabilidad.
En esos casos es necesario acudir a un punto de vista
alternativo, que no dependa de las repeticiones, sino que
considere la probabilidad como un concepto subjetivo que
exprese el grado de creencia o confianza individual sobre
la posibilidad de que el suceso ocurra.
Se trata por tanto de un juicio personal o individual y es
posible por tanto que, diferentes observadores tengan
distintos grados de creencia sobre los posibles resultados,
igualmente vlidos.

5. Definicin Axiomtica de la Probabilidad

La definicin axiomtica de la probabilidad es quizs la

ms simple de todas las definiciones y la menos
controvertida ya que est basada en un conjunto de axiomas
que establecen los requisitos mnimos para dar una
definicin de probabilidad.

La ventaja de esta definicin es que permite un desarrollo

riguroso y matemtico de la probabilidad. Fue introducida

6
por A.N. Kolmogorov (1903-1987) y aceptada por estadsticos
y matemticos en general:

Sea S un conjunto no vacio al que llamaremos espacio

muestral. Una probabilidad es una funcin que a cada evento
(subconjunto de S) le asigna un nmero real y que satisface
las siguientes propiedades:

Axioma 1: P(A) 0 para todo evento A

Axioma 2: P(S) = 1

Axioma 3:

(aditividad) Si A1,A2,,An son eventos disjuntos

(o sea Ai Aj = 0, para i j) entonces

n
n
P( i 1
Ai ) P ( Ai )
i 1

( -aditividad) Si A1,A2,,An, .. es una

sucesin de eventos disjuntos (o sea Ai Aj = 0,
para i j) entonces

P( i 1
Ai ) P ( Ai )
i 1

Algunas propiedades de las probabilidades:

1. P() = 1 - P(A)
2. P( ) = 0
3. P(B-A) = P(B) P(A B)
4. Si A B entonces P(B-A)= P(B) P(A)
5. Si A B entonces P(A)P(B)
6. P(A) 1 para todo suceso A
7. P(A B)= P(A) + P(B) - P(A B)
8. P(A B C)= P(A)+P(B)+P(C) -
P(A B) - P(A C) - P(B C) + P(A B C)

7
PROCESO PARA CALCULAR LA PROBABILIDAD DE UN EVENTO.

1. Haga una lista de todos los eventos contenidos en el

espacio muestral.
2. Asigne la probabilidad que corresponda a cada evento
simple.
3. Determine los eventos simples que constituyen el
evento de inters.
4. Sume las probabilidades de todos los eventos simples
que constituyen el evento de inters.

PROBABILIDAD CONJUNTA, MARGINAL Y CONDICIONAL

Clasificacin de n adultos mediante su sexo y hbitos de

fumar:

B1 B2
(HOMBRES) (MUJERES)

A1 n11 n12
(FUMADOR)

A2 n21 n22
(NO FUMADOR)

nij , i = # de fila , j= # de columna

Probabilidad de ocurrencia simultanea de los eventos A1 y

B2:

Dado que n12 items de los n totales poseen ambos atributos,

la probabilidad de los eventos Ai, Bj viene dado por:

P( Ai Bj ) = nij/n (Probabilidad Conjunta)

P(Ai) (sin considerar cualquier otro evento Bj):

n
P(Ai) = nij/n
j 1

pero dado que P( Ai Bj ) = nij/n

n n
P(Ai) = nij nij/n = P( Ai Bj )
j 1 j 1

(Probabilidad Marginal)

8
La probabilidad marginal de un evento Ai es igual a la suma
de las probabilidades conjuntas de Ai y Bj, efectundose la
suma sobre todos los eventos Bj.

De igual manera:

n
P(Bj) = P( Ai Bj )
i 1

Probabilidad de un evento Ai, dado que ha ocurrido el

evento Bj:

P(A1/Bj): probabilidad de un evento Ai dado que ha ocurrido

Bj

P(A1/B2): probabilidad de que un individuo fume dado que es

del sexo femenino

P(A1/B2) = n12/(n12 + n22) (Probabilidad Condicional) (Ec.A)

La probabilidad de tener un fumador (A1) del sexo femenino

es el # de mujeres que fuman n12 entre el total de mujeres
(n12 + n22).

En general:

n
P(Ai/Bj) = nij / nij
i 1

n
y por simetra P(Bj/Ai) = nij / nij
j 1

Si divido numerador y denominador por n en la Ec.A tenemos:

P(A1/B2) = (n12 n)/[(n12 + n22) n] =

Prob.Conjunta de Mujeres y Fumadores (= P(A1 B2))Prob.

Prob.Marginal de las Mujeres (=P(B2))

Por lo tanto:

P(A1/B2) = P(A1 B2)/P(B2)

9
En general:

n
P(Ai/Bj) = (nij n)/( nij n) = P(Ai Bj)/P(Bj) (P(Bj)>0)
i 1

y de manera equivalente:

n
P(Bj/Ai) = (nij n)/( nij n) = P(Ai Bj)/P(Ai) (P(Ai)>0)
j 1

PROBABILIDAD TOTAL

Se tiene lo siguiente:

Sea B1,B2,...,Bn, una particin sobre el espacio muestral y

sea A un suceso cualquiera,

B1 B2 B3 .Bn

entonces la probabilidad del suceso A viene dada por la

expresin:

n
P(A) = P(A Bj) pero P(A/Bj) = P(A Bj)/P(Bj)
j 1

P(A Bj)= P(A/Bj)* P(Bj)

Entonces:

n n
P(A) = P(A Bj) = P(A/Bj) * P(Bj)
j 1 j 1

(Teorema de la Probabilidad Total)

10
REGLAS BSICAS DE PROBABILIDAD

Regla De La Suma:

P(A - P(A B)

Regla de la Multiplicacin: Esta regla de probabilidad se

deriva de la definicin de probabilidad condicional y
utiliza el concepto de interseccin de eventos para su
aplicacin.

Si A y B son eventos independientes, entonces,

P(A B) = P(A) P(B)

Si A y B son eventos dependientes, entonces,

P(A B) = P(B) P(A/B)

P(A B) = P(A) P(B/A)

TEOREMA DE BAYES

En el ao 1763, dos aos despus de la muerte de Thomas

Bayes (1702-1761), se public una memoria en la que
aparece, por vez primera, la determinacin de la
probabilidad de las causas a partir de los efectos que han
podido ser observados. El clculo de dichas probabilidades
recibe el nombre de teorema de Bayes.

Sea A1,A2, ...,An un sistema completo de sucesos, tales que

la probabilidad de cada uno de ellos es distinta de cero, y
sea B un suceso cualquier del que se conocen las
probabilidades condicionales P(B/Ai). Entonces la
probabilidad P(Ai/B) viene dada por la expresin:

11