Captulo 2

PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD

Resea Histrica

Una disputa entre jugadores en 1654 llev a dos famosos matemticos franceses, Blaise
Pascal y Pierre de Fermat, a la creacin del clculo de Probabilidades. Antoine Gombaud,
caballero de Mer, noble francs interesado en cuestiones de juegos y apuestas, llam la
atencin a Pascal respecto a una aparente contradiccin en un popular juego de dados. Este
y otros problemas planteados por de Mer motivaron un intercambio de cartas entre Pascal
y Fermat en las que por primera vez se formularon los principios fundamentales de las
probabilidades. Si bien unos pocos problemas sobre juegos de azar haban sido resueltos
por matemticos italianos en los siglos XV y XVI, no exista una teora general antes de esa
famosa correspondencia.

El cientfico holands Christian Huygens, enterado de esa correspondencia public

rpidamente en 1657 el primer libro de probabilidades; fue un tratado de problemas
relacionado con los juegos. El clculo de probabilidades llego a ser pronto popular por sus
alusiones a los juegos de azar, y se desarrollo rpidamente a lo largo del siglo XVIII.
Quienes ms contribuyeron a su desarrollo fueron James Bernoulli y Abraham de Moivre.

En 1812, Pierre de Laplace introdujo gran cantidad de ideas nuevas y tcnicas matemticas
en su libro, Teora Analtica de Probabilidades. Antes de Laplace, las probabilidades
prcticamente consistan en un anlisis matemtico de los juegos del azar. Laplace
demostr que esa teora poda ser aplicada a multitud de problemas cientficos y prcticos.
Ejemplo de tales aplicaciones son la teora de errores, la matemtica actuarial y la mecnica
estadstica que se desarrollaron en el siglo XIX. Una de las dificultades que se presentaron
al desarrollar una teora matemtica ha sido alcanzar una definicin de probabilidad lo
bastante precisa para su utilizacin matemtica.

La bsqueda de una definicin completamente aceptable duro cerca de 3 siglos y fue

caracterizada por un gran nmero de controversias. El asunto fue definitivamente resuelto
en el siglo XX al tratar la teora de la probabilidad en forma axiomtica establecida por el
matemtico ruso Andrei Kolmogorov, quien consider la relacin entre la frecuencia
relativa de un suceso y su probabilidad cuando el nmero de veces que se realiza el
experimento es muy grande.

Conceptos Bsicos
Experimento Aleatorio: Conjunto de pruebas realizadas bajo las mismas condiciones y
cuyos resultados son impredecibles. Los rasgos que distinguen a los experimentos
aleatorios son:
i. Todos los resultados del experimento son conocidos con anterioridad a su realizacin.
ii. No se puede predecir el resultado del experimento.
iii. El experimento puede repetirse en condiciones idnticas.

Espacio Muestral: Es el conjunto de todos los resultados posibles de un experimento

aleatorio.
Se denota generalmente por y se clasifica en:
i. Cardinalidad: Finito, Infinito numerable, Infinito no numerable.
ii. Discreto: Aquel cuyo resultado puede ponerse en una correspondencia uno a uno, con
el conjunto de los nmeros naturales.
iii. Continuo: Aquel cuyos resultados consisten del intervalo de los nmeros reales.

Suceso o evento aleatorio: Es cualquier subconjunto del espacio muestral. Conjunto de

posibles resultados de un experimento aleatorio.
a) Suceso o evento seguro: Es un evento que siempre ocurre.
b) Suceso o evento imposible: Es aquel que indefectiblemente no ocurrir, se denomina
conjunto vaco
c) Eventos igualmente probables: Todos tienen la misma probabilidad de ocurrir
(equiprobables).
d) Eventos dependientes: Aquellos en que la ocurrencia de uno afecta la probabilidad de
ocurrencia de los dems.
e) Eventos independientes: La ocurrencia de uno no afecta la probabilidad de ocurrencia
o no de los dems.

lgebra de sucesos de probabilidad

Algunos conceptos de teora de conjuntos extendidos a sucesos de probabilidad se deben
recordar
La unin de dos sucesos A y B en un espacio muestral se define como:
A B = x / x A x B , el conjunto correspondiente A B significa que ocurre

A, ocurre B u ocurren A y B.
La interseccin de dos sucesos A y B en un espacio muestral se define como:
A B = AB = x / x A y x B , A B significa que ocurren A y B conjunta o

simultneamente.
El complemento del suceso A en el espacio muestral se define como la diferencia entre
el conjunto y el conjunto A:
- A = Ac = A = A = x / x y x A y significa que no ocurre A.

A B Ac B c y A B Ac B c .
c c
Leyes de De Morgan

Definicin de Probabilidad
Definicin axiomtica debida a Andrei Kolmogorov, 1903 a 1987, probabilista ruso.
Sea el espacio muestral asociado a un experimento aleatorio y sean Ai para i =1,

2,..., n eventos. A cada suceso Ai le asignaremos un nmero real P Ai , denominada

probabilidad de Ai , que satisface las propiedades siguientes:

1) 0 P Ai 1 2) P ( ) = 1

3) Si A1 excluye a A2 entonces P ( A1 A2 ) = P( A1 ) P( A2 )

4) Si los Ai son mutuamente excluyentes, es decir Ai A j = para todo i j =1, 2,.., n

n n
entonces P Ai P Ai
i 1 i 1
Observe que estas propiedades no dependen de cmo se calculen las probabilidades P Ai
Enfoques de Probabilidad
Definicin Clsica o a priori: Dice que si hay x posibles resultados favorables a la
ocurrencia de un evento A y z posibles resultados a la ocurrencia del experimento aleatorio,
y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir
los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:
n( x) n( x)
P( A)
n( z ) n()
El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea
igualmente probable.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse)
calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:
9
P ( A) = 0,375 37,5%
24
Definicin Frecuencial o a posteriori: Tambin llamado Enfoque Emprico, determina
la probabilidad sobre la base de la proporcin de veces que ocurre un evento favorable en
un nmero de observaciones. En este enfoque no ese utiliza la suposicin previa de
aleatoriedad, porque la determinacin de los valores de probabilidad se basa en la
observacin y recopilacin de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen cinturn
de seguridad. Si un vigilante de transito se para en esa misma esquina un da cualquiera
Cul ser la probabilidad de que detenga un vehculo sin cinturn de seguridad?

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de

probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa
relativa de ocurrencia del evento.
El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un
individuo de que un evento ocurra, basado en toda la evidencia a su disposicin. Bajo esta
premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de
ocurrencia del evento. Es decir, que el evento ocurrir o no ocurrir esa sola vez. El valor
de probabilidad bajo este enfoque es un juicio personal.

Propiedades de la probabilidad
Proposicin 1. La probabilidad de un suceso imposible es cero.

Proposicin 2. P A 1 P Ac

Proposicin 3. Si A y B son sucesos no necesariamente excluyentes entonces

P (A B) = P (A) + P (B) - P (A B)
Proposicin 4.
P (A B C)=P(A)+ P(B) +P(C) - P(A B) - P(A C) - P(B C) + P(A B C)
Proposicin 5. P (A-B) = P(A) P(A B)
Ejercicios

1. Supongamos que se observan el estado de 3 semillas y cada una de ellas puede estar sana o
enferma.
a) Defina el espacio muestral
b) Si A es el evento que una sola semilla este sana. Calcule los puntos muestrales (o casos)
que responden a esta condicin.
c) Calcule la probabilidad de A.
d) Si B es el evento que haya dos semillas sanas. Calcule los puntos muestrales que
responden a esta condicin.
e) Calcule la probabilidad de B.
f) Cmo se denominan las probabilidades de A y de B?
g) Calcule la probabilidad de que se encuentre una y dos semillas sanas. P(A B)
h) Calcule la probabilidad que se encuentre una o dos semillas sanas P(AUB).

2. Sea un experimento aleatorio observar la paricin de dos vacas. Sabemos que las pariciones
pueden ser de Hembra o Macho.
a) Defina el espacio muestral.
b) Defina un evento sobre el espacio muestral.
c) Defina la variable aleatoria cantidad de pariciones de hembras.
d) Calcule la funcin de probabilidad de la variable aleatoria definida en c.
e) Calcule la esperanza de la variable aleatoria definida en c.
3. De una encuesta a productores agropecuarios se obtiene la siguiente informacin.
Propietario No propietario (NP) Total
Femenino 45 85 130
Masculino 120 30 150
Total 165 115 280
a) Calcule la probabilidad de que un productor sea propietario. P(P)
b) Calcule la probabilidad de que un productor sea de sexo femenino. P(F)
c) Calcule la probabilidad de que un productor sea femenino y no propietarioP(FNP).
d) Calcule la probabilidad de que un productor sea propietario sabiendo que es masculino
P(P/M).