Está en la página 1de 357
Fundamentos de PROBABILIDAD Fco. Javier Martin-Pliego Luis Ruiz-Maya Pérez 2° Edicion CAPITULO 1 Probabilidad 1.1 Introduccion Tanto el cientifico como el ciudadano de a pie estén sometidos a una permanente recepcin de informaciones, observaciones, que se pueden presentar bajo modos muy dispares: los resultados de un experimento, percepciones sensoriales, datos numéricos sobre las mas variadas magnitudes, los comportamientos de los demas humanos, hechos hist6ricos, opiniones personales, etc. Es, y ha sido siempre, una constante el que las personas hayan querido inter- pretar sus observaciones, experiencias, para aprehender el mundo que les rodea. Y siempre han dirigido parte de sus esfuerzos a encontrar técnicas, métodos, proce- dimientos, 0 como quiera que se les denomine, para poder interpretar sus observa- ciones. El conjunto de técnicas estadisticas se configura hoy dia como el cuerpo més potente, objetivo y capaz en esta misién: la de interpretar lo que se pone a nuestros ojos permitiendo, incluso, hacer previsiones, a veces ciertamente fiables. Volviendo a nuestras observaciones, nada mas producirse éstas se suscitan una serie de interrogates: por qué se ha producido ese resultado, ese dato, etc...., y 2 © FUNDAMENTOS DE PROBABILIDAD no otro factible?, existe alguna ley que regule el que ocurra una cosa y no ora U otras en cada circunstancia? Es decir, como advertfamos, aparece como necesidad el intentar dar explicaci6n a los diferentes acontecimientos EI que planteemos Ia posibilidad de la existencia de pautas de comportamiesto que expliquen nuestras observaciones de Ia realidad, hace que consideremos éstas como manifestaciones de un fenémeno que incluye normas, mecanismos de fun- cionamiento, restricciones, en fin, todo aquélio capaz de dar respuesta a las cosas que se manifiestan ante nosotros. Los fendmenos que aparecen pueden ser de una tipologia muy variada, pero una sencilla clasificacién de los mismos que, ademds, va a ser de gran interés para la Estadistica, es la que distingue entre fenémenos deterministas y fenémenos alea- torios. Un fenémeno determinista es aquel que, cuando se reproduce en las mismas condiciones, podemos predecir con certeza cual va a ser el resultado, la observa- cién que derivara, Por el contrario, el fenémeno aleatorio es el que en cada mani- festacién, aunque se produzca bajo idénticas condiciones, el resultado no se puede predecir con certeza, y s6lo es conocido después de su realizaci6n. Precisamente este tipo de fenémenos aleatorios son el objeto de la Estadistica, y la incertidumbre que implican hasta que se plasman en alguna observaci6n o resul- tado concreto, es la esencia misma de dichos fenémenos. No obstante, y reconociendo la presencia de incertidumbre siempre que nos en- frentemos a un fendémeno aleatorio, no es menos cierto que, en la mayoria de los casos, podemos establecer de antemano todas las categorias potenciales en que puede devenir, es decir, cudntas manifestaciones diferentes puede presentar. Estos posibles resultados son denominados sucesos aleatorios 0 eventos; y como hemos sefialado, constituyen las categorias potenciales del fenémeno, de forma que alguno de esos sucesos, después de la realizacién del fenémeno, se transformaré en obser- vacién o resultado. Para intentar acotar el grado de incertidumbre que producen los fenémenos aleatorios siempre sera ttil estudiar sus posibles concreciones, es decir, los diferen- tes sucesos que pueden producirse. Pero una mayor reduccién de nuestro nivel de incertidumbre no s6lo se logra con la enumeracién del conjunto de sucesos aleatorios que puedan manifestarse, sino asignando a cada suceso un indicador de las posibilidades que tiene de aconte- cer: ese indicador no es otra cosa que lo que denominamos probabilidad. La probabilidad sera, pues, la medida del grado de incertidumbre consustancial a cada suceso aleatorio, de manera que al no poder conocer de antemano y con certeza cual va a ser el resultado del fenémeno aleatorio, al menos se intenta cuan- tificar qué posibilidades tiene de presentarse cada uno de sus sucesos. PROBABILIDAD mm 3 Como iremos viendo, la asignacién de probabilidades a los sucesos aleatorios constituye un gran avance ante la incertidumbre, pero no siempre es posible «probabilizar» los distintos sucesos de un fendmeno aleatorio. Volviendo a nuestro objetivo inicial, la interpretacién de las observaciones, po- demos ir situando las diferentes etapas del método estadistico que deberemos se- guir: = En primer lugar, la recogida de esas observaciones, su ordenacién y el and- lisis que permite describir las caracterfsticas m4s relevantes que en la informacién que dispongamos pueden obtenerse. Este es el objetivo de la Estadistica Descripti- va.! m= Posteriormente, podriamos iniciar el andlisis estadistico formal que permita verificar hipétesis sobre las posibles regularidades de comportamiento, que supo- nemos subyacen en el fenémeno aleatorio que ha dado lugar a esas observaciones, facilitando reglas para adoptar decisiones en ambiente de incertidumbre o de ries- go. Todas estas técnicas se incluyen en la denominada Inferencia Estadistica. Esta segunda fase constituye la finalidad del anilisis estadistico. Pero, segin veremos, el anilisis estadistico formal se basa en confrontar nuestras observaciones con un modelo de comportamiento aleatorio que, en principio, suponemos regula la aleatoriedad del fenémeno estudiado. Por ello, en este manual dedicado a la probabilidad expondremos las caracteris- ticas comunes de los modelos de probabilidad, y se analizarén los modelos mas usuales, entre otros t6picos relativos a la probabilidad. " Para estudiar el alcance de estas técnicas descriptivas puede consultarse MARTIN PLIEGO, F. J 4 © FUNDAMENTOS DE PROBABILIDAD 1.2 Experimento aleatorio Por experimento entendemos cualquier accién que pueda dar lugar a resultados identificables. Suponemos que es posible repetir el experimento gran mimero de veces bajo las mismas condiciones y que todos los posibles resultados son conoci- dos antes de la realizacién del experimento. Si los resultados del experiment pueden ser distintos y no se sabe cual de ellos aparecera al final, el experimento se llamar4 aleatorio 0 debido al azar, y los co- rrespondientes resultados se adjetivaran como aleatorios. Si el resultado es siempre el mismo diremos que es cierto 0 seguro, denomindndose el experimento que lo origina determinista. Dos ejemplos aclararan lo anterior. Un primer experimento consiste en arrojar un dado. Este experimento es aleatorio pues en él se verifican las condiciones que hemos impuesto al experimento: se puede repetir todas las veces que deseemos, antes de arrojarlo conocemos cudles son los posibles resultados (cualquier nimero entre 1, 2, 3, 4, 5 0 6), no sabemos cual de estos posibles resultados aparecera y, repetido en las mismas condiciones, puede obtenerse cualquier resultado. En el segundo experimento se dan valores a la variable independiente x en la funcién y =x. El experimento se puede repetir tantas veces como deseemos, antes de realizarlo sabemos cual sera el resultado (conocido x su cuadrado es y), siempre que x tome el mismo valor obtendremos el mismo para la variable y, por lo cual, este experimento es deterministico. De los dos tipos de experimentos, el aleatorio constituye el campo del Calculo de Probabilidades y de la Estadistica, definiéndolo como: cualquier accién que pueda dar lugar a resultados identificables, repetible gran nimero de veces bajo las mismas condiciones, siendo conocidos todos los posibles resultados antes de la realizacin del experimento y sin poder saber con certeza cudl de ellos aparecera al final. 1.3 La probabilidad La imposibilidad de conocer de antemano el resultado en los experimentos aleato- tios genera incertidumbre en el experimentador. La intensidad de esta incertidum- bre no tiene por qué ser igual de unos experimentos a otros, ni en un mismo expe- timento de unos resultados a otros. Asi, cuando jugamos con un dado perfecto es indiferente apostar a uno cualquiera de los seis posibles mimeros que contiene, por PROBABILIDAD @ 5 ser razonable suponer que ante la salida de cualquier nimero la incertidumbre, 0 su contraria la certidumbre, es la misma. Ahora bien, si el dado tiene marcados cinco unos y un dos no es indiferente apostar al uno 0 al dos, pues parece més facil ganar si apostamos al uno que al dos. De todo ello se deduce 1a conveniencia, necesidad, de medir, cuantificar, la incertidumbre o la certidumbre que tenemos sobre el resul- tado de un experimento aleatorio, y esta medicién se Ileva a cabo a través de la probabilidad. El término probabilidad es utilizado de multiples maneras. Con todas ellas po- demos establecer dos grupos de enunciados a los que se aplica el término probabi- lidad, conducentes a dos concepciones distintas de la probabilidad: la cientifica (donde la probabilidad puede expresarse numéricamente) y la /égica, 0 de hipéte- sis, que no puede medirse. En el primer grupo tenemos enunciados como: probabi- lidad de obtener el ntimero seis al arrojar un dado, probabilidad que una persona de 20 afios fallezca antes de cumplir los 25, probabilidad que un material radiactivo se desintegre en cierta proporcién en un tiempo dado, etc. El segundo grupo integra los enunciados del tipo: probabilidad de que «El Quijote» no lo haya escrito la persona conocida como Cervantes, etc. En todo lo que sigue nos ocuparemos sola- mente de los enunciados del primer tipo, en los que la probabilidad puede expresar- se numéricamente. 1.4 Sucesos Denominaremos espacio muestral, o de los comportamientos, al conjunto de to- dos los posibles resultados de un experimento aleatorio, E, Ilamando a cada uno de sus elementos integrantes suceso 0 comportamiento elemental. La composicién del espacio muestral depende del experimento concreto que se leve a cabo. Si el experimento consiste, por ejemplo, en la cara que queda arriba al arrojar una moneda una sola vez, el espacio muestral, E, es el conjunto {c, +}; si la moneda se arroja dos veces, espacio muestral es {cc, c+, +c, ++}, si tres veces, {ecc, cc+, C+C, +0C, CH, +C+, +4, +++}, etc. En un experimento aleatorio podemos estar interesados no en un suceso ele- mental (cara, cruz) sino en un conjunto de sucesos elementales, conjunto que de- nominaremos suceso compuesto 0, simplemente, suceso, es decir, un subconjunto del espacio muestral. Si el experimento aleatorio consiste en arrojar un dado una sola vez, el espacio muestral esta integrado por los seis primeros nimeros enteros. El suceso de interés puede ser que el néimero resultante sea par y, para ello, habra sido preciso obtener una de las puntuaciones 2, 4 0 6, por consiguiente, el suceso 6 FUNDAMENTOS DE PROBABILIDAD compuesto (mimero par) esta integrado por elementos del espacio muestral, esto es, un subconjunto de E.? Si el tinico resultado que interesa del experimento, entre todos los posibles, es el mismo espacio muestral E, estamos ante el suceso cierto o seguro: si al arrojar un dado esperamos que resulte cualquier nimero entero entre los seis primeros, el suceso es cierto; si el resultado deseado es no obtener ningtin suceso contenido en E tenemos el suceso imposible 0 vacio, al arrojar el dado no puede salir ningin numero distinto de (1, 2, 3, 4, 5, 6). 1.5 Operaciones con sucesos. Un conjunto S es una coleccién de objetos, s, con una o unas caracteristicas comu- nes. La pertenencia de un objeto, elemento, s a un conjunto S se designa por s € S,y la no pertenencia por s ¢ S. Si el niimero de elementos de un conjunto es finito, diremos que el conjunto es finito, si es infinito el mimero de elementos y puede establecerse correspondencia biunivoca con la sucesién de los nimeros naturales, el conjunto es infinito nume- rable; si, por ultimo, el conjunto contiene infinitos elementos, de tal forma que entre cada dos haya infinitos, el conjunto sera infinito no numerable. Un conjunto S, es un subconjunto de otro conjunto S (y se designara por S, < S) si cada elemento de S, pertenece a S, y no todos los elementos de S per- tenecen a S,. Dos conjuntos S, y S, son iguales (S; = S,) si cada elemento de S, pertenece, est contenido en, S,,(S, ¢ S;) y cada elemento de S, , pertenece, esta contenido en, S,,(S, < S,). Cuando un conjunto S$ no contiene ningén elemento se denomina conjunto va- cio y sera designado por @ (S=@). En las operaciones con sucesos es titi] el recurso a los diagramas de Venn por permitir visualizar, con claridad, operaciones complicadas. No obstante, es preciso tener presente que semejante proceder no supone demostracién alguna sino, tinica- mente, visualizacién del resultado de la operacién que se esté realizando. ? Cuando no haya posibilidad de confusién, aludiremos tinicamente al término suceso sin adjetivo alguno, PROBABILIDAD m@ 7 1.5.1. UNION DE SUCESOS Dados n sucesos S;,...,5,. la operacién unién de ellos (0s) es otro suceso constituido por fos elementos comunes y no comunes a los sucesos S,,...,S,. Es decir, un suceso que aparece cuando tiene lugar S, 0 S; 0 -- 0 S,. Como casos particulares tenemos SU@=S, SUE=E y BUP=G. La extension de la operaci6n unién a un némero infinito numerable de sucesos es in- mediata. Para dos sucesos, el siguiente diagrama de Venn indica su unién — EJEMPLO El espacio muestral de un experimento es E = {1, 2, 3.4, 5, 6}, y dos sucesos A = {I, 2, 3, 4} y B = {3, 4, 5}. La unién de los sucesos A y Bes AUB = {I, 2,3, 4, 5}. 1.5.2. INTERSECCION DE SUCESOS La interseccién de n sucesos S),..., Sy (A s) es el suceso formado por los ele- mentos comunes a todos ellos. Es decir, un suceso que tiene lugar cuando se dan simulténeamente S, y Sy --- y S,- Si tenemos dos sucesos y uno de ellos es el espacio muestral (S, £), la inter- seccién de ambos es el suceso S, Sm E = S; también se verifica que SW @ = @, y @A@=M. Como en la operacién unién la interseccién se generaliza a infinitos sucesos. 8 M FUNDAMENTOS DE PROBABILIDAD En el diagrama de Venn se aprecia la interseccién de los sucesos S, y Sp a i CS *) ) Con el mismo ejemplo que para la unién, la interseccién de los sucesos A y Bes AM B= {3,4}. EJEMPLO Cuando dos sucesos no tienen ningin elemento comin, su interseccién es igual al suceso vacio (S, ~ S, = @) y diremos, entonces, que los sucesos son disjumtos © incompatibles. Si en vez de dos sucesos tenemos 7 y su intersecci6n es el suceso vacio (A S= oj los n sucesos son conjuntamente disjuntos. Como caso particu- ist lar, en una sucesin S,,...,5, los sucesos son disjuntos dos a dos si SS; =, para todo i y todo j. — EJEMPLO En el ejemplo anterior, los sucesos A y B no son disjuntos porque su interseccién no es igual al suceso vacio, @ Si n sucesos son disjuntos dos a dos (5; OS; =©) y su unién es el espacio muestral, (u S,= 2}, los sucesos S, forman una particién del espacio muestral E. La definici6n se amplia a un ndmero infinito numerable de sucesos disjuntos dos adosy JS, = E. int 1.5.3. PROPIEDADES DE LA UNION E INTERSECCION DE SUCESOS = Conmutativa SUS, =S,0583 S08, =, 0S,. PROBABILIDAD m@ 9 ™ Asociativa $, US US) = S, USS S$, 0 (Sp AS3) = (S, AS)OS5. m= Distributiva S$, Sy YS) = (S, VSG O55); S$, (Sp VS) = (S, US) A(S, US). 1.5.4, SUCESO COMPLEMENTARIO El complementario de un suceso S, denominado S*, es el suceso compuesto por los elementos de E que no pertenecen a S. Se comprueba, en este caso sin dificultad, que SUS* = E, SAS*=D. Por otra parte, tenemos que (S*)* = S. 1.6 Concepto de probabilidad 1.6.1. PROBABILIDAD CLASICA Durante la segunda mitad del siglo XVII se inician los primeros intentos cientificos de medir la probabilidad de un suceso (Pascal, Fermat, Huygens, Bernoulli, Leibniz, etc.), pero es con Laplace en 1812 cuando, con su definicin de probabili- dad conocida como clasica, comienza el definitivo arranque del CAlculo de Proba- bilidades. Laplace define la probabilidad de un suceso como el cociente entre el niimero de casos favorables y el niimero total de casos, siempre que todos sean igualmente posibles. 10m FUNDAMENTOS DE PROBABILIDAD — EJEMPLO La probabilidad de extraer un as de una baraja perfecta de cuarenta cartas se calcula de la siguiente forma: el nimero de casos favorables es cuatro, pues en la baraja hay cuatro ases, y el ntimero de casos posibles cuarenta, las cuarenta cartas que pueden extraerse, por lo cual la probabilidad de obtener un as es igual a 4/40 = 1/10. De la definicién clasica de la probabilidad se desprenden una serie de propieda- des: = P(S)20. La probabilidad se ha definido como el cociente del mimero de casos favorables al suceso S y el niimero de casos posibles, por lo que el cociente no puede ser negativo, y su limite inferior 0 se alcanza cuando el ntimero de casos favorables sea nulo. = P(S)S1. El mimero de casos favorables nunca puede ser mayor que el némero total de casos, a lo sumo igual. Estas dos propiedades conducen a que la probabilidad de un suceso esté acota- da, 0< P(S)<1, — EJEMPLO Si el suceso es obtener cualquier nimero del 1 al 6, suceso cierto, el namero de casos favorables (6) coincide con el total (6) y su cociente es la unidad. Si, por el contrario, el suceso consiste en que no salga ningin numero del 1 al 6, suceso imposible, su proba- bilidad es cero, pues en el espacio muestral no hay ningdn suceso que cumpla esta con- Gici6n siendo, por tanto, el mimero de casos favorables cero Si tenemos dos sucesos disjuntos S, y 5; y su unién es S=S, US;, se verifi- ca P(S) = PS, US) = AS,) + P(S,). EI nimero de casos favorables de S, y S; son, respectivamente, n, yn). Al ser los sucesos disjuntos, el niimero de casos favorables de la unién, S, es n=N, +N, por tanto, n ny +N. n Nn P($S)=— a1 2 21} 2 = ps, ‘S,). ‘s) N N NN ) El resultado indica que, en estas condiciones, la probabilidad es aditiva. PROBABILIDAD @ 11 EJEMPLO Sea el experimento aleatorio consistente en arrojar un dado solamente una vez y el suceso de interés obtener nimero par. En el experimento el espacio muestral est4 integrado por los seis primeros mimeros enteros, E = {1, 2, 3, 4, 5, 6}. El suceso concreto, que deno- minaremos S, es un suceso compuesto, $ = {nimero par} = {2, 4, 6}, es decir, obtenido siempre que al arrojar el dado el nimero resultante sea 2 0 4 0 6. Planteado ast el experi- mento, el mimero total de casos que pueden darse es seis, {1, 2, 3, 4, 5, 6}, y el de favorables tres, {2, 4, 6}. Si suponemos que utilizamos un dado ideal (por lo cual todos los elementos del espacio muestral {1, 2, 3, 4, 5, 6} son igualmente posibles, ninguno se manifiesta con mas 0 menos intensidad que los otros), la teoria clésica define la probabili- dad del suceso S, P(S), como el cociente del nimero de casos favorables, tres, respecto al del nimero total de casos posibles, seis, Niimero de casos favorables _ 3 - P(S) = Pint = RTO CE ISOS NOTES = = = — = P(2) + P(A) + POO). (5) = Peatimero par) = — Te rrero ital de ca505 Gye El resultado 1/2, es la probabilidad buscada, indicando que de cada dos casos uno puede ser niimero par, Es importante tener presente que el resultado no dice que siempre que se lance un dado dos veces una de ellas ser necesariamente nimero par, sino que debemos interpretar 1/2, en el sentido que en una larga serie de tiradas aproximadamente la mitad de ellas serd par 0, dicho de otro modo, que la probabilidad que en la tirada siguiente salga ndimero par es 1/2. Si S* es el suceso complementario de S, se verifica que P(S*)=1—P(S). La demostracion es inmediata pues SU S* = E, y siendo disjuntos S y S* por definicién de suceso complementario P(E) = P(S) + P(S*) =a Neen P(S) + P(S*) 1 3 P(S*) =1— P(S). La definicién de probabilidad clasica presenta inconvenientes que hacen su apli- cacién muy limitada. Hemos dicho que, por ejemplo, el dado objeto del experimento aleatorio es ideal. Esta afirmacién contiene implicaciones importantes. No existe ningiin dado (0 moneda, baraja, etc.) ideal, perfecto, pues no es absolutamente simé- trico en cuanto a la forma, a las propiedades fisicas de la materia con que esta ela- borado, etc., es decir, la utilizacién de la probabilidad clasica queda circunscrita Gnicamente al mundo matemitico, pues s6lo admite tratar con objetos ideales. La probabilidad clésica requiere que todos los casos sean igualmente posibles (principio de razén insuficiente). La exigencia de que los sucesos sean igualmente posibles es 1o mismo que predicar su equiprobabilidad y supone la introduccién de una circularidad en la definicién, es decir, hacer aparecer el definido en la defini- cién, Por otra parte, el recurso al principio de razén insuficiente para establecer la 12 MM FUNDAMENTOS DE PROBABILIDAD equiprobabilidad de los sucesos implica, en tltima instancia, adoptar una postura activa frente a la ignorancia. Si tenemos un dado cargado, por ejemplo con tendencia a salir mas veces el ni- mero 1, la teorfa clasica no puede aplicarse al célculo de probabilidades de sucesos derivados de este dado. Resulta evidente que dada la dificultad de determinar 0 aceptar la existencia de casos igualmente posibles, este concepto de probabilidad sélo es aplicable a situaciones ideales; sin embargo, es facil encontrar casos reales donde razonablemente pueda recurrirse a este supuesto ideal sin cometer, en la practica, errores considerables. La probabilidad clasica supone que el nimero de casos totales (posibles) sea fi- nito, lo que implica otra limitacién de su campo de aplicabilidad. Otra situacién para la cual la teoria clésica no tiene respuesta es, por ejemplo, el calculo de la probabilidad de que el nifio que nazca en el tiltimo instante del afio sea varén. Todas las circunstancias expuestas, que limitan a utilizacién de la probabilidad clasica en las ciencias empiricas, conducen a la exigencia de un nuevo concepto de probabilidad que dé respuesta a las objeciones planteadas. 1.6.2. PROBABILIDAD FRECUENTISTA El concepto frecuentista’ de probabilidad 1o establecié formalmente von Mises (1919), aunque el fundamento fue ya percibido a mediados del siglo XIX. Esta teoria se basa en dos pilares: en la experiencia de la estabilidad de las frecuencias relativas o re- gularidad estadistica y en la aceptaciGn de la objetividad de Ja probabilidad. Seguin el primero, en un experimento aleatorio «a pesar del comportamiento irregular de los resultados individuales, los resultados promedios, en largas sucesiones de experimen- tos aleatorios, muestran una sorprendente regularidad>'. En virtud de la objetividad de la probabilidad, ésta es una propiedad fisica de los objetos como la densidad, la conductibilidad eléctrica, ete. y, por tanto, determinable, medible. La frecuencia absoluta de un suceso en el desarrollo de un experimento aleatorio, repetido de forma independiente N veces, es el niimero n de apariciones del suceso. La frecuencia relativa del suceso es el cociente entre la frecuencia absoluta, n, y el nimero de veces que se ha repetido el experimento, N: a n § Conocida, también, como probabilidad estadistica. + CRAMER. PROBABILIDAD @ 13 Exponemos mediante un ejemplo el significado de la «estabilidad de las frecuen- cias o regularidad estadistica>. Un experimento aleatorio consiste en arrojar una moneda real, con todos los defectos que pueda tener una moneda corriente, y el suceso de interés consiste en obtener cara. Si el experimento se repite 10 veces, la frecuencia absoluta del namero de caras resulta, por ejemplo, 4 y la frecuencia rela- tiva es 4/10. Si arrojamos el dado 100 veces y el mimero de caras es 42, su frecuen- cia relativa es 42/100. Aumentando el némero de veces que arrojamos la moneda en cada experimento, las frecuencias relativas pueden haber sido 0,413, 0,3905, ..., 0,40652, ..., 0,39879, ..., observandose que a medida que el nimero de tiradas en cada experimento va siendo cada vez mayor, la frecuencia relativa del suceso cara en el experimento se aproxima estrechamente a 0,4. Partiendo de esta constatacién empirica, aceptada sin excepciones, la teoria fre- cuentista admite que aumentando indefinidamente, en cada experimento, el namero de veces que se arroja la moneda en el limite llegamos a un numero, en el ejemplo podria ser 0,4, considerado como la probabilidad de obtener cara con esta moneda concreta. A partit de aqui se establece la definicién frecuentista de la probabilidad: si n es la frecuencia absoluta del suceso S y N el mimero total de veces que se repite el experimento aleatorio entonces in fim y= PO). Siendo la frecuencia relativa uno de los elementos clave sobre los que se cons- truye la teoria frecuentista de la probabilidad debe incorporar, necesariamente, las propiedades de las frecuencias: @ La frecuencia relativa de un suceso esta comprendida entre 0 y 1 o<%ct. N La frecuencia relativa no es negativa pues la absoluta es siempre mayor que O (limite inferior de los casos posibles). Lo més que puede valer la frecuencia absoluta es N, con- duciendo a que la frecuencia relativa valga 1 (limite superior de los casos posibles). Si un suceso S es la unién de un numero finito de sucesos disjuntos, k Sc sf S; } su frecuencia absoluta (7) es la suma de las frecuencias absolutas de cada uno de los n sucesos, n;, y pasando a frecuencias relativas n FS)= 7 = LS) + + FS). 14 & —FUNDAMENTOS DE PROBABILIDAD Por todo ello, al identificar la probabilidad de un suceso con el valor tomado en el limite por la frecuencia relativa se admite que la probabilidad es aditiva tal que OSP(S)<1 yque P(S)=P(S,)+--- + P(S;). En la teoria frecuentista, el concepto de colectivo’ es clave junto al de frecuencia relativa, pues para von Mises primero es el colectivo y después la probabilidad. El colectivo es una sucesién infinita de observaciones, y en él deben darse dos condi- ciones o principios: 1. En la secuencia de observaciones existe el limite de las frecuencias relativas (principio de existencia del limite). 2. Considerada aleatoriamente cualquier subsecuencia dentro del colectivo, existe en ella el limite de la frecuencia relativa y éste es igual al obtenido en todo el colectivo (principio de aleatoriedad‘) Del «principio de existencia del limite» se deduce una consecuencia muy impor- tante como es Ja exclusién del campo de aplicacién de la teoria frecuentista de suce- SOS que no pueden repetirse. La definicién de la probabilidad en la teoria frecuentista la distingue netamente de la clasica’. Junto a ésto, otra diferencia fundamental entre ambas teorias la encon- tramos en que en la segunda, al ser ideales los objetos sobre los que se hacen conje- turas, no es necesario realizar el experimento y repeticion, para determinar sus pro- babilidades, mientras que en la teorfa frecuentista si es necesario realizarlo para obtener la frecuencia relativa correspondiente al suceso en cuestién, conduciendo a la probabilidad de este suceso. Desde el punto de vista practico, la frecuencia relativa es el tinico procedimiento empirico utilizado en la obtencién de probabilidades en los fendmenos repetitivos. Como en Ia probabilidad clasica, el concepto de probabilidad frecuentista presen- ta inconvenientes en el paso a su formalizacién matemiatica. Los inconvenientes son: el concepto de limite y el de sucesi6n aleatoria. El concepto de limite utilizado en la definicién de probabilidad frecuentista supo- ne que el mimero total de casos del experimento, N, Ilegue a ser infinito cosa no $ Llamado, también, fenémeno de masa, © 0 de la imposibilidad de los sistemas de juego. 7 El cociente del nimero de casos favorables entre los posibles en la teoria clasica es, en diltima instancia, la frecuencia relativa de los casos favorables, por to cual podria inducir a pensar, errOneamente, que la teoria frecuentista no es més que una variante de la clésica. Sin embargo, la diferencia fundamental que existe entre ellas es que en la teoria clasica se supone que todos los casos son equiposibles, mientras que en la frecuentis- ta no se establece ningiin supuesto, pudiéndose aplicar a cualquier situacién repetitiva. PROBABILIDAD m 15 alcanzable en la practica, por lo cual la «estabilidad de las frecuencias» es un enun- ciado imposible de demostrar més alld de toda duda, como se exige en cualquier demostracién matematica. La aplicacién del limite matemitico implica una sucesién que, por definicién, no es aleatoria, pues en ésta nunca sabemos con certeza cual serd el término siguiente a uno dado, mientras que en la sucesién matematica los términos siguen una ley inexo- rable, bastando conocer el término general para que todo término de la sucesién quede perfectamente establecido. Por todo ello, si bien Ja teoria frecuentista es, en la practica, Ja tinica utilizable a la hora de estimar probabilidades de sucesos repetitivos, no lo es en el desarrollo matemiatico de la teoria de la probabilidad. 1.7 Axiomatica del cdlculo de probabilidades 1.7.1. INTRODUCCION Las limitaciones de las teorfas clasica y frecuentista de la probabilidad hacen impo- sible la formalizacion matematica general de la asignacién de un modelo matematico a la probabilidad, consiguiéndose esto con el planteamiento axiomitico de Kolmogo- rov (1933), al poner en relacién la teorfa de la probabilidad con la de conjuntos y la teoria de la medida. Un modelo matemético es una abstracci6n de las relaciones que tienen lugar en el mundo real entre objetos reales, trasladando estos objetos reales a objetos ideales (matemiticos) y las relaciones entre objetos reales a relaciones entre los objetos ideales. «Los axiomas son proposiciones asumidas como ciertas y no demostradas dentro del marco de una teoria concreta. Las restantes proposiciones de la teoria son deducidas de modo puramente ldgico a partir de los axiomas adoptados. En la evolucion de la ciencia matematica, la formulacién de axiomas, es decir supuestos fundamentales, a partir de los cuales se desarrolla una teoria extensiva, no constitu- ye una etapa inicial; por el contrario, es el resultado de un prolongado periodo de acumulacién de hechos y andlisis légicos de los resultados obtenidos, con el dnimo de clarificar los hechos primarios basicos».® ® GNEDENKO. 16 MM) FUNDAMENTOS DE PROBABILIDAD El planteamiento axiomatico de Kolmogorov presenta la limitacién de no propor- cionar un método practico de obtencién de probabilidades de sucesos en el mundo real. Para salvar esta importante limitacién, Kolmogorov establece la conexién del modelo matematico con el mundo real recurriendo a la base empirica de la teoria frecuentista, al considerar que si un experimento aleatorio se repite gran nimero de veces la frecuencia relativa de un suceso diferira ligeramente de la probabilidad del suceso. En palabras de Fisz la axiomatica del calculo de probabilidades es la «for- malizacion de ciertas regularidades en las frecuencias relativas del acaecimiento de un suceso aleatorio (conocimiento intuitivo), regularidad observada a través de lar- gas series de ensayos realizados bajo condiciones constantes». En esta linea de contrapartida empirica, Kolmogorov considera, adems, que si la probabilidad de un suceso es muy pequefia, en cada realizacién del experimento, el suceso se puede conjeturar que no ocurrira, denominandose este planteamiento ley del azar, deduci- da del comportamiento del mundo real.” En el experimento del dado el espacio muestral es el conjunto (1, 2, 3, 4, 5, 6), pudiendo plantear el experimentador preguntas como: {qué probabilidad hay de ob- tener el némero 5 en una tirada? En la pregunta el suceso es 5, uno de los sucesos elementales constitutivos del espacio muestral E. Sin embargo, existen otras muchas preguntas en las que se formulan sucesos compuestos, como la obtencién de: {mime- ro par}, {ntimero distinto de S}, {cualquier nimero del 1 al 6}, {ningin némero del 1 al 6}, etc. Todos estos sucesos compuestos tienen un denominador comin: no figuran especificamente en el espacio muestral E procediendo, no obstante, de los elementos constitutivos de E pues son conjuntos que se pueden generar con elemen- tos del espacio muestra. Esto tiene como consecuencia que el nimero de sucesos que pueden plantearse en un experimento aleatorio es superior al de sucesos elefnentales integrantes de E, y generados desde E mediante las operaciones de unin, intersec- cién y complementariedad, incluyendo el suceso vacio y el seguro, designando esta coleccién de sucesos por la letra Q.!° El par (E,Q) recibe el nombre de espacio probabilizable!. Dos ejemplos aclararan lo expuesto. ? La ley del azar es una de las piezas claves de la contrastaciGn estadistica de hipotesis.. '® En términos de la teorfa de conjuntos si el nimero de sucesos es finito la coleccin Q se denomina algebra de Boole, y si cl nimero de sucesos es numerable o-Algebra. "0 medible. PROBABILIDAD MM 17 — EJEMPLOS El espacio muestral es E = {blanco, azul, negro} y la coleccién Q que puede generarse a partir de él est integrada por los elementos {@}, {blanco}, {azul}, {negro}, {blanco, azul}, {blanco, negro}, {azul, negro}, {blanco, azul, negro}, Si el espacio muestral es igual a {1, 2, 3, 4}, Qes {2}, {0}, {2}, {3}, {4}, {1,2}, {1 3p, {1,4}, {2,3}, {2,4}, {3,4}, {1,2, 3}, {1,2, 4}, (1,3, 4}, (2,3, 4}, {1,2, 3, 4}. EI significado de estos sucesos es claro, por ejemplo: {3} indica que el resultado del expe- rimento sea el namero 3, {2, 4} que salga mimero par, {2, 3, 4} no obtener el nimero 1, {@} que no resulte ningun nimero (suceso imposible), {1, 2, 3, 4} que salga cualquier numero (suceso cierto), etc, 1.7.2. AXIOMATICA DE KOLMOGOROV El sistema axiomatico de Kolmogorov consta de tres axiomas: 1. Si S es un elemento de la colecci6n Q existe un nimero P(S) 20 denomina- do probabilidad del suceso S. 2. P(E)=1. 3. Dada una sucesin numerable de sucesos S,,..., 5, jys+++5 disjuntos dos a dos, 5, 0S, =@, se verifica que {0s} = YAS). ma i= La tripleta (E,Q, P) se conoce como espacio de probabilidad. Aunque se acepta sin demostracién la verdad de los axiomas, es preciso justificar su adopcién cosa que, en el caso de la probabilidad, se leva a cabo tomando en consideracién la realidad que pretenden formalizar, expuesta por las teorfas clasica y frecuentista. Los dos primeros axiomas tienen justificacién inmediata recurriendo a estas teorias, no asi el tercero, pues en el mundo real sdlo se encuentran sucesiones finitas de sucesos, no infinitas; sin embargo, su adopcién es importante en el plano tedrico. Como han puesto de manifiesto tanto la teorfa clasica como la frecuentista la probabilidad no ha de ser negativa, la probabilidad del suceso seguro es igual a 18 m™ FUNDAMENTOS DE PROBABILIDAD la unidad, y dado un ndmero finito de sucesos disjuntos la probabilidad de su unién debe ser igual a la suma de las probabilidades respectivas. La axiomatica de Kolmo- gorov incorpora, de una forma u otra, estas tres cuestiones. 1.8 Teoremas del calculo de probabilidades A partir de la axiomética de Kolmogorov deduciremos una serie de teoremas que explican la estructura del célculo de probabilidades. En la o-Algebra que contiene todos los posibles sucesos, elementales y compuestos, que podemos plantear en un experimento aleatorio, hay dos especialmente importantes: el suceso cierto {E} y el imposible {@}. Por el 2.° Axioma de Kolmogorov aceptamos que P(E)=1, no obstante, nada explicito dice sobre P(@), por lo cual determinaremos su valor (teorema 1). El 3." Axioma se refiere a una sucesin numerable de sucesos disjuntos dos a dos. Ahora bien, en el mundo real no existe el infinito sino finitos tan grandes como deseemos, pero siempre finitos. Ante ésto, es preciso trasladarse al mundo real y calcular la probabilidad de la unién de un numero finito de sucesos disjuntos dos a dos (teorema 2). EI teorema 2 presenta un fuerte limitacién: los sucesos involucrados en él son disjuntos dos a dos. Evidentemente esta situacion es perfectamente concebible en la Practica, pero también lo es la existencia de sucesos que no sean disjuntos. A este problema responde el teorema 3. Hemos visto que la certidumbre que tenemos ante un suceso aleatorio puede ser mayor, menor o igual que la de otro, pero no siempre igual. Esto supone que la probabilidad debe responder al mismo esquema, demostrandose en el teorema 4. La experiencia acumulada por las teorias clasica y frecuentista, dice que la pro- babilidad esta acotada, 0 < P(S)<1. El Axioma 1 expone que la probabilidad no puede ser negativa (P(S)>0), cosa razonable, por otro lado, el Axioma 2 establece que la probabilidad del suceso cierto es la unidad, P(E)=1, siendo preciso demos- trar que el planteamiento axiomatico, para ser coherente con la realidad que pretende modelizar, admite la acotacién (teorema 5). Por ultimo, entre los sucesos integrantes de la o-Algebra aparece el suceso com- plementario de otro por Jo que es necesario obtener su probabilidad (teorema 6). PROBABILIDAD # 19 TEOREMA 1. La probabilidad del suceso imposible es cero: P(D) = 0. Sea una sucesién numerable de sucesos disjuntos S,,...S,.--» iguales todos ellos al suceso imposible (el vacio), S,=@. Segiin el tercer Axioma lb}-% PQ), a al ser disjuntos los sucesos @. La unién de los sucesos S;, todos el vacio, es igual al suceso imposible (vacfo), (J S;=@, por lo cual ale s)}-ne y como im i {0 2| = >) P@) se deberd verificar que }° P(@) = P(@), es decir, la suma de i=t isl int infinitas veces una cantidad debe ser igual a esa cantidad, y ésto sélo es posible si P(®)=0. Si el teorema ha demostrado que la probabilidad del suceso imposible 0 vacio es cero no debe deducirse que, en la practica, si la probabilidad de un suceso es cero el suceso sea imposible, pues cuando un suceso es muy raro su frecuencia observada es muy cercana a cero y por la «ley del azar» ser4 muy dificil que ocurra y en un ex- perimento concreto puede no aparecer, por lo cual la frecuencia relativa ser cero lo que no implica, evidentemente, la imposibilidad del suceso, sino su rareza. En esta misma linea debe interpretarse en la practica el 2.° Axioma, P(E)=1. El espacio muestral E es el suceso cierto, seguro, sin embargo, si la probabilidad de un suceso medida por una frecuencia relativa concreta es la unidad, no podemos asegurar que el suceso sea cierto, sino casi cierto. TEOREMA 2. La probabilidad de la unién de n sucesos disjuntos, S,,...5,, es igual a la suma de las probabilidades: 0 s)-% nS). Consideremos la sucesién numerable S,,..,5,, S11 Sns2»--» Siendo los suce- sos S,,,=2,S,42 =O, ..5 segin el tercer Axioma 0 s)-$ P(S,), 20 ™ FUNDAMENTOS DE PROBABILIDAD Pudiendo expresar el primer miembro de esta igualdad de la siguiente forma #(Us)--(05)}+-{ Os)- de lo que se deduce que =) P(S;)+ > P(S;) 1 y como los sucesos desde el (n+ 1)-ésimo son el suceso imposible (@) y su probabi- lidad es cero (teorema 1), resulta ( — EJEMPLO Un dado esté construido de tal forma que las probabilidades de sus puntuaciones son PCI) = 0.1, P(2)=0,2, P(3) = 0,3, P(4)= 0,01, PCS) = 0,02, P(6) = 037. Calculamos ‘a probabilidad que al arrojar el dado una vez el ntimero sea par. El suceso (par) tiene lugar cuando la puntuacién es 2.0 4 0 6, es decir, a uniGn de estos tres sucesos disjuntos, por lo cual, P(par) = P(2 0406) = P(2) + P(4) + P(6) = 0,2 + 0,01 + 0.37 = 058. SS 5 -3 P(S;). TEOREMA 3. La probabilidad de la unién de dos sucesos cualesquiera, PCS, US,), es igual a P(S,)+ P(S)- P(S,0S,). PROBABILIDAD m 21 SOS, eee Como primer paso, y segiin puede comprobarse en el grafico adjunto, descom- ponemos los sucesos S, US; y S) en la unién.de los siguientes sucesos disjuntos, S$, US, = 5, U(S, 0 S¥) Sy =(S, OS,) U(S, AS*) donde, por el segundo teorema, : P(S, US,) = P(S,) + P(S, 0 S¥) P(S,) = P(S, 0 S,) + P(S, 0S) siendo, por tanto, PS; aS) = P(S,)- P(S, A S,) con lo cual P(S, U Sy) = P(S,) + P(S,) - P(S, Sz). Para tres sucesos 3 U s] = P(S\) + P(S;) + PCS) = —P(S, 0 S,) — P(S, 0 $3) — P(Sp 0S3) + +P(S, OS, OS;)- Para n sucesos (g s)= y PCS) — SAS, OS,))+ SAGs, AS, AS,)+ ist ijl i jek=l vei isjek te #(-D" PS, AS, A OS,). 22 m FUNDAMENTOS DE PROBABILIDAD TEOREMA 4. Si un suceso S, estd contenido en otro S (SS) se wevifica que P(S,) < P(S). Descomponemos el suceso Sen la uni6n de dos sucesos disjummos S =(S, AS) U(S# AS) y por el teorema 2 P(S) = PS, OS) U PSE OS); segin el Axioma 1.° P(S* S)20, por lo cual, si en la igualdad saprimimos la segunda probabilidad resulta P(S) > P(S, 0S). Como el suceso S, est contenido en $ se cumple que S, 0S = S,, y AS)> PUS,). TEOREMA 5. La probabilidad de un suceso es menor o igual que la wnidad: P(S) <1. Todo suceso S esta contenido en el espacio muestral E, S c E, por el teorema 4 P(S)< P(E) y, en virtud del Axioma 2, P(E) =1, llegandose a que P(S) <1. La importancia de este teorema radica en que, junto con el Axioma 1, acota la probabilidad de un suceso, 0 < P(S)<1, conclusién acorde con las teorias clasica y frecuentista. TEOREMA 6. La probabilidad del suceso complementario, S*, de otro, S, es P(S*) =1- P(S). Por definicién de suceso complementario SU S* = E, siendo los sucesos S y S* disjuntos, deduciéndose que P(E) = = P(SU S*) = P(S) + P(S*), por lo cual, P(S*) - PS). Consideremos las dos situaciones siguientes: acertar si la puntuacién resultante de arrojar un dado perfecto es el nimero 2, o acertarla sabiendo que ha salido un nime- PROBABILIDAD m@ 23 ro par. No cabe duda que las dos situaciones son distintas en cuanto a nuestra certi- dumbre de ganar, pues parece més facil lograrlo en la segunda que en la primera. Este planteamiento conduce a un nuevo tipo de sucesos denominados condicionados, y de aqui a la probabilidad condicional. Supongamos que tenemos un dado ideal. La probabilidad de obtener una pun- tuacién igual a 2 es 1/6, por ser uno el nimero de caras favorables y seis el de po- sibles. Si sabemos que la puntuacién salida es par, la probabilidad que resulte el 2 es igual a 1/3, por ser el nimero de caras favorables uno (el 2) y el de posibles tres 2,4, 6). El diferente valor de la probabilidad en un caso y otro se debe en el segundo a la existencia de informacién adicional, saber que ha salido un ndmero par, frente al primero en el que no hay tal informacién. La presencia de mayor o menor informa- cién modifica el espacio muestral. Si no existe informacion, el espacio muestral es 1/2]3 41516 y si existe (saber que el nimero salido es par), el espacio se reduce a uy fae : 4)5]6 La presencia de informaci6n tiene como consecuencia la reduccién del espacio muestral: los seis casos posibles se convierten en tres, por lo cual, la segunda pro- babilidad es 1/3 en lugar de 1/6, pues el niimero de casos favorables permanece fijo, uno, la puntuacién 2. En esta situacién, el conocimiento del suceso {par} condicio- na, modifica, la probabilidad de obtencién del suceso {mimero 2}, denominando al primero condicionante y al segundo condicionado, y designandolo por {némero 2ipar}. Establecida la existencia de los sucesos condicionados pasamos a su estudio. Dados dos sucesos S, y S, el suceso S, est condicionado por el suceso S si la probabilidad que suceda S, depende de que haya sucedido S, y la probabilidad condicional se define como P(S, OS) P(S,/S)= PS) Ge siempre que P(S) > 0. La justificacién empirica de la definicién es la siguiente: en el ejemplo, con el que hemos iniciado este tema, cuando se sabe que el nimero resultante es par y siendo el mimero total de casos tres y el de favorables uno, se Mega a que P(2/par) = 1/3. Si 24 =m FUNDAMENTOS DE PROBABILIDAD dividimos numerador y denominador por 6, nimero total de casos cuando no se ha tenido en cuenta ninguna informacién, en el numerador resulta 1/6 y en el denominador 3/6, fracciones con significado muy conereto pues corresponden, respectivamente, a la pro- babilidad de que simulténeamente aparezcan los sucesos {par} y {2}, P(par 7 2), y a la probabilidad de obtener {par} sin imponer condicién alguna, por lo cual la probabilidad de obtener 2 condicionado a que se haya obtenido {par} puede expresarse como P(par 02) 2/par) = Piparn2) P(2/par) Plpar) es decir, el cociente entre la probabilidad de la intersecci6n de los sucesos {par} y {2}, y Ia probabilidad del suceso condicionante, P(par). De Ja misma forma que en el caso de la probabilidad no condicional partiamos de un espacio muestral E, que generaba una o-Algebra Q, siendo el par (E,) el es- pacio probabilizable 0 medible, y legando al espacio de probabilidad (E,, P) al probabilizar Q mediante P, ahora en Ja probabilidad condicional encontramos una situacién similar. Hemos visto que la consecuencia que tiene disponer de la informacién propor- cionada por el conocimiento de.la presencia del suceso S, radica en la modificacién del espacio muestral E, dando lugar a un nuevo espacio muestral E, = EAS = S. Este espacio muestral genera, a su vez, una nueva o-dlgebra Q, =QAS y tenien- do, por tiltimo, una nueva probabilidad sobre ©,, que denominaremos P., el espa- cio de probabilidad resultante es (S,Q,, P.), siempre que P(S) > 0. La expresién P(S,/S) es la definicién de algo que pretendemos sea una probabi- lidad y para que, efectivamente, sea una probabilidad debe cumplir los tres axiomas de Kolmogorov: Axioma 1. P(S,/S)>0. Axioma 2. P(E/S) Axioma 3. Dada una sucesién numerable de sucesos S,/S,...,5,/S,..., disjuntos dos a dos, (S;/S) (5; /S) = @, se verifica que aU S, is = x P(S,/S). El cumplimiento de los tres axiomas se demuestra a continuacién.