Espacio de muestras y sucesos

Se llama espacio de muestras el conjunto E

de todos los resultados posibles de un experi-
mento.

Cada uno de los resultados posibles es un suceso

elemental.

Cualquier subconjunto de E se llama suceso.

Es decir, un suceso es un conjunto de sucesos
elementales.

E es el suceso seguro y ∅ el suceso imposi-

ble.

1
 Operaciones con sucesos

Sean A y B dos sucesos.

A ∪ B es el suceso que se verifica si pasa A ó

B (o los dos al mismo tiempo).

Es decir, A ∪ B es el suceso que contiene todos

los sucesos elementales que pertenecen a A o
a B (o a ambos).

A ∩ B es el suceso que se verifica si pasan A y

B al mismo tiempo. Es decir, A ∩ B contiene
los sucesos elementales que están tanto en A
como en B.

Se dice que dos sucesos A y B son incompa-

tibles si A ∩ B = ∅.

Ac es el suceso complementario de A o ne-

gación de A, y es el conjunto complementario
de A. Es decir, Ac = E\A.
2
Ejemplo 1.1 Consideramos la experiencia de
tirar un dado y observamos el resultado. El
espacio de muestras es:

E = {1, 2, 3, 4, 5, 6}

Posibles sucesos serı́an:

A = {números pares} = {2, 4, 6}

B = {1, 4, 5}

A ∪ B = {1, 2, 4, 5, 6}

A ∩ B = {4}

Ac = {1, 3, 5}

3
Ejemplo 1.2 Consideramos la experiencia de
tirar una moneda 3 veces seguidas y observa-
mos la secuencia de caras (O) y cruces (+)
resultante.

El espacio de muestras es:

E = {OOO,OO+,O+O,+OO,O++,+O+,++O,+++}

Posibles sucesos son:

C = {que salgan 2 caras} = {OO+,O+O,+OO}

D = {que salgan 2 caras o más } = {OO+,O+O,+OO,OOO

C∪D =D

C∩D =C
C c = {O++,++O,+O+,+++,OOO}

4
Ejemplo 1.3 Consideramos la experiencia de
tirar dos dados y nos fijamos en la suma de los
puntos obtenidos.

El espacio de muestras es:

E = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Posibles sucesos son:

F = {que la suma sea par} = {2,4,6,8,10,12}

G = {que la suma sea impar} = {3, 5, 7, 9, 11}

F ∪G=E

F ∩G=∅

Fc = G

5
 Propiedades de las operaciones con
sucesos

A∪E =E y A∪∅=A

A∩E =A y A∩∅=∅

Leyes asociativas
A ∪ (B ∪ C) = (A ∪ B) ∪ C

A ∩ (B ∩ C) = (A ∩ B) ∩ C

Leyes distributivas
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)

A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)

Leyes de Morgan
(A ∪ B)c = Ac ∩ B c

(A ∩ B)c = Ac ∪ B c
6
 Espacios de probabilidad finitos

Axiomas de Kolmogorov

Sea E un espacio de muestras finito.

Una probabilidad P sobre E es una aplicación

que asigna a cada subconjunto A ⊂ E un número
real y que satisface los siguientes axiomas:

1. 0 ≤ P (A) ≤ 1

2. P (E) = 1

3. A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B).

El par (E, P ) se dice espacio de probabilidad.

7
 Propiedades de los espacios de
probabilidad

1. P (∅) = 0

2. A ⊂ B ⇒ P (A) ≤ P (B)

3. P (Ac) = 1 − P (A)

4. Si A1, A2, · · · , An son n sucesos incompa-

tibles 2 a 2, entonces
n
P (∪n
X
i=1 Ai) = P (Ai)
i=1

8
 Fórmula de inclusión-exclusión

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

P (A ∪ B ∪ C) = P (A) + P (B) + P (C)−

−P (A ∩ B) − P (A ∩ C) − P (B ∩ C) +
+P (A ∩ B ∩ C)

Demostración Usar diagramas de Venn

9
 Espacios de probabilidad finitos
equiprobables

Sea E = {a1, . . . , an} un espacio de muestras

finito de n elementos o sucesos elementales.

Si todos los sucesos elementales tienen la misma

probabilidad, el espacio de probabilidad se dice
equiprobable. En este caso,

n
1 = P (E) = P (∪n
X
i=1 {ai}) = P ({ai}) = nP ({ai})
i=1

1 para todo i.
Luego P ({ai}) = n

Y en general, si un suceso A consta de k ele-

mentos, P (A) = nk.

10
Ejemplo 1.1
3 1
P (A) = =
6 2
1
P (B) =
2

Ejemplo 1.2
3
P (C) =
8
4 1
P (D) = =
8 2

11
Ejemplo 1.3

Los sucesos elementales de E no son equipro-

bables.

Pero podemos definir

E 0 = {(1, 1), (1, 2), (1, 3), . . . , (6, 6)}

y en E 0 sı́ que lo son.

Entonces,

18 1
P (F ) = =
36 2
18 1
P (G) = =
36 2

12
 Espacios de probabilidad infinitos

Ejemplo 1.4 Caso infinito numerable.

Consideramos la experiencia de tirar hasta que

sale cara y contamos el número de tiradas.

E = {1, 2, 3, 4, . . .} = N

Ejemplo 1.5 Caso infinito no numerable.

Consideramos la experiencia de medir el voltaje

de una señal.

E = [0, ∞)

13
Axiomas de Kolmogorov para espacios de
probabilidad infinitos

Sea E un espacio de muestras infinito. Una

probabilidad P sobre E es una aplicación

P : P(E) −→ R
que satisface los siguientes axiomas:

1. 0 ≤ P (A) ≤ 1

2. P (E) = 1

3. ’ Si A1, A2, . . . es una familia numerable de

sucesos incompatibles 2 a 2, entonces
P
P (∪i≥1Ai) = i≥1 P (Ai)

14
 Probabilidad condicional

Ejemplo Eva y Clara salen a cenar y se juegan

quién paga la cena. Tiran una moneda tres
veces y si salen más caras que cruces en la
tirada paga Eva, y si salen más cruces que
caras paga Clara.

El espacio de muestras es:

M = {OOO,OO+,O+O,+OO,O++,+O+,++O,+++}

Los sucesos ”Eva paga” y ”Clara paga” son:

E = {Eva paga} = {OO+,O+O,+OO,OOO}

C = {Clara paga } = {++O,+O+,O++,+++}

Claramente cada una tiene un 50% de posibi-

lidades de pagar.
15
Tiramos la moneda por primera vez y el resul-
tado es cara. ¿Cuáles son las posibilidades de
Eva y Clara ahora?

Tenemos M 0 = {OOO,OO+,O+O,O++}.

Los sucesos ”Eva paga ahora” y ”Clara paga

ahora” son:

E 0 = E∩M 0 = {Eva paga ahora} = {OOO,OO+,O+O}

C 0 = C ∩ M 0 = {Clara paga } = {O++}

Luego
3
P (Eva paga ahora) =
4
1
P (Clara paga ahora) =
4

16
 Probabilidad condicional

Sean A y B dos sucesos de un espacio de proba-

bilidades (E, P ).

Si P (B) 6= 0, se define la probabilidad del

suceso A condicionada a B como:

P (A ∩ B)
P (A|B) =
P (B)

Ejemplo anterior B es el suceso M 0 de que

salga cara en la primera tirada. A es el suceso
E de ”Eva paga”. Entonces,

P (Eva paga ahora) = P (E|M 0).

17
Ejemplo 1.1 La probabilidad de que tirando
un dado haya salido un número par sabiendo
que ha salido 1, 4 ó 5 es
1
P (A ∩ B) 6 1
P (A|B) = = 3 =
P (B) 6
3

Ejemplo 1.2 Se tira una moneda tres veces

seguidas. La probabilidad de que hayan salido
exactamente dos caras sabiendo que han salido
dos o más es:
3
P (C ∩ D) 8 3
P (C|D) = = 4 =
P (D) 8
4

Y la probabilidad de que hayan salido dos o tres

caras, sabiendo que han salido dos es clara-
mente 1:

3
P (C ∩ D)
P (D|C) = = 8
3
=1
P (C) 8

18
Ejemplo 1.3 Tiramos dos dados y nos fijamos
en la suma de los puntos obtenidos. Sea F el
suceso que la suma sea par y G que la suma
sea impar. Entonces,

0
P (F |G) = 36
18
=0
36

En general, si dos sucesos A y B de probabili-

dades no nulas son incompatibles

P (A|B) = P (B|A) = 0

19
 Independencia de sucesos

Sean A y B dos sucesos de un espacio de proba-

bilidades (E, P ).

Decimos que A y B son independientes si

P (A ∩ B) = P (A)P (B)

NO asumir que dos sucesos son independientes

a no ser que:

• Dependan de diferentes tiradas de un dado

o una moneda

• Lo diga el enunciado

NO confundir independencia con incompatibi-

lidad (A ∩ B = ∅).
20
Teorema Sean A y B dos sucesos de probabi-
lidad no nula.

Entonces A y B son independientes si y sólo

si la realización de uno de ellos no afecta a la
probabilidad del otro.

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

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

Si P (A|B) = P (A), entonces

P (A ∩ B) = P (A|B)P (B) = P (A)P (B)

21
Ejemplo 1.1 A y B no son independientes
porque
1 1 1
P (A) = P (B) = P (A ∩ B) =
2 2 6

Ejemplo 1.2 C y D tampoco son indepen-

dientes pues
3 1 3
P (C) = P (D) = P (C ∩ D) =
8 2 8

Ejemplo 1.3 F y G tampoco son indepen-

dientes pues
1 1
P (F ) = P (G) = P (F ∩ G) = 0
2 2

Nota Dos sucesos incompatibles A y B de

probabilidades no nulas nunca son independientes.

22
Ejemplo 1.8 pág 38 Consideramos la expe-
riencia de sacar al azar una carta de una baraja
de 40 cartas.

Tenemos 40 sucesos elementales equiprobables.

Sea A = {sacar oros} y B = {sacar una sota}.

10 4
P (A) = P (B) =
40 40

A∩B contiene un solo elemento, que es la sota

de oros luego
1
P (A ∩ B) = = P (A)P (B)
40
y A y B son independientes.

23
Ejemplo Tengo dos bolis rojos, uno verde y
uno azul en un cajón. Saco dos sin reemplazo.

Sea A el suceso de escoger exactamente un

boli rojo y B exactamente uno azul.

Denotemos a los bolis por R1, R2, V, A.

E = {R1R2, R1V, R1A, R2V, R2A, V A}

A = {R1V, R1A, R2A, R2V }

B = {R1A, R2A, AV }

A ∩ B = {R1A, R2A}

4 3 2
P (A) = P (B) = P (A ∩ B) =
6 6 6

Luego A y B son independientes.

24
Supongamos que tenemos además un boli naranja
N . Entonces,

E = {R1R2, . . . , R1N, R2N, AN, V N }

A = {R1V, R1A, R2A, R2V, R1N, R2N }

B = {R1A, R2A, AV, AN }

A ∩ B = {R1A, R2A}

6 4 2
P (A) = P (B) = P (A ∩ B) =
10 10 10

¡Y ahora A y B NO son independientes!!

25
 Teorema de la probabilidad total

Sean A1, A2, . . . , An sucesos de un espacio de

probabilidad (E, P ).

Decimos que A1, A2, . . . , An son una partición

del espacio de muestras E si

• ∪n
i=1 Ai = E, y

• son incompatibles 2 a 2

Sea B un suceso y A1, A2, . . . , An una partición

de E. Entonces

B = (B ∩ A1) ∪ (B ∩ A2) ∪ · · · ∪ (B ∩ An)

y el Teorema de la probabilidad total afirma:

n
X n
X
P (B) = P (B ∩ Ai) = P (B|Ai)P (Ai)
i=1 i=1

26
Ejemplo 1.9 pág 38 La probabilidad de un
error en la transmisión de un mensaje por ra-
dio depende del nivel ρ de ionización de la
atmósfera, que se mide en una escala deter-
minada.

Si 0 ≤ ρ < 10, la prob de error es de 0, 1, si

10 ≤ ρ < 20, es 0, 2, y si 20 ≤ ρ, es 0, 3.

Sabemos que la probabilidad de estos niveles

de ionización es:

P (0 ≤ ρ < 10) = 0, 5 P (10 ≤ ρ < 20) = 0, 4

P (20 ≤ ρ) = 0, 1

¿Cuál es la probabilidad de error?

27
Denotemos por  el suceso de ”error en la
transmisión”, y A1, A2, A3 los sucesos
0 ≤ ρ < 10, 10 ≤ ρ < 20, 20 ≤ ρ, respecti-
vamente.

Entonces, por el Teorema de la probabilidad

total:

P () = P (|A1 )P (A1 ) + P (|A2 )P (A2 ) + P (|A3 )P (A3 )

P () = 0, 1 · 0, 5 + 0, 2 · 0, 4 + 0, 3 · 0, 1 = 0, 16

28
 Teorema de Bayes

La fórmula de Bayes nos proporciona una ma-

nera de relacionar P (A|B) y P (B|A).

Sea A1, A2, . . . , An una partición del espacio de

muestras E y B un suceso cualquiera.

De la def de probabilidad condicionada:

P (B ∩ Aj ) = P (B|Aj )P (Aj ) = P (Aj |B)P (B)

Del tma de probabilidad total:

n
X
P (B) = P (B|Ai)P (Ai)
i=1

Y combinando ambas igualdades, el Teorema

de Bayes enuncia:

P (Aj ∩ B) P (B|Aj )P (Aj )

P (Aj |B) = = Pn
P (B) i=1 P (B|Ai)P (Ai)

29
Ejemplo 1.10 pág 39 Una urna contiene dos
bolas blancas y dos negras. Se extrae una bola
y, sin saber el color ni devolverla a la urna, se
extrae después otra bola.

Calcular la prob de que la primera bola haya

sido blanca si la segunda es negra.

Denotamos

B1 = {la primera bola es blanca}

N1 = {la primera bola es negra}

N2 = {la segunda bola es negra}

Queremos calcular P (B1|N2).

Notemos que B1 y N1 forman una partición del

espacio.
30
 2 1 1
P (B1) = = P (N1) =
4 2 2
2 1
P (N2|B1) = P (N2|N1) =
3 3

Usando la fórmula de Bayes:

P (N2|B1)P (B1)
P (B1|N2) = =
P (N2|B1)P (B1) + P (N2|N1)P (N1)
2·1
= 2 13 21 1 = 0, 666...
3·2+3·2

31
Ejemplo 1.11 Pág 40 Dos máquinas A y B
producen 100 y 200 chips respectivamente. Se
sabe que la máquina A produce un 5% de chips
defectuosos y la B un 6%.

Se escoge un chip y se pide:

a) Calcular la probabilidad de que sea defec-

tuoso

b) Sabiendo que el chip es defectuoso, cal-

cular la probabilidad de que haya salido de la
máquina A.

32
Denotemos por A, B y D los siguientes sucesos:

A = {el chip ha sido producido por la máquina A}

B = {el chip ha sido producido por la máquina B}

D = {el chip es defectuoso}

a) Por la fórmula de la prob total

P (D) = P (D|A)P (A) + P (D|B)P (B) =

5 100 6 200
= · + · = 0, 0566...
100 300 100 300

b) Por la fórmula de Bayes

1
0, 05 · 3
P (D|A)P (A)
P (A|D) = = = 0, 294
P (D) 0, 0567

33