Probabilidad y Estadística

10 de septiembre de 2018
Índice general

1. Probabilidad 2
1.1. Espacios muestrales y eventos . . . . . . . . . . . . . . . . . . . . 2
1.2. Acciones y propiedades de probabilidad . . . . . . . . . . . . . . 3
1.3. Técnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Independencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1
Capítulo 1

Probabilidad

El término probabilidad se refiere al estudio del azar y la incertidumbre en

cualquier situación en la cual varios posibles sucesos pueden ocurrir. La pro-
babilidad proporciona métodos de cuantificar las oportunidades y posibilidades
asociadas a varios sucesos.

1.1. Espacios muestrales y eventos

Un experimento es cualquier acción o proceso cuyo resultado esta sujeto a la

incertidumbre.

El espacio muestral de un experimento denotado por S, es el

conjunto de todos los posibles resultados de dicho experimento.

En el estudio de la probabilidad, interesan no sólo los resultados individuales de

S sino también varias recopilaciones de resultados de S.

evento es simplemente un conjunto, así que la teoría elemental de conjuntos

adquiere relevancia.

2
 CAPÍTULO 1. PROBABILIDAD 3

Un evento es cualquier recopilación (subconjunto) de resultados

contenidos en el espacio muestral S. Un evento es simple si con-
siste de un resultado y compuesto si consiste en más de un re-
sultado.

Algunas relaciones de la teoría de conjuntos

Definición 1. El complemento de un evento A, denotado por AC , es el conjun-

to de todas los resultados en S que no están en A.
2. La unión de dos eventos A y B, denotado por A ∪ B, es el evento
que consiste en todos los resultados que están en A o B o en ambos.
3. La intersección de dos eventos A y B, denotado por A ∩ B, es el
evento que consiste en todos los resultados que están tanto en A
como en B.

Definición Se define el conjunto nulo ∅, como aquel evento sin resultados. Cuando
A ∩ B = ∅ se dice que A y B son eventos mutuamente excluyentes.

Las operaciones de unión e intersección pueden ser ampliadas a más de dos

eventos. Se dice que los eventos dados A1 , A2 , A3 . . . son mutuamente excluyentes
si ninguno de dos eventos tiene resultados en común.

1.2. Acciones y propiedades de probabilidad

Dado un experimento y un espacio muestral S, el objetivo de la probabilidad es

asignar a cada evento A un número P (A), llamada la probabilidad del evento
A, el cual dará una medida precisa de la oportunidad de que ocurra A. Todas
las asignaciones deberán satisfacer los siguientes axiomas
 CAPÍTULO 1. PROBABILIDAD 4

Axiomas 1. P (∅) = 0, donde ∅ es el evento nulo

2. P (S) = 1.
3. Si A1 , A2 , A3 , . . . es un conjutno de eventos mutuamente excluyen-
tes, entones
∞
X
P (A1 ∪ A2 ∪ A3 ∪ · · · ) = P (Ai )
i=1

Como resultado de los axiomas anteriores es posible probar la siguientes propo-

siciones.

Proposiciones 1. P (∅) = 0, donde ∅ es el evento nulo.

2. Para cualquier evento A, P (A) + P AC = 1.
3. Para dos eventos cualesquiera

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

A continuación probaremos la tercer proposición, la prueba de las primeras dos

proposiciones son relativamente sencillas

Demostración. A ∪ B puede ser descompuesto en dos eventos excluyentes A y

AC ∩ B. Además B es la unión de los dos eventos excluyentes A ∩ B y AC ∩ B.
Así
P (A ∪ B) = P (A) + P AC ∩ B

y
P (B) = P (A ∩ B) + P AC ∩ B

Por lo tanto

P (A) + P AC ∩ B


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

La probabilidad de una unión de más de dos eventos se calcula de forma análoga.

CAPÍTULO 1. PROBABILIDAD 5

Así para tres eventos cualesquiera A, B y C,

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

−P (B ∩ C) + P (A ∩ B ∩ C)

Interpretación de la probabilidad

Considere un experimento que puede ser realizado repetidamente de una manera

idéntica e independiente y sea A un evento que consiste en un conjunto fijo de
resultados del experimento. Si el experimento se realiza n veces, en algunas de
las replicas del evento A ocurrirá y en otros A no ocurrirá. El número n (A)
denota el número de replicas donde A sí ocurre. Entonces la relación n (A) /n se
conoce como la frecuencia relativa. La evidencia empírica indica que a medida
que n se hace mas grande, la frecuencia relativa se estabiliza, es decir tiene a un
valor límite al que se hace referencia como frecuencia relativa límite. Como la
interpretación de la probabilidad está basada en la noción de frecuencia límite,
su probabilidad está restringida situaciones experimentales repetibles.

Determinación de probailidades

Una estrategia para el cálculo de la probabilidad es determinar cada probabi-

lidad de evento simple, con el requerimiento de que ΣP (Ei ) = 1. Entonces la
probailidad de cualquier evento compuesto A se calcula sumando la probabilidad
de todos los Ei que existen en A:
X
P (A) = P (Ei )
todos los E en A

En muchos experimentos compuestos de N resultados, es razonable asignar pro-

babilidades iguales a los N eventos simples. Así, con p = P (Ei )

N N
X X 1
1= P (Ei ) = p = pN =⇒ p =
i=1 i=1
N

Es decir si existen N resultados igualmente probables, la probabilidad de cada

uno es 1/N .
 CAPÍTULO 1. PROBABILIDAD 6

Ahora consideremos un evento A, con N (A) como el número de resultados

contenidos en A. Entones
X X 1 N (A)
P (A) = P (Ei ) = =
N N
Ei en A Ei en A

Así, el calculo de la probabilidad se reduce a determinar el número de resultados

N (A) en A y el número de resultados N en S y formar su relación.

1.3. Técnicas de conteo

Cuando los resultados de un experimento son igualmente probables, calcular la

probabilidad se reduce a hallar N , el número de resultados del espacio muestral
y N (A), el número de resultados contenidos de un evento A. Si N es pequeño,
N y N (A) pueden ser encontrados con facilidad. Sin embaro, para muchos
experimentos N es bastante grande , por lo que es necesario explorar algunas
reglas de conteo generales.

Regla del producto

La primer regla se aplica a cualquier situación en la cual un conjunto (evento)

se compone de pares ordenados y se desea contar el número de pares posibles.

Proposición Si el primer elemento u objeto de un par ordenado puede ser selecciona-

do de n1 maneras y por cada una de estas el segundo elemento puede
ser seleccionado de n2 maneras, entonces el número de pares es n1 n2 .

De manera más general, un conjunto ordenado de k objetos recibirá el nombre

de k−tupla.

Proposición Supóngase un conjunto compuesto por k−tuplas y que existen n1 posi-

bles opciones para el primer elemento por cada opción del primer ele-
mento, existen n2 posibles opciones del segundo elemento,...; por cada
opción del k − 1 elemento, existen nk opciones del k−ésimo elemento.
Existen entonces n1 · n2 · · · nk posibles k−tuplas.
 CAPÍTULO 1. PROBABILIDAD 7

Permutaciones y combinaciones

Considere un grupo de n objetos distintos. ¿Cuántas maneras existen de se-

leccionar un subconjunto de tamaño k del grupo? Para responder la pregunta
se requiere distinguir entre dos casos. En algunas situaciones, el orden de la
selección es importante, sin embargo, en otros no.

Definición Un subconjunto ordenado se llama permutación. El número de permu-

taciones de tamaño k que se puede formar con los n individuos u obje-
tos en un grupo será denotado por Pk,n . Un subconjunto no ordenado
se llama combinación.
! Podemos denotar el número de combinaciones
n
como Ck,n o , que se lee «de n se eligen k».
k

El número de permutaciones de determina utilizando la primer regla de conteo

para las k−tuplas. Consideremos un grupo de n elementos de los cuales queremos
seleccionar ordenadadamente k elementos. El número de posibles k−tuplas que
se pueden formar es

Pk,n = n (n − 1) (n − 2) · · · (n − (k − 1))

Multiplicando y dividiendo la expresión por (n − k)! se obtiene una expresión

para el número de permutaciones.

Proposición n!
Pk,n =
(n − k)!

Considere ahora las combinaciones. El orden no es importante, así que se busca

el número de combinaciones de tamaño k que se pueden formar con n elementos.
Note que para una combinación de k elementos, estos pueden ser ordenados de
k! formas para producir el número de permutaciones. Por lo que es predecible
que el número de combinaciones estará dado por el número de permutaciones
entre k!.
 CAPÍTULO 1. PROBABILIDAD 8

!
n n!
Proposición =
k k! (n − k)!

1.4. Probabilidad Condicional

Se utilizará la notación P (A|B) para representar la probabilidad condicional

de A dado que el evento B haya ocurrido. B es el «evento condicionante».

Dado que B ha ocurrido el espacio maestral se limita a B; A ha ocurrido si y

sólo si uno de los resultados en la intersección ocurrió, así que la probabilidad
condicional de A dado B es la relación entre la probabilidad de la intersección
y la probabilidad de B. Expresamos este resultado como una definición

Definición Para dos eventos cualesquiera A y B con P (B) > 0, la probabilidad

condicional de Adado que B ha ocurrido está definido por

P (A ∩ B)
P (A|B) =
P (B)

La definición de probabilidad condicional da el siguiente resultado, que es de

utilidad en el cálculo de probabilidades.

Regla de la multiplicación

P (A ∩ B) = P (A|B) · P (B)

Análogamente podemos considerar que P (A ∩ B) = P (B|A) · P (A).

La regla de multiplicación es más útil cuando los experimentos se componen de

varias etapas en sucesión. La regla es fácil de ser ampliada a experimentos que
implican más de dos etapas. Por ejemplo,

P (A1 ∩ A2 ∩ A3 ) = P (A3 |A1 ∩ A2 ) · P (A1 ∩ A2 )

= P (A3 |A1 ∩ A2 ) · P (A2 |A1 ) · P (A1 )
 CAPÍTULO 1. PROBABILIDAD 9

Decimos que A1 , . . . , Ak son eventos exhaustivos si un Ai debe ocurrir de modo

que A1 ∪ · · · ∪ Ak = S.

Ley de la probabilidad total

Sean A1 , . . . , Ak , eventos mutuamente excluyentes y exhaustivos. Enton-
ces para cualquier otro evento B.

P (B) = P (B ∩ A1 ) + · · · + P (B ∩ Ak )
= P (B|A1 ) P (A1 ) + · · · + P (B|Ak ) P (Ak )
k
X
= P (B|Ai ) P (Ai )
i=1

Como consecuencia del resultado anterior se plantea el siguiente teorema.

Teorema de Bayes
Sean A1 , . . . , Ak un conjunto de eventos mutuamente excluyentes y ex-
haustivos con probabilidades previa P (Ai ). Entonces para cualquier otro
evento B para el cual P (B) > 0, la probabilidad posterior de Aj dado
que B ha ocurrido es

P (Aj ∩ B) P (B|Aj ) P (Aj )

P (Aj |B) = = Pk .
P (B) i=1 P (B|Ai ) P (Ai )

1.5. Independencia

Es natural considerar a A y B como eventos independientes es decir que la

ocurrencia o no ocurrencia de un evento no afecta la probabilidad de que el otro
ocurra.

Definición Los eventos A y B son independientes si P (A|B) = P (A) y son

dependientes de lo contrario.

La definición de independencia podría parecer no simétrica porque no demanda

que P (B|A) = P (B). Sin embargo, utilizando la definición de probabilidad
 CAPÍTULO 1. PROBABILIDAD 10

condicional y la regla de la multiplicación

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

así que la igualdad en la definición implica la otra igualdad y viceversa.

Regla de la multiplicación para P (A ∩ B)

Con frecuencia la naturaleza de un experimento sugiere que dos eventos A y B

deben de suponerse independientes. El siguiente resultado será de utilidad para
calcular P (A ∩ B) cuando los eventos son independientes.

Proposición A y B son independientes si y sólo si

P (A ∩ B) = P (A) · P (B)

Independencia de más de dos eventos

La noción de independencia de dos eventos puede ser ampliada a conjuntos de

más de dos eventos.

Sean A1 , . . . , Ak son mutuamente independientes si por cada k y

Definición cada subconjunto de indices i1 , i2 , . . . , ik

P (Ai1 ∩ Ai1 ∩ · · · ∩ Aik ) = P (Ai1 ) · P (Ai2 ) · · · · · P (Aik )