¿Qué es Probabilidad?

La probabilidad es la mayor o menor posibilidad de que ocurra un determinado

suceso. En otras palabras, su noción viene de la necesidad de medir o determinar
cuantitativamente la certeza o duda de que un suceso dado ocurra o no.

Esta establece una relación entre el número de sucesos favorables y el número

total de sucesos posibles.

La probabilidad está basada en el estudio de la combinatoria y es fundamento

necesario de la estadística, además de otras disciplinas como matemática, física u otra
ciencia. En ellas se aplica una teoría de probabilidades, la cual tiene como fin examinar
las formas y medios para obtener esas medidas de certezas, así como encontrar los
métodos de combinarlos cuando intervienen varios sucesos en un experimento
aleatorio o prueba.

Cada uno de los resultados obtenidos al realizar un experimento recibe el

nombre de suceso elemental. Se llama espacio muestral el conjunto de todos los
sucesos elementales obtenidos, de forma que todo subconjunto del espacio muestral
es un suceso.

¿Por qué se estudia la Probabilidad?

La probabilidad está basada en el estudio de la combinatoria y es fundamento

necesario de la estadística, además de otras disciplinas como matemática, física u otra
ciencia. En ella se aplica una teoría de probabilidades, la cual tiene como fin examinar
las formas y medios para obtener esas medidas de certeza, así como encontrar los
métodos de combinarlos cuando intervienen varios sucesos en un experimento
aleatorio o prueba.

Cada uno de los resultados obtenidos al realizar un experimento recibe el

nombre de suceso elemental. Se llama espacio muestral el conjunto de todos los
sucesos elementales obtenidos, de forma que todo subconjunto del espacio muestral
es un suceso.
Enfoques de la Probabilidad

Los resultados de un experimento son igualmente viables, es decir, tienen

teóricamente las mismas posibilidades de ocurrir. En este caso la probabilidad de
ocurrencia de un evento será: número de resultados en los que se presenta el
evento/número total de resultados posibles.

Empírico

La probabilidad de que un evento suceda se determina observando eventos

similares en el pasado. Este método utiliza la frecuencia relativa de las presentaciones
pasadas de un evento como probabilidad. Determinamos que tan frecuente ha
sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que
suceda de nuevo en el fututo.

En este caso la probabilidad de ocurrencia de un evento será:

Numero de resultados esperados ocurridos en el paso/Número total de experimentos

adelantados

Por ejemplo, La probabilidad de que Brasil gane el mundial de Suráfrica

Es de 5 mundiales ganados anteriormente / 18 mundiales que se han celebrado en
total.

Subjetivo

Se puede definir como la probabilidad asignada a un evento por parte de un

individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede
presentarse en forma de frecuencia relativa de presentación de eventos pasados o
puede tratarse simplemente de una creencia meditada.

Probabilidad Clásica y concepto de Frecuencia Relativa

La probabilidad clásica es un caso particular del cálculo de la probabilidad de un

evento. Para comprender este concepto es necesario primero entender que es la
probabilidad de un evento.

La probabilidad mide que tan probable es que suceda un evento o no. La

probabilidad de cualquier evento es un número tal que esta entre 0 y 1 e inclusive
ambos.
 Si la probabilidad d que un evento suceda es 0, significa que es seguro que ese
evento no llegara a suceder, pero por el contrario si la probabilidad de que un evento
suceda es 1, entonces el 100% seguro que el evento llegara a suceder.

La Frecuencia Relativa es una medida estadística que se calcula como el

cociente de la frecuencia absoluta de algún valor de la población/muestra (fi) entre el
total de valores que componen la población/muestra (N).

Para calcular la frecuencia relativa antes es necesario calcular la frecuencia

absoluta. Sin ella no podríamos obtener la frecuencia relativa. La frecuencia relativa se
representa con letras hi y su fórmula de cálculo es la siguiente:

hi = Frecuencia relativa de la observación i-esima

fi = Frecuencia absoluta de la observación i-esima
N = Número total de observaciones de la muestra

De la fórmula de cálculo de la frecuencia relativa se desprenden dos

conclusiones:

 La primera es que la frecuencia relativa va a estar acotada entre 0 y 1, debido a que

la frecuencia de los valores de la muestra, siempre va a ser menor al tamaño de la
muestra.
 La segunda es que la suma de todas las frecuencias relativas va a ser 1 si se mide en
tanto por 1, o 100 si se mide en tanto por ciento.

Por consiguiente, la frecuencia relativa nos informa acerca de la proporción o el

peso que tiene algún valor u observación en la muestra. Esto la hace de especial
utilidad, dado que, a diferencia de la frecuencia absoluta, la frecuencia relativa nos va
a permitir hacer comparaciones entre muestras de tamaños distintos. Esta se puede
expresar como un valor decimal, como fracción o como porcentaje.

Ejemplo de frecuencia relativa (hi) para una variable discreta

Supongamos que las notas de 20 alumnos de primer curso de economía son las
siguientes:

1,2,8,5,8,3,8,5,6,10,5,7,9,4,10,2,7,6,5,10.
Por tanto, tenemos:

Xi = Variable aleatoria estadística, nota del examen de primer curso de economía.

Xi fi hi

1 1 5%

2 2 10%

3 1 5%

4 1 5%

5 4 20%

6 2 10%

7 2 10%

8 3 15%

9 1 5%

10 3 15%

∑ 20 100%
N = 20
fi = Frecuencia relativa (número de veces que se repite el suceso, en este caso la nota
del examen).

Como resultado vemos que la frecuencia relativa nos da un resultado más

visual al relativizar la variable y nos permite juzgar si 4 personas de 20 es mucho o
poco. Hay que tener en cuenta, que, para una muestra de un tamaño tan pequeño, la
anterior afirmación puede parecer obvia, pero para muestras de tamaños muy
grandes, esto podría no ser tan obvio.

Ejemplo de frecuencia relativa (hi) para una variable continua

Supongamos que la altura de 15 personas que se presentan a las oposiciones del

cuerpo de policía nacional son las siguientes:
1,82, 1,97, 1,86, 2,01, 2,05, 1,75, 1,84, 1,78, 1,91, 2,03, 1,81, 1,75, 1,77, 1,95, 1,73.

Para elaborar la tabla de frecuencias, los valores se ordenan de menor a mayor, pero
en este caso dado que la variable es continua y podría tomar cualquier valor de un
espacio continuo infinitesimal, hay que agrupar las variables por intervalos.

Por tanto, tenemos:

Xi = Variable aleatoria estadística, altura de los opositores al cuerpo de policía nacional.
N = 15
fi = Frecuencia absoluta (número de veces que se repite el suceso en este caso, las
alturas que se encuentran dentro de un determinado intervalo).

Xi fi hi

[1,70 , 1,80) 5 33%

[1,80 , 1,90) 4 27%

[1,90 , 2,00) 3 20%

[2,00 , 2,10) 3 20%

∑ 15 100%
hi = Frecuencia relativa (proporción que representa el valor i-ésimo en la muestra).

Probabilidad de un evento

Ya se mencionó que la probabilidad de que un evento suceda es un número

entre 0 y 1. Si el número es cercano a cero, quiere decir que es poco probable que el
evento suceda.

Equivalentemente, si el número es cercano a 1 entonces es bastante probable

que el evento suceda. Además, la probabilidad de que un evento suceda más la
probabilidad de que un evento no suceda es siempre igual a 1.

¿Cómo se calcula la probabilidad de un evento?

Primero se define el evento y todos los posibles casos, luego se cuentan los
casos favorables; es decir, los casos que interesa que sucedan.

La probabilidad de dicho evento “P (E)” es igual al número de casos favorables (CF),

dividido entre todos los casos posibles (CP). Es decir:

P(E) = CF / CP
Ejemplos

En una caja hay una pelota azul, una verde, una roja, una amarilla y una negra.
¿Cuál es la probabilidad de que, al sacar con los ojos cerrados una pelota de la caja,
esta sea amarilla?
Solución

El evento “E” es sacar una pelota de la caja con los ojos cerrados (si se hace con
los ojos abiertos la probabilidad es 1) y que esta sea amarilla. Solo hay un caso
favorable, dado que solo hay una pelota amarilla. Los casos posibles son 5, puesto que
hay 5 pelotas en la caja.

Por lo tanto, la probabilidad del evento “E” es igual a P(E) = 1 / 5. Como se

puede observar, si el evento es sacar una pelota azul, verde, roja o negra, la
probabilidad también será igual a 1/5. Por lo tanto, este es un ejemplo de probabilidad
clásica.

Observación

Si en la caja hubiese habido 2 pelotas amarillas entonces P (E) = 2/6 = 1/3,

mientras que la probabilidad de sacar una pelota azul, verde, roja o negra hubiese sido
igual a 1/6.

Como no todos los eventos tienen la misma probabilidad, entonces este no es

un ejemplo de probabilidad clásica.
En un salón de clases hay 8 niños y 8 niñas. Si la maestra escoge al azar un estudiante
de su salón, ¿cuál es la probabilidad de que el estudiante escogido sea una niña?

Solución

El evento “E” es escoger un estudiante al azar. En total hay 16 estudiantes, pero

como se quiere escoger una niña, entonces hay 8 casos favorables. Por lo tanto, P(E) =
8/16 = 1/2.

También en este ejemplo, la probabilidad de escoger un niño es 8/16=1/2. Es decir,

que es tan probable que el estudiante escogido sea una niña como que sea un niño.

Eventos o sucesos aleatorios

En la teoría de la probabilidad, un evento aleatorio o fuente de sucesos
aleatorio es un subconjunto de un espacio muestral, es decir, un conjunto de
posibles resultados que se pueden dar en un experimento aleatorio. En teoría de la
probabilidad a cada evento aleatorio se le puede asignar una medida de probabilidad,
y el conjunto de todos los sucesos aleatorios constituye una σ-álgebra de conjuntos.

En la teoría de probabilidades, el espacio muestral o espacio de

muestreo (denotado E, S, Ω o U) consiste en el conjunto de todos los posibles
resultados de un experimento aleatorio, junto con una estructura sobre el mismo (ver
más adelante).
 Para algunos tipos de experimento puede haber dos o más espacios de
muestreo posibles.
Los espacios de muestreo aparecen de forma natural en una aproximación
elemental a la probabilidad, pero son también importantes en espacios de
probabilidad. Un espacio de probabilidad (Ω, F, P) incorpora un espacio de muestreo
de resultados, Ω, pero define un conjunto de sucesos de interés, la σ-álgebra F, por la
cual se define la medida de probabilidad P.
Podemos diferenciar entre dos tipos principales de espacios muéstrales, cada uno
con subcategorías:

Espacios muéstrales discretos o numerables, que a su vez se dividen en

 Espacios muéstrales finitos.

 Espacios muéstrales infinitos.

Espacios muéstrales continuos, que siempre son infinitos no numerables

Discretos
Los espacios discretos son espacios numerables, en ellos el conjunto de
sucesos sucesos elementales es finito o infinito numerable. En consecuencia, la
probabilidad para cada uno de los eventos elementales se puede por un número
real con. Estos números satisfacen la relación:

En un espacio muestral discreto suele tomarse como σ-álgebra el conjunto potencia de , es

decir, el conjunto de todas las partes (numerables) de Como medida de probabilidad puede
adoptarse la medida: es una enumeración de los elementos.

Espacio probabilístico discreto equiprobable

 Su espacio muestral es finito de tamaño n.

 La probabilidad de cualquier suceso elemental E es
Espacio probabilístico finito

 Su espacio muestral es discreto finito.

 Hay al menos 2 sucesos elementales que cumplen.

Procesos estocásticos finitos y diagramas de árbol

Un proceso estocástico es una sucesión finita de experimentos aleatorios, cada
uno de ellos con un nº finito de resultados posibles. Se representan con diagrama de
árbol.
 Por ejemplo, imaginemos que se lanza una moneda y un dado de seis caras. La
probabilidad de obtener un resultado particular corresponde a la multiplicación de sus
probabilidades. Es decir, la probabilidad de obtener «cara» y un tres será:

Ahora bien, la probabilidad de un suceso cualquiera es la suma de las

probabilidades de los distintos resultados aislados posibles. Así, la probabilidad de
sacar siempre un resultado impar en los dados, independientemente del resultado de
la moneda, será:
Espacio probabilístico infinito contable
Aquel cuyo espacio muestral es discreto infinito contable. Por ejemplo:

 La probabilidad de que salga cara en la primera tirada  

 La probabilidad de que salga nuevamente cara en la segunda tirada  
 La probabilidad de que salga nuevamente cara en la tercera tirada  

Sucesos independientes
En teoría de probabilidades, se dice que dos sucesos
aleatorios son independientes entre sí cuando la probabilidad de cada uno de ellos no
está influida porque el otro suceso ocurra o no, es decir, cuando ambos sucesos no
están relacionados.
Dos sucesos son independientes si la probabilidad de que ocurran ambos
simultáneamente es igual al producto de las probabilidades de que ocurra cada uno de
ellos, es decir, sí.
 
Motivación de la definición
Sean y dos sucesos tales que, intuitivamente A es independiente de B si la
probabilidad de A condicionada por B es igual a la probabilidad de A. Es decir, si:
De la propia definición de probabilidad condicionada:
Se deduce que y dado que deducimos trivialmente que Si el suceso A es
independiente del suceso B, automáticamente el suceso B es independiente de A.

Propiedades
La independencia de sucesos es algo muy importante para la estadística y
es condición necesaria en multitud de teoremas. Por ejemplo, una de las primeras
propiedades que se deriva de la definición de sucesos independientes es que si dos
sucesos son independientes entre sí, la probabilidad de la intersección es igual al
producto de las probabilidades.
 Dos eventos son independientes si el resultado del segundo evento no es
afectado por el resultado del primer evento. Si A y B son eventos independientes,
la probabilidad de que ambos eventos ocurran es el producto de las probabilidades de
los eventos individuales.

P (A y B) = P (A) · P (B)

Ejemplo
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y luego reemplazada. Otra canica se saca de la caja.
¿Cuál es la probabilidad de que la primera canica sea azul y la segunda canica sea
verde?

Ya que la primera canica es reemplazada, el tamaño del espacio muestral (9) no

cambia de la primera sacada a la segunda así los eventos son independientes.

P (azul luego verde) = P (azul) · P (verde)

Sucesos dependientes

Dos eventos son dependientes si el resultado del primer evento afecta el

resultado del segundo evento así que la probabilidad es cambiada. En el ejemplo
anterior, si la primera canica no es reemplazada, el espacio muestral para el segundo
evento cambia y así los eventos son dependientes. La probabilidad de que ambos
eventos ocurran es el producto de las probabilidades de los eventos individuales:

P (A y B) = P (A) · P (B)

Ejemplo
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. ¿Cuál
es la probabilidad de que la primera canica sea azul y la segunda canica sea verde?

Ya que la primera canica no es reemplazada, el tamaño del espacio muestral

para la primera canica (9) es cambiado para la segunda canica (8) así los eventos son
dependientes.

P (azul luego verde) = P (azul) · P (verde)

Reglas Básicas de la Probabilidad

La probabilidad constituye un importante parámetro en la determinación de las
diversas casualidades obtenidas tras una serie de eventos esperados dentro de un
rango estadístico.
 Existen diversas formas como método abstracto, como la teoría Dempster-
Shafer y la teoría de la relatividad numérica, esta última con un alto grado de
aceptación si se toma en cuenta que disminuye considerablemente las posibilidades
hasta un nivel mínimo ya que somete a todas las antiguas reglas a una simple ley de
relatividad.
La probabilidad de un evento se denota con la letra p y se expresa en términos
de una fracción y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra
parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y
se denota con la letra q
Los tres métodos para calcular las probabilidades son la regla de la adición, la
regla de la multiplicación y la distribución binomial

Regla de Laplace

La Regla de Laplace establece que:

 La probabilidad de ocurrencia de un suceso imposible es 0.

 La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a
sucesos equiprobable, es decir, que todos tengan o posean la misma probabilidad.

 La probabilidad de que ocurra un suceso se calcula así:

P(A) = Nº de casos favorables / Nº de resultados posibles

Esto significa que: la probabilidad del evento A es igual al cociente del número

de casos favorables (los casos dónde sucede A) sobre el total de casos posibles

Regla de la adición
La regla de la adición o regla de la suma establece que la probabilidad de
ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades
individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no
pueden ocurrir al mismo tiempo.
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de
ocurrencia del evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los
eventos A y B.
Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos
o más eventos estadísticamente independientes es igual al producto de sus
probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
Siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el evento
A.
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos
son seleccionados uno después del otro para ver si ellos son defectuosos. Suponga que
dos objetos son seleccionados sin reemplazo (significa que el objeto que se selecciona
al azar se deja por fuera del lote). ¿Cuál es la probabilidad de que los dos objetos
seleccionados sean defectuosos?
Solución:
Sea los eventos
A1 = {primer objeto defectuoso}, A2 {segundo objeto defectuoso}
Entonces dos objetos seleccionados serán defectuosos, cuando ocurre el evento A1∩
A2 que es la intersección entre los eventos A1 y A2. De la información dada se tiene
que:
P (A1) = 20/100; P (A2/A1) = 19/99
Así probabilidad de que los dos objetos seleccionados sean defectuosos es

P (A1 ∩ A2) = P (A1) P (A2/A1)

(20/100) (19/99)
19/495 = 0.038

Ahora suponga que selecciona un tercer objeto, entonces la probabilidad de que los
tres objetos seleccionados sean defectuosos es

P (A1 ∩ A2 ∩ A3) = P (A1) P (A2/A1) P (A3/A1∩A2)

(20/100) (19/99) (18/98)
19/2695 = 0.007

Diagrama de árbol
 Un diagrama de árbol o árbol de probabilidad es una herramienta que se
utiliza para determinar si en realidad en el cálculo de muchas probabilidades se
requiere conocer el número de objetos que forman parte del espacio muestral, estos
se pueden determinar con la construcción de un diagrama de árbol.
El diagrama de árbol es una representación gráfica de los posibles resultados
del experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene
un número infinito de maneras de ser llevado a cabo. Se utiliza en los problemas de
conteo y probabilidad.
Para la construcción de un diagrama en árbol se partirá poniendo una rama
para cada una de las posibilidades, acompañada de su probabilidad. Cada una de estas
ramas se conoce como rama de primera generación.
En el final de cada rama de primera generación se constituye, un nudo del cual
parten nuevas ramas conocidas como ramas de segunda generación, según las
posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final).
Hay que tener en cuenta que la construcción de un árbol no depende de tener
el mismo número de ramas de segunda generación que salen de cada rama de primera
generación y que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
Existe un principio sencillo de los diagramas de árbol que hace que éstos sean
mucho más útiles para los cálculos rápidos de probabilidad: multiplicamos las
probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de alumna de la
primera facultad, o bien las sumamos si se trata de ramas separadas que emergen de
un mismo punto, el ejemplo de encontrar un alumno.

Ejemplos
Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.

 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.
Las mujeres están repartidas uniformemente, siendo un 60% del total en cada
facultad.

El teorema de Bayes
 El teorema de Bayes, en la teoría de la probabilidad, es una proposición
planteada por el matemático inglés Thomas Bayes (1702-1761)1 en 1763,2 que expresa
la probabilidad condicional de un evento aleatorio A dado B en términos de la
distribución de probabilidad condicional del evento B dado A y la distribución de
probabilidad marginal de sólo A.
En términos más generales y menos matemáticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad
de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de tener un dolor de
cabeza dado que se tiene gripe, se podría saber (si se tiene algún dato más), la
probabilidad de tener gripe si se tiene un dolor de cabeza. Muestra este sencillo
ejemplo la alta relevancia del teorema en cuestión para la ciencia en todas sus ramas,
puesto que tiene vinculación íntima con la comprensión de la probabilidad de aspectos
causales dados los efectos observados.