CALCULO DE PROBABILIDADES

La probabilidad es una medida estadística que indica la posibilidad de ocurrencia de un evento

cualesquiera A al interior de un espacio muestral Ω, sin embargo la forma de determinar su
valor depende de ciertas características y supuestos que se cumplan al momento de tener que
realizar el cálculo, por esta razón y tomando en cuenta dichos aspectos podemos decir que se
cuenta con tres definiciones de probabilidad de uso alternativo y que son:

1º Definición clásica o a priori de probabilidad

2º Definición por frecuencia relativa o a posteriori de probabilidad

3º Definición subjetiva de probabilidad

Mismas que pasamos a desarrollar a continuación

1º Definición clásica o a priori de probabilidad.- Dada por Laplace en 1912, para su aplicación
requiere el cumplimiento de los siguientes supuestos o características

- El experimento aleatorio ᶓ debe realizarse un número pequeño de veces

generalmente 1
- Todos los resultados de ᶓ tienen la misma posibilidad de ocurrir  equiprobables

Verificado el cumplimiento de lo anterior, podemos decir que la probabilidad de ocurrencia de

un evento cualesquiera A (P(A)) en un espacio muestral Ω, está dado por el cociente entre el
número de sucesos favorables al evento A (N(A)) y el número total de sucesos posibles de Ω
(N(Ω)), es decir:

P(A) = N(A)/N(Ω) = nA/nΩ

P(A) = número de sucesos favorables al evento A/número de sucesos posibles de Ω

Ejemplos

1.- Se lanza un dado honesto y se desea saber cual es la probabilidad de que salga como
resultado un número ≥ 5

ᶓ  Lanzamiento de un dado honesto

El lanzamiento se realiza una sola vez y cualquiera de sus lados tiene la misma posibilidad de
salir
Bajo esas condiciones

Ω = {1, 2, 3, 4, 5, 6} nΩ = 6 resultados posibles

A = {5, 6} nA = 2 resultados favorables

 P(A) = nA/nΩ = 2/6 = 1/3 = 0.333333 ó en términos porcentuales 33,33 %

2º Definición por frecuencia relativa o a posteriori de probabilidad.- Su aplicación requiere el

cumplimiento de los siguientes supuestos o características

- El experimento aleatorio ᶓ se realiza un número grande de veces

- No todos los resultados tienen la misma posibilidad de haber ocurrido

Verificado el cumplimiento de lo anterior, podemos decir que la probabilidad de ocurrencia de

un evento cualesquiera A (P(A)) en un espacio muestral Ω, está dado por el cociente entre el
número de sucesos que ha ocurrido en evento A en realizaciones previas del experimento
aleatorio ᶓ y cuyos resultados se tienen debidamente registrados (N(A)) y el número total de
veces que se ha realizado ᶓ el experimento aleatorio (N(Ω)), es decir:

P(A) = N(A)/N(Ω) = nA/nΩ

P(A) = número de veces que ha ocurrido el evento A/número de veces que sea realizado ᶓ

Ejemplos

1.- Se ha lanzado un dado 30 veces y en 9 de ellas se ha obtenido como resultado un número ≥

5, se quiere saber cuál es la probabilidad de que en el siguiente lanzamiento salga un número ≥
5

nA = 9

nΩ = 30

 P(A) = nA/nΩ = 9/30 = 3/10 = 0.3 ó en términos porcentuales 30 %

3º Definición subjetiva de probabilidad.- Su aplicación requiere el cumplimiento de los
siguientes supuestos o características

- El experimento aleatorio se realizará una única vez, nunca se realizó antes ni podrá
realizarse después bajo las mismas condiciones

En este caso la probabilidad del evento que se quiere determinar es asignada por el
investigador en base a:

- Su fe o grado de creencia en la ocurrencia del evento

- La información de que disponga respecto al evento bajo consideración

Tomando en cuenta lo anterior diremos que podrá haber tantos valores de probabilidad
diferentes como investigadores haya

Con base en lo desarrollado previamente, a continuación veremos los axiomas y teoremas de

probabilidad

AXIOMAS Y TEOREMAS DE PROBABILIDAD

Los axiomas son enunciados que ya han sido demostrados, son de obligatorio cumplimiento y
por tanto nos sirven de guía para darnos cuentan si se ha cometido algún error y poder
subsanarlo a tiempo

Axioma 1.- Dado un evento cualesquiera A en un espacio muestral Ω, el valor de la

probabilidad del evento debe estar entre 0 y 1, es decir:

0 ≤ P(A) ≤ 1 Para todo A с Ω

Axioma 2.- La probabilidad del espacio muestral es igual a 1

P(Ω) = 1

Axioma 3.- Dados k eventos Ai en un espacio muestral Ω, la probabilidad de su unión es la

suma de sus probabilidades cuando dichos eventos son mutuamente excluyentes entre sí.

P(U Ai) = P(A1UA2U……..UAk) = P(A1)+P(A2)+ ………+P(Ak)

Para todo i = 1, 2, 3, …….. ,k

Tomando en cuenta lo anterior diremos que los teoremas que muestran a continuación serán
útiles para facilitar la determinación de los valores de las probabilidades en los casos que se
adecuen.

Teorema 1.- La probabilidad del evento imposible ᴓ es igual a 0  P(ᴓ) = 0

Sabemos que ΩUᴓ=Ω (1) y que Ω ∩ ᴓ = ᴓ  mutuamente excluyentes

Aplicando probabilidades a (1) tenemos:

P(Ω U ᴓ) = P(Ω)

Aplicando el axioma 3 tenemos:

P(Ω) + Pᴓ) = P(Ω)

Aplicando axioma 2 tenemos:

1 + P(ᴓ) = 1

P(ᴓ) = 1-1

P(ᴓ) = 0 Según dice el teorema

Teorema 2.- Dado un evento A cualesquiera en un espacio muestral Ω, la probabilidad de su

complemento es igual a uno menos la probabilidad del evento, es decir:

Si A с Ω

 P(A’) = 1 – P(A)

Sabemos que A U A’ = Ω (2) y que A ∩ A = ᴓ  Mutuamente excluyentes

Aplicando probabilidades a (2)

P(A U A’) = P(Ω)

Aplicando axioma 3 tenemos: P

P(A) + P(A’) = P(Ω)

Aplicando axioma 2 tenemos:

P(A) + P(A’) = 1

Despejando P(A’) tenemos:

P(A’) = 1 - P(A)

Teorema 3.- Dados dos eventos cualesquiera A y B en un especio muestral Ω, entonces:

Si A с B  P(A) ≤ P(B)

Ω
B
A

(A’∩ B)

En el diagrama de Venn se puede observar que:

B = A U (A’ ∩ B) (3) y A ∩ (A’ ∩ B) = ᴓ => Mutuamente excluyentes

Aplicando probabilidades a (3) tenemos:

P(B) = P{ A U (A’ ∩ B)}

Aplicando el axioma 3 tenemos

 P(B) = P(A) + P(A’ ∩ B)

Dado que por el axioma 1 P(A’ ∩ B) ≥ 0, eso implica que

P(B) ≥ P(A) Según postula el teorema

Teorema 4.- Dados dos eventos cualesquiera A y B en un espacio muestral Ω, la probabilidad

de su unión, es la suma de sus probabilidades menos la probabilidad de su intersección, es
decir:

Dados A y B с Ω P(A U B) = P(A) + P(B) – P(A ∩ B)

A B

(A∩B) (A’∩ B)

Tomando en cuenta el gráfico anterior podemos escribir que:

B = (A ∩ B) U (A’ ∩ B) (1) y (A ∩ B) ∩ (A’ ∩ B) = ᴓ

(A U B) = A U (A’ ∩ B) (2) y A ∩ (A’ ∩ B) = ᴓ

Aplicando probabilidades a las ecuaciones (1) y (2)

P(B) = P{(A ∩ B) U (A’ ∩ B)} (1)

P(A U B) = P{A U (A’ ∩ B)} (2)

Aplicando axioma 3 tenemos:

P(B) = P(A ∩ B) + P(A’ ∩ B) (1)

P(A U B) = P(A) + P(A’ ∩ B) (2)

Despejando en (1) P(A’ ∩ B) tenemos:

P(A’ ∩ B) = P(B) - P(A ∩ B) (1)

Reemplazando en (2) tenemos:

P(A U B) = P(A) + P(B) - P(A ∩ B) (2) Según postula el teorema

El anterior teorema se puede ampliar para su aplicación a la unión de 3 o más eventos

cualesquiera de la siguiente manera:

P(A U B U C) = P(A) + P(B) + P(C) - {P(A ∩ B) + P(A ∩ B) P(A ∩ B)} + P(A∩B∩C) (3)

Y así sucesivamente