MÓDULO DE ESTADÍSTICA

Teoría elemental de la probabilidad

Antonio Jiménez Álvarez

Centro de Estudios Hidrográficos del CEDEX
MÓDULO DE ESTADÍSTICA
Definición de estadística

Definición: Es la ciencia que se ocupa del tratamiento de los

datos para la toma de decisiones y la realización de
predicciones.
Š Surge de la unión de la “teoría de la probabilidad” y del
estudio de las muestras.
Clasificación de la estadística:
„ E. descriptiva:
Se limita a hacer una descripción de la muestra, exponiendo sus
principales características, sin tratar de sacar conclusiones
sobre el comportamiento del colectivo.
„ E. inductiva (inferencia estadística):
Trata de deducir el comportamiento de todo el colectivo a partir
del estudio de la muestra.
TEORÍA DE LA PROBABILIDAD
Objeto: La Teoría de la Probabilidad es la parte de la matemática
que estudia los fenómenos o experimentos aleatorios.
Fenómeno aleatorio:
„ Se dice que un fenómeno es aleatorio cuando repetido bajo las
mismas condiciones iniciales conduce a distintos resultados finales.
Š Se contrapone al fenómeno determinístico que siempre conduce al mismo
resultado.
„ Se asume que posee además las siguientes propiedades:
Š Todos los resultados posibles se conocen por anticipado.
Š No se puede predecir el resultado en cada experiencia particular.
Š En general, puede repetirse en las mismas condiciones indefinidamente.
„ Causas de la aleatoriedad:
Š No se conocen las leyes que rigen el experimento.
Š Los factores que influyen en el experimento son muy numerosos y difíciles de
conocer.
Š La propia naturaleza del experimento es no determinística.
TEORÍA DE LA PROBABILIDAD
Estructura algebraica
La estructura algebraica de la Teoría de la Probabilidad se basa
en la Teoría de Conjuntos.
Definiciones:
„ Espacio muestral, Universo o Población (E): Conjunto de todos los
resultados posibles del fenómeno aleatorio.
„ Suceso (A): Subconjunto de los resultados posibles del fenómeno aleatorio.
Š Al realizar el experimento aleatorio se dice que ha ocurrido el suceso si el resultado del mismo
es uno de los elementos contenidos en el subconjunto.
„ Suceso elemental: Subconjunto formado por uno solo de los resultados posibles.
„ Suceso compuesto: Subconjunto que contiene más de uno de los resultados
posibles.
„ Suceso seguro (E): Es aquel del que se tiene la certeza de que va a ocurrir al
realizar el experimento. Por tanto, es el conjunto formado por todos los posibles
resultados del experimento.
Š Coincide con el espacio muestral.
„ Suceso imposible (ø): Aquel que no puede ocurrir nunca al realizar el
experimento. Por tanto, no contiene ninguno de los resultados posibles.
Š Corresponde matemáticamente con el conjunto vacío.
„ Suceso complementario (A): El complementario del suceso A es el suceso A,
que ocurre siempre que no ocurre A. Por tanto, contiene todos los resultados posibles
no contenidos en A.
TEORÍA DE LA PROBABILIDAD
Operaciones con sucesos

Son las operaciones típicas entre conjuntos:

„ Unión de sucesos: La unión de los sucesos A y B es un nuevo suceso
que contiene todos los elementos contenidos en A, en B o que son comunes
a ambos.
S = A∪ B
„ Intersección de sucesos: La intersección de los sucesos A y B es un
nuevo suceso que contiene todos los elementos que son comunes a A y a
B.
S = A∩ B
Š Se dice que dos sucesos son incompatibles cuando su intersección es el conjunto
vacío.
„ Diferencia de sucesos: La diferencia de los sucesos A y B es un nuevo
suceso que contiene todos los elementos de A que no están contenidos
también en B (que no pertenecen a la intersección).
Š La diferencia de A y B también se puede definir como la intersección de A con el
complementario de B.

A− B = A∩ B
TEORÍA DE LA PROBABILIDAD
Propiedades de las operaciones con sucesos

Las operaciones de unión e intersección de sucesos

tienen las siguientes propiedades:
„ Propiedad conmutativa:
AU B = B U A AI B = BI A
„ Propiedad asociativa:
A U B U C = A U (B U C ) = ( A U B ) U C A I B I C = A I (B I C ) = ( A I B ) I C
„ Propiedad distributiva:
A U (B I C ) = ( A U B ) I ( A U C ) A I (B U C ) = ( A I B ) U ( A I C )
„ Propiedad de idempotencia:
AU A = A AI A = A
TEORÍA DE LA PROBABILIDAD
Definición algebraica de probabilidad

Matemáticamente se define la probabilidad como una función

(P) que asigna a cada suceso A un número real P(A) que se
denomina probabilidad de A.
La función P debe cumplir una serie de condiciones
denominadas Axiomas de Kolmogorov:
„ Axioma 1. La probabilidad P(A) de cualquier suceso (A) es un número no
negativo.
P ( A) ≥ 0
„ Axioma 2. La probabilidad del suceso seguro es la unidad.

P( E ) = 1
„ Axioma 3. Si A y B son dos sucesos incompatibles (su intersección es el
conjunto vacío) se cumple:

A I B = φ ⇒ P ( A U B ) = P ( A) + P ( B )
TEORÍA DE LA PROBABILIDAD
Teoremas derivados de los Axiomas de Kolmogorov
A partir de los Axiomas de Kolmogorov se pueden demostrar los
siguientes teoremas:
„ Teorema 1. La probabilidad de un suceso es siempre menor o igual a 1.
P ( A) ≤ 1
„ Teorema 2. La suma de la probabilidad de un suceso y la de su complementario es
la unidad.
P ( A) = 1 − P ( A)
„ Teorema 3. La probabilidad del suceso imposible es nula.
P (φ ) = 0
„ Teorema 4. Si el suceso A es un subconjunto del suceso B, la probabilidad de A es
menor o igual que la de B.
A ⊂ B ⇒ P ( A) ≤ P ( B )
„ Teorema 5. La probabilidad de dos sucesos compatibles es la suma de las
probabilidades de cada uno de los sucesos menos la de su intersección.
P ( A U B ) = P ( A) + P ( B ) − P ( A I B )
„ Teorema 6. La probabilidad de la unión de varios sucesos incompatibles es la suma
de la de cada uno de ellos.
Ai I A j = φ (i ≠ j ) ⇒ P ( A1 U ... An ) = P ( A1 ) + ...P ( An )

„ (( ) ( ))
Teorema 7. P A I B U A I B = P ( A) + P ( B ) − 2·P ( A I B )
TEORÍA DE LA PROBABILIDAD
Criterios de probabilidad
Regla de Laplace
„ Solo es aplicable a aquellos fenómenos aleatorios en los que todos los sucesos
elementales tienen la misma probabilidad (fenómenos isoprobables).
„ La probabilidad de un suceso A es:
nº casosfavorables nº elementosenelsubconjuntoA
P( A) = =
n º casosposibles nº elementosdelespaciomuestral
„ Es una consecuencia directa de los axiomas de Kolmogorov y de la condición de ser
fenómeno isoprobable (postulado de indiferencia).

Definición empírica de Von Mises

„ Si el fenómeno no es isoprobable, la probabilidad de un suceso solo se puede conocer
a través de la experiencia (mediante la realización repetida del fenómeno aleatorio).
„ La probabilidad de un suceso A viene dada por el número de ensayos favorables al
suceso A (nA) dividido por el número total de ensayos (n), frecuencia relativa, cuando
el número total de ensayos tiende a infinito.
n
P( A) = lim f A = lim A
n →∞ n →∞ n

„ Esta definición es la que se empleará habitualmente en hidrología.

„ Presenta importantes dificultades de tipo matemático.

Probabilidad subjetiva
TEORÍA DE LA PROBABILIDAD
Ley Fuerte de los Grandes Números

La “Ley Fuerte de los Grandes Números” garantiza la viabilidad

de emplear la definición de Von Mises para estimar las
probabilidades:
“El cociente del número de veces que se presenta el suceso A
entre el de repeticiones del fenómeno tiende a la probabilidad
del suceso A”.

Garantiza la convergencia de la frecuencia relativa hacia el valor

real de la probabilidad, por lo que la probabilidad puede ser
estimada a partir de la muestra y con tanta precisión como se
desee simplemente con aumentar el tamaño de la muestra.
TEORÍA DE LA PROBABILIDAD
Probabilidad condicionada
Supongamos que se realizan n repeticiones de un fenómeno aleatorio y que el
suceso A ocurre n1 veces. La probabilidad del suceso A será (si n es
suficientemente grande):
n1
P( A) =
n
Nos fijamos ahora en otro suceso B y observamos que de las n1 veces que ha
ocurrido A, el suceso B ha ocurrido n2 veces. La probabilidad de que ocurra B
habiéndose verificado A será:
n2
P( B / A) =
n1
Esa probabilidad P(B/A) se denomina “probabilidad de B condicionada a A” y es
igual a (teorema del producto):
n2 n2 / n P( A ∩ B)
P( B / A) = = =
n1 n1 / n P( A)

Se puede definir también la probabilidad condicionada entre un número n de

sucesos:
P ( A1 ∩ A2 ∩ ... ∩ An −1 ∩ An )
P ( An / A1 ∩ A2 ∩ ... ∩ An −1 ) =
P ( A1 ) P ( A2 / A1 ) P ( A3 / A1 ∩ A2 )...P ( An −1 / A1 ∩ A2 ∩ ... ∩ An − 2 )
TEORÍA DE LA PROBABILIDAD
Dependencia e independencia estocástica

Sucesos independientes: Se dice que dos sucesos A y B son

independientes si sus probabilidades condicionadas son iguales a las
probabilidades de los sucesos aislados. Es decir:

P( A) = P( A B) P( B) = P( B A)
Para los sucesos independientes se verifica la propiedad:

P( A I B) = P( A)·P( B A) = P ( B)·P( A B)


P( B A) = P( B)  ⇒ P( A I B) = P( A)·P( B)
P( A B) = P( A) 


Dependencia de sucesos incompatibles: Si dos sucesos A y B son

incompatibles, son dependientes.

P( A I B)
A I B = φ ⇒ P( A I B ) = 0 ⇒ P ( A B) = = 0 ⇒ P( A) ≠ P( A B)
P( B)
TEORÍA DE LA PROBABILIDAD
Teoremas
Teorema de la probabilidad total o compuesta:
Sea B un suceso que se puede descomponer en una serie de sucesos Bi
incompatibles:
U( Bi ) = B Bi I B j = φ (i ≠ j )
i

Sea A un suceso contenido en B, para el cual se conocen las probabilidades

condicionadas P(A/Bi) y supongamos que se conocen también las probabilidades
P(Bi). Se verifica:
P ( A) = ∑ P ( A / Bi ) P( Bi )
i

Demostración :Puesto que A∩B=A, se cumple:

  
 
P( A) = P( A I B ) = P A I U Bi   = P U[ A I Bi ]

  i  i 
 
Y por ser los sucesos Bi disjuntos, se tiene aplicando el teorema 5:
P ( A) = ∑ P ( A I Bi )
i
Y, finalmente, a partir de la ecuación de la probabilidad condicional o teorema del producto:

P( A) = ∑ P( A / Bi ) P( Bi )
i
TEORÍA DE LA PROBABILIDAD
Teoremas
Teorema de Bayes o de la probabilidad inversa:
Sea E el universo o espacio muestral que suponemos se puede descomponer en
un conjunto de sucesos Bi incompatibles:
U( Bi ) = E Bi I B j = φ (i ≠ j )
i
Sea A un suceso para el cual se conocen las probabilidades condicionadas
P(A/Bi). Se verifica:
P ( Bi ) P ( A / Bi )
P ( Bi / A) =
∑ P( Bi ) P( A / Bi )
i

Demostración: Por la ecuación de la probabilidad condicional o teorema del producto, se tiene:

P ( Bi ∩ A)
P ( Bi / A) =
P ( A)

Y por el mismo teorema: P( Bi ∩ A) = P( Bi ) P ( A / Bi )

Por el teorema de la probabilidad total: P( A) = ∑ P( A / Bi ) P( Bi )

i

Y sustituyendo las dos últimas expresiones en la obtenida para P(Bi/A), se obtiene el resultado
buscado: P ( Bi ) P ( A / Bi )
P ( Bi / A) =
∑ P( B ) P( A / B )
i
i i
TEORÍA DE LA PROBABILIDAD
Combinatoria
La combinatoria sirve de ayuda al cálculo de probabilidades al
aplicar la Regla de Laplace, pues permite calcular el número de
casos que cumplen determinadas condiciones.
Se pueden distinguir las siguientes situaciones:
n!
„ Variaciones: Vrn = n·(n − 1)·...(n − r + 1) =
(n − r )!

„ Variaciones con repetición: VRrn = n r

„ Permutaciones: Pn = n!

„ Permutaciones con repetición: PRn = n n

Combinaciones: Prn  n  n!
„ n
C =
r =   =
r!  r  r!·(n − r )!

 n  n − 1  n −1 
„ Combinaciones con repetición: CRrn =   + n·  + ... + n· 
r
   r − 1   n − r + 1 
TEORÍA DE LA PROBABILIDAD
Observaciones repetidas

Observaciones con reemplazamiento: Se quiere estimar la

probabilidad de extraer de una urna con n1 bolas blancas y n2 negras
(N=n1+n2), r blancas. Siendo n el total de bolas extraídas.
n1 
P (blanca) =
N   n r
 ⇒ P =  · p ·(1 − p )
n−r

n r
P (negra) = 2 
N 

Observaciones sin reemplazamiento: En este caso el

problema varía porque con cada extracción, cambian las condiciones de
experimentación.
 n1   n2 
 · 
r n − r
P =   
N
 
n
TEORÍA DE LA PROBABILIDAD
Resumen
Objeto: Estudia los fenómenos o experimentos aleatorios (repetido bajo las mismas
condiciones iniciales conduce a distintos resultados finales).
Estructura algebraica: Basada en la Teoría de Conjuntos.
Š Espacio muestral: Conjunto de todos los resultados posibles del fenómeno aleatorio.
Š Suceso: Subconjunto de los resultados posibles del fenómeno aleatorio.
Š Operaciones con sucesos: Unión, intersección y diferencia.
Probabilidad:
Š Definición algebraica: Función (P) que asigna a cada suceso A un número real P(A)
que se denomina probabilidad de A y que cumple los axiomas de Kolmogorov.
„ Axiomas de Kolmogorov: P ( A) ≥ 0 P( E ) = 1 A I B = φ ⇒ P ( A U B ) = P ( A) + P ( B )
Š Criterios de probabilidad:
„ Laplace: Casos favorables dividido por los casos posibles (solo para fenómenos isoprobables).
„ Von Mises: Frecuencia relativa. A partir de la experimentación.
„ Subjetiva

Probabilidad condicionada: n2 n2 / n P ( A ∩ B )
P ( B / A) = = =
Š Probabilidad condicionada: n1 n1 / n P( A)
Š Sucesos independientes: P( A) = P( A B) ⇒ P ( A ∩ B ) = P ( A) P( B )
Š Teoremas:
„ Probabilidad total: P ( A) = ∑ P( A / Bi ) P( Bi )
i

P ( Bi ) P ( A / Bi )
Bayes: P ( Bi / A) =
„
∑ P( Bi ) P( A / Bi )
i
 TEORÍA DE LA PROBABILIDAD
PRÁCTICA I
Se tienen los siguientes datos de caudal máximo anual medidos en una estación de
aforos:
1. ¿Cuál es el espacio muestral del fenómeno aleatorio?
AÑO
1
CAUDAL (m 3/s)
376
2. Utilizando el criterio de Von Mises, calcular:
2 464
a) La probabilidad de que durante un año se superen los
3 454
4 254
200 m3/s.
5 120
6 105
b) La probabilidad de que no se superen los 500 m3/s.
7 186
c) A partir de los dos resultados anteriores, la
8 398
9 1600
probabilidad de que el máximo caudal medido durante
10 410 un año se sitúe entre 200 m3/s. y 500 m3/s.
11 142
12 80 3. Calcular la probabilidad de los siguientes sucesos:
13 100
14 380 a) Que se superen los 200 m3/s. durante cinco años
15 214 consecutivos.
16 137
17 207 b) Que durante cinco años consecutivos no se supere
18 464 ningún año los 200 m3/s.
19 138
20 964 c) Que durante cinco años consecutivos se superen los
200 m3/s. al menos una vez.
d) Que durante cinco años consecutivos se superen los
200 m3/s. en tres de los años.
 TEORÍA DE LA PROBABILIDAD
PRÁCTICA II
Junto con los datos de caudal de la tabla anterior, se tienen los siguientes datos de
precipitación máxima diaria medidos en un pluviómetro:

AÑO PRECIPITACIÓN (mm) 1. Calcular la probabilidad de que la precipitación medida

1 120 en el pluviómetro sea superior a 200 mm. si se sabe que
2
3
205
180
el caudal medido en la estación de aforos ha superado
4 100 los 300 m3/s. Lo mismo para el caso en que no se hayan
5 50 superado los 300 m3/s.
6 40
7 105 2. Calcular la probabilidad de que durante el mismo año el
8
9
125
400
caudal supere los 300 m3/s. y la precipitación los 200
10 210 mm.
11 55
12 20 3. Utilizando la información obtenida en los dos apartados
13 35 anteriores calcular la probabilidad de que el caudal sea
14
15
150
95
mayor de 300 m3/s. si la medida del pluviómetro es
16 70 superior a los 200 mm.
17 155
18 220
19 75
20 310