CENTRO DE INVESTIGACIÓN Y

DOCENCIA ECONÓMICAS, A.C.

LABORATORIO DE ESTÁDISTICA
FUNDAMENTOS DE LA TEORÍA DE LA
PROBABILIDAD

Prof. Nevid Antonio Torres Lezama

Contenido
El modelo matemático .............................................................................................................. 3
Espacio muestral y eventos ................................................................................................... 4
Composición de eventos ................................................................................................... 5
Conjunto potencia y 𝜎-álgebras ........................................................................................ 6
Principio de regularidad de las frecuencias ......................................................................... 7
Probabilidad clásica ................................................................................................................... 8
Espacios equiprobables ......................................................................................................... 8
Probabilidad axiomática .......................................................................................................... 10
Teoría de la probabilidad
La teoría de la probabilidad es una rama de las matemáticas que estudia los fenómenos
aleatorios. Esta teoría se ocupa de asignar un cierto número a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y
saber si un suceso es más probable que otro.

En 1933, el matemático soviético Andréi Kolmogorov propuso un sistema de

axiomas para la teoría de la probabilidad, basado en la teoría de conjuntos y en la teoría de la
medida, desarrollada pocos años antes por Lebesgue, Borel, entre otros.

Esta aproximación axiomática que generalizó el marco clásico de la probabilidad, el cual

obedece a la regla de cálculo de casos favorables sobre casos posibles, permitió dar el rigor a
muchos argumentos ya utilizados.

Actualmente, la teoría de la probabilidad encuentra aplicación en las más variadas ramas

del conocimiento, como la física donde corresponde mencionar el desarrollo de la física
estadística y mecánica cuántica, o la economía donde destaca el modelo de Black-Scholes
para la valoración de activos financieros o los modelos dinámicos de macroeconomía
estocástica.

El modelo matemático
Para el estudio de la naturaleza recurrimos a la experimentación, es decir, a la
observación de sistemas, el desarrollo de hipótesis y el diseño de pruebas para comprobar
o refutar dichas conjeturas. Para efectos de este curso definiremos un experimento como:

Def. 1 (Experimento): Cualquier proceso que conduce a un resultado específico.

Como puede verse, le estamos danto al concepto de experimento un sentido muy amplio,
ya que no nos interesa el tipo de proceso involucrado, pude ser una observación,
medición o simulación (o cualquier otra cosa), lo único que nos interesa es que el proceso
en consideración conduzca a un resultado que pueda ser especificado.

Existen dos tipos de experimentos o fenómenos en la naturaleza: los deterministas y los

aleatorios. Por un lado, un experimento determinista es aquel que produce el mismo resultado
cuando se repite bajo las mismas condiciones. Es decir, una vez definidas todas las
condiciones bajo las cuales se realiza, su resultado queda únicamente determinado.
Por otro lado, consideraremos a todos aquellos experimentos que no son determinísticos,
es decir, aquellos en los cuales, una vez definidas las condiciones en las que se realizan,
su resultado no queda únicamente determinado.

Dentro de la categoría de experimentos aleatorios caben todos aquellos en los

cuales la indeterminación del resultado se debe simplemente a la incompleta
determinación de las condiciones precisas en que se realizan.

El que la definición de un experimento aleatorio involucre en general una familia de

experimentos particulares no significa que sea posible realizar realmente cada
experimento particular; es decir, no significa que el experimento aleatorio sea realmente
repetible.

Para ser más precisos, pediremos que los experimentos aleatorios que consideraremos
cumplan las siguientes características:

a) El experimento debería poder ser repetible bajo las mismas condiciones iniciales.
Aunque no es imprescindible.
b) El resultado de cualquier ensayo del experimento es variable y depende del azar
o de algún mecanismo aleatorio.

Espacio muestral y eventos

El espacio muestral, o también llamado espacio muestra, de un experimento aleatorio es
el conjunto de todos los posibles resultados del experimento, y se le denota generalmente
por la letra Ω, dicho espacio puede ser un conjunto muy grande e incluso contener una
infinidad de elementos.

A un resultado particular del experimento se le denota por 𝜔.

Profundicemos un poco más en estas definiciones. Dado un experimento

aleatorio diremos que una propiedad es relativa al experimento aleatorio si una vez realizado
éste podemos decir si se presenta o no dicha propiedad. Así podemos definir a un evento
como una propiedad relativa a un experimento aleatorio.

Cuando al realizar un experimento, la propiedad que define a un evento se presenta,

diremos que el evento ocurre, en caso, contrario diremos que no ocurre.

Un evento cualquiera, divide entonces al conjunto de todos los posibles resultados del
experimento en dos clases, una está formada por todos aquellos resultados de los cuales
se deduce la ocurrencia de dicho evento y la otra por todos aquellos resultados de los
cuales se deduce la no ocurrencia del evento. Al conjunto formado por los resultados de
la primera clase lo llamaremos el conjunto de resultados favorables a la ocurrencia del evento.

De esta manera, cada evento relativo a un experimento aleatorio puede

representarse como un subconjunto del espacio muestral de dicho experimento.

En particular, cada posible subconjunto {𝜔} con un único resultado 𝜔 ∈ Ω representa

un evento, consistente en la ocurrencia de 𝜔. A esta clase de eventos, que se representan
por un elemento de Ω, se les llama eventos elementales.

El conjunto Ω y el conjunto ∅ son eventos, por si mismos. El primer conjunto representa

el evento seguro, el cual tiene la particularidad de ocurrir siempre que se realiza el
experimento aleatorio; el segundo podría definirse como: “no ocurre ninguno de los
posibles resultados del experimento”, evidentemente este evento nunca ocurre, razón
por la cual es llamado evento imposible.

Composición de eventos
I. Unión de eventos: Si 𝐴 y 𝐵 son dos eventos, definimos un nuevo evento como
aquel en donde ocurre el evento si y sólo si 𝐴 o 𝐵 o ambos suceden. A este evento
lo denotamos como 𝐴 ∪ 𝐵.
II. Intersección de eventos: Si 𝐴 y 𝐵 son dos eventos, este nuevo evento ocurre si
y sólo si ocurren 𝐴 y 𝐵 simultáneamente. Lo denotamos como 𝐴 ∩ 𝐵.
III. Complemento de un evento: Si 𝐴 es un evento, definimos un nuevo evento
caracterizado por la propiedad relativa de que ocurre en la realización de un
experimento si y sólo si el evento 𝐴 no ocurre. Este nuevo evento se denomina
complemento o negación de 𝐴 y se denota por 𝐴𝑐 .

Cuando dos eventos se representan mediante dos conjuntos ajenos, es decir, dos conjuntos
que no tienen ningún elemento en común, diremos que dichos eventos son mutuamente
excluyentes. En términos de las definiciones anteriores, decimos que dos eventos 𝐴 y
𝐵 son mutuamente excluyentes si la ocurrencia de ambos en cualquier realización del
experimento es imposible.

Esta propiedad puede extenderse al caso cuando se tienen varios eventos: Decimos que
𝑛 eventos 𝐴1 , 𝐴2 , … , 𝐴𝑛 son ajenos si 𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 = ∅ , y se dice que son
mutuamente excluyentes (o mutuamente ajenos) si 𝐴𝑖 ∩ 𝐴𝑗 = ∅ para cualesquiera 𝑖, 𝑗. La
propiedad de ser mutuamente excluyentes para una colección de eventos implica que los
conjuntos son ajenos, sin embargo, el hecho de que todos ellos sean ajenos no implica
que sean ajenos dos a dos. Es decir, la propiedad de ser ajenos dos a dos (mutuamente
excluyentes) es más fuerte que la propiedad de ser simplemente ajenos.

Conjunto potencia y 𝜎-álgebras

Con frecuencia los elementos de un conjunto son a su vez conjuntos. Por ejemplo, en un
conjunto de líneas cada línea es un conjunto de puntos. Para aclarar estos casos, se
acostumbra a llamar a dichos conjuntos clase o familia de conjuntos.

El ejemplo clásico de este tipo de conjuntos es el conjunto potencia, que se define a

continuación:

Def. 2 (Conjunto potencia): Sea Ω un conjunto cualquiera, el conjunto potencia es

aquel conjunto constituido por todos los subconjuntos posibles de Ω. Comúnmente se
denota por 2Ω o 𝒫 (Ω) .

No es difícil demostrar, y de hecho se deja como ejercicio al lector, que cuando #Ω < ∞,
se cumple que #2Ω = 2#Ω .

Ahora bien, dentro de las colecciones de conjuntos existen unas muy especiales, las
álgebras de conjuntos:

Def. 3 (Álgebra de conjuntos): Sea Ω un conjunto cualquiera. Se dice que una familia
𝒜 de subconjuntos de Ω es un álgebra de conjuntos, si se satisfacen las siguientes
condiciones:

1. Ω ∈ 𝒜
2. Si 𝐴 ∈ 𝒜 entonces 𝐴𝑐 ∈ 𝒜
3. Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 es cualquier familia finita de elementos de 𝒜, entonces la unión
de estos elementos también está en 𝒜, es decir:
𝑛

⋃ 𝐴𝑘 ∈ 𝒜
𝑘=1
 Def. 4 (𝜎-álgebra): Sea Ω un conjunto cualquiera. Se dice que una familia ℱ de
subconjuntos de Ω es un σ-álgebra de conjuntos, si es un álgebra y dada cualquier
colección numerable de elementos de ℱ se tiene que su unión esta también en ℱ, es decir:

1. Si 𝐴1 , 𝐴2 , 𝐴3 , … es cualquier familia numerable de elementos de ℱ, entonces:

∞

⋃ 𝐴𝑛 ∈ ℱ
𝑛=1

A los elementos de ℱ se les llama eventos. Por lo tanto, a partir de ahora no llamaremos
evento a cualquier subconjunto del espacio muestral Ω sino únicamente a aquellos
elementos que pertenezcan a una σ-álgebra asociada al espacio muestral. No es difícil
mostrar que el conjunto potencia es una σ-álgebra.

Principio de regularidad de las frecuencias

En el caso de un experimento aleatorio, cuando, de ser posible, éste se realiza varias
veces, se obtienen diferentes resultados, sin embargo, se puede observar que se manifiesta
una regularidad en la frecuencia relativa de ocurrencia de cada posible resultado,
manteniéndose aproximadamente constante cuando el número de realizaciones del
experimento es grande.

A esta propiedad de regularidad de la frecuencia relativa con que ocurre cada uno
de los posibles resultados de un experimento aleatorio repetible o, en general, cada evento
relativo al experimento, la llamaremos principio de regularidad de las frecuencias.

Este principio debe interpretarse con cuidado. Expresa que la frecuencia con que se
presenta cada posible resultado de un experimento aleatorio, en una serie grande de
realizaciones, se mantiene aproximadamente constante, pero, una eventual desviación de
esa constante, si bien es algo que ocurre raramente, es perfectamente aceptable. (Alvarez,
2003).
Probabilidad clásica
El problema que se plantea en el Cálculo de Probabilidades consiste en encontrar una
manera que permita medir el “qué tan fácilmente” se presentará un evento en futuras
realizaciones de un experimento aleatorio.

Matemáticamente la probabilidad de un evento 𝐴 es un número real en el intervalo [0,1]

que se denota por ℙ(𝐴) y representa la medida de la posibilidad de ocurrencia (frecuencia
con la que se observa la ocurrencia) de dicho evento cuando se efectúa el experimento
aleatorio en cuestión.

Def. 5 (Probabilidad clásica): Sea 𝐴 un subconjunto de un espacio muestral Ω de

cardinalidad finita. Se define la probabilidad clásica del evento 𝐴 como:

#𝐴
ℙ (𝐴 ) =
#Ω
Esta definición proviene del estudio de los juegos de azar, y sigue la lógica de la frecuencia
relativa (principio de regularidad de las frecuencias).

La definición implica la necesidad de que el espacio muestral sea equiprobable.

Espacios equiprobables
Sea Ω un espacio muestral finito; digamos, Ω = {𝜔1 , 𝜔2 , … , 𝜔𝑛 }. Un espacio finito de
probabilidad se obtiene al asignar a cada punto 𝜔𝑖 ∈ Ω un número real 𝑝𝑖 , llamado
probabilidad del punto 𝜔𝑖 , que satisface las siguientes propiedades:

1. Cada 𝑝𝑖 es no negativo
2. 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = 1

Con esta definición, la probabilidad de un evento 𝐴, ℙ(𝐴) se define como la suma de las
probabilidades de los puntos de 𝐴.

En una clase grande de problemas, la asignación de probabilidades surge gracias

al concepto de elección al azar, que significa no tener preferencia de elección por alguno
o algunos de los elementos de Ω. Es decir, las características propias del experimento
sugieren que se asignen iguales probabilidades a los diferentes resultados del espacio
muestral.
Bajo estas consideraciones podemos definir a un espacio equiprobable, que no es más que
un espacio muestral finito que asigna la misma probabilidad a cada punto que lo
compone. En el caso particular del espacio Ω, definido anteriormente, cada 𝜔𝑖 tendría
1
probabilidad . Así, si un evento 𝐴 posee 𝑘 puntos entonces la probabilidad de su
𝑛
1
ocurrencia es: 𝑘 ∙ .
𝑛

En otras palabras:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑑𝑒 A 𝑘
ℙ (𝐴 ) = =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑑𝑒 Ω 𝑛

De aquí que, el término elección al azar sea sinónimo de equiprobabilidad de los

posibles resultados de la elección.
Probabilidad axiomática
Como se mencionó en la introducción el matemático ruso Kolmogorov estableció en
1933 los axiomas que el cálculo de probabilidades debe satisfacer. Estas reglas se
describen a continuación:

Sea Ω un conjunto y ℱ una σ-álgebra de conjuntos de Ω. Se dice que una función

ℙ: ℱ → ℝ es una medida de probabilidad si se satisfacen las siguientes propiedades:

1. ℙ(𝐴) ≥ 0, ∀𝐴 ∈ ℱ
2. ℙ(Ω) = 1
3. ℙ es 𝜎 -aditiva, es decir, si es finitamente aditiva y dada cualquier familia
numerable de elementos de ℱ, entonces se tiene que :
∞ ∞

ℙ (⋃ 𝐴𝑛 ) = ∑ ℙ(𝐴𝑛 ) cuando 𝐴1 , 𝐴2 , … son ajenos dos a dos

𝑛=1 𝑛=1

Con esta definición podemos llegar a las siguientes propiedades. Tomando como base
los axiomas de Kolmogorov y usando la teoría elemental de conjuntos se pueden
demostrar dichas propiedades:

I. Si 𝐴 es cualquier evento, entonces ℙ(𝐴) ≤ 1 y ℙ(𝐴𝑐 ) = 1 − ℙ(𝐴)

II. ℙ (∅) = 0
III. Si 𝐴 ⊆ 𝐵 entonces ℙ(𝐵 − 𝐴) = ℙ(𝐵) − ℙ(𝐴)
IV. Si 𝐴 ⊆ 𝐵 entonces ℙ(𝐴) ≤ ℙ(𝐵)
V. Para cuales quiera dos eventos 𝐴 y 𝐵 se tiene que:
ℙ (𝐴 ∪ 𝐵 ) = ℙ (𝐴 ) + ℙ (𝐵 ) − ℙ (𝐴 ∩ 𝐵 )
VI. Sea 𝐴1 , 𝐴2 , … , 𝐴𝑛 una colección finita de eventos ajenos dos a dos. Entonces:
𝑛 𝑛

ℙ (⋃ 𝐴𝑘 ) = ∑ ℙ(𝐴𝑘 )
𝑘=1 𝑘=1

VII. Desigualdad de Boole: Sean 𝐴1 , … , 𝐴𝑛 𝑛 eventos, entonces:

𝑛 𝑛

ℙ (⋃ 𝐴𝑘 ) ≤ ∑ ℙ(𝐴𝑘 )
𝑘=1 𝑘=1
 VIII. Principio de inclusión-exclusión: Sean 𝐴1 , … , 𝐴𝑛 𝑛 eventos arbitrarios,
entonces:

𝑛 𝑛

ℙ (⋃ 𝐴𝑘 ) = ∑ ℙ(𝐴𝑘 ) − ∑ ℙ(𝐴𝑖 ∩ 𝐴𝑗 ) + ∑ ℙ(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) − ⋯ + (−1)𝑛+1 ℙ(𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 )

𝑘=1 𝑘=1 𝑖<𝑗 𝑖<𝑗<𝑘

De acuerdo con lo dicho en esta sección, un experimento aleatorio será modelado por
una terna (Ω, ℱ, ℙ), en donde Ω es un conjunto, ℱ es una σ-álgebra de subconjuntos de
Ω y ℙ es una medida de probabilidad definida sobre ℱ. Una terna de este tipo será
llamada un espacio de probabilidad.

Se ha de señalar que no existe necesariamente un único espacio muestral para un

experimento aleatorio, pero en la mayoría de sus casos su especificación queda entendida
de manera implícita. Por otra parte, como se ha mencionado, el objetivo de la σ-álgebra
ℱ es agrupar en una sola colección a todos los eventos de Ω, para los cuales uno está
interesado en calcular su probabilidad, por tanto, existen varias σ-álgebras que uno puede
asociar a un mismo espacio muestral.

Finalmente, la medida de probabilidad ℙ es una función definida sobre la σ-álgebra, la

cual no se especifica de manera totalmente explícita, pero se le pide cumpla con los
axiomas de Kolmogorov.

Se ha de suponer entonces que para cada experimento aleatorio existe un espacio de

probabilidad el cual no es necesariamente único y cuyo objetivo es capturar los
elementos esenciales para el estudio riguroso del experimento.
Ejercicios sugeridos
1. Demuestre las primeras cinco propiedades de una medida de probabilidad.

2. Si 𝐴 ⊆ 𝐵 demuestre que 𝐵𝑐 ⊆ 𝐴𝑐 .

3. Demuestre que para los eventos 𝐴, 𝐵 y 𝐶 se cumple que:

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

4. Dos eventos 𝐴 y 𝐵 son tales que ℙ(𝐴) = 0.3, ℙ(𝐵) = 0.4 y ℙ(𝐴 ∩ 𝐵) = 0.1.
Encuentre la probabilidad que ocurra exactamente uno de los dos eventos.

5. Tres caballos, Pegaso, Spirit y Tiro al blanco, están en una carrera. Si Pegaso tiene
el doble de posibilidad de ganar que Spirit; y Spirit tiene el doble de ganar que
Tiro al blanco. ¿Cuáles son las respectivas probabilidades de ganar de cada
caballo?

6. Sean 2 artículos escogidos al azar de un grupo de 12 de los cuales 4 son

defectuosos. Sea 𝐴 = {dos artículos defectuosos} y 𝐵 = {dos artículos no
defectuosos}. Hallar ℙ(𝐴) y ℙ(𝐵).

7. Sean ℙ y 𝕋 dos medidas de probabilidad definidas sobre la misma σ-álgebra.

Demuestre que para cada 𝛼 ∈ [0,1] la función 𝛼ℙ + (1 − 𝛼)𝕋 es también una
medida de probabilidad.

8. Se seleccionan al azar dos cartas entre 10 cartas numeradas del 1 al 10. Hallar la
probabilidad 𝑝 de que la suma sea impar si:
a. Las dos cartas se sacan una tras otra sin sustitución.
b. Las dos cartas se sacan una después de la otra con sustitución.
9. Seis parejas de casados se encuentran en un cuarto.
a. Si se escogen 2 personas al azar, hallar la probabilidad de que:
i. Sean esposos.
ii. Una persona sea hombre y otra mujer.
b. Si las doce personas se reparten en 6 parejas, hallar la probabilidad de que:
i. Cada pareja sea de casados.
ii. Cada pareja la forme un hombre y una mujer.
Referencias y
bibliografía sugerida
▪ Lipschutz, S., & Lipson, M. (2003). Probabilidad (2.a ed.). Schaum Pub. Co.

▪ Álvarez, M. Á. G. (2003). Introducción a la teoría de la probabilidad I. Primer curso (Seccion de

Obras de Ciencia y Tecnologia) (1.a ed.). Fondo de Cultura Económica.

▪ Rincon, L. (2014). Introducción a la probabilidad. Universidad Nacional Autónoma de

México, Facultad de Ciencias.

▪ Montes, E. V., Rincón, L., & Universidad Nacional Autónoma de México. Facultad de
Ciencias. (2006). Curso intermedio de probabilidad. UNAM.