CONCEPTOS BASICOS DE PROBABILDAD

UNIDAD I: CONCEPTOS BASICOS DE PROBABILIDAD

INTRODUCCION A LA PROBABILIDAD

La teoría de la Probabilidad es la rama de las matemáticas que tiene que ver con los fenómenos
aleatorios. Pero, ¿qué es un fenómeno aleatorio? Muchos fenómenos tienen la propiedad de que
su observación repetida bajo un conjunto específico de condiciones invariablemente lleva al mismo
resultado (por ejemplo, la ley de la gravedad). Hay otros fenómenos cuya observación repetida
bajo un conjunto específico de condiciones no siempre lleva al mismo resultado. Estos últimos son
los fenómenos que pensamos como aleatorios y que son el objeto de este curso.

También se define un fenómeno aleatorio como aquél cuyos resultados no pueden predecirse con
exactitud antes de su realización, es decir, existe incertidumbre asociada con los resultados de
dichos fenómenos y, por lo tanto, decimos que están sujetos al azar. La experiencia ha mostrado
que muchos de estos fenómenos no determinísticos exhiben una regularidad estadística que los
hace sujetos de estudio. La probabilidad se encarga del estudio formal de las reglas de la
incertidumbre que permiten modelar lo impredecible de éstos fenómenos (es decir, estudia la
medida de la incertidumbre).

Los siguientes fenómenos se pueden considerar aleatorios:

 El número de placa que le toque a un automóvil.

 El punto de un círculo en que cae el lanzamiento de un dardo.
 El promedio de la carrera que alcanza un estudiante.
 El momento en que se dará la muerte de una persona.
 El que salga o no defectuoso un componente que se elige de un lote.
 El número de accidentes laborales en una planta en cierto período de tiempo.
 El número de huracanes que se tendrán en un año.
 El peso que tendrá un animal al cumplir un año de edad.

Es importante mencionar que en este curso diferenciaremos los términos posible y probable. Un
fenómeno es o no posible, mientras que si es posible puede ser más o menos probable, lo cual
implica una medida.

INTERPRETACIONES DE LA PROBABILIDAD

A nivel filosófico existen dos puntos de vista: uno en que se piensa que todo fenómeno en el
universo sigue una ley o conjunto de ellas y aquellos fenómenos para los cuales el ser humano no
conoce dicha ley, se dice que son aleatorios (por ejemplo, los números aleatorios generados por
una computadora, en realidad siguen un algoritmo). El otro punto de vista es el que sostiene que
la aleatoriedad como tal existe en el universo. De cualquier manera, hoy día para el ser humano
existe la incertidumbre en muchos de los aspectos de su vida.

L. A. Ma. Auxilio Chan García 1

UNIDAD I

Históricamente, algunos tratados de probabilidad aparecieron, al parecer, en Italia a finales del

siglo XV. Un manual para apostadores de juegos que consideraba problemas interesantes de
probabilidad fue escrito por Cardano (1500-1572). El mayor avance que condujo a la ciencia
moderna de probabilidad fue el trabajo del matemático francés Blaise Pascal quien, en 1654,
resolvía un problema relacionado con el juego por lo que entabló correspondencia con otro
matemático francés, Pierre de Fermat. El problema se resolvió mediante esta correspondencia y
este trabajo es considerado como el comienzo de la probabilidad moderna.

En el transcurso del trabajo de Pascal, se desarrolló, de manera independiente, el cálculo

diferencial e integral por Newton y Leibniz; el avance subsecuente de la teoría de probabilidad
ha dependido considerablemente del cálculo. En los siglos XVIII y XIX, la teoría de probabilidad
se desarrolló a ritmo constante con contribuciones hechas por científicos como James Bernoulli, de
Moivre, Legendre, Gauss y Poisson, sus contribuciones hicieron posible un muy rápido crecimiento
de esta ciencia en el siglo XX1.

Existen varias formas de definir la probabilidad, las cuales representan enfoques diferentes en
el estudio de esta teoría, las más importantes son la definición Clásica (a priori), la definición de
Frecuencia Relativa (a posteriori) y la definición Axiomática.

La definición clásica de probabilidad se aplicó con bastante éxito en problemas de juegos de

azar y ayudó a sentar las bases para construir la teoría matemática. Su definición es como sigue:
Si en un experimento se tiene un conjunto finito de posibles resultados y se denota por A un
subconjunto de estos posibles resultados, la probabilidad del evento A se obtiene como el cociente
de la cardinalidad de A entre el número total de posibles resultados

La interpretación de probabilidad de acuerdo a la frecuencia relativa la utilizaremos solamente

como motivación intuitiva ya que los fenómenos aleatorios no se comportan siempre así, es aquella
en la que el enunciado de que cierto resultado experimental tenga probabilidad p puede
interpretarse como que si el experimento se repitiese un número grande de veces, aquel resultado
sería observado cerca del 100p por ciento del tiempo.

En la definición axiomática de la probabilidad no se establece la forma explícita de calcular las

probabilidades, sino que se proponen ciertas reglas que el cálculo de probabilidades debe
satisfacer entre las que se encuentran los tres postulados o axiomas que fueron establecidos en
1933 por el matemático ruso Andrey Nikolaevich Kolmogorov. El enfoque de este curso será este
último.2

ACTIVIDAD DE APRENDIZAJE No. 1

En equipos, recabar información sobre la definición de probabilidad en distintas fuentes de

consulta, presentar un cuadro comparativo en el que se comparen dichas definiciones y proponer
una definición propia.

1 Véase “Probability for risk management”.

2 Véase “Fundamentos de Probabilidad y Estadística”/ “Introducción a la Probabilidad”.

2 NOTAS DE CURSO
 CONCEPTOS BASICOS DE PROBABILDAD

ESPACIOS DE PROBABILIDAD

El propósito de esta sección es desarrollar la estructura matemática formal llamada espacio de

probabilidad, la cual constituye el fundamento para el tratamiento matemático de los fenómenos
aleatorios.

Espacio muestral

Supongamos que tenemos un experimento real o imaginario bien definido cuyos resultados no
son predecibles con certeza y que estamos tratando de modelar. Lo primero que tenemos que
hacer es definir los posibles resultados de dicho experimento (no se debe excluir ninguno de los
posibles). Luego establecemos un conjunto Ω cuyos elementos  están asociados uno-a-uno con
estos resultados, a este conjunto se le conoce como espacio muestral. Si el espacio muestral tiene
un número finito o infinito contable de puntos muestrales se le llama discreto, en otro caso, se dice
que es continuo.

Nótese que para un mismo experimento se pueden definir varios espacios muestrales
dependiendo de nuestro interés.

Ejemplos:

1. En la concepción de un bebé, de acuerdo a su sexo se tienen dos posible resultados, entonces

Ω: {hombre, mujer}

2. Al tirar dos dados distintos, si se observan las parejas donde el primer elemento es la cara en
que cayó el primer dado y el segundo elemento es la cara en que cayó el otro dado, se tienen
36 resultados posibles:

(1,1)(1,2) … (1,6)
Ω : {(2,1)(2,2) … (2,6)
…
(6,1)(6,2) … (6,6)

En cambio, si lo que interesa es la suma de los puntos de ambas caras, se tienen 11 resultados
posibles Ω: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

3. Al medir el tiempo que dura un transistor Ω: [0,∞), que es un espacio muestral continuo, pero
si la duración se mide en días el espacio muestral es Ω: {0, 1, 2, 3, …} que es discreto.

4. Cuando un alumno se inscribe a un curso, si lo que interesa es su resultado final, se tienen dos
posibles resultados en Ω: {aprueba, reprueba}={su calificación es <70, su calificación es ≥70}.
Pero también puede interesarnos la puntuación que alcanza, entonces Ω: {0,1,2,3,…,100}.

5. Al considerar el orden en el que 10 alumnos llegan a clase, Ω consistiría en las permutaciones

correspondientes, es decir, tendría 10! elementos.


L. A. Ma. Auxilio Chan García 3

UNIDAD I

ACTIVIDAD DE APRENDIZAJE No. 2

En equipos, proporcionar mediante lluvia de ideas tres ejemplos de experimentos aleatorios y

definir un espacio muestral para cada uno de ellos, determinando si éste es discreto o continuo.

Espacio de eventos

Una vez definido el espacio muestral de un experimento aleatorio, tomamos una colección no
vacía A de subconjuntos de Ω a los cuales nos interesa asignar probabilidades, a esta colección
se le llama clase.

El conjunto A debe ser una colección no vacía de subconjuntos de Ω que tenga las siguientes
propiedades:

i) Si A está en A, Ac está en A.
ii) Si A y B están en A, A U B y A ∩ B están en A.

Luego, por inducción, se puede demostrar que si A1, A2,..., An son conjuntos en A, entonces también
⋃ni=1 Ai y ⋂ni=1 Ai están en A..

Además se tiene que como A∩Ac= Ø y AUAc= Ω, entonces Ø y Ω están en A.

Si Ω es un espacio muestral discreto finito, se define el conjunto potencia o clase potencia de Ω

como aquél que consiste en todos los subconjuntos de Ω (incluyendo Ω mismo, así como Ø) y se
denota por 2Ω, este conjunto cumple las propiedades (i) y (ii) anteriores.

Ejemplos:

En los ejemplos anteriores, la clase potencia se define como sigue:

1. A =2Ω = { Ø, Ω, {H}, {M}}

2. A =2Ω = { Ø, Ω, {(1,1)}, …, {(6,6)},

{(1,1),(1,2)},…,{(6,5),(6,6)},
{(1,1),(1,2),(1,3)},…,{(6,4),(6,5),(6,6)},
…(hasta los subconjuntos con 35 pares)}

| A |= 68,719,476,736 subconjuntos.

3. Ninguno de los espacios muestrales propuestos es finito por lo que no puede expresarse el
conjunto potencia.

4. A =2Ω={ Ø, Ω, {aprueba}, {reprueba}}



4 NOTAS DE CURSO
 CONCEPTOS BASICOS DE PROBABILDAD

Una colección no vacía de subconjuntos de un conjunto dado Ω que es cerrado bajo un conjunto
finito de operaciones ordinarias de teoría de conjuntos se llama un campo de subconjuntos de Ω.

Vamos a requerir que A sea cerrado no solamente bajo un conjunto finito de operaciones
ordinarias de teoría de conjuntos, sino también bajo un conjunto infinito contable de operaciones
ordinarias de teoría de conjuntos, es decir, si {An}, n≥1, es una secuencia de conjuntos en A,
entonces ⋃∞ ∞
i=1 Ai y ⋂i=1 Ai están en A.

Una colección no vacía de subconjuntos A de un conjunto Ω se llama una -álgebra de

subconjuntos de Ω siempre que las siguientes dos propiedades se cumplan:

i) Si A está en A, Ac está en A.
ii) Si An está en A, n=1,2,..., entonces ⋃∞ ∞
i=1 Ai y ⋂i=1 Ai están en A.

Es decir, una colección de subconjuntos de un conjunto dado Ω que es cerrado bajo un conjunto
contable de operaciones teóricas se llama un -campo o -álgebra de subconjuntos de Ω.

Si Ω es un espacio muestral discreto finito, se puede demostrar que el conjunto potencia constituye
una -álgebra de subconjuntos de Ω, sin embargo, no siempre es la más adecuada de acuerdo
con el comportamiento del fenómeno aleatorio.

{Ω,Ø} es una-álgebra de subconjuntos de Ω y recibe el nombre de -álgebra trivial y es la -

álgebra más pequeña posible.

Ejemplos:

1. Para los ejemplos 1 y 2 anteriores la -álgebra que se propone es 2Ω (el conjunto potencia).

2. Sea Ω={1,2,3,4}

Si se definen las siguientes clases:

A1 ={Ø,Ω,{1},{2},{3},{4},{1,2},{1,3},{1,4},{2,3},{2,4},{3,4},{1,2,3},{1,2,4},{2,3,4},{1,3,4}}

A2 ={{1},{2}}

Se puede demostrar que la clase A1 (la clase potencia) es una -álgebra mientras que la clase
A2 no lo es.

3. Sea Ω={1,2,3,4,5}

El conjunto { Ø, Ω, {1},{3},{1,3},{2,4,5},{2,3,4,5},{1,2,4,5}} es una -álgebra.



Para espacios muestrales continuos, se puede definir una -álgebra con base a una partición.

L. A. Ma. Auxilio Chan García 5