Probabilidad

PROBABILIDAD

1. Experimentos aleatorios................................................... 2

2. Espacio muestral asociado a un experimento aleatorio. 3

3. Sucesos............................................................................... 3

4. El álgebra de Boole de los sucesos..................................... 4

5. Frecuencias. Propiedades................................................... 6

6. Definición axiomática de probabilidades. Propiedades.. 7

7. Probabilidad condicionada................................................. 10

8. Sucesos independientes....................................................... 12

9. Teorema de la probabilidad total...................................... 14

10. Teorema de Bayes............................................................. 15

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 1

 Probabilidad
1. EXPERIMENTOS ALEATORIOS

Un experimento aleatorio es aquel que realizado en las mismas condiciones o causas,

puede dar lugar a diferentes resultados o efectos conocidos de antemano.

Son ejemplos de experimentos aleatorios:

EJEMPLO 1.1: Se lanza un dado y se observa el número o la figura que aparece en la cara
superior.

EJEMPLO 1.2: Se lanza una moneda cuatro veces y se observa el número de caras obtenidas.

EJEMPLO 1.3: En un proceso de producción se cuentan el número de artículos defectuosos que

se producen en un día.

EJEMPLO 1.4: De una urna que contiene bolas blancas y negras, se extrae una bola y se anota
su color.

¿Qué tienen en común estos experimentos?:

- Cada experimento puede repetirse indefinidamente bajo condiciones esencialmente

inalterables.

- Aunque en general no podemos predecir cuál será el resultado de cada repetición, si es

posible describir el conjunto de todos los resultados posibles.

- Cuando el experimento se repite un número grande de veces aparecen ciertas

regularidades en los resultados.

Al describir un experimento aleatorio, es esencial especificar qué aspecto del resultado

nos interesa observar, o, dicho de otro modo, cuál es nuestro criterio para considerar dos
resultados como diferentes. Esta especificación se logra mediante el espacio muestral.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 2

 Probabilidad
2. ESPACIO MUESTRAL ASOCIADO A UN EXPERIMENTO
ALEATORIO

A cada experimento asociamos un conjunto E, que denominaremos espacio muestral,

formado por todos los resultados posibles del experimento.

Así en el caso del lanzamiento de un dado se puede tomar como espacio muestral:
E = {1, 2, 3, 4, 5, 6}

En el caso del lanzamiento de dos monedas: E = {cc, cx, xc, xx}

3. SUCESOS

Suceso elemental es cada uno de los resultados posibles de una experiencia.

Ejemplo: "Obtener un cinco al arrojar un dado".

El conjunto de todos los sucesos elementales constituye el espacio muestral.

Suceso compuesto es el conjunto de varios sucesos elementales. Por ejemplo "Obtener

número par".

Podemos, pues, definir un suceso de un experimento aleatorio como un subconjunto del

espacio muestral.

Suceso imposible es aquel que no se puede realizar nunca y se le denota ∅.

Ejemplo: "Obtener un siete al lanzar un dado".

Suceso seguro es aquel que se verifica siempre, que es precisamente el espacio muestral
E.

Los sucesos asociados a un experimento aleatorio constituyen un álgebra.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 3

 Probabilidad
4. EL ALGEBRA DE BOOLE DE LOS SUCESOS

Supongamos que nos encontramos ante un experimento al cual se le asocia una familia
de conjuntos A, B, C, ... etc., de tal forma que fijado uno de ellos el suceso o conjunto A al
realizar una prueba del experimento podemos decir, si se ha verificado o no dicho suceso al
observar el resultado de la prueba.

Ejemplo: En el experimento aleatorio de lanzar dos monedas se realiza la siguiente

pregunta: "¿Es el número de caras menor o igual que uno?"
Como vemos, esta pregunta tiene respuesta y el suceso que responde "sí" a la pregunta es:
A = {cx, xc, xx}

Definiciones:
- Diremos que el suceso A implica el suceso B si siempre que se verifica A se verifica
B (A ⊂ B).
- Si dos sucesos son tales que A⊂ B y B ⊂ A, entonces diremos que son iguales A=B.
Se dice que un suceso es contrario o complementario a otro cuando se verifica este si
no se verifica A. Se denota A
Ejemplo: A = {múltiplo de 2} => El suceso contrario es A = {1, 3, 5}

Dados dos sucesos A y B se llama unión de dos sucesos A ∪ B al suceso que se verifica
cuando se verifica A o se verifica B.
A  B ={x tales que x ∈ A ó x ∈ B }.

Propiedad A  A = E .

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 4

 Probabilidad
Ejemplo: A = {2, 4}; B = {1, 2} => A ∪ B = {1, 2, 4}

Se llama intersección de sucesos A∩B al suceso que se verifica si se verifica A y B.

A  B ={ x tales que x ∈ A y x ∈ B }.
Propiedad A  A = ∅

Ejemplo: A = {2, 4} B = {1, 2} => A ∩ B = {2}

- Dos sucesos son incompatibles, si no pueden verificarse juntos, A ∩ B = ∅

Ejemplo: A ={2, 4} B = {1, 6} => A ∩ B = ∅

Propiedades de la unión e intersección de sucesos:

UNION INTERSECCIÓN
Conmutativa A ∪ B=B ∪ A A∩B=B∩A
Asociativa A ∪ (B ∪ C) = (A ∪ B) ∪ C A ∩ (B ∩C) = (A∩ B) ∩ C
Idempotente A ∪ A=A A∩A=A
Simplificación A ∪ (B ∩ A) = A A ∩ (B ∪ A) = A
Distributiva A ∪ (B ∩ C) = (A ∪ B)∩(A ∪ C) A∩(B ∪ C) = (A∩ B) ∪ (A ∩ C)
∃ el. neutro A ∪ ∅=A A∩ E = A
∃ el. complemen. A ∪ A =E A∩ A =∅

El conjunto formado por todos los subconjuntos del espacio muestral (P(E)) con la unión
y la intersección, por verificar estas propiedades tiene estructura de algebra de Boole, a ésta se
la llama: "Álgebra de Boole de los sucesos".

Definición: Sea B una familia de subconjuntos de un espacio muestral, se dice que B

es un σ- álgebra si se verifica:
∞
1) A 1 , A 2 ,..., A n ,.. ∈ B entonces  A ∈ B; 2) Si A ∈ B entonces A ∈ B
i =1
i

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 5

 Probabilidad
Definición: Decimos que una función ϕ : B → R es completamente aditiva si cumple:

∞  ∞
1) ϕ(∅) =0 2) ϕ  A i  = ∑ (A i ) siendo A i ∩ A j =
∅
 i =1  i =1

Definición: Decimos que µ : B → R es una medida si es completamente aditiva y no

negativa (es decir, µ(A i ) ≥ 0 ).

Definición: Llamaremos espacio medible a la terna constituida por el conjunto E, la σ-

álgebra y la medida µ . (E, B, µ ).

Leyes de De Morgan
• A  B = A  B . El suceso complementario de la unión de sucesos, es el suceso
intersección de los complementarios.

• A  B = A  B . El suceso complementario de la intersección de sucesos, es el

suceso unión de los complementarios.

Se nos plantea el problema de cuantificar o medir la posibilidad de ocurrencia de un

suceso. Para ello vamos a considerar las propiedades de las frecuencias relativas de un suceso
en la realización de un experimento aleatorio.

5. FRECUENCIAS. PROPIEDADES

Dado un suceso A, la frecuencia absoluta del suceso A en una serie de n repeticiones

similares del experimento se la representa por n A .

La frecuencia relativa del suceso A es la frecuencia absoluta dividida por el número de

veces que se realiza el experimento, se la representa por f A .
nA
fA =
n
Propiedades:
1) Para cualquier suceso A, resulta: 0 ≤ f A ≤ 1 , ya que será siempre cociente de dos

números positivos en el que el numerador es siempre menor o igual que el denominador.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 6

 Probabilidad

2) Para el suceso seguro E: fE = 1

3) Para el suceso imposible ∅: f ∅ = 0

4) Si dos sucesos A y B son incompatibles, tendremos: sea n A la frecuencia absoluta

de A, n B la frecuencia absoluta de B y sea n A ∪B la frecuencia absoluta del suceso A ∪ B, por

ser incompatibles n A ∪B = n A + n B , luego:

n n + nB nA nB
f A ∪B = A ∪B = A = + =f A + f B
n n n n
por consiguiente f A ∪=
B f A + f B si A ∩ B =∅

Cuando el número de pruebas aumenta, las frecuencias tienden a estabilizarse en las

proximidades de un cierto valor.

6. DEFINICIÓN AXIOMATICA DE PROBABILIDAD. PROPIEDADES.

Sea un experimento aleatorio y B la σ-álgebra de sucesos asociados a él. A cada suceso

A ∈B le asignamos un número P(A) denominado probabilidad de A que satisface los axiomas

siguientes:

Axioma 1. P(A) ≥ 0

Axioma 2. P(E) = 1, siendo E el espacio muestral

Axioma 3. P(A1 ∪ A2) = P(A1) + P(A2) con A1 ∩ A2 = ∅

Consideraremos la probabilidad como el número al cual tiende la frecuencia relativa de

un suceso A al repetirse la experiencia indefinidamente.
nA
=
fA 
n →∞
→ P(A) ∈ [ 0,1]
n

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 7

 Probabilidad
Este número se corresponde con el cociente del cardinal de elementos del suceso A y
el cardinal del espacio muestral.

“REGLA DE LAPLACE”

La probabilidad de un suceso es el número que se obtiene al dividir el número de casos

favorables al suceso por el número de casos posibles
card(A)
P(A) =
card(E)

Hemos de advertir que esta definición, solamente es válida cuando todos los sucesos
posibles son equiprobables, es decir, que tengan la misma probabilidad de ocurrencia y el
espacio muestral sea finito.

Obsérvese que los axiomas son consecuencia directa de las propiedades de las
frecuencias.

Por todo lo visto, tenemos construido un espacio medible (E, B, µ ) cuya medida es la

probabilidad µ = P(A).

Consecuencia de los axiomas son las propiedades.

Propiedades:
1) P( A )=1-P(A)
En efecto: A ∪ A =E y A∩A =∅
P( A ∪ A )=P(A)+P( A )=P(E)=1 ⇒ P( A )=1-P(A)

2) P(∅)=0
Por la propiedad anterior P(∅)=1-P(E)=1-1=0

3) Si A ⊂ B, entonces P(A) ≤ P(B)

Si A ⊂ B se tiene que B=A ∪(B ∩ A) siendo A ∩ (B ∩ A) =
∅

P(B)=P(A ∪(B ∩ A) )=P(A)+P( B ∩ A ) y como P( B ∩ A ) ≥ 0 ⇒ P(B) ≥ P(A)

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 8

 Probabilidad

4) Si A y B son compatibles, entonces: P(A ∪ B) = P(A)+P(B)-P(A ∩ B)

La demostración la ilustraremos con la ayuda del
diagrama adjunto:

Observando la figura escribiremos A, B, y A ∪ B como A Α ∩Β

B
unión de sucesos incompatibles.
A = ( A ∩ B) ∪ ( A ∩ B) B = (B ∩ A ) ∪ ( A ∩ B)

A ∪ B = ( A ∩ B) ∪ ( A ∩ B) ∪ ( A ∩ B)
por el axioma 3 tenemos:
P(A) = P( A ∩ B) + P( A ∩ B) y P(B) = P(B ∩ A ) + P( A ∩ B)
de donde,
P( A ∩ B) = P( A ) − P( A ∩ B) y P(B ∩ A ) = P(B) − P( A ∩ B)

y por tanto,
P(A ∪ B)=P( A ∩ B) + P( A ∩ B) + P( A ∩ B) =P(A)-P(A∩B)+P(A∩B)+P(B)-P(A∩B)=
=P(A)+P(B)-P(A ∩ B)

5) P ( A  B  C ) = P ( A ) + P ( B ) + P ( C ) − P ( A  B ) − P ( A  C ) − P ( B  C ) + P(A  B  C)

EJEMPL0 6:
En una habitación hay 18 personas de las que 9 son hombres, con cinco
fumadores entre ellos y el número de mujeres fumadoras es 6. Se elige al azar una
persona. Calcular: a) Probabilidad de elegir una mujer no fumadora. b) Probabilidad de
elegir una mujer o un no fumador. c) Supongamos que se eligen al azar dos personas de
la habitación, ¿cuál es la probabilidad de elegir a un hombre y a una mujer?
Solución:
La situación es la siguiente:
5 hombres fumadores

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 9

 Probabilidad
4 hombres no fumadores
6 mujeres fumadoras
3 mujeres no fumadoras
Consideramos los sucesos:
A = {la persona elegida es mujer} y B = {la persona elegida es no fumadora}

a) P(A∩B) = 3 /18

9 7 3 13
b) P(A ∪ B) = P(A)+P(B)-P(A ∩ B) = + − =
18 18 18 18
Puesto que P(A)=9/18, ya que son 9 las mujeres y P(B) = 7/18 por ser 7 el número de
no fumadores.

c) Al tomar 2 personas del total de 18 obtenemos un total de 18 posibles por 17 restantes divido
por dos, ya que no importa el orden, se trata de combinaciones de 18 elementos tomados de 2
18  18 ⋅17
en 2, y se escribe =
  = 153 . Ahora podemos escoger 9 hombres y 9 mujeres, luego
2 2
9⋅9 9
=
P =
153 17

7 PROBABILIDAD CONDICIONADA

Sean A y B dos sucesos asociados a un experimento aleatorio. Representamos por

P(B/A) la probabilidad de que ocurra B supuesto que haya ocurrido A. Hablaremos de
probabilidad de B condicionada por A y se define:
P(A ∩ B)
P(B / A) = siendo P(A) ≠ 0
P(A)

Debe observarse que P(B) y P(B/A) operan sobre espacios muestrales diferentes. Por
ello, consideramos un experimento aleatorio, que realizamos n veces, dados dos sucesos

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 10

 Probabilidad
determinados A y B, sea n A ∩ B el número de veces que han ocurrido los dos sucesos, queremos
determinar la frecuencia relativa del suceso B teniendo en cuenta únicamente las veces que
ocurrió el suceso A, esta frecuencia relativa que la podíamos llamar frecuencia relativa de B
n A∩B
condicionada a la ocurrencia del suceso A, vendrá dada por f B / A = que dividiendo por
nA
n:
n A∩B / n f A∩B
fB/A = =
nA / n fA
es decir, la frecuencia relativa de B condicionada a A es el cociente entre la frecuencia relativa
del suceso intersección y la frecuencia relativa del suceso A. Expresión que da lugar a la
definición de probabilidad condicionada.

Ahora bien, tenemos que asegurarnos de que P(B/A) es efectivamente una probabilidad,
para lo cual debe satisfacer los axiomas.

En efecto:

Axioma 1
P(B/A) ≥ 0
Como P(A∩B) ≥ 0 y P(A)>0 => P(B/A) será no negativo.

Axioma 2
P(E/A)=1
P(E ∩ A) P(A)
Ya que, P(E/A) = = =1
P(A) P(A)

Axioma 3
Si B y C son incompatibles, P((B ∪ C) / A) = P(B/A)+P(C/A)
P((B ∪ C) ∩ A)
P((B ∪ C) / A) =
P(A)
como (B ∪ C) ∩ A = (B ∩ A) ∪ (C ∩ A)
siendo (B ∩ A) ∩ (C ∩ A) =(B ∩ C) ∩ A =∅∩A =∅
tenemos que P((B ∪ C) ∩ A) = P((B ∩ A) ∪ (C ∩ A)) = P(B ∩ A) + P(C ∩ A)

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 11

 Probabilidad
P ( B ∩ A ) + P (C ∩ A ) P ( B ∩ A ) P (C ∩ A )
resultando P((B ∪ C) / A) = = + =P(B/A)+P(C/A)
P( A ) P( A ) P( A )

EJEMPLO 7:
Consideremos el experimento aleatorio de lanzar un dado el suceso A = {resultado
impar} y B = {resultado mayor que 4}. Se pide P(B/A).
Solución:

A = {resultado impar} = {1, 3, 5} => P(A) = 3/6

B = {resultado mayor que 4} = {5, 6} => P(B)= 2/6
A∩B = {resultado impar y mayor que 4} = {5} => P(A∩B) = 1/6

Sustituyendo:
P(A ∩ B) 1/ 6
P(B / A) = = = 1/ 3
P(A) 3/ 6

De la definición de probabilidad condicionada, se tiene:

P(A ∩ B)
P(B / A) = ⇒ P(A∩B) = P(A) P(B/A)
P(A)
y análogamente
P(A ∩ B)
P(A / B) = ⇒ P(A∩B) = P(B) P(A/B)
P(B)

Se obtiene, P(A∩B) = P(A) P(B/A) = P(A) P(B/A) expresión que se conoce con el
nombre de teorema de la probabilidad compuesta.

Generalizando,
P(A 1 ∩ A 2 ∩ ... ∩ A n ) = P(A 1 )P(A 2 / A 1 )P(A 3 / A 1 ∩ A 2 )...P(A n / A 1 ∩ ... ∩ A n −1 )

8. SUCESOS INDEPENDIENTES

Dos sucesos son independientes cuando la ocurrencia de uno no depende de la

ocurrencia del otro. Así, si lanzamos dos dados, el resultado que pueda obtenerse en cada uno
de ellos es independiente del otro.

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 12

 Probabilidad
Si B es independiente de A la P(B/A) = P(B) y por tanto P(A ∩ B)=P(A) P(B)
P(A ∩ B) P(A)P(B)
P(A / B) = = = P(A)
P(B) P(B)
y se tiene que A es independiente de B.

Generalizando, si A 1 ,..., A n son independientes, entonces:

P(A 1 ∩ A 2 ∩ ... ∩ A n ) = P(A 1 )P(A 2 )...P(A n )

EJEMPLO 8.1:
Se lanza simultáneamente cinco monedas. Hallar la probabilidad de obtener al
menos una cara.
Solución:

P(obtener una cara al lanzar una moneda) = ½

P(no obtener una cara al lanzar una moneda) = ½
P(no obtener ninguna cara al lanzar cinco monedas) = P(no obtener una cara al lanzar una
moneda)... 5) .. P(no obtener una cara al lanzar una moneda) = (½) 5 =1/32

Es conveniente pasar al suceso contrario,

P(al menos una cara) = 1 - P(no obtener ninguna cara) = 1 - (1/32) = 31/32

EJEMPLO 8.2:
Sean A y B dos sucesos asociados a un experimento aleatorio. Supóngase que P(A)
= 0.4, P(A∪B) = 0,7, y P(B) = p. a) ¿Para qué valor de p son A y B incompatibles? a) ¿Para
qué valor de p son A y B independientes?
Solución:

a) P(A∪B) = P(A) +P(B) para sucesos incompatibles, sustituyendo

P(A∪B) = P(A) + P(B) = 0,4 + p = 0,7 ⇒ p = 0,3

b) P(A∩B) = P(A) P(B) para sucesos independientes.

P(A∪B) = P(A) + P(B) - P(A∩B) = P(A) + P(B) - P(A) P(B) = 0,4 + p - 0,4 p = 0,7
⇒ 0,3 = 0,6 p entonces p = 0,5

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 13

 Probabilidad

9 TEOREMA DE LA PROBABILIDAD TOTAL

Decimos que un conjunto de sucesos B1, B2,…, Bn forma un sistema completo o
partición del espacio muestral E cuando cumplen:
1. Son incompatibles dos a dos, Bi  B j  ∅ si i  j .
n
2. La unión de todos ellos forma un suceso seguro (  Bi  E ).
i 1

n
Si A es otro suceso cualquiera, se cumple que: P(A)   P(A / Bi )P(Bi )
i 1

Demostración:
A = AE = A( B1  B2  ....  Bn ) = ( A  B1 )( A  B 2 )...( A  B n )

se cumple que A  B i i son incompatibles por serlo B i

(A  Bi )  (A  B j )  A  (Bi  B j )  

por tanto, aplicando la fórmula de la probabilidad condicionada,

n n
P(A)  P(A  B1 )  P(A  B 2 )  ...  P(A  B n )   P(A  B n )   P(A / B i )P(B i )
i 1 i 1

EJEMPLO 9:
Se tienen dos urnas: la urna número 1 tiene tres bolas blancas y dos negras; la urna
número 2 tiene una bola blanca y tres negras. Se elige una urna al azar, y se extrae una
bola, ¿cuál es la probabilidad de que sea blanca?
Solución:

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 14

 Probabilidad
Urna número 1: {3 Blancas, 2 Negras}; Urna número 2: {1 Blanca, 3 Negras}
Sean los siguientes sucesos:
B1= {elegir la urna número 1}
B2= {elegir la urna número 2}
A = {extraer bola blanca}
tenemos,
P(B1) = P(B2) = ½ por seleccionar la urna al azar.
P(A/ B1) = 3/5 por estar situados en la primera urna.
P(A/ B2) = ¼ por estar situados en la segunda urna.
por consiguiente,
3 1 1 1 3 1 17
P(A) = P(A/ B1) P(B1) + P(A/ B2) P(B2) = + = + =
5 2 4 2 10 8 40

10 TEOREMA DE BAYES

Sea el espacio muestral E y los sucesos B1 , B 2 ,...., B n incompatibles dos a dos,

B i ∩ B j = φ si i ≠ j , tales que B1 ∪ B2 ∪ .... ∪ Bn = E. Si A es otro suceso cualquiera, se

P(A / B i )P(B i )
cumple que: P(B i / A) = n

∑ P(A / B )P(B )
i =1
i i

Demostración:
n
Por el teorema anterior P(A) = ∑ P(A / B i )P(B i ) y como P(A ∩ B i ) = P(A / B i )P(B i )
i =1

obtenemos,

P(A ∩ B i ) P(A / B i )P(B i )

P(B i / A) = = n
P(A)
∑ P(A / B i )P(B i )
i =1

EJEMPLO 10:
En el ejemplo anterior supongamos que, realizado el experimento, la bola extraída
resulta ser blanca, ¿cuál es la probabilidad de que la urna de la cual se ha extraído la bola
sea la urna número 1?

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 15

 Probabilidad
Solución:

31 3
P(A / B1 )P(B1 ) 5 2 = 10 12
=
P(B1 / A) = =
P(A / B1 )P(B1 ) + P(A / B2 )P(B2 ) 3 1 + 1 1 17 17
5 2 4 2 40

Obsérvese como el teorema de la probabilidad total nos determina la probabilidad a

priori, sin embargo el teorema de Bayes nos indica la probabilidad a posteriori, es decir, una
vez realizado el experimento.

http://asignaturas.topografia.upm.es/matematicas/videos/Teoremas_Probabilidad.wmv
http://asignaturas.topografia.upm.es/matematicas/videos/Teoremas_Probabilidad.mp4

Unidad Docente de Matemáticas de la E.T.S.I.T.G.C. 16