CAPITULO 2

Definición 1. Espacio Muestral.- El espacio muestral denotado por Ω , es el conjunto de

todos los posibles resultados de interés de un experimento conceptual.

Definición 2.- Evento y Espacio Evento. Un evento es un subconjunto del espacio

muestral. La clase de todos los eventos asociados con un experimento esta definido como
el espacio evento. Lo anterior no define exactamente lo que es un evento.

Un evento será siempre un subconjunto del espacio muestral, pero para espacios
muestrales suficientemente grandes no todos los subconjuntos serán eventos. La clase de
todos los subconjuntos del espacio muestral no necesariamente corresponderá a el
espacio evento.

Lo importante sería la ocurrencia de un evento. Un evento Α se dice que ocurre si el

experimento en cuestión termina en un resultado (un punto en el espacio muestral) que
pertenece a Α .

Un punto del espacio muestral es un evento toda vez que se especifica que un punto se
puede considerar como un subconjunto de un sólo elemento del espacio muestral y por tal
razón se le conocerá como evento elemental.

También φ y Ω son subconjuntos de Ω y ambos serán siempre eventos. Ω es llamado el

evento seguro y φ es referido como el evento que seguro no ocurrirá.

Ejemplos.
a) Experimento conceptual: Lanzar un dado
Ω = {Cara con un punto, Cara con dos puntos, ... , Cara con seis puntos} ,
A = {Caras con un número par de puntos} , Ai = {Cara con i puntos} , este último es un evento
elemental.

b) Lanzar tres monedas $5, $10 y $20 y ver ¿Cuál es el resultado en cada caso?
Los resultados se denotarán como vectores en 3 , esto es, lo que “salga” en la moneda de
$5 estará en el primer lugar, el de la moneda de $10 en el segundo lugar y el de la última
en el tercer lugar, con base a lo anterior, el espacio muestral estará dado por

⎧⎪( S5 , S10 , S20 ) , ( S5 , S10 , A20 ) , ( S5 , A10 , S20 ) , ( A5 , S10 , S20 ) , ⎫⎪

Ω=⎨ ⎬
⎩⎪( S5 , A10 , A20 ) , ( A5 , S10 , A20 ) , ( A5 , A10 , S20 ) , ( A5 , A10 , A20 ) ⎭⎪

Ai = {Exactamente i soles} con i = 0, 1, 2, 3 . Para cada valor de i Ai es un evento y en

particular A0 y A3 son eventos elementales. Cualquier subconjunto de Ω con un solo
elemento de él es un evento elemental. Cualesquier subconjunto de Ω es un evento y el
número total de ellos está dado por 28 = 256 .

c) El experimento consiste en registrar los muertos por accidentes de tránsito en un año, el

valor de este fenómeno puede ser cualquier número no negativo por lo que
Ω = {0, 1, 2, 3, }, A<500 = {Menos de 500 muertos} = {0,1, 2, , 499} es un evento,
Ai = {Exactamente i muertos} es un evento elemental para cada i = 0, 1, 2, 3, y como se
puede observar existe un número infinito de puntos en el espacio muestral y cada punto es
un evento elemental por lo que existe un número infinito de eventos. Cada subconjunto de
Ω es un evento.

d) Experimento conceptual: seleccionar un foco y registrar el tiempo, en horas, que da

servicio antes de que se funda.
Cualquier número no-negativo es un resultado concebible de este experimento; esto es
Ω = { x | x ≥ 0} . Para este espacio no todos los subconjuntos de Ω son eventos, sin
embargo cualquier subconjunto que pueda ser exhibido será un evento. Por ejemplo, sea

⎧focos que funcionan al menos k horas, ⎫

A[k ,m ) = ⎨ ⎬
⎩ pero que se funden antes de las m horas ⎭
= { x | k ≤ x < m, con 0 ≤ k < m}

e) El experimento consiste en registrar las lluvias por día y su intensidad.

¿Cómo debe de registrarse dicha información?, ¿de qué forma se entenderá mejor?

Una propuesta sería que

⎧( i, x ) i Indique el número de veces que llueve en un día , ⎫

Ω=⎨ ⎬
⎩ y x el volumen de lluvia de ese día ⎭

A[3,10],[30,∞ ) = {( i , x ) | 3 ≤ i ≤ 10, 30 ≤ x}

Es importante observar que si el espacio muestral es “suficientemente grande", no todos

los subconjuntos del espacio muestral serían eventos; sin embargo ¿qué subconjuntos
serán eventos y cuáles no?, más que establecer o definir precisamente que subconjuntos
de Ω constituyen un espacio de eventos A , defínase y considérense algunas propiedades
de A que parecería razonable pedir o requerir:

i) Ω ∈ A
ii) Si A ∈ A , entonces A ∈ A
iii) Si A1 y A2 ∈ A , entonces A1 ∪ A2 ∈ A .

Cualquier conjunto de eventos con las propiedades anteriores se conoce como una álgebra
Booleana, un álgebra o un σ -álgebra de eventos.

A continuación se revisarán algunos resultados o propiedades importantes del álgebra de

eventos.

Teorema φ ∈ A .
Demostración: Ω ∈ A y Ω ∈ A pero Ω = φ , así que φ ∈ A .
Teorema Si A1 y A2 ∈ A , entonces A1 ∩ A2 ∈ A .
Demostración: Si A1 y A2 ∈ A , entonces A1 ∪ A2 y ( A ∪ A ) ∈ A , pero por la Ley de
1 2

( )
Morgan A1 ∪ A2 = A1 ∩ A2 = A1 ∩ A2 con lo que se concluye el resultado.

n n
Teorema Si A1 , A2 , , An ∈ A entonces ∪Ai y
i =1
∩A ∈ A .
i =1
i

Demostración (por inducción) y se sugiere desarrollarla con base a los resultados

anteriores.

Es importante hacer un planteamiento para construir una σ -álgebra, motivo por el cual se
proponen los siguientes pasos:

i) Considerar todos los eventos elementales

ii) Considerar el evento seguro
iii) Considerar el complemento del evento seguro y
iv) Todas las posibles uniones e intersecciones de eventos ya incluidos y
v) Por último todos los posibles complementos a los eventos ya considerados
anteriormente.

Como en la probabilidad se emplea el concepto de función que seguramente se ha

revisado en algunos otros cursos, ahora se procederá a considerar una definición del
concepto en cuestión.

Definición de Función. Una f ( ⋅) con dominio A y contradominio B , es un conjunto de

pares ordenados ( a, b ) que satisface los siguientes puntos.
i) a ∈ A y b ∈ B
ii) cada a ∈ A aparecerá como el primer elemento de algún par ordenado en el conjunto
(cada b ∈ B no necesariamente es el segundo elemento de algún por ordenado).
iii) no existen dos pares ordenados distintos que tengan el mismo primer elemento.

Un concepto muy importante es el de función indicadora pues en algunas ocasiones las

funciones que se desarrollan en el tema lo emplean.

Definición de Función Indicadora. Sea Ω cualquier espacio con puntos ω y A cualquier

subconjunto de Ω . La función indicadora de A denotada por I A (⋅) es una función con
dominio Ω y contradominio igual al conjunto que consiste de sólo dos valores que son el 0
(cero) y 1 (uno) definida por

⎧1 si ω ∈ A
I A (ω ) = ⎨
⎩0 si ω ∉ A

I A (⋅) claramente indica el conjunto A .

Propiedades de la función indicadora.

Sea Ω cualquier espacio y A cualquier conjunto de subconjuntos de Ω

i) I A (ω ) = 1 − I A (ω ) para todo A ∈ A .
ii) I A1 A2 An(ω ) = I A (ω ) I A (ω ) I A (ω ) para A1 , A2 , , An ∈ A
1 2 n

iii) I A ∪ A ∪ ∪ A (ω ) = max ⎡⎣ I A (ω ) , I A (ω ) , , I A (ω ) ⎤⎦ para A1 , A2 ,

1 2 n 1 2 n
, An ∈ A
iv) I A2 (ω ) = I A (ω ) para todo A ∈ A .

Ejemplo

⎧0 si x ≤ 0
⎪x si 0 < x ≤ 1
⎪
f ( x) = ⎨ ≡ xI (0,1] ( x ) + ( 2 − x ) I (1,2] ( x )
⎪2 − x si 1 < x ≤ 2
⎪⎩0 si 2 < x
≡ (1 − 1 − x ) I ( 0,2] ( x )

Otra función interesante a considerar será la función conjunto que tiene como dominio a un
conjunto de conjuntos y como su contradominio la recta real, incluyendo posiblemente el
infinito.

Ejemplo (Dos dados, Área en el espacio Euclidiano - bidimensional).

El Ω = {(1,1) , (1, 2 ) , (1,3) , , ( 6, 4 ) , ( 6,5 ) , ( 6, 6 )} correspondiente sería un conjunto de parejas,
36 para ser exactos, que se podrían ubicar en el plano cartesiano y a cada punto
proyectarle su probabilidad correspondiente, pero también se podría considerar el conjunto
evento de este experimento y a cada elemento de él, se le podría dar su probabilidad
correspondiente.

Función de probabilidad. Sea Ω un espacio muestral y A un conjunto de eventos que

forman una σ -álgebra de eventos a considerar para algún experimento aleatorio.

Definición.- Función de probabilidad. Una función de probabilidad P [⋅] es una función

conjunto con dominio A (un álgebra de eventos) y contradominio el intervalo [ 0, 1] , la cual
satisface los siguientes axiomas:
i) P [ A] ≥ 0 para todo A ∈ A
ii) P [ Ω ] = 1
iii) Si A1 , A2 , , es una secuencia de eventos mutuamente excluyentes en A (esto es
∞
Ai ∩ A j = φ para todo i ≠ j con i , j = 1, 2, ) y si A1 ∪ A2 ∪ =∪ Ai ∈ A entonces
i=1

⎡ ∞
⎤ ∞
P ⎢∪Ai ⎥ = ∑ P [ Ai ]
⎣ i =1 ⎦ i =1

En la definición de evento y espacio de eventos, se refirió que A no siempre puede ser

tomada como la colección de todos los subconjuntos de Ω . La razón es que para Ω
“suficientemente grandes”, A la colección o conjunto de todos los subconjuntos de Ω es
tan grande que es imposible definir una función de probabilidad consistente con sus
axiomas.

Propiedades de P [⋅] . Para cada uno de los siguientes teoremas, suponga que Ω y A
están dados y P [⋅] es una función de probabilidad con dominio A .

Teorema P [φ ] = 0

Demostración: Sea A1 = φ , A2 = φ , A3 = φ , , entonces por el axioma ( iii ) se tiene que

⎡ ⎤ ∞ ∞ ∞
P [φ ] = P ⎢∪Ai ⎥ = ∑ P [ Ai ] = ∑ P [φ ] lo cual es cierto si y sólo si P [φ ] = 0 .
⎣ i =1 ⎦ i =1 i =1

Teorema Si A1 , A2 , , An son eventos mutuamente excluyentes en A , entonces

n
P [ A1 ∪ A2 ∪ ∪ An ] = ∑ P [ Ai ]
i =1

n ∞
Demostración: Sea An +1 = φ , An + 2 = φ , An +3 = φ , entonces ∪Ai = ∪Ai ∈ A
i =1 i =1
y

⎡n ⎤ ⎡∞ ⎤ ∞ n ∞ n
P ⎢∪Ai ⎥ = P ⎢∪Ai ⎥ = ∑ P [ Ai ] = ∑ P [ Ai ] + ∑ P [ Ai ] = ∑ P [ Ai ] pues como ya se vio
⎣ i =1 ⎦ ⎣ i =1 ⎦ i =1 i =1 i = n +1 i =1
∞ ∞ ∞

∑ P [ A ] = ∑ P [φ ] = ∑ 0 = 0
i = n +1
i
i = n +1 i = n +1

Teorema Si A es un evento en A , entonces P [ A] = 1 − P ⎡⎣ A⎤⎦ .

Demostración: A∪ A = Ω y A ∩ A = φ , así que P [ Ω] = P ⎡⎣ A ∪ A⎤⎦ = P [ A] + P ⎡⎣ A⎤⎦ pero

P [ Ω ] = 1 a partir del axioma (ii) por consiguiente el resultado está demostrado.

Teorema Si A y B∈A, entonces P [ A] = P [ A ∩ B ] + P ⎡⎣ A ∩ B ⎤⎦ y

P [ A − B ] = P ⎡⎣ A ∩ B ⎤⎦ = P [ A] − P [ A ∩ B ] .

Demostración: A = ( A ∩ B) ∪ A ∩ B ( ) y (
( A ∩ B) ∩ A ∩ B = φ ; ) así que

P [ A] = P [ A ∩ B ] + P ⎡⎣ A ∩ B ⎤⎦ .

Teorema Para todo par de eventos A y B ∈ A , P [ A ∪ B ] = P [ A] + P [ B ] − P [ A ∩ B ] . Más

n
generalmente, para los eventos A1 , A2 , , An ∈ A P [ A1 ∪ A2 ∪ ∪ An ] = ∑ P [ Ai ]
i =1

− ∑∑ P ⎡⎣ Ai ∩ Aj ⎤⎦ + ∑∑∑ P ⎡⎣ Ai Aj Ak ⎤⎦ − + ( −1) n +1 P [ A1 A2 An ]
i j >i i j >i k > j
Demostración
A ∪ B = A ∪ AB y A ∩ AB = φ ; así que
P [ A ∪ B ] = P ⎡⎣ A ∪ AB ⎤⎦ = P [ A] + P ⎡⎣ AB ⎦⎤
= P [ A] + P [ B ] − P [ AB ]

La proposición más general se desarrolla por inducción.

Teorema Si A y B ∈ A y A ⊂ B , entonces P [ A] ≤ P [ B ] .

Demostración: B = BA ∪ B A y BA = A : así que B = A ∪ B A y A ∩ B A = φ , por lo tanto

P [ B ] = P [ A] + P ⎡⎣ B A⎤⎦ .
La conclusión se logra si se observa que P ⎡⎣ BA ⎤⎦ ≥ 0 .

Teorema (Desigualdad de Boole) Sí A1 , A2 , , An ∈ A , entonces

P [ A1 ∪ A2 ∪ ∪ An ] ≤ P [ A1 ] + P [ A2 ] + + P [ An ]

Demostración: Para n = 2 se tiene el resultado de un teorema anterior que plantea que

P [ A1 ∪ A2 ] = P [ A1 ] + P [ A2 ] − P [ A1 ∪ A2 ] ≤ P [ A1 ] + P [ A2 ]

La demostración se concluye si se utiliza la inducción matemática.

Definición. Espacio de probabilidad. Un espacio de probabilidad está dado por la tripleta

( Ω, A, P [⋅]) donde Ω es un espacio muestral, A es un álgebra de eventos y P [⋅] es una
función de probabilidad con dominio A .

Espacios muestrales finitos

Todo lo antes visto no capacita para calcular el valor de la probabilidad para un evento A ,
sino más bien permitirá modelar apropiadamente el experimento, esto se intentará hacer
para espacios muestrales finitos como los que se asocian generalmente a los juegos de
azar.

El enfoque clásico es generalmente adecuado para estos problemas, más sin embargo se
verá como el enfoque axiomático también es aplicable. Sea ω1 , ω2 , , ωN los N puntos
muestrales en un espacio muestral finito Ω . Suponga que la función conjunto P [⋅] con
dominio A el álgebra de eventos de Ω satisface las siguientes condiciones:

i) P [ω1 ] = P [ω2 ] = = P [ωN ]

ii) Si A es cualquier subconjunto de Ω el cual contiene N ( A)
N ( A)
puntos muestrales, entonces P [ A] = .
N

Se puede ver entonces que P [⋅] es una función conjunto que satisface los tres axiomas y
por lo tanto es una función de probabilidad.
Los problemas con espacios muestrales finitos generalmente se reducen a problemas de
conteo de los casos favorables y los casos posibles.

Ejemplo.
Experimento conceptual: Se lanzan dos dados o equivalentemente un dado se lanza dos
veces.

Ω = {( i1 , i2 ) | i j = 1, 2, , 6 y j=1, 2} 36 puntos muestrales.

A7 = {Evento en donde i1 + i2 = 7} = {(1,6 ) , ( 2,5) , ( 3, 4 ) , ( 4, 3) , ( 5, 2 ) , ( 6,1)}

N ( A7 )
así que N ( A7 ) = 6 y consecuentemente P [ A7 ] = similarmente P ⎡⎣ Aj ⎤⎦ se puede
N (Ω)
calcular para j = 2, 3, , 12 pues el número de eventos en cualquier caso puede ser
contado fácilmente.

En algunos casos el determinar N ( A) y N ( Ω ) puede convertirse en un problema de

conteo difícil. El cual puede facilitarse si se usan ciertas fórmulas de cálculo combinatorio,
algunas de las cuales se verán a continuación.

Considérese que el experimento, cualquiera que este sea, es tal que puede representarse
por una n − ada de valores registrados. Otro ejemplo, pudiera ser que si el experimento
fuera o consistiera de obtener una muestra de tamaño n , entonces la n − ada es
particularmente útil en registrar los resultados.

Un experimento clásico, muy a menudo usado y conocido generalmente como muestreo

aleatorio es el de las bolas y la urna o urnas. Se supone que se tienen M bolas, las cuales
son numeradas del número 1 hasta el M , dentro de una urna. El experimento consiste en
sacar una bola cada vez, hasta haber elegido n bolas. Hecho lo anterior se diría que se ha
elegido una muestra de tamaño n . La elección de una bola es hecha de tal forma que cada
que se va hacer “dicha” elección, las bolas contenidas en la urna todas tienen la misma
probabilidad de ser elegidas. Se dice que la bola ha sido seleccionada al azar. Dos formas
básicas de seleccionar la muestra de tamaño n son: a) con reemplazo y b) sin reemplazo.

En la selección de una muestra con reemplazo el tamaño de la muestra ( n ) puede ser tal
que n > M ; sin embargo en el caso sin reemplazo n no puede ser mayor que M ( n ≤ M ).
Una n − ada puede utilizarse para describir los resultados de un muestreo tal ( Z1 , Z 2 , , Z n )
con Z i valor de la bola elegida en la i − ésima selección u observación.

El número total de muestras de tamaño n que se pueden obtener de una urna con M
bolas “distinguibles” (1, 2, , M ) es:

i) M n si el muestreo es con reemplazo, y

ii) M ( M − 1)( M − 2 ) ( M − n + 1) si el muestreo es
hecho sin reemplazo.
Ejemplo: Una urna contiene M bolas numeradas del 1 al M . Las primeras K bolas están
defectuosas y las restantes no. Sea Ak el evento en el que al seleccionar una muestra de
tamaño n , existen en la muestra k bolas exactamente defectuosas. Hay dos formas de
seleccionar la muestra (i) con reemplazo y (ii) sin reemplazo, encuéntrese
N ( Ak )
P [ Ak ] = en cada caso de muestreo.
N (Ω)

Bajo (i) se tiene que N ( Ω ) está dado por M n . Por otro lado N ( Ak ) equivale a
⎛n⎞ k
⎜ ⎟ K (M − K )
n−k
por lo que la probabilidad en cuestión es el cociente de las dos
⎝k ⎠
expresiones anteriores, esto es:

⎛n⎞ k
⎜ ⎟ K (M − K )
n−k
n−k
⎛ n⎞⎛ K ⎞ ⎛
k
⎝ k⎠ K⎞
P [ Ak ]CR = = ⎜ ⎟ ⎜ ⎟ ⎜1 − ⎟
Mn ⎝ k ⎠⎝ M ⎠ ⎝ M ⎠

En el caso de sin reemplazo (ii) la cardinalidad del espacio muestral, esto es, N ( Ω ) está
dada por M ( n ) = M ( M − 1)( M − 2 ) ( M − n + 1) . Con relación al evento Ak se tiene que su
⎛n⎞
cardinalidad está dada por ⎜ ⎟ K ( k ) ( M − K )( n − k ) y consecuentemente la probabilidad del
⎝k ⎠
evento en cuestión será:

⎛n⎞ ⎛ K ⎞⎛ M − K ⎞
⎜ ⎟ K ( k ) ( M − K )( n − k ) ⎜ ⎟ ⎜ ⎟
n−k ⎠
=⎝ ⎠ = ⎝ ⎠⎝
k k
P [ Ak ]SR
M (n) ⎛M ⎞
⎜ ⎟
⎝n⎠

Ejemplo
Considérese una baraja de 52 cartas, esto es, “americana” ¿cuál sería la probabilidad de
que en una mano de 13 cartas, salieran 6 espadas?

A6 = {Eventos en que salen 6 espadas}

⎛13 ⎞ ⎛ 52 − 13 ⎞
⎜ ⎟⎜ ⎟
6 13 − 6 ⎠ 1716 ×15380937 2.639368 × 1010
P [ A6 ] = ⎝ ⎠ ⎝ = = = 0.041563975
⎛ 52 ⎞ 6.350135 ×1011 6.350135 ×1011
⎜ ⎟
⎝ 13 ⎠

Espacio muestral finito sin puntos igualmente probables

En este caso las cosas no son sencillas, pero se puede completamente definir o encontrar
la P [ A] para cada uno de los 2 N (Ω ) eventos contenidos en el espacio evento
correspondiente. Para ello es necesario que se especifiquen los valores P [⋅] para todos y
cada uno de los N = N ( Ω ) eventos elementales.

Sea Ω = {ω1 , ω2 , , ωN } y suponga que p j = P {ω j } para j = 1, 2, ,N.

Porque:

⎡N ⎤ N
1 = P [Ω ] = P ⎢∪ ω j ⎥ = ∑ P ⎡⎣ω j ⎤⎦
⎣ j =1 ⎦ j =1

entonces

∑p
i =1
j =1

Para cada evento A , defínase P [ A] = ∑ P ⎡⎣ω ⎤⎦ = ω∑ p

ω j ∈A
j j , obsérvese que la suma se realiza
j ∈A

sobre aquellos elementos ω j pertenecientes a A .

Puede demostrarse que en estas condiciones P [⋅] satisface los axiomas correspondientes
a una función de probabilidad.

Ejemplo.- Considérese un experimento que tiene N resultados elementales, esto es:

ω1 , ω2 , , ωN ; donde se sabe que el resultado ω j +1 es dos veces más probable que el
resultado ω j con j = 1, 2, , N − 1 ; esto es p j +1 = 2 * p j con pi = P ⎣⎡{ωi }⎦⎤ .

Se puede corroborar que lo anterior implica que p2 = 2 p1 , que p3 = 2 p2 = 2 ( 2 p1 ) = 4 p1 que

p4 = 2 p3 = 2 ( 2 p2 ) = 2 ( 2 ( 2 p1 ) ) = 8 p1 en general se tiene que p j = 2 j −1 p1 .

Encuéntrese P [ Ak ] donde Ak = {ω1 , ω2 , , ωk } .

Hace falta conocer cuánto vale p1 , por lo que considerando el segundo axioma de la
función conjunto de probabilidad se tiene que:

1 = P [ Ω ] = ∑ p j = ∑ 2 j −1 p1 = p1 (1 + 2 + 22 + + 2 N −1 )
N N

j =1 j =1

⎛ 2 −1 ⎞
N −1

⎟ = p1 ( 2 − 1)
N −1
= p1 ⎜
⎝ 2 −1 ⎠
 j −1
Lo que implica que p1 = 1 y en consecuencia p j = 2 por lo que
( 2 − 1)
N
(2 N
− 1)
k k
P [ Ak ] = ∑ p j = ∑ 2
j −1
=
(1 + 2 + 2
2
+ + 2k −1 )
=
(2 k
− 1)
,
j =1 j =1 ( 2 − 1)
N
(2 N
− 1) (2 N
− 1)

Se puede observar que si k = N la probabilidad de Ak vale 1 .