TEORIA DE LA PROBABILIDAD:

Que es la probabilidad? Es la ciencia de la incertidumbre que nos proporciona una estructura de

razonamiento que nos permite trabajar con nuestros conocimientos limitados y con ello tomar
decisiones basadas en lo que sabemos y en lo que desconocemos.

Para que sirve la teoría de la probabilidad?

la teoría de la probabilidad nos permite comprender de forma más precisa la incertidumbre, lo

cual nos ayuda a hacer predicciones, tomar mejores decisiones y valorar los riesgos.

Modelos de probabilidad?

1. Se inicia con el espacio muestral, S , el cual es un conjunto que incluye todos los posibles
resultados de un experimento.
2. Un modelo de probabilidad requiere un conjunto de sucesos que son subconjuntos de S y
a los que se les puede asignar una probabilidad.
3. Lo más importante que necesita un modelo de probabilidad es una medida de la
probabilidad. Generalmente notada como P:
 Propiedades:
1. La probabilidad siempre debe ser un numero real no negativo
comprendido entre 0 y 1.
2. La probabilidad de que no ocurra nada siempre es 0, ya que es imposible
que no obtengamos respuestas.
3. La probabilidad de que ocurra algo siempre es 1, es decir que siempre
obtendremos una respuesta.
4. La probabilidad es aditiva, es decir que si hay varios sucesos y cada uno
tiene un valor de probabilidad, la suma de ellos, debe ser igual a 1.

Concepto de modelo de probabilidad: Resumiendo, podemos decir que un modelo de

probabilidad está constituido por un conjunto no vacío el cual se denomina espacio muestral y se
denota con S, un conjunto de sucesos que son subconjuntos de S y una medida de probabilidad P
que tiene un valor comprendido entre 0 y 1.

Para representar el espacio muestral y subconjuntos del mismo, resultan muy útiles los Diagramas
de Venn.

Propiedades de los modelos de probabilidad: Debido a la propiedad aditiva de las medidas de

probabilidad implica automáticamente ciertas propiedades básicas que se cumplen para cualquier
modelo de probabilidad.

 Teorema 1.3.1 (Ley de la probabilidad total, versión no condicionada) Sean A1, A2, . . .
sucesos que forman una partición del espacio muestral S y sea B un suceso cualquiera.
Entonces:

 Teorema 1.3.2 Sean A y B dos sucesos tales que A ᴐ B. Entonces

  Teorema 1.3.3 (Principio de inclusión-exclusión, versión para dos sucesos) Sean A y B dos
sucesos cualesquiera. Entonces se cumple

 Teorema 1.3.4 (Subaditividad) Sean A,,A), ... una secuencia finita o infinita enumerable de
sucesos no necesariamente disjuntos. En tal caso

Tipos de probabilidad:

Probabilidad uniforme en espacios finitos: Si el espacio muestral S es finito, una posible medida
de la probabilidad es la probabilidad uniforme, que asigna una probabilidad 1/|S| a cada
resultado, siendo |S| el número de elementos del espacio muestral S. Por aditividad se sigue que
para cualquier suceso A se tiene

A menudo los problemas que implican distribuciones uniformes en un espacio muestral finito
consisten en calcular los tamaños |A| y |S| de los conjuntos implicados, es decir, resulta necesario
contar (enumerar) exactamente el número de elementos de cada conjunto. La ciencia dedicada a
ello se denomina Combinatoria.

Probabilidad condicional: En general, dados dos sucesos A y B con P(B) > 0, la probabilidad
condicional de A dado B, expresada como P(A |B), representa la fracción de veces que ocurre A
sabiendo que ha ocurrido B. Su cálculo corresponde al cociente entre la probabilidad de que
ocurra A y B (ambos) y la probabilidad de que ocurra B.

Sucesos independientes: Un conjunto de sucesos A1,A2,A3,… son independientes si

Para cualquier subconjunto finito de sucesos distintos.

Evans, M., & Rosenthal, J. (2015). Modelos de probabilidad.

En Probabilidad y estadística : La ciencia de la
incertidumbre (págs. 19 - 52). Bogotá: Reverté. https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/46793?
page=19