Nociones Bsicas de Probabilidad

La teora de probabilidades trata con experimentos aleatorios, es decir, con

experimentos cuyo resultado no podemos prever de antemano (experimento: modo de
obtener observaciones; para Toranzos los acontecimientos aleatorios se caracterizan
porque admiten dos o ms resultados posibles, y no tenemos elementos de juicio
suficientes para predecir cul de ellos ocurrir en una determinada realizacin).
Puntualmente deben cumplirse tres condiciones: no se puede predecir el resultado; se
conocen todos los resultados posibles; el experimento se puede repetir sin cambiar
esencialmente las condiciones. Las condiciones anteriores, o sea lo que se llama
experimento aleatorio, son comunes a todos los juegos de azar, que fueron los que
dieron origen a la Teora de la Probabilidad. Esto se debi a que en los aos 1650 era
comn en la sociedad francesa dedicarse a tales pasatiempos. De aquella poca surgen
las primeras inquietudes sobre el tema, por iniciativa del caballero De Mr,
reconocido como jugador empedernido, quien hizo consultas al matemtico y filsofo
Blaise Pascal.

A todo experimento aleatorio le asociamos un conjunto llamado espacio

muestral tal que representa todos los posibles resultados asociados al experimento:
={w1, w2, w3,., wn,.} donde a cada wk se les llama sucesos elementales.
Para un experimento aleatorio cualquiera ser de inters primordial considerar conjuntos
de resultados, esto es, subconjuntos del espacio muestral. Entonces, si lo vemos desde
una perspectiva algebraica, siendo el espacio muestral cada wk es un elemento del
mismo y un conjunto de ellos lo denominamos suceso; cada suceso es uno de esos
posibles resultados que esperamos se puedan presentar en el experimento. Un suceso
entonces verifica la propiedad wk A (por eso el suceso nulo y todo el conjunto
tambin son sucesos).
As visto, podemos enumerar una serie de operaciones y relaciones para sucesos:

Inclusin: Se dice que un suceso A est contenido en otro B, si cualquier suceso

elemental de A lo est en B: A B si para todo w A tambin w B.

Igualdad: Dos sucesos son iguales si se verifica la doble inclusin entre ellos. A=B si A
B y .B A.

Unin (A B): El suceso unin est formado por la agrupacin de los sucesos
elementales de A y B. Es el suceso que ocurre si ocurre al menos uno de los sucesos A ,
B. A B = {w : w A w B}
Esquemticamente:

A B
Interseccin (A B): El suceso interseccin de dos est formado por los sucesos
elementales comunes a ambos sucesos. Es el suceso que ocurre si y slo si ocurren
ambos sucesos. A B = AB = {w : w A y w B}
Esquemticamente:
AB

A B

En particular, si A B = , diremos que A y B son sucesos mutuamente

excluyentes / disjuntos / incompatibles.

Complementario: El suceso complementario de A lo forman los elementos del espacio

muestral que no pertenecen al suceso A. Ac = {w : w no A}

Diferencia: El suceso diferencia de dos sucesos A y B lo forman los elementos de A no

comunes con B. A-B = {w : w A y w no B} = A Bc = ABc
Diferencia Simtrica: La diferencia simtrica de dos sucesos lo forman los sucesos
elementales no comunes de ambos. AB = (AB) - AB = (ABc) (AcB) = ABc
AcB

Todas estas relaciones y operaciones son extensibles a dos o ms sucesos.

Existen algunas leyes/propiedades interesantes que relacionan las operaciones

vistas arriba:
CONMUTATIVAS
AB=BA
AB=BA

ASOCIATIVAS
(A B) C = A (B C) = A B C
(A B) C = A (B C) = A B C

DISTRIBUTIVAS
(A B) C = (A C) (B C)
(A B) C = (A C) (B C)

LEYES DE DE MORGAN
(A B)c = Ac Bc
(A B)c = Ac Bc

Probabilidad
 A lo largo de la historia, son varias las definiciones de probabilidad que se han
intentado dar; la ms clsica e intuitiva es la de Laplace.

Probabilidad Clsica (o de Laplace): supongamos que nos ofrecen comprar una rifa y
nos dicen que slo se vendern una cantidad n de rifas; entonces a priori, diramos que
nuestra probabilidad/chance de ganar es de: la cantidad de rifas que compremos sobre
las rifas totales. Esta definicin bsica es la de Laplace. Era mayormente usada en los
juegos de azar: por ejemplo para saber la probabilidad de que saliera tal nmero al
lanzar un nmero x de dados, o asimismo en los juegos de cartas.
Formalicmosla un poco ms: dado un acontecimiento aleatorio E, tal que: a) el
nmero de total de contingencias de E sea finito e igual a n (casos posibles), b) sea S
una propiedad que se refiera a las contingencias de E y respecto de la cual estas
contingencias pueden agruparse en dos clases, la primera formada por las m de entre
ellas que tienen la propiedad S, y la otra formada por las n-m restantes, que no la tienen,
a las m primeras las llamaremos casos favorables, c) hay elementos de juicio suficientes
para afirmar que todos los n son casos igualmente posibles, entendiendo que dos casos
son igualmente posibles cuando no hay razn para suponer que uno de ellos pueda
producirse con preferencia al otro, d) los n casos posibles son, entre ellos, excluyentes,
es decir que no pueden producirse dos de ellos simultneamente, e) los n casos cubren la
totalidad de las contingencias de E. Si se cumplen todas las anteriores, es posible definir
un nmero P(S) llamado probabilidad de S en E tal que P(S) = m/n. Segn las propias
palabras de Laplace: Probabilidad es el cociente del nmero de casos favorables sobre
el nmero de casos igualmente posibles.
Entendamos que la definicin de Laplace slo es aplicable a
experimentos con sucesos equiprobables, lo cual nos conduce a una tautologa. Adems
no puede ser utilizada cuando trabajamos con casos donde la variable toma valores
continuos (no puntuales). An as, podemos rescatar algunas observaciones:
1) 0 P(S) 1, cualquiera sea el suceso S
2) Si tenemos dos sucesos excluyentes A y B, entonces P(A B) = P(A) + P(B)
3) P(E)=1 y P()=0

Probabilidad Frecuencial (Von Mises): se trata de definir la probabilidad partiendo del

concepto emprico que resulta al contar el nmero M de casos favorables producidos en
N pruebas. El cociente M/N es la frecuencia relativa, y la probabilidad es el valor lmite
hacia el cual tiende ese cociente a medida que vamos incrementando la cantidad de
pruebas. El valor hacia el cual tiende esta frecuencia es el mismo que si usramos la
definicin clsica de probabilidad; a tal comportamiento de las frecuencias relativas se
lo conoce con el nombre de estabilidad de las frecuencias relativas, o se dice tambin
que el experimento aleatorio tiene regularidad estadstica

Definicin Axiomtica de Probabilidad (Kolmogorov): Sea un espacio muestral

asociado a un experimento aleatorio; una aplicacin que a cada suceso A le asigna un
nmero real P(A) entre cero y uno es una probabilidad, si se verifican los siguientes
axiomas:
1- P(A) 0
2- P() = 1
3- Si A y B son sucesos incompatibles, entonces P(A B) = P(A) + P(B)
 4- Si A1 , A2 , ... , An , ... son sucesos mutuamente excluyentes (Ai Aj = i

j) entonces: P( A i ) = P(A i )
i =1 i =1

De estos cuatro axiomas se deducen varias propiedades:

1) P()=0; por el axioma IV.
2) P(Ac) = 1 P(A). Supongamos que =AAc, entonces
P()=P(AAc)=P(A)+P(Ac)=1
3) Teorema de la Probabilidad Total: P(A B) = P(A) + P(B) - P(A B).
4) Si A B, entonces P(A) P(B). Podemos escribir B=AC siendo C el
complementario de A respecto de B, como C es disjunto respecto de A resulta
que P(B) = P(A) + P(C) y como P(C)0 entonces resulta P(A) P(B).
5) Si A , entonces P(A) 1.

Probabilidad Condicional

Dado un acontecimiento aleatorio al que corresponde el espacio muestral .

Consideremos los eventos A y B de tales que A B. Deseamos estudiar la
probabilidad de que ocurra A, bajo la condicin que haya ocurrido B. A esto llamamos
la probabilidad condicional de A respecto a B. Vayamos a un ejemplo concreto:
supongamos que queremos saber la probabilidad de que al tirar un dado salga el nmero
A=6, sabiendo que ha salido un nmero par; sabemos que la probabilidad ya no va a ser
1/6 ya que el posible resultado estar contenido en el conjunto B={2;4;6}, entonces la
probabilidad es 1/3 (aplicamos probabilidad clsica). Formalicmoslo:
Usaremos la notacin P(A|B) que leemos probabilidad de A si B. Para
determinar esta probabilidad debemos considerar la probabilidad de A dentro del
conjunto B, es decir: P(A|B)=P(A) / P(B). La definicin se puede extender al caso en
que no sea necesariamente A B. Entonces debemos considerar en el numerador la
parte de A comn con B, es decir A B; resulta por lo tanto: P(A|B) = P(AB) / P(B).
Por simetra se puede decir que P(B|A)=P(BA)/P(A). Adems se puede mostrar
que P(A|B) cumple con los axiomas para definir una probabilidad. Tener en cuenta que
P(B) debe ser mayor a 0.
Al calcular una probabilidad condicional pueden darse tres posibles situaciones,
que dan lugar a tres posibles interpretaciones:
a) P(A|B) P(A), entonces B informa positivamente sobre A
b) P(A|B) P(A), entonces B informa negativamente sobre A
c) P(A|B) = P(A), entonces B es independiente de A. Dos sucesos A y B son
independientes si la ocurrencia de uno de ellos no influye en la ocurrencia del
otro.

Si de la frmula de probabilidad condicional despejamos la probabilidad de la

interseccin de A y B, obtenemos la llamada Regla del Producto: P(AB) = P(B) P(A|B).
Entonces la probabilidad de la ocurrencia simultnea de A y B es igual a la probabilidad
de que ocurra B por la probabilidad de que ocurra A habiendo ocurrido B. Esta frmula
tiene especial utilidad cuando los sucesos ocurren de forma secuencial en el tiempo, de
modo que el resultado de un suceso depende del resultado obtenido por el suceso
anterior. La nocin es aplicable tambin al caso de ms de dos sucesos.
 De la regla del producto podemos derivar que si A y B son independientes,
entonces P(AB) = P(A) P(B). En forma general, un nmero k de sucesos son
independientes si su probabilidad conjunta es igual a la multiplicatoria de sus
probabilidades marginales. Adems, tenemos las siguientes propiedades:
Si A y B son sucesos independientes, se verifica que:
1) A es independiente de Bc. P(Bc|A)=1-P(B|A)=1-P(B)=P(Bc)
2) Ac es independiente de B. P(Ac|B)=1-P(A|B)=1-P(A)=P(Ac)
c c
3) A es independiente de B .

Probabilidad de las Causas. Teorema de Bayes

El siguiente teorema permite obtener la probabilidad de un suceso cuando se

conocen las probabilidades condicionadas de dicho suceso por medio de un conjunto de
sucesos de sucesos que forman una particin (teorema de las probabilidades totales).
Concretamente, consideremos un acontecimiento A y supongamos, por hiptesis, que
para que se produzca A es indispensable que se haya producido tambin una y slo uno
de los acontecimientos excluyentes: B1, B2,.., Bn. El teorema de Bayes busca
responder a la pregunta: suponiendo que se haya realizado A cul es la probabilidad de
que lo haya sido conjuntamente con algn Bi?
Supongamos que conocidas las P(Bi) y las P(A|Bi); se desea calcular las P(Bi|A).
Por la frmula de la probabilidad compuesta sabemos que P(AB i) = P(Bi) P(A|Bi) =
P(A) P(Bi|A). [1]
De la segunda igualdad sale: P(Bi|A) = P(ABi) / P(A), [2]
y sustituyendo en ella P(A) = P(ABi)
Tenemos: P(Bi|A) = P(ABi) / P(ABi) [3]
Y reemplazando las distintas P(ABi) en [3] por su equivalente P(Bi) P(A|Bi), segn [1]
resulta finalmente: P(Bi|A) = P(Bi) P(A|Bi) / P(A|Bi) P(Bi), que es la frmula de
Bayes.

Clculo Combinatorio

Para calcular las probabilidades de varios eventos es necesario contar el nmero

de resultados posibles de un experimento, o contar el nmero de resultados que don
favorables a un evento dado. El proceso de conteo puede simplificarse mediante el
empleo de algunas tcnicas (variaciones, permutaciones, combinaciones).

Variaciones (sin repeticiones): se aplicar para contar la cantidad de grupos de m

elementos elegidos entre n elementos con la condicin de que un grupo difiere de otro
por tener algn elemento distinto o por diferir en el orden. Pensemos... para el primer
elemento tenemos disponibles los n del grupo original.. Para el segundo elemento, que
no puede ser igual al primero, hay entonces n-1 posibilidades, para el tercero hay n-2
posibilidades, y as siguiendo llegamos a: n (n - 1) (n - 2) ... (n - (m - 1)) = n (n - 1) (n -
2) ... (n -m + 1) = n ! / (n - m )!

n!
Vn ; m =
(n - m)!
Variaciones (con repeticiones): supongamos que tenemos un conjunto C={2,3,6} y
queremos saber cuntos nmeros de 4 cifras puedo formar con estos 3 nmeros. En el
primer lugar tenemos 3 posibilidades, y en el segundo y sucesivos tambin tenemos 3
posibilidades porque podemos repetir cada elemento del conjunto, entonces tenemos:
3x3x3x3=34. O sea:
Vn ; m = nm

Permutaciones (sin repeticiones): una permutacin es un arreglo de un orden particular,

de los objetos que forman un conjunto, o sea que dos grupos difieren entre s slo por
diferir en el orden. Imaginemos que tenemos un conjunto Z={a,b,c}, y queremos ver
cuntas formas de ordenarlo tenemos: para la primera posicin tenemos 3 opciones,
para la segunda 2 (perdimos un nmero en el paso anterior), y para la ltima slo 1;
entonces tenemos 3x2x1=6=3!
Al nmero resultante se lo llama: permutaciones de n elementos, que notaremos:
Pn , dado por:
Pn = n!

Permutaciones (con repeticiones): partimos de las permutaciones de los n elementos del

grupo, esto es, de los n! grupos que difieren entre s slo en el orden, lo que hay que
corregir por el hecho de que al permutar elementos iguales, no cambia el grupo, por lo
tanto, si en el grupo de m elementos hay una cantidad m 1 de elementos iguales, el
nmero de grupos estar dado por:
Pn n!
P'n ; m = =
1 Pm m1 !
1

Combinaciones: una combinacin de los objetos de un conjunto es una seleccin de

stos sin importar el orden; se entender por el nmero de combinaciones de m objetos
tomados de un conjunto que contiene a n de stos, al nmero total de selecciones
distintas en las que cada una de stas contiene m objetos. Puede obtenerse el nmero de
combinaciones de n objetos tomando m a la vez, dividiendo el correspondiente nmero
de permutaciones por m! dado que en cada combinacin existen m! permutaciones. Por
lo tanto:

n

Vn ; m n!
Cn ; m = = =
Pm (n - m ) ! m !

m
Ejercicios para testear los conocimientos adquiridos

1) Un artculo defectuoso es clasificado en tres categoras: A defectos que permiten

venderlo al 70% del valor de venta , B con defectos que permiten venderlo al 30%,
C: defectos que implican descarte. Si un 75% de la produccin carece de defectos,
mientras que la probabilidad para la clase A de defectos es del 15% y el 7% para la
clase B, cul es la probabilidad de que un artculo sea de descarte?

2) Consideremos un test que detecta pacientes enfermos de un tipo especfico de

enfermedad. La deteccin corresponde a que el test de positivo. El resultado de un test
negativo se interpreta como no deteccin de enfermedad.
Sea
A1: el evento el paciente seleccionado no tiene la enfermedad
A2: el evento el paciente seleccionado tiene la enfermedad
Entonces {A1, A2} constituye una particin del espacio de probabilidad
Consideremos adems
T+: el evento el test da positivo
T: el evento el test da negativo
Supongamos conocidas las probabilidades de ser sano o enfermo antes
de hacer el test (probabilidades a priori).
P (A1) = 0,99; P (A2) = 0,01.
Adems supongamos que P (T+|A1) = 0,001; P (T+|A2) = 0,999
Calculemos la probabilidad de que dado que el test detecta enfermedad el paciente sea
efectivamente enfermo (esta probabilidad se denomina probabilidad a posteriori).

3) Para el pedido de tres programadores en lenguaje C, se presentaron 40 licenciados

en computacin y 10 ingenieros de distintas especialidades. Si se van a entrevistar a
doce personas elegidas al azar, cul es la probabilidad de que por lo menos sea
entrevistado un ingeniero?

Rtas:
1) = 0.03
2) = 0.91
3) 0.95