TEMA 1 PROBABILIDAD

1.- FENÓMENOS DETERMINISTAS Y ALEATORIOS

2.- ESPACIO MUESTRAL

3.- SUCESOS Y OPERACIONES

4.- CONCEPTO DE PROBABILIDAD

5.- AXIOMAS DE KOLMOGOROV. CONSECUENCIAS

6.- PROBABILIDAD CONDICIONADA.

7.- PROBABILIDAD CONJUNTA. DEPENDENCIA E INDEPENDENCIA

DE SUCESOS

8.- TEOREMA DE BAYES

APENDICE: Cálculos combinatorios.

 TEMA PROBABILIDAD

La teoría de la probabilidad realiza una abstracción de los conceptos vistos en

Estadística Descriptiva (aplicables al estudio de una muestra) con el fin de extenderlos a la
población. Así, conceptos como la frecuencia relativa, media aritmética, distribución de
frecuencias se transforman en probabilidad, esperanza matemática o distribución de
probabilidad.

1.- FENÓMENOS DETERMINISTAS Y ALEATORIOS

Un fenómeno es determinista cuando al repetirse en las mismas condiciones se

obtiene siempre el mismo resultado. Ej.: Tiempo transcurrido desde que un mismo objeto
cae desde la misma altura, peso de un litro de agua en las mismas condiciones…

Un fenómeno aleatorio es aquel en el cual no puede predecirse el resultado porque

bajo las mismas condiciones puede dar lugar a resultados diferentes. Ej.: Lanzamiento de
un dado, número de personas que cogen el autobús en una hora, el peso de una persona
que mide 1.70 cm…

Son estos segundos fenómenos los que nosotros hemos de estudiar, ya que si en
algo se caracteriza el mundo económico y social es por la presencia de este tipo de sucesos
o acontecimientos, en los que hay una incertidumbre. La medida que cuantifica la
incertidumbre de un proceso aleatorio es precisamente la probabilidad.

2.- ESPACIO MUESTRAL

Es el conjunto de todos los posibles resultados de un experimento aleatorio o

también conjunto de todos los sucesos elementales, siendo un suceso elemental aquel que
no puede dividirse en otros más pequeños.

El espacio muestral se denomina Ω (ó E) y dependiendo de los resultados que

contenga se clasifican en:

Finito: Cuando el número de sucesos elementales es finito. Ej.; el lanzamiento de

un dado

Ω = 1,2,3,4,5,6

Infinito numerable: Es aquel en el que Ω tiene un número infinito de elementos,

pero que pueden ponerse en correspondencia biunívoca con los números naturales. Ej:
Número de personas que pasa por un sitio a una hora determinada

Ω = 1,2,3,……
…………………………………………………………………………………….Cristóbal Rojas Montoya 2
 Infinito no numerable: Cuando Ω tiene un número infinito de elementos y no se
puede poner en correspondencia biunívoca con los números naturales. Un ejemplo es la
elección de un número real entre 1 y 2.

Los dos primeros se corresponden con el campo de variación de las variables

discretas y el último con el de las variables continuas.

3.- SUCESOS Y OPERACIONES

Un suceso es un subconjunto del espacio muestral. Merecen mención especial el

suceso seguro (Ω) y el suceso imposible (∅).

Dos sucesos son iguales cuando todo suceso elemental de A lo es de B y viceversa.

Operaciones con sucesos

1. Unión: La unión de 2 sucesos A y B está formada por todos los elementos

que pertenecen a A o a B. Se cumple que A∪ Ω = y A∪ ∅ =A.

2. Intersección: La intersección de 2 sucesos A y B está formado por los

sucesos elementales que pertenecen a ambos. A ∩ Ω =A y A∩ ∅ = ∅ .

Si A ∩ B= ∅ A y B son incompatibles, disjuntos o mutuamente excluyentes.

3. Diferencia: La diferencia A-B está formada por todos los sucesos

elementales que pertenecen a A, pero no pertenecen a B.

A - B = A – (A ∩ B) = A ∩ B'

…………………………………………………………………………………….Cristóbal Rojas Montoya 3

 4. Complementario: El suceso complementario A´ es el formado por todos
los elementos que pertenecen a Ω, pero no pertenecen a A.

Se cumple que A∪ A´= Ω, A ∩ A´= ∅ y (A`)`= A

Estas operaciones cumplen una serie de propiedades:

Asociativa: (A ∪ B) ∪ C=A ∪ (B ∪ C) (A∩B)∩C=A∩(B∩C)

Conmutativa: A ∪ B=B ∪ A A∩B=B∩A

Idempotente: A ∪ A=A A∩A=A

Elemento neutro: Para la unión es A ∪ ∅ =A y para la intersección A ∩ Ω =A.

Distributiva: A∩(B ∪ C) = (A ∩ B) ∪ (A ∩ C)

A∪(B∩C) = (A∪B)∩(A∪C)

La unión y la intersección cumplen las leyes de Morgan:

1. (A ∪ B)´=A´∩ B´ y (A ∩ B)´=A´ ∪ B´

2. (∪ Ai)´= ∩ Ai´ y (∩ Ai)´= ∪ Ai´

Hay una clara correspondencia entre la teoría de conjunto y la teoría de sucesos:

CONJUNTOS PROBABILIDAD

Conjunto universal Suceso seguro o espacio muestral

Elemento Suceso elemental
Subconjunto Suceso
Unión de conjuntos Unión de sucesos
Conjunto vacío Suceso imposible
Conjunto complementario Suceso contrario
Conjuntos disjuntos Suceso incompatible o mutuamente excluyente

…………………………………………………………………………………….Cristóbal Rojas Montoya 4

 4.- CONCEPTO DE PROBABILIDAD

Hay distintas formas de calcular una probabilidad. Las más utilizadas son la clásica,
la frecuentista y la subjetiva.

Probabilidad clásica o de Laplace: Es aquella que se determina como el cociente

entre el número de casos favorables y el número de casos posibles.

Se necesita que el espacio muestral se divida en sucesos mutuamente excluyentes,

que sean todos ellos equiprobables y que el número de casos totales sea finito. Ej.:
lanzamiento de un dado, lanzamiento de una moneda…

Recibe también el nombre de probabilidad “a priori”, porque para su cálculo no se

necesita ningún tipo de experimentación, sino únicamente que no varíen las condiciones en
las que se realiza el experimento. Hay muchas ocasiones en que este tipo de probabilidad
no puede calcularse, lo que nos lleva a estudiar otras definiciones de probabilidad.

Probabilidad frecuentista: Asigna como probabilidad el límite de la frecuencia

relativa:
nA
p = lim N →∞ f A = lim N →∞ Esta concepción frecuentista se basa en la
N
experimentación por lo que recibe el nombre de probabilidad “a posteriori”. Ahora que todos
los sucesos sean igualmente probables, carece de importancia.

El cálculo de la probabilidad coincidirá de las dos formas vistas cuando los sucesos
sean igualmente probables. Es muy utilizado por los actuarios de seguros. Ej.: Probabilidad
de sufrir lesiones graves en un accidente.

Probabilidad subjetiva: Va asociada al grado de creencia personal que se tiene

sobre el acaecimiento de un determinado suceso. Ej.: un estudiante opina que la
probabilidad de aprobar una asignatura en la próxima convocatoria es del 70%.

5.- AXIOMAS DE KOLMOGOROV. CONSECUENCIAS

No hay una única forma para calcular la probabilidad, pero cada tipo de probabilidad
tiene que cumplir siempre unos axiomas, que se corresponden con las propiedades de la
frecuencia relativa. Son:

AXIOMAS PROBABILIDAD FRECUENCIA RELATIVA

1.- P(A) ≥ 0 f(x1)>=0

2.- P(Ω )=1 f(x1+…+xn)=1

∞ ∞
3.- P (∪ Ai ) =
I =1
∑ P( A ) A incompatibles
i =1
i i
f(x1+…+xn) = f(x1)+….f(xn)

…………………………………………………………………………………….Cristóbal Rojas Montoya 5

 De ellos surgen una serie de consecuencias:

1. P(∅)=0.

Demo: Ω = Ω ∪ ∅ Por ser Ω y ∅ incompatibles,

P(Ω ∪ ∅)=P(Ω )+P(∅)=P(Ω )=1

n n
2. P ( ∪ Ai ) =
I =1
∑ P( A )
i =1
i si Ai son incompatibles.

Demo: Sea A1,A2,…,An,An+1,… Si de An+1 en adelante son ∅ ,.

3. P(A)≤1

Demo: Ω =A ∪ A´ ⇒ P(Ω)=P(A)+P(A´)=1. Como P(A´) ≥ 0 ⇒ P (A) ≤1.

4. P(A)=1-P(A´)

Demo: P(Ω )=P(A)+P(A´) = 1 P(A)=1-P(A´).

5. Si A ⊂ B P(A) ≤ P(B)

Demo: Se descompone B en dos conjuntos disjuntos, que son A y BA´

B=A ∪ (B∩ A´) ⇒ P(B)=P(A)+P(B∩ A´) ⇒ P(B) ≥ P(A) pues P(B∩ A´)≥ 0.

6. Teorema de la adición:. P(A ∪ B)=P(A)+P(B)-P(A ∩ B). Aquí A y B no son

disjuntos. Para infinitos sucesos:

 n  n
P  Ai  = ∑ P( Ai ) − ∑ P (Ai ∩ A j ) + ..... + (− 1) P( A1 ∩ A2 ∩...∩ An )
n +1

 i =1  i =1 i< j

6.- PROBABILIDAD CONDICIONADA.

La probabilidad condicionada de un suceso se produce cuando se sabe que

previamente ha ocurrido otro. Se representa mediante ( )
P A B , siendo B el suceso

condicionante y A el condicionado. El condicionante aporta una información que hace reducir

el espacio muestral.

Se calcula:

( B ) = P(PA(∩B )B )
PA PB( A) = P(PA(∩A)B )
Ha de cumplirse ( A ∩ B ) ≠ ∅.

…………………………………………………………………………………….Cristóbal Rojas Montoya 6

 Ejemplo: Sea A = Obtener un 2 en el lanzamiento de un dado y
B = Obtener un número par al lanzar el dado.

P(A) = 1/6 Ω ≡ 1,2,3,4,5,6

PA ( B ) = P(PA(∩B )B ) = 1 / 6 3 / 6 = 1 / 3 Ω/B ≡ 2,4,6

Obsérvese como el espacio muestral se ha reducido cuando existe

un condicionante

La probabilidad condicionada tiene que cumplir los axiomas de Kolmolgorov.

1. ( )
P AB ≥ 0

P( A ∩ B) ≥ 0
Demo: ( )
P AB =
P( B) ≥ 0
≥0

2. ( )
P ΩB =1

P( Ω ∩ B) P( B)
Demo: ( )
P ΩB =
P( B)
=
P( B)
=1

∪ Ai 
3. P  Ai
B  = ∑ P

B

( ) ( )
Demo: Partimos de que ∪ Ai ∩ B = ∪ Ai ∩ B por la propiedad distributiva,

entonces se cumple que:

P
(
∪ Ai  P ( ∪ Ai ) ∩ B )
P ∪ ( Ai ∩ B) (ΣP( Ai ∩ B) )
=∑
P( Ai ∩ B)
= ∑ P i
A 
B = P( B)
=
P( B)
=
P( B) P( B) B

La probabilidad condicionada puede extenderse a más de dos sucesos:

P
A1  P( A1 ∩ A2 ∩ A3 ) P
A1 ∩ A2  P( A1 ∩ A2 ∩ A3 )
A2 ∩ A3  = P( A ∩ A ) A3  = P( A )
2 3 3

7.- PROBABILIDAD CONJUNTA. DEPENDENCIA E INDEPENDENCIA DE

SUCESOS

La probabilidad conjunta entre dos sucesos es P( A ∩ B ) .

Como: PA( B ) = P(PA(∩B )B )

Entonces:

…………………………………………………………………………………….Cristóbal Rojas Montoya 7

 Por tanto, la probabilidad conjunta es el producto de la condicionada por la del
condicionante.

Ejemplo: Sea A = Obtener un 2 en el lanzamiento de un dado y B =

Obtener un número par al lanzar el dado (ejemplo anterior).

( B )⋅ P(B ) = 13 12 = P(B A)⋅ P( A) = 1 16 = 16

P( A ∩ B ) = P A

Dos sucesos son independientes si:

 P ( A / B ) = P ( A)
P ( A ∩ B ) = P ( A)P (B ) 
→  .
 P ( B / A) = P( B )

Por tanto si son independientes

( B ) = P ( A)
PA y PB( A) = P (B )
Esto significa que el condicionante no aporta información acerca de la realización del
suceso condicionado y por tanto no se modifica el espacio muestral.

Ejemplo: Sea O = suceso sacar una carta de oros en una baraja de 48

cartas.

Sea P = sacar una carta par en la misma baraja.

El suceso P(O/P) = 6/24 = 1/4 = P(O) ⇒ Por lo que ambos sucesos

son independientes.

Ejemplo: Una urna contiene 8 bolas blancas y 4 negras. Calcule la

probabilidad de que al extraer 3 bolas, las dos primeras bolas sean blancas y
la tercera negra.

a) Sin reemplazamiento

P (B1 ∩ B2 ∩ N 3 ) = P (B1 )P (B2 / B1 )P (N 3 / B1 ∩ B2 ) =

8 7 4
(dependencia)
12 11 10

b) Con reemplazamiento

P(B1 ∩ B2 ∩ N 3 ) = P(B1 )P(B2 )P( N 3 ) =

8 8 4
(independencia)
12 12 12

Para que tres sucesos sean independientes ha de cumplirse:

…………………………………………………………………………………….Cristóbal Rojas Montoya 8

 P ( A1 ∩ A2 ∩ A3 ) = P ( A1 )P ( A2 )P ( A3 )

y además que sean independientes 2 a 2. Esto es:

P( A1 ∩ B2 ) = P( A1 )P(B2 )
P( A1 ∩ B3 ) = P( A1 )P(B3 )

P( A2 ∩ B3 ) = P( A2 )P(B3 )

Para que n sucesos sean independientes, han de cumplirse la independencia 2 a 2, 3

a 3….y de los n conjuntamente.

La probabilidad conjunta para n sucesos es:

P( A1 ∩ A2 ∩ ... ∩ An ) = P( A1 )P 2 A  P 3 A ∩ A  ... P n A ∩ A ∩ ... ∩ A 

A A A
1 2 1 1 2 n −1

La demostración se hace por inducción haciéndolo para A11 para A22 y así hasta n,
donde nos da la expresión general.

Si los sucesos independientes fueran independientes, se cumple:

P( A1 ∩ A2 ∩...∩ An ) = P( A1 )P( A2 ).........P( An )

8.- TEOREMA DE BAYES

Es un caso particular de probabilidad condicionada en el que el condicionante es una

probabilidad total, ya que este suceso condicionante (B) puede aparecer de n formas
distintas incompatibles entre si, es decir B es una partición.

El espacio muestral Ω se presenta de n formas distintas A1,A2….An,, incompatibles

entre si: ∪Ai = Ω Ai∩Aj = ∅ para ∀ i, j

El suceso condicionante B, puede presentarse con cualquiera de las modalidades Ai

B = (A1∩B) ∪ (A2∩B) ∪…. ∪ (An∩B)

…………………………………………………………………………………….Cristóbal Rojas Montoya 9
 Este teorema de Bayes calcula la probabilidad de que suceda Ai sabiendo que ha
sucedido B:

P B  P( Ai )
P( Ai ∩ B ) P( Ai ∩ B )  Ai 
P i  =
A
= =
 B P( B ) ∑ P( Ai ∩ B) ∑ P B Ai  P( Ai )

Ejemplo: Una compañía financiera para la venta de automóviles a plazos opera

en tres regiones A, B y C. El 50% de las operaciones las realiza en A, el 40% en
B y el 10% en C. Se ha estimado el tanto por ciento de los clientes que no pagan
las letras en cada una de las regiones. Para la región A es el 1%, para la B el 2%
y para la C el 8%. Sabiendo que la compañía financiera ha recibido una letra
impagada, calcule la probabilidad de que proceda del país A.
Solución:
A = Venta realizada en el país A
B = Venta realizada en el país B
C = Venta realizada en el país C
NL = No pagar letra de la venta

P(A) = 0,50 P(NL/A) = 0.01

P(B) = 0,40 P(NL/B) = 0.02
P(C) = 0,10 P(NL/C) = 0.08
P ( A ∩ NL) P ( NL / A)P ( A)
P( A / NL) = = =
P ( NL) P ( NL / A)P ( A) + P ( NL / B )P ( B ) + P ( NL / C )P (C )
0.01x0.05
= = 0..021
0.01x0.5 + 0.02 x0.4 + 0.08 x0.1
Puede comprobar que : P(A/NL) + P(B/NL) + P(C/NL) = 1

…………………………………………………………………………………….Cristóbal Rojas Montoya 10

 APENDICE: Combinatoria

El recuento del número de casos favorables y posibles en un experimento aleatorio

se facilita con técnicas de recuento.

Si el orden interviene son variaciones y si no son combinaciones.

Dos variaciones son diferentes si cambian los elementos o su orden.

Dos combinaciones son diferentes si cambian los elementos.

Cuando los elementos no pueden repetirse:

Las variaciones de n elementos de m en m son:

n!
Vnm = .
( n − m) !
Si n=m entonces tenemos permutaciones de n elementos y es

P n = Vnn = n ! .

Las combinaciones de n elementos de m en m son:

Vnm n!
C =
m
=
Pm m! ( n − m )!
n

Los números combinatorios cumplen:

 n  n  n  n   n  n 
  =   =1   = =n   = 
 0  n  1  n − 1  r   n − r

Cuando los elementos pueden repetirse:

r
Variaciones: VR n = nr

n!
Permutaciones: Pnα ,β ,...γ =
α! β !....γ !

 n + m − 1
Combinaciones CRnm = C nm+ m −1 =  
 m 

…………………………………………………………………………………….Cristóbal Rojas Montoya 11