Conceptos básicos

Probabilidad

Perla Ruiz

August 16, 2021

Experimentos aleatorios
Lanzar un dado y observar que número tiene la cara que queda
hacia arriba.
Revolver muy bien las fichas boca abajo de un dominó, elegir una
al azar y observar cuál es la suma de los puntos en ella.
Escoger al azar un estudiante de la ESFM y preguntarle cuál es su
estatura en centı́metros.
En una carrera de tortugas, registrar el tiempo que tardó en llegar
a la meta la tortuga ganadora.
Experimentos deterministas
Extraer al azar una pelota de una urna que contiene 3 pelotas
blancas y observar su color.
Tomar el tiempo de duración de un recorrido de 350 km que se
realiza a una velocidad constante de 100 km/h.
Poner agua a calentar, en tu casa, y medir la temperatura a la que
comienza a hervir.
Espacios Muestrales
Los resultados de un experimento son presentados en un conjunto,
al cual se le conoce como espacio muestral, en donde cada
elemento es llamado punto muestral y corresponde a un posible
resultado.
Ejemplo 1
Considérese el experimento de lanzar volados sucesivamente hasta
que se obtenga por primera vez un sol seguido de dos águilas,
momento en el cual se termina el experimento.
 

 saa 

asaa ssaa

 


 

Ω = aasaa assaa sasaa sssaa


 aaasaa aassaa asasaa asssaa sassaa ssasaa ssssaa 

 . .. .. .. .. .. .. 

 .

. . . . . . .

Ejemplo 2

Se escoge al azar un punto dentro del cı́rculo unitario y se mide su

distancia al centro.
El resultado que arroja de este experimento es un número real en el
intervalo [0,1], ası́ el espacio muestral se puede escribir como:

Ω = {x ∈ R : 0 ≤ x ≤ 1}
Eventos
Los eventos son conjuntos de resultados de un experimento
aleatorio,es decir, subconjuntos del espacio muestral.
Ejemplo
Consideremos el resultado del experimento de girar una ruleta
americana.
Ω = {00, 0, 1, . . . , 36}
Las casillas que se observan en la imagen corresponden a eventos.
Ejemplo 2

Se gira la flecha de una ruleta y se observa el lugar en el que se

detiene la flecha.

Ω = {1, 2, 3, 4, 5, 6, 7, 8}
A : Se obtiene un número par

A = {2, 4, 6, 8}

B : Se obtiene un número primo

B = {2, 3, 5, 7}

C : Se obtiene un factor de 35

C = {5, 7}
Ejemplo 3
Se elige al azar un matrimonio de una cierta población y se le
pregunta cuántos hijos y cuántas hijas ha tenido.
Ω = {(h, m) : h, m ∈ {0, 1, 2, ...n}}
Algunos eventos relativos a este experimento
A :El matrimonio tiene 2 hijos y una hija
A = {(2, 1)}
B : Tiene menos hijos que hijas
B = {(h, m) : h < m}
C : Tiene una sólo hija
C = {(h, 1) : h ∈ {0, 1, ..., n}}
D : Tiene más de 4 hijos en total
D = {(h, m) : h + m ≥ 4}
Resultados favorables

I Diremos que ωi es un resultado favorable al evento A si

ωi ∈ A.
I Diremos que ocurre el evento A si el resultado del
experimento aleatorio es ωi favorable a A.
En el ejemplo anterior:
(2, 1) es el único resultado favorable a A
Cuando aparecen los resultados (2, 3) o (4, 4) se dice que ocurrió el
evento D.
También ocurre el evento B cuando se observa (2, 3) .
¿Cómo podrı́a describirse el evento

E = {(h, m) : 1 ≤ m} ?

Menciona algunos resultados favorables a E .

Ejemplo 4
Se eligen dos números al azar en el intervalo [0, 1].

Ω = {(x, y ) : x, y ∈ [0, 1]}

A : Ambos números son mayores que 12

  
1
A = (x, y ) : x, y ∈ ,1
2

1
B : La diferencia entre los números es menor que 3
 
1
B = (x, y ) : |x − y | <
3

C : Uno de los números es racional.

C = {(x, y ) : x ∈ Q o y ∈ Q}
2


El par 3, 1 es favorable a todos los eventos.
Operaciones entre eventos

Con los eventos se pueden realizar las mismas operaciones que se

realizan con los conjuntos:
I Para expresar eventos en términos de otros conocidos
I Para descubrir y aprovechar las relaciones que existen entre
ellos
Operaciones entre conjuntos

A ∪ B = {x ∈ Ω|x ∈ A o x ∈ B} Unión
A ∩ B = {x ∈ Ω|x ∈ A y x ∈ B} Intersección
c
A = {x ∈ Ω|x ∈
/ A} Complemento
c
A−B = A∩B Diferencia
Operaciones entre conjuntos
Sea {Ai }i∈N una colección de eventos,
[
Ai
i∈N
indica la ocurrencia de por lo menos uno de los eventos de la
colección \
Ai
i∈N
es el evento en el que se da la ocurrencia simultánea de todos los
eventos de la colección.
Propiedades de las operaciones

A∪B =B ∪A
Conmutatividad
A∩B =B ∩A
(A ∪ B) ∪ C = A ∪ (B ∪ C )
Asociatividad
(A ∩ B) ∩ C = A ∩ (B ∩ C )
(A ∩ B) ∪ C = (A ∪ C ) ∩ (B ∪ C )
Distributividad
(A ∪ B) ∩ C = (A ∩ C ) ∪ (B ∩ C )
Leyes de De Morgan

Dada una colección de eventos {Ai }∞

i=1

∞
! c ∞
[ \
Ai = Aci
i=i i=i
∞
!c ∞
\ [
Ai = Aci
i=i i=i

Relaciones entre conjuntos

A ⊂ B si cada resultado que es favorable a A es también favorable
a B, entonces se dice que A es subconjunto de B.
Dos eventos A y B son mutuamente excluyentes o ajenos si no
pueden ocurrir al mismo tiempo, esto es A ∩ B = ∅.
Eventos ajenos

Se dice que los eventos {Ai }ki=1 son ajenos, si para cualquier par de
eventos de la familia Ai y Aj , con i 6= j se tiene que Ai ∩ Aj = ∅.
Eventos definidos con operaciones
Sean A, B y C tres eventos. Escribe los siguientes eventos en
términos de A, B y C.
a) Sólo ocurre A

A ∩ B c ∩ C c = A ∩ (B ∪ C )c = A − (B ∪ C )

b) Ocurre al menos uno de los eventos A, B y C

A∪B ∪C

c) Ocurren al menos dos de los eventos

(A ∩ B) ∪ (A ∩ C ) ∪ (B ∩ C )

d) Ocurren A o C, pero no B

(A ∪ C ) ∩ B c = (A ∪ C ) − B = (A − B) ∪ (C − B)
Eventos definidos con operaciones

e) Ocurre a lo más uno de los eventos

[(A ∩ B) ∪ (A ∩ C ) ∪ (B ∩ C )]c
(A ∩ B c ∩ C c )∪(Ac ∩ B ∩ C c )∪(Ac ∩ B c ∩ C )∪(Ac ∩ B c ∩ C c )
f) Ocurren a lo más dos de los eventos

(A ∩ B ∩ C )c

g) Ocurren todos los eventos

A∩B ∩C

h) No ocurre ninguno de los eventos

Ac ∩ B c ∩ C c
Eventos definidos con operaciones

i) Ocurren exactamente dos de los eventos

[(A ∩ B) ∪ (A ∩ C ) ∪ (B ∩ C )] − (A ∩ B ∩ C )
Definición clásica de Probabilidad
La definición clásica de probabilidad y mide la facilidad con que
ocurre un evento E cualquiera
número de resultados favorables a E
P(E ) =
número de resultados posibles

Ejemplo
Una caja contiene 12 papeles en los que se escribieron los nombres
de los 12 meses del año, uno en cada papel. Se extrae un papel al
azar y se observa el mes que tiene escrito.

C : El nombre del mes comienza con la letra J

D : El nombre del mes contiene una R
E : El número de mes es impar
2 8 6
P(C ) = , P(D) = y P(E ) =
12 12 12
Probabilidad clásica

Se lanza una moneda dos veces, al caer sol se gana un peso y al

caer águila no se obtiene nada, considérense los eventos:
A1 : Ganar 1 peso
A2 : Ganar 2 pesos

Propuesta 1:

Ω1 = {dos águilas, dos soles, águila y sol}

1 1
Entonces P(A1 ) = 3 y P(A2 ) = 3

Propuesta 2:
Ω = {(a, a), (a, s), (s, a), (s, s)}
2 1 1
Donde se obtiene P(A1 ) = 4 = 2 y P(A2 ) = 4
Enfoques de probabilidad

Definición Clásica
Considerando Ω un espacio muestral finito y equiprobable
número de resultados equiprobablesfavorables a E
P(E ) =
número de resultados equiprobables posibles
cardinalidad de E C(E )
= =
cardinalidad de Ω C(Ω)
Modelo geométrico
En un segmento AB, se eligen al azar dos puntos y se hacen un
corte en cada uno de estos puntos ¿Cuál es la probabilidad de que
se pueda formar un triángulo con los tres segmentos resultantes?
Sea l la longitud del segmento AB, entonces

Ω = {(x1 , x2 ) : x1 , x2 ∈ [0, l]}

Supóngamos que x1 < x2 , entonces debe cumplirse

x1 + (x2 − x1 ) ≥ l − x2
x1 + (l − x2 ) ≥ x2 − x1
(x2 − x1 ) + (l − x2 ) ≥ x1

Ası́ que
l
2 ≤ x2
x1 + 2l ≥ x2
x1 ≤ 2l
Modelo geométrico
Cuando x1 > x2 , se obtiene
l
2 ≤ x1
l
x2 ≥ x1 − 2
x2 ≤ 2l

Entonces la probabilidad de que se forme un triángulo es

1 2
área favorable l 1
= 42 =
área total l 4
Enfoques de probabilidad

Definición Geométrica
Considerando Ω = R ⊂ Rn un espacio muestral equiprobable; cada
evento Er se identifica con una subregión r ⊂ R y la probabilidad
de Er se define como
medida de la región r
P (Er ) =
medida de la región total R
De acuerdo con la dimensión en que se trabaje la probabilidad se
obtendrá como
longitud de r área de r volumen de r
, o
longitud de R área de R volumen de R
Ejemplo

Durante la Segunda Guerra Mundial, John Kerrich, un danés

prisionero de guerra, echó 10 000 volados, obtuvo los siguientes
resultados.

Número de Número de Frecuencia

volados águilas relativa
10 4 0.400
50 25 0.500
100 44 0.440
500 255 0.510
1000 502 0.502
5000 2533 0.507
8000 4034 0.504
10000 5067 0.507
Enfoques de probabilidad

Definición Frecuencial
Al realizar una serie grande de repeticiones de un experimento
aleatorio y observar el número de veces en que ocurre un evento E ,
se tiene que
número de veces que ocurrió E
P(E ) ≈ fE =
número de repeticiones realizadas
Tabla de mortalidad de México
x : Edad.
lx : Número de personas vivas de edad x.
dx : Número de personas que mueren entre las edades x y x + 1.
q (x) : Probabilidad de morir entre las edades x y x + 1.
p (x) : Probabilidad de una persona de edad x de sobrevivir un año.

x lx dx q (x) p (x)
0 100,000 3579 3.58% 96.42%
1 96,421 415 0.43% 99.57%
2 96,006 213 0.22% 99.78%
3 95,793 146 0.15% 99,85%
4 95,647 117 0.12% 99.88%
5 95,530 89 0.09% 99.91%
6 95,441 68 0.07% 99.93%
7 95,373 53 0.06% 99.94%
8 95,320 43 0.05% 99.95%
9 95,277 39 0.04% 99.96%
10 95,238 39 0.04% 99.96%
Espacio discreto

Supóngamos que Ω = {ω1 , ω2 , ω3 , . . . } es numerable.

Si a cada ωi se le asigna un número pk = P ({ωk }) de manera que
∞
X
0 ≤ pk ≤ 1 y pk = 1.
k=1

Sea A = {ωi1 , ωi2 , . . . } ⊂ Ω un evento y sea IA al conjunto de

subı́ndices de los elementos de A, es decir

IA = {i1 , i2 , . . . }

Se define X X
P (A) = P ({ωi }) = pi .
i∈IA i∈IA
Ejemplo

Tres jugadores A, B y C juegan por turnos un juego. Primero

juega A contra B, después juega C con quien haya ganado el
primer juego, y ası́ sucesivamente hasta que un jugador gane dos
veces consecutivas. ¿Cuál es la probabilidad de que el ganador
final sea A?

Ω = {AA, ACC , ACBB, ACBAA, ACBACC . . .

BB, BCC , BCAA, BCABB, BCABCC . . .}

Sea GA el evento que indica que A es el ganador final

GA = {AA, ACBAA, ACBACBAA, ACBACBACBAA . . .

BCAA, BCABCAA, BCABCABCAA . . .}
Ejemplo
Vemos que una secuencia con k juegos tiene probabilidad
 k
11 1 1
P(J1 J2 · · · Jk ) = ··· =
22 2 2
Entonces
P(GA ) = P(AA) + P(ACBAA) + P(ACBACBAA) + · · ·
+P(BCAA) + P(BCABCAA) + P(BCABCABCAA) + · · ·
Ası́
∞  3k  2 ∞  3k  
X 1 1 X 1 1
P(GA ) = +
2 2 2 2
k=0 k=1
 2 X∞ ∞
1 k 1 X 1 k
     
1
= +
2 23 2 23
k=0 k=1
 2     
1 1 1 1 5
= + −1 =
2 1 − 1/8 2 1 − 1/8 14