A
As, una -lgebra es una coleccin no vaca de eventos del espacio mues-
tral O, cerrada bajo las operaciones de complemento y de uniones innitas
numerables, donde los elementos de A son eventos de inters del experimento
aleatorio. Entonces, una -lgebra es una estructura que permite agrupar, de
manera selectiva, aquellos eventos cuya probabilidad interesa obtener.
Es evidente que una o-lgebra de eventos es una lgebra de eventos. La
diferencia entre una lgebra y una -lgebra radica en que la primera es una co-
leccin cerrada bajo uniones nitas mientras que la segunda es una coleccin
cerrada bajo uniones innitas numerables.
MEDIDA DE PROBABILIDAD
120
i j i j
A , A A A e e e A A A
i j i j
A , A A A e e e A A A
n
i i
i 1
A , i 1,2,...,n A
=
e = e
A A
n
i i
i 1
A , i 1,2,...,n A
=
e = e
A A
, | Oe e A A
De manera general, una o-lgebra es la estructura matemtico sobre los que
se pueden denir probabilidades de los eventos del espacio muestral O. En el
caso nito, las o-lgebras son lgebras, porque no hay uniones innitas.
A un conjunto cualquiera no vaco
C _ O
, se le pueden asociar varias
-lgebras: desde la mxima o-lgebra que contiene al conjunto C, que co-
rresponde al conjunto potencia de O, hasta la mnima o-lgebra que contiene
a ese conjunto C.
Si O es un espacio muestral cualquiera no vaco, la coleccin
{ }
1
, | = O A
es la mnima o-lgebra que se le puede asociar a O, con cardinal 2; la coleccin
{ }
c
2
, A, A , | = O A tambin es una o-lgebra que se le puede asociar a O, con
cardinal 4; la coleccin
{ }
c c c c
3
, A,B, A ,B , A B, A B , , si A B | | = O = A
tambin es una o-lgebra que se le puede asociar a O, con cardinal 8; y as,
sucesivamente.
Las propiedades de las lgebras y las o-lgebras se reeren a las operacio-
nes de unin, interseccin y complemento, que son precisamente las requeri-
das para establecer los eventos.
Un evento A, como conjunto de puntos muestrales, es un subconjunto del
espacio muestral O: A _ O y al mismo tiempo, es un elemento de la o-lgebra
A: AeA, y en esto se debe distinguir claramente el uso adecuado de los sm-
bolos de continencia y pertenencia, respectivamente.
Si el espacio muestral O es nito, su cardinal es n, y su mxima o-lgebra
A es el llamado conjunto potencia, cuyo cardinal es 2
n
.
Si el espacio muestral O es innito numerable, su cardinal es el nmero
transnito
0
, y su mxima o-lgebra A estara constituida por un nmero
innito
0
2
de eventos.
Si el espacio muestral O es continuo, contenido en el conjunto de los n-
meros reales: Oe, su cardinal es el nmero transnito
1
, y su mxima
o-lgebra A estara constituida por un nmero innito
1
2
de eventos.
Ntese que las tres colecciones anteriores asociadas al espacio muestral O,
efectivamente cumplen con las tres condiciones de la denicin de o-lgebra.
Una o-lgebra tambin cumple con las cuatro siguientes condiciones:
SIGMA-LGEBRA
12
| eA
1 2 3 i
i 1
A , A , A ,... A
=
e e
A A
A,B A B e e A A
( ) ( ) A,B A B B A e e A A
La interseccin de dos o-lgebras A
1
y A
2
asociadas a un evento C cual-
quiera, tambin es un o-lgebra asociado al evento C; la interseccin puede
ser nita, numerable o arbitraria. Evidentemente una o-lgebra interseccin es
ms pequea que las dos colecciones intersectadas:
1 2 1 2
, _ A A A A
Sigma-lgebra generada
Si C es una coleccin no vaca de eventos de O, la -lgebra generada por
C, denotada por (C), es la coleccin: ( )
C A
C o
_
= A
,
que es la interseccin de todas aquellas -lgebras que contienen a C y, por ende,
tambin es una -lgebra, es la mnima generada por C, porque es la -lgebra
ms pequea que contiene a la coleccin C: ( ) C C o _ _ A A
La o-lgebra mnima contiene al menos a la coleccin C, a su complemento
C
c
, al espacio muestral O y al conjunto vaco |.
Las -lgebras generadas tienen dos propiedades que resultan muy tiles en
la prctica:
a) La o-lgebra generada de una o-lgebra A es la o-lgebra A: ( ) o = A A
b) Si C
1
y C
2
son dos colecciones de subconjuntos de O, tales que la prime-
ra est contenida en la segunda:
1 2
C C _
, entonces ( ) ( )
1 2
C C o o _ .
Ejemplo 1.43. MOTORES. Considerando que x, y, z y w son las variables
binarias 0, 1, que indican el funcionamiento respectivo del primero, segundo,
tercero y cuarto motores de un avin, si el experimento consiste en observar el
funcionamiento de los cuatro motores sobre un tablero e interesa el evento A
que no falle ningn motor, determine la o-lgebra generada por A y calcule
su cardinal asociado.
El espacio muestral es:
El evento de inters es: A = {(0,0,0,0)}
La o-lgebra generada por A es: ( ) { }
c
A , A, A , o | = O , donde
c
A A = O
y el cardinal de o(A) es 4.
Ejemplo 1.44. CONMUTADOR. Si n representa el nmero de llamadas que
entran al conmutador en un minuto e interesa el evento B, que entren ms
de 10 llamadas, determine la o-lgebra generado por B y calcule su cardinal
asociado.
El espacio muestral es:
{ } 0,1,2,3,... O =
El evento de inters es:
{ } { } B n 10 11,12,13,... = > =
La o-lgebra generada por B es: ( ) { }
c
B ,B,B , o | = O , donde
{ }
c
B 0,1,2,...,10 = y el cardinal de o(B) es 4.
MEDIDA DE PROBABILIDAD
122
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
0,0,0,0 , 1,0,0,0 , 0,1,0,0 , 0,0,1,0 ,
0,0,0,1 , 1,1,0,0, , 1,0,1,0 , 1,0,0,1 ,
0,1,1,0 , 0,1,0,1 , 0,0,1,1 , 1,1,1,0 ,
1,1,0,1 , 1,0,1,1 , 0,1,1,1 , 1,1,1,1
O =
`
)
Ejemplo 1.45. FUTBOL. Considere el experimento consistente en observar
si el Atlante gana, empata o pierde su prximo partido; determine la o-lgebra
asociada a esa coleccin de tres resultados y calcule su cardinal asociado.
El espacio muestral es:
{ } { } gana,empata,pierde g,e, p O = =
Los eventos de inters son: {g}, {e}y {p}
La o-lgebra generada por esta coleccin de eventos es:
{ } { } { } ( ) { } { } { } { } { } { } { } { }
g , e , p , g , e , p , g,e , g, p , e, p , g,e, p o | =
y su cardinal es 8.
En virtud de que aqu interesan los tres posibles resultados del experimento,
la o-lgebra generada por esa coleccin de 3 eventos, corresponde al conjunto
potencia de O, con cardinal 2
3
= 8, porque el nmero de elementos de O es 3.
Si se denen los eventos:
{ } { } { } G g , E e , P p = = =
y sus complementos:
{ } { } { } { } { } { } { } { } { }
G e p , E g p , P g e = = =
; entonces la o-lgebra
puede expresarse como:
{ }
,G,E,P,G,E,P, | = O A , donde A satisface las tres
condiciones:
a)
OeA
; en efecto: { } g,e, p O = eA
b) Si
i i
A A e e A A; en efecto: { } { } y G g G e, p = e = e A A
c) Si
i i
i
A , i A
e e A A
; en efecto:
{ } { } { } y G g , E e G E g,e = e = e = e A A A
{ } { } { } y G g , P p G P g, p = e = e = e A A A
{ } { } { } y E e , P p E P e, p = e = e = e A A A
{ } { } { } { } y G g , E e , P p G E P g,e, p = e = e = e = e A A A A
Sigma-lgebra de Borel
Se le llama -lgebra de Borel de y se le denota por
( ) B a la mnima
-lgebra generada por la coleccin de todos los intervalos abiertos (a,b) de ,
en donde a b s :
Los elementos de ( ) B se conocen como borelianos o conjuntos de Borel,
que al estar denidos en son puntos aislados e intervalos abiertos y cerra-
dos, obtenidos a travs de uniones e intersecciones nitas o innitas numera-
bles, as como por complementos.
Para cualesquiera nmeros reales a b s , los intervalos | | ( ) a,b , a,b ,
| ) ( | | ) | ) ( | ( | ( ) ( ) ( ) ( ) { } { } a,b , a,b , a, , b, , ,a , ,b , a, , b, , ,a , ,b , a , b
son conjuntos borelianos, todos ellos elementos del o-lgebra de Borel.
La o-lgebra de Borel de se puede denir, de manera equivalente, como
la mnima -lgebra generada por la gran coleccin de todos los subconjuntos
abiertos de
.
SIGMA-LGEBRA
12
{ } { } y E e E g, p = e = e A A
{ } { } y P p P g,e = e = e A A
( ) ( ) { }
a,b | a b o = _ s B
Es posible considerar tambin la -lgebra de Borel restringida a un seg-
mento de los nmeros reales; si se toma un segmento
( ) AeB , la -lgebra
de Borel generada por A y denotada por B(A), se dene como:
El concepto de -lgebra de Borel se puede generalizar a n dimensiones.
En el caso bidimensional se considera la coleccin C de todas los rectngulos
abiertos de
2
:
( ) ( ) { }
C a,b c,d | a b,c d = s s ; los borelianos de
2
son
los elementos de la o-lgebra mnima generada por la coleccin C:
Ejemplo 1.46. VIGA. Considere una viga libremente apoyada de 10 m de
longitud, sometida a una carga concentrada que vara entre 1000 y 2000 kg y
que puede estar colocada en cualquier punto a lo largo de la viga. Determine
la sigma-lgebra para el experimento consistente en observar las reacciones en
los apoyos, cuando
a b
R R s
El espacio muestral es:
El evento de inters es:
( ) { }
a b a b
H R ,R | R R = s , el cual se puede expresar
como:
( ) { }
a b a b a b
H R ,R | 0 R 1000,0 R 2000,500 R R 2000 = s s s s s + s
La o-lgebra mnima generada por H es una o-lgebra de Borel restringida
a una regin del plano que forma parte de todos los subconjuntos abiertos de
2
: ( ) ( ) ( ) ( )
2
o = B B B
Espacio probabilizable
Un espacio probabilizable es una pareja (O, A), donde O es el espacio
muestral ligado al experimento aleatorio y A es una o-lgebra sobre O, que
constituye un sistema de subconjuntos de O.
De manera ms general, un espacio probabilizable es un espacio medible,
sobre el que se va a medir probabilidad, y los eventos del espacio muestral O,
pertenecientes a la familia A, son los conjuntos medibles.
Funcin de conjunto
Una funcin de conjunto es una regla de correspondencia m : A que
asigna un nmero real me a cada conjunto A
i
de una determinada colec-
cin A. Esta denicin se formaliza a travs de dos condiciones que debe
cumplir la funcin de conjunto:
a) La imagen del conjunto vaco debe ser el cero: ( )
m 0 | =
b) Las imgenes de los conjuntos deben ser aditivas. La imagen de la unin
nita de conjuntos disjuntos pertenecientes al dominio de denicin de la fun-
cin, ser igual a la suma de las imgenes individuales de esos conjuntos:
MEDIDA DE PROBABILIDAD
1.4.2
FUNCIN
PROBABILIDAD
124
( ) ( ) ( ) { }
A A A B | B = = e B B B
( ) ( ) ( ) ( ) ( )
2
C o o = = B B B
( ) { }
a b a b a b
R ,R | 0 R 2000,0 R 2000,1000 R R 2000 O = s s s s s + s
( )
n n
i i i j
i 1 i 1
m A m A , A A , i j |
= =
| |
= = =
|
\ .
Ntese que una funcin de conjunto es diferente de una funcin tpica del
clculo, que se dene en una regin del espacio n-dimensional:
n
f
D _ ; el
dominio de denicin de una funcin de conjunto, en cambio, es una colec-
cin A de subconjuntos de un conjunto marco X, tal que a cada subconjunto
i i
A X, A _ eA le corresponde un nmero real.
Si la propiedad de aditividad se generaliza a colecciones innitas numera-
bles de conjuntos, entonces la funcin se denomina sigma-aditiva.
Una funcin de conjunto sigma-aditiva, se denomina medida de conjunto,
si tal funcin asigna un nmero real no negativo a los subconjuntos A
i
del con-
junto dado X: ( )
i i
m A 0, A > .
La nocin intuitiva de todo esto se puede visualizar de manera muy sencilla
a travs de una analoga; una coleccin de guras geomtricas cerradas, se
toma como una coleccin de subconjuntos de un conjunto ms general, que
corresponde al plano; si a cada gura se le asocia su rea, o a cada subconjunto
se le asocia un nmero, entonces esas reas o esos nmeros cumplen con las
propiedades exigidas a una medida de conjunto; la ms distintiva es la propie-
dad de aditividad, que en la analoga corresponde a la posibilidad de sumar
las reas de las guras, descontando los traslapes o intersecciones, cuando los
haya.
Espacio probabilstico
Un espacio de medida es una terna (X, A, m), donde X es un conjunto cual-
quiera, A es una o-lgebra sobre X y m es una medida denida en A.
Un espacio probabilstico es una terna (O, A, P) donde O es el espacio
muestral ligado al experimento aleatorio, A es el conjunto de partes de O, de-
nominada o-lgebra, y P es una funcin, denominada medida de probabilidad,
denida de la o-lgebra A al conjunto de los nmeros reales en el intervalo
[0,1]. Para que una medida de conjunto sea una probabilidad, lo nico que se
necesita es que la medida del conjunto completo O sea uno.
FUNCIN DE PROBABILIDAD
12
( )
i i i j
i 1 i 1
m A m A , A A , i j |
= =
| |
= = =
|
\ .
Funcin probabilidad
La probabilidad es una funcin de conjunto que asigna un nmero real entre
0 y 1, a cada uno de los subconjuntos del espacio muestral O, pertenecientes a
la o-lgebra A. Es una medida que parte de una o-lgebra A de eventos de un
espacio muestral O y llega al intervalo real [0,1].
El dominio de la medida de probabilidad P es la o-lgebra A, constituida
por todos los subconjuntos del espacio muestral O; el codominio de P es el eje
real y el recorrido de P es el intervalo [0,1].
La funcin probabilidad debe cumplir tres condiciones, denominados axio-
mas de probabilidad. Si A
1
, A
2
,, A
i
, subconjuntos del espacio muestral O.
Axioma de no negatividad
La imagen de cualquier evento A
i
, bajo P, es un nmero real no negativo:
____ (1.27)
Axioma de normatividad
La imagen del evento seguro O o espacio muestral es uno:
____ (1.28)
Axioma de sigma-aditividad
La imagen de eventos mutuamente exclusivos, bajo P, es la suma de las
imgenes de los eventos individuales, bajo P:
___ (1.29)
En lenguaje llano, los axiomas de Kolmogorov se pueden expresar como:
1. La probabilidad de todo evento debe ser no negativa
2. Si un evento ocurre con certeza, entonces su probabilidad es uno.
3. La probabilidad de un evento que es la unin de dos eventos mutuamente
exclusivos es la suma de las probabilidades individuales de esos dos eventos:
Ntese que ste fue el segundo teorema fundamental de la probabilidad.
Esta propiedad aditiva de la probabilidad se satisface para cualquier nmero
nito de eventos disjuntos o incompatibles y, como propiedad sigma-aditiva,
para cualquier sucesin innita de eventos disjuntos.
La eleccin de estas premisas por parte de Kolmogorov no es casual. No
hay duda alguna de que l desarroll la teora de la probabilidad tomando
como base la teora de la medida; pero la motivacin estuvo en las propieda-
des de la frecuencia relativa: una fraccin que est comprendida entre cero y
uno; cero para el evento imposible y uno para el evento seguro, y la aditividad
cuando los eventos son mutuamente exclusivos.
En lugar de stos axiomas, se pudieron haber elegido los tres teoremas fun-
damentales de la probabilidad, que en la prctica, de verdad lo fueron durante
casi 300 aos, pues la axiomatizacin de la probabilidad data apenas de 1933.
MEDIDA DE PROBABILIDAD
126
( )
i
P A 0 >
( )
n n i j
n 1 n 1
P A P A A A , i j |
= =
(
= = =
(
( ) P S 1 =
( ) ( ) ( ) P A B P A P B , A B | = + + =
Lo que es un hecho es que, una vez establecidas esas premisas, la probabi-
lidad adquiri un carcter universal permanente, encontrando en el poder de
la lgica, combinado con el de la intuicin, una fuerza de expansin ilimitada.
La probabilidad promueve un desarrollo matemtico riguroso y no se atiene
a la estadstica, inherentemente incierta; sin embargo, confronta los modelos
idealizados de la probabilidad pura, con los resultados empricos de la realidad
imperfecta.
El espacio muestral O es la unin de todos los eventos simples:
{ }
i
i
e
O =
Los eventos simples son mutuamente exclusivos:
i j
e e , i j | = =
Por el tercer axioma: ( )
i i
i i
P e P e ;
| |
=
|
\ .
y por el segundo: ( ) P S 1 =
Entonces, el tercer axioma implica que el segundo pueda escribirse como:
La base axiomtica de probabilidad creada por Kolmogorov constituye el
modelo terico sobre el se trabaja; cuando entramos en el dominio del modelo,
inevitablemente nos separamos, al menos temporalmente, de la realidad del
fenmeno que pretendemos representar con el modelo.
En todo caso, sea cual sea el criterio de asignacin de probabilidades que
se adopte: clsico, frecuentista o subjetivo, la condicin indispensable es que
tal asignacin cumpla con los tres axiomas de probabilidad, que no dependen
de la forma en la que hayan sido asignadas las probabilidades. Si retomamos
la analoga de las reas de guras geomtricas, nos percatamos fcilmente que
la forma en que sean calculadas, no inuye en el concepto de rea; de manera
similar, la forma en que hayamos asignado las probabilidades de los eventos,
no incide en la nocin de probabilidad.
Con el enfoque axiomtico, a la probabilidad se le atribuye un carcter abs-
tracto, sin signicado, a sabiendas que la probabilidad se puede percibir desde
las perspectivas del jugador, del estadstico, del experto y del neto.
Desde punto de vista del jugador, la discriminacin de casos igualmente
verosmiles, resulta un tanto articial, tan pronto se reconoci que la proba-
bilidad a priori puede ser corroborada empricamente. En los casos en que el
experimento puede repetirse indenidamente, el recurso bsico es la frecuen-
cia relativa. En experimentos no repetitivos, quienes asignan probabilidades de
manera subjetiva, solo pueden esperar a que se realice y recibir retroalimenta-
cin de lo que realmente aconteci.
Si la frecuencia relativa de un evento, luego de realizar muchas pruebas,
resulta de 0.467, al ser confrontada con la probabilidad del evento de 0.5, pos-
tulada a priori, esta aproximacin es indicativa de cercana y conduce a una
hiptesis: las frecuencias de un mismo evento aleatorio, en series numerosas
de pruebas, empricamente dieren poco unas de otras, agrupndose la mayo-
ra en torno de un valor central, que es la probabilidad del evento.
Aunque otra vez se recurre a la frecuencia relativa como medida experi-
mental para calcular aproximadamente la probabilidad, ahora ya no se est
aplicando una denicin de probabilidad basada en la teora, sino que se trata
de una hiptesis, posterior a la formulacin de la teora, que permite vericar
los postulados de la teora con los resultados de la observacin.
FUNCIN DE PROBABILIDAD
12
( )
i
i
P e 1
(
= +
, y por el axioma de
no negatividad:
( )
P A B 0 >
Por lo tanto:
( ) ( ) P A A B P A
(
>
, que es lo mismo que:
( ) ( ) P B P A > . En
resumen: ( ) ( ) A B P A P B _ s
____ (1.35)
Otro resultado inmediato que se desprende del anterior es el siguiente:
( ) ( ) ( ) _ =
____ (1.35)
La implicacin prctica de este resultado es que cuando ocurre el evento A,
de manera automtica ocurre el evento B, por lo que el evento B es al menos
tan probable como lo es el evento A.
Ley de adicin de probabilidades
Sean los eventos A y B mutuamente exclusivos o no. Consideremos los
eventos
0 0
A A B B A B = = y
( )
0
A A A B = , por ende: ( ) ( )
0
P A P A A B = (
;
pero
( )
0
A A B | = y por el axioma de aditividad:
( ) ( ) ( )
0 0
= + (
, por ende:
( ) ( ) ( )
0
P A P A P A B =
( )
0
B B A B = , por ende:
( ) ( )
0
P B P B A B = (
;
MEDIDA DE PROBABILIDAD
132
pero
( )
0
B A B | = y por el axioma de aditividad:
( ) ( ) ( )
0 0
P B A B P B P A B = + (
, por ende:
( ) ( ) ( )
0
P B P B P A B =
( )
0 0
A B A B A B = por lo que:
( ) ( )
0 0
P A B P A B A B = (
pero
( ) ( )
0 0 0 0
A B , A A B , B A B | | | = = = , y por el axioma de
aditividad: ( ) ( ) ( ) ( ) ( )
0 0 0 0
P A B P A B A B P A P B P A B = = + + (
;
sustituyendo: ( ) ( ) ( ) ( ) ( ) ( ) P A B P A P A B P B P A B P A B = + +
obteniendo:
( ) ( ) ( ) ( ) P A B P A P B P A B = + ____ (1.36)
Este resultado se conoce como ley de adicin de probabilidades, la cual
establece que la probabilidad de ocurrencia de al menos uno de dos eventos es
la suma de sus probabilidades individuales menos la probabilidad de su ocu-
rrencia conjunta. Es evidente que cuando los eventos A y B son mutuamente
exclusivos, la ley de adicin de probabilidades se traduce en el tercer axioma
de probabilidad.
Cardano fue el primero en expresar intuitivamente este resultado, en trmi-
nos de casos, en vez de probabilidades. Jacob Bernoulli se percat de que la
probabilidad de la unin no era la suma de las probabilidades cuando los even-
tos no son mutuamente exclusivos, pero no supo explicar el por qu. Quien
formul el teorema de adicin de probabilidades fue Thomas Bayes, en su obra
pstuma de 1763, distinguiendo el caso de los eventos no disjuntos, a los que
l llam inconsistentes.
La ley de adicin de probabilidades generaliza fcilmente por induccin
matemtica. Dados los eventos A
1
, A
2
, A
n
, la probabilidad de su unin es:
( ) ( ) ( ) ( )
n n
i i i j i j l 1 2 n
i 1 i j n i j l n i 1
P A P A P A A P A A A ... P A A ... A
= < < < < < =
| |
= +
|
\ .
(+), si n es par; (), si n es impar.
Para n = 1:
( ) ( ) ( )
1 1
i i 1 1
i 1 i 1
P A P A ; P A P A
= =
| |
= =
|
\ .
Para n = 2:
( ) ( ) ( ) ( ) ( ) ( )
2 2
i i i j 1 2 1 2 1 2
i 1 i j 2 i 1
P A P A P A A ; P A A P A P A P A A
= < < =
| |
= + = +
|
\ .
Para n = k: considerando k par y suponiendo cierto que:
( ) ( ) ( ) ( )
k k
i i i j i j l 1 2 k
i 1 i j k i j l k i 1
P A P A P A A P A A A ... P A A ... A
= < < < < < =
| |
= +
|
\ .
Para n = k + 1: (k + 1 resulta impar)
( )
k 1 k k k
i i k 1 i k 1 i k 1
i 1 i 1 i 1 i 1
P A P A A P A P A P A A
+
+ + +
= = = =
( ( | | | | | | | |
= = +
( ( | | | |
\ . \ . \ . \ .
( ) ( )
k k
i k 1 i k 1
i 1 i 1
P A P A P A A
+ +
= =
| | (
= +
| (
\ .
( ) ( ) ( ) ( )
k k
i k 1 i k 1 i j k 1 1 2 k 1
i 1 i j k i 1
P A A P A A P A A A ... P A A ... A
+ + + +
= < < =
(
= +
(
PROBABILIDADES DE EVENTOS
1
Sustituyendo ( ) y
k k
i i k 1
i 1 i 1
P A P A A
+
= =
| | (
| (
\ .
por sus respectivos desarrollos:
( ) ( ) ( ) ( )
k 1 k
i i i j i j l 1 2 k
i 1 i j k i j l k i 1
P A P A P A A P A A A ... P A A ... A
+
= < < < < < =
| |
= + +
|
\ .
( ) ( ) ( ) ( )
k
k 1 i k 1 i j k 1 1 2 k 1
i 1 i j k
P A P A A P A A A ... P A A ... A
+ + + +
= < <
(
+ +
(
( ) ( ) ( ) ( )
k 1 k k
i i k 1 i j i k 1
i 1 i j k i 1 i 1
P A P A P A P A A P A A
+
+ +
= < < = =
| |
= + +
|
\ .
( ) ( ) ( )
i j l i j k 1 1 2 k
i j l k i j k
P A A A P A A A ... P A A ... A
+
< < < < <
+ + +
( ) ( ) ( ) ( )
k 1 k 1
i i i j i j l 1 2 k 1
i 1 i j k 1 i j l k 1 i 1
P A P A P A A P A A A ... P A A ... A
+ +
+
= < < + < < < + =
| |
= + +
|
\ .
A manera de ejemplo, considere ley de adicin de probabilidades para tres
eventos cualesquiera A, B y C:
( ) ( ) ( ) ( ) ( ) ( ) P A B C P A P B P C P A B P A C = + +
( ) ( ) P B C P A B C +
Desigualdad de Boole
Cuando los eventos son mutuamente exclusivos: A B | = , la probabilidad
conjunta es nula: ( ) ( ) P A B P 0 | = = y la expresin (1.36) se reduce al axioma
de aditividad: ( ) ( ) ( ) P A B P A P B = +
En todo caso, por el axioma de no negatividad:
( ) P A B 0 > , por lo que la
ley de adicin de probabilidades verica la inecuacin conocida como desigual-
dad de Boole: ( ) ( ) ( ) P A B P A P B s +
____ (1.37)
Obviamente, tambin se cumple la desigualdad de Boole, en su forma gene-
ralizada:
( )
n n
i i
i 1 i 1
P A P A
= =
| |
s
|
\ .
Ejemplo 1.50. SERVICIOS DE TELECOMUNICACIONES. Los usuarios
de la compaa Telex tienen contratado adems del servicio de telefona local,
algunos otros servicios: 9 de cada 20 usuarios tienen cobertura ilimitada en
llamadas de larga distancia nacional (N), 1 de cada 4 tienen cobertura ilimitada
en llamadas de larga distancia a nivel mundial (M), 3 de cada 10 cuentan con
conexin a Internet de banda ancha (I) y 1 de cada 5 cuentan con seal de tele-
visin satelital (T). No hay usuarios con seal de televisin que no cuenten con
larga distancia; el 12% tienen seal de televisin y larga distancia nacional, el
20% tiene Internet, pero no seal de televisin, el 23% no tiene larga distancia
ni Internet, el 5% cuenta con larga distancia mundial, televisin satelital, pero
no Internet y el 7% tiene larga distancia mundial e Internet, pero no seal de
televisin.
MEDIDA DE PROBABILIDAD
134
Sean los eventos: { } ( ) larga distancia nacional N , P N 9 / 20 0.45 = = =
{ } ( ) larga distancia mundial M , P M 1/ 4 0.25 = = =
{ } ( ) Internet de banda ancha I , P I 3 / 10 0.30 = = =
{ } ( ) televisin satelital T , P T 1/ 5 0.20 = = =
Si se elige un usuario al azar, cul es la probabilidad de que:
a) no tenga servicio de larga distancia
( ) ( ) ( ) ( ) ( ) ( ) P L 1 P L ; P L P N M P N P M 0.45 0.25 0.70 = = = + = + =
( )
P L 1 0.70 0.30 = =
b) tenga larga distancia pero no Internet
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P I L ?, I I L I L , P I P I L I L P I L P I L
(
= = = = +
( ) ( ) ( ) ( ) ( )
P I 1 P I 1 0.30 0.70; P I L P I P I L 0.70 0.23 0.47 = = = = = =
c) tenga al menos uno de los servicios
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P I L T P I P L P T P I L P I T P L T P I L T = + + +
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P I L ?, L I L I L , P L P I L I L P I L P I L
(
= = = = +
( ) ( ) ( )
P I L P L P I L 0.70 0.47 0.23 = = =
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P I T ?, I I T I T , P I P I T I T P I T P I T
(
= = = = +
( ) ( ) ( )
P I T P I P I T 0.30 0.20 0.10 = = =
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P L T ? T L T L T , P T P L T L T P L T P L T
(
= = = = +
( ) ( ) ( )
P L T P T P L T 0.20 0 0.20 = = =
( ) ( ) ( ) ( ) ( ) ( )
P I L T ? I T I L T I L T , P I T P I L T I L T
(
= = =
( ) ( ) ( ) ( ) ( ) ( )
P I T P I L T P I L T , P I L T P I T P I L T 0.10 0 0.10 = + = = =
( ) P I L T 0.30 0.70 0.20 0.23 0.10 0.20 0.10 0.77 = + + + =
d) no tenga ninguno de los servicios
( ) ( ) ( ) P I L T P I L T 1 P I L T 1 0.77 0.23 = = = =
PROBABILIDADES DE EVENTOS
1
e) solo tenga larga distancia
( ) ( ) ( ) ( ) ( ) ( )
P I L T ? I T I L T I L T , P I T P I L T I L T
(
= = =
( ) ( ) ( ) ( ) ( ) ( )
P I T P I L T P I L T , P I L T P I T P I L T = + =
( ) ( ) ( ) ( ) ( ) ( ) ( ) P I T P I T 1 P I T , P I T P I P T P I T 0.30 0.20 0.10 0.40 = = = + = + =
( ) ( )
P I T 1 0.40 0.60, P I L T 0.60 0.23 0.37 = = = =
f) tenga larga distancia nacional e Internet, pero no seal de televisin
( ) ( ) ( ) ( )
P I N T ? I T I N T I M T I L T = =
( ) ( ) ( ) ( ) ( ) ( ) ( )
P I T P I N T I M T I L T P I N T P I M T P I L T
(
= = + +
( ) ( ) ( ) ( ) ( ) ( )
P I N T P I T P I M T P I L T , L T I L T I L T = =
( ) ( ) ( ) ( ) ( )
P L T P I L T I L T P I L T P I L T
(
= = +
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P I L T P L T P I L T , L L T L T , P L P L T L T
(
= = =
( ) ( ) ( ) ( ) ( ) ( )
P L P L T P L T , P L T P L P L T 0.30 0 0.30 = + = = =
) ( )
I L T 0.30 0.23 0.07, P I N T 0.20 0.07 0.07 0. = = = =
g) solo tenga larga distancia mundial
( ) ( ) ( ) ( ) ( ) ( )
P I M T ? I L T I N T I M T , P I L T P I N T I M T
(
= = =
( ) ( ) ( ) ( ) ( ) ( )
P I L T P I N T P I M T , P I M T P I L T P I N T = + =
( ) ( ) ( ) ( ) ( ) ( )
P I N T ? N T I N T I N T , P N T P I N T I N T
(
= = =
( ) ( ) ( ) ( ) ( ) ( )
P N T P I N T P I N T , P I N T P N T P I N T = + =
( ) ( ) ( ) ( ) ( ) ( ) ( )
N N T N T , P N P N T N T P N T P N T
(
= = = +
( ) ( ) ( ) ( )
P N T P N P N T 0.45 0.12 0.33, P I N T 0.33 0.06 0.27 = = = = =
( )
P I M T 0.37 0.27 0.10 = =
Ejemplo 1.51. DEFECTUOSOS. En una muestra de 200 tornillos producidos
por la fbrica Tor hubo 7 con defectos en la cuerda, 11 con dimensiones fuera
de tolerancia, y de estos dos conjuntos, hubo 5 con ambos defectos. Si se elige
un tornillo aleatoriamente, calcule la probabilidad de que:
MEDIDA DE PROBABILIDAD
136
Sean los eventos: { } defecto en cuerda C =
{ } dimensiones fuera de tolerancia F =
a) tenga ambas clases de defectos
( )
( ) N C F
5
P C F 0.025
N 200
= = =
b) est defectuoso
( ) ( ) ( ) ( )
( ) ( ) ( ) N C N C N C F
P C F P C P F P C F
N N N
= + = +
7 11 5 13
0.065
200 200 200 200
= + = =
c) no tenga defecto alguno
( ) ( )
( ) P C F P C F 1 P C F 1 0.065 0.935 = = = =
Ejemplo 1.52. ROS CONTAMINADOS. El ro Papaloapan se alimenta de
los ros Santo Domingo y Valle Nacional; a su vez, los auentes del Santo
Domingo son los ros Grande y Salado, como se aprecia en el esquema de la
gura. Las probabilidades de que estn contaminados los ros Grande, Salado
y Valle Nacional son 1/6, 1/5 y 1/4, respectivamente y se supone que los com-
portamientos de los ros Grande y Salado son independientes, al igual que los
de los ros Valle Nacional y Santo Domingo.
Se pide determinar la probabilidad de que el ro Papaloapan est contami-
nado.
PROBABILIDADES DE EVENTOS
1
Sean los eventos: P = Papaloapan contaminado
V = Valle Nacional contaminado; P(V) =1/4
D = Santo Domingo contaminado
G = Grande contaminado; P(G) =1/5
S = Salado contaminado; P(S) =1/6
Si el ro Grande o el Salado estn contaminados, el Santo Domingo tambin
lo est. Es claro que los eventos G y S son independientes fsica y estadstica-
mente:
G S
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P D P G S P G P S P G S P G P S P G P S = = + = +
1 1 1 1 1 1 1 6 5 1 10 1
5 6 5 6 5 6 30 30 30 3
+
= + = + = = =
Si el ro Valle Nacional o el Santo Domingo estn contaminados, el Pa-
paloapan tambin lo est. Es claro que los eventos V y D son independientes
fsica y estadsticamente:
V D
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P P P V D P V P D P V D P V P D P V P D = = + = +
1 1 1 1 1 1 1 3 4 1 6 1
4 3 4 3 4 3 12 12 12 2
+
= + = + = = =
Ejercicio 1.53. CIRCUITO ELCTRICO.
En el circuito esquematizado en la gura, los 3 interruptores funcionan in-
dependientemente, con la misma probabilidad de falla p.
Se pide determinar la probabilidad de que uya corriente de la terminal 1 a
la 2, expresada como una ecuacin en p, simplicada al mximo.
Sea el evento: C
i
= Interruptor i cerrado; P(C
i
) =p
A
i
= Interruptor i abierto; P(A
i
) =1 - p
F = hay ujo de corriente entre 1 y 2
Considerando eventos mutuamente exclusivos:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P F P C C C C C A C A C A C C C A A A C A A A C = (
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P C P C P C 3P C P C P A 3P C P A P A = + +
( ) ( ) ( ) ( ) ( )
3 2
2 2 3 2 2
1 p 3 1 p p 3 1 p p 1 3p 3p p 3p 1 2p p 3p 1 p = + + = + + + +
2 3 2 3 2 3 3
1 3p 3p p 3p 6p 3p 3p 3p 1 p = + + + + =
Por la ley de adicin de probabilidades:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 3 1 2 3 1 2 1 3 2 3 1 2 3
P F P C C C P C P C P C P C C P C C P C C P C C C = = + + +
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 2 3 1 2 1 3 2 3 1 2 3
P C P C P C P C P C P C P C P C P C P C P C P C = + +
( ) ( ) ( ) ( )
2 3
2 2 3
3 1 p 3 1 p 1 p 3 3p 3 1 2p p 1 3p 3p p = + = + + +
( ) ( ) ( ) ( )
3
1 2 3
1 P A A A 1 P A P A P A 1 ppp 1 p = = = =
Por complemento:
( ) ( ) ( ) ( ) ( )
3
1 2 3
P F 1 P A A A 1 P A P A P A 1 ppp 1 p = = = =
MEDIDA DE PROBABILIDAD
138
La mayor parte de los problemas que involucran probabilidades se pueden
resolver de varias maneras, todas igualmente vlidas; a quien le toca obtener
la solucin de un problema particular, le puede parecer que una forma es ms
sencilla que otra, sin que sea necesariamente la ms corta. Un ejemplo de esto
es el ejercicio anterior, resuelto por tres procedimientos distintos, con la idea
de que los lectores se percaten lo til que es el recurso de darle la vuelta al
problema; si no quiere salir de una manera, intentarlo por otro camino, y si no,
por otro ms.
Red de ganadores
Una supuesta empresa especializada en pronsticos deportivos ofrece a
cada uno de sus clientes, por la mdica suma de $500, enviarles va correo
electrnico, el vaticinio sobre el ganador de un determinado evento deportivo
especco, que tendr lugar el siguiente n de semana; con la garanta de la
devolucin total de su dinero, si la prediccin no es acertada. A la empresa
no le importa que hace el cliente con ese pronstico, pero aunque no sea su
propsito, lo induce a apostar en favor del vaticinio, la cantidad que l quiera
y donde l quiera.
Si cada semana la empresa recibe en promedio 300 solicitudes de prons-
tico, el acumulado medio semanal es de $150,000, mismos que tendra que
devolver, si su pronstico falla. Pero qu sucede, si la empresa le da un pro-
nstico a la mitad de sus clientes y a la otra mitad le da el pronstico contrario?
Nos percatamos de que en esta red de ganadores, lo nico seguro es que
ningn cliente gana, que la mitad de ellos pierde $500 cada uno, por haber
recibido el pronstico acertado y la que gana siempre es la empresa.
Para enrolar a ms personas en el embuste, la empresa se puede dar el lujo
de ofrecer la devolucin de $750 en vez de los $500 de la apuesta, si el prons-
tico es fallido; y la empresa de todas maneras gana, pues se queda con $250 de
cada cliente satisfecho, $37,500 a la semana, $150,000 al mes. Gran nego-
cio; desde luego, fraudulento.
Paradoja de las tres puertas
Tambin conocido como el problema de Monty Hall, pues este conductor
de televisin fue quien lo present en su programa Lets Make a Deal. Supn
que ests participando en un concurso televisivo frente a tres puertas cerradas;
se sabe que detrs de una de ellas hay un automvil, mientras que tras las otras
dos hay sendas cabras. El presentador te pide que elijas una de las tres puertas
y te dice que te llevars lo que hay detrs de la puerta elegida. Cuando t ya has
elegido una puerta, deseoso de ganarte el coche, el presentador abre una de las
otras dos puertas y detrs de ella hay una cabra; es claro que tras las dos puertas
cerradas est el automvil y la otra cabra, y t ya elegiste una de ellas. En ese
momento el presentador te preguntar si quieres cambiar de puerta o quedarte
con la elegida inicialmente. Qu debes hacer? Cambias a la otra puerta o te
quedas con la que habas seleccionado inicialmente? Te trae algn benecio
hacer un cambio de eleccin?
PROBLEMAS CLSICOS
1.4.4
PROBLEMAS
CLSICOS
1
Muchas personas consideran que la probabilidad inicial de 1/3 se modica
a 1/2, cuando se descubre una puerta con una cabra; por lo tanto piensan que
modicar tu eleccin no aumentara tus posibilidades de ganar el automvil.
Sin embargo, ese razonamiento es incorrecto, ya que el cambio de puerta in-
crementa tus posibilidades de ganar el coche a 2/3. Cuando se public por
primera vez esta solucin en la revista Parade, hubo muchos lectores, algu-
nos de ellos con doctorado, que escribieron a los editores para decirles que tal
solucin estaba equivocada. Y es que el jueguito parece ser una afrenta total al
sentido comn.
La solucin se basa en que el presentador siempre abre una puerta, que
escoge entre las dos restantes, despus de que t has hecho tu eleccin, y tras
esa puerta que abre, siempre hay una cabra; adems, siempre ofrece hacer el
cambio y no como estrategia usada a su conveniencia. En primera instancia
tenamos 3 puertas, por lo que la probabilidad de que el coche estuviera detrs
de la puerta que tu selecciones es de 1/3, mientras que la probabilidad de que
est detrs de alguna de las otras dos puertas es de 2/3. Luego, cuando el con-
ductor abre una puerta en la que hay una cabra, la probabilidad de coche en esa
puerta es cero, por lo que la probabilidad de 2/3 la tiene la puerta cerrada que
no elegiste.
Hay que entender muy claramente que tu cambio de eleccin no garantiza
que ganars el auto; solamente incrementa tus posibilidades. Si te lo ganas,
nadie te podra decir nada, pero si lo pierdes, la gente y hasta tu mismo dirn:
por que cambiaste tu eleccin? Tu respuesta es: porque con ella tena mayores
probabilidades.
Paradoja del cumpleaos
Cul tendra que ser el tamao mnimo de un grupo de personas, para que
la probabilidad de haya al menos dos de ellas que cumplan aos el mismo da,
sea superior al 50%?
Si las personas del grupo son demasiado pocas, comparadas con los 365
das del ao, pareciera que no cabra esperar repeticiones. Claro que sera di-
fcil esperar repeticin de un da de cumpleaos especco, pero si la coinci-
dencia puede darse entre cualesquiera parejas de personas, a mayor nmero de
personas, mayor nmero de parejas posibles y mayor nmero de posibilidades
de coincidencia.
Considerando las combinaciones de n personas tomadas de dos en dos, ten-
dramos que: En una pareja slo hay 1 posibilidad entre 365, de que su cum-
pleaos coincida; en un grupo de tres personas, se pueden formar tres parejas,
por lo que son 3 las posibilidades de coincidencia; cuando el grupo es de cua-
tro, las posibilidades suben a 6; y con un grupo de diez, llegan a 45; cuando el
grupo es de 23 personas, se pueden formar 253 parejas distintas y, por tanto
existen 253 posibilidades de cumpleaos coincidentes, y con un grupo de 46
personas, las posibilidades son ya de ms de 1000 parejas distintas.
A = {Hay al menos dos personas del grupo que cumplen aos el mismo da}
A
c
= {Todas las personas del grupo cumplen aos en un da diferente}
MEDIDA DE PROBABILIDAD
140
Este es uno de esos problemas en que es ms fcil calcular la probabilidad
del evento complementario. Usando el criterio de asignacin a priori, de casos
favorables entre casos totales, tenemos:
Nmero de casos totales con n personas en el grupo: N = (365)
n
Nmero de casos favorables de no coincidencia: N(A
c
) = 365x364x363x
x(365-n+1)
Podemos establecer una frmula de recurrencia, para calcular el valor para
cada n:
( ) ( )
c c
n n
365 364 363 365 n 1 365 n 1
P A ... P A
365 365 365 365 365
+ +
= =
La paradoja del cumpleaos fue planteada en la American Mathematical
Monthly, en 1938; se trataba de calcular la probabilidad de que en un grupo
de personas dos o ms de ellas cumplieran aos el mismo da. Si el grupo est
formado por 23 personas la probabilidad es de 50.7%. Si el grupo es de 60 o
ms personas, la probabilidad es mayor del 99%. Y obviamente para un grupo
de 366 personas la probabilidad es del 100%, considerando aos bisiestos.
En sentido estricto sta no es una paradoja, ya que no hay contradiccin
lgica alguna; es una verdad matemtica que contradice el sentido comn; en
general la gente estima que esta probabilidad es mucho ms baja, y que hacen
falta muchas ms personas para alcanzar una probabilidad del 50%.
No hay que malinterpretar lo que dice esta paradoja. Si llegas a un lugar
en el que hay 22 personas, la probabilidad de que cualquiera de ellas cumpla
aos el mismo da que t, no es del 50%, sino mucho ms baja: menos del 6%,
porque slo hay 22 parejas posibles; tendra que haber 253 personas para que
hubiera ms de un 50% de probabilidades de coincidencia con tu cumpleaos.
B = {Probabilidad de coincidencia con tu cumpleaos}
( ) ( ) n 22, P B 0.0586; n 253, P B 0.5005 = = = = si si
PROBLEMAS CLSICOS
14
( )
( )
c
n
365 364 363 ... 365 n 1
P A
365
+
=
( ) ( )
c
n
n
P A 1 P A =
( ) ( )
n
c
364
P B 1 P B 1
365
| |
= =
|
\ .