ESPACIO DE PROBABILIDAD

( , A , P)

Definicin 4. (Medida de probabilidad)

Una medida de probabilidad P sobre una - lgebra
de subconjuntos A para un conjunto
es una
funcin de valor real, la cual tiene dominio A y
satisface las siguientes propiedades:
(i) P( ) = 1;
(ii) P(A) 0, A A;
(iii) Si An, n = 1, 2, 3, . . . , son conjuntos
mutuamente disjuntos en A, entonces

P( A n ) =
n=1

P(A n )
n=1

As, toda funcin P definida sobre una - lgebra

A, con valores en el intervalo [0, 1] y que cumpla
con los tres postulados dados en la definicin
anterior se le llama medida de probabilidad o
probabilidad axiomtica.
Estos axiomas fueron establecidos por A. N.
Kolmogorov en 1933.
En particular, a la tercera propiedad se le conoce
como - aditividad.

Un espacio de probabilidad, denotado

por ( , A, P), esta constituido por un
conjunto
, un - lgebra A de , y
una medida de probabilidad P definida
sobre A.

Ejemplo: Considere un experimento aleatorio con

espacio muestral
, un conjunto finito. Sea 2 la lgebra asociada al conjunto . Ahora, si A
y se
define P(A) = A/ . Entonces P es una medida de
probabilidad y sta es llamada probabilidad clsica. De
acuerdo a esta definicin, para calcular la probabilidad
de un evento es necesario conocer su cardinalidad.

Ejemplo: Considere un experimento aleatorio con

espacio muestral
= (un conjunto infinito contable).
Sea 2 la -lgebra asociada al conjunto . Ahora, si A
se define:
1
P A =
n
2
n A

Es decir, el nmero natural n tiene asociada la

probabilidad n, esto es, P({n}) = n.

Es fcil mostrar que P definida de esta manera es

una medida de probabilidad, puesto que:
(i) P =
n

(ii) Si A

1
=
n
2

n 1

1
= 1.
n
2

, entonces 0 P(A) =
n A

esto es, 0 P(A)

1.

1
2n

n 1

1
= 1,
n
2

(iii) Si A1 , A 2 , , son tales que A k A l

entonces, P

A
i 1

cada Ai

con k

l,

P Ai . Esto debido a que

i 1

y los Ai son disjuntos.

Ejemplo: Considere el espacio medible (, B()).

Sea f:
[0, ) una funcin no negativa y
continua, tal que su integral sobre el intervalo
(- , ) es uno. La funcin P definida para
cualquier conjunto de Borel A por la integral:
P(A) =

f(t) dt

Es una medida de probabilidad, ya que:

(i) P( ) = P((- , )) =

f(t) dt = 1, por suposicin.

-

(ii) P(A) =

f(t) dt

f(t) dt = 1, y como f(t)

0,

entonces 0

f(t) dt. Esto es, 0

(iii) Si A1 , A 2 , , donde A i A j =
P

A
k=1

Ak
k=1

f(t) dt
k=1

Ak

P(A)

1.

, entonces
f(t) dt =

P(A k ).
k=1

Ejemplo: Sea
2 una regin tal que su rea
es positiva y finita. Sea A una
-lgebra de
subconjuntos de
para los cuales el concepto de
rea est bien definido. Para cada A A se define
P(A) = rea(A)/rea( ). La funcin P, as definida,
resulta ser una medida de probabilidad, y es
llamada probabilidad geomtrica. Esta definicin
puede extenderse, evidentemente, a espacios de
dimensin mayor.

Propiedades de la Funcin de
Probabilidad
Proposicin 9. Sea ( , A, P) un espacio de
probabilidad. Entonces:
(1) P( ) = 0.
(2) Si A1, A2, . . ., An
A son ajenos dos a dos,
entonces
n

n
k

k=1

(3) P(Ac) = 1 P(A).

P Ak .
k 1

(4) Si A B, entonces, P(B A) = P(B) P(A).

(5) Si A B, entonces, P(A)

(6) 0

P(A)

1.

P(B).

Demostracin:
1. Como
=
, por la -aditividad se
tiene que P( ) = P( ) + P( ) + P( ) +
, esto
es P( ) = 0.

2. Al tomar
An+1 = An+2 =
= , por la
aditividad y la propiedad 1, se tiene que:
n

A
k=1

= P

A
k=1

n
k

P Ak =
k 1

P Ak .
k 1

3. Dado que = A Ac, aplicando 2 y la definicin de

funcin de probabilidad se tiene que:
1 = P( ) = P(A) + P(Ac),
Esto es,
P(Ac) = 1- P(A).
4. Dado que A B, se tiene que B = A (B A). As,
aplicando 2, tenemos que P(B) = P( A (B A)) =
P(A) + P(B A). Esto es, P(B A) = P(B) P(A).

5. Como la probabilidad de cualquier evento es

un nmero no negativo, por la propiedad 4,
en particular como, P(B A) 0. Entonces,
P(B) P(A) = P(B A) 0, esto es, P(A) P(B).

6. La primera desigualdad es el segundo axioma de la

funcin de probabilidad, y la segunda se sigue al
tomar B = en la propiedad 5 y el primer axioma
de probabilidad.

Para cualquier conjunto A, A Ac = y as para

cualesquiera dos conjuntos A y B tenemos la siguiente
descomposicin de B:
B=
B = (A Ac) B = (A B) (Ac B),
por lo tanto,
P(B) = P(A B)+P (Ac B)
Poniendo B= y recordando que P( )=1, concluimos
que
P(Ac) = 1- P(A)

En particular P( ) = 1 - P( ), as que:
P( ) = 0
Supngase que A B. Entonces A B=A y de donde
P(B) = P(A) + P(Ac B), si A B
Puesto que P(Ac B) 0 por (ii), vemos que:
P(B) P(A), si A B

Las leyes de DMorgan afirman que si {An},

n 1, es cualquier sucesin de conjuntos,
entonces:
c

A
n

= A
n

c
n

A
n

= A
n

c
n

Ejemplo: Supngase que se lanzan tres

moneda
perfectamente
balanceadas
e
idnticas. Encontrar la probabilidad de que al
menos una de ellas caiga sol.
Se puede observar que existen ocho posibles
resultados de este experimento representados
como sigue:
Moneda 1

Moneda 2

Moneda 3

Si A representa el evento al menos una de las

monedas cae sol.
Observamos que existen ocho posibles
resultados de este experimento cada uno de
ellos con la misma probabilidad de ser
obtenido; as usando la definicin de
probabilidad clsica, como #(A) = 7, entonces:

P(A) = #(A)/#( ) = 7/8.

Por otro lado, #(Ac) = 1, as que, P(Ac) = 1/8 y

P(A) = 1 P(Ac) = 1 1/8 = 7/8.

La propiedad 2 sobre medida de probabilidad

nos dice que para conjuntos disjuntos A y B,
P(A B)=P(A)+P(B)

Si A y B no necesariamente son disjuntos, entonces:

Proposicin 10. Sea ( , A, P) un espacio de
probabilidad. Entonces:
P(AB) = P(A) + P(B) P(AB).

(*)

Demostracin:
Para ver que (*) es verdadera observe que los
conjuntos A Bc, A B, y Ac B son mutuamente
disjuntos y su unin es exactamente A B (ver Figura
2). As,

P(A B)=P(A Bc)+P(A B) + P(Ac B)

(**)

A BC

A B

Figura 2

AC B

Sin embargo,
P(ABc)=P(A) - P(AB) y P(AcB) = P(B) - P(AB),

y al sustituir estas expresiones en (**), obtenemos

(*).
Nota: Es inmediato de la proposicin anterior y de
P(A B) 0 que P(AB) P(A) + P(B).
Es decir, las probabilidades son funciones
finitamente subaditivas.
La propiedad (2) establece que las probabilidades son
funciones finitamente aditivas y la propiedad (5)
que son funciones montonas.