INTRODUCCION AL CALCULO DE PROBABILIDADES

Es usual decir que un tirador acierta en el blanco 86 de cada 100 disparos, o sea un 86% de las
veces. Esto no quiere decir que de cada ciclo de 100 disparos exactamente 86 den en el blanco, sino que
el número de aciertos oscilará alrededor de ese valor. También podemos querer significar que si
repitiésemos muchos ciclos de 100 disparos, el número de aciertos de cada ciclo tendrá un valor
promedio de 86 centros. Esto es así, siempre que cada ciclo sea realizado en las mismas condiciones, es
decir, que el tirador no haya variado su puntería, y que las situaciones en que se realizaron las pruebas
hallan sido idénticas.

Este número que asignamos al tirador y que evalúa la puntería del mismo, es en realidad una
medida de la probabilidad del suceso 'dar en el blanco' . Notemos que este suceso es impredecible, en
una repetición de la experiencia, es decir, en un disparo; pero en una cantidad grande de disparos
esperamos que el porcentaje de aciertos se aproxime a un valor fijo, y ese valor es una medida
determinada asignada al suceso y que denominamos probabilidad del mismo.

Existen varias definiciones de probabilidad, para llegar a ellas previamente vamos a dar
algunas definiciones de elmentos asociados al concepto de probabilidad.

Experimento aleatorio: es todo experimento que admite dos o más resultados posibles, cuya ocurren-
cias no pueden conocerse hasta que no se halla realizado el experimento.
Ejemplo: arrojar una moneda y observar la figura de la parte superior, elegir una persona y medirle la
altura, etc.

Espacio muestral: es el conjunto de resultados asociados a un experimento. Se lo indica con la letra

griega Ω y a los resultados con w1, w2,...., wn.

En el caso de la moneda el espacio muestra es Ω = {cara, seca}.

Para las alturas dependemos de la población, pero el espacio adecuado puede ser un intervalo real entre
1 y 2 metros Ω = {[1, 2]}.

Si tiro dos monedas diferenciadas y observo las figuras superiores, el espacio muestral es el
producto cartesiano de los espacios muestrales asociados a cada una de las dos monedas, es decir, Ω =
{c,s} x {c,s} = {(c,c);(c,s);(s,c);(s,s)}.

Suceso: es todo subconjunto del espacio muestral. Para el experimento de arrojar un dado el espacio
muestral es Ω = {1,2,3,4,5,6}, son sucesos:

A = {1,3,5} A: 'número impar'

B = {4} B: 'el número 4'

1
 C = {2,3,5} C: 'número primo'
Un suceso ocurre cuando el experimento arroja por resultado uno de sus elementos. Se admite
que φ indica un suceso imposible, por ejemplo φ : 'número 20'. Además Ω mismo es un suceso y se lo
denomina suceso 'certeza' porque siempre ocurre.

Ac = Ω - A = {2,4,6} se llama 'suceso complementario de A'.

Si A ∩ B = φ , como efectivamente lo son en el ejemplo se dice que A y B son excluyentes,

pues si ocurre uno no se ocurrir el otro.

Si M ∪ N = Ω se dice que los sucesos M y N son exhaustivos, pues su unión contiene todos
los resultados de Ω.

Los sucesos complementarios son siempre exhaustivos y excluyentes.

Definición clásica de probabilidad:

Si Ω es el espacio muestral de un experimento aleatoriao en que todos los resultados tienen la

misma posibilidad de ocurrencia y A es un suceso asociado a él, entonces la probabilidad de A es el
cociente entre el número de elementos de A y el número de elementos de Ω.

P(A) = # A = cardinal de A = número de resultados favorables a A

#Ω cardinal de Ω número de resultados posibles

Por ejemplo en el experimento del dado:

P(A) = P(número impar) = # A = 3 = 1 = 0,50 ó 50%

#Ω 6 2

P(B) = P({4}) = # B = 1 = 0,166.. ó 16,6%

#Ω 6

Obviamente: P(φ) = 0 y P(Ω) = 1

Esta definición es muy útil para espacios equiprobables pero no cubre otras situaciones.
Además adolece de un defecto por cuanto pretende definir 'probabilidad' partiendo de la condición de
'resultados igualmente posibles' que sólo pueden definirse mediante el concepto de probabilidad,
constituyéndose así en un círculo vicioso.

2
Definición frecuencial de probabilidad:

Sea un experimento aleatoria, Ω su espacio muestral y A un suceso asociado. Si el experimento

se repite en las mismas condiciones un número n de veces y hA(n) es la frecuencia relativa conque
aparece el suceso A, es decir:

hA(n) = número de veces que ocurre A

n

entonces se dice que la probabilidad de A es el valor al cual tiende la frecuencia relativa hA(n) cuando n
es un número infinitamente grande.

P(A) = lim hA(n)

n→∞

Esta definición con apariencia más matemática no define con precisión el concepto de
probabilidad, dado que no asegura la existencia de ese límite, ni es posible de calcularlo analíticamente.
Pero si es cierto que utiliza un concepto conocido como 'regularidad estadística' que sostiene que
cuando el experimento se repite un número grande de veces, la frecuencia relativa de cualquier suceso
se aproxima a un valor fijo que es precisamente la probabilidad del suceso. Esto provee de un
procedimiento práctico para el cálculo de probabilidades ya que es sólo cuestión de repetir un gran
número de veces el experimento en estudio.

Por ejemplo si una moneda se tira 10 veces y aparecen 4 caras hcara(10) = 0,40; si ahora la tiro
100 veces y salen 57 caras hcara(100) = 0,57. La regularidad estadística asegura que cuando n crece, la
frecuencia relativa se estabiliza alrededor de una frecuencia, en este caso 0,5.

1.0

0.5
h(n)

0.0
1 10 100 1000 10000 1e5 1e6
n

3
Definición axiomática de probabilidad:

Sea PΩ el conjunto de todos los sucesos asociados a un espacio muestral Ω (conjunto de partes
de Ω) y sea P una función que aplica PΩ sobre los números reales R, tal que:

a) P(A) ≥ 0 cualquiera sea el suceso A ε PΩ

b) P(Ω) = 1
c) P(A U B) = P(A) + P(B) si y sólo si A ∩ B = φ (A y B excluyentes)

Del axioma (c) surge que la probabilidad de un suceso es la suma de la probabilidades de los
resultados elementales que pertenecen a A. En el ejemplo P(nº par) = P({2,4,6}) = P({2}) + P({4}) +
P({6}).

De estos axiomas surgen muchas propiedades, de las cuales sólo mencionaremos:

1º P(φ) = 0
2º 0 ≤ P(A) ≤ 1 cualquiera sea A
3º Si A incluído en B entonces P(A) ≤ P(B)
4º P(Ac) = 1 - P(A)
5º P(A ∪ B) = P(A) + P(B) - P(A ∩ B) cualquiera sean A y B

La última propiedad es de suma importancia y es conocida como 'regla aditiva'. Intuitivamente

parece lógico ya que cuando sumamos las probabilidades de A y B, sumamos dos veces la probabilidad
de la intersección.

Veamos este problema: la probabilidad de que un tirador A acierte a un blanco es 0,90 y la de

otro tirador B es 0,80. Si ambos tiran simultáneamente, cuál es la probabilidad de que el blanco sea
tocado ?. Indudablemente P(tocar el blanco) = P(A o B) = P(A ∪ B) ≠ P(A) + P(B) pues daría 0,90 +
0,80 = 1,70 ! Absurdo !

Una forma de razonar es: sobre 100 tiros A acierta 90, de los 10 fallos B debe acertar 8; en
total se acertarán 98 tiros sobre un total de 100, luego P(tocar el blanco) = 0,98. Más adelante veremos
como se soluciona este mismo problema mediante una regla práctica.

Probabilidad condicional:

Cuando se agrega información extra sobre los resultados de un experimento, las probabilidades
de los sucesos pueden cambiar. Supongamos un espacio muestral Ω y dos sucesos A y B, y sabemos
que B ha ocurrido. Cuál es ahora la probabilidad de A ?

P(A/B) = P(A ∩ B) P(B) ≠ 0

P(B)

4
 Esto es porque B pasa a ser un nuevo referencial o espacio muestral y A debe reducirse a
aquellos resultados que también estén en B, dado que los que estén fuera de B no pueden ocurrir.

Sucesos independientes:

Dos sucesos son independientes si la ocurrencia o no de uno de ellos no afecta la probabilidad

del otro, es decir:

P(A/B) = P(A) o P(B/A) = P(B)

Interesan en particular sucesos 'naturalmente' independientes. Por ejemplo se tiran dos

monedas o dos dados, los resultados asociados a uno de ellos no afecta los resultados del otro.

Por ejemplo al tirar dos monedas (primera y segunda)

Ω = {(c c), (c s), (s c), (s s)}

los sucesos:
A: 'que salga cara en la primera y cualquiera en la segunda' = {(c s),(c c)}
y
B: 'que salga cualquiera en la primera y seca en la segunda' = {(c s), (s s)}

son independientes, por ser independientes los resultados en una y otro moneda. No hacemos la
comprobación analítica, pues nos faltan algunos elementos de cálculo, por ejemplo, cuál es la
probabilidad de cada par ordenado de Ω ?

Regla multiplicativa:

De las definiciones de probabilidad condicional se obtiene que:

P(A ∩ B) = P(B ∩ A) = P(A) . P(B/A) = P(B) . P(A/B)

La interacción A ∩ B se la lee 'A y B' de modo que se está exigiendo la ocurrencia simultánea
de ambos sucesos. La regla obtenida se llama regla multiplicativa y si A y B son independientes, es
decir, P(A/B) = P(A) y P(B/A) = P(B), entonces:

P(A ∩ B) = P(A) . P(B)

Ahora podemos volver al problema de los tiradores con 0,90 y 0,80 de probabilidad de acierto
cuando tiran simultáneamente. Por la regla 'aditiva':

5
 P(acertar en el blanco) = 0,90 + 0,80 - 0,90.0,80 = 1,70 - 0,72 = 0,98 o 98%

También podemos resolver el problema de las dos monedas:

P({c c}) = P(c en la primera y c en la segunda) = P(c en la primera) . P(c en la segunda) = 1/2 . 1/2 =
1/4

Esto vale para cualquiera de los pares ordenados, entonces todos tiene probabilidad 1/4, por lo que el
espacio es equiprobable.

Ejemplo: se tiran dos dados correctos diferenciados, cuál es la probabilidad de que la suma de los
puntos sea 5 ?

Ω = {(1,1) (1, 2) .... (1,6) (2,1) .... (2,6) .... (6,1) .... (6,6)}

P(1,1) = P(1 en el primero) . P(1 en el segundo) = 1/6 . 1/6 = 1/36

Esto vale para todos los pares ordenados, por lo que es un espacio equiprobable, entonces:

P(suma sea 5) = P{(1,4) (2,3) (3,2) (4,1)} = 1/36 + 1/36 + 1/36 + 1/36 = 4/36

Arboles de probabilidades:

Cuando un experimento es la repetición de sucesivos experimentos simples, como por ejemplo

tirar n veces una moneda y observar la figura que aparece en cada tirada, es útil representar
secuencialmente los resultados posibles en un árbol de probabilidades, en que cada rama indica el
resultado obtenido en cada uno de los pasos, así como la probabilidad del suceso.

Por ejemplo se extraen 3 bolillas de una urna que contiene 6 bolillas negras y 4 blancas, el
árbol correspondiente resulta:

6
 El espacio muestral representado es: Ω = { NNN, NNB, NBN, NBB, BNN, BNB, BBN,
BBB}. Para asignar las probabilidades a cada rama, debemos completar la información en el sentido de
que si las bolillas extraídas y observadas, son devueltas o no a la urna para la extracción siguiente
(modelo con o sin reposición). En el primer caso la probabilidad de una extracción no depende de las
anteriores, en cambio en el otro si. Esto se relaciona con la independencia o no de los sucesos, deducida
de la independencia o no de los experimentos simples.

La probabilidad de un suceso conjunto (una rama) se obtiene multiplicando las probabilidades

de cada tramo de la rama según la ley multiplicativa.