2 .3.

ESPACIO MUESTRAL Y EVENTOS

Un punto muestral es aquel que representa un evento simple. Es decir, es el resultado elemental
de un experimento o elemento unidad del espacio muestral.
Espacio muestral es el conjunto de todos los puntos muestrales de un experimento (el total de
resultados posibles de un experimento).
El espacio muestral puede ser finito o infinito segn sea el nmero de puntos muestrales que
posea. Un espacio muestral finito tiene un nmero finito de puntos. Si tiene tantos puntos como
los nmeros naturales se denomina espacio muestral infinito contable. Si posee tantos puntos
muestrales como intervalos del eje de las x, es decir 0 x 1, se le conoce como espacio
muestral infinito no contable, que tambin se llama espacio muestral no discreto.
Un espacio que es finito o infinito contable con frecuencia se le denomina espacio muestral infinito
no contable.
En las figuras podemos apreciar que existen 2 espacios muestrales. El de la izquierda consta de 5
puntos muestrales (E 1 , E2 , E3 , E4 , E5 ). En este caso es un espacio muestral finito porque consta de 5
elementos.
En el caso de la figura de la derecha, tenemos un espacio muestral compuesto de 2 subconjuntos
o eventos, el A y el C. Los elementos del subconjunto A son: E 5 y E 4 . El evento C solo tiene un solo
elemento, que es E 6. Adems, dentro del espacio muestral existen 3 puntos que no pertenecen a
ningn subconjunto. Por lo que este espacio muestral tambin es finito.
Un evento es un subconjunto A del espacio muestral. Cuando realizamos un experimento y la
solucin es uno de los elementos del subconjunto A, se dice que el evento A ocurri.
Los eventos pueden ser simples o compuestos. Un evento simple es aquel que no puede ser
descompuesto. En general, un experimento siempre resulta en la ocurrencia de uno y solamente
un evento simple.
Un evento compuesto es aquel que se compone de dos o ms eventos simples.
En la figura de la derecha entonces tenemos, dentro del espacio muestral, dos subconjuntos o
eventos. El evento A es un evento compuesto, puesto que tiene dos eventos simples. El
subconjunto C es un evento simple, pues solamente consta de un punto sencillo.
Ejemplo: Lanzar un dado
Eventos:
A Observar un nmero par
B Observar un nmero non

C Observar un nmero > 4

E1 se observa el 1
E2 se observa el 2
E3 se observa el 3
E4 se observa el 4
E5 se observa el 5
E6 se observa el 6
Podemos hacer una lista de muchos otros eventos asociados con este experimento, algunos con
ms posibilidades de ocurrir que otros.
Aleatorio = Al azar
En base de las operaciones de los conjuntos tenemos que:
A U B: se lee A unin B, y significa que es el evento A o B o ambos.
A B: se denomina interseccin de A y B, y significa que es cuando ocurren A y B al mismo
tiempo.
A: se llama el complemento de A, es decir es el evento de no A.
A B = A B , es decir que es el evento donde ocurre A, pero donde ocurre no B.
2.4. AXIOMAS Y TEOREMAS
AXIOMAS
(Axioma= principio que no requiere demostracin. Es una verdad tan evidente que no se pone en
duda).
Suponga que tenemos un espacio muestral discreto, al cual nombraremos S. Para cada evento E
asociamos un nmero real P(E i), donde P es la funcin de probabilidad, y P(E i) ser la probabilidad
del evento E i. Por lo que se cumplen tres axiomas, que son los comnmente usados en
probabilidad:
Axioma 1: Para cada evento E tenemos: P (E i) 0.
Axioma 2: Para el evento cierto tenemos: P (E i) = 1
Axioma 3: Para cualquier nmero de eventos mutuamente excluyentes E 1, E2 , E 3, etc.:
P (E 1 U E 2 U E 3 U) = P(E 1) + P(E 2) + P(E 3) + .
Si existieran dos eventos mutuamente excluyentes entonces:
P (E 1 U E 2 ) = P(E 1 ) + P(E 2 )
TEOREMAS
Con los tres axiomas anteriores podemos comprobar los teoremas sobre probabilidad.
Si E1 es un punto muestral:

PRIMER TEOREMA
Si E1

E2, entonces P (E1) P (E2) y P (E2 E1) = P (E2) P (E1).

SEGUNDO TEOREMA
= 0 P (E i) 1
TERCER TEOREMA
= P (E i) = 1
Cuando se suman todas las probabilidades siempre deben sumar 100%
La probabilidad de un evento A cualquiera, es igual a la suma de las probabilidades de los puntos
muestrales de A.
Ejemplo
Al lanzar un dado, cual es la probabilidad de que caiga un nmero par (evento A).

P (A) = P (E2 ) + P (E ) + P (E )
P (A) = 1/6 + 1/6 + 1/6 = 3/6 =
O tambin P(A) = 0,5 o sea 50%
Ejemplo:
De seis profesionistas se desea escoger a los mejores, Cul es la probabilidad de que si se
seleccionan al azar se hayan escogido a los dos mejores?
Sean 1, 2, 3, 4, 5 6 lo profesionistas y supnganse que 1 y 2 son los mejores. Lo primero que se
debe hacer es la lista de puntos muestrales (E i), para lo que se forman las posibles combinaciones.
Punto Muestral
E1

Pareja
1, 2

P(Ei)
1/15

E2

1, 3

1/15

E3

1, 4

1/15

E4

1, 5

1/15

E5

1, 6

1/15

E6

2, 3

1/15

E7

2, 4

1/15

E8

2, 5

1/15

E9

2, 6

1/15

E10

3, 4

1/15

E11

3, 5

1/15

E12

3, 6

1/15

E13

4, 5

1/15

E14

4, 6

1/15

E15

5, 6

1/15

Nota: En el caso de combinaciones nunca se debe repetir parejas, ya que no importa el orden, se
trata de combinaciones y no de permutaciones.
Si cada pareja tiene la misma probabilidad de ser elegida, entonces la probabilidad de cada una es
1/15 = 0,667
Resultado: Como los dos mejores solo estn en la pareja E1, la probabilidad de escoger a los dos
mejores es la probabilidad de E1, esto es 1/15 = 0,667.
CUARTO TEOREMA
Si Ei es el complemento de E i, entonces:
P (E i) = 1 P (E i)
QUINTO TEOREMA
Para cualquier nmero de eventos mutuamente excluyentes A
P (E i) = P (E 1) + P (E 2) + P (E 3) +...+ P (E n )
En particular, si E = S, el espacio muestral, entonces es:
P (E 1) + P (E 2) + P (E 3) +...+ P (E n ) = 1
SEXTO TEOREMA
Si A y B son dos eventos cualesquiera, entonces:
A unin

Es aquel evento que tiene todos los puntos muestrales de A, o de B, o de

ambos.
SPTIMO TEOREMA

Para cualesquiera eventos A y b:

OCTAVO TEOREMA
Si un evento A debe dar como resultado la ocurrencia de uno de los eventos mutuamente
excluyentes A 1, A2,, An, entonces:

A interseccin
muestrales comunes a A y B.

Es aquel evento que contiene nicamente los puntos

En adelante se usar AB para decir interseccin entre A y B.

Complemento de un evento

= A (puede leerse como no A)

Son todos aquellos puntos muestrales que estando en el espacio muestral no pertenecen a A.
Entonces la probabilidad de A+ probabilidad de

(no A) = 1

2 .5. ESPACIO FINITO EQUIPROBABLE

Supongamos que se tiene un espacio muestral finito, es decir que sabemos con exactitud cuantos
elementos posee, al que llamaremos M, y est compuesto de n elementos. Si todos los elementos
poseen la misma probabilidad, entonces decimos que es un espacio finito equiprobable. Sus
caractersticas son: P i 0, y que la suma de las probabilidades de los elementos de S sea igual a
1, es decir P i = 1.
En el caso de que un espacio muestral no tenga esas dos caractersticas, no es un espacio finito
equiprobable.
Para determinar la probabilidad de que ocurra un evento A cualquiera en nuestro espacio finito
equiprobable entonces:

Donde P(A) es la probabilidad de que ocurra el evento A.

r = maneras de que ocurra el evento

= probabilidad asociada a cada uno de los puntos del espacio muestral

n = nmero de elementos del espacio muestral
Ejemplo:
Se lanza al aire una moneda normal (una moneda perfectamente equilibrada) tres veces,
determine la probabilidad de que:
Aparezcan puras guilas, b. Aparezcan dos soles, c. Aparezcan por lo menos dos guilas:
En este caso se tiene un espacio muestral finito equiprobable, pues sus elementos son dos: guila
y sol, es decir es finito; y es equiprobable, pues la probabilidad de que salga guila es igual a la
probabilidad de que salga sol, es decir que cada una es igual a 50%.
Entonces primero definimos el espacio muestral en cuestin con un rbol de decisin:

2.6. PROBABILIDAD CONDICIONAL E INDEPENDDENCIA

En algunos casos dos eventos se relacionan tan estrechamente que la probabilidad de que un
evento ocurra est condicionado a la ocurrencia o no del otro evento, a lo cual se le llama
probabilidad condicional, la cual se representa con una fraccin, P(B | A). Es decir, la probabilidad
condicional de B, dado que haya ocurrido el evento A. Por ejemplo, en el mercado cambiario el
valor de una moneda est relacionada con el valor de otra, como es el caso del valor del dlar y el
euro, los cuales estn relacionados. Suponga que el experimento consiste en observar si el euro
est a la alza frente al dlar. Sea el evento A que el euro est a la alza frente al dlar en el
mercado cambiario de Europa antes de la apertura del mercado local a las 9.00 am y sea el evento
B de que el dlar est a la alza en el mercado local despus de su apertura. Los dos eventos estn
relacionados, porque generalmente se mueven en el mismo sentido durante la mayora de los
das. Por lo tanto P(B) de que el euro est a la alza frente al dlar en el mercado local, no es igual
a la probabilidad de que ocurra B dado que se sabe que el euro ya est a la alza (evento A) en el
mercado europeo.
Supngase que el euro est a la alza frente al euro 50% de todos los das del mercado cambiario, y
60% de todos los das est a la alza en el mercado local. Es decir, P(A) = 0.5 y P(AB) = 0.6.
Entonces, si ya sabe que el euro est a la alza frente al dlar en dicho mercado, la probabilidad de
que est a la alza en el mercado local ser 6/5. Esta fraccin, P(AB) / P(A), se llama probabilidad
condicional.
DEFINICIN
La probabilidad condicional de B dado que haya ocurrido el evento A es:
P(B | A) = P(AB) / P(A)
Y la probabilidad condicional de A dado que haya ocurrido el evento B es:
P(A | B) = P(AB) / P(B)
Si la probabilidad del resultado A no depende de la ocurrencia de un segundo evento B (o
viceversa), decimos que A y B son eventos independientes. En trminos de probabilidad se
expresa que A y B son eventos independientes si:
P(B | A) = P(B) o bien P(A | B) = P(A)
Se dice que dos eventos A y B son independientes si y solamente si:
P(B | A) = P(B) o bien P (A | B), de lo contrario se denominan dependientes.
De esto se desprende la:

REGLA MULTIPLICATIVA PARA LA INTERSECCIN DE DOS EVENTOS.

La probabilidad de que los dos eventos A y B, ocurran es
P(AB) = P(A) P(B | A) = (P(B) P(A | B)
Si A y B son eventos independientes
P(AB) = P(A) P(B)
De manera similar, si A, B y C son eventos mutuamente independientes,
entonces, la probabilidad de que ocurran A, B y C ser:
P(ABC) = P(A) P(B) P(C).
Supngase un experimento donde se eligen arbitrariamente tres acciones comunes: A, B, C entre
las 500 acciones utilizadas para calcular el promedio accionario de S & P500. El objetivo es
calcular la probabilidad del rendimiento anual para los tres tipos de acciones que sea mayor que el
promedio de S&P. Primeramente podemos definir como eventos A, B y C tengan un mejor
rendimiento del promedio del S&P. y supngase que la probabilidad del evento A sea 1/2 y la de
los eventos B y C sean iguales al evento A.
Solucin: Tenemos que P(A) = P (B) = P (C) = 1/2. El evento donde las tres acciones A, B y C sea
mayor que el promedio de S&P ser donde los tres eventos se intersecten. Como no sabemos
cuales son las probabilidades condicionales para los eventos A, B y C no podemos utilizar la
frmula de la probabilidad condicional para probar la independencia. Entonces tenemos que intuir
que los tres eventos son independientes, ya que se seleccionaron al azar y es poco probable de
que una accin influya en gran medida a la seleccin de otra. As que podemos calcular:
P(ABC) = P(A) P(B) P(C)
= (1/2) (1/2) (1/2) = 1/8
Por lo que se puede concluir que la probabilidad de elegir tres acciones cuyo valor supere al
promedio del S&P500 es de 1/8.
2.7. TEOREMA DE BAYES
Este teorema es solamente una aplicacin de la definicin de probabilidad condicional, sin
embargo en ella se fundamenta la teora bayesiana de la estimacin, la cual permite modificar las
probabilidades a partir de nueva informacin.
Sea B1 , B2,., Bk,Bn eventos mutuamente excluyentes y colectivamente exhaustivos y sea A
otro evento del mismo espacio muestral S, entonces:

Demostracin
Por la definicin de probabilidad condicional tenemos

(a)
En el caso de dos eventos

Si existe la interseccin decimos que

(b)
Y del teorema de la probabilidad total

..(c)
Sustituyendo (b) y (c) en (a) obtenemos la frmula del teorema

Ejemplo: Una empresa dedicada a vender ropa por correo ofrece dos lneas de productos, una ms
cara que la otra. Una encuesta de 1000 pedidos produjo las secuencias de los pedidos por lnea de
productos y por el sexo de los consumidores como se presenta en la siguiente tabla. Supngase
que se selecciona uno solo de los pedidos de los 1000.
Sexo

Lnea de
productos

Total

Masculino

1 2
132 147

279

Femenino
Total

516 205
648 352

721
1000

Calcular la probabilidad del evento A: el consumidor es mujer

Hallar la probabilidad del evento B: el pedido es para la lnea de productos 1.
Hallar La probabilidad de que el pedido sea para la lnea de productos 1 y que el consumidor sea
mujer.
Calcular la probabilidad de que el pedido sea para la lnea de productos 1, dado que el consumidor
sea mujer.
Demostrar que A y B son, o no eventos independientes.
Utilizar las probabilidades calculadas en los incisos de (a) a para demostrar que P(AB) = P(A) P(B |
A).
Ejemplo 2
Tres Aerolneas tienen un retraso del 40 %, 50 % y 70 % en sus vuelos nocturnos, si despus de
efectuado el viaje, Carlos comenta que el avin sali a tiempo, cul es la probabilidad de que haya
utilizado:
a) La aerolnea 2
b) La aerolnea 3

Solucin
a) Utilizando la misma notacin y aplicando el teorema obtenemos
P = Probabilidad
R = Llegar con retraso
= Llegar a tiempo
A = Aerolnea

Sustituyendo los valores obtenemos

Considerando lo anterior podemos decir

Esto quiere decir que tiene el 35.7% de probabilidades de haber viajado en la aerolnea 2
b) Considerando que el denominador representa la probabilidad de que salga a tiempo tan solo
modificamos el numerador.

Esto quiere decir que tiene el 21.4% de probabilidades de haber viajado en la aerolnea 3