Introducción

Espacios de
Probabilidad

Fundamentos de probabilidad

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 1 / 33

 Introducción

Una probabilidad es una función que asigna a un conjunto

Introducción
de posibles resultados de un experimento no determinı́stico
Espacios de
Probabilidad (aleatorio) un número el cual nos mide el grado de
factibilidad de que este conjunto ocurra.
Contrario a lo que uno pueda pensar, esta asignación
puede hacerse de distintas maneras. Los clásicos, por
ejemplo, asignan probabilidades por conteo. Los
frecuentistas hablan de probabilidades sólo cuando se trata
de experimentos aleatorios bien definidos (observables y
repetibles). Los bayesianos, por otro lado, asignan
probabilidades a cualquier declaración, incluso si ella no
este asociado a un experimento repetible o viable.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 2 / 33

 A pesar de esta aparente inconsistencia en 1933, el
matemático soviético Andréi Kolmogórov propuso un
Introducción sistema de axiomas para la teorı́a de probabilidades,
Espacios de
Probabilidad
basado en la teorı́a de conjuntos y la teorı́a de la medida,
la cual habı́a sido desarrollada pocos años antes por
Lebesgue, Borel y Frechet entre otros.
Esta aproximación axiomática, que generaliza el marco
clásico de la probabilidad, permitió la formalización de
muchos argumentos ya antes utilizados, ası́ como el
estudio de problemas fuera de los marcos clásicos.
En esta primera parte del curso abordaremos el enfoque de
Kolmogorov, pero antes veremos cuales de los posibles
conjuntos de resultados de un experimento aleatorio tienen
sentido de ser medidos y como se maneja información
adicional relacionada al experimento. Esto nos llevará al
Luis Valdivieso
concepto de σ−álgebra.
Maestrı́a en Estadı́stica PUCP 3 / 33
 Algunas notaciones y conceptos de utilidad

Recordemos que si {an } es una sucesión de números

reales, entonces los lı́mites inferior y superior de esta
Introducción

Espacios de
sucesión están definidos por:
Probabilidad

lim inf an = sup inf ak y lim sup an = inf sup ak .

n k≥n n k≥n

En general ambos lı́mites siempre existen en

R̄ = R ∪ {±∞} y lim inf an ≤ lim sup an . Solo cuando ambos
limites coinciden se dice que la sucesión {an } converge.
Dado que en toda sucesión monótona los lı́mites coinciden
con su supremo o ı́nfimo, podemos también reescribir:

lim inf an = lim inf ak y lim sup an = lim sup ak .

n→∞ k≥n n→∞ k≥n

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 4 / 33

Introducción A menos se indique lo contrario toda colección {an } se
Espacios de sobrentenderá que esta indexada por los números naturales
Probabilidad
positivos n ∈ N+ = {1, 2, . . .}. Usaremos también las
notaciones N = {0, 1, 2, . . .}, Nm = {0, 1, 2, . . . , m} y
N+m = {1, 2, . . . , m}.
Frecuentemente haremos uso de la función indicadora 1A .
Este viene definida por:

1 , si x ∈ A
1A (x) = {
0 , en otro caso.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 5 / 33

Introducción

Espacios de
Probabilidad

Espacios de probabilidad

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 6 / 33

 Espacios de Probabilidad

Como contexto general de trabajo consideraremos un espacio

medible (Ω, F), el cual está conformado por un conjunto Ω,
Introducción
llamado espacio muestral, y una colección de subconjuntos de
Espacios de
Probabilidad Ω, F, denominada una σ−álgebra.
Por lo usual Ω se interpreta como el conjunto de todos los
posibles resultados de un experimento aleatorio; es decir, de un
experimento (real o hipotético) en el cual no se pueda prever lo
que vaya ocurrir; mientras que la σ−álgebra está relacionada a
la información que se tenga del experimento y al conjunto de
subconjuntos de Ω que tengan sentido ante tal información.
Llamaremos evento a todo elemento de F y diremos que un
evento ocurre si el resultado del experimento es un elemento de
él. Nótese que no todo subconjunto de Ω es un evento salvo
que F = 2Ω . Esto es lo que uno en general asume cuando Ω es
finito y no se dispone de mayor información del experimento.
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 7 / 33
 Sigma-álgebra

Definición
Una σ−álgebra es una colección de subconjuntos de Ω que
Introducción
satisface las siguientes tres propiedades
Espacios de
Probabilidad
a) Ω ∈ F.
b) Si A ∈ F, entonces Ac ≡ Ω − A ∈ F.
c) Si {An } ⊆ F, entonces ⋃∞
n=1 An ∈ F.

Observación: Si la última propiedad se cumpliera sólo para una

colección finita de eventos, a F se le denominarı́a una álgebra.
La menor de todas las σ−álgebras es F = {∅, Ω}; mientras que
la mayor es F = 2Ω . Toda otra σ−álgebra se ubica entre ambas.
Ejemplo
Muestre que si Ω = R, entonces F = {A ⊆ R/ A es enumerable
}∪ {A ⊆ R/Ac es enumerable } es una σ−álgebra.
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 8 / 33
 Propiedades

Introducción

Espacios de
Probabilidad 1 ∅ ∈ F.
2 Si {An } ⊆ F, entonces ⋂∞ n=1 An ∈ F.
3 La intersección de una familia arbitraria de σ−álgebras es
una σ−álgebra.
4 Si B ⊆ Ω y F es una σ−álgebra de subconjuntos de Ω,
entonces B ∩ F = {B ∩ A/A ∈ F} es una σ−álgebra de
subconjuntos de B.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 9 / 33

 La sigma álgebra generada

Dado A ⊆ Ω es directo verificar que F = {A, Ac , Ω, ∅} es una

Introducción σ−álgebra. Esta se denomina la σ−álgebra generada por el
Espacios de conjunto A y tiene la peculariedad de ser la menor σ−álgebra
Probabilidad
que contiene a A.
De manera más general, dada una colección de subconjuntos C
de Ω, definiremos la σ−álgebra generada por C, y la
denotaremos por σ < C >, como la menor σ−álgebra que
contenga a C. Esta definición está garantizada por el siguiente
resultado.
Proposición
Dada una colección de subconjuntos C de Ω, existe una única
σ−álgebra minimal que contiene a C.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 10 / 33

 Ejemplo
Introducción
Suponga que usted selecciona consecutivamente y sin
Espacios de
Probabilidad reemplazamiento 3 artı́culos de un lote de 6, en el que dos son
defectuosos. Describa para este experimento un espacio
medible de trabajo y una colección de σ-álgebras asociadas al
conocimiento de lo que ocurra luego de cada selección
(filtración).

Ejemplo
Considere un espacio medible (Ω, F) y sea B ⊆ Ω ¿será cierto
que
σ < {B} >= B ∩ F ?.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 11 / 33

 La σ−álgebra de Borel

Una de las σ−álgebras más importantes es la denominada

Introducción σ−álgebra de Borel. Si E es un espacio normado (como Rd con
Espacios de la norma euclideana), la σ−álgebra de Borel, a denotarse por
Probabilidad
B(E ), es la σ−álgebra generada por los abiertos de E
(recordemos que E al ser espacio normado es también un
espacio topológico).
Como ejemplo la σ−álgebra de Borel en R puede probarse que
viene dada por

B(R) = σ < {]a, b[/ − ∞ ≤ a ≤ b ≤ ∞} >,

donde los intervalos en esta definición pueden ser también

cerrados o semiabiertos.
Si Ω = R, es posible mostrar que B([a, b]) = [a, b] ∩ B(R).

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 12 / 33

 Espacio probabilı́stico

Un espacio probabilı́stico en una tripleta (Ω, F, P), donde Ω es

un espacio muestral, F una σ−álgebra de subconjuntos de Ω y
Introducción P una medida de probabilidad; esto es, una función:
Espacios de
Probabilidad
P ∶ F → [0, ∞[

que satisface los siguientes dos axiomas

P1) P(Ω) = 1.
P2) Si {An } ⊆ F es una colección de eventos disjuntos
dos a dos (Ai ∩ Aj = ∅, ∀i, j ∈ N+ ), entonces
∞ ∞
P( ⊍ An ) = ∑ P(An ),
n=1 n=1

donde ⊍ denotará en adelante a toda unión disjunta de

elementos.
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 13 / 33
 La probabilidad como un caso particular de medida.

La probabilidad resulta ser una medida particular, última que se

define en un contexto más general como:
Introducción

Espacios de Definición
Probabilidad
Sea (E , F) un espacio medible. Una medida sobre este espacio
es cualquier función µ ∶ F → [0, ∞] que satisfaga las
propiedades siguientes:
a) µ(∅) = 0.
b) Si {En } ⊆ F es una colección de elementos
disjuntos dos a dos, entonces
∞ ∞
µ( ⊍ En ) = ∑ µ(En ).
n=1 n=1

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 14 / 33

Introducción

Espacios de
Probabilidad
Aparte de la probabilidad otra medida (no finita) muy común
es la de Lebesgue λ en E = R.

Esta asigna a un intervalo abierto en R, ]a, b[, la longitud de

este intervalo; vale decir, λ(]a, b[) = b − a.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 15 / 33

 Propiedades

Entre las propiedades básicas de una probabilidad podemos

citar a las siguientes:
Introducción
1 P(∅) = 0.
Espacios de
Probabilidad
2 Si {An }n∈N+N ⊆ F es una colección finita de eventos
disjuntos dos a dos (Ai ∩ Aj = ∅, ∀i, j ∈ N+N ), entonces
N N
P( ⊍ An ) = ∑ P(An ).
n=1 n=1

3 0 ≤ P(A) ≤ 1.
4 P(Ac ) = 1 − P(A).
5 Si A ⊆ B, entonces P(A) ≤ P(B).
6 P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
7 P(A − B) = P(A) − P(A ∩ B).
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 16 / 33
 La propiedad básica 6 se puede extender a varios eventos.
Además tenemos otras interesantes propiedades relacionadas
Introducción como las mostradas a continuación
Espacios de
Probabilidad
Proposición
∞
Propiedad σ−subaditiva: P(⋃∞
n=1 An ) ≤ ∑n=1 P(An ).
N N
P(⋃N
n=1 An ) = ∑n=1 P(An ) − ∑n<m P(An ∩ Am )

N N
+ ∑ P(An ∩ Am ∩ Ap ) − . . . + (−1)N+1 P( ⋂ An ).
n<m<p n=1

Desigualdad de Bonferroni:
N N
P( ⋂ An ) ≥ ∑ P(An ) − (N − 1).
n=1 n=1

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 17 / 33

 Ejemplo
Introducción

Espacios de Se enseña a un mono a reconocer los colores al introducir una

Probabilidad
pelota roja, una negra , una verde y una blanca en una caja
con los mismos colores, una bola para cada caja. Si el mono no
ha aprendido a reconocer los colores y simplemente echa una
pelota en cada caja al azar, encuentre
a) La probabilidad de que no hayan
correspondencias.
b) La probabilidad de que halla exactamente una
correspondencia en color.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 18 / 33

 Otra propiedad sumamente importante de la probabilidad es la
Introducción
continuidad. Para entenderla veamos primero a que se entiende
Espacios de
por un lı́mite de eventos.
Probabilidad
Definición
{An } ⊆ F se dice que converge a un evento A ∈ F, y se le
denota por A = lim An , si A = lim inf An = lim sup An , donde
lim inf An = ⋃∞
n=1 ⋂k≥n Ak = {ω ∈ Ω/ω ∈ An para todo n excepto
un número finito de ellos } y lim sup An = ⋂∞ n=1 ⋃k≥n Ak =
{ω ∈ Ω/ω ∈ An para infinitamente muchos valores de n}.

Proposición
Si A = lim An , entonces P(A) = lim P(An ).

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 19 / 33

 Construcción de espacios de probabilidad.

La construcción de un espacio probabilı́stico es en general

abstracta con excepción del caso en que el espacio muestral Ω
Introducción
sea finito o enumerable.
Espacios de
Probabilidad

Si Ω = {ω1 , ω2 , ω3 , . . .}, entonces podrı́amos simplemente

asignar a cada ωn ∈ Ω una probabilidad pn = P({ωn }) ≥ 0 de tal
manera que
∞
∑ pn = 1.
n=1
Ω
Ası́ definiéndose F = 2 y P ∶ F → [0, 1] tal que

P(A) = ∑ pn ,
ωn ∈A

(Ω, F, P) resulta ser un espacio de probabilidad.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 20 / 33
Introducción
Un caso particular de la definición anterior se da cuando Ω es
Espacios de
finito y cada posible resultado de Ω tiene la misma factibilidad
Probabilidad
de ocurrencia; vale decir, que los pn son todos iguales. En este
caso
n(A) número de elementos de A
P(A) = = , ∀A ⊆ Ω.
n(Ω) número de elementos de Ω

y al espacio de probabilidad correspondiente se le denomina un

espacio clásico.
Esta última definición muestra la importancia del conteo, a lo
cual nos dedicaremos seguidamente.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 21 / 33

 Técnicas de conteo

La gran mayorı́a de las técnicas de conteo se basan en el

siguiente principio de multiplicación: Si una operación posee k
Introducción etapas distintas y cada etapa j puede realizarse de nj maneras,
Espacios de
Probabilidad
entonces toda la operación puede realizarse de n1 × n2 × . . . × nk
maneras.
En adelante será conveniente distinguir entre un arreglo y un
conjunto. La diferencia es que en el primero el orden entre los
elementos del arreglo es importante; mientras que en el
segundo no; es decir, una ordenación distinta genera un nuevo
arreglo pero no un nuevo conjunto.
Definición
Si n ∈ N se define el factorial de n y se le denota por n! a

n! = n × n − 1 × n − 2 × . . . × 2 × 1 (0! = 1).

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 22 / 33

 Proposición

Introducción
El número de arreglos que se pueden formar con n elementos es
Espacios de n!.
Probabilidad

Definición (Permutaciones de n en r )
Si r ≤ n son dos números naturales, se define la permutación de
n en r por:
n!
Prn = .
(n − r )!

Proposición
El número de arreglos de r elementos que se pueden formar con
n elementos viene dado por Prn .

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 23 / 33

Introducción Definición (Combinaciones de n en r )
Espacios de
Probabilidad Si r ≤ n en N, se define la combinatoria de n en r por:
n!
Crn = .
(n − r )!r !

Proposición
El número de subconjuntos de r elementos que se pueden
formar con n elementos viene dado por Crn .

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 24 / 33

Introducción

Espacios de
Proposición (Permutaciones con elementos repetidos)
Probabilidad
El número de arreglos que se pueden formar con n elementos,
donde se tiene que n1 son repetidos de tipo 1, n2 son repetidos
de tipo 2 y ası́ sucesivamente se tienen hasta nk repetidos de
tipo k, siendo n1 + n2 + . . . + nk = n, es:
n!
.
n1 ! × n2 ! × . . . × nk !

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 25 / 33

 Ejemplo
Introducción En un almacén se tienen 12 circuitos idénticos en apariencia,
Espacios de pero de los cuales 4 funcionan pero ineficientemente y 2 son
Probabilidad
inservibles. Si se piden 3 circuitos a este almacén y el
encargado los selecciona al azar para su envio
a) ¿Cuál es la probabilidad de que se envie uno
inservible?
b) ¿Cuál es la probabilidad de que se envie un
circuito de cada tipo?

Ejemplo
¿Cuál es la probabilidad de obtener exactamente un par en una
mano de poker?

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 26 / 33

 Probabilidad condicional e independencia

Definición
Introducción
Sea (Ω, F, P) un espacio probabilı́stico y B un evento con
Espacios de
Probabilidad P(B) > 0. La probabilidad condicional al evento B está
definida por:
P(. ∣ B): F → [0, 1]
P(A∩B)
A → P(A ∣ B) = P(B)

A P(A ∣ B) se le llama la probabilidad condicional del evento A

dado B. Este número mide el grado de factibilidad de la
ocurrencia de A si ya se conoce de que B ocurrió.
No es difı́cil verificar que en efecto P(. ∣ B) es una medida de
probabilidad.

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 27 / 33

 Nótese que de la definición anterior se desprende que
P(A ∩ B) = P(A ∣ B)P(B). Esta regla puede fácilmente
Introducción generalizarse por inducción a:
Espacios de
Probabilidad Proposición (Regla del producto)

N
P(A1 ∩ A2 ∩ . . . ∩ AN ) = ∏ P(An ∣ An−1 ∩ . . . ∩ A1 ),
n=1

donde estamos tomado la convención que A0 = Ω.

Definición
Dos eventos A y B son independientes si

P(A ∩ B) = P(A)P(B).

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 28 / 33

 Una manera más intuitiva de ver la independencia viene dada
por la siguiente proposición.
Introducción
Proposición
Espacios de
Probabilidad Dos eventos A y B con probabilidades no nulas son
independientes sii P(A ∣ B) = P(A) ó P(B ∣ A) = P(B).

Definición
Una familia {An } ⊆ F se dice que es una familia de eventos
independientes si

P(⋂ Ai ) = ∏ P(Ai ), ∀I ⊆ N+ .
i∈I i∈I

Nótese que si la familia es finita con N elementos, entonces

N
existen aquı́ un total de ∑N N
n=2 ( n ) = 2 − N − 1 ecuaciones.
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 29 / 33
 Ejemplo
Introducción Tiempo después de haber cambiado el código de su tarjeta de
Espacios de
Probabilidad
crédito de 4 dı́gitos, ud. desea sacar dinero de un cajero (que
admite 3 intentos) pero ha olvidado este código ¿cuál es la
probabilidad de que logre su cometido? ¿Qué ocurrirı́a si
recuerda sólo que los dı́gitos eran distintos y el 0 no era primer
dı́gito?

Ejemplo
Suponga que usted lanza dos dados y se definen el evento A de
obtener un doble, B de que la suma de los puntos este entre 7
y 10 y C de que la suma sea 2 u 8 ¿Son estos eventos
independientes?

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 30 / 33

 La siguiente proposición, que relaciona a una familia de eventos
independientes, será de gran utilidad.
Introducción
Proposición (Lema de Borel-Cantelli)
Espacios de
Probabilidad
Sea {An } ⊆ F una familia arbitraria de eventos.
i) Si ∑∞
n=1 P(An ) < ∞, entonces P(lim sup An ) = 0.
ii) Si ∑∞
n=1 P(An ) = ∞ y {An } es una familia de
eventos independientes, entonces
P(lim sup An ) = 1.

Ejemplo
En un juego 3 amigos lanzan consecutivamente una moneda
hasta que alguno obtenga cara con lo cual gana el juego. Halle
la probabilidad de ganar de cada jugador.
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 31 / 33
 Teorema (Teorema de probabilidad total)
Si A1 , A2 , . . . , AN son N eventos que conforman una partición
del espacio muestral; es decir, que An ∩ Am = ∅, ∀n ≠ m ∈ N+ y
Introducción

Espacios de
Probabilidad Ω = ⊍N n=1 An , entonces para cualquier evento B se cumple que

N
P(B) = ∑ P(B ∣ An )P(An ).
n=1

Teorema (Teorema de Bayes)

Si en el contexto del teorema anterior, se tiene un evento B
con P(B) > 0, entonces

, ∀n ∈ N+N .
P(B ∣ An )P(An )
P(An ∣ B) =
∑N
j=1 P(B ∣ Aj )P(Aj )
Luis Valdivieso Maestrı́a en Estadı́stica PUCP 32 / 33
Introducción
Ejemplo (La ruina del jugador)
Espacios de
Probabilidad
Suponga que el precio de una acción en bolsa puede solamente
subir o bajar en un sol de un periodo a otro con probabilidades
p y 1 − p, respectivamente. Si un inversionista compra la acción
a un precio de k ∈ N+ soles y decide permanecer en el mercado
hasta que ella suba a N ∈ N+ soles, determine la probabilidad
de que el inversionista quiebre (entre en ruina) antes de lograr
su objetivo. Analice también esta probabilidad para el caso de
un inversionista ambicioso (es decir, cuando N → ∞).

Luis Valdivieso Maestrı́a en Estadı́stica PUCP 33 / 33