La probabilidad axiomática es una teoría de probabilidad unificadora.
Establece un
conjunto de axiomas (reglas) que se aplican a todos los tipos de probabilidad, incluida la
probabilidad frecuentista y la probabilidad clásica . Estas reglas, basadas en los Tres
Axiomas de Kolmogorov, establecen puntos de partida para la probabilidad matemática.
Los tres axiomas de Kolmogorov
Los tres axiomas son:
Para cualquier evento A, P(A) ≥ 0. En inglés, eso es “Para cualquier evento A, la
probabilidad de A es mayor o igual a 0”.
Cuando S es el espacio muestral de un experimento; es decir, el conjunto de todos los
resultados posibles, P(S) = 1 . En inglés, eso es «La probabilidad de que ocurra cualquiera
de los resultados es del cien por cien», o, parafraseando, «cada vez que se realiza este
experimento, algo sucede».
Si A y B son resultados mutuamente excluyentes, P(A ∪ B ) = P(A) + P(B).
Aquí ∪ significa ‘unión’. Podemos leer esto diciendo: «Si A y B son resultados mutuamente
excluyentes , la probabilidad de que ocurra A o B es la probabilidad de que ocurra A más la
probabilidad de que ocurra B».
Muchas leyes importantes se derivan de los tres axiomas de Kolmogorov. Por ejemplo, la
Ley de los Grandes Números se puede deducir de las leyes mediante razonamiento lógico
(Tijms, 2004).
El hecho de que estos axiomas sean universales no significa que proporcionen todas las
respuestas. Por ejemplo, cualquier función que satisfaga los tres axiomas se denomina
función de probabilidad . Sin embargo, los axiomas no te dicen qué función elegir;
simplemente establece que la función de probabilidad que elija debe satisfacer las reglas.
Fine (2014) llega a decir que los axiomas carecen de “contenido esencial”. Lo que estos tres
axiomas no hacen:
Díganos dónde y cuándo aplicar las reglas,
Danos pautas o procedimientos para calcular probabilidades,
Cualquier idea sobre la naturaleza de los procesos aleatorios.
Probabilidad condicional
La probabilidad condicional es la probabilidad de algún evento A , dada la ocurrencia de algún otro
evento B . Esto está denotado por P ( A | B ) y se lee “la probabilidad de A , dado B ”. En otras
palabras, estamos calculando probabilidades condicionales al conocer información adicional
parcialmente a través del experimento. X
Ejemplo :
Una maestra de matemáticas le da a su clase dos exámenes. El 30% de la clase paso ambos
exámenes y el 45% de la clase paso el primer examen. Qué porcentaje de aquellos que pasaron el
primer examen también pasaron el segundo?
INDEPENDIENTE
Dos tercios o aproximadamente el 66.7% de la clase paso el segundo examen.
En probabilidad, decimos que dos sucesos son independientes si el saber que un acontecimiento
ocurrió no cambia la probabilidad del otro evento.
Por ejemplo, la probabilidad de que una moneda justa caiga en “águila” es 1/21/21, slash, 2. ¿Y si
supiéramos que ese día era martes? ¿Eso cambiaría la probabilidad de obtener “águila”? Claro que
no. La probabilidad de obtener “águila”, dado que es martes, sigue siendo 1/21/21, slash, 2. Así
que el resultado de lanzar una moneda y que el día sea martes son eventos independientes; saber
que era martes no cambia la probabilidad de obtener “águila”.
No toda situación es así de obvia. ¿Qué pasará con el género y el uso de las manos (zurdo vs
derecho)? Puede parecer que el género de una persona y si es o no zurda son eventos totalmente
independientes. Sin embargo, cuando nos fijamos en las probabilidades, vemos que el 10%10%10,
percent de todas las personas son zurdas, pero cerca del 12%12%12, percent de los hombres son
zurdos. Así que estos eventos no son independientes, pues saber que una persona aleatoria es
varón aumenta la probabilidad de que sea zurdo.
La idea principal es que comprobamos la independencia con probabilidades.
TEOREMA DE BAYES
El teorema de Bayes es una proposición que se emplea para calcular la probabilidad
condicional de un suceso y fue desarrollado por el matemático y teólogo británico Thomas
Bayes. El principal objetivo de este teorema es determinar la probabilidad que posee un
suceso comparada con la probabilidad de otro suceso similar, e
En otras palabras, permite conocer la probabilidad condicional de un evento o suceso
determinado como A dado B, en el que se analiza la distribución de probabilidad del suceso
B dado A.
El teorema de Bayes es muy útil, puesto que aplicándolo de la manera correcta se puede
conocer la probabilidad de que un suceso A pase, teniendo presente lo ocurrido durante el
evento B. Asimismo, existe la probabilidad de que suceda lo contrario, donde ocurra B
dado A.
Fue propuesto por Thomas Bayes, un conocido teólogo y matemático inglés del siglo
VIII. Bayes destacó tanto en la teología como en las matemáticas con distintos trabajos,
entre los que destaca este teorema.
Fórmula del teorema de Bayes
La fórmula de Bayes, también conocida como la regla de Bayes, es un procedimiento propuesto
por el matemático inglés para determinar la probabilidad de un suceso. En la fórmula de Bayes
intervienen 3 probabilidades distintas, las cuales son:
P (Ai), que es la probabilidad que representa a priori de un suceso A.
P (Ai/B), que es la probabilidad que representa a posteriori de un suceso A. Es decir, la
información de lo sucedido en un evento B.
P (B/Ai), que es la probabilidad de un suceso B con base en la información del suceso A.
La fórmula permite calcular la probabilidad condicional P (Ai/B) de los sucesos A dado B.
Ventajas de la aplicación del teorema de Bayes
Si se ajusta de manera correcta, las ganancias de una empresa aumentarán, ya que se
podrá determinar qué estrategias tienen más posibilidades de ser exitosas.
Se puede analizar la información de forma continua; eso sí, en el caso de que la
variabilidad entre datos esté elevada, entonces es recomendable implementar algunos
métodos que permitan encontrar las mejores soluciones.
Los estudios de decisión se ven beneficiados al aplicar el teorema de Bayes.
Es posible buscar y acumular información de todo tipo para entender y solucionar un
problema.
Debilidades del teorema
La fórmula es muy criticada, puesto que posee algunas limitaciones. Así se le critica que solamente
se puede aplicar si existen sucesos exhaustivos y disjuntos.
Los especialistas en estadística tradicional piensan que el teorema de Bayes no es del todo exacto,
pues creen que las únicas estadísticas correctas son las que están basadas en experimentos
repetibles, más no en condiciones relativas, como es el caso de las estadísticas obtenidas
mediante este teorema.
Aplicaciones del teorema
Este teorema busca determinar las probabilidades de que un suceso ocurra o no, analizando
algunas ocasiones un suceso anterior. Eso quiere decir que se analiza bastante información.
El teorema de Bayes es posible aplicarlo en todo tipo de áreas estudio, como en las inversiones
financieras, puesto que se requiere analizar todo tipo de escenarios, al igual que estudiar los
hechos pasados.
