República bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria
Universidad nacional experimental “Rómulo Gallegos”
Estado Guárico
Área: Medicina Veterinaria
2do año, sección 3
Fundamentos de Probabilidad
Facilitador: Participantes:
Duver Farrera Job Esaá
2025, ABRIL
Introducción
La probabilidad es una área esencial en matemáticas y estadística enfocada en medir la
falta de certeza. En nuestra vida diaria y en múltiples campos científicos y técnicos, como
la ingeniería, la economía, la medicina y las ciencias sociales, a menudo nos encontramos
en escenarios donde los resultados no se pueden prever con seguridad. La probabilidad
nos ofrece los métodos necesarios para examinar eventos aleatorios, hacer elecciones
fundamentadas en condiciones de incertidumbre y desarrollar modelos que representen
la realidad. Este estudio se centrará en los principios fundamentales de la probabilidad,
abarcando desde la diferenciación entre experimentos aleatorios y deterministas hasta las
reglas básicas para calcular probabilidades y el importante concepto de probabilidad
condicional.
Experimentos Aleatorios y Determinísticos
En el estudio de los fenómenos, podemos distinguir dos tipos principales de experimentos
basados en la previsibilidad de sus resultados:
Experimento Determinístico: Es aquel experimento cuyo resultado puede
predecirse con total certeza si se conocen las condiciones iniciales bajo las cuales
se realiza. Las leyes de la física clásica, por ejemplo, a menudo describen
fenómenos determinísticos.
Ejemplo 1: Si se calienta agua a 100°C a nivel del mar (condición inicial), sabemos con
certeza que entrará en ebullición (resultado predecible).
Ejemplo 2: Si se lanza una piedra hacia arriba con una velocidad inicial conocida y
despreciamos la resistencia del aire (condiciones iniciales), podemos calcular con precisión
su altura máxima y el tiempo que tardará en caer utilizando las ecuaciones del
movimiento (resultado predecible).
Experimento Aleatorio: Es aquel que se conoce como el conjunto de todos los
posibles resultados, llamado espacio muestral (S). Se puede repetir
indefinidamente bajo condiciones esencialmente idénticas y no se puede predecir
el resultado exacto de una realización particular; los resultados individuales
parecen ocurrir al azar, pero a largo plazo muestran regularidad estadística. La
teoría de la probabilidad se enfoca en este tipo de experimentos.
Ejemplo 1: Lanzar un dado estándar de seis caras. El espacio muestral es S = {1, 2, 3, 4, 5,
6}. No sabemos qué número saldrá en un lanzamiento específico, pero sabemos que será
uno de esos seis.
Ejemplo 2: Medir el tiempo de vida de un componente electrónico. Aunque fabricado bajo
las mismas especificaciones, el tiempo exacto hasta el fallo varía y no se conoce de
antemano.
Concepto de Probabilidad e Incertidumbre
Incertidumbre: Se refiere a la falta de conocimiento completo o certeza sobre el resultado
de un evento o el estado de un sistema. Es inherente a los experimentos aleatorios.
Probabilidad: Es una medida numérica de la posibilidad o verosimilitud de que ocurra un
determinado evento (un subconjunto del espacio muestral) en un experimento aleatorio.
La probabilidad se expresa como un número entre 0 y 1 (o entre 0% y 100%).
Una probabilidad de 0 significa que el evento es imposible.
Una probabilidad de 1 significa que el evento es seguro (cierto).
Valores intermedios indican grados de posibilidad: cuanto más cerca de 1, más probable
es el evento.
Existen diferentes enfoques para interpretar y asignar probabilidades:
Enfoque Clásico (a priori): Se aplica cuando todos los resultados posibles del
espacio muestral son igualmente probables. La probabilidad de un evento A se
calcula como:
P(A) = (Número de resultados favorables a A) / (Número total de resultados posibles en S)
Ejemplo: La probabilidad de obtener un número par (evento A = {2, 4, 6}) al lanzar un dado
justo de seis caras (S = {1, 2, 3, 4, 5, 6}). Hay 3 resultados favorables y 6 resultados
posibles. P(A) = 3/6 = 0.5.
Enfoque Frecuentista (a posteriori): Se basa en la frecuencia relativa observada de
un evento después de realizar el experimento un gran número de veces. La
probabilidad de un evento A se estima como el límite de la frecuencia relativa
cuando el número de repeticiones tiende a infinito:
P(A) ≈ (Número de veces que ocurrió A) / (Número total de repeticiones del experimento)
Ejemplo: Si lanzamos una moneda 1000 veces y obtenemos 510 caras, la probabilidad
estimada de obtener cara es 510/1000 = 0.51. Se espera que esta estimación se acerque a
0.5 (la probabilidad teórica) a medida que aumenta el número de lanzamientos.
Enfoque Subjetivo: La probabilidad representa el grado de creencia o confianza
personal sobre la ocurrencia de un evento, basado en la evidencia disponible,
experiencia o intuición. Es útil en situaciones donde los experimentos no son
repetibles o los resultados no son igualmente probables.
Ejemplo: Un analista financiero asigna una probabilidad del 0.7 (o 70%) a que una
determinada acción suba de precio la próxima semana, basándose en su análisis del
mercado, noticias económicas y el historial de la acción.
Axiomas de Probabilidad
Para que una asignación de probabilidades sea matemáticamente coherente, debe
cumplir tres axiomas fundamentales, propuestos por Andréi Kolmogorov:
Sea S un espacio muestral y P(A) la probabilidad asignada a un evento A cualquiera (A ⊆
S).
Axioma 1 (No negatividad): La probabilidad de cualquier evento A es siempre
mayor o igual a cero.
P(A) ≥ 0
(No existen probabilidades negativas. La menor probabilidad posible es 0 (evento
imposible).
Axioma 2 (Certidumbre): La probabilidad del espacio muestral completo S (el
evento seguro, que siempre ocurre) es igual a 1.
P(S) = 1
(Es seguro que ocurrirá alguno de los resultados posibles del experimento).
Axioma 3 (Aditividad): Si A₁, A₂, A₃, ... es una secuencia de eventos mutuamente
excluyentes (o disjuntos), es decir, que no pueden ocurrir simultáneamente (Aᵢ ∩
Aⱼ = Ø para i ≠ j), entonces la probabilidad de que ocurra al menos uno de ellos (su
unión) es la suma de sus probabilidades individuales.
P(A₁ ∪ A₂ ∪ A₃ ∪ ...) = P(A₁) + P(A₂) + P(A₃) + ...
(Para dos eventos mutuamente excluyentes A y B: P(A ∪ B) = P(A) + P(B)
Ejemplo: En el lanzamiento de un dado, los eventos A = {1, 2} (obtener 1 o 2) y B = {4, 5}
obtener un 1, 2, 4 o 5 (evento A ∪ B) es: P(A ∪ B) = P(A) + P(B) = 2/6 + 2/6 = 4/6 = 2/3.
(obtener 4 o 5) son mutuamente excluyentes. P(A) = 2/6, P(B) = 2/6. La probabilidad de
Consecuencias de los Axiomas:
P(Ø) = 0 (La probabilidad del evento imposible es cero).
0 ≤ P(A) ≤ 1 (La probabilidad de cualquier evento está entre 0 y 1).
P(Aᶜ) = 1 - P(A) (La probabilidad del evento complementario Aᶜ - que A no ocurra - es 1
menos la probabilidad de que A ocurra).
Reglas de la Suma y la Multiplicación
Estas reglas derivan de los axiomas y son fundamentales para calcular probabilidades de
eventos compuestos.
Regla de la Suma (Probabilidad de la Unión): Se utiliza para calcular la probabilidad de que
ocurra al menos uno de dos eventos (A o B).
Caso General (Eventos no necesariamente mutuamente excluyentes): P(A ∪ B) =
P(A) + P(B) - P(A ∩ B) Donde P(A ∩ B) es la probabilidad de que ocurran ambos
eventos A y B simultáneamente (su intersección). Restamos P(A ∩ B) para no
contar dos veces los resultados que pertenecen a ambos eventos.
Ejemplo: Se extrae una carta de una baraja inglesa (52 cartas). ¿Cuál es la probabilidad de
Corazón}, P(B) = 13/52 A ∩ B = {Ser el Rey de Corazones}, P(A ∩ B) = 1/52 P(K ∪ H) = P(K) +
que sea un Rey (K) o una carta de Corazones (H)? A = {Ser Rey}, P(A) = 4/52 B = {Ser
P(H) - P(K ∩ H) = 4/52 + 13/52 - 1/52 = 16/52 = 4/13.
Caso Particular (Eventos Mutuamente Excluyentes): Si A y B no pueden ocurrir
P(A ∪ B) = P(A) + P(B)
juntos, entonces A ∩ B = Ø y P(A ∩ B) = 0. La regla se simplifica a la del Axioma 3:
o un 6 (evento B)? Son mutuamente excluyentes. P(A) = 1/6, P(B) = 1/6 P(A ∪ B) = P(A) +
Ejemplo: En un lanzamiento de dado, ¿cuál es la probabilidad de obtener un 1 (evento A)
P(B) = 1/6 + 1/6 = 2/6 = 1/3.
Regla de la Multiplicación (Probabilidad de la Intersección): Se utiliza para calcular la
probabilidad de que ocurran ambos eventos A y B (A y B).
Caso General (Eventos Dependientes): La ocurrencia de un evento afecta la
probabilidad del otro. Se usa la probabilidad condicional (ver sección siguiente).
P(A ∩ B) = P(A) * P(B | A) = P(B) * P(A | B) Donde P(B | A) es la probabilidad
condicional de que ocurra B dado que A ya ha ocurrido.
Ejemplo: Se extraen dos cartas de una baraja inglesa sin reemplazo. ¿Cuál es la
probabilidad de que ambas sean Ases (A)? A₁ = {La primera carta es un As} A₂ = {La
segunda carta es un As} P(A₁) = 4/52 Si la primera fue un As, quedan 51 cartas y 3 Ases.
P(A₂ | A₁) = 3/51. P(A₁ ∩ A₂) = P(A₁) * P(A₂ | A₁) = (4/52) * (3/51) = 12/2652 ≈ 0.0045.
Caso Particular (Eventos Independientes): Dos eventos A y B son independientes si
la ocurrencia de uno no afecta la probabilidad de ocurrencia del otro. En este caso,
P(B | A) = P(B) y P(A | B) = P(A). La regla se simplifica a: P(A ∩ B) = P(A) * P(B)
Ejemplo: Se lanza una moneda dos veces. ¿Cuál es la probabilidad de obtener Cara (C) en
ambos lanzamientos? Los lanzamientos son independientes. C₁ = {Cara en el primer
lanzamiento}, P(C₁) = 1/2 C₂ = {Cara en el segundo lanzamiento}, P(C₂) = 1/2 P(C₁ ∩ C₂) =
P(C₁) * P(C₂) = (1/2) * (1/2) = 1/4.
Probabilidad Condicional
La probabilidad condicional de un evento A dado que otro evento B ha ocurrido (y P(B) >
0) se define como: P(A | B) = P(A ∩ B) / P(B)
Interpretación: Es la probabilidad actualizada del evento A, calculada después de
saber que el evento B ha sucedido. El espacio muestral efectivo se reduce a los
resultados contenidos en B.
Relación con la Regla de la Multiplicación: La definición de probabilidad
condicional es simplemente una reordenación de la regla general de la
multiplicación: P(A ∩ B) = P(B) * P(A | B).
Ejemplo 1: Se lanza un dado. ¿Cuál es la probabilidad de obtener un 2 (evento A),
sabiendo que el resultado fue un número par (evento B)?
A = {2}, P(A) = 1/6
B = {2, 4, 6}, P(B) = 3/6 = 1/2
A ∩ B = {2}, P(A ∩ B) = 1/6
P(A | B) = P(A ∩ B) / P(B) = (1/6) / (3/6) = 1/3.
Intuitivamente: Si sabemos que el resultado es par {2, 4, 6}, ahora solo hay 3 resultados
posibles igualmente probables, y uno de ellos es el 2. La probabilidad es 1/3.
Ejemplo 2: En una urna hay 3 bolas rojas (R) y 2 bolas azules (A). Se extraen dos bolas sin
reemplazo. ¿Cuál es la probabilidad de que la segunda bola sea roja (R₂), dado que la
primera fue roja (R₁)?
Evento B = R₁ (La primera es roja), P(R₁) = 3/5.
Evento A = R₂ (La segunda es roja).
Evento A ∩ B = R₁ ∩ R₂ (Ambas son rojas). Ya calculamos esto con la regla de
multiplicación: P(R₁ ∩ R₂) = P(R₁) * P(R₂ | R₁) = (3/5) * (2/4) = 6/20 = 3/10.
Queremos calcular P(R₂ | R₁).
Usando la definición: P(R₂ | R₁) = P(R₁ ∩ R₂) / P(R₁) = (3/10) / (3/5) = (3/10) * (5/3) = 15/30
= 1/2.
Intuitivamente: Si la primera bola extraída fue roja, quedan 4 bolas en la urna, de las
cuales 2 son rojas. Por lo tanto, la probabilidad de que la segunda sea roja es 2/4 = 1/2.
Conclusión
Los conceptos de experimentos aleatorios, probabilidad, axiomas, reglas de cálculo y
probabilidad condicional forman el pilar de la teoría de la probabilidad. Permiten modelar
y cuantificar la incertidumbre inherente a muchos fenómenos del mundo real.
Comprender estas herramientas es esencial para el análisis de datos, la toma de
decisiones bajo riesgo y el desarrollo de modelos estocásticos en una amplia variedad de
disciplinas académicas y profesionales. La distinción entre eventos dependientes e
independientes, y la capacidad de actualizar probabilidades basándose en nueva
información (probabilidad condicional), son habilidades cruciales derivadas de estos
fundamentos.
