Medida de Probabilidad

La probabilidad es una area de las matem´aticas que comenz´o a

desarrollarse a principios del siglo XX con la axiomatizaci´on de Kolmogorov.
Con la medalla Fieldas otorgada a W. Werner en 2006 y el premio Abel a S.R.S.
Varadhan en 2007 ha alcanzado pleno reconocimiento. El impacto y
aplicaciones de la probabilidad en las matem´aticas y otras ciencias es diverso
y profundo. A modo de ilustraci´on, a continuaci´on enumeramos algunos
ejemplos.

El método probabilístico. El número de Ramsey R(k, l) es el entero n

m´as pequeño tal que cualquier bi-coloraci´on de las aristas de un grafo
completo de n vertices Kn, o bien existe un subgrafo rojo Kk o un subgrafo azul
Kl. Queremos encontrar una cota inferior para R(k, k). Ocupando el llamado

m´etodo probabil´ıstico probaremos que si (n/k)21−(k/2) < 1, entonces R(k, k)

> n. Consideremos una coloraci´on aleatoria de las aristas de Kn en rojas y

azules, donde ambos colores tienen la misma probabilidad.

Para cada subconjunto fijo R de k v´ertices, sea AR el evento que el

subgrafo inducido Kn de R es monocrom´atico. Es obvio que P(AR) = 21−

(k/2). Ahora, como existen (n/k) formas de elegir R, la probabilidad de que

alguno de los eventos AR ocurra es a lo mas (n/k)21−(k/2). Es decir R(k, k) >

n. Si elegimos n = ⌊2k/2⌋ y k ≥ 3 entonces (n/k)21−(k/2) < 21+k2 k1 ・

nk2k2/2 < 1.
 La probabilidad proporciona a los sucesos una medida teórica de su
ocurrencia. Históricamente su concepto se introdujo a partir del de frecuencia
relativa, que no era más que una medida empírica de la ocurrencia de algún
hecho cuando el experimento se repetía.

La definición clásica (la más conocida y útil la mayoría de las ocasiones)

es la atribuída a Laplace.

Hoy día la probabilidad se define como una asignación. En concreto, a

cada suceso le asociamos una medida de incertidumbre (su probabilidad),
medida que representamos como p(A). Estas asignaciones deben cumplir ciertas
reglas de coherencia, que se denominan axiomas del Cálculo de probabilidades:

 , para todo suceso A



 , para ,.... disjuntos dos

a dos.

En la hoja de cáculo asignación.xls puedes hacer diversas asignaciones

en un espacio muestral muy sencillo.
 Teoría de la Medida

Ahora bien, definiremos algunos conceptos necesarios para entender

mejor esta relación.

En la teoría de la probabilidad, un evento es un subconjunto de un espacio

muestral, es decir, un conjunto de posibles resultados que se pueden dar en un
experimento aleatorio.

A cada evento aleatorio se le puede asignar una medida de probabilidad

y el conjunto de todos los eventos aleatorios constituye una σ-álgebra de
eventos, sin embargo esto se vera mas adelante.

En Teoría de la Medida existen familias de conjuntos ,por ello ahora se

define una familia de eventos: Si un evento A contiene otros eventos del espacio
maestral podemos decir que A es una familia de eventos del espacio muestral.

Algebra de Eventos
Cuando una familia A de eventos de 𝝮 es cerrada con respecto a las tres
operaciones fundamentales: unión, intersección y complemento, se dice que A
es una algebra de eventos.
Sigma-Algebra de Eventos
Una σ-álgebra es una colección no vacía de eventos del espacio muestral
𝝮 cerrada bajo las operaciones de complemento y de uniones numerables,
donde los elementos de A son eventos de interés del experimento aleatorio.

Entonces, una σ-álgebra es una estructura que permite agrupar, de manera

selectiva, aquellos eventos cuya probabilidad interesa obtener.

Como en Teoría de la Medida , una sigma-algebra de eventos es también

una algebra de eventos , pero no cumple de modo contrario ya que la diferencia
entre sigma-algebra y algebra es que la sigma-algebra es generada por familias
numerables de eventos y el algebra son eventos finitos.

Sigma-Algebra Generada

Si tenemos un evento que nos interesa analizar, se puedo generar una

sigma-algebra para reducir los elementos de nuestro conjunto y poder trabajar
mas fácilmente, esto decir :

Sea C una colección no vacía de elementos de 𝝮, la sigma-algebra

generada por C es dentada por σ(C), y es la sigma-algebra mas pequeña que
contiene a C.
 La sigma-álgebra minima contiene al menos a la colección C, a su
complemento CC, al espacio muestral 𝝮 y al conjunto vacı́o ∅.

Ejemplo:

Considere el experimento consistente en observar si las Chivas gana,

empata o pierde su próximo partido; determine la sigma-álgebra asociada
a esa colección de tres resultados.

El espacio muestral es: 𝝮={gana,empata,pierde}

Los eventos de interés son: {g}, {e} y {p}

La sigma-álgebra generada por esta colección de eventos es:

σ ({g}, {e} , {p} )= { ∅, {g} ,{e} , {p} , {g,e} , {g,p} ,{e,p} , {g,e,p} }

Ya que se entendió como generar una sigma-algebra, existe también la

sigma-algebra de Borel.

Sigma-Algebra de Borel
Si tenemos un espacio de probabilidad cuyo espacio muestral es el
conjunto de números reales R, parece natural que la σ−álgebra contenga los
conjuntos de la forma (−∞, x].

Esto permitirá́ calcular la probabilidad de que el resultado del

experimento aleatorio correspondiente sea menor o igual que x.
La σ−álgebra de Borel sobre R, que denotaremos por B, es la σ−álgebra sobre
R generada por los conjuntos de la forma Ax = (−∞, x], para todo x ∈ R.

Ya definidas las sigmas-algebras de eventos, pasamos a la definición

esencial: Medida de Probabilidad.

Medida de Probabilidad
La probabilidad es una función de conjunto que asigna un número real
entre 0 y 1, a cada uno de los subconjuntos del espacio muestral ,
pertenecientes a la -álgebra A.

Es una medida que parte de una -álgebra A de eventos de un espacio

muestral  y llega al intervalo real [0,1].
La medida probabilidad debe cumplir tres condiciones, denominados
axiomas de probabilidad.

Si A1,A2,…,Ai,.. son subconjuntos del espacio muestral .

• P (𝝮) = 1

• Si A⊂𝝮, entonces P(A) ≥ 0

• Si A1,A2,...,An,...,
Es una colección numerable de eventos disjuntos dos a dos, entonces,
P(A1 U A2 U … U An U…) = ∑∞
𝑖=1 𝑃(𝐴𝑖)
 Lamentablemente no siempre es posible construir una medida de
probabilidad que satisfaga los axiomas y permita medir todos los subconjuntos
de Ω. Un ejemplo son los conjuntos de Vitali.
Algunos resultados que se derivan de lo anterior, son los siguientes:

Sea P una medida de probabilidad.

-P(∅)=0

-Si A1, A2, · · · , An, es una colección FINITA de eventos disjuntos dos a dos,
entonces,
P (A1 ∪ A2 ∪ · · · ∪ An) = P(A1)+P(A2)+···+P(An)

-Para cualquier evento A ⊂ Ω , P(Ac) = 1 − P(A).

- Sean A, B ⊂ Ω, eventos.
Si A ⊂ B, entonces P(A) ≤ P(B)

- (Ley de adición)
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Espacio Probabilizable

Un espacio probabilizable es una pareja (𝝮, A), donde 𝝮 es el espacio

muestral ligado al experimento aleatorio y A es una sigma-álgebra sobre 𝝮 que
constituye un sistema de subconjuntos de 𝝮.
 De manera más general, un espacio probabilizable es un espacio medible,
sobre el que se va a medir probabilidad, y los eventos del espacio muestral 𝝮,
pertenecientes a la familia A, son los conjuntos medibles.

Medida de Conjunto

Una medida de conjunto es una función :

m : A→ R
tal que
i) m (∅)=O
ii) m es sigma-aditiva

Espacio de Probabilidad

Un espacio probabilístico es una terna (, A, P) donde  es el espacio

muestral ligado al experimento aleatorio, A es -álgebra, y P es una función,
denominada medida de probabilidad, definida de la -álgebra A al conjunto de
los números reales  en el intervalo [0,1].

Para que una medida de conjunto sea una probabilidad, lo único que se
necesita es que la medida del conjunto completo  sea uno.

Ahora bien creo que No hay duda alguna de que el desarrolló la teoría de
la probabilidad tomando como base la teoría de la medida, a partir de esto,
podemos definir un concepto mas muy importante para la Teoría de
Probabilidad ya que de aquí se trabaja con la probabilidad de una forma
diferente y el concepto es : Variable Aleatoria.

Variable Aleatoria

Sea (Ω, A, P ) un espacio de probabilidad.

Una variable aleatoria es una función

X :A→R tal que para todo x∈R

X−1((−∞, x]) ∈ A

De modo que :

P ({ω : X(ω) ≤ x}) = P (X−1((−∞, x]))

El concepto de variable aleatoria es esencialmente el mismo que el de

función medible en teoría de la medida. Si (Ω, A, μ) es un espacio de medida.

F:A→R se dice medible si para todo x en R

f−1 ((−∞,x])) ∈ A

En otras palabras una variable aleatoria es una función que asigna un

valor, usualmente numérico, al resultado de un experimento aleatorio.
 Los valores posibles de una variable aleatoria pueden representar los
posibles resultados de un experimento aún no realizado, o los posibles valores
de una cantidad cuyo valor actualmente existente es incierto, Intuitivamente,
una variable aleatoria puede tomarse como una cantidad cuyo valor no es fijo
pero puede tomar diferentes valores
A partir de las variables aleatorias se definen las distribuciones de
probabilidad :una distribución de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores.

En términos formales una variable aleatoria es una función definida sobre

un espacio de probabilidad.

Un teorema importante es el siguiente:

Teorema:
Sea X una variable aleatoria sobre un espacio de probabilidad (Ω,A,P).
Entonces X−1 (B) ∈ A para todo B ∈ B’.
(B’ es el conjunto de borelianos en R)
Espacio de Probabilidad Asociado a una Variable Aleatoria

Sea un espacio de probabilidad (Ω, A, P ) y sea X : Ω → R una variable aleatoria.

Asociada a esta variable podemos definir un nuevo espacio de

probabilidad (R, B’, P X) donde para todo B ∈ B’ se define
PX (B) = P (X−1 (B))
Sabemos que P (X−1 (B)) está definido ya que X−1 (B) está en A.

La función PX se denomina probabilidad inducida por X o distribución de X.

Medibles de Borel

Una función g : R → R, se dice medible Borel si para todo

X∈R

g−1 ((−∞, x]) ∈ B’.

Si a uno le interesa solo el resultado de la variable aleatoria, esto permite

trabajar en un espacio de probabilidad donde el espacio muestral es R y la
σ−álgebra es B’, la σ−álgebra de Borel .

Conclusión

Para concluir , podemos darnos cuenta de la relación tan cercana que

existe entre la Probabilidad y la Teoría de la Medida, prácticamente al hablar
de Probabilidad estamos hablando de Medida, ya que las bases de la Teoría de
la Probabilidad están inspiradas en la Teoría de la Medida.

Lo que se presentó en este documento fueron las bases para seguir

trabajando con diferentes conceptos de Probabilidad, diferentes tipos de
variables y sus distribuciones, funciones generadoras, etc.
 Ahora ya sabemos la conexión directa que existe entre estas dos áreas de
las Matemáticas.
 Referencias

Universidad Nacional Autónoma de México. Medida de Probabilidad.

Recuperado de :
http://www.dcb.unam.mx/users/gustavorb/Probabilidad/PE14.pdf

Yohai J.Victor (2008).Notas de Probabilidad y Estadística.

Recuperado de :
http://cms.dm.uba.ar/academico/materias/2docuat2016/probabilidades_y_esta
distica_M/apunte2.pdf

CIMAT. Espacios de Medida (Capitulo 2) .

Recuperado de :
http://www.cimat.mx/~jortega/MaterialDidactico/myp09/Cap2v1.1.pdf