Unidad 1: Fase 3 - Axiomas de probabilidad

John Sebastián Barona Vélez

Código: 1.144.078.484

Grupo: 100402_23

Tutora:

Zoraida Monsalve

Universidad Nacional Abierta y a Distancia – UNAD

CEAD Palmira
Probabilidad
Escuela de Ciencias Básicas, Tecnología e Ingeniería - ECBTI
Ingeniería Electrónica
Florida (Valle del Cauca)
 Conceptos.

Axioma de probabilidad: es el elemento básico de un sistema de lógica formal y

junto con las reglas de inferencia definen un sistema deductivo. La palabra viene del
griego αξιοειν (axioein) que significa "valorar", que a su vez procede de αξιος (axios)
que significa "valuable" o "digno". Entre los antiguos filósofos griegos, un axioma era
aquello que parecía ser verdadero sin ninguna necesidad de prueba.

La lógica del axioma es partir de una premisa calificada verdadera por sí misma (el
axioma) e inferir sobre ésta otras proposiciones por medio del método deductivo,
obteniendo conclusiones coherentes con el axioma. Los axiomas han de cumplir sólo
un requisito: de ellos, y sólo de ellos, han de deducirse todas las demás proposiciones
de la teoría dada. Los axiomas de probabilidad son las condiciones mínimas que deben
verificarse para que una función que definimos sobre unos sucesos determine
consistentemente valores de probabilidad sobre dichos sucesos.

Los axiomas de la formulación moderna de la teoría de la probabilidad constituyen una

base para deducir a partir de ellas un amplio número de resultados.

Diagrama de árbol o árbol de probabilidad: es una herramienta que se utiliza para

determinar si en realidad en el cálculo de muchas probabilidades se requiere conocer el
número de objetos que forman parte del espacio muestral, estos se pueden determinar
con la construcción de un diagrama de árbol.

El diagrama de árbol es una representación gráfica de los posibles resultados del

experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene un
número infinito de maneras de ser llevado a cabo. Se utiliza en los problemas de
conteo y probabilidad. Para la construcción de un diagrama en árbol se partirá
poniendo una rama para cada una de las posibilidades, acompañada de su
probabilidad. Cada una de estas ramas se conoce como rama de primera generación.

En el final de cada rama de primera generación se constituye a su vez, un nudo del

cual parten nuevas ramas conocidas como ramas de segunda generación, según las
posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimentó (nudo final).
Hay que tener en cuenta que la construcción de un árbol no depende de tener el
mismo número de ramas de segunda generación que salen de cada rama de primera
generación y que la suma de probabilidades de las ramas de cada nudo ha de dar 1.

Existe un principio sencillo de los diagramas de árbol que hace que éstos sean mucho
más útiles para los cálculos rápidos de probabilidad: multiplicamos las probabilidades
si se trata de ramas adyacentes (contiguas), el ejemplo de alumna de la primera
facultad, o bien las sumamos si se trata de ramas separadas que emergen de un
mismo punto, el ejemplo de encontrar un alumno.

Ejemplos

Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.

 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.

Las mujeres están repartidas uniformemente, siendo un 60% del total en cada
facultad.

¿Probabilidad de encontrar una alumna de la primera facultad?

¿Probabilidad de encontrar un alumno varón?

Pero también podría ser lo contrario.

Teorema de probabilidad: el teorema de la probabilidad total es aquel que nos

permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas.

Ejemplo: Supongamos que si llueve la probabilidad de que ocurra un accidente es x%

y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir
cuál es la probabilidad de que ocurra un accidente si conocemos la probabilidad de que
llueva y la probabilidad de que haga buen tiempo. La fórmula para calcular esta
probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un
accidente) es igual a la suma de multiplicar cada una de las probabilidades
condicionadas de este suceso con los diferentes sucesos A (probabilidad de un
accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada
suceso A. Para que este teorema se pueda aplicar hace falta cumplir un requisito: Los
sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las
posibilidades (la suma de sus probabilidades debe ser el 100%).

Ejemplo: Al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un
sistema completo, no hay más alternativas: la suma de sus probabilidades es el 100%
Ejemplo: Al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema
completo, ya que no contempla todas las opciones (podría salir el 5 o el 6). En este
caso no se podría aplicar el teorema de la probabilidad total.

Teorema de Bayes: se utiliza para revisar probabilidades previamente calculadas

cuando se posee nueva información. Desarrollado por el reverendo Thomas Bayes en
el siglo XVII, el teorema de Bayes es una extensión de lo que ha aprendido hasta
ahora acerca de la probabilidad condicional.
Comúnmente se inicia un análisis de probabilidades con una asignación inicial,
probabilidad a priori. Cuando se tiene alguna información adicional se procede a
calcular las probabilidades revisadas o a posteriori. El teorema de Bayes permite
calcular las probabilidades a posteriori y es:

El teorema de Bayes da respuesta a cuestiones de tipo causal, predictivas y de

diagnóstico. En las cuestiones causales queremos saber cuál es la probabilidad de
acontecimientos que son la consecuencia de otros acontecimientos. En las cuestiones
predictivas queremos saber cuál es la probabilidad de acontecimientos dada
información de la ocurrencia de los acontecimientos predictores. En las cuestiones de
tipo diagnóstico queremos saber cuál es la probabilidad del acontecimiento (o
acontecimientos) causales o predictivos dado que tenemos información de las
consecuencias. Para resumir, en las situaciones causales o predictivas desconocemos
las consecuencias y tenemos evidencia de las causas. Por el contrario, en las
 situaciones de diagnóstico desconocemos las causas y tenemos evidencia de las
consecuencias.

Cuadro sinóptico.

Son las condiciones mínimas que

deben verificarse para que una
función definida sobre un conjunto
de sucesos determine
consistentemente
susprobabilidades.

Axiomas de probabilidad.

Fueron formulados por

Kolmogórov en 1933.

es una herramienta que se utiliza

para determinar si en realidad en
Diagrama de árbol o árbol de el cálculo de muchas
probabilidad. probabilidades se requiere
conocer el número de objetos que
Unidad 1 - Conceptos forman parte del espacio muestral.
básicos de probabilidad.

es aquel que nos permite calcular

la probabilidad de un suceso a
Teorema de probabilidad total partir de probabilidades
condicionadas.

se utiliza para revisar

probabilidades previamente
Teorema de Bayes
calculadas cuando se posee
nueva información.
 Bibliografía.

 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:

Probabilidad e inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=109
95669&ppg=19
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Página 151 a 176. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=151&d
ocID=10436604&tm=1470688991083
 Universidad Autonoma del Estado de Hidalgo. Centro de Innovación para el
Desarrollo y la Capacitación en Materiales Educativos - CIDECAME. (s.f.)
Definición, Axiomas y teoremas. Recuperado de:
http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/21definicin_axioma
s_y_teoremas.html
 AulaFacil. (s.f.) Teorema de la probabilidad total. Recuperado de:
http://www.aulafacil.com/cursos/l11236/ciencia/estadisticas/estadisticas/teore
ma-de-la-probabilidad-total