¿Qué son los axiomas de probabilidad? Explicación completa.

Inicio » Ciencia » Matemáticas » Estadística » ¿Qué son los axiomas de probabilidad? Explicación completa.

La pregunta "¿cuáles son los axiomas de probabilidad?" parece simple, pero la respuesta conduce a una construcción matemática muy sólida., que comenzó a organizarse rigurosamente en el siglo XX con el trabajo de Andrey Kolmogorov. Estos axiomas son la base de prácticamente toda la teoría de la probabilidad moderna, desde el estudio de los juegos de azar hasta los complejos modelos estadísticos utilizados en la ciencia de datos, las finanzas y la ingeniería.

antes de Formalización de KolmogorovEn aquel entonces, la probabilidad se entendía de un modo más intuitivo, ligada a la idea de frecuencia o azar.Y distintos matemáticos emplearon diversas interpretaciones. Hoy en día, cuando hablamos de axiomas de probabilidad, nos referimos a un conjunto mínimo de reglas que cualquier función de probabilidad debe obedecer para que podamos realizar cálculos coherentes, evitar contradicciones y construir teoremas sólidos.

Intuición básica: experiencias y eventos aleatorios

Para entender los axiomas de probabilidad, el primer paso es saber qué es un experimento aleatorio y qué llamamos un evento.Un experimento aleatorio es cualquier procedimiento cuyo resultado no puede predecirse con certeza, aun cuando conocemos todos los resultados posibles; ejemplos clásicos son lanzar una moneda al aire o tirar un dado.

Llamamos espacio muestral, usualmente denotado por Ω, al conjunto de todos los resultados posibles de este experimento.Si lanzamos una moneda, por ejemplo, el espacio muestral se puede escribir como Ω = {H, T}, donde H representa "cara" y T representa "cruz". Cada elemento de Ω se denomina resultado elemental.

Un evento es cualquier subconjunto de Ω que nos interesa observar.Así, si el experimento es el lanzamiento de una moneda, el conjunto {H} es el evento "sale cara", el conjunto {T} es el evento "sale cruz" y Ω mismo es el evento "sale cara o cruz", es decir, un evento determinado.

Algunos acontecimientos son especialmente importantes: el acontecimiento imposible, el acontecimiento elemental y el acontecimiento cierto.El conjunto vacío ∅ representa el evento imposible, ya que no contiene ningún resultado; un conjunto con un solo elemento {ω}, con ω en Ω, representa un evento elemental; y Ω en sí mismo es el evento cierto, el que siempre ocurre cuando se realiza el experimento.

El lenguaje de la teoría de conjuntos es muy útil en el estudio de la probabilidad.Si A y B son eventos, entonces A ∩ B representa la ocurrencia simultánea de A y B, A ∪ B representa la ocurrencia de al menos uno de ellos, y el complemento de A, a menudo escrito como ̄A o Ω \ A, representa la “no ocurrencia de A”. Esta notación y las propiedades de los conjuntos se utilizarán directamente en la formulación de los axiomas.

Interpretaciones del concepto de probabilidad

Aunque los axiomas de Kolmogorov proporcionan la base matemática de la probabilidad, la palabra "probabilidad" en sí puede interpretarse de diversas maneras.Históricamente, han surgido diferentes interpretaciones respecto de lo que significa asignar un número P(A) a un evento A.

En la interpretación clásica de Laplace, válida para espacios finitos con resultados equiprobables, la probabilidad de A es la relación entre el número de casos favorables y el número de casos posibles.Si el espacio muestral tiene n resultados igualmente probables (es decir, #Ω = n) y el evento A contiene n_A de estos resultados (#A = n_A), entonces la probabilidad viene dada por P(A) = n_A / n. Esta fórmula es bastante intuitiva cuando todos los resultados tienen la misma probabilidad de ocurrir.

Ya la interpretación frecuentista Vincula la probabilidad a la frecuencia relativa observada en las repeticiones de un experimento.Desde este punto de vista, repetimos el experimento aleatorio n veces y contamos cuántas veces ocurre el evento A, llamando a este número n_A; luego, observamos el límite, a medida que n crece, de la fracción n_A / n. La probabilidad de A sería P(A) = lim_{n→∞} (n_A / n), siempre que exista este límite.

Existe también la interpretación subjetiva, ampliamente utilizada en la estadística bayesiana, en la que la probabilidad se asocia al grado de creencia de un sujeto racional.En este enfoque, P(A) cuantifica la confianza de alguien en la ocurrencia de A, considerando el conocimiento disponible. No es la experiencia la que "porta" la probabilidad, sino el sujeto que evalúa la incertidumbre coherentemente.

A pesar de estas diferentes interpretaciones, todas pueden coexistir dentro del mismo marco axiomático de Kolmogorov.En otras palabras, independientemente de si prefieres un punto de vista clásico, frecuentista o subjetivo, en última instancia la probabilidad será modelada matemáticamente por una función P que obedece a un pequeño conjunto de axiomas sobre un espacio de eventos.

Construcción formal: espacios de probabilidad y σ-álgebras

Kolmogorov describió la probabilidad en términos de una tripleta (Ω, F, P), llamada espacio de probabilidad.En este triple, Ω es el espacio muestral, F es el conjunto de eventos posibles (técnicamente, un σ-álgebra de subconjuntos de Ω) y P es la función de probabilidad.

Una σ-álgebra F es una colección especial de subconjuntos de Ω que satisface algunas propiedades.En términos generales, F debe contener el conjunto vacío, ser cerrado bajo complemento (si A está en F, entonces su complemento también está en F) y ser cerrado bajo uniones numerables (si A₁, A₂, … están en F, entonces la unión de todos ellos también está en F). Esta estructura permite trabajar con operaciones con conjuntos sin abandonar el universo de eventos con una probabilidad bien definida.

Formalmente, F es una σ-álgebra sobre Ω cuando: El conjunto vacío ∅ pertenece a F; si A está en F, entonces el complemento de A en Ω también pertenece a F; y si A₁, A₂, … es una secuencia (finita o contablemente infinita) de elementos de F, entonces la unión A₁ ∪ A₂ ∪ … también está en F. En muchos contextos, F también se llama campo de Borel o σ-campo.

La función de probabilidad P está definida en F y asigna a cada evento E en F un número real no negativo.Entonces decimos que P(E) está en ℝ y P(E) ≥ 0 para todo E en F. En la teoría de medidas general, las medidas pueden tomar valores infinitos, pero en la teoría de probabilidad estándar, P(E) es siempre finita, lo que trae algunas diferencias en relación con las medidas más generales.

Esta estructura (Ω, F, P) con P(Ω) = 1 es lo que llamamos un espacio de probabilidad.La condición P(Ω) = 1 es esencial porque representa la idea de que, al realizar el experimento, ciertamente ocurre algún resultado en Ω; no hay "resultados ocultos" fuera del espacio muestral.

Los tres axiomas de Kolmogorov

La teoría axiomática de Kolmogorov se basa en tres axiomas fundamentales que cualquier función de probabilidad debe satisfacer.Son sencillas de enunciar, pero extremadamente poderosas, porque prácticamente todas las propiedades usuales de probabilidad se derivan de ellas.

Primer axioma — No negatividad: Para cualquier evento A perteneciente a la σ-álgebra F, tenemos P(A) ≥ 0. Es decir, las probabilidades nunca son negativas. En algunas teorías más exóticas, se habla de "probabilidades negativas", pero estas ideas se apartan del marco clásico de Kolmogorov.

Segundo axioma — Normalización: La probabilidad de que ocurra un determinado evento es igual a 1, es decir, P(Ω) = 1. Este axioma establece la convención de que 1 corresponde a una certeza del 100 % y 0 a la imposibilidad. En versiones más elementales, este axioma también puede interpretarse como que la suma de las probabilidades de todos los resultados elementales de Ω es igual a 1.

Tercer axioma — σ-aditividad: Si A₁, A₂, … es una secuencia de eventos disjuntos por pares (también llamados mutuamente excluyentes), entonces P(∪ᵢ Aᵢ) = Σᵢ P(Aᵢ). Esto es válido tanto para una colección de eventos finita como para una infinitamente numerable. Esta propiedad de aditividad contable es la principal diferencia con respecto a la simple aditividad finita.

En contextos más simples, algunos autores trabajan sólo con aditividad finita., que requiere que P(A ∪ B) = P(A) + P(B) para los sucesos disjuntos A y B, y que esto se extienda a un número finito de conjuntos. En este caso, basta con trabajar con un álgebra de conjuntos, no necesariamente una σ-álgebra, pero el enfoque estándar en la probabilidad moderna es requerir σ-aditividad.

De este tercer axioma surgen varias consecuencias importantes, como las igualdades, las desigualdades y las leyes de probabilidad.También está en el centro del vínculo entre la probabilidad y la teoría de la medida, que estudia las medidas en conjuntos de una manera bastante general.

Propiedades derivadas de axiomas

Basándonos en los tres axiomas de Kolmogorov, pudimos demostrar varias propiedades básicas y extremadamente útiles.Estas propiedades no se suponen de antemano: son consecuencias lógicas de los axiomas.

Una de las primeras propiedades es la monotonía de la probabilidad.Si A y B son eventos en F y A está contenido en B (A ⊆ B), entonces P(A) ≤ P(B). La idea es intuitiva: si B abarca todo lo que puede ocurrir en A, y quizás más, entonces B no puede tener una probabilidad menor que A.

Otra propiedad fundamental es que la probabilidad de un evento imposible es cero.Desde un punto de vista formal, utilizando la σ-aditividad, consideramos una sucesión donde E₁ = A, E₂ = B \ A y Eᵢ = ∅ para i ≥ 3, en un escenario donde A ⊆ B. Dado que los Eᵢ son disjuntos y su unión es B, la suma de las probabilidades debe converger a P(B). Si asumimos que P(∅) = a > 0, entonces la suma de P(∅) infinitas veces explotaría hasta el infinito, lo cual es incompatible con un P(B finito). Por lo tanto, concluimos que P(∅) = 0.

Por lo tanto, podemos enunciar la desigualdad 0 ≤ P(E) ≤ 1 para cualquier evento E en F.Ya sabíamos que P(E) ≥ 0 a partir del primer axioma. Sabiendo que P(Ω) = 1 y aplicando la monotonía con E ⊆ Ω, se deduce que P(E) ≤ P(Ω) = 1. Por lo tanto, toda probabilidad está siempre entre 0 y 1, ambos inclusive.

Una identidad comúnmente utilizada es la llamada ley aditiva para cualesquiera dos eventos.Para los eventos A y B en F, se cumple que P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Esta fórmula corrige la doble contabilización del evento común A ∩ B, que se suma dos veces si sumamos P(A) y P(B) sin ajustes.

Otra consecuencia importante es la relación entre un evento y su complemento.Si denotamos el complemento de A por ̄A, entonces P(̄A) = 1 − P(A). Esta igualdad transmite la idea de que «o A ocurre o A no ocurre», y no existe otra posibilidad dentro de Ω.

De esto también se desprende claramente que P(A) = 0 no implica necesariamente que A sea el evento imposible.En términos matemáticos, es posible que un evento tenga probabilidad cero sin ser el conjunto vacío (esto aparece, por ejemplo, en espacios continuos), pero en el nivel más elemental, P(A) = 0 suele asociarse con eventos prácticamente imposibles.

Ejemplo práctico: lanzar una moneda

Un ejemplo clásico y muy didáctico para visualizar los axiomas de Kolmogorov es el lanzamiento de una moneda.Supongamos, para empezar, que la moneda sólo puede caer en "cara" (H) o "cruz" (T), y que éstos son los únicos resultados posibles.

Luego definimos el espacio muestral como Ω = {H, T}Los sucesos posibles forman una σ-álgebra F compuesta por {∅, {H}, {T}, {H, T}}. En este contexto, el suceso imposible es ∅, los sucesos elementales son {H} y {T}, y el suceso cierto es {H, T}.

De los axiomas de Kolmogorov, sabemos que P(∅) = 0 y P(Ω) = 1Si asumimos que la moneda es justa, es decir, no favorece a ninguno de los dos lados, la simetría sugiere que P({H}) = P({T}). Como la suma P({H}) + P({T}) debe ser igual a 1, concluimos que ambas valen 1/2.

Por lo tanto, la probabilidad de obtener "cara o cruz" es P({H, T}) = 1La probabilidad de obtener cara es P({H}) = 1/2 y la probabilidad de obtener cruz es P({T}) = 1/2. La suma de las probabilidades de los eventos elementales agota la probabilidad total del espacio.

Este modelo, aunque simple, ilustra cómo se comportan los axiomas en la práctica y cómo previenen inconsistencias en los cálculos de probabilidad.Si no definimos cuidadosamente el espacio muestral, podemos cometer errores graves, porque cualquier evento es siempre un subconjunto de Ω; si el subconjunto no encaja en Ω, su probabilidad ni siquiera está definida.

Probabilidad en espacios finitos y contables

Cuando el espacio muestral es finito o contable, la probabilidad se puede describir de una manera muy concreta.Supongamos que Ω = {ω₁, ω₂, …} es un conjunto finito o contable de resultados posibles.

Si A es un evento que contiene algunos de estos resultados, como A = {ω₁*, …, ω_{k*}, …}Por lo tanto, la probabilidad de A puede verse como la suma de las probabilidades de los eventos elementales correspondientes: P(A) = P(∪ᵢ {ω_{i*}}) = Σᵢ P({ω_{i*}}). Esta es una aplicación directa de la aditividad (o σ-aditividad) en conjuntos disjuntos.

En el caso particular donde el espacio muestral es finito, con #Ω = n, y todos los resultados son equiprobablesTenemos P({ωᵢ}) = 1/n para cada i. Si A contiene k resultados distintos en Ω, entonces P(A) = Σ_{i=1}^k P({ω_{i*}}) = k/n = (#A)/(#Ω). Esta es exactamente la fórmula clásica de Laplace reinterpretada dentro del marco axiomático moderno.

Cuando el espacio muestral es contablemente infinito, la suma de las probabilidades de los eventos elementales todavía necesita converger a 1.Es decir, Σᵢ P({ωᵢ}) = 1. Aquí es donde la σ-aditividad muestra su fuerza, permitiéndonos tratar no sólo con sumas finitas, sino también con series infinitas de eventos.

Probabilidad condicional y el papel de los axiomas.

Un aspecto central de la teoría es comprender cómo cambia la probabilidad cuando sabemos que un determinado acontecimiento ya ha ocurrido.Aquí es donde entra en juego la probabilidad condicional, normalmente escrita como P(A | B), que significa "la probabilidad de A dado que B ha ocurrido".

La fórmula básica para la probabilidad condicional es P(A | B) = P(A ∩ B) / P(B), siempre que P(B) > 0Esta definición es consistente con los axiomas de Kolmogorov y, de hecho, para cada B con P(B) > 0, la función A ↦ P(A | B) nuevamente satisface los tres axiomas cuando restringimos el espacio de eventos a B.

Esto significa que P(· | B) es en sí misma una función de probabilidad sobre el “nuevo” espacio muestral B.En consecuencia, todas las propiedades básicas se cumplen para las probabilidades condicionales: P(̄A | B) = 1 − P(A | B), P(∅ | B) = 0, monotonía condicional (si A₁ ⊆ A₂, entonces P(A₁ | B) ≤ P(A₂ | B)) y la fórmula P(A₁ ∪ A₂ | B) = P(A₁ | B) + P(A₂ | B) − P(A₁ ∩ A₂ | B).

La importante relación P(A ∩ B) = P(A) P(B | A), cuando P(A) > 0, también se deriva de la definición de probabilidad condicional.Simétricamente, podemos escribir P(A ∩ B) = P(B) P(A | B), siempre que P(B) > 0. Estas igualdades ayudan a descomponer probabilidades conjuntas y son la base de varios resultados, como el Teorema de Bayes.

Es interesante observar que la probabilidad "incondicional" puede verse como un caso particular de probabilidad condicional.De hecho, podemos escribir P(A) = P(A ∩ Ω) / P(Ω) = P(A | Ω), ya que P(Ω) = 1. Esto refuerza la idea de que, conceptualmente, toda probabilidad está condicionada a alguna información de fondo, incluso si es solo el conocimiento de que estamos trabajando dentro de Ω.

Independencia de los acontecimientos

Otro concepto clave que se basa en los axiomas es el de la independencia entre eventos.Dos eventos A y B son independientes si la ocurrencia de uno no altera la probabilidad del otro.

En lenguaje formal, A y B son independientes cuando P(A ∩ B) = P(A) P(B)En términos de probabilidad condicional, esto implica que si P(B) > 0, entonces P(A | B) = P(A), y si P(A) > 0, entonces P(B | A) = P(B). Es decir, saber que B ocurrió no cambia la probabilidad de A, y viceversa.

Todo evento es independiente del evento imposible ∅ y del evento cierto Ω.Para el conjunto vacío, P(A ∩ ∅) = 0 y P(∅) = 0, por lo que la relación se cumple trivialmente. Para el evento cierto, P(A ∩ Ω) = P(A) y P(Ω) = 1, por lo tanto, P(A ∩ Ω) = P(A) P(Ω) = P(A).

Una pregunta común es si dos eventos disjuntos pueden ser independientes.En general, si A y B son disjuntos y ambos tienen probabilidad positiva, entonces P(A ∩ B) = 0, pero P(A) P(B) > 0, lo cual viola la definición de independencia. Por lo tanto, en muchos casos, dos eventos disjuntos con probabilidad distinta de cero no son independientes, ya que la ocurrencia de uno excluye la posibilidad del otro.

Cuando se trata de más de dos eventos, surgen varias nociones diferentes de independencia.Podemos tener independencia por pares, independencia conjunta y otros tipos. En todos estos casos, sin embargo, el punto de partida sigue siendo la relación P(A ∩ B) = P(A) P(B), basada en los axiomas de Kolmogorov y la definición de probabilidad condicional.

Reglas prácticas y leyes clásicas de probabilidad

Más allá de sus propiedades formales, los axiomas permiten la formulación de leyes más operativas, útiles en el trabajo diario de quienes realizan cálculos de probabilidad.Una de ellas es la llamada ley de la adición, ya mencionada en la forma P(A ∪ B) = P(A) + P(B) − P(A ∩ B), que puede extenderse a un número mayor de eventos a través del principio de inclusión-exclusión.

Otra regla comúnmente utilizada es la relación entre un evento y su parte "exterior" de otro evento.Para A y B en F, se cumple lo siguiente: P(A ∩ ̄B) = P(A) − P(A ∩ B). Esto simplemente descompone A en dos partes: la que ocurre junto con B (A ∩ B) y la que ocurre sin B (A ∩ ̄B). Estas dos partes son disjuntas, y su unión es A, lo que conduce a la igualdad anterior por aditividad.

La ley de probabilidad total y el teorema de Bayes, aunque no se detallan completamente aquí, también se basan directamente en los axiomas.La ley de probabilidad total combina probabilidades condicionales en una partición del espacio muestral, mientras que el teorema de Bayes "invierte" las condicionales, permitiendo que las probabilidades se actualicen en función de nueva evidencia.

En versiones más didácticas también se enumeran algunos "axiomas prácticos" fáciles de memorizar.Por ejemplo: la probabilidad máxima es 1 (100%); la suma de las probabilidades de todos los elementos en el espacio muestral es igual a 1; y la probabilidad de un evento X sumada a la probabilidad de "no X" es siempre 1. Estas afirmaciones son reflejos directos de los axiomas formales.

Con este conjunto de leyes es posible resolver problemas que van desde simples juegos de azar hasta modelos sofisticados con muchas variables.La gran ventaja es que, detrás de todas las fórmulas y trucos de cálculo, el soporte lógico sigue siendo el mismo trípode axiomático.

Los axiomas de probabilidad de Kolmogorov proporcionan una base rigurosa pero flexible para abordar la incertidumbre.Basándose en tres principios simples (no negatividad, normalización y σ-aditividad), se ha construido una teoría completa y rica, capaz de incorporar interpretaciones clásicas, frecuentistas y subjetivas, manejar espacios finitos o infinitos, describir probabilidades condicionales e independencia y soportar aplicaciones en prácticamente todos los campos científicos y tecnológicos.