Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/axiomas-de-probabilidad

M06 · ProbabilidadTroncalConcepto

Axiomas y propiedades de la probabilidad

Las tres reglas de Kolmogórov de las que se deduce todo lo demás, y las propiedades que conviene tener a mano para verificar un resultado.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Los tres axiomas

Kolmogórov resolvió en 1933 el problema de las definiciones en competencia: en lugar de discutir qué es una probabilidad, fijó qué tiene que cumplir cualquier cosa que quiera llamarse así.

Axioma 1 — No negatividad. Para todo evento AA:

P(A)≥0P(A) \ge 0

Axioma 2 — Normalización. El evento seguro tiene probabilidad 1:

P(Ω)=1P(\Omega) = 1

Axioma 3 — Aditividad. Si AA y BB no pueden ocurrir juntos, es decir, si A∩B=∅A \cap B = \varnothing:

P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B)
Axiomas de la probabilidad: por qué nunca puede pasar de 1 · video, 4:18

2 · Lo que se deduce

La probabilidad del complemento. Como AA y AcA^c no pueden ocurrir juntos y entre los dos cubren Ω\Omega:

P(Ac)=1−P(A)P(A^{c}) = 1 - P(A)

Es la propiedad más útil de todas, y la que sostiene el truco de “al menos uno”.

El evento imposible. P(∅)=0P(\varnothing) = 0, que sale de la anterior con A=ΩA = \Omega.

La cota superior. Como P(Ac)≥0P(A^{c}) \ge 0 por el axioma 1, el complemento da P(A)=1−P(Ac)≤1P(A) = 1 - P(A^{c}) \le 1. Con el axioma 1 otra vez:

0≤P(A)≤10 \le P(A) \le 1

Es el control de calidad más barato: una probabilidad mayor que 1 o negativa señala un error de cálculo, siempre.

Monotonía. Si A⊂BA \subset B, entonces P(A)≤P(B)P(A) \le P(B). Un evento más exigente nunca puede ser más probable que uno que lo contiene. Sale de partir BB en dos pedazos excluyentes, B=A∪(B∖A)B = A \cup (B \setminus A): por el axioma 3, P(B)=P(A)+P(B∖A)P(B) = P(A) + P(B \setminus A), y el segundo sumando no es negativo.

Regla de la suma general. Si los eventos sí pueden ocurrir juntos, el axioma 3 no se aplica directamente y hay que restar la intersección:

P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B)

Ver regla de la suma.

3 · La desigualdad de Boole

De la regla de la suma sale una cota que no parece gran cosa y sostiene media estadística aplicada. Como la intersección nunca es negativa:

P(A∪B)≤P(A)+P(B)P(A \cup B) \le P(A) + P(B)

Vale para cualquier cantidad de eventos, se cumplan o no las condiciones de independencia o exclusión: la probabilidad de que pase alguno nunca supera a la suma de las probabilidades individuales.

Cuánto se pierde por usar una cota en vez del valor exacto, con pruebas independientes y todas las hipótesis nulas ciertas:

PruebasCota de Boole, cada una al 5 %Valor exactoValor exacto con Bonferroni
20,1000,09750,0494
50,2500,22620,0490
100,5000,40130,0489
201,0000,64150,0488

La misma tabla de la EPH de la sección 5 muestra cuándo la cota no informa nada: para “terminó el secundario o está registrado”, Boole da 0,7465+0,6236=1,370{,}7465 + 0{,}6236 = 1{,}37, más que 1, cuando el valor real es 0,8507.

Dada vuelta, la regla de la suma da también una cota inferior para la intersección, la desigualdad de Bonferroni:

P(A∩B)≥P(A)+P(B)−1P(A \cap B) \ge P(A) + P(B) - 1

Con la EPH, al menos 0,37 de los asalariados terminó el secundario y está registrado; el valor real es 0,5194. Sirve cuando dos eventos son muy probables: si cada uno pasa el 90 % de las veces, los dos juntos pasan al menos el 80 %.

4 · La monotonía y la falacia de la conjunción

La monotonía se viola en el razonamiento intuitivo con una facilidad llamativa.

El experimento clásico es el “problema de Linda”, de Tversky y Kahneman (1983): se describe a una mujer que estudió filosofía y se interesa por la justicia social, y se pregunta qué es más probable, que sea empleada bancaria o que sea empleada bancaria y además activa en el movimiento feminista. El 85 % eligió la segunda, aunque el segundo evento está contenido en el primero y no puede ser más probable.

5 · Una comprobación que conviene hacer siempre

Después de calcular varias probabilidades de un mismo espacio, verificar tres cosas. Con la tabla de la EPH a mano:

ControlEn la tabla
Ninguna negativa ni mayor que 1van de 0,1042 a 0,5194
Las elementales suman 11,0000 con los valores exactos
MonotoníaP(sec y reg)=0,5194≤P(sec)=0,7465P(\text{sec y reg}) = 0{,}5194 \le P(\text{sec}) = 0{,}7465

6 · Errores frecuentes

  • Dar probabilidades mayores que 1. Suele venir de sumar eventos que se superponen sin restar la intersección.
  • Sumar probabilidades de eventos que pueden ocurrir juntos. El axioma 3 exige que sean excluyentes.
  • Olvidar que las elementales suman 1.
  • Caer en la falacia de la conjunción. ”AA y BB” nunca es más probable que "AA".
  • Usar la cota de Boole como si fuera el valor exacto, sobre todo con muchos eventos.
  • Complementar la condición. P(Ac∣B)=1−P(A∣B)P(A^{c} \mid B) = 1 - P(A \mid B) vale, pero P(A∣Bc)=1−P(A∣B)P(A \mid B^{c}) = 1 - P(A \mid B) es falso: el complemento actúa sobre el evento, no sobre la condición.
  • Creer que probabilidad 0 significa imposible. En espacios continuos, cada valor puntual tiene probabilidad 0 y sin embargo alguno ocurre.

7 · En el software

Los tres controles de la sección 5 calculados desde la EPH del INDEC, las dos cotas con la misma tabla, la tabla de Boole con la columna de Bonferroni y un ajuste de 20 valores p.

# R — los tres controles de la sección 5, desde la EPH del primer trimestre de 2026
zip <- tempfile(fileext = ".zip")
download.file("https://www.indec.gob.ar/ftp/cuadros/menusuperior/eph/EPH_usu_1_Trim_2026_txt.zip",
              zip, mode = "wb")
eph <- read.csv(unz(zip, "usu_individual_T126.txt"), sep = ";", dec = ",")
asal <- subset(eph, ESTADO == 1 & CAT_OCUP == 3 & CH06 >= 18 &
                    PP07H %in% 1:2 & NIVEL_ED %in% 1:6)
p <- xtabs(PONDERA ~ I(NIVEL_ED %in% 4:6) + I(PP07H == 1), asal) / sum(asal$PONDERA)
range(p)                                  # 0,1042 a 0,5194: ninguna fuera de [0, 1]
sum(p)                                    # 1 con los valores sin redondear
sum(round(p, 4))                          # 1,0001: solo redondeo
p[2, 2] <= sum(p[2, ])                    # monotonía: 0,5194 <= 0,7465

# Boole y su cota inferior con la misma tabla
sum(p[2, ]) + sum(p[, 2])                 # cota de Boole para P(sec o reg): 1,37
sum(p[2, ]) + sum(p[, 2]) - 1             # cota inferior de P(sec y reg): 0,37

# La cota contra el valor exacto, con y sin Bonferroni (pruebas independientes)
k <- c(2, 5, 10, 20)
data.frame(pruebas = k,
           cota = pmin(1, k * 0.05),
           exacto = round(1 - 0.95^k, 4),
           con_bonferroni = round(1 - (1 - 0.05 / k)^k, 4))

# 20 valores p bajo la hipótesis nula, ajustados
set.seed(1)
valores_p <- runif(20)
min(valores_p)                            # el más chico, sin ajustar
min(p.adjust(valores_p, method = "bonferroni"))   # por 20, con tope en 1
# Python — lo mismo
import io
import urllib.request
import zipfile
import numpy as np
import pandas as pd
from statsmodels.stats.multitest import multipletests

url = "https://www.indec.gob.ar/ftp/cuadros/menusuperior/eph/EPH_usu_1_Trim_2026_txt.zip"
pedido = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
z = zipfile.ZipFile(io.BytesIO(urllib.request.urlopen(pedido).read()))
eph = pd.read_csv(z.open("usu_individual_T126.txt"), sep=";", decimal=",", low_memory=False,
                  usecols=["ESTADO", "CAT_OCUP", "CH06", "PP07H", "NIVEL_ED", "PONDERA"])
asal = eph.query("ESTADO == 1 and CAT_OCUP == 3 and CH06 >= 18 "
                 "and PP07H in [1, 2] and NIVEL_ED in [1, 2, 3, 4, 5, 6]")
p = pd.crosstab(asal.NIVEL_ED.isin([4, 5, 6]), asal.PP07H == 1,
                values=asal.PONDERA, aggfunc="sum", normalize="all")
print(p.values.min(), p.values.max())     # 0,1042 a 0,5194
print(p.values.sum(), p.round(4).values.sum())   # 1 y 1,0001
sec, reg = p.loc[True].sum(), p[True].sum()
print(p.loc[True, True] <= sec)           # monotonía
print(sec + reg, sec + reg - 1)           # Boole 1,37 y cota inferior 0,37

k = np.array([2, 5, 10, 20])
print(pd.DataFrame({"pruebas": k, "cota": np.minimum(1, k * 0.05),
                    "exacto": (1 - 0.95**k).round(4),
                    "con_bonferroni": (1 - (1 - 0.05 / k)**k).round(4)}))

valores_p = np.random.default_rng(1).uniform(size=20)
print(valores_p.min(), multipletests(valores_p, method="bonferroni")[1].min())

Referencias

Todas las obras que cita el sitio están en la bibliografía.

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Axiomas y propiedades de la probabilidad. estadistica.ar. https://estadistica.ar/conceptos/axiomas-de-probabilidad

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Axiomas y propiedades de la probabilidad. estadistica.ar. https://estadistica.ar/conceptos/axiomas-de-probabilidad

BibTeX

@misc{estadistica_ar_axiomas_de_probabilidad,
  author       = {Montivero, Jorge Luis},
  title        = {{Axiomas y propiedades de la probabilidad}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/axiomas-de-probabilidad}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-18}
}

Última actualización: 18 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.