Universidad Nacional de Rosario

Facultad de Ciencias Bioquímicas y Farmacéuticas

Área Estadística y Procesamiento de Datos

Cálculo de probabilidades
Estadística - Unidad 2

Año 2021∗

2.1. Introducción
En la primera unidad de la asignatura mencionamos que la esencia de la mayor parte de los problemas que se
abordan en el campo de la Estadística provienen de la observación de fenómenos que están sujetos a variabilidad,
es decir, que a pesar de realizar las observaciones de forma idéntica y bajo iguales circunstancias, los resultados ob-
servados pueden ser diferentes, no pudiendo predecirse de antemano el resultado que se obtendrá en una observación
particular: hay incertidumbre.

Todos los días enfrentamos situaciones de incertidumbre frente a las que debemos tomar una decisión y, por lo
general, no tomamos decisiones a ciegas sino que lo hacemos evaluando las posibilidades de que ocurran distintas
opciones. Son habituales entonces, tanto en el contexto escrito como hablado, frases como: “probablemente…”, “es
poco probable que…”, “las probabilidades están a favor de…”, “hay muchas posibilidades de que…” para indicar que
ocurrirá algo con cierta seguridad. Estas expresiones hacen referencia coloquialmente a la noción de probabilidad

Formalmente, la Teoría de Probabilidades provee métodos que permiten “medir” o “cuantificar” la incertidumbre
que forma parte de todo lo que nos rodea, es decir, asignarle un número a la verosimilitud o probabilidad de que
una determinada situación ocurra.

En esta unidad se presenta una introducción al Cálculo de Probabilidades como herramienta fundamental para la
Inferencia Estadística, la que finalmente nos permitirá tomar decisiones sobre nuestros problemas. Se introducen
conceptos fundamentales de probabilidad y el lenguaje matemático necesario para su expresión formalizada, se indica
cómo se interpretan las probabilidades y se demuestran y aplican reglas que permiten calcular las probabilidades
de sucesos particulares.

∗ Este apunte se encuentra en desarrollo. El mismo será revisado a lo largo del cuatrimestre y no está exento de presentar errores o

expresar ideas en formas que puedan ser mejoradas. Agradeceremos que nos notifiquen de los errores encontrados.

1
Estadística - FCByF Unidad 2

2.2. Experimento aleatorio, espacio muestral y sucesos

Para trabajar con el cálculo de probabilidades es necesario fijar previamente cierta terminología y notación, muy
relacionada a la teoría de conjuntos.
Los experimentos o fenómenos aleatorios (𝐸) son aquellos que a pesar de repetirse en condiciones idénticas
o uniformes -esto es, manteniendo controlado todo aquello que podría influir en el resultado-, arrojan resultados
variables de repetición a repetición, no pudiendo predecirse con exactitud el resultado de una repetición particular,
aunque se puede apreciar cierta regularidad de los resultados en la observación repetida bajo iguales condiciones.
Ejemplos de experimentos aleatorios:
𝐸1 : Elegir al azar un comprimido de una producción y verificar si la cantidad de la droga es la especificada
(𝐷) o no (𝑁 ).
𝐸2 : Elegir al azar dos comprimidos de una producción y verificar si la cantidad de la droga es la especificada
(𝐷) o no (𝑁 ) en cada uno.
𝐸3 Elegir aleatoriamente un comprimido de una producción y determinar la cantidad de la droga.
𝐸4 : Elegir aleatoriamente 2 comprimidos de una producción y determinar la cantidad de la droga en cada
uno.
Se llama espacio muestral (𝑆) al conjunto formado por todos los resultados posibles o imaginables asociados a
un experimento aleatorio dado. Cada elemento del espacio muestral se denomina punto muestra o resultado
elemental.
En relación con los ejemplos anteriores, tenemos:
𝑆1 = {(𝐷); (𝑁 )}
𝑆2 = {(𝐷, 𝐷); (𝐷, 𝑁 ); (𝑁 , 𝐷); (𝑁 , 𝑁 )}
𝑆3 = {𝑤/0 ≤ 𝑤 ≤ 𝑎} donde 𝑎 representa al valor máximo posible de cantidad de droga.
𝑆4 = {(𝑤1 , 𝑤2 )/0 ≤ 𝑤𝑖 ≤ 𝑎 para 𝑖 = 1, 2}
Según si la cantidad de resultados elementales que conforman el espacio muestral se puede contabilizar o no, se dirá
respectivamente que el mismo es finito (en los ejemplos, 𝑆1 y 𝑆2 ) o infinito (𝑆3 y 𝑆4 ).
Se denomina suceso o evento (y se los simboliza con letras en imprenta mayúscula: 𝐴, 𝐵, 𝐶) a todo subconjunto
del espacio muestral, es decir, subgrupos de resultados elementales. Se dice que el suceso ocurre si al realizar
el experimento aleatorio se presenta alguno de los puntos muestra que lo componen. Si, en cambio, el resultado
observado al realizar el experimento aleatorio no pertenece al suceso 𝐴, decimos que ocurrió el suceso contrario
̄ 𝐴 ̄ es el subconjunto que está formado por todos los elementos del espacio muestral 𝑆 que no pertenecen a
a 𝐴 (𝐴).
𝐴.
Los siguientes son ejemplos de eventos. Otra vez nos referimos a los experimentos antes anotados: 𝐴𝑖 se referirá a
un evento asociado con el experimento 𝐸𝑖 .
𝐴1 : “la cantidad de droga del comprimido es la especificada”

𝐴1 = {(𝐷)} 𝐴1̄ = {(𝑁 )}

𝐴2 : “la cantidad de droga de ambos comprimidos es la especificada”

𝐴2 = {(𝐷, 𝐷)} 𝐴2̄ = {(𝐷, 𝑁 ); (𝑁 , 𝐷); (𝑁 , 𝑁 )}

𝐴3 : “la cantidad de droga del comprimido es mayor a 50”

𝐴3 = {𝑤/50 < 𝑤 ≤ 𝑎} 𝐴3̄ = {𝑤/0 ≤ 𝑤 ≤ 50}

𝐴4 : “ambos comprimidos tienen cantidad de droga menor a 50”

𝐴4 = {(𝑤1 , 𝑤2 )/0 ≤ 𝑤𝑖 < 50 para 𝑖 = 1, 2} 𝐴4̄ = {(𝑤1 , 𝑤2 )/50 ≤ 𝑤𝑖 ≤ 𝑎 para algún 𝑖 = 1, 2}

2
Estadística - FCByF Unidad 2

Si 𝐴 es un suceso tal que al realizar el experimento se presenta siempre, se dice que 𝐴 es un suceso seguro (𝐴 = 𝑆).
Si 𝐴 es un suceso tal que al realizar el experimento nunca puede presentarse, se dice que 𝐴 es un suceso imposible
(𝐴 = ∅). El símbolo ∅ representa al conjunto vacío.

2.2.1. Operaciones entre sucesos

Dado que los sucesos son conjuntos de elementos, podemos operar con ellos según las reglas definidas por la Teoría
de Conjuntos. Existen operaciones básicas que permiten manipular sus elementos, dando como resultado un nuevo
conjunto. Nos interesan particularmente las operaciones de unión e intersección:
La unión de 𝑘 sucesos definidos sobre el espacio muestral 𝑆 de un experimento aleatorio 𝐸 es un suceso
formado por todos los puntos muestra que pertenecen al menos a uno de ellos. Si 𝑘 = 2 y se tienen dos sucesos
A y B, el suceso unión 𝐴 ∪ 𝐵 contendrá a todos los puntos muestras que pertenecen a 𝐴, a 𝐵 o a ambos
simultáneamente.
La intersección de 𝑘 sucesos definidos sobre el espacio muestral 𝑆 de un experimento aleatorio 𝐸 es un suceso
formado por todos los puntos muestra que pertenecen a todos ellos simultáneamente. Si 𝑘 = 2 y se tienen dos
sucesos A y B, el suceso intersección 𝐴 ∩ 𝐵 contendrá a todos los puntos muestras que pertenecen a ambos
sucesos.
Dos sucesos son mutuamente excluyentes cuando no pueden ocurrir simultáneamente (no tienen puntos muestra
en común). Si 𝐴 y 𝐵 son mutuamente excluyentes, entonces 𝐴 ∩ 𝐵 = ∅.
Como representación pictórica de las operaciones entre sucesos, puede utilizarse un recurso gráfico conocido como
diagrama de Venn. Para su construcción, se traza un rectángulo cuyo interior representará el espacio muestral 𝑆 y
cualquier suceso se representa como el interior de una curva cerrada. En cada uno de los diagramas de la Figura
2.1, la región sombreada representa el conjunto especificado debajo de cada imagen.

Figura 2.1: Diagramas de Venn

2.3. Probabilidad
Como se estudió en la sección anterior, una de las características básicas del concepto de experimento aleatorio es
que no sabemos qué resultado particular se obtendrá al realizarlo. En otras palabras, si 𝐴 es un suceso asociado con
el experimento, no podemos indicar con certeza si 𝐴 ocurrirá o no. Por lo tanto, llega a ser muy importante tratar
de asociar un número con el evento 𝐴 que medirá, de alguna manera, la posibilidad de que el suceso 𝐴 ocurra. Este
número lo simbolizaremos 𝑃 (𝐴).
La Probabilidad es una medida de la posibilidad de que ocurra o se presente un determinado suceso.

2.3.1. Propiedades fundamentales de la probabilidad

Para garantizar que las asignaciones serán consistentes con las nociones intuitivas de la probabilidad, todas las
asignaciones deberán satisfacer los siguientes axiomas de probabilidad.
Dado un experimento aleatorio 𝐸, sea el espacio muestral 𝑆 y sean 𝐴 y 𝐵 posibles eventos cualesquiera:
(1) 𝑃 (𝐴) ≥ 0
(2) 𝑃 (𝑆) = 1

3
Estadística - FCByF Unidad 2

(3) Si 𝐴 y 𝐵 son mutuamente excluyentes (esto es 𝐴 ∩ 𝐵 = ∅) ⇒ 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵)

Si esto se verifica, el valor 𝑃 (𝐴) se llama probabilidad del suceso 𝐴.

A partir de esta definición axiomática, se derivan las siguientes propiedades de la probabilidad:

a) 𝑃 (𝐴)̄ = 1 − 𝑃 (𝐴)
Demostración: Por ser 𝐴 y 𝐴 ̄ sucesos contrarios, se cumple que 𝐴 ∪ 𝐴 ̄ = 𝑆 (la unión de ambos sucesos es el espacio
muestral completo) y 𝐴 ∩ 𝐴 ̄ = ∅ (son mutuamente excluyentes). Por axioma (2) tenemos:

𝑃 (𝐴 ∪ 𝐴)̄ = 𝑃 (𝑆) = 1

Luego, como son sucesos mutuamente excluyentes, por axioma (3):

𝑃 (𝐴 ∪ 𝐴)̄ = 𝑃 (𝐴) + 𝑃 (𝐴)̄

De los resultados anteriores se deduce que

𝑃 (𝐴) + 𝑃 (𝐴)̄ = 1 ⇒ 𝑃 (𝐴)̄ = 1 − 𝑃 (𝐴)

b) 0 ≤ 𝑃 (𝐴) ≤ 1
Por axioma (1), para cualquier evento 𝐴, 𝑃 (𝐴) ≥ 0. Resta demostrar que para cualquier evento 𝐴, 𝑃 (𝐴) ≤ 1.
Demostración: Sabemos que
𝑃 (𝐴) + 𝑃 (𝐴)̄ = 1 ⇒ 𝑃 (𝐴) = 1 − 𝑃 (𝐴)̄
y por axioma (1) tenemos que 𝑃 (𝐴)̄ ≥ 0. Por lo cual, resulta:

𝑃 (𝐴) ≤ 1

Queda entonces demostrado que, para cualquier evento 𝐴 es

0 ≤ 𝑃 (𝐴) ≤ 1

c) Regla de la suma. Para simplificar la notación y sin pérdida de generalidad, llamaremos a los sucesos 𝐴 y
𝐵 Para dos sucesos 𝐴 y 𝐵 cualesquiera definidos sobre el espacio muestral 𝑆 de un experimento aleatorio 𝐸,
se verifica que 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵)
Demostración: Observemos primero que 𝐴 ∪ 𝐵 puede descomponerse en dos sucesos mutuamente excluyentes: 𝐴 y
𝐴 ̄ ∩ 𝐵 (Figura 2.2).

Figura 2.2: Representación de 𝐴 ∪ 𝐵 como unión de sucesos mutuamente excluyentes

Por axioma (3):

𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐴 ̄ ∩ 𝐵)

4
Estadística - FCByF Unidad 2

Además, 𝐵 por sí mismo puede pensarse como la unión de dos sucesos mutuamente excluyentes: 𝐴 ∩ 𝐵 y 𝐴 ̄ ∩ 𝐵,
aplicando nuevamente el axioma (3) la probabilidad de 𝐵 puede escribirse como:

𝑃 (𝐵) = 𝑃 (𝐴 ∩ 𝐵) + 𝑃 (𝐴 ̄ ∩ 𝐵)

De ésta última se desprende que 𝑃 (𝐴 ̄ ∩ 𝐵) = 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵) y, reemplazando en la igualdad anterior:

𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵)

La regla de la suma para tres sucesos 𝐴, 𝐵 y 𝐶 definidos sobre el espacio muestral de un experimento aleatorio es:

𝑃 (𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃 (𝐴) + 𝑃 (𝐵) + 𝑃 (𝐶)–𝑃 (𝐴 ∩ 𝐵)–𝑃 (𝐵 ∩ 𝐶)–𝑃 (𝐴 ∩ 𝐶) + 𝑃 (𝐴 ∩ 𝐵 ∩ 𝐶)

La demostración puede realizarse usando la regla de la suma para dos sucesos aplicándola dos veces: por ejemplo,
la primera vez para los sucesos 𝐴 ∪ 𝐵 y 𝐶 y una segunda vez para 𝐴 y 𝐵.

Observaciones:†
La probabilidad de un suceso seguro es igual a 1 (pero no necesariamente es cierto que si la probabilidad de
un suceso vale 1 el suceso sea seguro).
La probabilidad de un suceso imposible es 0 (pero no necesariamente es cierto que si la probabilidad de un
suceso vale 0 el suceso sea imposible).

2.3.2. Definición clásica de probabilidad

La definición clásica de probabilidad propuesta por el matemático francés Pierre-Simon Laplace (1749-1827) en el
siglo XVII como respuesta a las inquietudes motivadas en la época a partir de los juegos de azar, es intuitiva:
La probabilidad de que al realizar un experimento aleatorio ocurra un determinado suceso 𝐴, es igual al cociente
entre el número de resultados favorables al evento 𝐴, sobre el número total de resultados posibles.
Es decir:

nº de elementos del espacio muestral pertenecientes al suceso 𝐴

𝑃 (𝐴) =
nº total de elementos del espacio muestral

Aunque esta definición sea muy simple, es también muy limitante ya que sólo es válida cuando el espacio muestral
es finito y todos los elementos son equiprobables (esto es, cada uno de los puntos muestra tiene las mismas
chances de ocurrir que los demás).
También se conoce a esta definición como definición a priori de la probabilidad ya que puede calcularse sin realizar
repeticiones del experimento aleatorio, es decir antes de la experimentación.

2.3.3. Definición frecuencial de probabilidad

Tal como se ha mencionado, la definición clásica de probabilidad tiene sus limitaciones a la hora de asignar proba-
bilidades a sucesos ya que no nos permite hacerlo cuando, por ejemplo, los resultados posibles no tienen la misma
chance de ocurrir. Pensemos por ejemplo en un experimento aleatorio que consista en seleccionar al azar una per-
sona y determinar su grupo sanguíneo, es claro que los resultados posibles (grupo A, B, AB o 0) no son igualmente
probables en la población.
Nace entonces, otra forma de asignar probabilidades a los sucesos: la definición frecuencial o a posteriori. Esta
forma de calcular probabilidades requiere de la realización del experimento aleatorio, es decir se calcula después de
la experimentación. Esta definición utiliza como recurso la repetición del experimento aleatorio en iguales condiciones
un número finito de veces (𝑛).
† daremos una demostración intuitiva luego de la definición frecuencial de probabilidad

5
Estadística - FCByF Unidad 2

Tomemos el ejemplo antes enunciado, para acercarnos intuitivamente a la definición:

𝐸: elegir al azar un individuo y determinar su grupo sanguíneo.
𝑆 = {grupo A; grupo B; grupo AB; grupo 0}
Sea el suceso 𝐴 de interés: “que el individuo tenga grupo sanguíneo A” → 𝐴 = {grupo A}.
Si realizamos el experimento 𝑛 = 10 veces y encontramos que el suceso 𝐴 se presentó 6 veces:
6
𝑛 = 10 𝑓(𝐴) = 6 ℎ(𝐴) = = 0.6
10
donde:
𝑓(𝐴) es la frecuencia absoluta de 𝐴, el número de repeticiones del experimento en los que 𝐴 se presentó.
ℎ(𝐴) es la frecuencia relativa de 𝐴, el cociente entre la frecuencia absoluta de 𝐴 y el número total de
repeticiones.
Es claro que estos valores dependen de las 𝑛 repeticiones que se hayan realizado del experimento aleatorio y resulta
natural pensar que la frecuencia relativa cambia si se modifica la cantidad de veces que se repite el experimento.
Imaginemos que el experimento se repite distintas cantidades de veces, obteniéndose los siguientes resultados:

Cantidad de repeticiones de 𝐸 (𝑛) Frecuencia absoluta 𝑓(𝐴) Frecuencia relativa ℎ(𝐴)

1 1 1
4 2 0.5
10 6 0.6
50 20 0.4
100 42 0.42
200 78 0.39
300 123 0.41
500 208 0.416

Se observa que ℎ(𝐴) se aproxima a un valor al aumentar el número de repeticiones (Figura 2.3)

1.00

0.75
Frecuencia relativa

0.50

0.25

0.00

0 100 200 300 400 500

Número de repeticiones del experimento

Figura 2.3: Frecuencia relativa de A según cantidad de repeticiones del experimento

En los experimentos aleatorios, la proporción de veces que ocurre un determinado suceso es muy variable a corto
plazo, pero tiende a estabilizarse alrededor de un valor a medida que el número de repeticiones del experimento

6
Estadística - FCByF Unidad 2

aumenta. Esta propiedad se conoce como regularidad estadística y provee una base para la definición de la
probabilidad del suceso.
Según el concepto frecuencial o a posteriori, la probabilidad de 𝐴 es el número al que tiende la frecuencia relativa
cuando el número de repeticiones tiende a infinito.

𝑓(𝐴)
𝑃 (𝐴) = lím ℎ(𝐴) = lím
𝑛→∞ 𝑛→∞ 𝑛
La probabilidad de un suceso es entonces una idealización de la frecuencia relativa y la frecuencia relativa es una
medida o estimación de la probabilidad.

2.3.4. Probabilidad igual a cero no implica que el suceso sea imposible.

Para entender estas nociones que hemos mencionado anteriormente, vamos a imaginar que nos planteamos el objetivo
de encontrar una manzana que pese exactamente 200 gramos (pensemos que las manzanas suelen pesar entre 150
y 230 gramos).
Tras una ardua búsqueda, es muy posible que hallemos alguna manzana cuyo peso se acerque mucho al deseado, pero
casi seguro no encontraremos una que pese exactamente 200 g. Sabemos que el peso es una variable cuantitativa
continua que puede asumir cualquier número positivo: una manzana puede pesar 200,01 gramos o 199,9999999
gramos y, aún así, seguirían existiendo infinitos valores posibles entre los pesos mencionados y el buscado.
Por lo tanto, sólo existe una posibilidad entre infinitas de cumplir nuestro objetivo. Haciendo una interpretación
frecuentista de la probabilidad podríamos “calcular” la que corresponde al éxito en nuestra búsqueda. Siendo 𝐴 el
suceso “la manzana pesa exactamente 200 gramos”,

1
𝑃 (𝐴) = =0
∞
¿Quiere decir esto que es imposible encontrar una manzana de 200 gramos exactos? ¡Para nada! No existe ninguna
ley del universo que prohiba que existan manzanas con esa característica. Así que, estrictamente hablando, sería
posible encontrar una manzana de 200 g, a pesar de que la probabilidad de este suceso sea igual a cero.
En algunas ocasiones 𝑃 (𝐴) = 0 significa que el suceso 𝐴 es casi seguramente imposible cuando se trata de un
conjunto finito de posibilidades frente a un espacio infinito de resultados posibles.
Ahora, ¿qué ocurre con los hechos contrarios a los casi seguramente imposibles? Es nuestro ejemplo, ¿qué probabi-
lidad existirá de que no se encuentre una manzana del peso indicado? Si consideramos que un suceso puede ocurrir
̄ la suma de ambas probabilidades debe ser 1 ya que siempre se cumplirá uno u otro. Por ello, obtenemos
(𝐴) o no (𝐴),
que 𝑃 (𝐴) = 1 − 𝑃 (𝐴) = 1 − 0 = 1. Decimos en este caso que 𝐴 ̄ es un evento casi seguro.
̄

2.3.5. Probabilidad condicional

Con frecuencia la probabilidad de un suceso se ve influenciada por la ocurrencia de otro suceso relacionado. En
ocasiones puede llegar a estar disponible información parcial pertinente al resultado del experimento (por ejemplo,
sabemos que ocurre 𝐵), haciendo que resulte necesario actualizar o revisar el cálculo de la probabilidad de un suceso
𝐴. Es decir, nos interesa saber cuán probable es que ocurra 𝐴 si ya se ha presentado el suceso 𝐵. Esta probabilidad
revisada recibe el nombre de probabilidad condicional, se simboliza 𝑃 (𝐴/𝐵), se lee como “probabilidad de que
ocurra A dado que ocurre B” y se calcula de la siguiente forma:

𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐴/𝐵) =
𝑃 (𝐵)

Esto es válido siempre que 𝑃 (𝐵) ≠ 0. 𝐵 es el “suceso condicionante”.

De la definición se desprende que el cálculo de una probabilidad condicional no es más que el cálculo de la pro-
babilidad del suceso de interés restringimos el espacio muestral al conjunto de resultados favorables
a 𝐵.

7
Estadística - FCByF Unidad 2

Para mostrar este resultado, utilizaremos el punto de vista frecuencial de la asignación de probabilidad. Considere-
mos un experimento aleatorio 𝐸 donde lo que se registra es la ocurrencia o no de dos sucesos: 𝐴 y 𝐵. El espacio
muestral asociado sería:
̄ (𝐴,̄ 𝐵); (𝐴,̄ 𝐵)}
𝑆 = {(𝐴, 𝐵); (𝐴, 𝐵); ̄

Si se realizan 𝑛 repeticiones uniformes de dicho experimento, una forma adecuada para volcar los resultados obte-
nidos es una tabla de contingencia:

𝐵 𝐵̄ Total

𝐴 𝑓(𝐴, 𝐵) 𝑓(𝐴, 𝐵)̄ 𝑓(𝐴)

𝐴̄ 𝑓(𝐴,̄ 𝐵) 𝑓(𝐴,̄ 𝐵)̄ 𝑓(𝐴)̄

Total 𝑓(𝐵) 𝑓(𝐵)̄ n

donde:
̄ 𝑓(𝐴,̄ 𝐵) y 𝑓(𝐴,̄ 𝐵)̄ representan las frecuencias absolutas de los respectivos puntos muestra,
a) 𝑓(𝐴, 𝐵); 𝑓(𝐴, 𝐵);
es decir, la cantidad de veces que se registró cada uno de los resultados posibles del experimento aleatorio.
b) 𝑓(𝐴); 𝑓(𝐴);̄ 𝑓(𝐵) y 𝑓(𝐵)̄ representan las frecuencias absolutas marginales de cada uno de los sucesos de interés,
esto es, la cantidad de veces que se presentó o no uno de los sucesos sin considerar lo que haya ocurrido con
el otro.
c) 𝑛 es la cantidad total de veces que se realizó el experimento aleatorio (𝑛 = 𝑓(𝐴, 𝐵) + 𝑓(𝐴, 𝐵)̄ + 𝑓(𝐴,̄ 𝐵) +
𝑓(𝐴,̄ 𝐵)̄ = 𝑓(𝐴) + 𝑓(𝐴)̄ = 𝑓(𝐵) + 𝑓(𝐵)).
̄

Del total de repeticiones (𝑛), vamos a considerar sólo aquellas en las que se presentó 𝐵. Es decir, vamos a trabajar
únicamente con la columna cuyos valores están resaltados en rojo, restringimos nuestro espacio muestral a la
condición deseada.

𝐵 𝐵̄ Total

𝐴 𝑓(𝐴, 𝐵) 𝑓(𝐴, 𝐵)̄ 𝑓(𝐴)

𝐴̄ 𝑓(𝐴,̄ 𝐵) 𝑓(𝐴,̄ 𝐵)̄ 𝑓(𝐴)̄

Total 𝑓(𝐵) 𝑓(𝐵)̄ n

En ese caso, la cantidad total de resultados observados nos queda igual a 𝑓(𝐵) (siempre que 𝑓(𝐵) ≠ 0). Si lo que
nos interesa es la probabilidad de que ocurra 𝐴 en este contexto, podemos calcular entonces la frecuencia del suceso
𝐴 relativa al número de veces que se presentó 𝐵: ℎ(𝐴/𝐵).

𝑓(𝐴, 𝐵)
ℎ(𝐴/𝐵) =
𝑓(𝐵)
Este cociente nos indica la proporción de veces que se presentó el suceso 𝐴, dentro de las veces que se presentó el
suceso 𝐵.
Dividiendo por 𝑛 en el numerador y denominador del segundo término de la desigualdad, nos queda:

𝑓(𝐴,𝐵)
𝑓(𝐴, 𝐵) 𝑛 ℎ(𝐴, 𝐵)
ℎ(𝐴/𝐵) = = 𝑓(𝐵)
=
𝑓(𝐵) ℎ(𝐵)
𝑛

La expresión anterior es el cociente entre la frecuencia relativa de la ocurrencia simultánea de los sucesos A y B y
la frecuencia relativa de la ocurrencia de B. Tomando límite cuando 𝑛 → ∞:

8
Estadística - FCByF Unidad 2

lím𝑛→∞ ℎ(𝐴, 𝐵)
lím ℎ(𝐴/𝐵) =
𝑛→∞ lím𝑛→∞ ℎ(𝐵)
𝑃 (𝐴, 𝐵)
𝑃 (𝐴/𝐵) =
𝑃 (𝐵)

Es muy importante destacar que 𝑃 (𝐴/𝐵) ≠ 𝑃 (𝐵/𝐴). La probabilidad de que ocurra 𝐵 dado que conocemos que
ocurre 𝐴 se calcularía en el subespacio donde observamos resultados que verifican el suceso 𝐴 (fila coloreada en
azul).

𝐵 𝐵̄ Total

𝐴 𝑓(𝐴, 𝐵) 𝑓(𝐴, 𝐵)̄ 𝑓(𝐴)

𝐴̄ 𝑓(𝐴,̄ 𝐵) 𝑓(𝐴,̄ 𝐵)̄ 𝑓(𝐴)̄

Total 𝑓(𝐵) 𝑓(𝐵)̄ n

𝑓(𝐴,𝐵)
En analogía con el desarrollo anterior, siendo 𝑓(𝐴) ≠ 0 y tomando ℎ(𝐵/𝐴) = 𝑓(𝐴) , se llega a:

𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐵/𝐴) = si 𝑃 (𝐴) ≠ 0
𝑃 (𝐴)

2.3.6. Independencia de sucesos‡

En algunos casos 𝑃 (𝐴) ≠ 𝑃 (𝐴/𝐵), esto significa que la ocurrencia del suceso 𝐴 depende de que 𝐵 ocurra o no, es
decir: la probabilidad del suceso 𝐴 se altera o cambia al conocer que 𝐵 ha ocurrido.
Sin embargo, existen situaciones donde 𝑃 (𝐴) = 𝑃 (𝐴/𝐵), es decir la ocurrencia del suceso 𝐵 no modifica la proba-
bilidad de ocurrencia del suceso 𝐴. Se dice entonces que 𝐴 y 𝐵 son sucesos independientes.
Si 𝐴 y 𝐵 son independientes se verifican ambas igualdades (siempre que 𝑃 (𝐴) ≠ 0 y 𝑃 (𝐵) ≠ 0):
1. 𝑃 (𝐴/𝐵) = 𝑃 (𝐴/𝐵)̄ = 𝑃 (𝐴)
2. 𝑃 (𝐵/𝐴) = 𝑃 (𝐵/𝐴)̄ = 𝑃 (𝐵)

2.3.7. Regla del producto

Se utiliza para determinar la probabilidad de la intersección de dos sucesos, llamada también probabilidad conjunta.
Se basa en la definición de probabilidad condicional.
Recordando, para dos sucesos 𝐴 y 𝐵 cualesquiera, definidos sobre el espacio muestral de un experimento aleatorio:

𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐴/𝐵) = si 𝑃 (𝐵) ≠ 0
𝑃 (𝐵)
𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐵/𝐴) = si 𝑃 (𝐴) ≠ 0
𝑃 (𝐴)
Podemos despejar la 𝑃 (𝐴 ∩ 𝐵) o 𝑃 (𝐴, 𝐵) de ambas igualdades anteriores y obtenemos la regla del producto para
dos sucesos:

𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴/𝐵) ⋅ 𝑃 (𝐵) = 𝑃 (𝐵/𝐴) ⋅ 𝑃 (𝐴)

Esta regla puede generalizarse al caso de la probabilidad conjunta de más de dos sucesos. Por ejemplo, para tres
sucesos 𝐴, 𝐵 y 𝐶, definidos sobre un mismo espacio muestral, la regla del producto nos dice que:
‡ La noción de independencia puede extenderse a más de dos sucesos, en cuyo caso puede hablarse de independencia de a pares y de

independencia conjunta o colectiva.

9
Estadística - FCByF Unidad 2

𝑃 (𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃 (𝐴) ⋅ 𝑃 (𝐵/𝐴) ⋅ 𝑃 (𝐶/𝐴𝐵)

En particular, si 𝐴 y 𝐵 son independientes, es decir 𝑃 (𝐴/𝐵) = 𝑃 (𝐴) y 𝑃 (𝐵/𝐴) = 𝑃 (𝐵) por regla del producto, la
probabilidad conjunta resulta:

𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴) ⋅ 𝑃 (𝐵)

Este caso particular nos brinda otra forma de verificar si dos sucesos 𝐴 y 𝐵 son independientes.

Observación: sabemos que 𝐴 y 𝐵 son independientes si 𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴) ⋅ 𝑃 (𝐵) y que 𝐴 y 𝐵 son mutuamente
exluyentes si 𝐴 ∩ 𝐵 = ∅, esto es, 𝑃 (𝐴 ∩ 𝐵) = 0. Entonces, cuando 𝑃 (𝐴) ≠ 0 y 𝑃 (𝐵) ≠ 0 si 𝐴 y 𝐵 son mutuamente
excluyentes, no pueden ser independientes.

2.4. Bibliografía
Devore, J. L. (2008). Probabilidad y estadística para ingenierías y ciencias. Cengage Learning Editores.
Meyer, P. & Campos, C. (1992). Probabilidad y aplicaciones estadísticas. Addison-Wesley Iberoamericana.
Wackerly, D., Mendenhall, W., Scheaffer, R., Romo Muñoz, J. & García Hernández, A. (2010). Estadística
matemática con aplicaciones. Cengage Learning Editores.

10