Probabilidad Marginal 

La probabilidad marginal de un evento bajo condiciones de dependencia estadística se calcula

mediante la suma de las probabilidades de todos los eventos conjuntos en los que se presenta dicho
evento.

Para obtener expresiones útiles en el cálculo de este tipo de probabilidades, se realizará un ejemplo.

En un taller mecánico tienen un total de 135 desatornilladores, los técnicos atribuyen a éstos dos
características cuando se los piden a sus ayudantes, su longitud (largo y cortos) y la forma de la punta
que embona en los tornillos (planos o de cruz) de acuerdo a la definición de eventos que sigue, la
distribución es la siguiente:

Para determinar una probabilidad conjunta, digamos desatornilladores cortos con punta plana, de
acuerdo con la tabla, es el cociente 60/135=0.444, que se obtuvo de dividir el número de
desatornilladores cortos y que tienen punta plana, en términos de conjuntos, n(A2∩B1) = n21=60,
entre el total de los desatornilladores del taller, ns=135.

Generalizando se obtiene la probabilidad conjunta de dos eventos con la expresión siguiente:

P(Ai∩Bj)=nij/ns

Donde i=1, 2, 3,…n y j=1, 2, 3,…n

Considérese que únicamente nos interesa conocer la probabilidad de los eventos Bj, por ejemplo de
B1, P(B1)=(n11+n21)/ns=(40+60)/135=100/135=0.74 Se observa que el subíndice correspondiente al
evento B permanece constante en la suma del numerador n11+n21.

Generalizando, la probabilidad marginal de cualquier evento Bj puede calcularse P(Bj)=Ʃi=1nnij/ns,

pero Ʃi=1nnij/ns=Ʃi=1nP(Ai∩Bj), por lo tanto P(Bj)=Ʃi=1nP(Ai∩Bj).
En otra palabras la probabilidad de un evento Bj es igual a la suma de probabilidades conjuntas del
evento Bj y los eventos Ai, la suma se realiza sobre los eventos Ai.

También se puede determinar la probabilidad marginal de cualquier evento Ai:

P(Ai)=Ʃj=1nP(Ai∩Bj), en este caso la suma se realiza sobre los eventos Bj.

Se puede demostrar que la suma de probabilidades marginales de los eventos Ai, o de los eventos Bj,
es igual a uno, como se demuestra a continuación:

P(A1)=55/135=0.4075 y
P(A2)=80/135=0.5925

Por lo tanto Ʃi=12P(Ai)=1

P(A1) + P(A2) = 0.4975+0.5925=1

P(B1)=100/135=0.74 y
P(B2)=35/135=0.26

Por lo tanto Ʃi=12P(Ai)=1

P(A1) + P(A2) = 0.74+0.26=1

Probabilidad Conjunta 
Es la probabilidad de ocurrencia de dos o más eventos.

De la expresión P(B|A)=P(A∩B)/P(A) se pude despejar P(A∩B)=P(A)P(B|A) expresión llamada Ley

de multiplicación de probabilidades.

P(A∩B) recibe el nombre de probabilidad conjunta y corresponde a la probabilidad de que se

presenten resultados comunes a los eventos A y B.

Ejemplo: Al arrojar una moneda desequilibrada al aire, P(A)=1/3 y P(S)=2/3, en dos ocasiones, ¿cuál
es la probabilidad de que en las dos ocasiones sea águila.

Auxiliándonos de un diagrama de árbol.

Probabilidad condicional 
Como su nombre lo indica se trata de determinar la probabilidad de que ocurra un evento A
(aposteriori) dado que ya aconteció un evento B (apriori), y se representa mediante P(A|B), se lee
probabilidad de A dado B o probabilidad de A condicionada a B.

En la probabilidad condicional, consideramos que de un espacio muestral S se conoce únicamente el

evento B, que constituye un espacio muestral reducido.

Se desea saber la posibilidad de que exista el evento A.

Como únicamente conocemos el evento B, la probabilidad de que exista A está dada por la posible
intersección del evento A con el evento B.

Por lo tanto la expresión para la probabilidad condicional quedaría P(A|B)=n(A∩B)/n(B), donde

n(A∩B) es el número de elementos en la intersección de A con B y n(B) es el número de elementos en
el evento B.

Si el numerador y el denominador se dividen entre n(s) que es el número de elementos en el espacio

muestral y aplicamos el concepto de probabilidad, tenemos:
P(A|B)=[n(A∩B)/n(S)]/[n(B)/n(S)]= P(A∩B)/P(B).

De la última expresión P(A|B)=P(A∩B)/P(B), P(B) es la probabilidad del evento condición o del

evento que se presenta primero .

De manera similar se puede pedir la probabilidad del evento B dado que ya ocurrió el evento A P(B|
A)=P(A∩B)/P(A), ahora P(A) es la probabilidad del evento condición o del que se presenta primero .

Ejemplo: Al arrojar dos dados resultan caras iguales, ¿cuál es la probabilidad de que sumen ocho?

Identificamos los eventos dentro del espacio muestral:

A={caras iguales}={(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}
B={sumen más de ocho}={(3,6),(4,5),(4,6),(5,4),(5,5),(5,6),(6,3),(6,4),(6,5),(6,6)}

n(A)=6, n(B)=10 y n(A∩B)=2, aplicando la expresión P(B|A)=n(A∩B)/n(A)=2/6=1/3=0.333

Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado. ¿Cuál es la
probabilidad que en el dado salga un 6 dado que ya haya salido una cara en la moneda? Esta
probabilidad se denota de esta manera: P(6|C).

Ejemplos:
Probabilidad Marginal, Conjunta y Condicional
Durante 18 días se registró por la mañana si estaba o no nublado y por la tarde si
llovía o no.

Nublado No nublado
(A) (A’)
Llueve 7 3 10
(B)
No llueve 2 6 8
(B’)
9 9 18

Probabilidad (marginal1) de que …

- esté nublado: - no esté nublado:

P(A) = 9/18 = 1/2 P(A’)= 9/18 = 1/2

- llueva: - no llueva:
5
P(B) = 10/18 = /9 P(B’)=/18 = 4/9

Probabilidad (conjunta) de que

- esté nublado y llueva: P(A∩B) = 7/18

- no esté nublado y no llueva: P(A’∩B’) = 6/18

1
Se calcula dividiendo la frecuencia total de nublado (no nublado, llueve o no llueve) entre la
frecuencia total de los días (18).

2
Se calcula dividiendo la frecuencia del cruce de características, de ahí conjunta, entre la
frecuencia total de los días (18).
 No habiendo independencia

Nublado No nublado
(A) (A’)
Llueve 7 3 10
(B)
No llueve 2 6 8
(B’)
9 9 18

Probabilidad (condicional3) de que …

- llueva dado que esté nublado: P(B|A) = 7/9

- llueva dado que no esté nublado: P(B|A’) = 3/9

- no llueva dado que esté nublado: P(B’|A) = 2/9

- no llueva dado que no esté nublado: P(B’|A’) = 6/9

- esté nublado dado que llueva: P(A|B) = 7/10

- esté nublado dado que no llueva: P(A|B’) = 2/8 = 1/4

Se calcula dividiendo la frecuencia del cruce de lo que queremos y la condición entre la frecuencia del
total de la condición.

Compara las condicionales de lluvia y no lluvia con las marginales

Probabilidad de que …
- llueva: - no llueva:
10 5 8
P(B) = /18 = /9 P(B’)= /18 = 4/9
 Bajo independencia

Nublado (A) No nublado

(A’)
Llueve 5 5 10
(B)
No llueve 4 4 8
(B’)
9 9 18

Probabilidad (condicional) de que …

5/9
- llueva dado que esté nublado: P(B|A) =
5/9
- llueva dado que no esté nublado: P(B|A’) =
La probabilidad de lluvia no cambia con la condición

4/9
- no llueva dado que esté nublado: P(B’|A) =
4/9
- no llueva dado que no esté nublado: P(B’|A’) =
La probabilidad de que no llueva no cambia con la condición

Probabilidad (marginal) de que …

- llueva: - no llueva:
P(B) = 10/18 = 5/9 P(B’)= 8
/18 = 4/9

Las condicionales y las marginales son iguales bajo independencia.

 No habiendo independencia

Si nos interesa saber cuál es la probabilidad de que llueva, sabemos que

P(llueva) = P(B) = 10/18 = 5/9
y nuestra primer mejor predicción de lluvia sería 5/9.

Si sabemos que estuvo nublado, podemos incluir esa información y calcular de nuevo la probabilidad de
que llueva, pero ahora considerando que estuvo nublado.

Para ello empleamos el teorema de Bayes

P(B|A) = P(A|B) P(B) P(B ∩ A)

=
P(A|B) P(B) + P(A|B') P(B') P(A)

P(lueva|nublado) = 7/10 x 10/18 7/18

=
(7/10 x 10/18) + (1/4 x 8/18) 9/1

Ahora nuestra mejor predicción de que llueva es 7/9.

Esta segunda predicción es mejor, ya que involucra información adicional útil: estuvo nublado.

Así, nuestra predicción de lluvia pasó den 5/9 a 7/9, a causa de esa nueva información
o anterior suena lógico, pues es más probable que llueva si estuvo nublado (7/9) que si no lo estuvo (3/9);
mientras que la probabilidad sin considerar si estuvo o no nublado estaría entre esos valores.