República Bolivariana de Venezuela

Ministerio del Poder Popular Para la Educación

Universidad Nacional Experimental “Rafael María Baralt”

Programa: Administración

Área: Estadística

Profesor: HUMBERTO GARCÍA

ACTIVIDAD 4
PROBABILIDADES
Integrantes:

Nayelys Bracho, C.I: 28.467.577, 301731

Eliana Justo, C.I: 25.972.237, 301731
Juan Diego Larrazabal, C.I: 31.449.473, 301731
Lismary Hernandez C.I: 30.747.809, 301731
Astrid Valdez C.I: 28.146.558, 301731
Virginia Urdaneta C.I: 30.036.726, 301731
Neunis C.I: 27.104.811, 301731

San Francisco, 30 de Enero del 2021

 INDICE
 Introducción
 Desarrollo
1. Probabilidad. Concepto, probabilidad objetiva y subjetiva. Probabilidad
Clásica
2. Espacio muestra y eventos
3. Tablas de contingencias y diagramas de Venn
4. Probabilidad Marginal
5. Probabilidad conjunta
6. Regla de adición. Conjunto nulo y eventos mutuamente excluyentes
7. Probabilidad condicional. Independencia estadística
8. Regla de multiplicación
9. Teorema de Bayes
 Conclusión
 Bibliografía
 INTRODUCCION

Para iniciar debemos saber que la estadística es de suma importancia en el área

laboral, y conocer cada uno de los aspectos que la rodean es de suma
importancia. Cuando no estamos seguros del resultado de un evento, podemos
hablar de la probabilidad de ciertos resultados que tan común es que ocurran. Al
análisis de los eventos gobernados por la posibilidad se le llama estadística.
DESARROLLO

1. CONCEPTO DE PROBABILIDAD

El término probabilidad proviene de lo probable, o sea, de aquello que es más

posible que ocurra, y se entiende como el mayor o menor grado de posibilidad
de que un evento aleatorio ocurra, expresado en una cifra entre 1 (posibilidad
total) y 0 (imposibilidad absoluta), o bien en porcentajes entre el 100% o el 0%,
respectivamente.

Para obtener la probabilidad de un suceso, generalmente se determina

la frecuencia con la que ocurre (en experimentos aleatorios bajo condiciones
estables), y se procede a realizar cálculos teóricos.

El origen de la probabilidad reside en la necesidad del ser humano de anticiparse

a los hechos, y de predecir en cierta medida el futuro. Así, en su empeño por
percibir patrones y conexiones en la realidad, se enfrentó constantemente al azar,
o sea, a lo que carece de orden.

 Probabilidad objetiva: Se denomina así a toda probabilidad en la

que conocemos de antemano la frecuencia de un evento, y
simplemente se dan a conocer los casos probables de que ocurra
dicho evento.
 Probabilidad subjetiva: Es aquella que se basa en la experiencia
individual. El individuo analiza la información que dispone y otorga un
valor de probabilidad al evento según su nivel de creencia acerca de
que el evento efectivamente ocurra.
 Probabilidad clásica: Predice un resultado en base a todos los
posibles sucesos que tenga un evento aleatorio. La probabilidad
clásica se encarga de distribuir equitativamente la probabilidad en
cada uno de los sucesos que componen al espacio muestral, eso
cambia si en el espacio muestral hay conjuntos en lugar de
 solamente sucesos individuales, pues al haber conjuntos formados
por sucesos, habrá algunos conjuntos de sucesos (que también se
toman como sucesos individuales) que tenga una mayor probabilidad
de salir, pero esto no significa que la probabilidad no se distribuya
equitativamente.

2. ESPACIO MUESTRAL Y EVENTOS

Espacio muestral: Es el conjunto de todos los resultados posibles que se

obtienen al realizar un experimento aleatorio siendo aquel del que no se
puede predecir su resultado (Dogson, Charles).

La denotación más habitual y utilizada del espacio muestral es mediante la

letra griega omega: Ω. Está compuesto por todos los sucesos elementales
y/o compuestos de la muestra, coincidiendo con el suceso seguro. Es decir,
aquel suceso que siempre va a ocurrir. Entre los ejemplos más comunes de
espacios muestrales podemos encontrar los resultados de lanzar una
moneda al aire (cara y cruz) o de tirar un dado (1, 2, 3, 4, 5 y 6).

Un ejemplo de espacio muestral en el lanzamiento de una moneda sería:

Ω = {C, X}

Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o
cruz.

Ejemplo: Supongamos el caso de un dado con 6 caras. Enumeradas del 1

al 6 ¿Cuál sería el espacio muestral del experimento lanzar un dado una
sola vez?

Ω = {1, 2, 3, 4, 5, 6}

¿Y si el experimento consiste en lanzar el dado dos veces? Diferenciamos

entre un dado rojo y un dado verde.

Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 1 y 5, 1 y 6, 2 y 1, 2 y 2, 2 y 3 … 6 y 6}

Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1,

sería el primer suceso elemental. El segundo suceso elemental consistiría
 en que en el dado rojo salga un 1 y en el verde un 2. Así hasta un total de
36 sucesos elementales.

Evento: Conjunto de uno o más resultados del experimento aleatorio. “Un

evento o suceso es cualquier subconjunto del espacio muestral” (Bayes,
Thomas), es decir, un conjunto de resultados posibles de un experimento
aleatorio.

- Si A = {obtener un número 5 al lanzar un dado}, entonces, A= {5}.

- Si B = {obtener un número mayor que 3 al lanzar un dado}, entonces, B=
{4, 5, 6}.
- Si C = {obtener un número par al lanzar un dado}, entonces, C= {2, 4, 6}.
- Si D = {obtener al menos 1 gato al lanzar 2 monedas}, entonces, D=
{(P, G), (G, P), (G, G)}.

Si el resultado de un experimento aleatorio es un evento que se encuentra

en un subconjunto de Ω llamado “A”, decimos que el evento “A” ha ocurrido.
El suceso cierto o seguro es aquel formado por todos los elementos del
espacio muestral Ω y su probabilidad es P(Ω)=1.

El evento imposible “Ø” es aquel que no posee elementos y su probabilidad

es P(Ø)=0

Evento elemental: Es un evento formado por un único elemento (de lo

contrario el elemento se dice evento complejo).

• Probabilidad de un evento o suceso: Indica con qué frecuencia ocurre el

evento cuando se produce un gran número de repeticiones del experimento
aleatorio, (Thomas Bayes).

Es un número real asignado a cada evento que mide la probabilidad de que

este ocurra. Si X es un evento cualquiera, la llamamos la “probabilidad de
X” y lo notamos “P(X)”. “La probabilidad de un suceso es un número,
comprendido entre 0 y 1, que indica las posibilidades que tiene de
verificarse cuando se realiza un experimento aleatorio".

3. Tablas de contingencias y diagramas de Venn

 Una tabla de contingencia es una herramienta utilizada en la rama de la
estadística, se usan para estudiar y registrar la asociación entre dos o más
variables, habitualmente de naturaleza cualitativa (nominales u ordinales).

Los objetivos de la tabla de contingencia son los siguientes:

•Ordenar la información recolectada para un estudio cuando los datos se

encuentran divididos de forma bidimensional, esto significa a que se relaciona con
dos factores cualitativos.
•El otro objetivo de la tabla de contingencia es analizar si hay una relación entre
las variables cualitativas, ya sean dependientes o independientes.
•La tabla de contingencia generalmente se realiza en datos categóricos, es decir
que se pueden dividir en grupos mutuamente excluyentes.
Ejemplo:
En un concurso de televisión, se dispone de 20 coches, para premiar al
concursante, 10 son Seat Toledo (2 rojos y 8 azules) y 10 son Seat Panda (7 rojos
y 3 azules)
Los coches están colocados aleatoriamente, tras 20 puertas, de forma que el
concursante no ve el coche que hay detrás de cada puerta.

El concursante elige un número, entre 1 y 20, y si acierta la marca y el color del

coche que hay en la puerta elegida, gana, en caso contrario pierde.
El concurso lo podemos considerar como un experimento aleatorio. Cada
resultado es el coche elegido.
Toda la información acerca de este experimento se recoge de una manera
cómoda y sencilla en la siguiente tabla:

Rojo Azul Totales

Seatpanda 2 8 10
Seattoledo 7 3 10
Totales 9 11 20

Que es lo que se denomina una Tabla de contingencia y que nos permite calcular
de manera sencilla la probabilidad de cualquier suceso que resulte del
experimento.
DIAGRAMA DE VENN

Un diagrama de Venn muestra conjuntos de elementos y sus interacciones por

medio de líneas cerradas (círculos), siendo la exterior (cuadrado) la que
representa al conjunto universal.
Veamos un ejemplo de un Diagrama de Venn en concreto. Como hemos
mencionado antes, imaginemos que queremos estudiar los hombres (cuadrados) y
mujeres (círculos) que tienen estudios en física (marrón), humanidades (amarillo),
derecho (verdes) y economía (azul). Además, el tamaño nos muestra las
frecuencias de cada caso. Recordemos que U es todo lo que hay dentro del
cuadrado.

Diagrama De Venn 1
Podemos observar en el diagrama de Venn (son datos ficticios) que los hombres
sobre todo han estudiado física y las mujeres humanidades y a la inversa. Los que
aparecen en la intersección son hombres y mujeres que estudiaron economía.
Respecto a esta última, los valores promedio son mayores en mujeres y ambos se
sitúan en un punto intermedio respecto a otras áreas.

4. Probabilidad Marginal
La distribución marginal es la distribución de probabilidad de un
subconjunto de variables aleatorias. La distribución marginal proporciona la
probabilidad de un subconjunto de valores del conjunto sin necesidad de
conocer los valores de las otras variables. Esto contrasta con la distribución
condicional, que proporciona probabilidades contingentes sobre el valor
conocido de otras variables.

El término variable marginal se usa para referirse a una variable del

subconjunto de retenido y cuyos valores pueden ser conocidos. 1 La
distribución de las variables marginales, la distribución marginal, se
obtiene marginalizando sobre la distribución de variables descartadas y las
variables descartadas se llaman a veces variables marginalizadas.

El caso más simple es el de dos variables aleatorias reales X e Y para la

que se conozca su distribución de probabilidad conjunta  ,

entonces la distribución marginal de X es la distribución de probabilidad 

 de X haciendo caso omiso de la información referente a Y. Para las

variables aleatorias discretas, la ley de probabilidad marginal Pr(X=x) se
escribe

Pr(X=x,Y=y) es la distribución conjunta de X e Y, mientras que Pr(X=x|Y=y)

es la distribución condicional de X conociendo Y. Ésta es la lección principal
del Teorema de la probabilidad total. Del mismo modo, para variables
aleatorias continuas, la densidad de probabilidad marginal pX (x) verifica

donde   da la distribución conjunta de X e Y, y   la

distribución condicional de X conociendo Y.

Este tipo de cálculo se produce cuando se considera el estudio de una tabla

de contingencia.
5. PROBABILIDAD CONJUNTA

Cuando se está interesado en conocer la probabilidad de que dos sucesos

se verifiquen simultáneamente, se habla de probabilidad conjunta. Por
ejemplo se puede estar interesado en conocer cuál es la probabilidad de
seleccionar un alumno del sexo femenino y que sea ingresante en I.S.I..
Este suceso se expresa como M ∩ I y la probabilidad se obtiene de la
siguiente forma:

En la tabla siguiente se presenta la distribución de probabilidades conjuntas

y las marginales respectivas. La distribución marginal está compuesta por el
conjunto de probabilidades simples de los sucesos asociados a cada
variable

Ahora se puede ver la probabilidad de un suceso simple como la suma de

las probabilidades conjuntas que incluyen dicho suceso. Por ejemplo, se
puede pensar la P (M) como:

En general

Donde A1, A2, Ak son k sucesos mutuamente

excluyentes.
6. REGLA DE ADICION.

Son las normas que proporcionan y establecen una manera de calcular la

probabilidad de un evento, esto es muy importantes en probabilidad ya que
se determina si tenemos un evento A y un evento B, la probabilidad de
ocurrir el evento A o el evento B.

Fórmula:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

Donde:

• P(A): probabilidad de que ocurra el evento A.

• P(B): probabilidad de que ocurra el evento B.
• P(A⋃B): probabilidad de que ocurra el evento A o el evento B.
• P(A⋂B): probabilidad de que ocurra el evento A y el evento B a la vez.

Ejemplo:

Sacamos una carta de una baraja de cartas estándar bien barajada. Ahora

queremos determinar la probabilidad de sacar una tarjeta roja o un as. El as
de corazones y el as de diamantes son elementos del conjunto de tarjetas
rojas y del conjunto de ases. Consideramos tres probabilidades y luego las
combinamos usando la regla de la suma generalizada:

La probabilidad de sacar una tarjeta roja es 26/52.

La probabilidad de sacar un as es 4/52.
La probabilidad de sacar una tarjeta roja y un as es 2/52.

Esto significa que la probabilidad de sacar una tarjeta roja o un as es 26/52

+ 4/52 - 2/52 = 28/52

 Conjunto Nulo:

Es el conjunto que carece de elementos. Se denota como ∅, ∅= {},

o {}. También, se puede definir con el uso de la notación {x|x≠x}, se
lee “el conjunto de las x tal que x es diferente de x”. Cada
 subconjunto contable de los números reales (es decir, finito o infinito
numerable) es nulo. Por ejemplo, el conjunto de números naturales
es contable, teniendo cardinalidad (aleph-zero o aleph-null), es nulo.
Otro ejemplo es el conjunto de números racionales, que también es
contable y, por tanto, nulo. Sin embargo, hay algunos conjuntos
incontables, como el conjunto de Cantor, que son nulos.

Ejemplo: 

A = { }
B = { }
C = { }
D = { }
E = { }

Donde:

A= Es el conjunto de manzanas azules que hay en el planeta

B= Es el conjunto de Personas vivientes mayores de 500 años en el
planeta.
C= Es el conjunto de Gatos que tienen 6 pezuñas y pueden volar.
D= Es el conjunto de alumnos de mi salón que tienen 9 ojos.
E= Es el conjunto de Perros con 9 patas.

 Eventos mutuamente excluyentes

"Los eventos A y B son mutuamente excluyentes si no pueden ocurrir

al mismo tiempo, es decir, si no tienen elementos comunes" (De
Fermat, Pierre).

Por ejemplo, sacar una carta al azar de una bajara, y obtener un 5 y

un 7, son eventos mutuamente excluyentes, ya que no hay ninguna
carta que tenga un 5 y un 7 al mismo tiempo. Entonces P(A⋂B) = 0,
por lo tanto, partiendo de la misma fórmula, obtendríamos la
siguiente expresión:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

P(A⋃B) = P(A) + P(B) − 0

P(A⋃B) = P(A) +P(B)

 Ejemplo: 

La probabilidad de que un día cualquiera, David almuerce pollo frito

es de 0,4. La probabilidad de que almuerce hamburguesa es de 0,3;
mientras que la probabilidad de que almuerce pollo frito y
hamburguesa el mismo día es de 0,1. Calcula la probabilidad de que
un día cualquiera, David almuerce pollo frito o hamburguesa.

Solución:

Definimos nuestras probabilidades:

• Probabilidad de que David almuerce pollo frito: P(A) = 0,4.

• Probabilidad de que David almuerce hamburguesa: P(B) = 0,3.
• Probabilidad de que David almuerce pollo frito y hamburguesa el
mismo día: P(A⋂B) = 0,1.
• Probabilidad de que David almuerce pollo frito o hamburguesa: 
P(A⋃B) =?

Ahora, aplicamos nuestra fórmula:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

P(A⋃B) = 0,4 + 0,3 − 0,1

P(A⋃B) = 0,6.

7. PROBABILIDAD CONDICIONAL
La noción de probabilidad condicional se emplea en el ámbito de la
estadística. La expresión alude a la probabilidad existente de que suceda
un evento A, conociendo que además ocurre otro evento B.
Es importante tener en cuenta que no es necesario que exista una relación
temporal o causal entre A y B. Esto quiere decir que A puede producirse
antes que B, después o al mismo tiempo, y que A puede ser el origen o la
consecuencia de B o no tener un vínculo de causalidad. Debemos resaltar
que en el campo de la probabilidad no hay espacio para los conceptos de
 relaciones temporales o relaciones causales, aunque pueden jugar un rol
determinado según la interpretación que el observador les dé a los sucesos.

 Independencia Estadística:

Dos variables estadísticas son estadísticamente

independientes cuando el comportamiento estadístico de una de
ellas no se ve afectado por los valores que toma la otra; esto es
cuando las relativas de las distribuciones condicionadas no se ven
afectadas por la condición, y coinciden en todos los casos con las
frecuencias relativas marginales.

Esta definición puede hacerse más operativa, a través de la

caracterización siguiente: Dos variables son estadísticamente
independientes cuando para todos los pares de valores se cumple
que la frecuencia relativa conjunta es igual al producto de las
frecuencias relativas marginales.:  

              para todo i,j :         

Ejemplo:

Y
1 2 3 ni.
X
5 1 10 5 16
10 2 20 10 32
15 4 40 20 64
n.j 7 70 35 112

  Comprobemos si se cumple

                                                                                        

para el primer par 1,1 tendríamos                         que cumple

para el segundo par 1,2 tendríamos                        que cumple

lo comprobaríamos hasta el último

para el último par 3,3, tendríamos                         que cumple

por tanto, X e Y son estadísticamente Independientes

8. REGLA DE MULTIPLICACION

La regla de la multiplicación es un proceso que se ocupa cuando se quiere

calcular la probabilidad de que 2 o más sucesos pasen al mismo tiempo,
usando un diagrama de Venn para representar a las probabilidades se
puede observar de manera gráfica lo que se encuentra usando la regla de
la multiplicación.

Por lo general en problemas de la regla de la multiplicación no se es claro si

el ejemplo presenta sucesos dependientes o independientes, esto
normalmente se define por comprensión lectora y análisis del problema, por
esto se recomienda leer detenidamente el enunciado del problema para
saber con qué tipo de sucesos se está trabajando (dependiente o
independiente) para escoger la fórmula correcta.

Hay 2 formulas diferentes en la regla de la suma, una por cada tipo de

sucesos

En la fórmula donde el primer suceso tiene efecto sobre el segundo está la

variable p(b|a), esto quiere decir “la probabilidad de ‘b’ habiendo ocurrido
‘a’”.

Formula cuando la probabilidad del primer suceso no afecta al

segundo

P (a n b) = p 8ª) * p (b)

Formula cuando la probabilidad del primer suceso tiene efecto sobre

el segundo

P (a n b) = p (a) – p (b I a)

Ejemplo: En una tienda se venden osos de peluche, en existencia hay 30 de

estos peluches, si entre estos hay 15 marrones y 15 blancos, y en la tienda tienen
estadísticas que indican que 4 de cada diez de los clientes terminan comprando
estos peluches ¿Cuál es la probabilidad que el siguiente cliente compre un oso de
color blanco?

c = comprar un oso, b = oso blanco

Formula de sucesos independiente

- P (c n b) =p (c) = * p (b)
- P (c n b) = 4/10 * 1/2
- P (c n b) = 0.2 * 100%
- P (c n b) = 20%

9. 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.
Podemos calcular la probabilidad de un suceso A, sabiendo además que
ese A cumple cierta característica que condiciona su probabilidad.  El
teorema de Bayes entiende la probabilidad de forma inversa al teorema de
la probabilidad total. El teorema de la probabilidad total hace inferencia
sobre un suceso B, a partir de los resultados de los sucesos A. Por su
parte, Bayes calcula la probabilidad de A condicionado a B.
teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido,
principalmente, a su mala aplicación. Ya que, mientras se cumplan los
supuestos de sucesos disjuntos y exhaustivos, el teorema es totalmente
válido.

Fórmulas Del Teorema De Bayes

Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una fórmula. La fórmula se define matemáticamente como:
Donde B es el suceso sobre el que tenemos información previa y A(n) son los
distintos sucesos condicionados. En la parte del numerador tenemos la
probabilidad condicionada, y en la parte de abajo la probabilidad total. En
cualquier caso, aunque la fórmula parezca un poco abstracta, es muy sencilla.
Para demostrarlo, utilizaremos un ejemplo en el que en lugar de A (1), A (2) y A
(3), utilizaremos directamente A, B y C.
Ejemplo Del Teorema De Bayes
Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas
A, B y C, que producen envases para botellas de agua. Se sabe que la máquina A
produce un 40% de la cantidad total, la máquina B un 30%, y la máquina C un
30%. También se sabe que cada máquina produce envases defectuosos. De tal
manera que la máquina A produce un 2% de envases defectuosos sobre el total
de su producción, la máquina B un 3%, y la máquina C un 5%. Dicho esto, se
plantean dos cuestiones:
P(C) = 0,30      P(D/C) = 0,05

Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos

¿Cuál es la probabilidad de que sea defectuoso?

Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos

la probabilidad de que sea defectuoso.

PD) = [ P(A) x P(D/A)] + [ P(B) x P(D/B)] + [ P(C) x P(D/C)] = [ 0,4 x 0,02] + [ 0,3 x
0,03] + [ 0,3 x 0,05] = 0,032

Expresado en porcentaje, diríamos que la probabilidad de que un envase

fabricado por la fábrica de esta empresa en Estados Unidos sea defectuoso es del
3,2%.

Siguiendo con la pregunta anterior, si se adquiere un envase y este es defectuoso

¿Cuáles es la probabilidad de que haya sido fabricado por la máquina A? ¿Y por
la máquina B? ¿Y por la máquina C?

Aquí se utiliza el teorema de Bayes.

Tenemos información previa, es decir, sabemos que el envase es defectuoso.

Claro que, sabiendo que es defectuoso, queremos saber cuál es la probabilidad de
que se haya producido por una de las máquinas.

P(A/D) = [P(A) x P(D/A)] / P(D) = [0,40 x 0,02] / 0,032 = 0,25

P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x 0,03] / 0,032 = 0,28

P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x 0,05] / 0,032 = 0,47

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido

producido por la máquina A es del 25%, de que haya sido producido por la
máquina B es del 28% y de que haya sido producido por la máquina C es del 47%.
CONCLUSION

La teoría de probabilidad en especial en el marco de sistemas más complejos se

aplica en áreas variadas del conocimiento, como las ciencias exactas (estadística,
matemática pura y aplicada, física, química, astronomía) las ciencias sociales
(sociología, piscología social, economía) la astronomía, la meteorología y en
especial en forma más reciente la biomedicina.

La importancia esencial de la aplicación de los métodos de calculo de la

probabilidad reside en su capacidad para estimar o predecir eventos. Cuando
mayor sea la cantidad de datos disponibles para calcular la disponibilidad de un
acontecimiento, más preciso será el resultado calculado. Dada la complejidad de
los sistemas en los que suele aplicarse la teoría de la probabilidad, se requiere de
un modelo informáticos y estadísticos de gran elaboración, que serian imposible
de no contarse con los modernos recursos tecnológicos relacionados con la
computación. La teoría de la probabilidad resulta de gran importancia que intenta
ajustar en conceptos matemáticos para calcular, por ejemplo: la producción final
de cereales, combustibles fósiles y otros recursos de un área geográfica. Por lo
tanto, la probabilidad es una herramienta fundamental en la planificación
estratégica de los movimientos sociales, económicos y laborales de toda la
comunidad.
BIBLIOGRAFIA

• Autor: Juan Navarro García | Sitio: Definición ABC | Fecha: junio. 2016 | URL:
https://www.definicionabc.com/ciencia/espacio-muestral.php.

• Autor: José Francisco López. (2020). Página web: Economipedia.com Espacio

Muestral. URL: https://economipedia.com/definiciones/espacio-muestral.html.

• Autor: Anónimo. (2019). Página web: MateMovil.com. Evento. URL:

https://matemovil.com/experimento-aleatorio-espacio-muestral-evento-y-
probabilidad/.

• Autor: Anónimo. (2021). Página web: StuDocu.com Evento o Suceso. URL:

https://www.studocu.com/es-ar/document/universidad-nacional-de-san-martin-
argentina/estadistica-i/resumenes/01-espacio-evento-probabilidad-y-
union/2800369/view.

Autor: Everitt, B. S. (2002). The Cambridge Dictionary of Statistics. Cambridge

University Press. ISBN 0-521-81099-X.

Autor: Trumpler, Robert J. and Harold F. Weaver (1962). Statistical Astronomy.

Dover Publications.

• Autor: Anónimo. (20 de Mar, 2018). Página web: Greenlane.com URL:

https://www.greelane.com/es/ciencia-tecnolog%C3%ADa-matem
%C3%A1ticas/mates/addition-rules-in-probability-3126256/.

• Autor: Anónimo. (2021) Pagina web: Wikipedia. Com URL:

https://es.m.wikipedia.org/wiki/Probabilidad#:~:text=La%20regla%20de%20la
%20adición%20o%20regla%20de%20la%20suma,pueden%20ocurrir%20al
%20mismo%20tiempo.

• Autor: Anónimo. (2019) Pagina web: MateMovil.com URL:

https://matemovil.com/regla-de-la-suma-o-adicion-de-probabilidades/.
•https://economipedia.com/definiciones/diagrama-de-venn.html