Probabilidades Conceptos Generales

CONCEPTOS GENERALES DE PROBABILIDAD

Los gerentes o administradores suelen basar sus decisiones en un análisis de

incertidumbre como los siguientes:
1. ¿Qué posibilidades hay de que las ventas disminuyan si los precios aumentan?
2. ¿Cuál es la probabilidad de que un nuevo método de ensamble mejore la
productividad?
3. ¿Qué tan probable es que este proyecto se complete a tiempo?
4. ¿Qué posibilidad hay de que una nueva inversión sea rentable?
La probabilidad es una medida numérica de la posibilidad de que un evento ocurra.
Por tanto, se utiliza como una medida del grado de incertidumbre asociado con cada uno de
los cuatro eventos previamente listados. Si las probabilidades están disponibles, se puede
determinar la posibilidad de ocurrencia de cada evento. Algunos de los primeros trabajos
sobre probabilidad tuvieron su origen en una serie de cartas entre Pierre de Fermat y Blaise
Pascal en la década de 1650.
Los valores de probabilidad siempre se asignan en una escala de 0 a 1. Una
probabilidad cercana a 0 indica que es poco probable que un evento ocurra, una probabilidad
cercana a 1 indica que es casi seguro que un evento se produzca. Otras probabilidades entre
0 y 1 representan grados de posibilidad de que un evento ocurra. Por ejemplo, si se considera
el evento “lluvia para mañana”, se entiende que cuando el informe del clima indica “una
probabilidad de lluvia casi nula”, significa que la posibilidad de lluvia es muy baja. Sin
embargo, si se informa una probabilidad de 0.90 de que llueva, es probable que llueva. Una
medida de 0.50 indica que la probabilidad de que llueva es igual a la de que no llueva.

Experimentos, reglas de conteo y asignación de probabilidades

En el estudio de la probabilidad, un experimento se define como un proceso que

genera resultados bien definidos. En cada repetición ocurre uno y sólo uno de los resultados
posibles del experimento. En seguida se listan varios ejemplos de experimentos y sus
resultados correspondientes.

Página 1
Probabilidades Conceptos Generales

Experimento Resultados del experimento

Lanzar una moneda Cara, cruz

Seleccionar una parte para inspeccionarla Defectuosa, sin defectos

Hacer una llamada de ventas Comprar, no comprar

Arrojar un dado 1, 2, 3, 4, 5, 6

Jugar un partido de futbol Ganar, perder, empatar

Cuando se especifican todos los resultados posibles del experimento, el espacio

muestral de éste queda definido.

ESPACIO MUESTRAL

El espacio muestral es el conjunto de todos los resultados del experimento.

Considere el primer experimento de la tabla anterior, es decir, el lanzamiento de una

moneda. La cara que cae hacia arriba, ya sea cara o cruz, determina los resultados del
experimento (puntos de la muestra). Si S denota el espacio muestral, se utiliza la siguiente
notación para describirlo. S = {cara, cruz}
El espacio muestral para el segundo experimento de la tabla, en el que se selecciona
una parte para inspeccionarla, se describe como sigue: S = {defectuosa, sin defectos}
Los dos ejemplos que se acaban de describir tienen dos resultados del experimento
(puntos de la muestra). Sin embargo, suponga que se considera el cuarto caso listado en la
tabla: el tiro de un dado. Los resultados del experimento posibles, que se definen como el
número de puntos que tiene la cara superior del dado, son los seis puntos del espacio muestral
de este experimento. S = {1, 2, 3, 4, 5, 6}

Reglas de conteo, combinaciones y permutaciones

La identificación y el conteo de los resultados del experimento es un paso necesario
en la asignación de probabilidades. Ahora se estudiarán tres reglas de conteo útiles.

Página 2
Probabilidades Conceptos Generales

Experimentos de pasos múltiples La primera regla de conteo se aplica a los

experimentos de pasos múltiples. Considere un experimento que consiste en lanzar dos
monedas. Los resultados se definen en función del patrón de caras y cruces que muestra la
cara superior de las dos monedas. ¿Cuántos resultados son posibles para este experimento?
El ejemplo de lanzar dos monedas se considera un experimento de dos pasos en el cual el
paso 1 es el lanzamiento de la primera moneda y el paso 2 el lanzamiento de la segunda. Si
se utiliza H para denotar una cara y T para una cruz, (H, H) indica el resultado experimental
en el que hay una cara en la primera moneda y una cara en la segunda. Siguiendo esta
notación, el espacio muestral (S) para este experimento se describe como sigue:
S = {(H, H), (H, T), (T, H), (T, T)}
Por tanto, hay cuatro resultados experimentales posibles. En este caso, es fácil
listarlos todos. La regla de conteo para experimentos de pasos múltiples permite determinar
el número de resultados del experimento sin listarlos.

REGLA DE CONTEO PARA EXPERIMENTOS DE PASOS MÚLTIPLES

Si un experimento se describe como una secuencia de k pasos con n1

resultados posibles en el primer paso, n2 resultados posibles en el segundo paso,
y así sucesivamente, el número total de resultados del experimento está dado
por (n1) (n2) . . . (nk).

Si se considera el experimento del lanzamiento de dos monedas como la secuencia

de lanzar primero una moneda (n1 = 2) y luego la otra (n2 = 2), al aplicar la regla de conteo
puede verse que (2)(2) = 4, por lo que hay cuatro resultados experimentales distintos
posibles. Como se mostró, estos resultados son S = {(H, H), (H, T), (T, H), (T, T)}. El
número de resultados en un experimento que consiste en lanzar seis monedas es
(2)(2)(2)(2)(2)(2) =64.

Página 3
Probabilidades Conceptos Generales

Diagrama de árbol para el experimento del lanzamiento de dos monedas

Un diagrama de árbol es una representación gráfica que ayuda a visualizar un

experimento de pasos múltiples. La figura anterior muestra un diagrama de árbol para el
experimento del lanzamiento de dos monedas. La secuencia de pasos va de izquierda a
derecha a través del árbol. El paso 1 corresponde al lanzamiento de la primera moneda y el
paso 2, al lanzamiento de la segunda. En cada paso, los dos resultados posibles son cara o
cruz. Observe que a cada resultado posible del paso 1 le corresponden las dos ramas de los
dos resultados posibles del paso 2. Cada uno de los puntos en el extremo derecho del árbol
representa un resultado experimental. Cada trayectoria que recorre por el árbol desde el nodo
que está en el extremo izquierdo hasta uno de los nodos en el extremo derecho es una
secuencia única de resultados.

Combinaciones Una segunda regla de conteo útil permite contar el número de

resultados cuando el experimento consiste en la selección de n objetos de un conjunto
(generalmente mayor) de N objetos. Ésta se conoce como regla de conteo para
combinaciones.

Página 4
Probabilidades Conceptos Generales

REGLA DE CONTEO PARA COMBINACIONES

El número de combinaciones de N objetos tomados n a la vez es

!
= =
! ( − )!

Donde ! = ( )( ) … ( − )( − )( )
! = ( )( ) … ( − )( − )( )
Por definición ; !=

La notación ! significa factorial; por ejemplo, 5 factorial es 5! = (5)(4)(3)(2)(1) =

120. Como ejemplo del uso de la regla de conteo para combinaciones, considere un
procedimiento de control de calidad en el cual un inspector selecciona al azar de dos a cinco
partes para buscar defectos. En un grupo de cinco partes, ¿cuántas combinaciones de dos
partes pueden seleccionarse?
La regla de conteo de la ecuación anterior muestra que con N = 5 y n = 2; tenemos
! ! ( )( )( )( )( )
= = = = = =
! ( − )! ! ( )! ( )( ) ∗ ( )( )( ) ∗
Por tanto, 10 resultados son posibles para el experimento de selección de dos partes
al azar de un grupo de cinco. Si las cinco partes se etiquetan como A, B, C, D y E, las 10
combinaciones o resultados del experimento son AB, AC, AD, AE, BC, BD, BE, CD, CE y
DE. Como otro ejemplo, considere un sistema de lotería que utiliza la selección al azar de
seis números enteros de un grupo de 53 para determinar al ganador de la semana. La regla
de conteo para combinaciones se utiliza para determinar el número de maneras en que seis
enteros diferentes pueden seleccionarse de un grupo de 53.

! ! ( )( )( )( )( )( )
= = = = = . .
!( − )! ! ( )! ( )( )( )( )( )( )

La regla de conteo para combinaciones establece que casi 23 millones de resultados

experimentales son posibles en el sorteo de la lotería. Una persona que compra un billete
tiene 1 oportunidad en 22.957.480 de ganar.

Página 5
Probabilidades Conceptos Generales

Permutaciones Una tercera regla de conteo que en ocasiones es útil es la regla de

conteo para permutaciones. Ésta permite que una persona calcule el número de resultados
experimentales cuando se seleccionan n objetos de un conjunto de N objetos y el orden de
selección es importante. Los mismos n objetos seleccionados en un orden distinto se
consideran un resultado experimental diferente.

REGLA DE CONTEO PARA PERMUTACIONES

El número de permutaciones de N objetos tomados n a la vez está dado por

!
=
( − )!

La regla de conteo para permutaciones se relaciona estrechamente con la regla de

conteo para combinaciones; sin embargo, un experimento produce más permutaciones que
combinaciones para el mismo número de objetos debido a que cada selección de n objetos
se ordena de ! maneras distintas. Como ejemplo, considere de nuevo el proceso de control
de calidad en el que un inspector selecciona dos de cinco partes distintas para inspeccionarlas
en busca de defectos. ¿Cuántas permutaciones pueden seleccionarse? La regla de conteo
muestra que con N = 5 y n = 2 se tiene
! ! ( )( )( )( )( )
= = = = ( )( ) =
( − )! ! ( )( )( )
Por tanto, hay 20 resultados posibles para el experimento de seleccionar dos partes
al azar de un grupo de cinco cuando se toma en cuenta el orden de selección. Si las partes se
etiquetan como A, B, C, D y E, las 20 permutaciones son AB, BA, AC, CA, AD, DA, AE,
EA, BC, CB, BD, DB, BE, EB, CD, DC, CE, EC, DE y ED.

Asignación de probabilidades

Ahora se explicará cómo asignar las probabilidades a los resultados del experimento.
Los enfoques de tres pasos más usuales son el método clásico, el de frecuencia relativa y el
subjetivo. Sea cual fuere el método empleado, se deben cumplir dos requisitos básicos para
la asignación de probabilidades.

Página 6
Probabilidades Conceptos Generales

REQUISITOS BÁSICOS PARA LA ASIGNACIÓN DE PROBABILIDADES

1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y 1,

inclusive. Si denota el i-ésimo resultado del experimento y ( ) su
probabilidad, entonces este requisito se escribe como
≤ ( ) ≤

2. La suma de las probabilidades para todos los resultados del experimento debe
ser igual a 1. Para resultados, este requisito se escribe como
( )+ ( )+ . . . + ( )=

El método clásico de asignación de probabilidades es apropiado cuando todos los

resultados del experimento son igualmente probables. Si resultados son posibles, una
probabilidad de / se asigna a cada resultado experimental. Cuando se utiliza este método,
los dos requisitos básicos para la asignación de probabilidades se cumplen de manera
automática. Como ejemplo, considere el experimento del lanzamiento de una moneda sin
truco; los dos resultados, es decir, cara y cruz, son igualmente probables. Dado que uno de
los dos resultados igualmente probables es una cara, la probabilidad de observar una cara es
1/2, ó 0.50. Asimismo, la probabilidad de observar una cruz también es 1/2 o 0.50.
En otro ejemplo, considere el experimento de arrojar un dado. Parecería razonable
concluir que los seis resultados posibles son igualmente probables y, por consiguiente, a cada
resultado se le asigna una probabilidad de / . Si P(1) denota la probabilidad de que un
punto aparezca en la cara superior del dado, entonces P(1) = 1/6, P(2) = 1/6, P(3) = 1/6, P(4)
= 1/6, P(5) = 1/6 y P(6) =1/6. Observe que estas probabilidades satisfacen los dos requisitos
básicos anteriores, ya que cada una es mayor o igual que cero y suman 1.
El método de frecuencia relativa de asignación de probabilidades es apropiado
cuando los datos están disponibles para estimar la proporción del tiempo en que ocurrirá el
resultado si el experimento se repite un gran número de veces. Como ejemplo considere un
estudio de los tiempos de espera en el departamento de rayos X para un hospital local. Un
empleado registró el número de pacientes que esperan el servicio a las 9:00 a.m. durante 20
días sucesivos y obtuvo los resultados siguientes.

Página 7
Probabilidades Conceptos Generales

Número de pacientes que esperan Número de días que ocurrió el resultado

0 2
1 5
2 6
3 4
4 3
Total 20

Estos datos arrojan que, en 2 de los 20 días, cero pacientes esperaban por el servicio;
en 5 de los días, un paciente esperaba por el servicio, etc. Utilizando el método de la
frecuencia relativa, se asignaría una probabilidad de 2/20 = 0.1 para el resultado
experimental de cero pacientes esperando; 5/20 = 0.25 para un paciente que espera; 6/20 =
0.3 para dos pacientes; 4/20 = 0.2 para tres sujetos y 3/20 = 0.15 para cuatro. Al igual que
con el método clásico, el uso del método de la frecuencia relativa cumple automáticamente
con los dos requisitos básicos.
El método subjetivo de asignación de probabilidades es más apropiado cuando no se
puede asumir en forma realista que los resultados del experimento son igualmente probables
y cuando se dispone de pocos datos relevantes. Cuando el método subjetivo se utiliza para
asignar probabilidades a los resultados del experimento, es posible usar cualquier
información disponible, como nuestra experiencia o intuición. Después de considerar toda
la información disponible, un valor de probabilidad que expresa nuestro grado de creencia
(en una escala de 0 a 1) de que el resultado experimental ocurrirá se especifica. Debido a que
la probabilidad subjetiva expresa el grado de creencia de una persona, es personal. Utilizando
este método, se puede esperar que distintas personas asignen probabilidades diferentes al
mismo resultado experimental.
El método subjetivo exige un cuidado especial para asegurar que los dos requisitos
básicos anteriores se satisfagan. Sin considerar el grado de creencia de una persona, el valor
de la probabilidad asignada a cada resultado experimental debe ser de entre 0 y 1, inclusive,
y la suma de todas las probabilidades para los resultados experimentales debe ser igual a 1.
Considere el caso en el que Daniela y Juan hacen una oferta para comprar una casa.
Hay dos resultados posibles:
E1 = su oferta es aceptada
E2 = su oferta es rechazada

Página 8
Probabilidades Conceptos Generales

Juan cree que la probabilidad de que su oferta sea aceptada es de 0.8; por tanto,
establecería P(E1) = 0.8 y P(E2) = 0.2. Daniela, no obstante, cree que la probabilidad de que
su oferta se acepte es de 0.6; por consiguiente, establecería P(E1) = 0.6 y P(E2) = 0.4. Note
que la estimación de la probabilidad para E1 de Daniela refleja un pesimismo mayor de que
su oferta será aceptada. Tanto las probabilidades asignadas de Juan como las de Daniela
satisfacen los dos requisitos básicos. El hecho de que sus estimaciones sean diferentes
recalca la naturaleza personal del método subjetivo.
Aun cuando en las situaciones de negocios puede aplicarse ya sea el método clásico
o el método de frecuencia relativa, los gerentes tal vez quieran proporcionar estimaciones de
probabilidad subjetivas. En estos casos, las mejores estimaciones con frecuencia se obtienen
al combinar las estimaciones de los métodos clásico y de frecuencia relativa con las de
probabilidad subjetivas.
En estadística, la noción de experimento difiere de alguna manera de la que se maneja
en las ciencias físicas. En éstas, los investigadores realizan con frecuencia un experimento
en un laboratorio o en un entorno controlado con el fin de aprender sobre la causa y el efecto.
En los experimentos estadísticos, la probabilidad determina los resultados. Aun cuando el
experimento se repite exactamente de la misma manera, puede ocurrir un resultado muy
diferente. Debido a esta influencia de la probabilidad del resultado, los experimentos de
estadística a veces se denominan experimentos aleatorios.
Cuando se obtiene una muestra al azar de una población de tamaño N sin remplazarla,
se utiliza la regla de conteo para combinaciones con el fin de encontrar el número de
muestras diferentes de tamaño n que pueden seleccionarse.

Eventos y sus probabilidades

Los puntos de la muestra y los eventos proporcionan la base del estudio de la
probabilidad. Por consiguiente, ahora un evento se define de manera formal en relación con
los puntos de la muestra. Esta definición es la base para determinar la probabilidad de un
evento.
EVENTO

Un evento es una colección de puntos de la muestra.

Página 9
Probabilidades Conceptos Generales

PROBABILIDAD DE UN EVENTO

La probabilidad de cualquier evento es igual a la suma de las

probabilidades de los puntos de la muestra del evento.

Como ejemplo podemos pensar en el experimento de lanzar un dado y calcular la

probabilidad de resultar menor o igual a dos, la cara superior, el resultado es + =

En cualquier momento se pueden identificar todos los puntos de la muestra de un

experimento y asignar probabilidades a cada uno, y podemos calcular la probabilidad de un
evento utilizando la definición. No obstante, en muchos experimentos un número grande de
puntos de la muestra hace muy engorrosa, si no es que imposible, la identificación de estos
puntos, así como la determinación de sus probabilidades asociadas. Más adelante veremos
algunas relaciones de probabilidad básicas que se usan para calcular la probabilidad de un
evento sin conocimiento de todas las probabilidades de los puntos de la muestra.
El espacio muestral, S, es un evento. Debido a que contiene todos los resultados del
experimento, tiene una probabilidad de 1; es decir, P(S) = 1.
Cuando se utiliza el método clásico para asignar probabilidades, el supuesto es que
los resultados del experimento son igualmente probables. En estos casos, la probabilidad de
un evento se calcula contando el número de resultados del experimento en el evento y
dividiendo el resultado entre el número total de resultados del experimento.

ALGUNAS RELACIONES BÁSICAS DE PROBABILIDAD

Complemento de un evento Dado un evento A, el complemento de A se define

como el evento que consta de todos los puntos de la muestra que no están en A. El
complemento de A se denota por medio de Ac. La siguiente figura es un diagrama, conocido
como diagrama de Venn, el cual ilustra el concepto de complemento. El área rectangular
representa el espacio muestral para el experimento y como tal contiene todos los puntos de
la muestra posibles. El círculo representa el evento A y contiene sólo los puntos de la muestra
que pertenecen a A. La región sombreada del rectángulo contiene todos los puntos de la
muestra que no están en el evento A y es por definición el complemento de A. En cualquier

Página 10
Probabilidades Conceptos Generales

probabilidad de aplicación debe ocurrir cualquier evento A o su complemento Ac. Por

consiguiente, tenemos P(A) + P(Ac) = 1
El complemento del evento A está sombreado

Al calcular P(A), se obtiene el resultado siguiente.

CÁLCULO DE LA PROBABILIDAD UTILIZANDO EL COMPLEMENTO

P(A) = 1 - P(Ac)

La ecuación muestra la probabilidad de que un evento A se calcule fácilmente si se

conoce la probabilidad de su complemento, P(Ac). Como ejemplo, considere el caso de un
gerente de ventas quien, después de revisar los informes de ventas, establece que 80% de los
contactos de clientes nuevos no generan ninguna venta. Al hacer que A denote el evento de
que se realiza una venta y Ac denote el evento de que no se realice, el gerente establece que
P(Ac) = 0.80. Utilizando la ecuación anterior, vemos que P(A) = 1 - P(Ac) = 1 - 0.80 = 0.20.
Se puede concluir que un contacto de un cliente nuevo tiene una probabilidad de 0.20
de generar una venta. En otro ejemplo, un agente de compras establece una probabilidad de
0.90 de que un proveedor envíe mercancía sin partes defectuosas. Utilizando el
complemento, se puede concluir que hay una probabilidad de 1 - 0.90 = 0.10 de que la
mercancía contenga partes defectuosas.

Ley de la adición
La ley de la adición es útil cuando interesa conocer la probabilidad de que ocurra por
lo menos uno de dos eventos. Es decir, con los eventos A y B nos interesa conocer la
probabilidad de que ocurra el evento A o el evento B, o ambos. Antes de presentar la ley de

Página 11
Probabilidades Conceptos Generales

la adición, debemos estudiar dos conceptos relacionados con la combinación de eventos: la

unión de eventos y la intersección de eventos. Dados dos eventos A y B, la unión de A y B
se define como sigue.

UNIÓN DE DOS EVENTOS

La unión de A y B es el evento que contiene todos los puntos de la muestra

que pertenecen a A o B o ambos. La unión se denota mediante A U B.

El diagrama de Venn de la figura siguiente, representa la unión de los eventos A y B.

Observe que los dos círculos contienen todos los puntos de la muestra del evento A, así como
todos los puntos de la muestra del evento B.
Unión de los eventos A y B sombreada

El hecho de que los círculos se traslapen indica que algunos puntos de la muestra
están contenidos tanto en A como en B.
A continuación, se presenta la definición de intersección de A y B.

INTERSECCIÓN DE DOS EVENTOS

Dados dos eventos A y B, la intersección de A y B es el evento que

contiene los puntos de la muestra que pertenecen a tanto a A como a B.
La intersección se denota por medio de A ∩ B.

El diagrama de Venn que representa la intersección de los eventos A y B se muestra

en la figura siguiente. El área donde los dos círculos se traslapan es la intersección; contiene
los puntos de la muestra que están tanto en A como en B.

Página 12
Probabilidades Conceptos Generales

Intersección de los eventos A y B sombreada

Ahora se estudiará la ley de la adición. La ley de la adición proporciona una manera

de calcular la probabilidad de que ocurra el evento A o el evento B o ambos. En otras
palabras, la ley de la adición se utiliza para calcular la probabilidad de la unión de dos
eventos. La ley de la adición se escribe como sigue.

LEY DE LA ADICIÓN

P(A U B) = P(A) + P(B) - P(A ∩ B)

Para entender de manera intuitiva la ley de la adición, considere que los dos primeros
términos de la ley, P(A) + P(B), representan todos los puntos de la muestra en A ∪ B. Sin
embargo, debido a que los puntos de la muestra en la intersección A ∩ B están en A y en B,
cuando se calcula P(A) + P(B), en realidad se están contando dos veces cada uno de los
puntos de la muestra en A ∩ B. Este conteo excesivo se corrige al restar P(A ∩ B).
Como ejemplo de una aplicación de la ley de la adición, considere el caso de una
pequeña planta de ensamble con 50 empleados. Se espera que cada trabajador complete las
asignaciones de trabajo a tiempo y de tal manera que el producto ensamblado apruebe la
inspección final. De vez en cuando, algunos trabajadores no cumplen con los estándares de
desempeño, ya que terminan la tarea con atraso o ensamblan un producto defectuoso. Al
final del periodo de evaluación del desempeño, el gerente de producción encontró que 5 de
los 50 trabajadores terminaron el trabajo con atraso, 6 de los 50 ensamblaron un producto
defectuoso y 2 de los 50 terminaron con atraso y ensamblaron un producto defectuoso.
Sean
L = evento de que el trabajo se termine con atraso
D = evento de que el producto ensamblado esté defectuoso

Página 13
Probabilidades Conceptos Generales

La información de la frecuencia relativa conduce a las probabilidades siguientes.

( )= = .

( )= = .

( ∩ )= = .

Después de revisar los datos de desempeño, el gerente de producción decidió asignar

una calificación baja a cualquier empleado cuyo trabajo estuviera atrasado o defectuoso, por
lo que el evento de interés es ∪ . ¿Cuál es la probabilidad de que el gerente asigne una
calificación de bajo desempeño a un empleado? Note que la pregunta de probabilidad trata
de la unión de dos eventos. En concreto, se desea conocer P( ∪ ). Mediante la fórmula
tenemos;
( ∪ )= ( )+ ( )− ( ∩ )
Al conocer los valores de las tres probabilidades en el lado derecho de esta expresión,
se puede escribir
( ∪ )= . + . − . = .
Este cálculo indica que hay una probabilidad de 0.18 de que un empleado
seleccionado al azar reciba una calificación de bajo desempeño. En otro ejemplo de la ley
de la adición, considere un estudio reciente realizado por el jefe de personal de una
importante firma de software. El estudio reveló que 30% de los empleados que dejaron la
empresa en un plazo de dos años lo hizo principalmente porque se sentía insatisfecho con su
sueldo, 20% se fue porque no estaba satisfecho con el trabajo que se le asignó y 12% indicó
insatisfacción tanto con su sueldo como con el trabajo asignado. ¿Cuál es la probabilidad de
que un empleado que deja la empresa en un plazo de dos años lo haga debido a su
insatisfacción con el sueldo, a su insatisfacción con el trabajo asignado o a ambas cosas?
Sea;
S = evento de que el empleado deje la empresa debido al sueldo
W = evento de que el empleado deje la empresa debido al trabajo asignado
Se tiene P(S) = 0.30; P(W) = 0.20, y P( ∩ ) = 0.12.
Utilizando la fórmula de la adición, tenemos
P( ∪ ) = P(S) + P(W) - P( ∩ ) = 0.30 + 0.20 - 0.12 = 0.38

Página 14
Probabilidades Conceptos Generales

Se obtuvo una probabilidad de 0.38 de que un empleado abandone la empresa por las
razones del sueldo o el trabajo asignado. Antes de concluir nuestro análisis de la ley de la
adición, considere un caso especial que surge para los eventos mutuamente excluyentes.

EVENTOS MUTUAMENTE EXCLUYENTES

Se dice que dos eventos son mutuamente excluyentes si no tienen

puntos de la muestra en común.

Los eventos A y B son mutuamente excluyentes si, cuando ocurre un evento, el otro
no puede ocurrir. Por tanto, un requisito para que A y B sean mutuamente excluyentes
consiste en que su intersección no debe contener puntos de la muestra. El diagrama de Venn
que representa dos eventos mutuamente excluyentes A y B se muestra en la figura siguiente.
En este caso P( ∩ ) = 0, y la ley de la adición puede escribirse como sigue.

LEY DE LA ADICIÓN PARA EVENTOS MUTUAMENTE EXCLUYENTES

( ∪ )= ( )+ ( )

Eventos mutuamente excluyentes

Probabilidad condicional La probabilidad de un evento a menudo es influida por el

hecho de si otro evento relacionado ha ocurrido ya. Suponga que se tiene un evento A con
probabilidad P(A). Si se obtiene nueva información y se sabe que un evento relacionado,
denotado por B, ya ocurrió, esta información se puede aprovechar mediante el cálculo de
una nueva probabilidad del evento A, a la cual se denomina probabilidad condicional, y se

Página 15
Probabilidades Conceptos Generales

escribe P(A | B). La notación se utiliza para indicar que se está considerando la probabilidad
del evento A dada la condición de que B ha ocurrido. De ahí que la notación P(A | B) se lea
“la probabilidad de A dado B”. Como ejemplo de la aplicación de la probabilidad
condicional, considere la situación del estado de ascensos de oficiales hombres y mujeres de
una fuerza policiaca metropolitana en el este de Estados Unidos. La policía local está
formada por 1.200 oficiales, 960 hombres y 240 mujeres. Durante los últimos dos años
fueron ascendidos 324 oficiales de policía. La composición específica de la promoción de
hombres y mujeres se muestra en la tabla siguiente.
Después de revisar el registro de ascensos, un comité de mujeres policía planteó un
caso de discriminación sobre la base de que 288 oficiales hombres fueron promovidos, en
comparación con sólo 36 mujeres. La comandancia argumentó que el número relativamente
bajo de ascensos de las oficiales femeninas no se debe a discriminación, sino al hecho de
que en la policía hay relativamente pocos miembros que son mujeres.
Estado de la promoción de los oficiales de policía durante los dos años anteriores
Hombre Mujer Total
Promovido(a) 288 36 324
No promovido(a) 672 204 876
Total 960 240 1200

Enseguida se mostrará cómo se utiliza la probabilidad condicional para analizar la

acusación de discriminación.
Sean
M = el evento de que un oficial es hombre
W = el evento de que un oficial es mujer
A = el evento de que un oficial es promovido
Ac = el evento de que un oficial no es promovido
La división de los valores de la tabla entre el total de 1.200 oficiales permite resumir
la información disponible con los valores de probabilidad siguientes.

Una probabilidad de P( ∩ )= = 0.24 de que un agente elegido al azar sea

.

hombre y sea promovido.

Una probabilidad de ( ∩ )= = . de que un agente elegido al azar

.

sea hombre y no sea promovido.

Página 16
Probabilidades Conceptos Generales

Tabla de probabilidad conjunta y marginales para promociones

Hombre(M) Mujeres(W) Total

Promovido(A) 0.24 0.03 0.27
No promovido(A )
c
0.56 0.17 0.73
Total 0.80 0.20 1.00
Las probabilidades que se encuentran en el centro de la tabla se denominan probabilidades
Conjuntas y las que se encuentran en la columna del total o en la fina del total se denominan
probabilidades marginales.

Una probabilidad de P( ∩ ) = 36/1.200 = 0.03 de que un oficial elegido al azar

sea mujer y sea promovida.
Una probabilidad de P( ∩ ) = 204/1.200 = 0.17 de que un agente elegido al azar
sea mujer y no sea promovida.
Debido a que cada uno de estos valores da la probabilidad de la intersección de dos
eventos, las probabilidades se llaman probabilidades conjuntas. La tabla anterior, que
proporciona un resumen de la información de probabilidad sobre la situación de la
promoción de oficiales de policía, se conoce como tabla de probabilidad conjunta.
Los valores en los bordes de esta tabla proporcionan las probabilidades de cada caso
por separado. Es decir, P(M) = 0.80; P(W) = 0.20; P(A) = 0.27, y P(Ac) = 0.73. Estos datos
se refieren a las probabilidades marginales debido a su ubicación en los bordes de la tabla
de probabilidad conjunta. Observe que las probabilidades marginales se encuentran al sumar
las probabilidades conjuntas en la fila o columna correspondiente de la tabla. Por ejemplo,
la probabilidad marginal de ser promovido es P(A) = P( ∩ ) + P( ∩ ) = 0.24 + 0.03
= 0.27. De las probabilidades marginales, también vemos que 80% de la fuerza policiaca son
hombres y 20% mujeres, y que 27% de todos los oficiales fueron promovidos y 73% no
fueron promovidos.
Para comenzar, se hará el análisis de probabilidad condicional mediante el cálculo de
la probabilidad de que un oficial sea promovido dado que es hombre. En la notación de la
probabilidad condicional se trata de determinar P(A | M). Para calcularla, primero observe
que esta notación simplemente significa que se está considerando la probabilidad del evento
A (promoción), dado que la condición designada como el evento M (el oficial es hombre) se
sabe que existe. Por tanto P(A | M) indica que estamos interesados sólo en el estado de la
promoción de los 960 oficiales hombres. Debido a que 288 de estos 960 oficiales fueron

Página 17
Probabilidades Conceptos Generales

ascendidos, la probabilidad de ser promovido, dado que el oficial es hombre, es de 288/960

= 0.30. En otras palabras, dado su género, ese oficial tenía una probabilidad de 30% de ser
promovido en los últimos dos años.
Este procedimiento fue fácil de aplicar debido a que los valores de la tabla muestran
el número de oficiales en cada categoría. Ahora queremos demostrar cómo las
probabilidades condicionales como P(A | M) se calculan directamente de las probabilidades
de eventos relacionados más que de los datos de la frecuencia de la tabla.
Hemos mostrado que P(A | M) = 288/960 = 0.30. Ahora dividamos tanto el
numerador como el denominador de esta fracción entre 1.200, el número total de oficiales
que participaron en el estudio.

.
( | ) = = . = = .
.
.
Ahora se ve que la probabilidad condicional P(A | M) se calcula como 0.24/0.80.
Revise la tabla de probabilidad conjunta. Tome nota en particular de que 0.24 es la
probabilidad conjunta de A y M; es decir, P(A ∩ M) = 0.24. También note que 0.80 es la
probabilidad marginal de que un oficial elegido al azar es hombre; es decir, P(M) = 0.80.
Por tanto, la probabilidad condicional P(A | M) se calcula como la razón de la probabilidad
conjunta P(A ∩ M) a la probabilidad marginal P(M).
( ∩ ) .
( | ) = ( )
= .
= .

El hecho de que las probabilidades condicionales se calculen como la razón de una

probabilidad conjunta a una probabilidad marginal proporciona la fórmula general siguiente
para los cálculos de la probabilidad condicional para dos eventos A y B.

PROBABILIDAD CONDICIONAL

( ∩ ) ( ∩ )
( | ) = o ( | ) =
( ) ( )

El diagrama de Venn de la figura siguiente es útil en la obtención de una comprensión

intuitiva de la probabilidad condicional. El círculo de la derecha muestra que el evento B ha
ocurrido; la parte del círculo que se superpone con el evento A denota el evento (A ∩ B). Se

Página 18
Probabilidades Conceptos Generales

sabe que una vez que B ha ocurrido, la única manera en que se puede observar también A es
que el evento (A ∩ B) ocurra. Por tanto, la razón P(A ∩ B)/P(B) proporciona la probabilidad
condicional de que el evento A tendrá lugar, dado que el evento B ha ocurrido ya.
Retome el problema de discriminación contra las oficiales mujeres. La probabilidad
marginal de la fila 1 de la tabla, muestra que la probabilidad de promoción de un oficial es
P(A) = 0.27 (con independencia de que sea hombre o mujer). Sin embargo, el problema
fundamental en el caso de la discriminación implica las dos probabilidades condicionales
P(A | M) y P(A | W). Es decir, ¿cuál es la probabilidad de una promoción dado que el policía
es hombre, y cuál es la probabilidad dado que el policía es mujer? Si estas dos probabilidades
son iguales, un argumento de discriminación no tiene ningún fundamento, porque las
posibilidades son iguales para los policías de ambos géneros. Sin embargo, una diferencia
en las dos probabilidades condicionales apoyará la posición de que los policías hombres y
mujeres son tratados de manera diferente en las decisiones de promoción.
Probabilidad condicional P(A | B) = P(A ∩ B)/P(B)

Ya determinamos que P(A | M) = 0.30. Ahora utilizamos los valores de la tabla y la

relación básica de la probabilidad condicional según la formula, para calcular la probabilidad
de que un policía sea promovido dado que es mujer; es decir, P(A | W). según formula y
reemplazando W con B obtenemos;
( ∩ ) .
( | ) = = = .
( ) .
¿A qué conclusión llega? La probabilidad de una promoción, dado que el policía es
hombre, es de 0.30, el doble de la probabilidad de 0.15 considerando que el policía es mujer.
Aun cuando el uso de la probabilidad condicional no prueba por sí misma que existe
discriminación en el caso, los valores de probabilidad condicional apoyan el argumento
presentado anteriormente.

Página 19
Probabilidades Conceptos Generales

Eventos independientes
En la ilustración anterior, P(A) = 0.27; P(A | M) = 0.30, y P(A | W) = 0.15. Vemos
que la probabilidad de una promoción (evento A) ha cambiado y se ha visto influida por el
hecho de que el policía sea hombre o mujer. En particular, debido a que P(A | M) ≠ P(A),
diríamos que los eventos A y M son dependientes. Es decir, la probabilidad del evento A
(promoción) se ve alterada o afectada por conocer que el evento M (el policía es hombre)
existe. Asimismo, con P(A | W) ≠ P(A), diríamos que A y W son eventos dependientes. No
obstante, si la probabilidad del evento A no cambia por la existencia del evento M —es decir,
P(A | M) = P(A)— diríamos que A y M son eventos independientes. Esta situación conduce
a la definición siguiente de la independencia de dos eventos.

EVENTOS INDEPENDIENTES

Dos eventos A y B son independientes si

P(A | B) = P(A) y P(B | A) = P(B)
De lo contrario, los eventos son dependientes.

Ley de la multiplicación
Mientras que la ley aditiva de la probabilidad se utiliza para calcular la probabilidad
de la unión de dos eventos, la ley de la multiplicación se utiliza para calcular la probabilidad
de la intersección de dos eventos. Esta última ley se basa en la definición de la probabilidad
condicional.

LEY DE LA MULTIPLICACIÓN

P(A ∩ B) = P(B)P(A | B) o P(A ∩ B) = P(A)P(B | A)

Para ilustrar el uso de la ley que se comenta, considere un departamento de

circulación de periódicos donde se sabe que 84% de las familias en un vecindario en
particular se suscribe a la edición diaria del periódico. Si D denota el evento de que una
familia se suscribe a la edición diaria, P(D) = 0.84. Además, se sabe que la probabilidad de
que una familia que ya cuenta con una suscripción también adquiera la edición dominical
Página 20
Probabilidades Conceptos Generales

(evento S) es de 0.75; es decir, P(S | D) = 0.75. ¿Cuál es la probabilidad de que una familia
se suscriba tanto a las ediciones dominicales como a las ediciones diarias del periódico?
Utilizando la ley de la multiplicación, calculamos el P(S ∩ D) como;
P(S ∩ D) = P(D)P(S | D) = 0.84(0.75) = 0.63
Se sabe que 63% de las familias se suscribe tanto a las ediciones dominicales como
a las diarias.
Consideremos el caso especial de la ley de la multiplicación cuando los eventos
involucrados son independientes. Recuerde que los eventos A y B son independientes
siempre que P(A | B) = P(A) y P(B | A) = P(B), para el caso especial de los eventos
independientes, obtenemos la ley de la multiplicación siguiente.

LEY DE LA MULTIPLICACIÓN PARA EVENTOS INDEPENDIENTES

P(A ∩ B) = P(A)P(B)

Para calcular la probabilidad de la intersección de dos eventos independientes,

sencillamente se multiplican las probabilidades correspondientes. Observe que la ley de la
multiplicación para eventos independientes proporciona otra manera de determinar si A y B
son independientes. Es decir, si P(A ∩ B) = P(A)P(B), entonces A y B son independientes;
si P(A ∩ B) ≠ P(A)P(B), entonces A y B son dependientes.
Como una aplicación de la ley de la multiplicación para eventos independientes,
considere la situación de un gerente de estaciones de servicio que sabe, a partir de su
experiencia, que 80% de los clientes usa tarjeta de crédito cuando compra gasolina. ¿Cuál es
la probabilidad de que los siguientes dos clientes que compren gasolina usen tarjeta de
crédito? Si
A = el evento de que el primer cliente use tarjeta de crédito
B = el evento de que el segundo cliente use tarjeta de crédito
entonces el evento de interés está en A ∩ B. Debido a que no existe más información,
es posible asumir de manera razonable que A y B son eventos independientes. Por tanto,
P(A ∩ B) = P(A)P(B) = (0.80)(0.80) = 0.64

Página 21
Probabilidades Conceptos Generales

Para resumir esta sección, observe que nuestro interés en la probabilidad condicional
está motivado por el hecho de que los eventos con frecuencia están relacionados. En estos
casos, se dice que los eventos son dependientes y las fórmulas de la probabilidad condicional
deben usarse para calcular las probabilidades respectivas. Si dos eventos no están
relacionados, son independientes; en este caso, la probabilidad de ninguno de ellos se ve
afectada por el hecho de que el otro evento ocurra.
No confunda la noción de eventos mutuamente excluyentes con la de eventos
independientes.

Página 22