1

Universidad de Buenos Aires

Facultad de Ciencias Sociales
Carrera de Relaciones del Trabajo

Estadística
cátedra corte raguso
Aplicada I

Material de Cátedra: 4.1 PROBABILIDAD - Parte 1

Estadística Aplicada I
Cátedra Corte Raguso
 2

Universidad de Buenos Aires

Índice
Facultad de Ciencias Sociales
Carrera de Relaciones del Trabajo

ESTADÍSTICA APLICADA I
Cátedra CORTE RAGUSO
PRIMER Cuatrimestre 2022 Introducción 3

Conceptos generales 5

Axiomas Básicos de Probabilidad 9

Definiciones de Probabilidad 10

Relación entre Totales Marginales y Conjuntos 12

Tipos de Probabilidad 13
PROHIBIDA SU VENTA
Material de DISTRIBUCIÓN GRATUITA Operaciones con Probabilidad 15
ISBN 97898705056798
Sucesos Probabilísticamente Independientes 17
Los derechos de autor de este trabajo pertenecen a la Prof. CP
Alicia L. Corte Raguso y están protegidos por la Ley 11.723 Problema RESUELTO y EXPLICADO 19

Este trabajo está bajo una Licencia Creative Commons Problema PARA RESOLVER con orientaciones 26
Atribución-NoComercial-CompartirIgual 4.0 Internacional

Problemas de Definición CLÁSICA PARA RESOLVER 31

Bibliografía 35

Recordá que no estás solx..! 36

Desarrollo de Contenidos Educativos:
Alicia L. Corte Raguso

Revisión:
Natalia Guidolín

Diseño pedagógico
Alicia L. Corte Raguso

Estadística Aplicada I
Cátedra Corte Raguso
 3

Introducción

La Estadística DESCRIPTIVA se ocupa de SUCESOS YA OCURRIDOS. Es decir, mediante el Análisis Descriptivo se analiza el
comportamiento de las variables DESPUÉS de haber OCURRIDO, para poder describir objetivamente el comportamiento observado
de las variables.
El ANÁLISIS DESCRIPTIVO es, entonces, un análisis estadístico A POSTERIORI, porque se realiza después de que los hechos hayan
ocurrido.

Sin embargo, otro de los objetivos de la Estadística, es el de analizar los POSIBLES COMPORTAMIENTOS de las Variables ante
hechos QUE AÚN NO HAN OCURRIDO.

Entonces, ahora nos ocuparemos de los fundamentos para la realización de Análisis Estadísticos A PRIORI, es decir, Análisis
Estadísticos que se realizan ANTES de que los hechos ocurran. Para ello se trabaja con Modelos Estadísticos también llamados
Modelos No Determinísticos. Los Modelos No Determinísticos o Modelos Estadísticos son los que describen EXPERIMENTOS
ALEATORIOS:

Modelos Estadísticos o Modelos No Determinísticos

son los modelos matemáticos que describen experimentos, cuyos resultados NO
quedan determinados, inequívocamente, a partir de las condiciones en que se
los llevarán a cabo.

Experimento Aleatorio (o Estocástico)

es aquel experimento que admite dos o más resultados posibles y no se tienen
elementos de juicio suficientes como para poder predecir con exactitud cuál o
cuáles de ellos ocurrirán, aunque se los repita bajo idénticas condiciones.

Entonces, para que los Experimentos sean ALEATORIOS, debe cumplirse:

1) Que los POSIBLES resultados (SUCESOS) que podrían presentarse sean previamente conocidos.
2) Que los POSIBLES resultados (SUCESOS) sean DOS o más.
3) Que NO PUEDA PREDECIRSE CON CERTEZA el resultado (SUCESO) que se va a obtener EN LA PRÓXIMA
OBSERVACIÓN.
4) Que el resultado de la próxima observación siempre contenga INCERTIDUMBRE.

Para medir la INCERTIDUMBRE que provoca el resultado de un experimento aleatorio se utiliza el cálculo de PROBABILIDAD.

Estadística Aplicada I
Cátedra Corte Raguso
 4

Ahora identifiquemos en un Ejemplo, los conceptos que leímos antes:

Pensemos en un DADO. Vamos a tirar el dado y vamos a tratar de “predecir” qué número saldrá en la próxima
“tirada”.

Comprobemos si se trataría de un EXPERIMENTO ALEATORIO:

1) ¿Conocemos previamente los POSIBLES resultados (SUCESOS) que pueden presentarse?
Si, los conocemos: hay 6 resultados posibles: 1; 2; 3; 4; 5 y 6
2) ¿Los POSIBLES resultados (SUCESOS) son DOS o más?
Si, los posibles resultados son 6.
3) ¿Podemos predecir con certeza el resultado (SUCESO) que se va a obtener en la próxima “tirada”?
Experimento Aleatorio

No, no podemos predecirlo con certeza.

4) ¿El resultado de la próxima observación contiene INCERTIDUMBRE?

Si, el resultado de la próxima observación contiene INCERTIDUMBRE
Ejemplo de

Entonces, podemos afirmar que “tirar el dado para tratar de predecir qué número saldrá en la próxima tirada” sería un
Experimento ALEATORIO: Tirar el dado

Analizá, comprobá y justificá

si se trata de un Experimento Aleatorio:

En una caja hay 17 bolillas: 3 AMARILLAS, 5 ROJAS, 7 MORADAS y 2 VERDES.

Se realizará el siguiente Experimento: Se extraerá una bolilla al azar de la caja.

Comprobá si se trataría de un EXPERIMENTO ALEATORIO:

1) ¿Conocemos previamente los POSIBLES resultados (SUCESOS) que pueden presentarse?

…………………………………………………………………………………………………..
2) ¿Los POSIBLES resultados (SUCESOS) son DOS o más?
…………………………………………………………………………………………………..
3) ¿Podemos predecir con certeza el resultado (SUCESO) que se va a obtener en la próxima “tirada”?
…………………………………………………………………………………………………..

4) ¿El resultado de la próxima observación contiene INCERTIDUMBRE?

…………………………………………………………………………………………………..

Estadística Aplicada I
Cátedra Corte Raguso
 5

Conceptos generales

Espacio Muestral
Al conjunto de TODOS los posibles RESULTADOS de un experimento aleatorio, le llamamos ESPACIO MUESTRAL.

Suceso Aleatorio
Un SUCESO ALEATORIO (S) es CADA RESULTADO POSIBLE de un Experimento Aleatorio (puede llegar a ocurrir o no).
Es ALEATORIO porque su presencia o ausencia no puede ser predicha con certeza.

Suceso Complementario
Se llama Suceso COMPLEMENTARIO ( S ) o COMPLEMENTO de un Suceso a aquel suceso que ocurre sí NO OCURRE S

Sucesos COMPATIBLES y Sucesos INCOMPATIBLES

Una primera caracterización que debemos hacer es que los Sucesos pueden ser COMPATIBLES entre sí, o pueden ser INCOMPATIBLES
entre sí:
Son Sucesos COMPATIBLES entre sí, aquellos sucesos que pertenecen a un mismo Espacio Muestral y pueden presentarse
conjuntamente en una misma extracción.

Son Sucesos INCOMPATIBLES o MUTUAMENTE EXCLUYENTES entre sí, aquellos sucesos que pertenecen a un mismo
Espacio Muestral y no pueden presentarse conjuntamente en una misma extracción.

Ejemplo
CAJA de EXÁMENES
Recientemente se tomaron exámenes en forma VIRTUAL y en forma NO VIRTUAL.
A medida que se iban corrigiendo los exámenes se iban guardando en una caja.
Hay exámenes APROBADOS y exámenes NO APROBADOS.
Al finalizar la corrección, TODOS los exámenes estaban dentro de la caja, pero… ¡Todos mezclados!

Los SUCESOS en la Caja de Exámenes son:

APROBADO ➔ A
NO APROBADO (Suceso Complementario de A) ➔ ̅
𝐀
VIRTUAL ➔ B
NO VIRTUAL (Suceso Complementario de B) ➔ ̅
𝐁

➔ A es COMPATIBLE con B y con B

porque es posible que un examen que está APROBADO haya sido tomado de forma VIRTUAL o NO
VIRTUAL
Un Suceso SIEMPRE es ➔ B es COMPATIBLE con A y con A
INCOMPATIBLE porque es posible que un examen que se haya tomado en forma VIRTUAL esté APROBADO o esté NO
APROBADO
con su Suceso
➔ A es INCOMPATIBLE con A
COMPLEMENTARIO
porque NO es posible que un examen que está APROBADO esté al mismo tiempo NO APROBADO:
o está APROBADO o está NO APROBADO
➔ B es INCOMPATIBLE con B
porque NO es posible que un examen que haya sido tomado en forma VIRTUAL, haya sido tomado al
mismo tiempo en forma NO VIRTUAL: o se tomó en forma VIRTUAL o se tomó en forma NO VIRTUAL

Estadística Aplicada I
Cátedra Corte Raguso
 6

TAMAÑOS del Espacio y de los Sucesos

Cuando se determina un Experimento Aleatorio, necesariamente se determina el Espacio Muestral.
Cuando simbolizamos el TAMAÑO de un Suceso, escribimos la misma letra elegida para identificar al Suceso, pero entre paréntesis.
Criterios de Clasificación del Espacio Muestral
Un Espacio Muestral contiene elementos que pueden clasificarse según diferentes criterios. Entonces, es necesario
determinar un “criterio de clasificación”, para determinar los Sucesos del Experimento.

Casos POSIBLES del Experimento

Al TOTAL de ELEMENTOS del Espacio Muestral, los llamamos “CASOS POSIBLES del Experimento”.
(N): representa el Tamaño del ESPACIO MUESTRAL, es decir, la cantidad de Casos POSIBLES del EXPERIMENTO.
Casos FAVORABLES a un Suceso
Al TOTAL de ELEMENTOS que contienen al Suceso S, los llamamos “Casos FAVORABLES al Suceso”.
(K): representa el Tamaño del SUCESO S. Es decir, la cantidad de Casos FAVORABLES al Suceso S.
Casos NO FAVORABLES a un Suceso
Al TOTAL de elementos que NO contienen al Suceso S, son los elementos que contienen al Suceso Complementario S , los
llamamos “CASOS NO FAVORABLES al Suceso”.
(N ) – (K) = ( S ) representa el Tamaño del SUCESO COMPLEMENTARIO.
Es decir, la cantidad de Casos NO
FAVORABLES al Suceso S . El Tamaño de un SUCESO puede
tomar cualquier valor
entre 0 e INFINITO

Sistema EXHAUSTIVO
Los Sucesos INCOMPATIBLES pertenecientes a un mismo Espacio Muestral forman un SISTEMA EXHAUSTIVO si la suma de sus
Tamaños es igual al Tamaño del Espacio Muestral. ➔ ̅) = N
(K) + (𝐊

Ahora determinemos un EXPERIMENTO aleatorio particular y el Suceso objeto del Experimento

Experimento Aleatorio: Tirar un dado
Espacio Muestral, Sucesos, Tamaños
Ejemplo de Experimento Aleatorio,

Suceso 3: que en la tirada salga el 3

Espacio Muestral: {1; 2; 3; 4; 5; 6}

Casos POSIBLES
Tamaño del ESPACIO MUESTRAL: (N) = 6

Casos FAVORABLES al Suceso 3: {3}

Tamaño del Suceso: (K) = (3) = 1

Casos NO Favorables al Suceso o

Suceso Complementario (𝟑̅): {1; 2; 4; 5; 6}
Tamaño del SUCESO COMPLEMENTARIO 𝟑 ̅: ̅ ) = (N) – ( K) = 6 – 1 = 5
(𝐊

Demostración de Sistema Exhaustivo: ̅ ) = (N)

(K) + (𝐊
1+5 = 6

Estadística Aplicada I
Cátedra Corte Raguso
 7

Otro Experimento Aleatorio con el mismo Espacio Muestral:

Experimento Aleatorio: Tirar el dado
Espacio Muestral, Sucesos, Tamaños
Ejemplo de Experimento Aleatorio,

SUCESO P: que en la tirada salga número PAR.

Espacio MUESTRAL: {1; 2; 3; 4; 5; 6}

Casos POSIBLES
Tamaño del ESPACIO MUESTRAL: (N) = 6

Casos FAVORABLES al Suceso P: {2; 4; 6}

Tamaño del Suceso: (K) = (P) = 3

Casos NO FAVORABLES
SUCESO COMPLEMENTARIO 𝐏 ̅: {1; 3; 5}
(Tamaño del SUCESO COMPLEMENTARIO): ̅ ) = (N) – (K) = 6 – 3 = 3
(𝐊

Demostración de Sistema Exhaustivo: ̅ ) = (N)

(K) + (𝐊
3+3=6

En una caja hay 17 bolillas: 3 AMARILLAS, 5 ROJAS, 7 MORADAS y 2 VERDES.

Las 17 bolillas forman el ESPACIO MUESTRAL.
Otro Ejemplo de Experimento Aleatorio,

Experimento Aleatorio: Sacar una bolilla al azar

Espacio Muestral, Sucesos, Tamaños

Suceso R que sea ROJA

Espacio MUESTRAL: {Amarilla, Roja, Morada, Verde}

Casos POSIBLES
Tamaño del ESPACIO MUESTRAL: (N) = 17 bolillas

Casos FAVORABLES al Suceso R {Roja}

Tamaño del Suceso: (K) = (R) = 5 bolillas

Casos NO FAVORABLES
SUCESO COMPLEMENTARIO 𝐑 ̅:
(Tamaño del SUCESO COMPLEMENTARIO):
(3 AMARILLAS +7 MORADAS +2 VERDES=12 bolillas)
{Amarilla, Morada, Verde}
̅ ) = (N) – (K) = 17 – 5 = 12 bolillas
(𝐊

Demostración de Sistema Exhaustivo: (K) + (𝐊̅ ) = (N)

5 + 12 = 17

Estadística Aplicada I
Cátedra Corte Raguso
 8

Ayudándote con los ejemplos anteriores, resolvé los siguientes planteos:

A) Se clasificó a los empleados de una empresa según el tipo de TAREA que desarrolla:
OPERARIOS: 99
TÉCNICOS: 45
ADMINISTRATIVOS: 16
Se tomará un Empleado al Azar, ¿será ADMINISTRATIVO? determinar:
▪ Experimento Aleatorio:
▪ Suceso
▪ Espacio MUESTRAL:
▪ Casos POSIBLES - Tamaño del ESPACIO MUESTRAL
▪ Casos FAVORABLES al Suceso - Tamaño del Suceso
▪ SUCESO COMPLEMENTARIO Casos NO FAVORABLES
▪ Casos NO FAVORABLES - Tamaño del SUCESO COMPLEMENTARIO
▪ Demostrar si se trata de un Sistema Exhaustivo

B) Ahora, se clasificó a los mismos empleados, pero esta vez, se los clasificó según su nivel MÁXIMO de educación ALCANZADO:
PRIMARIO: 95 empleados
SECUNDARIO: 47 empleados
UNIVERSITARIO: 18 empleados
Se tomará un Empleado al Azar, ¿su nivel MÁXIMO de estudios será PRIMARIO? determinar:
▪ Experimento Aleatorio:
▪ Suceso
▪ Espacio MUESTRAL:
▪ Casos POSIBLES - Tamaño del ESPACIO MUESTRAL
▪ Casos FAVORABLES al Suceso - Tamaño del Suceso
▪ SUCESO COMPLEMENTARIO Casos NO FAVORABLES
▪ Casos NO FAVORABLES - Tamaño del SUCESO COMPLEMENTARIO
▪ Demostrar si se trata de un Sistema Exhaustivo

Estadística Aplicada I
Cátedra Corte Raguso
 9

AXIOMAS BÁSICOS del cálculo de Probabilidad

Un AXIOMA es un Principio que no necesita ser demostrado.

Podemos sintetizar (y simplificar) los TRES AXIOMAS BÁSICOS para el cálculo de Probabilidad:

Primero: La probabilidad de un Suceso (S),

SIEMPRE es un número NO NEGATIVO (mayor o igual a CERO) ➔ P(S)  0

Segundo: Si el suceso aleatorio es el Conjunto Vacío,

a la probabilidad de ocurrencia del Suceso se le asigna el valor 0 ➔ P(S) = 0

Tercero: Si el suceso aleatorio es el Espacio Muestral,

a la probabilidad de ocurrencia del Suceso se le asigna el valor 1 ➔ P(S) = 1

Como CONSECUENCIA de los AXIOMAS de Probabilidad:

Un valor de Probabilidad SIEMPRE es un número REAL
comprendido entre 0 y 1 (ambos incluidos)

0  P(S)  1

JAMÁS un Valor de Probabilidad puede ser

NEGATIVO ni MAYOR a 1

ACLARACIÓN:
El valor numérico de PROBABILIDAD nos brinda información de LO QUE PUEDE OCURRIR A LA LARGA,
luego de gran cantidad de repeticiones del experimento aleatorio,
pero NO DICE NADA acerca de la ocurrencia o no del Suceso,
en la PRÓXIMA OBSERVACIÓN.

Estadística Aplicada I
Cátedra Corte Raguso
 10

DEFINICIONES de Probabilidad
El cálculo de Probabilidad se lleva a cabo, aplicando una de las tres Definiciones de Probabilidad:
1) Definición CLÁSICA
2) Definición FRECUENCIAL
3) Definición SUBJETIVA

Definición CLÁSICA
Cuando se CONOCEN tanto el TAMAÑO del Espacio Muestral como el TAMAÑO de los Sucesos
que integran ese Espacio Muestral, para calcular Probabilidad, se aplica la Definición CLÁSICA de Probabilidad.

La Definición CLÁSICA establece que la probabilidad de ocurrencia de un Suceso, es el cociente entre los CASOS FAVORABLES al
suceso y los CASOS POSIBLES del experimento, es decir, es el cociente entre el Tamaño del Suceso (K) y el Tamaño del Espacio
Muestral (N).
O sea, así de simple: se calcula Probabilidad mediante una División.

𝐊 𝑪𝒂𝒔𝒐𝒔 𝑭𝑨𝑽𝑶𝑹𝑨𝑩𝑳𝑬𝑺 𝐓𝐚𝐦𝐚ñ𝐨 𝐝𝐞𝐥 𝐒𝐮𝐜𝐞𝐬𝐨

𝐏(𝐒) = = =
𝐍 𝑪𝒂𝒔𝒐𝒔 𝑷𝑶𝑺𝑰𝑩𝑳𝑬𝑺 𝐓𝐚𝐦𝐚ñ𝐨 𝐝𝐞𝐥 𝐄𝐬𝐩𝐚𝐜𝐢𝐨 𝐌𝐮𝐞𝐬𝐭𝐫𝐚𝐥

Definición FRECUENCIAL
Cuando se DESCONOCEN tanto el TAMAÑO del Espacio Muestral como el TAMAÑO de los Sucesos
que integran ese Espacio Muestral, para calcular Probabilidad, es necesario aplicar la Definición FRECUENCIAL,
que se basa en el Principio de Estabilidad de la Frecuencia Relativa.
En síntesis, el Principio de
PRINCIPIO de ESTABILIDAD de la FRECUENCIA RELATIVA (**)
Estabilidad de la Frecuencia
“Cuando el número de observaciones crece indefinidamente, la frecuencia relativa
Relativa, dice que cuando un
correspondiente a un suceso S, oscila con una convergencia asintótica (*), alrededor de un
experimento aleatorio se repite
valor fijo C. Es decir que cuando el número de observaciones es suficientemente grande, la
suficiente cantidad de veces
frecuencia relativa tiende a estabilizarse.”
(muchísimas veces), se obtiene
(*) convergencia asintótica: quiere decir que se acerca muchísimo, pero no llega a coincidir.
(**) C. Capriglioni. Estadística, Tomo 1 (2013)
una Frecuencia Relativa
Estabilizada del Suceso.

Entonces, cuando se conoce la Frecuencia Relativa Estabilizada del Suceso S, - fr (S) -, ésa fr ES la probabilidad del Suceso S.

Si fr (S) es una Frecuencia Relativa Estabilizada, entonces,

fr (S) es P (S)
Como fr es una Proporción Estadística, sabemos que siempre su valor está comprendido entre 0 y 1:
0  fr (S)  1
por lo tanto, al aplicar la Definición FRECUENCIAL, se cumplen los AXIOMAS BÁSICOS del cálculo de Probabilidad:

0  P(S)  1

Estadística Aplicada I
Cátedra Corte Raguso
 11

Definición SUBJETIVA

Cuando se trabaja con HECHOS ÚNICOS e IRREPETIBLES, no se dispone de elementos para calcular probabilidad, ni aplicando
la Definición CLÁSICA ni aplicando la Definición FRECUENCIAL, entonces, se aplica la Definición SUBJETIVA.

Cuando se aplica la Definición SUBJETIVA, el valor de probabilidad de ocurrencia, es asignado por un SUJETO EXPERTO -en la
disciplina específica-, cumpliendo siempre con los AXIOMAS BÁSICOS del cálculo de probabilidad.

0  P(S)  1

Ejemplo:
Se necesita asignar un valor de Probabilidad al Suceso:
A: “La Pandemia COVID19 estará superada a fin de 2021”
La Pandemia COVID19 es un hecho ÚNICO e IRREPETIBLE.
Por eso, el valor de probabilidad solamente podría asignarlo un experto.
Sin embargo, sea cual sea el valor de Probabilidad que el Experto asigne, ese valor de Probabilidad debe cumplir con los
Axiomas Básicos de Probabilidad, por lo tanto, nunca podrá ser menor a 0 ni mayor a 1.

El Experto consultado, basado en sus conocimientos de Epidemias, Pandemias, Infectología, Demografía, etc., asigna un valor
de probabilidad igual a 0,35, de que la Pandemia COVID19, estará superada para fin de 2021.

P(A) = 0,35 ➔ es un valor No Negativo y No Mayor a 1.

P(A) = 0,35 ➔ Cumple con los Axiomas Básicos del cálculo de Probabilidad: 0  P(S)  1

Estadística Aplicada I
Cátedra Corte Raguso
 12

Relación entre Totales MARGINALES y Totales CONJUNTOS

ES IMPRESCINDIBLE comprender y conocer estas relaciones, pues no siempre tenemos información acerca del tamaño de cada Suceso.
Aplicando estas relaciones, podremos calcularlo. Son relaciones entre los Tamaños de los Sucesos Marginales y los Sucesos Conjuntos, y
también su relación con el Tamaño del Espacio Muestral.

Como (A) y (𝐀 ̅ ) son INCOMPATIBLES entre sí, en nuestra Caja de Exámenes vimos que todos los exámenes están
corregidos y que un examen puede:
o estar APROBADO o estar NO APROBADO,
Entonces, sumando todos los APROBADOS y todos los NO APROBADOS,
obtendremos el TAMAÑO del Espacio Muestral

Ahora veamos eso, en “lenguaje” de SUCESOS ̅) = N

(A) + (𝐀

̅ ), en nuestra Caja de
Como (A) es COMPATIBLE con (B) y también es COMPATIBLE con (𝐁
Exámenes un examen APROBADO puede,
o ser VIRTUAL o ser NO VIRTUAL
Entonces, sumando todos los APROBADOS y VIRTUALES y todos los APROBADOS NO VIRTUALES
obtendremos el Total MARGINAL de APROBADOS

Ahora veamos eso, en “lenguaje” de SUCESOS ̅) = A

(A B) + (A 𝐁

̅ ) es COMPATIBLE con (B) y también es COMPATIBLE con (𝐁

Como (𝐀 ̅ ), en nuestra Caja de Exámenes un examen
NO APROBADO puede: o ser VIRTUAL o ser NO VIRTUAL
Entonces, sumando todos los NO APROBADOS VIRTUALES y todos los NO APROBADOS NO VIRTUALES
obtendremos el Total MARGINAL de NO APROBADOS
̅ B) + (𝐀
(𝐀 ̅𝐁 ̅)
̅ ) = (𝐀
Ahora veamos eso, en “lenguaje” de SUCESOS

̅ ), en nuestra Caja de Exámenes un examen

Como (B) es COMPATIBLE con (A) y también es COMPATIBLE con ( 𝐀
VIRTUAL puede: o estar APROBADO o estar NO APROBADO
Entonces, sumando todos los VIRTUALES APROBADOS y todos los VIRTUALES NO APROBADOS
obtendremos el Total MARGINAL de VIRTUALES

Ahora veamos eso, en “lenguaje” de SUCESOS ̅ 𝐁) = (B)

(AB) + (𝐀

̅ ), en nuestra Caja de Exámenes un examen

̅ ) es COMPATIBLE con (A) y también es COMPATIBLE con (𝐀
Como (𝐁
NO VIRTUAL puede: o estar APROBADO o estar NO APROBADO
Entonces, sumando todos los NO VIRTUALES APROBADOS y todos los NO VIRTUALES NO APROBADOS
obtendremos el Total MARGINAL de NO VIRTUALES.

Ahora veamos eso, en “lenguaje” de SUCESOS (A𝐁 ̅𝐁

̅ ) + (𝐀 ̅ ) = (𝐁
̅)

Estadística Aplicada I
Cátedra Corte Raguso
 13

TIPOS de Probabilidad

Probabilidad MARGINAL: Probabilidad de que se presente UN suceso.

Significa: La Probabilidad de que en una extracción al azar, se presente A,
̅.
tanto cuando se presenta con B, como cuando se presente con 𝐁
Se simboliza: P (A)
Se lee: Probabilidad MARGINAL de A

Un Suceso y su Suceso Complementario forman un SISTEMA

EXHAUSTIVO porque la suma de sus MARGINALES es IGUAL a 1
̅) = 1
P (A) + P (𝐀

Probabilidad CONJUNTA Probabilidad de que en una misma extracción, se presenten conjuntamente

dos o más Sucesos COMPATIBLES
Significa: La Probabilidad de que, en una misma extracción al azar, se presenten
CONJUNTAMENTE dos (o más) Sucesos Compatibles
Se simboliza: P (AB) o indistintamente P (BA)
Se lee: Probabilidad CONJUNTA de A y B

Probabilidad CONDICIONAL es la probabilidad de que dos (o más) Sucesos Compatibles se presenten

conjuntamente en una misma extracción,
PERO con la CONDICIÓN de que
la extracción se realice en el Espacio Muestral del Suceso llamado
CONDICIONANTE.
Se simboliza: P (A/B)
Se lee: Probabilidad de que, habiéndose presentado B, se presente A
Se interpreta: que, en el Espacio Muestral de B, se presente A
B es el Suceso CONDICIONANTE
A es el Suceso CONDICIONADO
O también
Se simboliza: P (B/A)
Se lee: Probabilidad de que habiéndose presentado A, se presente B
Significa: que, en el Espacio Muestral de A, se presente B
A es el Suceso CONDICIONANTE
B es el Suceso CONDICIONADO

Estadística Aplicada I
Cátedra Corte Raguso
 14

B/A En el Suceso B/A, el Suceso CONDICIONANTE es A

En el ejemplo de la caja de exámenes, significa:

que en una extracción de entre los exámenes APROBADOS, se obtenga un examen VIRTUAL.

Es decir, que el examen sea VIRTUAL y APROBADO, pero la extracción no será realizada de
entre TODOS los exámenes de la Caja, sino que será realizada exclusivamente de entre los exámenes APROBADOS.

En el Experimento ya no participan TODOS los exámenes, sino únicamente los exámenes APROBADOS.
El Tamaño del Espacio Muestral se redujo.

A/B En el Suceso A/B, el Suceso CONDICIONANTE es B

(A/B) En el Suceso (A/B), el Suceso CONDICIONANTE es B, eso me indica que la extracción será realizada
En el ejemplo de la caja de exámenes, significa:
que en una extracción de entre los exámenes VIRTUALES, se extraiga un examen APROBADO.

Es decir, que el examen sea VIRTUAL y APROBADO, pero la extracción no será realizada de entre TODOS
los exámenes de la Caja, sino que será realizada exclusivamente de entre los exámenes VIRTUALES.

En el Experimento ya no participan TODOS los exámenes, sino únicamente los exámenes VIRTUALES.
El Tamaño del Espacio Muestral se redujo.

Estadística Aplicada I
Cátedra Corte Raguso
 15

Operaciones con Probabilidad

Probabilidad MARGINAL

̅) = 1 ̅)
1 - P (A) = P (𝐀
P (A) + P (𝐀
̅
1 - P (𝐀) = P (A)

Probabilidad CONJUNTA

̅ ) = P (A) P (A) – P (AB) = P (A𝐁̅)

P (AB) + P (A 𝐁
̅ ) = P (AB)
P (A) – P (A𝐁

̅ B) + P (𝐀
̅𝐁̅ ) = P (𝐀
̅) ̅ ) – P (𝐀
P (𝐀 ̅𝐁̅ ) = P (𝐀
̅ B)
P(𝐀
̅ ) – P (𝐀
P (𝐀 ̅ B) = P (𝐀̅𝐁
̅)
P(AB) ES IGUAL A P(BA)

̅ B) = P(B)
P(AB) + P(𝐀 P (B) – P (AB) = P (𝐀̅ B)
̅ B) = P (AB)
P (B) – P (𝐀

̅ ) + P(𝐀
P(A𝐁 ̅𝐁̅ ) = P(𝐁
̅) ̅ ) – P (A𝐁
P(𝐁 ̅ ) = P (𝐀̅𝐁̅)
̅ ) – P (𝐀
P(𝐁 ̅𝐁̅ ) = P (𝐀
̅ B)

Tabla de Contingencia
Las relaciones entre Totales MARGINALES, Totales CONJUNTOS y Tamaño del Espacio Muestral pueden esquematizarse con una
Tabla de Contingencia.
Una Tabla de Contingencia, es una herramienta que puede ser muy útil para visualizar rápidamente las relaciones que explicamos
antes.
Es un cuadro de doble entrada, en el que se muestran los Totales MARGINALES y los Totales CONJUNTOS de los Sucesos.

SUCESOS TOTALES
MARGINALESS 𝐀 ̅
𝐀 MARGINALES

𝐁 (AB) (A̅ B) (𝐁)

̅
𝐁 ̅)
(A B ̅̅̅̅̅
(A B) ̅̅̅
(𝐁)
TOTALES
MARGINALES (𝐀) ̅)
(𝐀 N

Estadística Aplicada I
Cátedra Corte Raguso
 16

Probabilidad CONDICIONAL
P (A/B) = P (AB) / P (B)
El Suceso
P(A/B) ES DIFERENTE DE P(B/A) que divide SIEMPRE es el
Suceso CONDICIONANTE
P (B/A) = P (AB) / P (A)

Regla del PRODUCTO

P (AB) = P (B) * P (A/B)

El Suceso
P(A/B) ES DIFERENTE DE P(B/A) que multiplica SIEMPRE es el
P (AB) = P (A) * P (B/A) Suceso CONDICIONANTE

Regla de la SUMA INCLUYENTE:

Es la Probabilidad de que se presente alguno de los dos o los dos juntos, es decir, al menos uno de los dos.
Esto significa que: puede presentarse A y no presentarse B
o puede presentarse B y No A
o pueden presentarse A y B conjuntamente.
Se simboliza: (AvB)
Se lee: A o B [ la “O” indica SUMA ]
Se calcula: P(A) + P(B) – P(AB)

Regla de la SUMA EXCLUYENTE:

Es la Probabilidad de que se presente solamente uno de los dos sucesos, pero no los dos juntos.
Esto significa que: puede presentarse A y no presentarse B
o puede ocurrir B y no presentarse A,
pero no puede ocurrir A y B conjuntamente.
Se simboliza: (A𝐯B)
Se lee: A o bien B
Se calcula: P(A) + P(B) – 2 P(AB)

Estadística Aplicada I
Cátedra Corte Raguso
 17

Sucesos PROBABILÍSTICAMENTE INDEPENDIENTES

Dos Sucesos que pertenecen a un mismo Espacio Muestral, son PROBABILÍSTICAMENTE INDEPENDIENTES, cuando se
cumple que:
a) La presentación de uno de los Sucesos NO modifica el VALOR DE PROBABILIDAD del otro Suceso (o de los otros Sucesos).

b) El valor de probabilidad de cada uno de ellos se mantiene CONSTANTE, a través de las reiteradas repeticiones del

Experimento Aleatorio.

EXTRACCIONES SUCESIVAS
Cuando se realiza más de una extracción sucesiva, puede ocurrir que las extracciones se realicen CON REPOSICIÓN o que
se realicen SIN REPOSICIÓN.
A) Cuando las extracciones son CON REPOSICIÓN, nada se modifica en el Espacio Muestral. Luego de extraer el
elemento y observar el resultado obtenido, lo DEVUELVO al Espacio Muestral. Es decir, lo REPONGO.
Por lo tanto, después de cada extracción, NO SE ALTERA NI LA COMPOSICIÓN NI EL TAMAÑO del Espacio Muestral.
Los valores de PROBABILIDAD se mantienen CONSTANTES sin importar la cantidad de extracciones que se realicen.
Por lo tanto, cuando las extracciones son CON REPOSICIÓN, HAY INDEPENDENCIA PROBABILÍSTICA.

B) Cuando las extracciones son SIN REPOSICIÓN, se modifica el Tamaño y la composición del Espacio Muestral. Luego
de extraer el elemento y observar el resultado obtenido, NO lo DEVUELVO al Espacio Muestral. Es decir, NO lo
REPONGO.
Por lo tanto, SE ALTERA LA COMPOSICIÓN Y EL TAMAÑO del Espacio Muestral, después de cada extracción,
entonces, si el Espacio Muestral no es suficientemente GRANDE, los valores de PROBABILIDAD van cambiando
después de cada extracción.
Por lo tanto, cuando las extracciones son SIN REPOSICIÓN, -si el Tamaño del Espacio Muestral no es
suficientemente GRANDE- NO HAY INDEPENDENCIA PROBABILÍSTICA.

Cuando se trabaja con extracciones sucesivas, recordemos que:

La “Y” representa que se debe MULTIPLICAR: Primero Y Segundo ➔ Primero * Segundo
La “O” representa que se debe SUMAR: Primero O Segundo ➔ Primero + Segundo

Pruebas de INDEPENDENCIA PROBABILÍSTICA

Se puede probar que dos sucesos A y B, pertenecientes a un mismo Espacio Muestral, son INDEPENDIENTES, realizando
cualquiera de las siguientes comprobaciones:
Si se cumple que:

P(A/B) = P(A) ➔ entonces se puede afirmar que A y B son PROBABILÍSTICAMENTE INDEPENDIENTES

O también si se cumple que:

P(AB) = P(A) * P(B) ➔ entonces se puede afirmar que A y B son PROBABILÍSTICAMENTE INDEPENDIENTES

Estadística Aplicada I
Cátedra Corte Raguso
 18

Ahora sí..!

Empecemos a aplicar todo

lo que aprendimos hasta aquí

Empezaremos calculando Probabilidad

mediante la Aplicación de la
Definición CLÁSICA

Estadística Aplicada I
Cátedra Corte Raguso
 19

Definición CLÁSICA de PROBABILIDAD

Problema resuelto y explicado

Se tomaron un TOTAL de 100 exámenes: 60 exámenes VIRTUALES y 40 exámenes NO VIRTUALES.

A medida que se fueron corrigiendo se fueron guardando en una Caja, todos mezclados. A pesar de que estén
mezclados, se sabe que:

▪ (A) = 80 exámenes están APROBADOS

▪ ( A ) = 20 NO APROBADOS
▪ (AB) = 45 exámenes están APROBADOS y son VIRTUALES
▪ (A B ) = 35 exámenes están APROBADOS y son NO VIRTUALES

▪ ( A B) = 15 exámenes están NO APROBADOS y son VIRTUALES

▪ ( A B ) = 5 exámenes están NO APROBADOS y son NO VIRTUALES

Resolver:
1) Completar la Tabla de Contingencia con el Tamaño de los Sucesos.
2) Se toma al azar un examen, determinar la probabilidad de que:
a) Esté APROBADO
b) Sea VIRTUAL
c) Esté APROBADO, pero sea VIRTUAL
d) Ni sea VIRTUAL ni esté APROBADO
e) Esté APROBADO y sea NO VIRTUAL
3) Si el examen se toma al azar exclusivamente entre los APROBADOS, ¿cuál es la probabilidad de que sea NO VIRTUAL?
4) Si el examen tomado al azar, está NO APROBADO, ¿cuál es la probabilidad de que sea VIRTUAL?
5) Si el examen tomado al azar, es VIRTUAL ¿cuál es la probabilidad de que esté NO APROBADO?
6) Si se toma un examen NO VIRTUAL, ¿cuál es la probabilidad de que esté APROBADO?
7) Aplicando la Regla del PRODUCTO, calcular la Probabilidad de que un examen esté APROBADO y sea NO VIRTUAL.
8) Calcular la probabilidad de que, si se toma un examen al azar, sea un VIRTUAL o esté APROBADO.
9) Calcular la probabilidad de que, si se toma un examen al azar, ¿sea un VIRTUAL o BIEN esté APROBADO.
10) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean VIRTUALES?
11) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean VIRTUALES?
12) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO esté APROBADO y el
SEGUNDO esté NO APROBADO?
13) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO esté APROBADO y el
SEGUNDO esté NO APROBADO?
14) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que uno de ellos esté APROBADO y el
otro esté NO APROBADO? (en cualquier orden)

15) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que uno esté APROBADO y el otro esté
NO APROBADO? (en cualquier orden)

16) Probar si APROBADO y VIRTUAL son Sucesos PROBABILÍSTICAMENTE INDEPENDIENTES.

Estadística Aplicada I
Cátedra Corte Raguso
 20

1) Completar la Tabla de Contingencia con el Tamaño de los Sucesos.

𝐀̄
TOTALES
SUCESOS A MARGINALES

B 45 15 60

𝐁̄ 35 5 40

TOTALES
MARGINALES 80 20 100

Es importante observar que, en este caso, los valores de la Tabla de Contingencia NO SON VALORES de PROBABILIDAD, son

valores de K, o sea, indican el Tamaño de cada Suceso. Para que sean valores de Probabilidad, deberán ser divididos por N.

Porque debe recordarse que NUNCA un valor de Probabilidad puede tomar un valor MAYOR A 1, SIEMPRE:
0 ≤ P(S) ≤ 1
2) Se toma al azar un examen, determinar la probabilidad de que:
Necesitamos calcular Probabilidad. Para calcular Probabilidad debemos decidir que cuál de las DEFINICIONES de Probabilidad
debemos aplicar: ¿la Definición CLÁSICA o la Definición FRECUENCIAL?
En este caso conocemos el Tamaño del Espacio Muestral y también su composición, por lo tanto, aplicaremos la Definición CLÁSICA
y que cuando se conoce el tamaño del Espacio Muestral, se calcula Probabilidad aplicando Definición CLÁSICA:

𝐊 𝐓𝐚𝐦𝐚ñ𝐨 𝐝𝐞𝐥 𝐒𝐮𝐜𝐞𝐬𝐨

P(S) = 𝐍 = 𝐓𝐚𝐦𝐚ñ𝐨 𝐝𝐞𝐥 𝐄𝐬𝐩𝐚𝐜𝐢𝐨 𝐌𝐮𝐞𝐬𝐭𝐫𝐚𝐥

K
Se obtendrán los valores de PROBABILIDAD, realizando el cociente , para calcular cada una de las probabilidades que se piden,
N
se deberá asignar el valor que le corresponda a K (tamaño del Suceso) según la pregunta.

Probabilidad MARGINAL
a) Esté APROBADO
Se trata de una Probabilidad MARGINAL:
KA (A) 80
P (A) = = = = 0,80
N N 100
b) Sea VIRTUAL
Se trata de una Probabilidad MARGINAL:
KB (B) 60
P (B) = = = = 0,60
N N 100

Probabilidad CONJUNTA
c) Esté APROBADO y sea VIRTUAL
Se trata de una Probabilidad CONJUNTA:
KAB (AB) 45
P (AB) = = = = 0,45
N N 100
d) Ni sea VIRTUAL ni esté APROBADO
Nos piden la Probabilidad de que sea NO VIRTUAL y esté NO APROBADO
Se trata de una Probabilidad CONJUNTA:
KBA
̅̅̅̅̅ ̅̅̅̅)
(BA 5
P ( B A )= = = = 0,05
N N 100
e) Esté APROBADO y sea NO VIRTUAL
Se trata de una Probabilidad CONJUNTA:
KAB
̅ ̅)
(AB 35
P (A B ) = = = = 0,35
N N 100

Estadística Aplicada I
Cátedra Corte Raguso
 21

Probabilidad CONDICIONAL
3) Si el examen se toma al azar exclusivamente entre los APROBADOS, ¿cuál es la probabilidad de que sea NO VIRTUAL?
Se trata de una Probabilidad CONDICIONAL, la pregunta ya no se refiere a todos los exámenes, sino a los que están APROBADOS.
“exclusivamente entre los APROBADOS”
KB
̅A ̅ A)
(B 35
El Suceso CONDICIONANTE es APROBADOS. P ( B / A) = = = = 0,4375
NA (A) 80

4) Si el examen tomado al azar, está NO APROBADO, ¿cuál es la probabilidad de que sea VIRTUAL?
Se trata de una Probabilidad CONDICIONAL, la pregunta ya no se refiere a todos los exámenes, sino a los que están NO APROBADOS.
“si el examen está NO APROBADO”
KA
̅B ̅ B)
(A 15
El Suceso CONDICIONANTE es NO APROBADO. P (B / A ) = = ̅)
= = 0,75
NA
̅ (A 20

5) Si el examen tomado al azar, es VIRTUAL ¿cuál es la probabilidad de que esté NO APROBADO?

KA
̅B ̅ B)
(A 15
Suceso CONDICIONANTE: VIRTUAL P ( A / B) = = = = 0,25
NB (B) 60

6) Si se toma un examen NO VIRTUAL, ¿cuál es la probabilidad de que esté APROBADO?

KB
̅A ̅ A)
(B 35
CONDICIONANTE: NO VIRTUAL P (A / B ) = = ̅)
= = 0,875
NB
̅ (B 40

Regla del PRODUCTO

7) Aplicando la Regla del PRODUCTO, calcular la Probabilidad de que un examen esté APROBADO y sea NO VIRTUAL.

P (A B ) = P ( B ) * (A / B ) =
KB
̅ KB
̅A ̅)
(B ̅ A)
(B 40 35
* = * ̅)
= = * = 0,40 * 0,875 = 0,35
𝑁 NB
̅ N (B 100 40

Regla de la SUMA INCLUYENTE:

8) Calcular la probabilidad de que, si se toma un examen al azar, sea un VIRTUAL o esté APROBADO.
Se trata de la Probabilidad de tomar un examen o que esté APROBADO o que sea VIRTUAL o que esté APROBADO y que sea VIRTUAL.
Es decir, APROBADO o VIRTUAL, al menos uno de los dos Sucesos o los dos.

P(AvB) = P (A) + P (B) – P (AB) =

KA KB KAB (A) (B) (AB)
+ - = + - = 0,80 + 0,60 – 0,45 = 0,95
N N N N N N

Regla de la SUMA EXCLUYENTE:

9) Calcular la probabilidad de que, si se toma un examen al azar, ¿sea un VIRTUAL o BIEN esté APROBADO.
Se trata de la Probabilidad de tomar un examen o bien que esté APROBADO, pero NO AMBOS, solamente uno de ellos.
Es decir, APROBADO o VIRTUAL, al menos uno de los dos Sucesos o los dos.
P ( A 𝐯 B ) = P (A) + P (B) – 2 P (AB) =
KA KB KAB (A) (B) (AB)
+ - 2* = + -2* =
N N N N N N
80 60 45
+ - (2 * )= 0,80 + 0,60 – (2*0,45) = 0,50
100 100 100

Estadística Aplicada I
Cátedra Corte Raguso
 22

Cuando se trabaja con extracciones sucesivas,

La “Y” representa que se debe MULTIPLICAR
Extracciones SUCESIVAS
Primero Y Segundo ➔ Primero * Segundo

Extracciones SUCESIVAS CON Reposición

10) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean VIRTUALES?
Se trata de extracciones SUCESIVAS CON REPOSICIÓN. La Probabilidad de que el primero sea VIRTUAL y el Segundo también.

P (B1B2) = P (B1) * P (B2) =

KB KB (B) (B)
* = * =
N N N N
60 60
* = 0,60 * 0,60 = 0,36
100 100
Como las extracciones son CON REPOSICIÓN, el Espacio Muestral NO SE MODIFICA después de cada extracción, en consecuencia, el
valor de Probabilidad es igual en la primera y en la segunda extracción.
Como el valor de probabilidad se mantiene CONSTANTE entre extracciones, se puede afirmar que hay INDEPENDENCIA PROBABILÍSTICA.

Extracciones SUCESIVAS SIN Reposición con el mismo Suceso

11) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean VIRTUALES?
La Probabilidad de que el primero sea VIRTUAL y el Segundo también, pero SIN REPOSICIÓN:

P (B1B2) = P (B1) * P (B2) =

KB KB−1 (B) (B−1)
* = * =
N N−1 N N−1
60 59
* = 0,60 * 0,596 = 0,3575
100 99
Se trata de extracciones SUCESIVAS SIN REPOSICIÓN.
Entonces, después de cada extracción se MODIFICA el Espacio Muestral, porque se extrae un elemento y se lo deja “afuera”.
Como el valor de probabilidad NO se mantiene CONSTANTE después de cada extracción, se puede afirmar que NO hay INDEPENDENCIA
PROBABILÍSTICA.
Ambas extracciones están referidas a igual Suceso, por eso, después de la primera extracción, en el Espacio Muestral hay un elemento
menos del Total (N-1) y también un elemento menos del Suceso (K-1).

Extracciones SUCESIVAS - CON Reposición

12) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO esté APROBADO y el SEGUNDO
esté NO APROBADO?

P (A1 A 2) = P (A1) * P ( A 2) =
KA K𝐴
̅ (A) (A )
* = * =
N N N N
80 20
* = 0,80 * 0,20 = 0,16
100 100

Estadística Aplicada I
Cátedra Corte Raguso
 23

Extracciones SUCESIVAS SIN Reposición

Sucesos DIFERENTES – en un orden particular
13) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO esté APROBADO y el SEGUNDO esté
NO APROBADO?

P (A1 A 2) = P (A1) * P ( A 2) = la “y” indica MULTIPLICAR

KA K𝐴
̅ (A) (A )
* = * =
N N−1 N N−1
80 20
* = 0,80 * 0,202 = 0,1616
100 99

Ambas extracciones están referidas a diferentes Sucesos, por eso, después de la primera extracción, se afectó el tamaño N y
del Suceso A, pero NO del Suceso A .
Entonces, en la segunda extracción:
el Tamaño del Espacio Muestral es (N-1)
pero en la primera extracción, se extrajo un elemento de A,
en la primera extracción la cantidad de elementos del Suceso A no se modificó,
por eso el Tamaño de A es K y no, K-1

Extracciones SUCESIVAS CON Reposición

Sucesos DIFERENTES – en cualquier orden
14) Si se toman dos exámenes al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que uno de ellos esté APROBADO y el otro esté NO
APROBADO? (en cualquier orden).

En la pregunta anterior, me indicaban en qué orden debían salir los Sucesos (el “primero” y el “segundo”). Eso implica una
LIMITACIÓN de las posibilidades.
En cambio, en esta pregunta NO DICEN EN QUÉ ORDEN, por lo tanto, voy a tener más posibilidades, para cumplir con lo
que me piden. Podría ser:

Que el primero esté APROBADO y el segundo este NO APROBADO, o, la “o” indica SUMAR
que el primero este NO APROBADO y el segundo esté APROBADO.

KA K𝐴
̅ K𝐴
̅ KA
P (A1 A 2) + P ( A 1 A2) = * + * =
N N N N

(A) (A ) (A ) (A)
* + * =
N N N N
80 20 20 80
* + * =
100 100 100 100

0,80 * 0,20 + 0,20 * 0,80 = 0,16 + 0,16 = 0,32

Estadística Aplicada I
Cátedra Corte Raguso
 24

Extracciones SUCESIVAS SIN Reposición

Sucesos DIFERENTES - SIN orden
15) Si se toman dos exámenes al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que uno esté APROBADO y el otro esté NO
APROBADO? (en cualquier orden)
KA K𝐴
̅ K𝐴
̅ KA
P (A1 A 2) + P ( A 1 A2) = * + * =
N N−1 N N−1

(A) (A ) (A ) (A)
* + * =
N N−1 N N−1
80 20 20 80
* + * =
100 99 100 99
0,80 * 0,202 + 0,20 * 0,808 = 0,1616 + 0,1616 = 0,3232

16) Probar si APROBADO y VIRTUAL son Sucesos PROBABILÍSTICAMENTE INDEPENDIENTES.

Podemos aplicar una cualquiera de las Pruebas de INDEPENDENCIA PROBABILÍSTICA

Por ejemplo: P(A/B) = P(A)

Calculamos:
KAB (AB) 45
P(A/B) ➔ P (A / B) = = = = 0,75
NB (B) 60
Ahora calculamos:
KA (A) 80
P(A) ➔P (A) = = = = 0,80
N N 100
Comprobamos que:

P(A/B) es diferente de P(A), por lo tanto, NO se cumple que P(A/B) = P(A)

en consecuencia,
podemos afirmar que los Sucesos APROBADO y VIRTUAL NO SON PROBABILÍSTICAMENTE INDEPENDIENTES

En esta Prueba se trata de comparar el valor de una Probabilidad CONDICIONAL con el valor de una
Probabilidad MARGINAL. Puede ser cualquier CONDICIONAL y cualquier MARGINAL, en tanto se cumpla que la
MARGINAL sea la del Suceso CONDICIONADO en la Probabilidad CONDICIONAL.
Quiere decir que también sería válido comparar, por ejemplo:

P (B / A) = P (B)
P ( B / A) = P ( B )
P (B / A ) = P (B)
P ( A / B) = P ( A )
P (A / B ) = P (A)

Estadística Aplicada I
Cátedra Corte Raguso
 25

Podríamos haber aplicado otra de las Pruebas de Independencia, y habríamos llegado a la misma conclusión. Veamos

P(AB) = P(A) * P(B)

P(AB) = 0,45
P(A) = 0,80
P(A) * P(B) = 0,80 * 0,60 = 0,48
P(B) = 0,60
Comprobamos que:

P(AB) es diferente de P(A) * P(B) por lo tanto no se cumple que P(AB) = P(A) * P(B)
en consecuencia,
podemos afirmar que los Sucesos APROBADO y VIRTUAL NO SON PROBABILÍSTICAMENTE INDEPENDIENTES

En esta Prueba se trata de comparar el valor de una Probabilidad CONJUNTA con el valor del PRODUCTO de las
dos Probabilidades MARGINALES, de los Sucesos que integran la Probabilidad CONJUNTA.
Puede ser cualquier CONJUNTA, en tanto se cumpla que las MARGINALES sean las de los Sucesos que integran
la CONJUNTA elegida.

Estadística Aplicada I
Cátedra Corte Raguso
 26

PROBLEMA para resolver con orientaciones

Problema 1
Se ha clasificado a la dotación de personal de una empresa, según dos criterios: su categoría laboral y su nivel MÁXIMO de
educación ALCANZADO.

Cantidad de Trabajadores según su Categoría Laboral:

OPERARIOS: 99
EMPLEADOS: 45
JEFES: 16

Cantidad de Trabajadores según su Nivel Máximo de Educación alcanzado:

PRIMARIO: 81 OPERARIOS, 13 Empleados, 1 Jefe
SECUNDARIO: 18 OPERARIOS, 26 Empleados, 3 Jefes
UNIVERSITARIO: 6 Empleados, 12 Jefes

Resolver:
a) Se toma al azar un trabajador, determinar la probabilidad de que:
1. Sea un OPERARIO
2. Tenga estudios UNIVERSITARIOS
3. Sea un EMPLEADO con Estudios SECUNDARIOS
4. Sea un JEFE con nivel de educación PRIMARIO
5. Sea un OPERARIO con estudios UNIVERSITARIOS
b) Si el trabajador tomado al azar, tiene estudios UNIVERSITARIOS, ¿cuál es la probabilidad de que sea un EMPLEADO?
c) Si el trabajador tomado al azar, es un EMPLEADO ¿cuál es la probabilidad de que tenga estudios UNIVERSITARIOS?
d) Si el trabajador se toma al azar exclusivamente entre los JEFES, ¿cuál es la probabilidad de que su nivel de estudio sea
SECUNDARIO?

e) Calcular la probabilidad de que, si se toma un trabajador al azar, sea un OPERARIO o su nivel de estudios sea PRIMARIO.

f) Calcular la probabilidad de que, si se toma un trabajador al azar, ¿sea un OPERARIO o BIEN su nivel de estudios sea
PRIMARIO?
g) Si se toman dos trabajadores al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean OPERARIOS?
h) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean OPERARIOS?
i) Si se toman dos trabajadores al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO sea EMPLEADO y el
SEGUNDO sea OPERARIO?
j) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO sea Empleado y el
SEGUNDO sea OPERARIO?
k) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que uno de ellos sea Empleado y el
otro sea OPERARIO?

Estadística Aplicada I
Cátedra Corte Raguso
 27

Orientaciones Introductorias:
Se conoce el Tamaño y la Composición del Espacio Muestral, por lo tanto, para resolver se aplicará la DEFINICIÓN CLÁSICA de
PROBABILIDAD. En el Espacio Muestral se han definido DOS CRITERIOS: Categoría Laboral Y Nivel Máximo de Estudios.

Tamaño del Espacio Muestral: N = 160

▪ Primero se identifican los SUCESOS. Se elige una ÚNICA letra para identificar cada Suceso:
Sucesos:
Por Categoría Laboral
O: OBREROS
E: EMPLEADOS
J: JEFES

Por Nivel MÁXIMO de Estudios

P: PRIMARIA
S: SECUNDARIA
U: UNIVERSITARIO

Observaciones conceptuales:
Por Categoría Laboral
La suma de sus MARGINALES O: OBREROS sucesos INCOMPATIBLES entre sí,
es igual a N, por lo tanto, E: EMPLEADOS pero COMPATIBLES con cualquiera
integran un SISTEMA EXHAUSTIVO J: JEFES de los Sucesos del otro Grupo

Por Nivel MÁXIMO de Estudios

La suma de sus MARGINALES P: PRIMARIA sucesos INCOMPATIBLES entre sí,
es igual a N, por lo tanto, S: SECUNDARIA pero COMPATIBLES con cualquiera
integran un SISTEMA EXHAUSTIVO U: UNIVERSITARIO de los Sucesos del otro Grupo

Para ayudarnos, vamos a empezar por organizar los datos en una Tabla de Contingencia:

O E J
P
S
U
N
Genéricamente, se tiene:
Los valores en el interior de la Tabla son los TOTALES CONJUNTOS y los valores de los márgenes son los TOTALES MARGINALES

O E J
P (OP) (EP) (JP) (P)
S (OS) (ES) (JS) (S)
U (OU) (EU) (JU) (U)
(O) (E) (J) N

Estadística Aplicada I
Cátedra Corte Raguso
 28

Empezamos por el valor de N y los Totales Marginales que recibimos como dato, que son según su Categoría Laboral: 99 Operarios,
45 Empleados y 16 Jefes

O E J
P
S
U
99 45 16 160

Luego vamos volcando todos los Totales CONJUNTOS que tenemos como dato.
Por ejemplo:
PRIMARIA: el Total MARGINAL de trabajadores con PRIMARIA es 81 + 13 + 1 = 95
Entonces, 95 es el TOTAL MARGINAL de trabajadores con PRIMARIA como Nivel MÁXIMO de Estudios

O E J
P 81 13 1 95
S
U
99 45 16 160

Hasta completar la Tabla de Contingencia

O E J O E J
P 81 13 1 95 P (OP) (EP) (JP) (P)
S 18 26 3 47 S (OS) (ES) (JS) (S)
U 0 6 12 18 U (OU) (EU) (JU) (U)
99 45 16 160 0 (O) (E) (J) N

Estadística Aplicada I
Cátedra Corte Raguso
 29

Resolución
Para EMPEZAR A resolver, nos va a ser muy útil tener la Tabla de Contingencia a la vista
O E J O E J
P 81 13 1 95 P (OP) (EP) (JP) (P)
S 18 26 3 47 S (OS) (ES) (JS) (S)
U 0 6 12 18 U (OU) (EU) (JU) (U)
99 45 16 160 0 (O) (E) (J) N

Para resolver, cada uno de los puntos siguientes, podés ayudarte con la resolución explicada del Problema
de la Caja de Exámenes
a) Se toma al azar un miembro del personal, determinar la probabilidad de que:
1. Sea un OPERARIO 0,6188
2. Tenga estudios UNIVERSITARIOS 0,1125
3. Sea un EMPLEADO con Estudios SECUNDARIOS 0,1625
4. Sea un JEFE con PRIMARIA 0,0063
5. Sea un OPERARIO con estudios UNIVERSITARIOS 0,0000

Probabilidades CONDICIONALES
b) Si el trabajador tomado al azar, tiene estudios UNIVERSITARIOS, ¿cuál es la probabilidad de que sea un EMPLEADO?
EXPLICACIÓN:
Aquí hay un Suceso CONDICIONANTE “tiene estudios UNIVERSITARIOS”. Se tomó al azar y se comprobó que tiene estudios
UNIVERSITARIOS, entonces UNIVERSITARIOS (U) es un Suceso CONDICIONANTE, que reduce el Espacio Muestral.
Ya no hace falta trabajar con TODOS los trabajadores sino, solamente con aquellos que tienen estudios UNIVERSITARIOS.
Se reduce el tamaño del Espacio Muestral, ahora el Tamaño del Espacio Muestral será (U).
0,3333
c) Si el trabajador tomado al azar, es un EMPLEADO ¿cuál es la probabilidad de que tenga estudios UNIVERSITARIOS?
EXPLICACIÓN:
Otra forma de expresar un Suceso CONDICIONANTE: se tomó al azar y ES EMPLEADO. Entonces el Espacio Muestral, se
reduce para pasar a ser solamente el de los EMPLEADOS.
0,1333
d) Si el trabajador se toma al azar exclusivamente entre los JEFES, ¿cuál es la probabilidad de que su nivel de estudio sea
SECUNDARIO?
EXPLICACIÓN:
Otra forma de expresar un Suceso CONDICIONANTE: se reduce el Espacio Muestral, porque se decide realizar la extracción
“exclusivamente entre los JEFES”. Entonces el Espacio Muestral, pasa a ser solamente el de los EMPLEADOS.
0,1875
e) Calcular la probabilidad de que si se toma un trabajador al azar, sea un OPERARIO o su nivel de estudios sea
PRIMARIO?
ACLARACIÓN: también podría decir: “AL MENOS UNO DE LOS DOS” “POR LO MENOS UNO DE LOS DOS”
0,7063

Estadística Aplicada I
Cátedra Corte Raguso
 30

f) Calcular la probabilidad de que si se toma un trabajador al azar, sea un OPERARIO o BIEN su nivel de estudios sea
PRIMARIO?
ACLARACIÓN: también podría decir: “SOLAMENTE UNO DE LOS DOS”
0,2001
g) Si se toman dos trabajadores al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean OPERARIOS?
ACLARACIÓN: “que AMBOS sean operarios”, quiere decir que el Primero sea Operario Y que el Segundo también sea
Operario. 0,3829
h) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que ambos sean OPERARIOS?
0, 3814
i) Si se toman dos trabajadores al azar, CON REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO sea EMPLEADO y
el SEGUNDO sea OPERARIO? 0,1740
j) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que el PRIMERO sea Empleado y el
SEGUNDO sea OPERARIO? 0,1751
k) Si se toman dos trabajadores al azar, SIN REPOSICIÓN, ¿cuál es la probabilidad de que uno de ellos sea Empleado y el
otro sea OPERARIO? 0,3502

Estadística Aplicada I
Cátedra Corte Raguso
 31

Problemas de Definición CLÁSICA para resolver

Resolver problemas de Probabilidad implica también,

saber calcular aquellos valores de probabilidad que, aunque no son informados en
el enunciado, son necesarios para calcular la probabilidad pedida.
Para ello, es indispensable haber estudiado las OPERACIONES con Sucesos.
También resulta de mucha ayuda construir la TABLA de CONTINGENCIA.

Problema 2
En las actas de cierre de la Cátedra de Sociología hubo 210 alumnos que aprobaron la materia:
El 20% PROMOCIONARON,
139 alumnos eran RECURSANTES,
18 PROMOCIONARON y son NO RECURSANTES,
53 NO PROMOCIONARON y son NO RECURSANTES.
Si extrae un alumno al azar, calcular la Probabilidad de que:
a) Se extraiga un alumno PROMOCIONADO.
b) Se extraiga un alumno NO RECURSANTE y PROMOCIONADO.
c) Habiéndose extraído un alumno PROMOCIONADO, la probabilidad de que sea RECURSANTE.
d) Habiéndose extraído un alumno RECURSANTE, la probabilidad de que esté PROMOCIONADO.
e) Que el alumno esté PROMOCIONADO Ó sea RECURSANTE.
f) Que el alumno esté PROMOCIONADO Ó BIEN sea RECURSANTE.
Resultados: a) 0,2000 b) 0,0857 c) 0,5714 d) 0,1727 e) 0,7476 f) 0,6333

Problema 3
En respuesta a un aviso solicitando empleados administrativos se ha presentaron 80 aspirantes:
24 son UNIVERSITARIOS,
36 tienen EXPERIENCIA
20 tienen EXPERIENCIA y son UNIVERSITARIOS.
Identifique los Sucesos, el Espacio Muestral y los Tipos de Probabilidad que recibe como Datos. Luego realizando los Planteos
simbólicos que corresponden, resuelva:
a) Si se elige al azar uno de los aspirantes, ¿cuál es la probabilidad de que:
a.1) NO tenga EXPERIENCIA?
a.2) NO sea UNIVERSITARIO
a.3) NO tenga EXPERIENCIA NI sea UNIVERSITARIO?
a.4) tenga experiencia, pero no sea universitario?
a.5) reúna AL MENOS UNA de las dos condiciones?

b) Suponiendo que el aspirante seleccionado NO tiene EXPERIENCIA, ¿cuál es la probabilidad de que sea UNIVERSITARIO?
c) Suponiendo que el aspirante seleccionado, sea UNIVERSITARIO ¿cuál es la probabilidad de que NO tiene EXPERIENCIA?
SUGERENCIA: Para ayudarse a comprender y a aprender, construya la Tabla de Contingencia, con Letras y también con números.

Resultados: a. 1) 0,55 a. 2) 0,70 a. 3) 0,50 a.4) 0,20 a.5) 0,50

b) 0,0909 c) 0,1667

Estadística Aplicada I
Cátedra Corte Raguso
 32

Problema 4
Una Consultora Organizacional, está en la etapa final de un proyecto de implementación, para un importante cliente. El líder del
proyecto solicita que se le asignen dos profesionales. Se le asignan dos de los profesionales, extrayéndolos al azar, de la base de
datos de Consultores Asociados disponibles, que son: 10 Contadores, 24 Ingenieros, 13 Licenciados y 3 Abogados.
ACLARACIÓN:
Cuando se necesita integrar Equipos de Trabajo, y se realizan extracciones al azar, las Extracciones DEBEN SER SIN REPOSICIÓN.
a) Si para la asignación, se realizan DOS EXTRACCIONES SUCESIVAS (SIN REPOSICIÓN) calcular la probabilidad:
a.1) Que solo uno de los dos sea Ingeniero (en cualquier orden).
a.2) que los dos sean Contadores.
a.3) Que uno sea Abogado y el otro Contador (en cualquier orden).
a.4) Que el Primero un Abogado y en Segundo lugar un Contador.
a.5) Un Abogado y un Licenciado (en cualquier orden).

b) Calcular la probabilidad de que se extraigan dos personas (SIN REPOSICIÓN) de la misma profesión.

c) Si en un ataque de irracionalidad, el encargado de recursos humanos desea armar el equipo de trabajo CON
REPOSICIÓN, ¿cuál es la probabilidad de que el equipo este formado por dos Contadores?
Resultados:
a.1) 0,5094 a.2) 0,0367 a.3) 0,0245 a.4) 0,0122 a.5) 0,0318 b) 0,3281 c) 0,04

Problema 5
Si se toma al azar uno de los casos de Femicidios incluidos en el Informe del Registro Penal de Violencia Familiar y de Género de la
Provincia de Buenos, que se reproduce a continuación, calcular las siguientes probabilidades acerca de los Femicidios perpetrados
durante el Primer Semestre 2020:

FUENTE: Registro Penal de Violencia Familiar y de Género (REVIFAG)

Secretaría de Estrategia Institucional y de Gestión Procuración General de la SCBA. Julio de 2020

a) Probabilidad de que un Femicidio haya sido en el Espacio Público.

b) Probabilidad de que un Femicidio haya sido perpetrado en la Residencia de la Víctima o en la de ambas Partes.
c) Probabilidad de que un Femicidio perpetrado durante el ASPO, NO haya sido perpetrado en la Vivienda.
d) Probabilidad de que un Femicidio perpetrado durante el Primer Semestre, haya sido perpetrado durante el ASPO.
e) Probabilidad de que un Femicidio perpetrado durante el ASPO, haya sido perpetrado en la Residencia de la Víctima.

f) Sabiendo que trata de un Femicidio perpetrado en la Vivienda durante el Primer Semestre, ¿cuál es la probabilidad de
que se haya tratado de la Residencia de la Víctima?

g) Sabiendo que se trata de un Homicidio perpetrado en la etapa previa al ASPO, ¿cuál es la probabilidad de que haya sido
perpetrado en la Vivienda?

Resultados: a) O,125 b) 0,7857 c) 0,1515 d) 0,5893

e) 0,1818 f) 0,2766 g) 0,8261

Estadística Aplicada I
Cátedra Corte Raguso
 33

Problema 6
Como resultado de una convocatoria abierta para ocupar un cargo público se presentaron en total 80 aspirantes. 44 eran
ARGENTINOS. 40 estaban DESEMPLEADOS. 16 eran ARGENTINOS y estaban DESEMPLEADOS. 12 eran NO ARGENTINOS y estaban
NO DESEMPLEADOS.
Para la preselección, se extraerán candidatos al azar, calcular las siguientes probabilidades:
a) Obtener un candidato NO ARGENTINO.
b) Si se preselecciona exclusivamente entre los DESEMPLEADOS, ¿cuál es la probabilidad de obtener un ARGENTINO?
c) Si se preselecciona exclusivamente entre los NO ARGENTINOS, ¿cuál es la probabilidad de obtener un NO DESEMPLEADO?
d) Cuál es la probabilidad de obtener un candidato NO ARGENTINO o bien DESEMPLEADO.
Extracciones Sucesivas:
e) Obtener dos candidatos: uno ARGENTINO y el otro DESEMPLEADO (SIN REPOSICIÓN y en cualquier orden).
f) Obtener dos candidatos: el Primero DESEMPLEADO y el Segundo NO ARGENTINO (SIN REPOSICIÓN).
g) Obtener cuatro candidatos DESEMPLEADOS (SIN REPOSICIÓN).

ACLARACIÓN: Los DATOS del enunciado no proporcionan TODOS los valores de Probabilidades MARGINALES y CONJUNTAS.
Para calcularlas, pueden ayudarse construyendo la Tabla de Contingencia, con Letras y también con números.

Resultados:
a) 0,45 b) 0,4000 c) 0,3333 d) 0,35
e) 0,5569 f) 0,2278 g) 0,0578

Problema 7 (extracciones sucesivas)

En un edificio de departamentos hay 12 departamentos habitados por sus propietarios, 10 habitados por inquilinos y 3
desocupados. Un inspector de la compañía que suministra el gas elige dos de estos departamentos al azar para verificar el
funcionamiento de las instalaciones. Calcular las siguientes probabilidades acerca de los dos departamentos elegidos:

a) Que los dos se encuentren habitados por sus propietarios.

b) Que al menos uno de los dos se encuentre habitado por inquilinos.
c) Que uno de los dos se encuentre habitado por su propietario y el otro por inquilinos.
d) Que solamente uno de los dos se encuentre desocupado.
e) Que los dos se encuentren desocupados.
f) Que ninguno de los dos se encuentre desocupado.

Resultados:
a) 0,22 b) 0,65 c) 0,40 d) 0,22 e) 0.01 f) 0,77

Estadística Aplicada I
Cátedra Corte Raguso
 34

Bibliografía

ampliatoria y de consulta

❑ ESTADÍSTICA Tomo 1,
C. Capriglioni. (3C Editores, 2014)

❑ ESTADÍSTICA APLICADA, Compendio Práctico

Mirta Misevicius, 83C Editores, 2004)

❑ ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA.

Levin, Rubin y Otros. (Pearson Edit., 2011)

❑ ESTADÍSTICA
M. Triola. (Pearson Edit., 2009)

Estadística Aplicada I
Cátedra Corte Raguso
 35

recordá que no estás solx...!

podés buscar ayuda e información en la Facultad:

http://www.sociales.uba.ar/genero

yo sí te creo no estás solx no solo

duelen los golpes el maltrato
emocional también te mata donde hay
temor, no hay amor si duele, no es
amor, es otra cosa la
complicidad mata SILENCIO es
COMPLICIDAD las violencias se suman y
crecen hasta llegar al femicidio
no estás solx

Estadística Aplicada I
Cátedra Corte Raguso