Facultad de Ciencias Económicas Cdra.

Alejandra Schkop
Prof. Lic. Víctor Rodríguez

ESTADÍSTICA PARA EMPRESAS

Unidad 2: “Probabilidad”

Un experimento es definido como un proceso que genera resultados definidos. Y en cada una de las
repeticiones del experimento, habrá uno y sólo uno de los posibles resultados experimentales. A
continuación se dan varios ejemplos de experimentos con sus correspondientes resultados.

Experimento Resultado Experimental

Lanzar una moneda Cara, cruz
Tomar una pieza para inspeccionarla Con defecto, sin defecto
Lanzar un dado 1, 2, 3, 4, 5, 6
Jugar un partido de futbol Ganar, perder, empatar

Los experimentos o fenómenos “” los podemos clasificar en:

- Determinísticos: aquellos que “a priori” de realizarse la experiencia se conoce el resultado. Se
que es lo que va a ocurrir. Ej: experimentos con químicos.
- Aleatorios o estocásticos: son aquellos que “a posteriori” de realizar la experiencia se conoce el
resultado. Puedo llegar a saber cuáles son las posibles consecuencias, pero no se con exactitud cuál
es la que va a ocurrir. Ej: encuesta. Son de naturaleza tal que se puede concebir la repetición en las
mismas condiciones de experimentación y el resultado de cada experimento aleatorio depende de la
causalidad (influencias que no pueden ser controladas) y por lo tanto no se puede predecir un único
resultado.

Ejemplo:
1: “Lanzar un dado legal”
S= {1, 2, 3, 4, 5, 6}
A= {2, 4, 6} “que se par”
B=  (vacío) “que sea de dos cifras”  Suceso nulo o imposible
Ā= suceso complementario o A´ complemento= {1, 3, 5} “que sea impar”
C= {5} “que salga el número 5”  Suceso elemental

Al resultado de una sola ejecución del experimento se lo llama suceso elemental, es decir, cada
elemento del espacio muestral. Es un resultado posible del experimento aleatorio. A su vez, el
espacio muestral como evento en sí mismo, puede entenderse como un evento seguro.

-1-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez

El complemento de un evento A con respecto al espacio S es el conjunto de elementos que están

en S y no pertenecen a A. Se expresa como A o A´.

La unión de dos eventos A y B se define como el conjunto que contiene todos los puntos muestrales
que pertenecen a A o a B o a ambos simultáneamente. La unión se denota A  B. Pueden darse las
siguientes combinaciones:

AB AB AB=A

Dados dos eventos A y B, la intersección de A y B es el evento que contiene los puntos muestrales
que pertenecen a ambos simultáneamente, es decir tanto en A como en B. La intersección se denota
A  B. Se pueden dar las siguientes situaciones:

-2-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez

AB AB=Ø AB=B

Además, se puede obtener la diferencia de conjuntos o eventos. En cuyo caso se pueden dar las
siguientes situaciones:

A–B A–B=A A–B

 Sucesos mutuamente excluyentes o incompatibles (disjuntos): son aquellos que no pueden

presentarse conjuntamente. Los eventos A y B son mutuamente excluyentes si, cuando un evento
ocurre, el otro no puede ocurrir. Por tanto, para que A y B sean mutuamente excluyentes, se requiere
que su intersección no contenga ningún punto muestral.

A  B= 

Eventos no mutuamente excluyentes son aquellos que pueden ocurrir simultáneamente, es decir,
tienen resultados en común. Ej: “ser un número par Y menor a 6.”
- Si los eventos A y B son disjuntos, se cumple que:
P(A  B)= P(A) + P(B)
- Si los eventos A y B no son disjuntos, entonces:
P(A  B)= P(A) + P(B) - P(A  B)

-3-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez
Definiciones de Probabilidad:

En los experimentos aleatorios, y sólo en ellos es posible hablar de probabilidad. La probabilidad es

una medida numérica de la posibilidad de que ocurra un evento. Por tanto, las probabilidades son
una medida del grado de incertidumbre asociado con cada uno de los eventos previamente
enunciados. Si cuenta con las probabilidades, tiene la capacidad de determinar la posibilidad de
ocurrencia que tiene cada evento.

Los valores de probabilidad se encuentran en una escala de 0 a 1. Los valores cercanos a 0 indican
que las posibilidades de que ocurra un evento son muy pocas. Los cercanos a 1 indican que es casi
seguro que ocurra un evento. El problema se presenta cuando debemos cuantificar, medir o calcular
esas probabilidades.

 Definición Clásica:

El desarrollo inicial de la probabilidad se asocia a los juegos de azar. Por ejemplo, considérense
arrojar un dado que no está cargado y el interés recae en el número que aparece en la cara superior.
Una característica clave de este ejemplo, así como también de muchos otros juegos de azar, es que
los 6 resultados son mutuamente excluyentes debido a que no puede aparecer más de un par en
forma simultánea. A su vez los 6 resultados también son igualmente plausibles puesto que sus
frecuencias son prácticamente las mismas, si se supone que los dados no están cargados. Por lo
tanto puede pensarse intuitivamente que la probabilidad de obtener el número 3 en la cara superior
es 1/6. Para situaciones de este tipo es apropiada la siguiente definición:

“Dado un experimento aleatorio, el espacio muestral S, S  , A un evento de S, la probabilidad P de

que ocurra A está dada por la división entre el cardinal de A sobre el cardinal de S, siempre que
todos los resultados sean igualmente plausibles y mutuamente excluyentes”.

P(A)= nº de casos favorables

nº de casos posibles
Limitaciones o críticas:
1. “Igualmente Plausibles” significa literalmente “igualmente probables” y no se puede definir un
concepto usando el mismo concepto (plausibles= probables)
2. Para poder aplicarlo se debe cumplir que los resultados sean equiprobables y mutuamente
excluyentes.
3. El espacio muestral debe ser finito (encontrable y  ).

-4-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez
 Definición Frecuencial:

En muchas situaciones prácticas, los posibles resultados de un experimento no son igualmente

probables. Por ejemplo, en una fábrica las oportunidades de observar un artículo defectuoso
normalmente será mucho más rara que observar un artículo bueno. En este caso, no es correcto
estimar la probabilidad de encontrar un artículo defectuoso mediante el empleo de la definición
clásica. En lugar de ésta, en muchas ocasiones se emplea la interpretación de la probabilidad como
una frecuencia relativa.
La interpretación de una frecuencia relativa descansa en la idea de que un experimento se efectúa y
se repite muchas veces, y prácticamente bajo las mismas condiciones. Cada vez que un experimento
se lleva a cabo, se observa su resultado. Éste es impredecible dada la naturaleza aleatoria del
experimento, la probabilidad de cierto evento se aproxima por la frecuencia relativa de los resultados
que posee dicho evento. Conforme aumenta la repetición del experimento, la frecuencia relativa de
los resultados favorables se aproxima al verdadero valor de la probabilidad para ese atributo. La
definición frecuencial sería la siguiente:

“Dado un experimento aleatorio, el espacio muestral S, S  , tal que la observación de un evento A

se puede realizar un gran número de veces en idénticas condiciones, la probabilidad frecuencial P de
A es la frecuencia relativa observada de dicho suceso. Permite calcular probabilidades donde no
todos los resultados individuales son igualmente plausibles”.

P(A)= frecuencia absoluta

Frecuencia relativa
tamaño de la muestra

Limitaciones o críticas:
1. En algunos casos es muy difícil o humanamente imposible repetir un experimento un gran
número de veces.
2. Todas las pruebas deben realizarse en las mismas condiciones iniciales.

 Definición axiomática:

Para formalizar la definición de probabilidad, y que se pueda calcular probabilidades en cualquier

experimento aleatorio, es que surge la definición axiomática se realiza través de un conjunto de
axiomas. La probabilidad es un número real que mide la posibilidad de que ocurra un resultado del
espacio muestral, cuando el experimento se lleva a cabo. Por lo tanto, la probabilidad de un evento
también es un número real que mide la posibilidad colectiva, de ocurrencia, de los resultados del
evento cuando se lleve a cabo el experimento. A continuación se da la definición axiomática de la
probabilidad:
-5-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez

Sea S cualquier espacio muestral   y P(S) el conjunto de partes de S, es decir todos los eventos
posibles, se dice que la función P es función de probabilidad si: P(S)  [0,1] y además cumple con
los siguientes axiomas:

 P(S)= 1
 Para cualquier
 sucesión
 An (A1, A2, … An), tal que Ai  Aj = , i  j, ij= 1, 2, …n se verifica que: P( 
An) =  P(An)
n=1 n=1

Espacio de probabilidad: Sea S el espacio muestral asociado a un experimento aleatorio y P una

función probabilidad definida en el conjunto de las partes de S, P(S), se llama espacio de
probabilidad al par (S, P ).
Teniendo como base esta estructura probabilística, es decir contando con un espacio de probabilidad
se puede probar que esta nueva función verifica muchas propiedades. Se mencionarán alguna de
ellas.

 Consecuencias de la probabilidad:

☞ P() = 0

0  P(A)  1  Podemos decir que la probabilidad de un suceso o evento varía entre 0 y 1 ya que, si
consideramos las dos situaciones extremas,  (suceso imposible) y S (suceso seguro o cierto).

☞ Para cualquier sucesión finita de n sucesos disjuntos, es decir (A1, A2, … An)  P(S) y
Ai  Aj=  para i  j, entonces =

Es decir:
P(A  B)= P(A) + P(B) si A  B= 

☞ P(Ā)= 1- P(A)

☞ Si A, B P(S) y A B entonces P(B – A) = P(B) – P(A)

☞ Siendo A y B eventos de S, luego P(A  B)= P(A) + P(B) – P(A  B)

Probabilidad conjunta: es la probabilidad de que dos o más eventos ocurran simultáneamente

P(A  B)
Cuando nos presentan una tabla de frecuencias absolutas se puede calcular como:
P(A  B)= N (A  B)
N (S)

-6-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez
 Probabilidad Marginal: la probabilidad marginal de un evento A es igual a la suma de las
probabilidades conjuntas A y Bj, donde la suma se efectuó sobre todos los eventos Bj.

P(U) = P(G  U) + P( G  U)

 Probabilidad condicional: con frecuencia, en la probabilidad

de un evento influye el hecho de que un evento relacionado
con él ya haya ocurrido. Suponga que tiene un evento A cuya probabilidad es P(A). Si obtiene
información nueva y sabe que un evento relacionado con él, denotado B, ya ha ocurrido, deseará
aprovechar esta información y volver a calcular la probabilidad del evento A. Esta nueva probabilidad
del evento A se la conoce como probabilidad condicional, donde la probabilidad de A esta
condicionada a la previa ocurrencia de B y se expresa:

P(A / B)

La notación / indica que se está considerando la probabilidad del evento A dada la condición de que
el evento B ha ocurrido, por lo tanto la notación P(A/B) se lee “la probabilidad de A dado B”.
Entonces, en un espacio de probabilidad (S,P), sean A y B eventos de S, tal que P(B)  0, la
probabilidad condicional de A dado B (o de A sabiendo que ocurrió B) es:
P(A / B)= P(A  B)
P(B)

 Sucesos independientes: intuitivamente, cuando la ocurrencia de un suceso no afecta la ocurrencia

de otro, se dice que ambos sucesos son estadísticamente independientes. Este resultado indica que
al calcular la probabilidad de que ocurra el suceso A, no influye el hecho de que haya ocurrido el
suceso B. Dos sucesos A y B en el espacio de probabilidad (S,P) son estocásticamente
independientes sí y sólo si se cumple:

 P(A  B)= P(A) . P(B)

 P(A / B)= P(A) con P(B) > 0
 P(B/ A)= P(B) con P(A) > 0

La independencia de dos sucesos es un concepto diferente de la idea de eventos

mutuamente excluyentes. En general, ninguno de ellos implica al otro.
Dos sucesos son mutuamente excluyentes e independientes si y sólo si al menos uno de ellos
es el conjunto vacío.
- Si los eventos A y B son independientes, se cumple que:

-7-
 Facultad de Ciencias Económicas Cdra. Alejandra Schkop
Prof. Lic. Víctor Rodríguez
P(A  B)= P(A) x P(B)

- Si los eventos A y B no son independientes, entonces:

P(A  B)= P(A) x P(B / A)

 Teorema de las probabilidades totales:

Sea (S,P) un espacio de probabilidad y A1, A2, … An sucesos no nulos en S, P(Ai)  0, con
i= 1, 2, 3…n, tal que forman una partición de S, es decir: S= A1 U A2 U... An y Ai  Aj = 
 (i,j), si i  j (los sucesos son disjuntos dos a dos). Dado un suceso B cualquiera de P(S), la
probabilidad de B de define como:

P(B)= P(A1) x P(B/A1) + P(A2) x P(B/A2) + … + P(An) x P(B/An)

n
P(B)=  P(Ai) x P(B/Ai)
i i=1
=1

 Teorema de Bayes: (renueva probabilidades, corrige previas probabilidades)

En el estudio de la probabilidad condicional vio que revisar probabilidades cuando se obtiene más
información es parte del análisis de probabilidades.

Probabilidades  Nueva  Aplicación teorema  Probabilidades

previas información de Bayes posteriores

Sea (S,P) un espacio de probabilidad y A1, A2, … An sucesos no nulos en S, P(Ai)  0, con
i= 1, 2, 3…n, tales que forman una partición de S, es decir: S= A1 U A2 U... An y Ai  Aj = 
 (i,j), si i  j (los sucesos son disjuntos dos a dos). Si se sabe que se ha presentado un suceso B de
P(S) tal que Aj  B   y P(A) > 0, la probabilidad posterior de un suceso A i cualquiera en S con
probabilidad positiva es:

P(Aj/B) = P(Aj) . P(B/Aj)

n
 P(Ai) . P(B/Ai)
i i=1
=1

-8-