Cap.

XI
PROBABILIDADES
Ing Oscar Crdenas Riveros

Probabilidades
11.1. INTRODUCIN
Tuvo origen en los juegos de azar en el siglo XVII. Incluyen acciones tales como girar la ruleta, lanzar un
dado, tirar una moneda, extraer una carta de una baraja, etc., en los cuales el xito de la prueba es
incierto.
En una serie prolongada de casos o eventos se puede predecir el resultado de la prueba a pesar de la
incertidumbre.

11.2. PROBABILIDAD CLSICA O APRIORSTICA

Por Ejemplo, supongamos que deseamos conocer la probabilidad de que al lanzar una moneda ideal, salga
CARA; argumentaremos de la siguiente manera: desde que al lanzar una moneda slo hay 2 formas de las
que pueda caer, es decir CARA o SELLO y desde que la moneda est bien balanceada, podemos esperar que
salga CARA o SELLO mas o menos con igual frecuencia; por tanto, en una serie prolongada de lanzamientos
podemos esperar que la MITAD de la veces salga CARA y en consecuencia la probabilidad de que un
lanzamiento salga CARA le damos el valor o probabilidad de .

Probabilidades
DEFINICIN CLSICA DE PROBABILIDADES
Si un evento puede ocurrir de N formas mutuamente excluyentes e igualmente probables y si de stos
casos tienen una caracterstica o atributo A, entonces la probabilidad de ocurrencia de A , ser la fraccin:

()

La probabilidad est vinculada al nmero de casos posibles que pueden ser favorables y desfavorables, es
decir, que pueden haber:

Por consiguiente, la probabilidad de no ocurrencia (o falla o fracaso) del suceso ser:

()

=
=
= ()

Probabilidades
Ejemplo 1:

Si lanzamos un dado corriente, hay 6 casos posibles, es decir, que c/u de los lados numerados,
del 1 al 6, pueden salir. stos 6 casos son mutuamente excluyentes desde que 2 o ms lados no
pueden salir simultneamente en un solo lanzamiento; si el dado no est cargado, entonces los 6
casos son igualmente probables, es decir, que esperamos que cada lado aparezca mas o menos
con igual frecuencia en un nmero prolongado de lanzamientos.

a) Supongamos que queremos conocer la probabilidad de que un lanzamiento del dado sea nmero par.
De los 6 casos posibles ( = 6), 3 tienen se atributo, es decir, los lados numerados 2 4 6, ( = 3) y
por consiguiente la probabilidad de que salga un nmero par ser:
()

3 1
= = = 0.5
6 2

b) La probabilidad de obtener un nmero mayor de 2 ser:

( 2) =

4 2
= = 0.667
6 3

Probabilidades
Ejemplo 2:

Supongamos que se extrae al azar una carta de una baraja.

Existe 52casos posibles ( = 52) o total de cartas.

a) La probabilidad de que la carta extrada sea una espada, considerando que hay 13 espadas, ser: = 13

() =

13 1
= = 0.25
52 4

b) La probabilidad de que sea un nmero entre 5 y 10. Considerando que:

= 6 4 = 24
( 5 10) =

24
6
=
= 0.461
52 13

La aplicacin de la definicin clsica, no presenta ninguna dificultad en stos casos simples; pero no siempre
sta aplicacin es obvia, por lo que es necesario prestar atencin a los trminos mutuamente excluyentes e
igualmente probables, que se emplea en la definicin clsica.

Probabilidades
Ejemplo 3:

Supongamos que deseamos conocer las probabilidades de que al lanzar una moneda 2 veces
seguidas, salgan 2 CARAS.

Para ello podramos razonar de la siguiente manera: Hay 3 casos posibles para los 2 lanzamientos, que son: 2
CARAS (C,C), 2 SELLOS (S,S) y 1 CARA y 1SELLO (C,S).
Uno de stos 3 casos tiene el atributo deseado; es decir 2 CARAS, y por consiguiente la probabilidad ser: 0.33.
Pero ste razonamiento es falso, por cuanto los 3 casos posibles indicados (CC, SS, CS) no son igualmente
probables, ya que el tercer caso, una C y un S, pueden ocurrir de dos formas: CS o bien SC, por consiguiente
existen 4 casos posibles y no 3; y la probabilidad de que salga las 2 CARAS ser:
(2 )

1
= = 0.25
4

Y no 0.33. ste resultado ser el mismo si consideramos lanzar 2 monedas simultneamente.

Probabilidades
Ejemplo 4:

Supongamos que deseamos conocer la probabilidad de que al extraer una carta de la baraja, ste
sea un AS o una ESPADA.

Al enumerar los casos con el atributo pedido podramos contabilizar de que habiendo 13 Espadas y 4 Ases,
tendremos: 13 + 4 = 17 casos con el atributo; por tanto, la probabilidad ser:
() =

17
52

Pero ste razonamiento es incorrecto, puesto que los 17 casos no son mutuamente excluyentes desde que el AS
de ESPADAS es a la vez AS y ESPADA y por consiguiente la probabilidad correcta ser:

()

16
4
=
=
= 0.307
52 13

Probabilidades
PROPIEDADES BSICAS
1.

La probabilidad de un evento A es siempre un nmero comprendido entre 0 y 1, es decir:

0 () 1
La fraccin

, es una fraccin propia, desde que el nmero de casos probables N no puede ser nunca

menor que el nmero de casos con el atributo deseado.

Si un evento ha de ocurrir con certeza, su probabilidad ser UNO.

Por Ejemplo: La probabilidad de obtener un nmero menor de 7 al lanzar un dado.
Asimismo si un evento no ha de ocurrir de ninguna manera, su probabilidad ser CERO.
Tal es el caso de la probabilidad de obtener un 7 al lanzar un dado.

Probabilidades
2.

Las probabilidades son siempre un nmero positivo, o dicho de otra manera, la probabilidad de
ocurrencia de un evento A es igual o mayor que CERO.

() 0
3.

La suma de todas las probabilidades posibles, dentro de un conjunto determinado, siempre es UNO.

() = 1

EJEMPLOS DE PROBABILIDADES
1.

Caso de Evento Aislado

Cul es la probabilidad de que una baraja se extraiga el 2 de espadas?
La respuesta obviamente ser:
1
() =
52

Probabilidades
Este es caso de un evento aislado, sin ninguna vinculacin con otro evento o suceso.
2.

Caso de Eventos Independientes y Excluyentes entre s

Cul es la probabilidad de extraer una DAMA o un REY en una baraja?
4
Como hay 4 DAMAS, la probabilidad de extraer una DAMA ser:
52
La probabilidad de extraer una DAMA es excluyente de extraer un REY (no pueden ocurrir juntos) y stos
acontecimientos son independientes, es decir que un acontecimiento no tiene nada que hacer con el otro;
luego la probabilidad ser:

( ) = () + ()
3.

4
4
8
=
+
=
= 0.154
52 52 52

Caso de Eventos Independientes pero no excluyentes

Cul es la probabilidad de extraer un AS o un CORAZN en una baraja?
4
13
La probabilidad de extraer un AS es:
; la de extraer un CORAZN es:
; y la de extraer el AS de
1
CORAZONES es: ; luego:
52

52

52

Probabilidades
( ) = () + () ( )

4 13 1
16
=
+

=
= 0.307
52 52 52 52

Se trata de eventos independientes (un acontecimiento no tiene nada que ver con el otro) pero sin
embargo pueden ocurrir juntos, es decir, no son excluyentes entre si.
REGLA: Caso de Eventos Independientes, si son excluyentes entre s, sumar las probabilidades aisladas;
pero si adicionalmente existe eventos no Excluyentes, entonces a la suma de las probabilidades
aisladas, restarle la probabilidad del evento comn (Probabilidad Compuesta).
4.

Caso de Eventos Dependientes y No Influenciados

Si una urna contiene 3 bolas blancas (BB) y 4 bolas negras (BN).
Cul es la probabilidad de que al extraer 2 bolas con reemplazo (la 1ra bola sacada, se reintegra a la urna
antes de extraer la 2da bola), la 1ra sea BB y la 2da sea BN?

Probabilidades
3
7
4
() = ; luego la probabilidad ser:
7

La probabilidad de BB ser: () = , y
La probabilidad de BN ser:

(,) = () . ()

3 4 12
= . =
= 0.245
7 7 49

En ste caso se trata de eventos dependientes (tienen que aparecer juntos) y no influenciados, es decir, que
la aparicin de uno no influencia en la probabilidad de aparicin del otro.

5.

Caso de Eventos Dependientes e Influenciados entre s

Si una urna contiene 3 BB y 4 BN y se extraen 2 bolas a la vez (sin reemplazo), cul es la probabilidad de que
la 1ra sea BB y la 2da sea BN?
La probabilidad de BB ser:

3
;
7

y la de BN ser:

(,) = () . () =

4
; luego:
6

3 4 12
. =
= 0.286
7 6 42

Probabilidades
En ste caso cuando se trata de eventos dependientes (tienen que salir juntos) y son influenciados porque la
aparicin del primero influencia en la probabilidad de aparicin del 2do

4
6

4
7

REGLA: Cuando se trata de Eventos Dependientes, entonces se multiplican las probabilidades de los eventos
aislados.

EXPECTACIN O ESPERANZA MATEMTICA

1.

Si un dado se lanza 6,000 veces. Cul es el nmero esperado de veces que saldr el nmero 3?
La probabilidad de que salga el nmero del lado 3 en un lanzamiento es:

1
6

Luego, en 6,000 lanzamientos, el nmero esperado de veces que saldr el lado 3 ser:
()

1
= 6,000 . = 1,000
6

Probabilidades
2.

Si un par de dados se lanzan 300 veces. Cul es el nmero esperado de veces, que saldr la suma igual a 4
o menos?
Casos Posibles: 6 . 6 = 36 (cada cara de un dado se combina con las 6 caras del otro dado).
Casos Favorables: (1, 1) (1, 2) (1, 3) (2, 1) (2, 2) (3, 1), es decir: 6
Luego, la probabilidad de que ocurra el evento es:
()

6
1
=
= = 0.667
36 6

Por tanto, en los 300 lanzamientos, el nmero esperado de veces que salga al nmero 4 o menos ser:
()

1
= 300 . = 50
6

stos 2 ejemplos constituyen lo que se llama Expectacin, Esperanza Matemtica o simplemente Esperanza
y se define por:

() =

Probabilidades
Donde: =
3.

, es la suma de casos y p es la probabilidad del evento aislado.

Una persona recibir S/. 40.oo si obtiene 3 CARAS en un lanzamiento de 3 monedas.

Cul es la expectacin del jugador?
En un lanzamiento de 3 monedas pueden ocurrir los 8 siguientes casos probables:
(C,C,C) (C,C,S) (C,S,C) (S,C,C) (C,S,S) (S,C,S) (S,S,C) (S,S,S) y de stos un solo caso tiene el atributo
1
pedido, es decir, (C,C,C); luego su probabilidad ser: y la expectacin del jugador ser:
8

1
() = 40 . = 5
8
sta expectacin del jugador de S/. 5.oo, nos indica que sa es la cantidad justa a pagar por el juego, con la
condicin de recibir los S/. 40.oo si acierta.
Si el jugador pagara ms de S/. 5.oo por el juego (es decir un Np mayor), entonces es seguro que perdera
dinero si siguiera jugando en sas condiciones, caso contrario (Np menor), entonces ganara.

Probabilidades
Ejemplo de Eventos Dependientes e Influenciados entre s, a travs del Diagrama de rbol.
Si una urna contiene 5 bolas rojas y 7 bolas blancas, y se extraen
3 bolas a la vez, sin reemplazo.
Cul es la probabilidad de todas las alternativas? A saber que:
Probabilidad que salga una bola roja: = 5/12
Probabilidad de que salga otra bola roja: = 4/11
(5/12) (4/11) (3/10)

0.05

(5/12) (4/11) (7/10)

0.11

(5/12) (7/11) (4/10)

(5/12) (7/11) (6/10)

0.11
0.16

(7/12) (5/11) (4/10)

0.11

(7/12) (5/11) (6/10)

0.16

(7/12) (6/11) (5/10)

0.16

(7/12) (6/11) (5/10)

0.16

1.00

Probabilidades
Si una urna contiene 4 bolas rojas y 3 bolas verdes, y se extraen 3 bolas a la vez, sin reemplazo.
Cul es la probabilidad de todas las alternativas? (Probabilidad de que la 1ra sea R, la 2da sea R y la 3ra sea V).
Diagrama de rbol

(4/7) (3/6) (2/5)

(4/7) (3/6) (3/5)

0.1143
0.1714

(4/7) (3/6) (3/5)

0.1714

(4/7) (3/6) (2/5)

0.1143

(3/7) (4/6) (3/5)

0.1714

(3/7) (4/6) (2/5)

(3/7) (2/6) (4/5)
(3/7) (2/6) (1/5)

0.1143
0.1143
0.0286

1.00

Probabilidades
11.3. PROBABILIDAD COMO FRECUENCIAS RELATIVAS O A POSTERIORI
Una moneda que se supone est bien balanceada y simtrica, se ha lanzado 100 veces y los resultados
obtenidos se encuentran registrados en el cuadro adjunto (Cuadro 1).
El aspecto importante por resaltar, es cmo la frecuencia relativa de CARAS tiende a ser estable y
completamente cercana a 0.50 (frecuencia relativa esperada). Esto no es algo inesperado desde que
hemos supuesto que la moneda era simtrica y bien balanceada.
Cuadro N 1
CASOS

f.r.e.

f.r.e de una
moneda ideal

CARAS

52

0.52

0.50

SELLOS

48

0.48

0.50

TOTAL

100

1.00

1.00

Probabilidades
Otro ejemplo se tendra suponiendo que se tiene un dado simtrico y balanceado y lo lanzamos 300 veces y
los resultados obtenidos los registramos en el Cuadro N 2
Ntese cun cercana es la frecuencia relativa observada de cada lado con la frecuencia relativa esperada de
1
6

(stos resultados tampoco son algo inesperados, desde que se supuso que el dado era balanceado i simtrico y se

espera por consiguiente que cada lado pueda ocurrir con igual frecuencia en una serie prolongada de lanzamientos).
Cuadro N 2

LADOS

f.r.e.

f.r.e de un
dado ideal

51

0.17

0.167

54

0.18

0.167

48

0.16

0.167

51

0.17

0.167

5
6

49
47

0.163
0.157

0.167
0.167

TOTAL

300

1.000

1.000

Probabilidades

Estos dos ejemplos nos sugieren la idea de que pudiramos estar inclinados a usar la Frecuencia Relativa
del Cuadro 1, como una aproximacin de la probabilidad de sacar CARA en una moneda cualquiera; o de
usar la frecuencia relativa del Cuadro 2, como una aproximacin para las probabilidades que aparezcan
cada una de las caras o lados del dado.

De hecho parece razonable suponer, para el experimento de la moneda, que existe un nmero que
llamaremos el cual es la probabilidad de ocurrencia de CARA. Asimismo, en el experimento con el dado,
1
la probabilidad de sacar, por ejemplo un 2, puede ser aproximada usando la definicin clsica = o
6
usando la frecuencia relativa del Cuadro 2, es decir, = 0.18.

Lo importante por anunciar es que hay un nmero , el cual se define como la probabilidad de obtener
CARA en la moneda o de obtener un nmero 2 en el dado; sea que se use la definicin clsica o la
frecuencia relativa para la probabilidad, parece que es poco importante en los ejemplos anteriormente
citados.

Probabilidades

Supongamos ahora, que la moneda no est balanceada o que el dado est cargado a uno de los lados; esto
originara de que los lados no son igualmente probables que sucedan. En ste caso an el nmero puede
ser postulado como la probabilidad de que ocurra un determinado lado de la moneda o del dado; pero la
definicin clsica no nos ayudar en nada a encontrar el valor de y entonces nicamente nos queda el
hecho de poder usar la aproximacin de la frecuencia relativa.

Lo que debe atraer nuestra atencin en que podemos concebir una serie de observaciones o experimentos
bajo condiciones bastante uniformes, luego se puede postular un nmero como la probabilidad de que ese
evento A suceda y se pueda aproximar por la frecuencia relativa del evento A en una serie prolongada de
experimentos.
11.3.1. PROBABILIDADES COMO DISTRIBUCIONES DE FRECUENCIAS RELATIVAS DISCRETAS

Supongamos el siguiente Cuadro N 3, de Distribucin de Frecuencias que representa las tallas de

800 alumnos de la UPT.

Probabilidades
Cuadro N 3
CLASE

. .

1.595

1.604

1.60

0.01

0.01

1.605
1.615
1.625

1.614
1.624
1.634

1.61
1.62
1.63

16
32
48

0.02
0.04
0.06

0.03
0.07
0.13

1.635

1.644

1.64

72

0.09

0.22

1.645

1.654

1.65

80

0.10

0.32

1.655

1.664

1.66

88

0.11

0.43

1.665

1.674

1.67

96

0.12

0.55

1.675
1.685

1.684
1.694

1.68
1.69

88
72

0.11
0.09

0.66
0.75

1.695

1.704

1.70

64

0.08

0.83

1.705
1.715

1.714
1.724

1.71
1.72

48
40

0.06
0.05

0.89
0.94

1.725

1.734

1.73

32

0.04

0.98

1.735

1.744

1.74

16

0.02

1.00

800

1.00

Probabilidades
En ste cuadro encontramos las frecuencias relativa (. ) y las frecuencias relativas acumuladas
. . . Con qu frecuencia aparecen cada uno de los valores de la variable , lo muestra la
distribucin, representados por las frecuencias ().
sta distribucin univariable est expresada en trminos de una variable, tal y conforme la obtuvimos
directamente por observacin y podemos convertirla en .
La suma total de stas frecuencias relativas es UNO. Asimismo podemos considerar una columna
que nos va a dar los valores correspondientes a la .
A continuacin se muestra el grfico del Cuadro de Distribucin de Frecuencias Relativas , que viene
a ser el o , que
comparando ambos (el Cuadro y el Histograma de Frecuencias Relativas), podemos establecer lo
siguiente:

Probabilidades

Probabilidades
1 El rea de toda la distribucin, indicada en el Histograma es igual a UNO; y asimilando al
concepto de probabilidades, podemos decir que, la suma de las probabilidades posibles de la
distribucin es UNO.
= 1
2 Cul es la probabilidad de escoger un valor igual a 1.66 o Cul es la probabilidad de escoger,
dentro de ste conjunto, a un alumno que mide 1.66 metros?
Observando el Cuadro y en la columna . , vemos que para 1.66 le corresponde 0.11, luego:
88
= 1.66 =
= 0.11
800
Lo que equivale a razonar de la siguiente manera:

Casos con el atributo pedido

Casos probables o posibles

: 88
: 800

Probabilidades
Por consiguiente:
Si se desea visualizar ste valor en forma grfica, recurrimos al Histograma y vemos que
corresponde a la parte de color rojo que representa el 11% del rea total.
3 Cul es la probabilidad de obtener un valor comprendido entre: 1.60 y 1.65
1.65

1.60 1.65 =

= 0.32
=1.60

Es decir, es igual a la suma de probabilidades de: 1.60, 1.61, 1.62, 1.63, 1.64, 1.65
Que es: 0.01 + 0.02 + 0.04 + 0.06 + 0.09 + 0.1 = 0.32
ste resultado tambin se puede obtener directamente de la columna . . del Cuadro 3.

Probabilidades
11.3.2. PROBABILIDADES DE DISTRIBUCIONES DE FRECUENCIAS RELATIVAS CONTNUA
La aplicacin que hemos visto anteriormente, nos lleva a determinar las Probabilidades para el caso
de distribuciones que toman la forma continua.
El principio de distribuciones de frecuencias relativas y su aplicacin para encontrar tramos (reas)
en una funcin continua, ser igual que para el caso discreto que hemos revisado, y en
consecuencia la relacin que existe entre una distribucin de frecuencias relativas y la probabilidad
de hacer afirmaciones de los tramos observados, puede ser ampliada al caso continuo.
Cuando tratamos el caso discreto vimos la distribucin univariable (una sola variable en X) con sus
correspondientes frecuencias y al graficar el Histograma de Frecuencias Relativas, el rea o suma
de los valores relativos era UNO.
Si ahora consideramos una funcin continua, el rea comprendida entre la curva y el eje de las
abscisas, ser tambin igual a UNO y contendr todos los posibles casos de la variable continua X.

Probabilidades
En el caso de variables discretas, vimos que si deseamos conocer la probabilidad entre dos puntos
1 y 2 , simplemente se suman las frecuencias relativas o probabilidades, es decir:
2

1 2 =

=
=1

.
=1

Pero si consideramos una funcin continua centrada en

1.70 metros, representada en la figura y queremos
conocer la probabilidad de obtener un valor comprendido
entre 2 y 3 , tenemos que introducir otro concepto que
se comporte en forma igual que la sumatoria para el caso
discreto; y ste concepto lo tomamos del clculo superior,
cuyo comportamiento puede interpretarse de manera
igual que interpretamos la sumatoria.

Probabilidades
En ste caso, como la parte superior del rea no es recta (caso del histograma), sino curva, no
podemos utilizar el criterio geomtrico y usar la Sumatoria, sino que recurrimos al concepto de
Integral.

La Integral se interpreta como una operacin que nos indica sumar entre 2 extremos, en ste caso
entre 2 y 3 .
Si consideramos que una funcin continua representada por: = (), es la que ha generado la
Curva indicada en el grfico y queremos conocer la probabilidad de obtener un valor entre 2 y 3 ,
lo expresaremos de la siguiente forma:

2 3 =

()

sta es una operacin inversa a la derivada. Pero no nos vamos a detener a examinar cmo se
calcula la Integral, sino que nos interesa saber nicamente porqu se emplea la Integral.

Probabilidades
A fin de evitar el empleo de Integrales se han establecido Tablas que facilitan el clculo para hallar
reas entre 2 valores dados, conforme se explicar posteriormente al tratar de la Distribucin o
Curva Normal.

Para el caso continuo tambin el rea encerrada dentro de la curva vale UNO y para expresar el
caso de que la suma de las probabilidades es UNO, lo representamos:
+

= 1

Los lmites o extremos son indicados por infinito porque en ste caso la funcin continua, es decir, la
curva es asinttica respecto al eje de las X, es decir, que tocar el eje de las X en el infinito.
En el caso continuo por ejemplo, no podemos hablar de la probabilidad de que salga 1.75 metros;
porque 1.75 m. o cualquier otro valor representa un punto y los puntos no dan o tienen reas. En el
caso continuo, las preguntas deben referirse a tramos, por ejemplo: Cul es la probabilidad que
salga un valor entre 1.66 y 1.73 metros, o cualquier otro tramo, porque stos tienen reas.

Probabilidades
11.4. PROBABILIDADES CONJUNTAS O COMPUESTAS MARGINALES Y CONDICIONALES
TEOREMA DE ADICIN Y MULTIPLICACIN INDEPENDENCIA ESTADSTICA
Vamos a establecer un caso concreto que es la extensin del caso de Distribuciones de Frecuencias Relativas
Univariable; y sta extensin se refiere a una Distribucin Bivariable (de 2 variables); para lo cual consideraremos
una Fbrica cualquiera que tiene 1,000 trabajadores en el que se ha hecho una clasificacin de ellos de acuerdo
a dos aspectos:
Tipo de salario que ganan (variable X)
Cuadro N 4
Categora del trabajo que hacen (variable Z)
EMPLEADOS OBREROS

1
2
3

101
301
501

300
500
700

TOTAL

180
90
30

420
210
70

600
300
100

300

700

1,000

sta clasificacin se muestra en el Cuadro 4. La

variable X se distribuye en tramos que representan
ingresos o salarios de las personas y es una variable
Cuantitativa porque est expresada en cantidades; en
cambio la variable Z indica el tipo de ocupacin
(empleados u obreros) y es una variable Cualitativa.

Probabilidades
Cuadro N 5
EMPLEADOS OBREROS

1
2
3

TOTAL

101

300

0.18

0.42

0.60

301
501

500
700

0.09
0.03

0.21
0.07

0.30
0.10

0.30

0.70

1.00

Haciendo referencia al Cuadro 4 a valores dados en

Frecuencias Relativas, tal como se indica en el
Cuadro 5, para lo cual se divide cada frecuencia o
nmero de observaciones entre el total de
observaciones que es 1,000.

Para facilitar la explicacin designaremos por: 1

2 3 , a las clases correspondientes a los salarios
y por: 1 2 , a los tipos o categoras de los
empleos.

A continuacin algunas definiciones teniendo en cuenta lo expuesto, respecto a Probabilidades como

Frecuencias Relativas.
11.4.1.

PROBABILIDADES CONJUNTAS O COMPUESTAS

Llamadas tambin Probabilidad de Empalme; estn constituidas por la probabilidad de que salga un
evento que a la vez pertenezca a dos categoras diferentes; en ste caso a la probabilidad de
seleccionar una persona al azar de acuerdo a su ingreso (X) y a su categora de empleo (Z).

Probabilidades
Esta probabilidad se refiere a un atributo de 2 categoras de una persona. En el Cuadro 5
cualquiera de los tems est referido a las 2 variables (X y Z).
Por ejemplo, si se desea conocer, cul es la probabilidad de seleccionar un empleado 1 que gane
un salario entre 301 500 2 , podemos observar en el Cuadro 5 y a doble entrada hallamos el
valor 0.09, luego podemos escribir:

1 2 = 0.09 que equivale a

Asimismo, la probabilidad de seleccionar un obrero

90
1,000

que gane entre 501 700 es:

2 3 = 0.07 que equivale a

70
1,000

En resumen, un evento Compuesto es el que est formado por 2 o ms eventos Simples.

Probabilidades
11.4.2.

PROBABILIDADES MARGINALES
En el Cuadro 5 los totales que se obtienen de sumar las
columnas (verticales) y las filas (horizontales) se denominan o
forman las Distribuciones Marginales.

Cuadro N 6
(

CLASES

1
2
3

101
301
501

300
500
700

0.60
0.30
0.10
1.00

Supongamos que aplicamos la suma en el sentido horizontal

Cuadro 6, es decir, que sumamos los valores de la variable
para cada una de las clases correspondientes a los salarios de
la variable ; tendremos de sta forma una Distribucin
Univariable en , quedndonos lo que se denomina
Distribucin Marginal de .
Entonces la Marginalidad de significa que se debe sumar
los valores de la variable y quedar una Distribucin
Univariable en .

Probabilidades
Cuadro N 7
1

CLASES

EMPLEADOS
OBREROS

0.30
0.70
1.00

Anlogamente, si aplicamos la suma en el sentido vertical

Cuadro 7, es decir, que sumamos los valores de para cada
una de las categoras de la variable , tendremos una
Distribucin Univariable en , quedndonos lo que se
denomina Distribucin Marginal en .
Entonces la Marginalidad de significa que se debe sumar
los valores de la variable y quedar una Distribucin
Univariable .

Conviene anotar que el trmino Marginal, significa Distribucin Univariable y que se ha sumado una
caracterstica , o bien, que se ha ignorado una caracterstica.
Es preciso tener presente que al hablar de Marginalidad, previamente tendremos que hacer referencia a una
Distribucin Conjunta, Compuesta o de Empalme.
Aplicando la nocin de Distribucin de Frecuencias Relativas al de Probabilidades, podemos establecer lo
siguiente, respecto a Distribuciones Marginales:

Probabilidades
A.

Cul es la probabilidad de que una observacin sea Empleado y nada ms?

De acuerdo al Cuadro 7 y llamando (

B.

11.4.3.

1)

a la probabilidad, tendremos:

= 0.30

La probabilidad de escoger una persona que gane un salario entre 501 700, de acuerdo al
Cuadro 6 ser:
3 = 0.10

PROBABILIDADES CONDICIONALES
En una distribucin conjunta, se denomina Distribucin Condicional, aquella en que para cada valor de
la variable X se encuentra la frecuencia relativa que se da para un subconjunto de y viceversa para
cada valor de la variable se encuentra o se halla la frecuencia relativa que se da para un subconjunto
de .

Probabilidades
Dicho en otras palabras, dentro del conjunto formado
por la distribucin de frecuencias relativas, se toma un
subconjunto, digamos la columna correspondiente a
Obreros ( 2 ).

Cuadro N 8
CLASES

1
2
3

101

300

0.42

0.7

0.6

301
501

500
700

0.21
0.07

0.7
0.7

0.3
0.1

0.70

Luego, respecto a obreros ( 2 ) , solamente nos

interesa cmo se distribuye la variable y no toda la
distribucin marginal, sino la distribucin dado
( 2 ) obreros.

1.00

Luego se puede establecer el Cuadro 8, que es el Cuadro de Distribucin de Frecuencias Condicionales,

para lo cual calculamos stas Frecuencias Relativas Condicionales, dividiendo las Frecuencias Conjuntas
entre las Frecuencias Marginales, es decir:

Probabilidades
Cuadro N 9
CLASES

1
2
3

101

300

0.60

0.60

0.6

301
501

500
700

0.30
0.10

0.30
0.10

0.3
0.1

1.00

1.00

1.00

sta suma necesariamente nos dar UNO, es decir, que tenemos una nueva distribucin no ya a partir
del total (1,000), sino del total parcial (700) que representa a Obreros.
Anlogamente, podemos tomar para el caso de la Distribucin Condicional de cualquiera de la
clases que dan para la variable ; digamos por ejemplo, la clase 301 500, que corresponde a 2 .
Luego podemos establecer el Cuadro 10, que es el Cuadro de Distribucin de Frecuencias
Condicionales, para lo cual calculamos stas frecuencias relativas condicionales, empleando:

Probabilidades

/ =

Cuadro N 10
/

( )
1

EMPLEADOS

0.09

0.3

0.30

OBREROS

0.21

0.3

0.70

0.30

1.00

Cuadro N 11
/

EMPLEADOS

0.30

0.30

0.30

0.30

OBREROS

0.70

0.70

0.70

0.70

1.00

1.00

1.00

1.00

Probabilidades
sta suma nos dar UNO y tenemos una nueva distribucin no ya a partir del total general, sino, del total
parcial que representa los salarios (301 500), es decir, 2 .
Extendiendo ste caso a las otras categoras de salarios tendremos el Cuadro 11.

Aplicando el concepto de Probabilidades como Frecuencias Relativas, podremos establecer lo siguiente,

respecto a Probabilidades Condicionales.
1 Cul es la probabilidad de que dado que una persona es un obrero
501 700 3 .
Tenemos el caso de que ya conocemos que la persona es un obrero
probabilidad de que gane un salario 501 700 3 .

ste gane un salario entre

y lo que se busca es la

La Probabilidad Condicional se representa por 3 / 2 que se lee: Probabilidad de que una

persona seleccionada pertenezca a 3 dado que pertenece a 2 .

Probabilidades
Entonces:
3 /

3 2
0.07
=
= 0.10
2
0.70

ste mismo resultado se obtiene si aplicamos el Cuadro 8 y Cuadro 9.

2 Cul es la probabilidad de encontrar un empleado
500 2 .

1 /2

dado que la persona gana un salario 301

2 1
0.09
=
=
= 0.30
1
0.30

ste mismo resultado se obtiene si usamos el Cuadro 10 y Cuadro 11.