Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/eventos-mutuamente-excluyentes

M06 · ProbabilidadTroncalConcepto

Eventos mutuamente excluyentes

Qué significa que dos eventos no puedan ocurrir juntos, y por qué eso es lo contrario de ser independientes.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Definición

Dos eventos son mutuamente excluyentes —o disjuntos, o incompatibles— si no pueden ocurrir a la vez, es decir, si no comparten ningún resultado:

A∩B=∅y por lo tantoP(A∩B)=0A \cap B = \varnothing \qquad\text{y por lo tanto}\qquad P(A \cap B) = 0

La flecha va en un solo sentido. En un espacio continuo, "X≤5X \le 5" y "X≥5X \ge 5" comparten el punto 5, que tiene probabilidad cero: la intersección pesa cero, pero no está vacía. Para las cuentas da lo mismo; para la definición, no.

Eventos mutuamente excluyentes: por qué no son independientes · video, 3:40

2 · Ejemplos

Par de eventos¿Excluyentes?
En un dado: “sale par” y “sale 3”Sí
En un dado: “sale par” y “sale mayor a 4”No: el 6 cumple los dos
Una persona: “tiene 25 años” y “tiene 40 años”Sí
Una persona: “es mujer” y “está ocupada”No
Un evento y su complementoSí, siempre

El patrón: las categorías de una misma variable son excluyentes entre sí —nadie puede estar en dos categorías del nivel educativo—, mientras que eventos de variables distintas en general no lo son.

3 · Por qué importa

Porque simplifica la regla de la suma. En general:

P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B)

pero si son excluyentes, la intersección vale cero y queda:

P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B)

Es el axioma 3 de Kolmogórov. Con más de dos eventos, A1,…,AkA_1, \dots, A_k son mutuamente excluyentes si lo son de a pares: ningún par comparte resultados. Entonces la suma se extiende sin restar nada:

P(A1∪⋯∪Ak)=P(A1)+⋯+P(Ak)P(A_1 \cup \dots \cup A_k) = P(A_1) + \dots + P(A_k)

Sumar directamente cuando los eventos no son excluyentes cuenta dos veces la zona compartida e infla el resultado —a veces por encima de 1, que es cuando el error se hace visible—.

4 · Excluyentes no es lo mismo que independientes

Es la confusión más persistente de todo el módulo, y conviene fijarla:

Mutuamente excluyentesIndependientes
DefiniciónP(A∩B)=0P(A \cap B) = 0P(A∩B)=P(A)P(B)P(A \cap B) = P(A)P(B)
Se usa conla sumael producto
Si ocurre AA…BB es imposiblela probabilidad de BB no cambia
Diagramacírculos separadossuperpuestos en la proporción justa: P(A∩B)=P(A)P(B)P(A \cap B) = P(A)P(B)

La comprobación formal: si fueran las dos cosas, P(A)P(B)=P(A∩B)=0P(A)P(B) = P(A \cap B) = 0, lo que obliga a que alguna de las dos probabilidades sea nula.

5 · Las dos preguntas, con una sola cuenta

Las dos definiciones se chequean sobre el mismo número, y conviene verlo una vez. Con AA = “terminó el secundario” y BB = “tiene empleo registrado”:

PreguntaCuentaResultado
¿Son excluyentes?¿P(A∩B)=0P(A \cap B) = 0?0,5194 → no
¿Son independientes?¿P(A∩B)=P(A) P(B)P(A \cap B) = P(A)\,P(B)?0,5194 contra 0,4655 → no

Y es el caso habitual: la mayoría de los pares de eventos de la vida real no son ni excluyentes ni independientes. Las dos propiedades son casos límite, y asumir cualquiera de las dos sin verificar es el mismo error.

6 · Cómo reconocerlos en un enunciado

La pregunta a hacerse es literal: ¿pueden pasar las dos cosas en la misma repetición del experimento?

  • “Sale cara o ceca en un tiro” → no pueden las dos → excluyentes.
  • “La primera moneda sale cara” y “la segunda sale ceca” → son dos tiros distintos y pueden pasar las dos → no son excluyentes, y probablemente sean independientes.

7 · Eventos exhaustivos y particiones

Un conjunto de eventos es exhaustivo si entre todos cubren Ω\Omega: alguno tiene que ocurrir. Puede serlo sin ser excluyente: “tiene 30 años o menos” y “tiene 20 años o más” cubren a todo el mundo, y los que tienen entre 20 y 30 están en los dos.

Cuando son a la vez excluyentes y exhaustivos forman una partición, y sus probabilidades suman exactamente 1. Las categorías de la condición de actividad en la base de la EPH (la variable ESTADO), sobre la población total del primer trimestre de 2026:

CategoríaProbabilidad
Ocupado0,4476
Desocupado0,0380
Inactivo0,3808
Menor de 10 años0,1300
Entrevista no realizada0,0036
Total1,0000

Las dos filas que faltan no son del mismo tipo. “Menor de 10 años” es una categoría de verdad: a esas personas no se les pregunta por su actividad. “Entrevista no realizada” es información que falta: las 86 personas de la muestra en esa fila tienen todas 10 años o más, así que en la realidad son ocupadas, desocupadas o inactivas, y no se sabe cuál.

Las particiones son, además, lo que hace funcionar al teorema de la probabilidad total.

8 · Errores frecuentes

  • Confundir excluyentes con independientes. El error número uno.
  • Sumar sin restar la intersección cuando los eventos se superponen.
  • Creer que “no relacionados” significa excluyentes. Suele significar lo contrario: independientes.
  • Suponer que un conjunto de eventos es exhaustivo sin verificar que cubra todos los casos.
  • Dar por sentada alguna de las dos propiedades. Lo normal es que un par de eventos no sea ni excluyente ni independiente.
  • Aplicar la fórmula sin dibujar. Un Venn de dos círculos resuelve la duda en segundos.

9 · En el software

Los eventos del dado como conjuntos, la partición de la condición de actividad y las dos preguntas de la sección 5, calculadas desde la EPH del INDEC.

# R — excluyentes en el dado
par <- c(2, 4, 6)
tres <- 3
intersect(par, tres)                      # vacío: excluyentes
intersect(par, c(5, 6))                   # 6: no excluyentes

# La partición de la condición de actividad, desde la EPH del primer trimestre de 2026
zip <- tempfile(fileext = ".zip")
download.file("https://www.indec.gob.ar/ftp/cuadros/menusuperior/eph/EPH_usu_1_Trim_2026_txt.zip",
              zip, mode = "wb")
eph <- read.csv(unz(zip, "usu_individual_T126.txt"), sep = ";", dec = ",")
estado <- factor(eph$ESTADO, 0:4, c("No realizada", "Ocupado", "Desocupado",
                                    "Inactivo", "Menor de 10"))
p <- prop.table(xtabs(eph$PONDERA ~ estado))
round(p, 4)
sum(p)                                    # 1: es una partición
sum(p[c("Ocupado", "Desocupado", "Inactivo")])   # 0,8664: los tres solos no

# Las dos preguntas de la sección 5 con un solo número
asal <- subset(eph, ESTADO == 1 & CAT_OCUP == 3 & CH06 >= 18 &
                    PP07H %in% 1:2 & NIVEL_ED %in% 1:6)
w <- asal$PONDERA / sum(asal$PONDERA)
pA  <- sum(w[asal$NIVEL_ED %in% 4:6])     # terminó el secundario: 0,7465
pB  <- sum(w[asal$PP07H == 1])            # registrado: 0,6236
pAB <- sum(w[asal$NIVEL_ED %in% 4:6 & asal$PP07H == 1])   # 0,5194
pAB == 0                                  # ¿excluyentes? no
c(pAB, pA * pB, pAB / (pA * pB))          # ¿independientes? 0,5194 contra 0,4655: no
# Python — lo mismo
import io
import urllib.request
import zipfile
import pandas as pd

par = {2, 4, 6}
print(par & {3}, par & {5, 6})            # set() y {6}

url = "https://www.indec.gob.ar/ftp/cuadros/menusuperior/eph/EPH_usu_1_Trim_2026_txt.zip"
pedido = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
z = zipfile.ZipFile(io.BytesIO(urllib.request.urlopen(pedido).read()))
eph = pd.read_csv(z.open("usu_individual_T126.txt"), sep=";", decimal=",", low_memory=False,
                  usecols=["ESTADO", "CAT_OCUP", "CH06", "PP07H", "NIVEL_ED", "PONDERA"])
nombres = {0: "No realizada", 1: "Ocupado", 2: "Desocupado", 3: "Inactivo", 4: "Menor de 10"}
p = eph.groupby(eph.ESTADO.map(nombres)).PONDERA.sum() / eph.PONDERA.sum()
print(p.round(4))
print(p.sum(), p[["Ocupado", "Desocupado", "Inactivo"]].sum())   # 1 y 0,8664

asal = eph.query("ESTADO == 1 and CAT_OCUP == 3 and CH06 >= 18 "
                 "and PP07H in [1, 2] and NIVEL_ED in [1, 2, 3, 4, 5, 6]")
w = asal.PONDERA / asal.PONDERA.sum()
A, B = asal.NIVEL_ED.isin([4, 5, 6]), asal.PP07H == 1
pA, pB, pAB = w[A].sum(), w[B].sum(), w[A & B].sum()
print(pAB == 0)                           # ¿excluyentes? no
print(pAB, pA * pB, pAB / (pA * pB))      # 0,5194 contra 0,4655: no independientes

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Eventos mutuamente excluyentes. estadistica.ar. https://estadistica.ar/conceptos/eventos-mutuamente-excluyentes

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Eventos mutuamente excluyentes. estadistica.ar. https://estadistica.ar/conceptos/eventos-mutuamente-excluyentes

BibTeX

@misc{estadistica_ar_eventos_mutuamente_excluyentes,
  author       = {Montivero, Jorge Luis},
  title        = {{Eventos mutuamente excluyentes}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/eventos-mutuamente-excluyentes}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-18}
}

Última actualización: 18 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.