Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/probabilidad-condicional

M06 · ProbabilidadTroncalProcedimiento

Probabilidad condicional

Cómo cambia la probabilidad de un evento cuando ya se sabe que ocurrió otro: la idea que está detrás de casi toda la Estadística aplicada.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Definición

La probabilidad condicional de AA dado BB es la probabilidad de que ocurra AA sabiendo que ya ocurrió BB:

P(A∣B)=P(A∩B)P(B)con P(B)>0P(A \mid B) = \frac{P(A \cap B)}{P(B)} \qquad \text{con } P(B) > 0

Por eso se divide por P(B)P(B): es renormalizar, para que las probabilidades dentro del nuevo espacio vuelvan a sumar 1.

“Ya ocurrió” no quiere decir “ocurrió antes”. La condición es información, no tiempo: se puede condicionar por algo posterior, como en P(enfermo∣test positivo)P(\text{enfermo} \mid \text{test positivo}), donde el test viene después de la enfermedad.

Y la condicional es una probabilidad hecha y derecha: fijado BB, P(⋅∣B)P(\cdot \mid B) cumple los tres axiomas. Por eso todas las propiedades valen adentro de la condición, por ejemplo P(Ac∣B)=1−P(A∣B)P(A^{c} \mid B) = 1 - P(A \mid B).

Probabilidad condicional: lo que sabés cambia el número · video, 5:38

2 · Con datos reales

Entre los asalariados de la EPH, la probabilidad de tener empleo registrado es 0,6236. Pero si se sabe que la persona completó el secundario:

P(reg∣sec. completo)=0,51940,7465=0,6958P(\text{reg} \mid \text{sec. completo}) = \frac{0{,}5194}{0{,}7465} = 0{,}6958

y si no lo completó:

P(reg∣sec. incompleto)=0,10420,2535=0,4109P(\text{reg} \mid \text{sec. incompleto}) = \frac{0{,}1042}{0{,}2535} = 0{,}4109

Con los números tal como están escritos, la segunda cuenta da 0,4110; el 0,4109 sale de los valores sin redondear, y lo mismo pasa con alguna cifra de las tablas que siguen.

70 % contra 41 %. La información sobre la educación cambia sustancialmente lo que se puede decir sobre la registración. Cuando eso pasa, las variables están asociadas.

3 · Las dos direcciones, completas

La misma tabla se puede condicionar por fila o por columna, y son preguntas distintas. Vale la pena verlas juntas una vez:

Por fila — P(registracioˊn∣educacioˊn)P(\text{registración} \mid \text{educación}):

No registradoRegistradoSuma
Sin secundario0,58910,41091,0000
Con secundario0,30420,69581,0000

Por columna — P(educacioˊn∣registracioˊn)P(\text{educación} \mid \text{registración}):

Sin secundarioCon secundarioSuma
No registrado0,39680,60321,0000
Registrado0,16700,83301,0000

4 · Cómo se lee la barra

P(A∣B)P(A \mid B) se lee “probabilidad de AA dado BB”, y conviene tener claro qué es cada cosa:

ElementoPapel
BB, a la derechalo que ya se sabe: la condición, el subgrupo
AA, a la izquierdalo que se pregunta

Invertir el condicionamiento sin darse cuenta es confundir la condicional con su inversa; en el contexto judicial, donde se toma la probabilidad de la evidencia si el acusado es inocente por la probabilidad de que sea inocente, se la llama falacia del fiscal. Es lo que el teorema de Bayes corrige.

5 · Cuánto mueve la condición

Comparar la condicional con la marginal dice cuánta información aporta saber BB:

P(registrado)P(\text{registrado})Cociente contra la marginal
Sin condicionar0,62361,000
Dado secundario completo0,69581,116
Dado secundario incompleto0,41090,659

6 · El caso que más discusión generó

Tres puertas, un premio detrás de una. El participante elige una, y el presentador —que sabe dónde está el premio— abre otra de las que quedan, siempre una vacía, y ofrece cambiar. Si el premio está en la elegida y las otras dos están vacías, elige al azar cuál abrir. ¿Conviene?

Conviene, y la respuesta es 2/3 contra 1/3. La clave está en qué información aporta la puerta abierta:

Probabilidad inicialQué pasa al abrirse una puerta
La elegida1/3no cambia: el presentador siempre podía abrir una vacía
Las otras dos, juntas2/3se concentra toda en la única que queda cerrada

El “al azar” del enunciado también importa. Si el presentador tuviera una preferencia —abrir siempre la vacía de más a la izquierda, por ejemplo—, la puerta que abre daría información: según cuál abriera, cambiar ganaría con probabilidad 1/2 o 1.

7 · Dónde aparece, aunque no se la nombre

Esta es la razón por la que el concepto importa más de lo que su lugar en el programa sugiere:

  • Los porcentajes por fila de una tabla cruzada son probabilidades condicionales. Ver frecuencias marginales y condicionales.
  • La sensibilidad de una prueba diagnóstica es P(positivo∣enfermo)P(\text{positivo} \mid \text{enfermo}), y el valor predictivo es la condicional invertida.
  • El valor p es P(datos asıˊ de extremos∣H0 cierta)P(\text{datos así de extremos} \mid H_0 \text{ cierta}), no al revés. Toda la confusión clásica sobre el valor p es un problema de condicional invertida.
  • Un modelo de regresión estima E(Y∣X)E(Y \mid X): la media de YY condicional a los valores de las predictoras.
  • El riesgo relativo es un cociente de dos condicionales.

Las condiciones se pueden acumular: P(A∣B∩C)P(A \mid B \cap C) es la probabilidad de AA dentro del subgrupo donde ocurren BB y CC a la vez, y se calcula igual, dividiendo por P(B∩C)P(B \cap C). Agregar una condición puede cambiar la respuesta, e incluso darla vuelta: es la paradoja de Simpson.

8 · El camino inverso

Despejando de la definición se obtiene la regla del producto:

P(A∩B)=P(B)⋅P(A∣B)P(A \cap B) = P(B) \cdot P(A \mid B)

Es la misma igualdad leída al revés, y suele ser más útil: las condicionales —“de los que tienen secundario, el 70 % está registrado”— son lo que se conoce, y la conjunta lo que se busca.

9 · Errores frecuentes

  • Invertir el condicionamiento. P(A∣B)≠P(B∣A)P(A \mid B) \ne P(B \mid A), y la diferencia puede ser enorme.
  • Dividir por la conjunta en lugar de por la marginal.
  • Olvidar que el espacio cambió. Dentro de BB las probabilidades se miden contra P(B)P(B), y por eso hay que dividir.
  • Sumar o promediar condicionales de subgrupos distintos. No dan el total; hay que ponderarlas.
  • Condicionar por algo de probabilidad cero. La fórmula no está definida.
  • Leer una condicional como causa. Que P(registrado∣secundario)P(\text{registrado} \mid \text{secundario}) sea alta no prueba que el secundario cause la registración.
  • Suponer que la asociación se mantiene dentro de cada subgrupo. Puede invertirse: ver paradoja de Simpson.
  • Calcular condicionales de una encuesta sin ponderar. Se obtiene la proporción de casos de la muestra, no de personas: 0,4185 en lugar de 0,4109.

10 · En el software

Las dos tablas de la sección 3 desde la EPH del INDEC, con los ponderadores, y las tres puertas simuladas con los dos presentadores.

# R — condicionales desde la EPH del primer trimestre de 2026, ponderadas
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 = ",")
asal <- subset(eph, ESTADO == 1 & CAT_OCUP == 3 & CH06 >= 18 &
                    PP07H %in% 1:2 & NIVEL_ED %in% 1:6)
asal$educacion  <- ifelse(asal$NIVEL_ED %in% 4:6, "Con secundario", "Sin secundario")
asal$registrado <- ifelse(asal$PP07H == 1, "Registrado", "No registrado")

tab <- xtabs(PONDERA ~ educacion + registrado, asal)   # personas, no casos
round(prop.table(tab, 1), 4)    # por fila: P(registrado | educación), 0,6958 y 0,4109
round(prop.table(tab, 2), 4)    # por columna: P(educación | registrado)
rowSums(prop.table(tab, 1))     # control: cada fila suma 1

# Directo sobre los datos: una media ponderada dentro del subgrupo
con <- asal$educacion == "Con secundario"
weighted.mean(asal$registrado[con] == "Registrado", asal$PONDERA[con])   # 0,6958

# Sin ponderar da otro número: cuenta casos de la muestra
round(prop.table(table(asal$educacion, asal$registrado), 1), 4)          # 0,4185

# Las tres puertas, con los dos presentadores
set.seed(1)
n <- 200000
premio <- sample(1:3, n, replace = TRUE)            # el participante elige la 1
mean(premio != 1)                                   # sabe dónde está: cambiar gana 2/3
abre <- sample(2:3, n, replace = TRUE)              # abre al azar una de las otras
vacia <- abre != premio                             # solo las partidas en que salió vacía
mean(premio[vacia] != 1)                            # cambiar gana 1/2
# Python — lo mismo
import io
import urllib.request
import zipfile
import numpy as np
import pandas as pd

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"])
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]")
# Series con el índice de asal: si fueran arrays, crosstab desalinearía los pesos
educacion = asal.NIVEL_ED.isin([4, 5, 6]).map({True: "Con secundario", False: "Sin secundario"})
registrado = (asal.PP07H == 1).map({True: "Registrado", False: "No registrado"})

for margen in ["index", "columns"]:       # por fila y por columna
    print(pd.crosstab(educacion, registrado, values=asal.PONDERA,
                      aggfunc="sum", normalize=margen).round(4))
print(pd.crosstab(educacion, registrado, normalize="index").round(4))   # sin ponderar: 0,4185

rng = np.random.default_rng(1)
n = 200_000
premio = rng.integers(1, 4, n)            # el participante elige la 1
print((premio != 1).mean())               # sabe dónde está: 2/3
abre = rng.integers(2, 4, n)              # abre al azar una de las otras
vacia = abre != premio
print((premio[vacia] != 1).mean())        # 1/2

Herramientas de este tema

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Probabilidad condicional. estadistica.ar. https://estadistica.ar/conceptos/probabilidad-condicional

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). Probabilidad condicional. estadistica.ar. https://estadistica.ar/conceptos/probabilidad-condicional

BibTeX

@misc{estadistica_ar_probabilidad_condicional,
  author       = {Montivero, Jorge Luis},
  title        = {{Probabilidad condicional}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/probabilidad-condicional}},
  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.