ESTADSTICA

Por: Oscar Ral Rojas Guere

1.

Derecho y Ciencias Polticas

Cul es la definicin clsica de probabilidad?

Esta definicin es conocida como DEFINICIN CLSICA DE LAPLACE O "A
PRIORI", es de uso limitado puesto que descansa sobre la base de las
siguientes dos condiciones:
1. El espacio muestra de todos los resultados posibles S es finito.
2. Los resultados del espacio muestra deben ser igualmente probables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del
espacio muestra y, el nmero total de resultados posibles es n(S), entonces

Ejemplo: Si se extrae una carta de un paquete de 52 cartas de las cuales 26

son negras (13 espadas A, 2, 3, 10, J, Q, K; 13 son trboles); y 26 son rojas (13
corazones y 13 diamantes), la probabilidad de que la carta sea un as es
porque el evento de "extraer un as" consta de 4 de los 52 resultados igualmente
probables. La probabilidad de que la carta sea negra es
de que sea un diamante es

2.

y la probabilidad

Qu es la probabilidad frecuencial o emprica?

La definicin clsica se ve limitada a situaciones en las que hay un nmero finito
de resultados igualmente probables. Por desgracia, hay situaciones prcticas
que no son de este tipo y la definicin de Laplace no se puede aplicar. Por
ejemplo, si se pregunta por la probabilidad de que un paciente se cure mediante
cierto tratamiento mdico, o la probabilidad de que una determinada mquina
produzca artculos defectuosos, entonces no hay forma de introducir resultados
igualmente probables. Por ello se necesita un concepto ms general de
probabilidad. Una forma de dar respuesta a estas preguntas es obtener algunos
datos empricos en un intento por estimar las probabilidades.
Supongamos que efectuamos un experimento n veces y que en esta serie
de n ensayos el evento A ocurre exactamente r veces, entonces la frecuencia
relativa del evento es

,o sea,

ESTADSTICA
Por: Oscar Ral Rojas Guere

Derecho y Ciencias Polticas

Si continuamos calculando esta frecuencia relativa cada cierto nmero de

ensayos, a medida que aumentamos n, las frecuencias relativas
correspondientes sern ms estables; es decir; tienden a ser casi las mismas; en
este caso decimos que el experimento muestra regularidad estadstica o
estabilidad de las frecuencias relativas. Esto se ilustra en la siguiente tabla, de
una moneda lanzada al aire 1000 veces.

# de
lanzamiento
s

# de

Frecuenci
a relativa

Frecuencia
acumulada

Frecuencia
acumulada
relativa

caras

1 - 100

52

0.52

52

0.520

100 - 200

53

0.53

105

0.525

200 - 300

52

0.52

157

0.523

300 - 400

47

0.47

204

0.510

400 - 500

51

0.51

255

0.510

500 - 600

53

0.53

308

0.513

600 - 700

48

0.48

356

0.509

700 - 800

46

0.46

402

0.503

800 - 900

52

0.52

454

0.504

900 -1000

54

0.54

508

0.508

ESTADSTICA
Por: Oscar Ral Rojas Guere

Total: 1000

508

Derecho y Ciencias Polticas

0.508

En un total de 1000 lanzamientos ocurrieron 508 caras, es decir la frecuencia

relativa es aproximadamente 0.50.
Tres investigadores realizaron experimentos y obtuvieron los siguientes
resultados

Investigador

Nmero de
lanzamientos

Nmero de
caras

Frecuencia
relativa

Buffon

4040

2048

0.5069

K. Pearson

12000

6019

0.5016

K. Pearson

24000

12012

0.5005

La mayora de experimentos aleatorios de importancia prctica tienen

estabilidad, por esto podemos sospechar que prcticamente ser cierto que la
frecuencia relativa de un evento E en un gran nmero de ensayos es
aproximadamente igual a un determinado nmero P(E), o sea, la probabilidad
del evento E es

Obsrvese que este nmero es una propiedad que no depende solamente de E,

sino que se refiere a un cierto espacio muestra S y a un experimento aleatorio.
Entonces, decir que el evento E tiene probabilidad P(E) significa que si
efectuamos el experimento muchas veces, es prcticamente cierto que la
frecuencia relativa de E, fr(E) es aproximadamente igual a P(E).

ESTADSTICA
Por: Oscar Ral Rojas Guere

Derecho y Ciencias Polticas

Cuando se usa la definicin frecuencial, es importante tomar en cuenta los

siguientes aspectos:
I.
II.
III.

3.

La probabilidad obtenida de esta manera es nicamente una estimacin del

valor real.
Cuanto mayor sea el nmero de ensayos, tanto mejor ser la estimacin de
la probabilidad; es decir, a mayor nmero de ensayos mejor ser la
estimacin.
La probabilidad es propia de slo un conjunto de condiciones idnticas a
aqullas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente.
Qu es la probabilidad condicionada?

Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la

experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad
de los dems. El proceso de realizar la historia clnica, explorar y realizar
pruebas complementarias ilustra este principio.
La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se
denomina probabilidad condicionada y se define

Esta definicin es consistente, es decir cumple los axiomas de probabilidad.

Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la
probabilidad. A veces es ms fcil calcular la probabilidad condicionada teniendo
en cuenta este cambio de espacio muestral.
Ejemplo:
Una mujer es portadora de la enfermedad de Duchenne Cul es la probabilidad
de que su prximo hijo tenga la enfermedad?
Segn las leyes de Mendel, todos los posibles genotipos de un hijo de una
madre portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen la
misma probabilidad. El espacio muestral es W = {xX, xY, XX, XY}
el suceso A={hijo enfermo} corresponde al genotipo xY, por tanto, segn la
definicin clsica de probabilidad
p(A) = 1/4 = 0,25
La mujer tiene el hijo y es varn qu probabilidad hay de que tenga la
enfermedad?
Se define el suceso B = {ser varn} = {xY, XY} la probabilidad pedida es p(A|B) y
aplicando la definicin anterior

ESTADSTICA
Por: Oscar Ral Rojas Guere

Derecho y Ciencias Polticas

p(B) = 0,5; A B = {xY}; p(A B) = 0,25; p(A|B) = 0,25/0,5 = 0,5

Si sabemos que es varn, el espacio muestral ha cambiado, ahora es B. Por lo
tanto se puede calcular p(A|B) aplicando la definicin clsica de probabilidad al
nuevo espacio muestral
p(A|B) = 1/2 = 0,5
4.

Qu es la probabilidad subjetiva?
Tanto la definicin clsica como la frecuentista se basan en las repeticiones del
experimento aleatorio; pero existen muchos experimentos que no se pueden
repetir bajo las mismas condiciones y por tanto no puede aplicarse la
interpretacin objetiva de la probabilidad.
En esos casos es necesario acudir a un punto de vista alternativo, que no
dependa de las repeticiones, sino que considere la probabilidad como un
concepto subjetivo que exprese el grado de creencia o confianza individual sobre
la posibilidad de que el suceso ocurra.
Se trata por tanto de un juicio personal o individual y es posible por tanto que,
diferentes observadores tengan distintos grados de creencia sobre los posibles
resultados, igualmente vlidos.

5.

Definir el Teorema de Bayes

El teorema de Bayes parte de una situacin en la que es posible conocer las
probabilidades de que ocurran una serie de sucesos Ai.
A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin,
porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai
que haya ocurrido.
Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos
indica como modifica esta informacin las probabilidades de los sucesos Ai.

La frmula del Teorema de Bayes es:

Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea

diabtica es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.

ESTADSTICA
Por: Oscar Ral Rojas Guere

Derecho y Ciencias Polticas

Si no disponemos de informacin adicional nada ms podemos decir, pero

supongamos que al realizar un anlisis de sangre los niveles de glucosa son
superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en un
2% de las personas sanas.
Cul ser ahora la probabilidad de que esa persona sea diabtica?
La respuesta que nos da el teorema de bayes es que esa informacin adicional
hace que la probabilidad sea ahora 0,595.
Vemos as que la informacin proporcionada por el anlisis de sangre hace
pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta
informacin modificara las probabilidades en sentido contrario. En este caso la
probabilidad de padecer diabetes se reducira a 0,0016.