Funcion de Probabilidades Talca Enfermeria

Estadstica para las ciencias de la salud
Segundo semestre 2017

Carrera de enfermera
Universidad Santo Toms
Distribucin de probabilidades
Ing. Fernando Meza Quiroz
Fernando Meza Quiroz Distribucin de Probabilidades

Variable aleatoria
El resultado de un experimento aleatorio puede ser

descrito en ocasiones como una cantidad numrica.
En estos casos aparece la nocin de variable aleatoria

Funcin que asigna a cada suceso un nmero.
Las variables aleatorias pueden ser discretas o continuas

(como en el primer tema del curso).
Fernando Meza Quiroz Universidad Santo Toms

Funcin de probabilidad (V. Discretas)
Asigna a cada posible 40%
valor de una variable 35%
30%
discreta su probabilidad
25%
de ocurrencia.
20%
Recuerda los conceptos de
frecuencia relativa y 15%
diagrama de barras. 10%
Ejemplo 5%
Nmero de caras al lanzar 0%

0 1 2 3
3 monedas.

Funcin de densidad (V. Continuas)

Definicin
Es una funcin no negativa de integral 1.
Pinsalo como la generalizacin del histograma con frecuencias
relativas para variables continuas.

Para qu sirve la f. densidad?

Muchos procesos aleatorios vienen descritos por variables de forma que son
conocidas las probabilidades en intervalos.
La integral definida de la funcin de densidad en dichos intervalos coincide

con la probabilidad de los mismos.
Es decir, identificamos la probabilidad de un intervalo con el rea bajo la

funcin de densidad.

Funcin de distribucin
Es la funcin que asocia a cada valor de una
variable, la probabilidad acumulada
de los valores inferiores o iguales.
Pinsalo como la generalizacin de las

frecuencias acumuladas. Diagrama integral.
A los valores extremadamente bajos les corresponden valores

de la funcin de distribucin cercanos a cero.
A los valores extremadamente altos les corresponden valores de

la funcin de distribucin cercanos a uno.
Lo encontraremos en los artculos y aplicaciones en forma de p-

valor, significacin,
.

Funcin de distribucin y densidad

Valor esperado y varianza de una v.a. X
Valor esperado
Se representa mediante E[X]
Es el equivalente a la media
Ms detalles: Ver libro.
Varianza
Se representa mediante VAR[X] o 2
Es el equivalente a la varianza
Se llama desviacin tpica a

Algunos modelos de v.a.
Hay v.a. que aparecen con frecuencia en las Ciencias de la

Salud.
Experimentos dicotmicos.
Bernoulli
Contar xitos en experimentos dicotmicos repetidos:

Binomial
Poisson (sucesos raros)
Y en otras muchas ocasiones

Distribucin normal (gaussiana, campana,)

Distribucin de Bernoulli
Tenemos un experimento de Bernoulli si al realizar un
experimentos slo son posibles dos resultados:
X=1 (xito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)
Lanzar una moneda y que salga cara.

p=1/2
Elegir una persona de la poblacin y que est enfermo.
p=1/1000 = prevalencia de la enfermedad
Aplicar un tratamiento a un enfermo y que ste se cure.
p=95%, probabilidad de que el individuo se cure
Como se aprecia, en experimentos donde el resultado es

dicotmico, la variable queda perfectamente determinada
conociendo el parmetro p.
Ejemplo de distribucin de Bernoulli.
Se ha observado estudiando 2000 accidentes de trfico

con impacto frontal y cuyos conductores no tenan
cinturn de seguridad, que 300 individuos quedaron con
secuelas. Describa el experimento usando conceptos de
v.a.
Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad
de tener secuelas mediante 300/2000=0,15=15%
X=tener secuelas tras accidente sin cinturn es variable de

Bernoulli
X=1 tiene probabilidad p 0,15
X=0 tiene probabilidad q 0,85

Ejemplo de distribucin de Bernoulli.
Se ha observado estudiando 2000 accidentes de trfico

con impacto frontal y cuyos conductores s tenan
cinturn de seguridad, que 10 individuos quedaron con
secuelas. Describa el experimento usando conceptos de
v.a.
Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad de
quedar con secuelas por 10/2000=0,005=0,5%
X=tener secuelas tras accidente usando cinturn es variable de

Bernoulli
X=1 tiene probabilidad p 0,005
X=0 tiene probabilidad q 0,995

Distribucin binomial
Funcin de probabilidad
Problemas de clculo si n es grande y/o p cercano a 0 o 1.
Media: =n p
Varianza: 2 = n p q

Distribucin normal o de Gauss
Aparece de manera natural:

Errores de medida.
Distancia de frenado.
Altura, peso, propensin al crimen
Distribuciones binomiales con n grande (n>30) y p ni
pequeo (np>5) ni grande (nq>5).
Est caracterizada por dos parmetros: La media,

, y la desviacin tpica, .
Su funcin de densidad es:

N(, ): Interpretacin
geomtrica
Pueden interpretar la
media como un factor de
traslacin.
Y la desviacin tpica
como un factor de escala,
grado de dispersin,

N(, ): Interpretacin probabilista
Entre la media y una

desviacin estandar
tenemos siempre la
misma probabilidad:
aprox. 68%
Entre la media y dos

desviaciones estandar
aprox. 95%
Algunas
+ caractersticas
La funcin de densidad es simtrica, mesocrtica y unimodal.
Media, mediana y moda coinciden.
Los puntos de inflexin de la fun. de densidad estn a distancia de .
Si tomamos intervalos centrados en , y cuyos extremos estn

a distancia , tenemos probabilidad 68%
a distancia 2 , tenemos probabilidad 95%
a distancia 25 tenemos probabilidad 99%
No es posible calcular la probabilidad de un intervalo simplemente usando la

primitiva de la funcin de densidad, ya que no tiene primitiva expresable en
trminos de funciones comunes.
Todas las distribuciones normales N(, ), pueden ponerse mediante una

traslacin , y un cambio de escala , como N(0,1). Esta distribucin especial
se llama normal tipificada.
Justifica la tcnica de tipificacin, cuando intentamos comparar individuos diferentes
obtenidos de sendas poblaciones normales.
Tipificacin
Dada una variable de media y desviacin tpica , se denomina

valor tipificado,z, de una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones tpicas, es decir
x
z

En el caso de variable X normal, la interpretacin es clara: Asigna a
todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos distribuciones

normales diferentes, para saber cul de los dos es ms extremo.




Ejemplo: Clculo con probabilidades normales
El colesterol en la poblacin tiene distribucin

normal, con media 200 y desviacin 10.
Qu porcentaje de indivduos tiene colesterol

inferior a 210?
Qu valor del colesterol slo es superado por el

10% de los individuos.



Universidad Santo Toms
Distribucin de probabilidades
Ing. Fernando Meza Quiroz
Fernando Meza Quiroz Distribucin de Probabilidades

Funcion de Probabilidades Talca Enfermeria

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Funcion de Probabilidades Talca Enfermeria

Încărcat de

Drepturi de autor:

Formate disponibile

Estadstica para las ciencias de la salud

Segundo semestre 2017

Ing. Fernando Meza Quiroz

Fernando Meza Quiroz Distribucin de Probabilidades

El resultado de un experimento aleatorio puede ser

En estos casos aparece la nocin de variable aleatoria

Las variables aleatorias pueden ser discretas o continuas

Fernando Meza Quiroz Universidad Santo Toms

Funcin de probabilidad (V. Discretas)

Asigna a cada posible 40%

valor de una variable 35%

Nmero de caras al lanzar 0%

Fernando Meza Quiroz Universidad Santo Toms

Funcin de densidad (V. Continuas)

Fernando Meza Quiroz Universidad Santo Toms

Para qu sirve la f. densidad?

La integral definida de la funcin de densidad en dichos intervalos coincide

Es decir, identificamos la probabilidad de un intervalo con el rea bajo la

Fernando Meza Quiroz Universidad Santo Toms

Pinsalo como la generalizacin de las

A los valores extremadamente bajos les corresponden valores

A los valores extremadamente altos les corresponden valores de

Lo encontraremos en los artculos y aplicaciones en forma de p-

Fernando Meza Quiroz Universidad Santo Toms

Funcin de distribucin y densidad

Fernando Meza Quiroz Universidad Santo Toms

Valor esperado y varianza de una v.a. X

Fernando Meza Quiroz Universidad Santo Toms

Algunos modelos de v.a.

Hay v.a. que aparecen con frecuencia en las Ciencias de la

Contar xitos en experimentos dicotmicos repetidos:

Y en otras muchas ocasiones

Fernando Meza Quiroz Universidad Santo Toms

Lanzar una moneda y que salga cara.

Como se aprecia, en experimentos donde el resultado es

Ejemplo de distribucin de Bernoulli.

Se ha observado estudiando 2000 accidentes de trfico

X=tener secuelas tras accidente sin cinturn es variable de

Fernando Meza Quiroz Universidad Santo Toms

Ejemplo de distribucin de Bernoulli.

Se ha observado estudiando 2000 accidentes de trfico

X=tener secuelas tras accidente usando cinturn es variable de

Fernando Meza Quiroz Universidad Santo Toms

Problemas de clculo si n es grande y/o p cercano a 0 o 1.

Fernando Meza Quiroz Universidad Santo Toms

Distribucin normal o de Gauss

Aparece de manera natural:

Est caracterizada por dos parmetros: La media,

Su funcin de densidad es:

Fernando Meza Quiroz Universidad Santo Toms

N(, ): Interpretacin probabilista

Entre la media y una

Entre la media y dos

Los puntos de inflexin de la fun. de densidad estn a distancia de .

Si tomamos intervalos centrados en , y cuyos extremos estn

No es posible calcular la probabilidad de un intervalo simplemente usando la

Todas las distribuciones normales N(, ), pueden ponerse mediante una

Dada una variable de media y desviacin tpica , se denomina

Nos permite as comparar entre dos valores de dos distribuciones

Fernando Meza Quiroz Universidad Santo Toms

Fernando Meza Quiroz Universidad Santo Toms

Fernando Meza Quiroz Universidad Santo Toms

Fernando Meza Quiroz Universidad Santo Toms

Ejemplo: Clculo con probabilidades normales