Bioestadística

Probabilidad

Prof. Silvia Carhuayo 1

Probabilidad
 El concepto de probabilidad se encuentra con bastante frecuencia
 en la comunicación en el área de salud.

Ejemplos
 Un médico afirma que un paciente X tiene una oportunidad de
 sobrevivir del 50% a una operación; o que un paciente Y tiene
 80% de posibilidades de tener una enfermedad particular;
 Una fuente autorizada del Ministerio de Salud; declara a la
 prensa de que este verano hay 1% de posibilidades de que se
 desate una epidemia de cólera en la Capital.

Prof. Silvia Carhuayo 2

¿Por qué es necesario aprender a
calcular probabilidades ?
 La medicina es una ciencia inexacta por lo que el
médico raras veces puede predecir un resultado con
absoluta certeza.
 Para formular el diagnóstico el médico debe contar con
toda la información posible acerca del paciente
Por ejemplo debe :
 Revisar la historia clínica
 Realizar un examen físico del paciente
 Solicitar estudios de laboratorio
 Resultados de rayos X, etc.

Prof. Silvia Carhuayo 3

¿Por qué es necesario aprender
a calcular probabilidades ?
 Aunque el resultado de ninguna prueba es absolutamente
exacto, eso no afecta la probabilidad de la presencia o
ausencia de una enfermedad.
 Para cuantificar la incerteza inherente al proceso de toma de
decisiones, el médico se apoya en la teoría de las
probabilidades
 Por lo tanto :
 Entender las probabilidades es fundamental para el proceso
de toma de decisiones en el área de salud.
Prof. Silvia Carhuayo 4
Definiciones probabilísticas
EXPERIMENTO ALEATORIO
 Es el experimento que se caracteriza porque su desarrollo no es
previsible con certidumbre, no se puede predecir qué resultado se va a
obtener en una experiencia concreta, pero si se conoce los posibles
resultados.
 Ejemplo1: Seleccionar un paciente de un grupo de 6.
 Ejemplo 2: Entre los cinco aspirantes a puestos de trabajo en el hospital, a dos
se les considera excelentes, y a los demás se les considera buenos. El jefe de
personal escoge al azar a dos de los cinco aspirantes para la entrevista.
ԑ: Escoger dos aspirantes para la entrevista.

Prof. Silvia Carhuayo 5

Definiciones probabilísticas
EXPERIMENTO ALEATORIO
 Ejemplo 3: Observar la llegada de pacientes al servicio de emergencia de
7 am a 12m.

Características
 Se conocen con anterioridad todos los posibles resultados,
 No puede predecirse el resultado de una realización concreta,
 El experimento puede repetirse bajo las mismas condiciones todas las
veces que se quiera.

Prof. Silvia Carhuayo 6

Definiciones probabilísticas
ESPACIO MUESTRAL
Ω es un conjunto de resultados posibles, mutuamente
excluyentes del experimento aleatorio.

 Ejemplo

 ¿Cuál es el espacio muestral del experimento aleatorio ԑ:

Escoger dos aspirantes para la entrevista.

Prof. Silvia Carhuayo 7

Definiciones probabilísticas
SUCESOS
Se denomina suceso a un subconjunto del espacio
muestral, denotado por una letra mayúscula.
Suceso simple
Es un subconjunto unitario del espacio muestral.
Ocurrencia de cada elemento que conforma el espacio
muestral
Sucesos compuestos:
Unión de eventos simples

Prof. Silvia Carhuayo 8

Definiciones probabilísticas
Suceso imposible El suceso vacío, es el que no
tiene ningún elemento y se le denota como ф.

Suceso seguro.
Es el que ocurre siempre en un determinado
experimento aleatorio, es el espacio muestral Ω.

Prof. Silvia Carhuayo 9

Definiciones probabilísticas
Suceso complementario
Dado un suceso cualquiera A, el suceso complementario
𝐴𝑐 es el que ocurre cuando no ocurre A, es decir es el
suceso constituido por todos los sucesos elementales del
espacio muestral que no pertenecen al evento A.
Además de ser incompatibles
Sucesos independientes:
La ocurrencia de un suceso no dependen ni se ve afectada
por la ocurrencia de otro suceso

Prof. Silvia Carhuayo 10

Definiciones probabilísticas
 Sucesos mutuamente excluyentes:
 Dos sucesos no pueden ocurrir simultáneamente

B
A

 Sucesos colectivamente exhaustivos:

 Se refiere a eventos simples cuya ocurrencia define el
espacio muestral

Prof. Silvia Carhuayo 11

Definiciones probabilísticas
Sucesos incompatibles o disjuntos

Sean A y B dos eventos, se dicen que son

incompatibles si no pueden ocurrir
simultáneamente, 𝑨 ∩ 𝑩 = ∅
Suceso complemento

de un suceso A, A’, al formado por los

elementos que no están en A

Prof. Silvia Carhuayo 12

 ALGEBRA DE SUCESOS:
 Conjunto de todos los sucesos o subconjuntos que se pueden formar a
partir del espacio muestral.
 Suceso unión de A y B, AUB, al formado por los resultados
experimentales que están en A o en B (incluyendo los que están en
ambos.

 Suceso intersección de A y B, A∩B o simplemente AB, al formado por

los resultados experimentales que están
simultáneamente en A y B

Prof. Silvia Carhuayo 13

 Probabilidad
 La probabilidad de un suceso es un número, comprendido entre
0 y 1,
Número de eventos favorables A
 P A =
Número de casos posibles

verificando las siguientes reglas (axiomas)

(1) 0≤P(A) ≤1
Ω espacio muestral
(2) P(Ω)=1
A

(3) P(AUB)=P(A)+P(B) si A∩B=Ø

B
 Ø es el suceso imposible o vacío.

Prof. Silvia Carhuayo 14

Probabilidad

Cualquier problema de probabilidad puede resolverse en teoría

mediante aplicación de los axiomas y conociendo algunas reglas
de cálculo:

Probabilidad del complemento: P(A’) = 1 - P(A)

Probabilidad de la unión: P(AUB) = P(A) + P(B) - P(AB)

Prof. Silvia Carhuayo 15

 Probabilidad a) ¿Cuál es la probabilidad de
encontrar un niño(a)
Ejemplo En una escuela se desnutrido(a)?
examinan 1500 niños para b) ¿Cuál es la probabilidad de
analizar su estado nutricional y la seleccionar a un niño
relación con el sexo , los  Solución:
resultados indican 100 niños  D: Seleccionar a un estudiante
desnutridos, 50 son varones y 50 desnutrido n(D)=100
son mujeres.
𝑛(𝐷) 100
 𝑎) 𝑃 𝐷 = = = 0.067
𝑛(𝛺) 1500
 B: Seleccionar a un niño
𝑛(𝐵) 1000
n(B)=1000 𝑃 𝐵 = =
𝑛(𝛺) 1500
 C: Seleccionar una niña
n(C)= 500

Prof. Silvia Carhuayo 16

Probabilidad condicional
 Se llama probabilidad de A condicionada a B, o
probabilidad de A sabiendo que pasa B:

Ω espacio muestral
P( AB)
P( A | B) 
P( B) A
B

Prof. Silvia Carhuayo 17

 Probabilidad de la multiplicación:

P(AB) = P(A) P(B|A)

P(AB)=P(B) P(A|B)

 Dos sucesos son independientes

si la probabilidad de que ocurra uno no añade información sobre

el otro. En lenguaje probabilístico:

◦ A indep. B  P(A|B) = P(A)

 Dicho de otra forma:

◦ A indep. B  P(AB) = P(A) P(B)

Prof. Silvia Carhuayo 18
EJEMPLO
En una muestra de 1000 individuos elegidos al azar, entre una
población de enfermos de osteoporosis 760 eran mujeres.
 ¿Qué porcentaje de mujeres hay en la muestra?
◦ 760/1000=0,76=76%

 Si elegimos a un individuo de la población, qué probabilidad

hay de que sea mujer:
◦ La noción de frecuencia relativa nos permite aproximarlo a
P(Mujer)=0.76

 ¿Cuál es la probabilidad de que elegido un individuo de la

población sea hombre:
◦ P(Hombre)=P(Mujer’)=1-0,76=0,24

Prof. Silvia Carhuayo 19

EJEMPLO
 Por otros estudios se conoce que entre los individuos con osteoporosis,
aprox. la cuarta parte de las mujeres fuman y la tercera parte de los
hombres lo hacen. Elegimos a un individuo al azar de la población de
enfermos.

 ¿Qué probabilidad hay de que sea mujer fumadora?

◦ P(Mujer ∩ Fumar) = P(Mujer) P(Fumar|Mujer) = 0,76 x ¼ = 0,19

 ¿Qué probabilidad hay de que sea un hombre fumador?

◦ P(Hombre ∩ Fumar) = P(Hombre) P(Fumar|Hombre) = 0,24 x 1/3 =
0,08

Prof. Silvia Carhuayo 20

 Teorema de la probabilidad total
A1 A2
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces…

B … podemos calcular la probabilidad de B.

𝐵 = (𝐴1 ∩ 𝐵) ∪ (𝐴2 ∩ 𝐵) ∪ (𝐴3 ∩ 𝐵) ∪ (𝐴4 ∩

𝐵)
A3 A4

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

= P(A1) P(B|A1) + P(A2) P(B|A2) + P(A3) P(B|A3) P(A4) P(B|A4)

Prof. Silvia Carhuayo 21

Ejemplo: En esta aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los varones, son fumadores el 20%.
 ¿Cuál es la probabilidad de ser fumador?
◦ P(F) = P(F∩H) + P(F∩M) T. Prob. Total.
= P(H) P(F|H) + P(M)P(F|M) varones y mujeres forman
= 0,3 x 0,2 + 0,7 x0,1 Sucesos exhaustivos y
excluyentes
= 0,13

 ¿Se elije a un individuo al azar y resulta fumador. ¿Cuál es la probabilidad

de que sea un varón ?
◦ P(H|F) = P(F ∩ H)/P(F)
= P(H) P(F|H) / P(F) T. Bayes

= 0x2 x 0,3 / 0,13

= 0,46

Prof. Silvia Carhuayo 22

 Expresión del problema en forma de
árbol
Fuma P(F) = 0,7 x 0,1 + 0,3x0,2
0,1

0,7 Mujer
0,9
P(H | F) = 0,3x0,2/P(F)
No fuma
Estudiante
•Los caminos a través de nodos
0,2 representan intersecciones.
0,3 Fuma
varón •Las bifurcaciones representan
uniones disjuntas.
0,8
No fuma

Prof. Silvia Carhuayo 23

 Teorema de Bayes
Si conocemos la probabilidad de B en cada
uno de los componentes de un sistema
A1 A2 exhaustivo y excluyente de sucesos,
entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia de
B cada Ai.

P(B  Ai)
P(Ai | B) 
P(B)
A3 A4

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

Prof. Silvia Carhuayo 24
 Teorema de Bayes

 Se refiere a la probabilidad de que ocurra un

suceso condicionado a la ocurrencia previa de
otro suceso
P( A2  B P( A2 ) P( B / A2 )
P( A2 / B )  
P( B ) P( B )

A2 A3

A4
A1

Prof. Silvia Carhuayo 25