BIOESTADISTICA

Unidad 4
DISTRIBUCIONES
PROBABILISTICAS DISCRETAS
OBJETIVOS:

Describir las distribuciones Binomial y de Poisson.
Calcular probabilidades aplicando estas
distribuciones.
Analizar situaciones veterinarias donde se apliquen
estas distribuciones.
DEFINICIONES
INFERENCIA ESTADSTICA
Es la rama de la estadstica que hace inferencias
(deducciones, o enunciados) con respecto a una
poblacin basndose en un pequeo nmero de
observaciones (muestra) seleccionadas de la poblacin.

DISTRIBUCIN PROBABILSTICA
Da toda la gama de valores que puede ocurrir con base
en un experimento.
Grfica, tabla o frmula que especifica la
probabilidad asociada con cada posible valor que la
variable aleatoria puede tomar.
Es una distribucin de frecuencias relativas para los
resultados de un espacio muestral
VARIABLES
ALEATORIA
Cuando el resultado de un experimento aleatorio puede ser
expresado con un valor numrico.
Es una regla que asigna un valor numrico a cada evento
simple de un experimento.
ALEATORIA DISCRETA
Variable que solo puede tener ciertos valores claramente
separados y que generalmente es el resultado de contar algn
elemento de inters y tiene un nmero finito de valores.
ALEATORIA CONTINUA
Puede tomar uno de una cantidad infinitamente grande de
valores, dentro de ciertas limitaciones. Asume valores que
corresponden a cualquier punto contenido en uno o ms
intervalos.

DISTRIBUCIN DE
PROBABILIDAD DE UNA
VARIABLE DISCRETA
DEFINICIN
Tabla, grfica, formula u otro sistema utilizado para especificar
todos los posibles valores de una variable aleatoria discreta
junto con sus probabilidades respectivas.
CARACTERSTICAS
La probabilidad de un resultado especfico estar siempre entre
0 y 1.
La suma de probabilidades de todos los resultados mutuamente
excluyentes y exhaustivos es 1.
RESUMEN DE UNA DISTRIBUCIN DE
PROBABILIDAD
MEDIA
Es un valor representativo, es el promedio a largo
plazo de la variable aleatoria (Valor Esperado o
Expectativa, E(x) de la variable).


VARIANZA Y DESVIACIN TPICA
Describe el grado de dispersin en una distribucin

( ) [ ( )] E x x P x = =

= )] ( ) [(
2 2
x P x o 2
o o =
Calculo de la Probabilidad de un Evento
Definir el experimento:
describir el proceso usado para hacer una observacin y el tipo de
observacin que ser registrada.
Listar todos los Eventos Posibles
Asignar Probabilidad a cada Evento
Simple.
Determinar la Composicin del Evento de
inters
Calcular la probabilidad del Evento
Sumando la probabilidad de los eventos simples.
Calculo de la Probabilidad de un Evento
Definicin del Experimento:
Nmero de caras obtenidas en el lanzamiento de una
moneda 3 veces.
Lista de Eventos posibles y P:
0 N N N 0,5x0,5x0,5
1 C N N 0,5x0,5x0,5
1 N C N 0,5x0,5x0,5
1 N N C 0,5x0,5x0,5
2 C C N 0,5x0,5x0,5
2 C N C 0,5x0,5x0,5
2 N C C 0,5x0,5x0,5
3 C C C 0,5x0,5x0,5
Calculo de la Probabilidad de un Evento
Composicin del evento
de inters:
0 N N N 0,125
C N N 0,125
1 N C N 0,125
N N C 0,125
C C N 0,125
2 C N C 0,125
N C C 0,125
3 C C C 0,125
Probabilidad de los
eventos de inters
Eventos Probabilidad

0 0,125
1 0,375
2 0,375
3 0,125
( ) 0 0,125 1 0, 375 2 0, 375 3 0,125 1, 5 X P x = = + + + =
2 2
( ) ( ) 0, 75 x P x o = =

2 2 2 2 2
1, 5 (0,125) 0, 5 (0, 375) 0, 5 (0, 375) 1, 5 (0,125) o = + +
0, 75 0, 87 o = =
DISTRIBUCIN BINOMIAL
CARACTERSTICAS
El experimento consiste en n ensayos idnticos.
x la variable aleatoria binomial es el nmero de xitos en
los n ensayos.
Los ensayos del experimento son Dicotmicos porque el
resultado puede tomar solo una de 2 formas posibles,
mutuamente excluyentes (xito o Fracaso).
Los ensayos son Independientes porque la probabilidad de
xito permanece constante de un ensayo al siguiente.
Los nicos parmetros de la distribucin son:
n=nmero de ensayos y
p=probabilidad de suceso.
Distribucin Binomial
La distribucin binomial es una familia de
distribuciones para cada miembro de p y
n.
Esta distribucin se aplica para poblaciones
infinitas o para muestreos con reposicin.
En la prctica no se utiliza la reposicin y
entonces la pregunta es cuan adecuada es la
distribucin y en general se acepta cuando
N es 10 veces ms grande que n.
Distribucin Binomial
n = nmero de ensayos
x = nmero de xitos observados
p = probabilidad de xito en cada ensayo
q = probabilidad de fracaso; q = 1- p

!
( ) (1 )
!( )!
n x n x x n x
x
n
P x C p p p q
x n x

= =

np =
2
npq o =
2
npq o o = =
Distribucin Binomial para p=0,10 y n=5
0,000
0,200
0,400
0,600
0,800
0 1 2 3 4 5
Sucesos
f
r
Distribucin Binomial para p=0,50 y n=5
0,000
0,100
0,200
0,300
0,400
0 1 2 3 4 5
Sucesos
Distribucin Binomial para p=0,90 y n=5
0,000
0,200
0,400
0,600
0,800
0 1 2 3 4 5
Sucesos
f
r
Distribucin Binomial para p=0,90 y n=20
0,000
0,100
0,200
0,300
0 2 4 6 8
1
0
1
2
1
4
1
6
1
8
2
0
Sucesos
f
r
Distribucin Binomial para p=0,50 y n=20
0,000
0,050
0,100
0,150
0,200
0 2 4 6 8
1
0
1
2
1
4
1
6
1
8
2
0
Sucesos
f
r
Distribucin Binomial para p=0,10 y n=20
0,000
0,100
0,200
0,300
0 2 4 6 8
1
0
1
2
1
4
1
6
1
8
2
0
Sucesos
f
r
EJEMPLO
En una majada de ovinos hay una
prevalencia de pietn de p=0,3 (30% de
animales enfermos).
Si compramos eligiendo aleatoriamente 6
ovejas cuales son las probabilidades de:
Todas sean sanas
Exactamente 1 este enferma
2 o ms estn enfermas
Parmetros de la distribucin p=0,3 n=6
p+q=1 q=1-p

Probabilidad de Todos Sanos, Enfermos x=0


Probabilidad de 1 enfermo


Probabilidad de 2 o ms enfermos
6 0 6 0 6
0
6!
( 0) 0, 3 0, 7 0,12
0! 6!
P x C p q = = = =

6 1 5 1 5
1
6!
( 1) 0, 3 0, 7 0, 30
1! 5!
P x C p q = = = =

| |
( 2) 1 ( 0) ( 1) 1 [0,12 0,30] 0,58 P x P x P x > = = + = = + =
( ) 6 (6 )
(1 ) (0, 3) (0, 7)
n x n x x x
x x
C p p C

=
x P x P(x)
0 0,1176 0,0000 0,3812
1 0,3025 0,3025 0,1936
2 0,3241 0,6483 0,0130
3 0,1852 0,5557 0,2667
4 0,0595 0,2381 0,2881
5 0,0102 0,0510 0,1045
6 0,0007 0,0044 0,0129
S U M A 1 1,8 1,26
2
( ) ( ) x P x
La Distribucin Binomial se aplica para poblaciones INFINITAS
(muy grandes) o para muestreos con reposicin (no cambia el valor
de p).

En la prctica se acepta cuando el tamao de la poblacin es por lo
menos 10 veces ms grande que el tamao de la muestra.

Si la poblacin es FINITA y el muestreo es sin reposicin, la
distribucin del nmero de unidades defectuosas ser
Hipergeomtrica.
Hipergeomtrica (n, D, M) tiene tres parmetros:
M tamao del lote
D nmero de unidades defectuosas en el lote
n tamao de la muestra



M=200
D=20
n=30
Distribucin Hipergeomtrica
Hipergeomtrica vs Binomial
n=60, D=10, M=100
0
0.05
0.1
0.15
0.2
0.25
0.3
0 1 2 3 4 5 6 7 8 9 10
Hipergeomtrica Binomial
Hipergeomtrica vs Binomial
n=30, D=100, M=1000
0
0.05
0.1
0.15
0.2
0.25
0.3
0 1 2 3 4 5 6 7 8 9 10
Hipergeomtrica Binomial
M=1000
D=100
n=30
M=100
D=10
n=60
Distribucin Binomial vs. Hipergeomtrica
DISTRIBUCIN DE POISSON
CARACTERSTICAS:
El experimento consiste en contar el nmero de
sucesos en un campo o intervalo continuo (tiempo,
espacio, volumen).
La probabilidad de que el evento ocurra en la unidad
de la variable continua es constante en todo el
campo de observacin
El nmero de ocurrencias en cualquier intervalo es
independiente del nmero de ocurrencias en otros
intervalos.
El lmite inferior del nmero de sucesos es 0 y el
lmite superior al menos tericamente es infinito
El nico parmetro es la media o valor esperado
del nmero de sucesos en cada intervalo continuo.
POISSON
( )
! !
x x
e
P x
x x e

= =
1
( 0) P x e
e

= = =
=
2
o =
o =
EJEMPLO
En una veterinaria tienen una media de 3
llamadas diarias de urgencia entre la 1:00 y
6:00 AM.
En la ltima jornada en ese horario
recibieron 6 llamadas y se quiere saber cual
es la probabilidad de recibir este nmero de
llamadas
Tambin al dueo le interesa saber cual es
la probabilidad de recibir alguna (al menos
1) llamada.
Parametro =3
Probabilidad de recibir 6 llamadas. x=6

6
3
3
( 6) 0.05
6!
P x
e
= = =
( )
! !
x x
e
P x
x x e

= =
Parametro =3
Probabilidad de recibir 6 llamadas. x=6

6
3
3
( 6) 0.05
6!
P x
e
= = =
( )
! !
x x
e
P x
x x e

= =
Probabilidad de recibir alguna llamada (al menos 1)
0
3 3
3 1
( 1) 1 ( 0) 1 1 0, 95
0! 2, 72
P x P x
e
> = = = = =
Aproximacin a la Binomial con Poisson
Esta distribucin es una buena aproximacin para la
binomial con media =np, cuando n es grande, p
pequea y nps7.
Las distribuciones binomiales para probabilidades de
xito menores a 0.05 podran calcularse pero tomaran
demasiado tiempo cuando n es grande (100 o ms). La
forma lmite de la distribucin binomial cuando la
probabilidad de xito es muy pequea y n es grande se
aproxima a la distribucin de POISSON.
Simeon Poisson la dio a conocer en 1837. Se le
denomina LEY DE EVENTOS IMPROBABLES. Es
una distribucin discreta porque tambin se trata de
contar algo.
Estimamos que la prevalencia de tuberculosis en
las vacas lecheras de una regin dada es del 1%
(0,01 si lo expresamos en la unidad). Si tomamos
una muestra aleatoria en esa regin de 100 vacas
cual es la probabilidad de que:

La muestra tenga una vaca positiva a tuberculosis
La muestra tenga menos de 2 vacas positivas.
La muestra tenga alguna vaca positiva.
La muestra tenga exactamente 5 vacas positivas.

( )
! !
x x
e
P x
x x e

= =
La muestra tenga una vaca positiva a tuberculosis
n=100 p=0,01 = np = 100(0,01) = 1
100 1 99 1 99
1
( 1) 100(0, 01) (0, 99) 0, 3697 P x C p q = = = =
1
1
1
( 1) 0, 3679
1!
P x
e
= = =
( )
! !
x x
e
P x
x x e

= =
La muestra tenga exactamente 5 vacas positivas
n=100 p=0,01
100 5 95 5 95
5
( 5) 75287520(0, 01) (0, 99) 0, 0029 P x C p q = = = =
5
1
1
( 5) 0, 0031
5!
P x
e
= = =
La experiencia demuestra que el 30% de los perros
que sufren una enfermedad "Z" se recuperan
espontneamente. Un veterinario desarroll un
tratamiento contra esta enfermedad el cual se lo
aplic a 10 perros enfermos y 9 lograron
recuperarse.
Suponiendo que el tratamiento sea totalmente
ineficaz:
.Cul es la probabilidad de que 9 perros se recuperen?
.Cul es la probabilidad de que al menos 9 se recuperen?
.Cul es la probabilidad de que alguno se recupere?
.Cul es la media y varianza de esta distribucin?