Tema 3: Probabilidad

Bioestadstica

SUCESOS DETERMINISTAS Y ALEATORIOS Cuando realizamos un experimento, diremos que es:

Determinista: dadas unas condiciones iniciales, el resultado es siempre el mismo.

Aleatorio: dadas unas condiciones iniciales, conocemos el conjunto de resultados posibles, pero NO el resultado final.

CONCEPCIN CLSICA DE LA PROBABILIDAD

Un experimento que est sujeto al azar con n posibles resultados equiprobables y mutuamente excluyentes y nA es la cantidad de sucesos que presentan la caracterstica A entonces la probabilidad de que suceda A es:

P(A) = nA/n

Ejemplos:

Con una baraja espaola, al sacar una carta cul es la probabilidad de sacar un nmero menor o igual que 3? 12/40=3/10 Al lanzar un dado perfectamente equilibrado, cul es la probabilidad de sacar un nmero impar? 3/6=1/2

Qu hacemos si los sucesos no son equiprobables?

CONCEPCIN FRECUENTISTA DE LA PROBABILIDAD

La probabilidad de un suceso es la frecuencia relativa de veces que ocurrira el suceso al realizar un experimento repetidas veces.
CLASIFICACION OMS Frecuencia NORMAL 469 OSTEOPENIA 467 OSTEOPOROSIS 64 Total 1000 Porcentaje 46,9% 46,7% 6,4% 100,0
NORMAL OSTEOPENIA OSTEOPOROSIS 0 10 20 30 40 50

CLASIFICACION OMS

Vlidos

P(Normal)=0,469 P(Osteopenia)=0,467 P(Osteoporosis)=0,064

Porcentaje

Y si el experimento no puede repetirse demasiadas veces?

Control de calidad (tipo destructivo) Eventos poco frecuentes (asegurar unos juegos almpicos)

CONCEPCIN SUBJETIVA DE LA PROBABILIDAD

Subjetiva: Grado de certeza que se posee sobre un suceso. Es personal y se puede formular, por ejemplo, en trminos de apuestas:

Ejemplo: Dos individuos apuestan 5 euros por el equipo A y 12 euros por el equipo B, respectivamente, entonces

La probabilidad de que gane A es 5/(5+12) La probabilidad de que gane B es 12/(5+12)

En todas las definiciones nos referimos a sucesos. Recordemos qu son y qu las operaciones tpicas.

Sucesos

E espacio muestral

Suceso es cada posibles resultados de un experimento aleatorio El conjunto de todos los resultados posibles es el espacio muestral (E) Se llama suceso a un subconjunto del espacio muestral Dado un suceso A, el suceso contrario (complementario), A ( AC), es el formado por los elementos que no estn en A Se llama suceso unin de A y B, AUB, al formado por los resultados experimentales que estn en A o en B (incluyendo los que estn en ambos. Se llama suceso interseccin de A y B, AB (o simplemente AB), al formado por los elementos que estn en A y B

E espacio muestral

A
A

E espacio muestral

E espacio muestral UNIN A B

E espacio muestral INTERS. A B

A
B

Ejemplo 1: En el experimento aleatorio lanzar un dado el espacio muestral es {1,2,3,4,5,6}

Algunos eventos: Sacar un nmero impar: A={1,3,5} Sacar un nmero primo: B={1,2,3,5} Sacar un nmero que no sea impar: A={2,4,6}

Sacar un nmero primo no impar: B A={2}

Ejemplo 2: En el experimento aleatorio lanzar una moneda y un dado el espacio muestral es {{1,C}, {1,X}, {2,C}, {2,X}, {3,C}, {3,X}, {4,C}, {4,X}, {5,C}, {5,X}, {6,C}, {6,X}} Algunos eventos: Sacar cruz y un nmero par: A={{2,X}, {4,X}, {6,X}} Sacar cara B={{1,C}, {2,C}, {3,C}, {4,C}, {5,C}, {6,C}} Sacar un nmero par
D={{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X}}

Sacar cara o un nmero par

B U C= {{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X}, {1,C}, {3,C}, {5,C}}

Sacar cara y un nmero par

B C= {{2,C}, {4,C}, {6,C}}

Definicin axiomtica de probabilidad

Se llama probabilidad a cualquier funcin P que asigna a cada suceso A un valor numrico P(A) y que verifica las siguientes reglas (axiomas) E espacio muestral

P(E)=1 (E es el evento seguro)

0P(A) 1 P(AUB)=P(A)+P(B) si AB= es el conjunto vaco.

100%

E espacio muestral A B

Podis imaginar la probabilidad de un subconjunto como el tamao relativo con respecto al total (suceso seguro)

Probabilidad condicionada

Se llama probabilidad de A condicionada a B, o probabilidad de A suponiendo que ha sucedido B:

E espacio muestral

P( A B) P( A | B) P( B)

A B

Error frecuentiiiiiisimo:

Concepcin clsica: casos posibles? casos favorables?

No confundis probabilidad condicionada con interseccin. En ambos medimos efectivamente la interseccin, pero

En P(AB) con respecto a P(E)=1 En P(A|B) con respecto a P(B)

Intuir la probabilidad condicionada

A A

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,10

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,08

Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1

P(A|B)=0,8

Intuir la probabilidad condicionada

A A

B B

P(A) = 0,25 P(B) = 0,10 P(AB) = 0,005

P(A) = 0,25 P(B) = 0,10 P(AB) = 0

Probabilidad de A sabiendo que ha pasado B?

P(A|B)=0,05

P(A|B)=0

Los problema de probabilidad pueden resolverse a partir de los axiomas, pero es ms cmodo si usas algunas reglas de clculo:

P(A) = 1 - P(A) P(E)=1, P()=0

P(AUB) = P(A) + P(B) - P(A B)

(Generaliza esta expresin para 3 o ms (n) eventos. Utiliza una notacin adecuada)

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

(Esta es la regla de la multiplicacin. Generaliza esta expresin para 4 o ms (n) eventos Utiliza una notacin adecuada)

Ejemplo: considerar el siguiente sistema de filtros junto con la probabilidad de que cada el filtro funcione correctamente. Calcular la probabilidad de que el sistema filtre correctamente:
P(A)=0,9

P(B)=0,8

P(C)=0,7

P(A U (BC)) = P(A)+P(BC)-P(ABC)=P(A)+P(B)P(C)-P(A)P(B)P(C) = 0,9 + 0,8 x 0,7 - 0,9 x 0,8 x 0,7 = 0,956

Ejemplo:

Tenemos en un cajn dos tipos de analgsicos: 20 de tipo A y 10 de tipo B. Si cogemos tres analgsicos al azar cul es la probabilidad de los tres sean de tipo A?
Llamamos Ai = el i-simo analgsico extrado es de tipo A. P(A1A2A3)= P(A1)P(A2|A1)P(A3|A1A2) = (20/30)(19/29)(18/28)=0,28079

Independencia de sucesos

Dos sucesos son independientes si el que ocurra uno no aade informacin sobre el otro.

A es independiente de B
P(A|B) = P(A) P(A B) = P(A) P(B)

Recuento

Ejemplo (I)
CLASIFICACION OMS Total NORMAL OSTEOPENIA OSTEOPOROSIS

MENOPAUSIA NO SI 189 280 108 359 6 58 303 697

Total 469 467 64 1000

Se ha repetido en 1000 ocasiones el experimento de elegir a una mujer de una poblacin muy grande. El resultado est en la tabla.
Cul

es la probabilidad de que una mujer tenga osteoporosis?

P(Osteoporosis)=64/1000=0,064=6,4%

Coincide con la nocin frecuentista de probabilidad

P(osteoporosis)=P(osteoporosis y menopausia)+P(osteoporosis y No menopausia)

Es la probabilidad marginal (de la ostporosis. respecto de la menopausia) probabilidad total.

Recuento

Ejemplo (II)
CLASIFICACION OMS Total NORMAL OSTEOPENIA OSTEOPOROSIS

MENOPAUSIA NO SI 189 280 108 359 6 58 303 697

Total 469 467 64 1000

Probabilidad de tener osteopenia u osteoporosis? P(OsteopeniaUOsteoporosis)=467/1000+64/1000=0,531

Son sucesos disjuntos Osteopenia Osteoporosis=

Probabilidad de tener osteoporosis o menopausia? P(OsteoporosisUMenopausia)=64/1000+697/1000-58/1000=0,703

No son sucesos disjuntos

Probabilidad de una mujer sin osteoporosis o menopausia? P(Normal)=469/1000=0,469 P(Normal)=1-P(Normal)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469

Recuento

Ejemplo (III)
CLASIFICACION OMS Total NORMAL OSTEOPENIA OSTEOPOROSIS

MENOPAUSIA NO SI 189 280 108 359 6 58 303 697

Total 469 467 64 1000

Si es menopusica probabilidad de osteoporosis?

P(Osteoporosis|Menopausia)=58/697=0,098

Probabilidad de menopausia y osteoporosis?

P(Menop Osteoporosis) = 58/1000=0,058

Otra forma:

P ( Menop Osteoporosis) P ( Menop) P (Osteoporosis | Menop) 697 58 58 / 1000 0,058 1000 697

Recuento

Ejemplo (IV)
CLASIFICACION OMS Total NORMAL OSTEOPENIA OSTEOPOROSIS

MENOPAUSIA NO SI 189 280 108 359 6 58 303 697

Total 469 467 64 1000

Son independientes menopausia y osteoporosis?

Una forma de hacerlo

P(Osteoporosis)=64/1000=0,064 P(Osteoporosis|Menopausia)=58/697=0,098

La probabilidad de tener osteoporosis es mayor si ha pasado la menopausia. Aade informacin extra. No son independientes!

Otra forma?

P(Menop Osteoporosis) = 58/1000 = 0,058 P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045

La probabilidad de la interseccin no es el producto de probabilidades. No son independientes.

Particin disjunta del espacio muestral

Es una coleccin de sucesos A1

A2

A1, A2, A3, A4 tal que la unin de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas.

Recordis cmo formar intervalos en tablas de frecuencias? A1

A3 A4 Suceso seguro A2 A3 A4

Divide y vencers
A1

A2

Todo suceso B, puede ser descompuesto en sus componentes respecto de la particin disjunta B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

B A1 A3 A4 B B B

Suceso seguro

A2
A3 A4

Descomponemos el problema B en subproblemas ms simples.

Teorema de la probabilidad total

A1
A2 Si conocemos la probabilidad de B en cada una de las componentes de una particin disjunta del espacio muestral, entonces podemos calcular la probabilidad de B. B P(B|A1) P(A1) Suceso seguro P(A2) P(A3) P(A4) P(B) = P(BA1) + P(BA2) + P(BA3) + P( BA4) = P(A1)P(B|A1) + P(A2)P(B|A2)+ P(A3) P(B|A3) + P(A4) P(B|A4) A1 P(B|A2) A2 A3 A4 A3 A4 B B B B

P(B|A3)
P(B|A4)

Ejemplo (I): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los hombres, son fumadores el 20%. Prob. Total. Hombres y mujeres forman una particin disjunta
Fuman
Mujer Hombre Mujer 0,7 0,1 0,9 No fuma Fuma

Qu porcentaje de fumadores hay?

P(F) = P(MF) + P(HF)

= P(M)P(F|M) + P(H)P(F|H) =0,7 x 0,1 + 0,3 x 0,2

Estudiante 0,3 Hombre 0,2 Fuma

= 0,13 =13%

0,8
Los caminos a travs de nodos representan intersecciones. Las bifurcaciones representan uniones disjuntas. No fuma

Teorema de Bayes
A1

A2

Si conocemos la probabilidad de B en cada una de las componentes de una particin disjunta del espacio muestral, entonces si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.

P(Ai |B)
A3 A4

P(B

Ai )

P(B)

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

P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 )

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

Ejemplo (II): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los varones, son fumadores el 20%.
Fuman
Mujer Hombre

0,1 0,9

Fuma

Se elije a un individuo al azar y es fumador Mujer Probabilidad de que sea un hombre? 0,7
P( H F ) P( H ) P( F | H ) P( F ) P( F ) P( H ) P( F | H ) P( H ) P( F | H ) P( M ) P( F | M ) 0,3 0, 2 0,3 0, 2 0, 46 0,3 0, 2 0,7 0,1 0,13 P( H | F )

No fuma Estudiante 0,3 Hombre 0,8 No fuma

0,2

Fuma

Qu hemos visto?

lgebra de sucesos

Unin, interseccin, complemento Definiciones

Probabilidad
Clsica Frecuentista Subjetiva Axiomtica.

Probabilidad condicionada Reglas de clculo

Complementario, Unin, Interseccin

Independencia de sucesos Particiones disjuntas del espacio muestral

Teorema probabilidad total. Teorema de Bayes

http://www.bioestadistica.uma.es/baron/ap untes/ficheros/estad_uma_04.ppt http://halweb.uc3m.es/esp/Personal/perso nas/icascos/esp/presentacion_probabilida d.pdf

Demanda (25,26,27,25) Cajas

FALSO 0 INVENTARIO TENDERO Decision 51 Demanda de 25 Cajas VERDADERO 0 Chance 51 Chance 50

100,0% $ 50,00

0,0% 50

PEDIDO 25 CAJAS

10,0% 42

10,0% 42

PEDIDO DE 26 CAJAS

Demanda > 25 Cajas

90,0% 52

90,0% 52

Demanda de 25 Cajas
FALSO 0 Chance 49 Demanda de 26 Cajas

10,0% 34

0,0% 34

PEDIDO DE 27 CAJAS

30,0% 44

0,0% 44 0,0% 54

Demanda > 26 Cajas

60,0% 54

Demanda de 25 Cajas
FALSO 0 Chance 42 Demanda de 26 Cajas

10,0% 26

0,0% 26

PEDIDO DE 28 CAJAS

30,0% 36

0,0% 36 0,0% 46 0,0% 56

Demanda de 27 Cajas

50,0% 46

Demanda de 28 Cajas

10,0% 56

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

28

400

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

29