Académique Documents
Professionnel Documents
Culture Documents
Probabilidad
Blaise Pascal y Pierre de Fermat, S. XVII
Nociones de probabilidad
Sucesos
E espacio muestral
E espacio muestral
E espacio muestral
UNIN
A
B
E espacio muestral
A
A
E espacio muestral
INTERSEC.
A
B
Sucesos o eventos
Experimento (proceso por medio del cual se obtiene una
medicin): Lanzamiento de un dado y observar el
resultado de la cara superior
E: Observar todos los nmeros posibles del
lanzamiento de un dado
Sucesos simples: E1 =1 , E2 =2 ..... E6 = 6
1.
2.
3.
P (Ei ) = 1/6
P (E1 ) + P(E2 ) + ..... + P( En )= 1
P (E1 O E2 ) = P (E1 =1) + P(E2 =2)
1/6
+
1/6 = 2/6
0P(A) 1
P(E)=1
P(AUC)=P(A)+P(C) si AC=
es el conjunto vaco.
P( AB )
P( A | B)
P( B)
2/6
4/6
P( A | B) 0.5
P( A | B)
P(A) = 1 - P(A)
Prob. de que pasen A y B es la prob. de A y que tambin pase B sabiendo que pas A.
760/1000=0,76=76%
P(Hombre)=P(Mujer)=1-0,76=0,24
Se sabe de otros estudios que entre los individuos con osteoporosis, aprox.
la cuarta parte de las mujeres fuman y la tercera parte de los hombres.
Elegimos a un individuo al azar de la poblacin de enfermos.
Qu probabilidad hay de que sea mujer fumadora?
A2
A4
Divide y vencers
A2
A1
B
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )
A3
A4
A1
A3
A4
Teorema de Bayes
A2
A1
A3
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces
A4
P(B Ai)
P(Ai | B)
P(B)
13
Ejemplo: En este aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los varones, son fumadores el 20%.
A1=
Mujeres
F+
MF+
A2 =
Hombre
s
H F+
P( H / F
P( H F )
)
P( F )
P( H ).P( F / H )
P( H / F )
P( M ).P( F / M ) P( H ).P( F / H )
0,1
0,7
Mujer
Fuma
0,9
No fuma
Estudiante
0,2
0,3
P(H | F) = 0,3x0,2/P(F)
Los caminos a travs de nodos
representan intersecciones.
Fuma
Hombre
No fuma
Incidencia,
Prevalencia,
Por otra parte, para confirmar, usamos una prueba diagnstica. La misma ha
sido evaluada con anterioridad sobre dos grupos de individuos: sanos y
enfermos. As de modo frecuentista se ha estimado:
16
Pruebas diagnsticas
17
T+
ET+ E T+
Si conocemos la probabilidad de T+ en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces
podemos calcular la probabilidad:
P( E / T
P( E T )
)
P (T )
P( E ).P(T / E )
P( E / T )
P( E ).P(T / E ) P( E).P(T / E)
18
T-
ET- E T-
Si conocemos la probabilidad de T- en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces
podemos calcular la probabilidad:
P ( E/T
P ( ET )
)
P (T )
P( E).P(T / E ' )
P( E/T )
P( E).P(T / E) P( E ).P(T / E )
19
T+
P. a priori de enfermedad:
incid., preval., intuicin, Enfermo
Falsos -
T-
Individuo
Falsos +
Sano
T+
Especificidad,
Verdaderos -
T-
20
0,3
0,2
T+
Enfermo
0,7
Individuo
0,01
0,8
TT+
0,99
T-
P( Enf T ) P( Sano T )
0,2 0,3
0,88
0,2 0,3 0,8 0,01
P( Sano | T )
Sano
P( Enf T )
P( Sano T )
P( Sano T ) P( Enf T )
0,8 0,99
0,85
0,8 0,99 0,2 0,7
21
Observaciones
- Presenta glucosuria. La
probabilidad ahora es del
88%.
22
Qu hemos visto?
lgebra de sucesos
Probabilidad
Nociones
Frecuentista
Subjetiva o Bayesiana
Axiomas
Probabilidad condicionada
Reglas de clculo
Independencia de sucesos
Sistema exhaustivo y excluyente de sucesos
Pruebas diagnsticas
A priori: Incidencia, prevalencia.
Eficacia de la prueba: Sensibilidad, especificidad.
A posteriori: ndices predictivos.
24
Pruebas diagnstica
0,1
P( Enf | T )
0,933
Prevalencia
p= 0,1
T+
Enfermo
T-
0,067
Individuo
0,023
0,9
T+
1- Prevalencia
q = 1- p
0,977
T-
Especificidad
P( Enf T ) P( Sano T )
0,1 0,933
0,88
0,1 0,933 0,9 0,023
P( Sano | T )
Sano
P( Enf T )
P( Sano T )
P( Sano T ) P( Enf T )
0,1 0,933
0,82
0,1 0,933 0,9 0,023
25