UCEL - Facultad de Qumica - LN BIOESTADISTICA

BIOESTADSTICA
Unidad 1: Probabilidad y medidas de riesgo

NOCIONES DE PROBABILIDAD
Es una medida de lo aleatorio. Slo se habla de probabilidad en fenmenos o experimentos
aleatorios.

Determinsticos: las condiciones

determinan el resultado.

Experimento (condiciones controladas) Aleatorio: a pesar de realizarse

o fenmenos (investigador observador) repetidamente en condiciones
uniformes presenta variaciones de
repeticin en repeticin, no pudiendo
predecirse el resultado de una
repeticin en particular. Presentan
regularidad estadstica.

Regularidad estadstica: Estabilidad a la larga de las frecuencias relativas de resultados.

Ahora bien, una vez definido el experimento aleatorio (este puede ser arrojar una moneda,
tirar un par de dados, elegir al azar un sujeto y preguntarle si fuma) se define el espacio
muestral. El espacio muestral es el conjunto de resultados posibles de un experimento
aleatorio.
Por ejemplo, si el experimento aleatorio consiste en arrojar tres veces una moneda,
entonces los resultados que conforman el espacio muestral se pueden obtener en forma
simple y ordenada usando el diagrama del rbol o rbol de probabilidad, como se muestra a
continuacin:
Primera Segunda Tercera
tirada tirada tirada
C
C
X
C
C Espacio muestral:
X
X {CCC, CCX, CXC, CXX, XCC, XCX, XXC, XXX}
C
C
X
X
C
X
X

Hay ocho resultados posibles en este espacio muestral. Cada uno de estos resultados, es
decir, cada elemento del espacio muestral se denomina punto muestra. La definicin de qu

Prof. OLMOS- Prof. SAN MARTIN Pgina 1 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

es un resultado individual es fundamental para representar el espacio muestral en forma

correcta.

Ejemplo: En un estudio realizado sobre un grupo de alumnos se desea

conocer para cada alumno el sexo y si fuma o no. Liste el espacio muestral.
{Mujer-Fuma, Mujer-No fuma, Varn-Fuma, Varn-No fuma}
O de forma ms resumir podramos notar: {M-F, M-NF, V-F, V-NF}

Un subconjunto del espacio muestral se llama evento o suceso, y se lo denota con las letras
maysculas del comienzo del alfabeto (A, B, C, etc.). Si al realizar el experimento el punto
muestra resultante es un elemento del suceso A, entonces se dice que A ocurri; si no lo es,
.
ocurri el suceso contrario a A, que se simboliza
Un suceso se llamar imposible si nunca puede ocurrir al realizar el experimento, ya que no
contiene ningn elemento del espacio muestral. Se simboliza . Un suceso ser seguro o
cierto si contiene todos los puntos del espacio muestral, es decir: ocurre siembre. Se
simbolizar S.
DEFINICIONES DE PROBABILIDAD
1. Clsica o a priori
2. Frecuencial o a posteriori
3. Axiomtica
4. Subjetiva
Definicin clsica o a priori de probabilidad
Surge por el 1700, aplicada principalmente a los juegos de azar. La probabilidad de que al
realizar un experimento ocurra un determinado suceso es igual al cociente entre el nmero
de resultados favorables al suceso y el nmero total de resultados posibles, siendo estos
igualmente probables.
La principal ventaja de esta definicin recae en que no es necesaria la experimentacin para
calcular la probabilidad de un evento. La desventaja principal recae en que slo se puede
aplicar en espacios discretos y a sucesos equiprobables.
Definicin axiomtica de probabilidad
Surge alrededor de 1930 con Kolmogorov, un estudioso que defini la probabilidad a travs
de un conjunto de axiomas y propiedades. Sea un suceso aleatorio con cierto espacio
muestral donde se definen los sucesos A, B, C, etc. Para el suceso A (al igual que para el resto)
se define un nmero real llamado probabilidad del suceso A que cumple con los siguientes
axiomas:
o P(A) 0.
o Si los sucesos A, B, C, son todos mutuamente excluyentes, entonces la probabilidad
de que ocurra cualquiera de esos sucesos es igual a la suma de las probabilidades
individuales de cada suceso.
o La probabilidad de que ocurra el suceso cierto o seguro es igual a 1.
Definicin subjetiva de probabilidad
Es la evaluacin racional del grado de creencia que la persona que la emite tiene acerca de
la realizacin de un suceso.

Prof. OLMOS- Prof. SAN MARTIN Pgina 2 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

Definicin frecuencial o a posteriori de probabilidad

En este caso, la probabilidad se define en trminos empricos como la frecuencia relativa de
un suceso determinado, cuando el nmero de repeticiones del experimento es grande. Para
determinar la probabilidad frecuencial, se repite el experimento aleatorio un nmero
determinado de veces, se registran los datos y se divide el nmero de veces que se obtiene
el resultado que nos interesa, entre el nmero de veces que se realiz el experimento. La
probabilidad frecuencial se obtiene a travs de las frecuencias relativas.

CLCULOS DE PROBABILIDAD
El concepto que se va a usar a lo largo del presente curso es el de probabilidad frecuencial.
Supongamos la realizacin de un experimento que consiste en seleccionar un alumno al azar
y observar su sexo y si fuma o no. Vamos a notar:
F: El alumno fuma.

F: El alumno no fuma.
M: El alumno es mujer.
V: El alumno es varn.
El espacio muestral y los puntos muestra quedan definidos entonces como: {FM, FV, FM,
FV}. La tabla de contingencia (tabla de distribucin de frecuencias de dos variables de forma
simultnea) queda definida entonces como:
Sexo
Fuma M V Total
F 30 10 40
F 160 80 240
Total 190 90 280
Interpretaciones:
o En total hay 280 alumnos en estudio
o 30 de los alumnos son mujeres y fuman
o 90 alumnos son varones
o Hay 240 alumnos que no fuman
A partir de esta tabla de contingencia puede construirse la tabla de probabilidades conjuntas,
dividiendo cada valor de la tabla por el total (280 alumnos):
Sexo
Fuma M V Total
F 0,107 0,036 0,143 10
F 0,571 0,286 0,857 P(FV) =
280
= 0,036

Total 0,679 0,321 1,000

190
P(M) = = 0,679
280

As, podemos interpretar:

o El 10,7% (0,107100) de los alumnos en estudio son mujeres y fuman
o El 32,1% de los alumnos son varones
o El porcentaje de alumnos que no fuman se alza al 85,7% de los alumnos bajo estudio

Prof. OLMOS- Prof. SAN MARTIN Pgina 3 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

Cabe destacar que si tomamos una columna (por ejemplo, la correspondiente a las mujeres),
la suma de las probabilidades de las dos filas fuma/no fuma es igual a la probabilidad que
figura en la lnea Total. Puesto en otras palabras, la probabilidad de que un estudiante sea
fumador y mujer o de que sea mujer y no fumador es igual a la probabilidad de que sea
mujer.
Sexo
Fuma M V Total
F + 0,107 0,036 0,143
F 0,571 0,286 0,857
=
Total 0,679 0,321 1,000

Esto es as dado que, como ser fumador y no ser fumador son eventos disjuntos (no pueden
ocurrir a la vez) y exhaustivos (cada persona es fumadora o no fumadora, no hay otras
opciones), la probabilidad de que ocurra una opcin o la otra es igual a la probabilidad total,
que en este caso corresponde a la probabilidad de que el alumno sea mujer. Esta
probabilidad total de una fila o de una columna se llama probabilidad marginal. Pueden
observarse dos distribuciones marginales en este ejemplo: la correspondiente a la
caracterstica fuma/no fuma y la del sexo del alumno:
Sexo
Fuma M V Total
F 0,107 0,036 0,143
F 0,571 0,286 0,857
Total 0,679 0,321 1,000

Hay situaciones en que se conoce informacin de antemano, que al momento de calcular

probabilidades puede resultar muy til. En estos casos, la probabilidad condicional de que
ocurra un suceso, sabiendo que otro ya ha ocurrido aprovecha mejor la informacin. Por
ejemplo, si se sabe que se seleccion un alumno varn, y se desea estimar la probabilidad
de que ste fume podra procederse del siguiente modo:
Sexo Sexo
Fuma M V Total Fuma M V Total
F 30 10 40 F 0,107 0,036 0,143
F 160 80 240 F 0,571 0,286 0,857
Total 190 90 280 Total 0,679 0,321 1,000

10 0,036
P(F/V) = = 0,111 P(F/V) = = 0,111
90 0,321

Recordando que la probabilidad de que un alumno fume y sea varn es igual al 3,6%, claro
est que saber que el alumno seleccionado es varn incrementa la probabilidad de que este
fume y sea varn (11,1%), dado que en ese caso la probabilidad que se est calculando es la
de que el alumno fume conociendo de antemano que es varn. Esto se traduce en un mejor
aprovechamiento de la informacin.
Siguiendo con el caso prctico, podemos calcular algunas probabilidades a modo de
ejemplo:
P(FM) 30
o La probabilidad de que un alumno fume siendo mujer: P(F/M) = P(M)
= 190

Prof. OLMOS- Prof. SAN MARTIN Pgina 4 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

P(FM) 30
o La probabilidad de que un alumno que fuma sea mujer: P(M/F) = =
P(F) 40

Propiedades a tener en cuenta: Sea un suceso A cualquiera definido sobre un espacio

muestral, entonces
o La probabilidad es siempre una medida mayor o igual que cero y menor o igual que
uno: 0 () 1
o La probabilidad del suceso opuesto al evento A es igual a 1 menos la probabilidad
de que ocurra el suceso A. Por ejemplo:
40 240
P(F) = 1 - P(F) = 1 280 = 280

o La probabilidad de un suceso imposible es siempre igual a 0.

o Si los resultados de un suceso B se encuentran todos contenidos dentro de los
resultados posibles de un suceso A, entonces la P(B) P(A). Por ejemplo, si A: que
el individuo seleccionado sea mujer y B: que el individuo seleccionado sea mujer
190 30
y fume, entonces P(A) = 280 y P(B) = 280. Claramente se cumple que P(B) P(A),
30 190
dado que 280 280 .

o Propiedad de la suma: la probabilidad de que ocurra o bien el suceso A o bien el

suceso B (lo notamos como , se lee A unin B) es igual a:
P(A B) = P(A) + P(B) P(AB)
donde representa la interseccin entre los conjuntos A y B, e indica la
posibilidad de que ocurran simultneamente ambos eventos.
En el ejemplo, la probabilidad de que un individuo sea mujer o fume viene dado por:
P(M F) = P(M) + P(F) P(MF)
Dado que la P(M) incluye tanto a P(MF) como a P(MF), y la P(F) incluye tanto a
P(FM) y a P(FV), claro est que se est considerando dos veces la P(MF) si sumamos
las probabilidades individuales. Es por este motivo que se resta la probabilidad de
que ocurran ambos sucesos simultneamente (interseccin). Siguiendo con el
ejemplo:
190 40 30 200
P(M F) = + = = 0,714
280 280 280 280
La probabilidad de que al seleccionar un sujeto al azar este sea una mujer o fume es
de 0,714 (o del 71,4%).
Caso particular: cuando A y B son sucesos mutuamente excluyentes, entonces
es un evento imposible, ya que no pueden ocurrir a la vez A y B. Por lo tanto, en esas
situaciones, la probabilidad de la unin se resume a ( ) = () + ().
o Si dos sucesos son mutuamente excluyentes (por ejemplo, fumar y no fumar)
entonces la probabilidad de que ocurra uno u otro es igual a la suma de las
probabilidades individuales. Pueden diferenciarse dos casos:
o Probabilidad marginal de una nica variable: fumar o no fumar.

Prof. OLMOS- Prof. SAN MARTIN Pgina 5 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

40 240
P(F F) = P(F)+P(F) = +
280 280

o Probabilidad condicional de una variable dado otra: fumar o no fumar dado

que el individuo es mujer
30 160
P(F F/M) = P(F/M)+P(F/M) = 190 + 190

Consideremos la siguiente situacin: P(A/B) = 0,3 y P(A) = 0,3. Qu nos dice esto sobre
los eventos A y B? Supongamos que los eventos son fumar o no fumar y sexo. Podra
ocurrir que P(F/M) = 0,15 y que a su vez P(F) = 0,15. En estos casos, saber el sexo del sujeto
(suceso B) no cambia la probabilidad de encontrar un sujeto fumador (suceso A), es decir
P(A/B) = P(A). Cuando esto sucede, se dice que los dos eventos son independientes (esto
vale tanto para P(A/B) = P(A/B) = P(A) as como tambin vale para P(B/A) = P(B/A ) =
P(B)).

Si dos eventos son independientes, la regla de la multiplicacin dice que la probabilidad de

que ambos eventos ocurran juntos es el producto de las probabilidades individuales:
Si A y B son eventos independientes P(A B) = P(A) P(B)

Ejercicio
En un trabajo organizado por una ctedra de pediatra sobre lactancia materna se
encuestaron 144 madres en consultorios de hospitales pblicos. Como parte de ese trabajo
se estudi la relacin entre el nivel de instruccin de la madre (3 categoras) y el tiempo de
lactancia exclusiva del nio motivo de la consulta, clasificado en menor a 6 meses y mayor
o igual a 6 meses (tiempo recomendado).
Considere el experimento aleatorio consistente en elegir al azar una de las madres
encuestadas y determinar:
o si amamant o no a su hijo el tiempo recomendado;
o su nivel de instruccin, categorizado en primario, secundario y mayor nivel.
a) Explicite el espacio muestral.
b) Defina por extensin los siguientes sucesos:
A: que el tiempo de amamantamiento sea el recomendado
B: que la madre no tenga el secundario completo
AB
AB
c) Defina un suceso C tal que A y C sean mutuamente excluyentes.
d) Defina un suceso D tal que D B sea un suceso seguro.
Se obtuvieron los siguientes resultados al clasificar a las madres segn el tiempo de
lactancia exclusivo de su hijo y nivel de instruccin:

Nivel de instruccin Tiempo de lactancia exclusiva

Menor al Total
Recomendado
recomendado
Primario 5 12 17
Primario 38 49 87
Mayor nivel 14 26 40
Total 57 87 144

Prof. OLMOS- Prof. SAN MARTIN Pgina 6 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

e) Estimar la probabilidad de que al elegir al azar una mujer de la poblacin de la cual

proviene la muestra:
o Tenga nivel de instruccin primario
o El tiempo de lactancia exclusiva sea el recomendado
o Tenga nivel de instruccin mayor y el tiempo de lactancia exclusiva sea
menor al recomendado
o El tiempo de lactancia exclusiva sea menor al recomendado o tenga nivel de
instruccin mayor
o Teniendo nivel de instruccin primario, el tiempo de lactancia exclusiva sea
el recomendado
f) Cada una de las frecuencias relativas que se indican a continuacin estiman a la
probabilidad de un suceso. Explicite en trminos del problema de qu suceso se
trata.
5 49 57 87+40
a. c. e. g.
144 144 144 144
5 38 38 17+40
b. d. 87
f. h.
17 57 144

Valor Predictivo Positivo (VPP) y Valor Predictivo Negativo (VPN)

Suponga que se tiene informacin sobre la ocurrencia del evento B, no en el espacio
muestral como un todo, sino en varios subgrupos de dicho espacio muestral. En esas
circunstancias, encontrar la P(B) no es siempre tan directo. B puede ocurrir como resultado
de la accin de alguna de m causas posibles (1 , 2 , , ), donde los eventos poseen
dos caractersticas fundamentales: son mutuamente excluyentes (no pueden ocurrir dos o
ms simultneamente) y son exhaustivos (la unin de 1 , 2 , , es el espacio muestral
total, por ello la probabilidad de que ocurra alguno de ellos es igual a 1).
Supongamos que se realiza una vez el experimento y aparece el suceso B, cul es la
probabilidad de que acte Aj?

P(Aj B) P(Aj ) P(B/Aj )

P(Aj /B) = =
P(B) P(B)
Puede expresarse a B como una unin de sucesos mutuamente excluyentes:
B = BA1 BA2 BA3 BAm

Entonces P(B) = P(BA1 ) + P(BA2 ) + P(BA3 ) + + P(BAm ), y como P(BAj ) = P(Aj )

P(B/Aj ) entonces la probabilidad de B puede expresarse como:

P(B) = P(A1 ) P(B/A1 ) + P(A2 ) P(B/A2 ) + + P(Am ) P(B/Am )

Por lo que la probabilidad de que haya actuado Aj ser

( ) (/ )
( /) =
( ) (/ ) + ( ) (/ ) + + ( ) (/ )

Prof. OLMOS- Prof. SAN MARTIN Pgina 7 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

Ejemplo
Hay tres comisiones de Bioestadstica de segundo ao en esta Universidad. El 38% de los
alumnos asiste a la comisin A, el 30% a la B y el resto a la comisin C. El 95% de los
estudiantes de la comisin A entiende lo dado en probabilidad, en la comisin B lo entendi
el 84% y en la C slo lo comprendi el 8% de los estudiantes. Si un alumno elegido al azar
dice entender el tema, cul es la probabilidad de que pertenezca a la comisin A?
E: que el alumno comprenda el tema.
P(A)=0,38 P(E/A) = 0,95
P(B)=0,30 P(E/B) = 0,84
P(C)=0,32 P(E/C) = 0,08

P(A) P(E/A)
P(A/E) =
P(A) P(E/A) + P(B) P(E/B) + P(C) P(E/C)
0,38 0,95
P(A/E) = =
0,38 0,95 + 0,30 0,84 + 0,32 0,08
0,361 0,361
= = = 0,565
0,361 + 0,252 + 0,0256 0,6386
Respuesta: Sabiendo que el alumno elegido al azar comprendi el tema, la probabilidad de
que pertenezca a la comisin A es del 56,5%.

Pruebas de diagnstico
Ejercicio
Supongamos que un test muy confiable ha sido desarrollado para una enfermedad viral
poco frecuente. Cuando la persona est enferma, el test da positivo el 98% de las veces
(sensibilidad del test: probabilidad de que el resultado d positivo cuando la persona est
enferma, dado que la persona est enferma, sabiendo que la persona est enferma). Cuando
la persona no est enferma, el test da negativo el 95% de las veces (especificidad del test:
probabilidad de que el resultado d negativo cuando la persona no est enferma, dado que
la persona est enferma, sabiendo que la persona est enferma).
Se cree que el 1% de la poblacin padece esta enfermedad (prevalencia del test:
probabilidad de la enfermedad en la poblacin de referencia).
a) Si alguien de la poblacin es sometido al test, cul es la probabilidad de que d
positivo?
Sensibilidad = P(+/e) = 0,98
Especificidad = P(/e) = 0,95
Prevalencia = P(e) = 0,01
P(+) = P(+e +e) = P(+e) + P(+e) = P(e) P(+/e) + P(e) P(+/e) =
= 0,01 0,98 + (1 0,01) (1 0,95) = 0,0098 + 0,99 0,05 =
= 0,0098 + 0,0495 = 0,0593

Prof. OLMOS- Prof. SAN MARTIN Pgina 8 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

b) Qu probabilidad tiene una persona cuyo test dio positivo de padecer la

enfermedad (valor predictivo positivo del test)?
P(e +) P(e) P(+/e) 0,0098
P(e/+) = = = = 0,165
P(+) P(+) 0,0593
El valor predictivo positivo del test es muy bajo (slo el 17% de las personas con
test positivo estn realmente enfermos). Esto se debe a que la prevalencia del test
es baja.
c) Calcular el valor predictivo de la prueba positiva si la prevalencia es del 10%.
P(e)=0,10
P(e +) P(e) P(+/e)
VPPT = P(e/+) = =
P(+) P(e) P(+/e) + P(e) P(+/e)
0,10 0,98 0,098 0,098
= = = = 0,69
0,10 0,98 + 0,10 0,05 0,098 + 0,045 0,143
Anlogamente se puede calcular el valor predictivo negativo del test.

Prevalencia e incidencia
En una investigacin epidemiolgica los resultados pueden ser expresados como variables
continuas (ndice de masa corporal o contenido de hierro en sangre) o variables discretas
(cantidad de porciones consumidas de un alimento). En el caso en que los resultados son
presentados como variables categricas dicotmicas (slo dos niveles), las frecuencias
(contrajo o no contrajo la enfermedad, o bien desarroll o no caries) pueden definirse en
forma genrica como el nmero de individuos que presentan algn evento en particular
(numerador, siendo el evento enfermedad, caries) dividido por el nmero de individuos que
se encontraban en riesgo de ocurrencia de ese evento (denominador). Hay dos cantidades
absolutas que permiten medir la frecuencia de un evento: incidencia y prevalencia.
Prevalencia: Frecuencia de casos ya existentes en un perodo determinado. Representa la
proporcin de sujetos que han presentado el evento en cuestin durante el perodo
analizado.
cantidad de personas con la enfermedad
poblacin total
Por ejemplo: Registros del rea de salud de la Municipalidad de Rosario indican que durante
2010 hubo 20 casos de tuberculosis pulmonar en la ciudad de Rosario. Si la poblacin de la
ciudad para ese ao fue de 1.076.635 personas, entonces la prevalencia de tuberculosis
durante 2010 en Rosario fue de
20
= 0,00002
1.076.635
es decir, 2 por 100.000 personas (0,00002*100.000).
Incidencia: Frecuencia de casos nuevos en un perodo determinado. Puede medirse como
una tasa (no vara entre 0 y 1, tiene unidad de medida, en el denominador tiene tiempo en
riesgo) o como una probabilidad (se la llama incidencia acumulada, vara entre 0 y 1, no
tiene unidad de medida ya que numerador y denominador tienen la misma unidad). Si los
eventos se distribuyen uniformemente en un perodo determinado de tiempo, una tasa de
datos agrupados ser un buen estimador de la tasa a nivel individual.

Prof. OLMOS- Prof. SAN MARTIN Pgina 9 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

cantidad de casos nuevos en un perodo

cantidad de personas en riesgo durante ese perodo
Para poder conocer la cantidad de casos nuevos que se presentan en una poblacin durante
un perodo de tiempo determinado es necesario conocer la cantidad de casos al principio
del perodo y la cantidad al final. Dicho de otro modo, es necesario poder realizar un
seguimiento del grupo bajo estudio. En las situaciones en que es imposible esto, la
prevalencia puede ser empleada como medida de ocurrencia del fenmeno que se est
analizando.

Medidas de riesgo
Supongamos que tenemos una tabla 2x2 que muestre la distribucin de los individuos bajo
estudio del siguiente modo:

Exposicin al
Enfermo (e) No enfermo (e)
factor de riesgo
Expuesto A B
No expuesto C D
Nota: las frmulas presentadas a continuacin estn expresadas en funcin de esta tabla. Tener presente que al
armarla debe colocarse el evento (en este caso la enfermedad) en la primera columna y el no evento en la
segunda, as como se debe colocar la exposicin al factor en la primera fila y la no exposicin en la segunda. De
lo contrario, las frmulas que se exponen dejan de ser vlidas.

Observamos un total de (a+b) individuos expuestos y (c+d) no expuestos, de los cuales a

y c desarrollaron la enfermedad respectivamente. En base a esta tabla podemos construir
algunas medidas que van a dar pauta de la frecuencia de ocurrencia de la enfermedad
(evento). Se define entonces el riesgo y el odds, a partir de las cuales se calcularn las
medidas de prevalencia:
Riesgo de la
Exposicin al Odds de la
Enfermo (e) No enfermo (e) enfermedad
factor de riesgo enfermedad
(incidencia)
+
Expuesto a B + = =
+ 1 +

No expuesto c D = =
+ 1

La primera medida que vamos a ver es el riesgo relativo (RR). El riesgo relativo compara la
ocurrencia de un suceso entre quienes estn expuestos a un factor de riesgo y quienes no lo
estn. Se emplea en estudios prospectivos (como los estudios de cohorte), dado que es
necesario conocer la incidencia. Se expresa como el cociente del riesgo en los individuos
expuestos (+ ) sobre el riesgo en los individuos no expuestos ( ).

+ +
= = =

+

La segunda medida de ocurrencia es la razn de odds. Para poder hablar de la razn de odds
primero debemos comprender el significado de los odds.

Prof. OLMOS- Prof. SAN MARTIN Pgina 10 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

La palabra odds no tiene una traduccin exacta al espaol. Puede ser entendida como una
posibilidad. Vamos a explicar la diferencia entre odds y probabilidad a travs de un
ejemplo. Si deseamos conocer la probabilidad de obtener un tres al lanzar un dado, como
todos sabemos slo tenemos que dividir el nmero de caras que tienen el nmero tres en
un dado (que es slo un lado) entre el total de caras (que son seis). La probabilidad de
1
obtener un tres es entonces de 6. Ahora bien, si nos interesa calcular el odds de obtener el
nmero tres, lo que hacemos es dividir el nmero de caras que tienen en nmero tres (slo
una) entre en nmero de caras que no tienen el tres (5 caras). De esta manera, el odds de
1
obtener un tres en el tiro de un dado es .
5

Como ya se habr notado, mientras la probabilidad de un evento es el nmero de veces que

tal evento ocurre dividido el total de eventos, el odds es el nmero de veces que el evento
de inters ocurre respecto el nmero de veces que el evento no ocurre. Por ejemplo, si de
un grupo de 10 personas deseamos escoger 3 de ellas al azar, la probabilidad es de 3/10
mientras que el odds es de 3/7.
As como en los ejemplos presentados se emplearon las frecuencias absolutas (cantidades)
tambin pueden emplearse las frecuencias relativas (probabilidades). Esto es
particularmente til en el caso de conocer la prevalencia de una patologa particular en una
poblacin. En ese caso, el odds de sta ser
prevalencia
odds =
1 prevalencia
El odds en s mismo no es usado frecuentemente. Se emplea en cambio el cociente entre dos
odds como medida relativa de ocurrencia de un evento, llamado razn de odds:
+

1 +
= = = =

1

Esta medida se utiliza para el anlisis de datos proveniente de estudios transversales o de

estudios caso-control. No permite establecer causalidad, sino que se analiza de manera
simtrica la exposicin y la enfermedad.
Ejemplo: Consideremos que se desea estudiar si la hipertensin severa (exposicin) es un
factor de riesgo que puede producir infarto de miocardio (evento de inters). Suponiendo
que hay 10.000 pacientes bajo estudio con hipertensin severa (expuestos al factor de
riesgo) y otros 10.000 sin hipertensin (no expuestos), la tabla queda compuesta del
siguiente modo:
Presin Cantidad de Infarto de miocardio
sangunea pacientes Presente Ausente Probabilidad Odds
Hipertensin 180 180 180
10.000 180 9820 = 0,0180 = = 0,01833
severa 10.000 10.000 180 9820
30 30 30
Normal 10.000 30 9970 = 0,0030 = = 0,00301
10.000 10.000 30 9970

El riesgo relativo y la razn de odds correspondientes resultan:

180
10.000 0,0180
RR = = = 6,00
30 0,0030
10.000
Prof. OLMOS- Prof. SAN MARTIN Pgina 11 de 13
UCEL - Facultad de Qumica - LN BIOESTADISTICA

Esto significa que los individuos que sufren de hipertensin severa (expuestos al factor de
riesgo) tienen 6 veces ms chances de padecer un infarto de miocardio que aquellos que no
sufren de hipertensin.
180
9820 0,01833
= = = 6,09
30 0,00301
9970
Una razn de odds igual a 6,09 indica que dentro del grupo de aquellos que sufrieron un
infarto, es 6,09 veces ms probable que un paciente padezca hipertensin severa a que
tenga presin arterial normal.
Cabe destacar que la interpretacin de la razn de odds va desde los enfermos hacia los
grupos de riesgo. En cambio, como se vio en el caso del riesgo relativo, la interpretacin va
desde los factores de riesgo hacia los enfermos. Esto es as dado que estas medidas se usan
en distintas circunstancias.
Como se seal previamente, el RR se emplea en estudios de cohorte. En estos estudios se
toman dos cohortes (una de sujetos expuestos a un factor de riesgo y otra sin la exposicin
al factor) y se estudian por largos perodos de tiempo estudios prospectivos) para ver si los
expuestos al factor de riesgo se enferman ms. En general, van a resultar enfermos en ambas
cohortes, pero se espera que el grupo expuesto presente ms sujetos enfermos.
La RO suele emplearse en estudios de tipo caso-control. Para la realizacin de este tipo de
estudios se buscan primero los enfermos, y luego se busca otro grupo de sujetos sanos con
caractersticas similares a los enfermos (estos sern los controles). Una vez que se cuenta
con los dos grupos de sujetos, se averigua si cada uno de ellos ha estado expuesto o no a
algn factor de riesgo. Es de esperarse que los enfermos sean quienes han estado ms
expuestos. Este tipo de estudio es transversal, ya que los datos se toman en un solo
momento para cada sujeto.
Sin embargo, puede demostrarse que matemticamente es lo mismo calcular la razn de
odds respecto a un factor de riesgo para dos grupos enfermos/no enfermos que obtener la
razn de odds para la enfermedad respecto a los dos grupos expuesto/no expuesto. Por lo
tanto, la interpretacin de la razn de odds presentada previamente puede tambin
plantearse como sigue: Una razn de odds igual a 6,09 indica que para aquellos que padecen
hipertensin severa, la chance de presentar un infarto de miocardio es 6,09 veces mayor
que para aquellos con presin arterial normal.

RIESGO RELATIVO RAZN DE ODDS

Los grupos iniciales se basan en el factor
de exposicin.
Trabaja con riesgos (probabilidades) del
tipo:
Interpreto comparando el riesgo de
enfermedad en los grupos de exposicin.
Los grupos iniciales se basan en la
presentacin del evento (enfermedad).
Trabaja con odds del tipo:
Puedo interpretar comparando:
-riesgo de haber estado expuesto segn la
presencia/ausencia de enfermedad
-riesgo de enfermedad segn la exposicin

Prof. OLMOS- Prof. SAN MARTIN Pgina 12 de 13

UCEL - Facultad de Qumica - LN BIOESTADISTICA

+

+ + 1 +
= = = = =

+ 1

La medida ms empleada en general es la RO, dado que realizar estudios prospectivos

requiere de muchos recursos (tiempo, dinero, recursos humanos, etc.). Recordemos que la
razn de odds es una medida de asociacin entre variables. Por ese motivo cumple con los
siguientes tems:
Vara entre 0 e infinito.
Cuando es igual a 1 indica ausencia de asociacin entre las variables. En nuestro
ejemplo, indicara que los que tienen hipertensin severa y los que tienen presin
arterial normal tienen la misma chance de sufrir un infarto.
Cuanto ms se aleje de 1, ms fuerte es la relacin.
Los valores menores de 1 sealan una asociacin negativa entre las variables y los
valores mayores de 1 indican asociacin positiva entre las variables. En nuestro
ejemplo:
Si RO>1 (por ejemplo, RO = 6,09) decimos que aquellos que padecen
hipertensin arterial tienen prcticamente 6 veces ms chances de sufrir un
infarto que aquellos sujetos de presin arterial normal. En este caso se
observa una asociacin positiva, ya que la hipertensin severa aumenta la
chance de sufrir un infarto. En este caso, la hipertensin severa es llamado
factor de riesgo.
Si RO<1 (por ejemplo, RO=0,46) es conveniente realizar la interpretacin a
1
travs de la relacin inversa y calcular el valor inverso, es decir, 0,46 = 2,17.
Luego, podremos decir que los sujetos de presin arterial normal tienen 2
veces ms chances de sufrir un infarto que aquellos que padecen de
hipertensin severa (en la prctica este resultado no tiene sentido). Debe
tenerse en cuenta que se cambian los trminos de la interpretacin respecto
al caso en que RO>1, ya que al calcular la inversa ahora estamos
comparando la chance de enfermedad para el grupo no expuesto respecto a
la chance para el grupo expuesto. Esto suele ocurrir cuando se trata de
factores de prevencin, por ejemplo, la actividad fsica: si en vez de la
hipertensin se hubiera analizado la relacin entre realizar actividad fsica
o no hacerlo y padecer o no un infarto, la RO=0,46 se hubiese interpretado
como aquellos que no realizan deporte (no expuesto al factor protector)
tienen 2 veces ms chances de sufrir un infarto (evento de inters,
enfermedad) que aquellos que s realizan actividad fsica (expuestos al
factor protector). En estos casos, la asociacin que se observa es negativa,
dado que la presencia del factor protector disminuye la chance de padecer
el evento.

Prof. OLMOS- Prof. SAN MARTIN Pgina 13 de 13