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?

C
L
A
S
I
F
C
A
I
O
N
M
S
N
O
R
M
A
L
O
S
T
E
IO
P
E
N
R
S
01
02
0
3
0
4
0
5
0
P
o
rc
e
n
ta
je

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

Vlidos

NORMAL
OSTEOPENIA
OSTEOPOROSIS
Total

Porcentaje
46,9%
46,7%
6,4%
100,0

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

Y si el experimento no puede repetirse demasiadas veces?

Frecuencia
469
467
64
1000

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.

E espacio muestral

Sucesos

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
UNIN
A
B

E espacio muestral
INTERS.
A
B

E espacio muestral
A
A

E espacio muestral
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

100%

E espacio muestral

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

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:

tam

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

ao
uno de
res
pec
t
otro o al

E espacio muestral
A
B

Concepcin
clsica:
casos
posibles?
casos
favorables?

Error frecuentiiiiiisimo:
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

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

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

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

NORMAL
OSTEOPENIA
OSTEOPOROSIS

MENOPAUSIA
NO
SI
189
280
108
359
6
58
303
697

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

NORMAL
OSTEOPENIA
OSTEOPOROSIS

Total

Total
469
467
64
1000

Si es menopusica probabilidad de osteoporosis?

MENOPAUSIA
NO
SI
189
280
108
359
6
58
303
697

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

Probabilidad de menopausia y osteoporosis?

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

Otra forma:

P( Menop Osteoporos is ) P ( Menop) P (Osteoporos is | Menop)

697 58

58 / 1000 0,058
1000 697

Recuento

Ejemplo (IV)
CLASIFICACION
OMS

NORMAL
OSTEOPENIA
OSTEOPOROSIS

Total

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
A2

A1

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

Descomponemos el problema B en
subproblemas ms simples.

Suceso
seguro

A2

A3

A4

Teorema de la probabilidad total

A2

A1

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.

A3

P(A1)

A4

P(A2)

Suceso
seguro

P(A3)
P(A4)

A1
A2
A3
A4

P(B|A1)
P(B|A2)
P(B|A3)

B
B
B

P(B|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)

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

0,1

Qu porcentaje de fumadores hay?

0,7

Mujer

0,9
No fuma

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

= P(M)P(F|M) + P(H)P(F|H)

Fuma

Estudiante

=0,7 x 0,1 + 0,3 x 0,2

0,2

0,3

= 0,13 =13%

Fuma

Hombre
0,8

Los caminos a travs de nodos representan intersecciones.

Las bifurcaciones representan uniones disjuntas.

No fuma

Teorema de Bayes
A2

A1

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(A i |B)
A3

A4

P(BI A i )
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

Se elije a un individuo al azar y es fumador

Probabilidad de que sea un hombre? 0,7

Mujer

Fuma

0,9
No fuma

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 )

Estudiante
0,2

0,3

Fuma

Hombre
0,8
No fuma

Qu hemos visto?

lgebra de sucesos

Unin, interseccin, complemento

Probabilidad

Definiciones

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/personas/icascos/esp/
presentacion_probabilidad.pdf