BIOESTADÍSTICA

Probabilidad

Facultad de Ingeniería Ambiental - UNI

MSc. Beatriz Castañeda S.

2
Probabilidad
 Es la medida de la posibilidad de que ocurra un hecho o
evento.

Probabilidad

Subjetiva Objetiva

Teórica o Frecuencial o
a priori a posteriori
Bioestadísti
MSc. Beatriz Castañeda
ca
3 Probabilidad Subjetiva

Es la medida que asignamos basados en

nuestro criterio personal, experiencia,
“corazonadas” o deseos.

Esta forma de medición no es factible de ser

trasmitida a otras personas.

Bioestadísti
MSc. Beatriz Castañeda
ca
4 Probabilidad Objetiva

Es la medida que asignamos basados en datos

concretos y en la teoría matemática

Esta forma de medición se puede trasmitir a

otras personas.

MSc. Beatriz Castañeda Bioestadística

 5 Probabilidad - Definiciones

Experimento aleatorio:
Todo procedimiento o actividad que genera dos o mas posibles
resultados, por ejemplo: Lanzar una moneda, observar la calidad de
3 productos

Espacio muestral: Ω, S
Conjunto formado por todos los resultados posibles de un
experimento aleatorio:
Ω = {c, s} ; Ω = {BBB,BBD,BDB,BDD,DBB,DBD,DDB,DDD }

Evento elemental: w
Resultado individual del experimento aleatorio, ejem: w = BBB

Evento o Suceso:
Un subconjunto del espacio muestral, ejem: A = {BBD, BDB, DBB }
Bioestadísti
MSc. Beatriz Castañeda
ca
Algebra de eventos
 Si A = , A es un evento imposible
 Si A = Ω, A es un evento seguro
 AB = AB, es el evento intersección, conjunto
o producto de A y B, decimos ocurren A y B
 Si AB = , los eventos son excluyentes,
disjuntos o incompatibles
 A  B, es el evento reunión, decimos ocurre A
oB
 Ac = A´= A , es el evento complemento de
A, AA´= Ω
Bioestadística MSc. Beatriz Castañeda 6
Función Probabilidad

La función probabilidad asigna a cada evento A definido en

el espacio muestral un real p llamado probabilidad de A.

A    P ( A)  p
P debe cumplir los tres axiomas siguientes:

1. P(A)  0 , para todo evento A definido en Ω

2. P(Ω) = 1
3. Dados A1, A2, …., An, …. Eventos definidos en Ω, tales que son
mutuamente excluyentes, es decir:

Ai Aj =  , para todo par i≠j,


Entonces P (  Ai )   P ( Ai )
i 1
Bioestadística MSc. Beatriz Castañeda 7
8 Propiedades

 P() = 0
 P(Ac) = 1 – P(A)
 P(AUB) = P(A) + P(B) - P(AB)
 0 ≤ P(A) ≤ 1

Bioestadísti
MSc. Beatriz Castañeda
ca
 9
Asignación de Probabilidad
Probabilidad Frecuencial n( A)
P ( A) 
n
Dadas n realizaciones de un experimento aleatorio, donde A es un
resultado obtenido, entonces la probabilidad de A es la frecuencia
relativa
La tabla presenta las reacciones de 400 ciudadanos con respecto a
un nuevo plan de impuestos de acuerdo con su filiación partidaria

F: El ciudadano está a favor del

Reacción
Afiliación nuevo plan de impuestos
partidari Se Total
a A favor Neutral opo P(F) = 220/400 = 0.55
ne
A 120 20 20 160
AF: el ciudadano es de
B 50 30 60 140
Afiliación A y está a favor
Otra 50 10 40 100
Total 220 60 120 400 P(AF) = 120/400 = 0.30
Bioestadísti
MSc. Beatriz Castañeda
ca
 10
Asignación de Probabilidad

Probabilidad Teórica
Se basa en el razonamiento matemático, así dado un experimento
con n(Ω) resultados igualmente posibles y un evento A con n(A)
resultados favorables, entonces:
n( A)
P ( A) 
n( )

Exp.1: Exp. 2: Exp. 3:

Lanzamiento de un dado Extraer una carta de Extraer dos objetos de
un Juego de naipes una caja que contiene 8A
P(puntaje par) = 3 = 0.5 y 6B
6 P(un as) = 4 =0.077 C: Se obtiene un A y un B
52
P(C)= 8x6 + 6x8 = 0.527
14 x 13
Bioestadísti
MSc. Beatriz Castañeda
ca
 Probabilidad condicional

A un evento A que ocurre condicionado a la ocurrencia de otro evento B,

se denomina evento condicional de A dado B (A/B) y su probabilidad se
calcula como:
P ( AB) n( AB)
P ( A / B)  
P( B) n( B )

P(AB) = P(B) P(A/B) = P(A) P(B/A)

Dos eventos A y B son independientes si y sólo si

P(A/B) = P(A) y P(B/A) = P(B) y P(AB) = P(A) P(B)

Bioestadística MSc. Beatriz Castañeda 11

 12 Probabilidad Total
Evento de probabilidad total

Un evento A que ocurre asociado a la ocurrencia de n eventos Bi ,

tales que son mutuamente excluyentes y colectivamente
exhaustivos
B1 B2 .... Bn

B1 B2 . . . Bn A AB1 AB2 ... ... ABn

A ĀB1 ĀB2 . . . . . . ĀBn

A A A A . . .A A

P ( A)   P ( ABi )   P ( Bi ) P ( A / Bi )
i i
Bioestadísti
MSc. Beatriz Castañeda
ca
 13 Probabilidad Condicional de Bayes
Evento condicional de Bayes

Si habiendo ocurrido un evento A nos preguntamos por la ocurrencia

de un evento Bj que ocurre en etapas previas a la ocurrencia de A,
entonces a la probabilidad de Bj condicionada al resultado A se
denomina evento condicional de Bayes
B1 B2 . . . . Bn

B2 . . . Bn
A AB1 AB2 ... ... ABn
B1
A ĀB1 ĀB2 . . . ... ĀBn
A A A A . . .A A
P ( AB j )
P ( B j / A) 
P ( A)
Bioestadísti
MSc. Beatriz Castañeda
ca
 Probabilidad Total y
14 Condicional de Bayes
Para las fiestas navideñas una tienda de regalos contrata a
3 empaquetadores. Carmen empaqueta el 30% de los
regalos vendidos y olvida quitar la etiqueta con el precio en
1 de cada 20, Juan empaqueta el 40% de los regalos que
empaqueta Sandra y olvida quitar la etiqueta con el precio
en 1 de cada 10; y Sandra olvida quitar la etiqueta con el
precio en 1 de cada 25.

a)¿Cuál es la probabilidad de que un cliente reciba un regalo

con la etiqueta del precio?

b) Si un cliente se quejó de que no fue quitada la etiqueta

del regaló que compró, ¿cuál es la probabilidad de que el
error haya sido cometido por Juan?.

Bioestadísti
MSc. Beatriz Castañeda
ca
Evaluación de Procedimiento de
Detección
Prueba Prueba Diagnóstica
Aceptada Positivo Negativo - Total
+
Enfermos E + (PV) E – (NF) E

Sanos S + (PF) S – (NV) S

E Capacidad del método para detectar a los

Sensibilidad  x 100
E enfermos
S
Especificidad  x 100 Capacidad del método para identificar a los
S sanos

Bioestadística MSc. Beatriz Castañeda 15

 16 Valor Predictivo
Población

P(E) 1-P(E)
Enfermos Sanos

Al someter a
la prueba

Sensib= P(+/E)
P(-/ s)=Especif.
+ - + -

P(E+) = P(E) x P(+/E) P(S - ) =[1 - P(E)]x P(-/S)

Bioestadísti
MSc. Beatriz Castañeda
ca
Valor Predictivo
Prueba Diagnóstica
Población Total
Positivo Negativo -
+
Enfermos P(E + ) P(E – ) P(E)
Sanos P(S +) P(S – ) P(S)
Total P(+) P( – )

P( E )
VP   x 100 Valor predictivo positivo
P ( )

P( S )
VP   x 100 Valor predictivo negativo
P ( )

Bioestadística MSc. Beatriz Castañeda 17

 Valor Predictivo
Se estima que el 1% de la población de cierto vecindario tiene
tuberculosis; una placa de rayos X es utilizada para prevenir la
enfermedad. Se sabe que los rayos X tienen 99% de sensibilidad y 90% de
especificidad

Rayos X
Población Positivo + Negativo - Total

Enfermos 0.0099 0.0001 0.01

Sanos 0.099 0.891 0.99
Total 0.1089 0.8911

0.0099 0.891
VP   x 100  9.09% VP   x 100  99.99%
0.1089 0.8911
Bioestadística MSc. Beatriz Castañeda 18