Probabilidad

1
 Cul es la probabilidad de aprobar la asignatura?

Cul es la probabilidad de no sufrir un accidente cuando voy a

clases?

Todos los das nos hacemos preguntas sobre probabilidad e

incluso los que hayan visto de esta materia en cursos anteriores,
tendrn una idea intuitiva lo suficientemente correcta para lo que
necesitamos de ella en este curso.

En este tema vamos a:

Estudiar qu entendemos por probabilidad.
Ver algunas reglas de clculo de probabilidades.
Ver cmo se aplican las probabilidades en Ciencias de la Salud.
Aplicarlas a algunos conceptos nuevos de inters en Ciencias de la
Salud.
Test diagnsticos.

Estadstica Inferencial Tema 1: Probabilidades 2

Nociones de probabilidad
Hay dos maneras principales de entender la probabilidad:

Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia

relativa (%) de veces que ocurrira el suceso al realizar un experimento
repetidas veces.

Subjetiva (bayesiana): Grado de certeza que se posee sobre un

suceso. Es personal.

En ambos tipos de definiciones aparece el concepto de

suceso. Vamos a recordar qu son y algunas operaciones
que se pueden realizar con sucesos.

Estadstica Inferencial Tema 1: Probabilidades 3

 E espacio muestral
Sucesos
Cuando se realiza un experimento aleatorio diversos resultados son
posibles.
El conjunto de todos los resultados posibles se llama espacio muestral y
se denota por E.
Se llama suceso a un subconjunto de dichos resultados.
E espacio muestral
Se llama suceso contrario (complementario) de un suceso A,
al formado por los elementos que no estn en A, se anota A 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 resultados experimentales que estn simultneamente en A y B E espacio muestral

E espacio muestral E espacio muestral E espacio muestral A

UNIN INTERSEC. A
A A A

B B B
Estadstica Inferencial Tema 1: Probabilidades 4
 Definicin de probabilidad y prob. condicional
Se llama probabilidad a cualquier funcin, P, que asigna a cada
suceso A un nmero real P(A), verificando las siguientes reglas
(axiomas)
E espacio muestral
0P(A) 1 E espacio muestral
100% A
P(E)=1

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

Se llama probabilidad de A condicionada a B, o probabilidad de A

sabiendo que ocurri B: E espacio muestral

P( A B) A
PB ( A) P( A / B)
P( B) B
Estadstica Inferencial Tema 1: Probabilidades 5
Intuir la probabilidad condicionada
A A

B
B

P(A) = 0,25 P(A) = 0,25

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

Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8
Estadstica Inferencial Tema 1: Probabilidades 6
Intuir la probabilidad condicionada
A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A B) = 0,005 P(A B) = 0
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05 P(A|B)=0
Estadstica Inferencial Tema 1: Probabilidades 7
 Cualquier problema de probabilidad puede resolverse en teora mediante
aplicacin de los axiomas. Sin embargo, es ms cmodo conocer algunas
reglas de clculo:

P(A) = 1 - P(A)

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

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

Prob. de que ocurra A y B es la prob. de que ocurra A por la probabilidad de que ocurra B
sabiendo que ocurri A.

Dos sucesos son independientes si el hecho de que ocurra uno no afecta

la ocurrencia del otro. En lenguaje probabilstico:

A y B independientes P(A|B) = P(A)

Dicho de otra forma:

A y B independientes P(A B) = P(A) P(B)

Estadstica Inferencial Tema 1: Probabilidades 8

 EJEMPLO: En una muestra de 1000 individuos elegidos al azar, entre
una poblacin de enfermos de osteoporosis 760 eran mujeres.
Qu porcentaje de mujeres hay en la muestra?
(760/1000)*100=0,76*100=76%

Si elegimos a un individuo de la poblacin, qu probabilidad hay de que

sea mujer:
La noc. frec. de prob. nos permite aproximarlo a P(Mujer)=076

Cul es la probabilidad de que elegido un individuo de la poblacin sea

hombre:
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 y la tercera parte de los hombres fuman.
Elegimos a un individuo al azar de la poblacin de enfermos.
Qu probabilidad hay de que sea mujer fumadora?
P(Mujer Fumar) = P(Mujer) P(Fumar|Mujer) = 0,76 x 0.25 = 0,19

Qu probabilidad hay de que sea un hombre fumador?

P(Hombre Fumar) = P(Hombre) P(Fumar|Hombre) = 0,24 x 1/3 = 0,08
Estadstica Inferencial Tema 1: Probabilidades 9
Sistema exhaustivo y excluyente de sucesos
Particin medible de un espacio muestral
A1 A2
Son una coleccin de sucesos

A1, A2, A3, A4

Tales que la unin de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.

A3 A4

Estadstica Inferencial Tema 1: Probabilidades 10

Divide y vencers
A1 A2
Todo suceso B, puede ser descompuesto
en componentes de dicho sistema.

B
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

A3 A4

Nos permite descomponer el problema B en

subproblemas ms simples. Creanlo . Funciona.

Estadstica Inferencial Tema 1: Probabilidades 11

Probabilidad total
A1 A2
Si conocemos la probabilidad de B en cada
uno de los componentes de un sistema
exhaustivo y excluyente de sucesos,
entonces

B podemos calcular la probabilidad de B.

A3 A4

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

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

Estadstica Inferencial Tema 1: Probabilidades 12

Ejemplo: En este aula el 70% de los alumnos son mujeres. De
ellas el 10% son fumadoras. De los varones, son fumadores el
20%.
Qu porcentaje de fumadores hay en total?
P(F) = P(FH) + P(FM)
Probabilidad Total.
= P(F|H) P(H) + P(F|M) P(M)
Hombres y mujeres
=0,2 x 0,3 + 0,1 x 0,7 forman
una particin del espacio
= 0,13 =13% muestral

Se elije a un individuo al azar y resulta

fumador. Cul es la probabilidad de que sea un hombre?
P(H|F) = P(F H)/P(F)
Mujeres
Varones
= P(F|H) P(H) / P(F)
R. Bayes
= 0x2 x 0,3 / 0,13
= 0,46 = 46%
fumadores
Estadstica Inferencial Tema 1: Probabilidades 13
 Expresin del problema en forma de arbol

Fuma P(F) = 0,7 x 0,1 + 0,3x0,2

0,1

0,7 Mujer
0,9
P(H | F) = 0,3x0,2/P(F)
No fuma
Estudiante
Los caminos a travs de nodos
0,2 representan intersecciones.
0,3 Fuma
Hombre Las bifurcaciones representan
uniones disjuntas.
0,8
No fuma Puedes resolver los problemas
usando la tcnica de tu
preferencia.
Estadstica Inferencial Tema 1: Probabilidades 14
Regla de Bayes
Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces

si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
B de cada Ai.

P( A i B)
PB ( A i ) P( A i / B)
P( B)
A3 A4

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

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

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

Estadstica Inferencial Tema 1: Probabilidades 15
Test diagnsticos
Un test diagnstico sirve para ayudar a mejorar una estimacin de la
probabilidad de que un individuo presente una enfermedad.

En pricipio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de

Incidencia,
Porcentaje de nuevos casos de la enfermedad en la poblacin.
Prevalencia,
Porcentaje de la poblacin que presenta una enfermedad.

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:
Sensibilidad (verdaderos +)= Tasa de acierto sobre enfermos.
Especificidad (verdaderos -)= Tasa de acierto sobre sanos.

A partir de lo anterior y usando la Regla de Bayes, podemos calcular las

probabilidades a posteriori (en funcin de los resultados del test): ndices
predictivos
P(Enfermo | Test +) = ndice predictivo de verdaderos positivo
P(Sano | Test -) = ndice predictivo de verdaderos negativo

Estadstica Inferencial Tema 1: Probabilidades 16

 Test diagnsticos: aplicacin Regla de Bayes.

Sensibilidad, T+
verdaderos +
P. a priori de enfermedad:
incid., preval., intuicin, Enfermo

Falsos - T-
Individuo
Falsos +
T+
Sano

Especificidad, T-
Verdaderos -

Estadstica Inferencial Tema 1: Probabilidades 17

 Ejemplo: Test diagnstico y Regla de Bayes
La diabetes afecta al 20% de los individuos que acuden
a una consulta. La presencia de glucosuria se usa como
indicador de diabetes. Su sensibilidad es de 0,3 y la
especificidad de 0,99. Calcular los ndices predictivos.

P( Enf T )
0,3 P( Enf | T )
T+ P( Enf T ) P( Sano T )
0,2 0,2 0,3
Enfermo 0,88
T- 0,2 0,3 0,8 0,01
Individuo 0,7

0,01 P( Sano T )
0,8 T+ P( Sano | T )
Sano P( Sano T ) P( Enf T )
0,8 0,99
T- 0,85
0,99 0,8 0,99 0,2 0,7
Estadstica Inferencial Tema 1: Probabilidades 18
 -Qu probabilidad tengo
Observaciones de estar enfermo?

En el ejemplo anterior, al llegar un - En principio 0.2. Le

individuo a la consulta tenemos una idea haremos unas pruebas.
a priori sobre la probabilidad de que
tenga una enfermedad.

A continuacin se le pasa un test

diagnstico que nos aportar nueva
informacin: Presenta glucosuria o no.

En funcin del resultado tenemos una

nueva idea (a posteriori) sobre la
- Presenta glucosuria. La
probabilidad de que est enfermo. probabilidad ahora es de
Nuestra opinin a priori ha sido 0.88
modificada por el resultado de un
experimento.
Relacinalo con el mtodo cientfico.

Estadstica Inferencial Tema 1: Probabilidades 19