Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Capitulo Probabilidad

    Cargado por

    Karen Duarte
    46 vistas18 páginas
    probabilidad

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    probabilidad

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    46 vistas18 páginas

    Capitulo Probabilidad

    Cargado por

    Karen Duarte
    probabilidad

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 18
    4 Probabilidad En este capitulo se presenta la probabilidad como una me- dida de cuantificacién del azar, la axiomatizacién de !a misma Y Sus propiedades; se define la probabilidad condicional, los sucesos dependientes e independientes, la regla de multipli- cacién, el teorema de la probabilidad total, el teorema de Bayes y se hacen aplicaciones de la probabilidad condicional en salud publica, a través de la utilizacién de fos indicadores de cuantificacién de la magnitud del riesgo en salud y de las ‘medidas usuales en la prueba tamiz. Introduccién La idea de Ia teoria de probabilidad nacié del hecho que muchos fenémenos naturales, biolégicos y sociales estén gobernados por fectores casuales no controlables por el investigador. Desde este punto de vista no se necesita tener formacién académica para expresar hechos comunes de la vida cotidiana en términos probabilisticos. Si un paciente toma una determinada medicina para el tratamiento del acné, lo hace bajo la pers- pectiva de la alta probabilidad de incidencia de esta en la curacién; asimis- mo, si esté nublado, es alta la posibilidad de Muvia fo cual permite inducir que clertos eventos pueden predecirse bajo determinadas condiciones. La teoria de la probabilidad sirve, por lo tanto, para expresar numéri- camente la posibilidad de que se de un evento, es decir, proporciona la base légica para la medicién del azar o de la casualidad. En otras palabras, la probabilidad sirve para expresar en lenguaje matemdtico la medida de la incertidumbre de un suceso, ésto es, se puede decir que la probabilidad es una medida del azar o la casualidad (Diaz y Gutiérrez, 1995). Conceptos bisicos Experimento aleatorio: Es un proceso que se realiza ya sea defini- da 0 indefinidamente en idénticas condiciones y cuyos resultados indivi- duales ocurren al azar. | Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia Experimento deterministico: Es un proceso que no esté sujeto ai azar y por lo tanto no tiene interés estadistico. Espacio muestral: Es el conjunto de todos los resultados individua~ les posibles de un experimento aleatorio; se denota con la letra S (Space). Cada uno de los resultados individuales se denomina punto muestral. Evento 0 suceso: Es un subconjunto del espacio muestral. Se deno- ta con una letra mayiscula, Por ejemplo, si se considera el tipo de sangre, el espacio muestral S ‘esté constituido por los siguientes eventos: S = {A, B, AB, 0}. Cualquier eVento de S constituye un punto muestral. Comentarios 2) El espacio muestral en {a teoria probabilistica desempetia el mismo rol que el conjunto universal o referencial en la teoria de conjuntos. b) SiAy B son los eventos sin interseccién (disyuntos), ésto es, Ant se dice que ellos son mutuamente excluyentes. €) Si Ay B tiene interseccién (no mutuamente excluyentes), ésto es ANB + 4, se diré que A y B estén relacionados. 4) Si A es un evento cualquiera A (que se lee: complemento de A) se dird que es su complemento, Definiciones de probabilidad Definicién cidsica: La probabilidad de un evento A es el cociente CF entre ef nimero de casos favorables y casos totales, ésto es, P(d)=—-. ‘Aunque esta definicién es considerada la més antigua de las conocidas de! término probabilidad, presenta dos grandes desventajas que limitan su uso: el espacio muestral tiene que ser finito y los eventos deben ser equiprobables, ésto es, que tengan igual probabilidad de ocurrencia.Por ejemplo, al lanzar un dado, el espacio muestra! S estd dado por S= {1, 2, 3, 4, 5, 6}. Observe: la probabilidad de que caiga un 1 = probabilidad de que caiga un 2 = probabilidad de que caiga un 3 = probabilidad de que caiga un 4 = probabilidad de que caiga un 5 = probabilidad de que caiga un 6. A=Caerel1= P(A) 1 C= Caerel3 => =, caer el2=> P(B} D=Caerel4—> P(D) E=Caerel5=> P(E) F=Caerel6=> PCF) Estadistica aplicada en salud publica La definicién clésica también es conocida como definicién apriorista ya que las probabilidades se calculan antes de hacer el experimento. En otro orden de ideas, si en un experimento en animales se inyecta a un ratén una sustancia venenosa y se observa el tiempo de sobrevivencia transcurrido hasta que este muere, la probabilidad de que el evento ocurra a los 20 minutos no es fécilmente calculable ya que el espacio muestral no es finito, En situaciones como la descrita habria que utilizar métodos espe- cificos del céiculo actuarial para hallar la probabilidad pedida (Kleinbaum, 1996,Londofio, 1995), Definicion frecuentista o empirica: La idea bésica de esta defini cién nacié de la repeticién del experimento estadistico un niimero grande de veces, observandose la particularidad de que los eventos tienden a ‘ocurrir en proporciones similares. Toda probabilidad obtenida a partir de la frecuencia relativa es una aproximacién ya que se trata de un valor calcu- lado sobre n pruebas en idénticas condiciones. Cuanto mayor sea el nume- ro de ensayos, en idénticas condiciones, mejor sera la estimacién de la probabilidad. La caracteristica fundamental de ésta definicién es la de la regularidad estadistica o estabilidad de las frecuencias relativas (Marques de Canti, 1991). Formalmente, la probabilidad de un evento segtin esta definicién es el cociente entre los casos favorables del experimento y los casos totales, siempre que dicho experimento se realice en un gran ndmero de repeticio- nes bajo las mismas condiciones hasta que la frecuencia relativa se estabilice. La definicién frecuencial también es conocida como definicién a posteriori ya que su valor se conoce sélo después de la realizacién del ‘experimento. Definicién subjetivista: Esta definicién esté relacionada con el jui- cio individual de las personas sobre algin evento especifico. Por ejemplo, en este enfoque es pertinente preguntarse por ia probabilidad de que llue- va en el dia de hoy donde la evidencia es la que le da sentido a la formula: cidn de esta pregunta. En otras palabras, en esta definicién se entiende la probabilided como una medida de la confiabilidad que un individuo tiene sobre su verdad particular. Las definiciones de probabilidad expuestas anteriormente son experi- ‘mentales. Una vez determinada la probabilidad por métodos experimenta- les, se pueden deducir leyes probabilisticas bajo ciertas suposiciones, es decir, se puede definir formalmente la probabilidad. Formalizaci6n de la probabilidad ‘Sea c un experimento aleatorio y sea S un espacio muestral asociado con ¢. La probabilidad de un evento A, denotada por P(A), es un némero real que cumple las siguientes condiciones: a) 0< P(A) < 1 (La probabilidad de un evento A siempre seré un néimero entre 0 y 1, inclusive). lugo Grisales Romero. Profesor Asociado Universidad de Antioquia Si P(A) = 1, entonces A se llama evento seguro. Si P(A) = 0, evento imposible. ) La probabilidad de ocurrencia de al menos un evento del espacio muestral S es 1.0, ésto es, P(S) =1. Si Ay B son eventos mutuamente excluyentes, ésto es ANB = 4, se tiene que la P(AUB) = P (A) + P(B) (La probabilidad de que se de Ao Bes igual a la suma de dichas probabilidades siempre que A y B no ocurran al mismo tiempo). Observe la Figura 4.1. Figura 4.1: Representacién de la unién de dos eventos cuando ellos son mutuamente excluyentes. Esta iltima propiedad puede extenderse de manera natural, ésto es, 31 Ay/A,,Ayy--A, SON eventos tales que AMA, =} para | e J, entonces: ie (U4) = 2a) (La probabilidad de la unién de los eventos A,es igual sla sumatoria de las probabllidades de dichos A). propiedades 2) Si # representa un evento imposible, entonces P(4) = 0, ésto es, la probabilidad de un evento imposible es cero. ») Si A es el complemento de A, entonces, P(A) = 1 - P(A), o también P(A)= 1 - P(A). Observe la Figura 4.2. Estadistica aplicada en salud publica €) Si AcB entonces P(A) < P(B) (Si A esté contenido en 8, entonces la probabilidad de A es menor o igual a la probabilidad de B). Observe la Figura 4.3. Figura 4.3: Representacién de dos eventos cuando uno esté contenido en el otro. d) SIA y B son eventos cualesquiera (que no necesariamente cumplen la condicién estricta de ser mutuamente excluyentes), entonces P(AUB) = P(A) + P(B) - P(AnB). Observe la Figura 4.4. . = Figura 4.4: — Representacién de la unién de dos conjuntos cuando ellos no son mutuamente excluyentes. Ejemplo 1: Con el fin de ejemplificar tos conceptos hasta ahora dis- ‘cutides, en un estudio descriptivo se caracterizaron los factores asociados al dolor lumbar, (categorizado Si-No); una de las variables consideradas fue el consumo de psicoférmacos, CS, categorizado como Muy Alto, Alto, Leve y Bajo.La distribucidn pertinente se muestra @ continuacién en el cuadro 4.1. ‘Cuadro 4.1: Distribucién absoluta del dolor lumbar en funcién del consumo de psicoférmacos. Cons olor tumbar | —A, Ate Tove: 2 30, 110 35. 0. 0 Hugo Grisales Romero. Profesor Asociado Universidad’ de Antioquia a) éCual es el espacio muestral?. b) Enuncie 2 eventos relacionados con el espacio muestral. c) Enuncie un evento imposible. Si se elige una persona al azar cual es la probabilidad de que: d) Haya tenido dolor lumbar. e) Tenga consumo de psicoférmacos bajo. f) No haya tenido dolor lumbar o tenga consumo de psicoférmacos alto. 9g) Haya tenido dolor lumbar y tenga consumo de psicoférmacos alto. h) No haya tenido consumo de psicoférmacos leve. Solucién Para efecto del cilculo de las probabilidades, se denotan las catego rias de estas dos variables por simbolos alfanuméricos, A, i=1,2,3,4; B, a) S = {x:x es un paciente que consume psicoférmacosy sufre o no dolor lumbar. b)A = {B.A}; B= { BUA} c)A = {xix suifre y no sufre dolor lumbar. Casos favorables _ 360 ) PUB.) = “Casas totales ~ 725 Casos 410 e) PA.) = Fs = 0.5855 365 65 35 _ 395 9 BUA) = 355 *a95~ 795 7 7pg = 015448 va que los eventos 8, y ‘A, no son mutuamente excluyentes. 8,04) = Se = 0,04 9) P(B,OA,) = 555 = 0,041 a 190 h) P(A) = 1 - P(A) = 1 oe =0,7379 Ejemplo 2: Supéngase que se escriben tres digitos 1,2,3 en orden aleatorio, écual es la probabilidad de que al menos un digito ocupe su lugar propio? (Meyer, 1973). Solucién Sea el evento A: El digito ocupa su lugar propio. Se debe calcular P(A). Observe el esquema siguiente que clarifica el célculo de esta proba- Estadistica aplicada en salud piblica ‘Orden de escritura nsf fus|o+}rs|eo Observe que hay 4 casos de 6 posibles donde alguno de los digitos 4 cestd en su lugar propio; asi la probabilidad pedida es P(4) == =0,67. Probabilidad condicional Suponga que un paciente adulto tiene diabetes mellitus tipo TI. Seria apropiado preguntarse por la probabilidad de que éste desarrolle neuropatia diabética. De otro lado, dado que una persona es fumador fuerte, seria apropiado preguntarse por la probabilidad de que éste desarrolle un cancer pulmonar 0 EPOC (enfermedad pulmonar obstructiva crénica). Los ejemplos anteriores muestran cémo a menudo es necesario tener el conocimiento previo de un evento que incide en el céiculo de la probabilidad de otro, ésto es, estamos interesados en hallar la probabilidad de un evento A dado que se sabe la ocurrencia de otro B y tal que A y B no son excluyentes. EI Alculo de la probabilidad de un evento A dado otro B que ya ocurrié, recibe el nombre de probabilidad condicional y su definicién formal se expone 2 continuacién: Sean A y B dos sucesos tales que AM B+; la probabilidad del suceso A dada la ocurrencia previa del suceso B, se expresa asi waa) Mao) P(A/B) se lee: La probabilidad de A condicionado a la ocurrencia de B © la probabilidad de A dado B 0 la probabilidad de A si se did B. Ejemplo 3: Suponga que se lanza un dado, Si se sabe que cayé un niimero menor que 5 écusil es la probabilidad de que haya caido un nimero par?. Solucién Utilizando la definicién de probabilidad condicional, sea: A: Caer ndmero par al lanzar un dado B: Salié un ntimero menor de 5 en el lanzamiento (condicién). Huge Grisales Romero. Profesor Asociado Universidad de Antioquia Por lo tanto: _P(AnB) _ 2/6 Pape) = aye Sin utilizar la anterior definicién, se podria haber razonado asi: como se conoce el antecedente que cayé un ntimero menor que 5, el espacio muestral, que originalmente es S = {1, 2, 3, 4, 5, 6}, sereduce aS’ = {1, 2,3, 4}. En este espacio reducido solamente hay dos pares, por lo tanto la probebilidad pedida es de 2/4=0,5. Nota: En este caso se utilizé el espacio muestral original y no el reducido, como se hizo en fa introduccién. No obstante puede utilizarse directamente el espacio reducido y los resultados son iguales. Ejemplo 4: Considere los datos del ejemplo 1. Si se elige un paciente al azar, calcular la probabilidad de que: a) Tenga dolor lumbar si se sabe que tiene consumo de psicoférmacos bajo. b) Tenga consumo de psicoférmacos bajo si se sabe que tiene dolor lumbar. ¢) Tenga consumo de psicoférmacos muy alto 0 alto dado que no tiene dolor lumbar. Solucién Consumo de psicofarmacos Dolor Lumbar my A Total __| Muy alte |~Aito. Teve | Bajo Be [| si_| 20 30 310 200 | 360. ® | _No 40 35 80. 210 | 365 Total 60. 65 190 410 [725 200 a) P(B/A,)= > =0,488, por observacién directa en la tabla. 410 _ P(B,.0A,) _ 200/725 ~~ P(A) 410/725 Porla féormuta deta definicion seria: P(Bi/-4, 556, por observacién directa en ta tabla. Porta formula de la definicién seria: (4,/B,)= ie ey a ae 200 BPAY 8.) 365 —Cuadro 4, Estagistica_aplicada en salud piiblica 40+35 4) B= o) Alu y/2,) 083 Por la formula se tiene: P(A, 0B,)(4, 08.) _ P(AOB,)+ P(A, 8.) FA ee A 0,21, por observacién directa en la tabla, salud Aplicaciones de la probabilidad condicional a eventos de I: publica Como introduccién a una aplicacién de la probabilidad condicional a eventos de la salud publica supéngase, aunque no sea muy adecuado ‘como prueba, la glucosuria para la deteccién de la diabetes en los enfer- més de un hospital, cuya distribucién se expone en el cuadro 4.2, :Distribucién absoluta de los resultados de la prueba de glucosuria ‘en diabéticos y no diabéticos, Resultados de Diabetes fa prueba de Total 5 glucosuria Si No Positiva a5 5, 60 Negativa 105 285 330 Total 150 300 ‘450. Si'se elige una persona al azar, calcule la probabilidad de que: a) Tenga glucosuria positiva dado que se eligié del grupo de los diabéticos. b) Tenga glucosuria negativa dado que se eligié del grupo de pacientes sin diabetes. €) Tenga diabetes dado que se eligié de! grupo de pacientes con glucosuria positiva. 4) No sea diabético dado que se eligié del grupo de pacientes con glucosuria negativa. Solucién: Para efectos de la solucién de este problema, se utilizard la siguiente notacién: Gt Glucosuria positiva. Glucosuria negativa. Hugo Grisales Romer: Profesor Asoclado Universidad de Antioquia Con dobaras. Di Sin diabetes. PIG? aD 45 (¢+/p)=2(@"02)_ a) P(G*/D)= a= ig = 080 ») P@ /d)- FLOPS 0,95 PD 300 ° ojo) 2bee) $95 P\IDAG P\D/G" )= a P@/c)- es Obsérvese en el anterior problema que se parte de la aplicacién de una prueba de laboratorio a un grupo de personas probablemente sanas, con el fin de clasificarlas en probablemente enfermas (0 sanas) y luego practicarles otras pruebas confirmatorias para proceder a hacerles un tra- tamiento. Lo anterior en epidemiologia, recibe el nombre de Prueba Tamiz, la cual, se advierte, no es diagnéstica. A través de los resultados de la prueba tamiz se obtiene beneficio individual y para la comunidad, ademas del diagnéstico de condiciones que necesitan tratamiento o de factores de riesgo que sugieren cambios en los estilos de vida. La seleccién de una cifra determinada para separar los enfermos de los que no lo estan, es lo que se denomina punto de corte o nivel de tamizacién. La prueba tamiz tiene varios usos: sirve para fa deteccién precoz de la enfermedad, ayuda a la planeacién de los servicios de salud, sirve para mejorar el sistema de referencia de pacientes y es un punto de partida importante para un acercamiento a la historia natural de la enfermedad (Mazuera y colbs, 1998, Londofio, 1995). Medidas utilizadas en la prueba tamiz En el cuadro 4.3 se presenta una tabla de doble entrada que permit: +8 definir las medidas usuales cuando se utiliza una prueba tamiz. Estadistica aplicada en salud piblica Cuadro 4.3: Distribucién absoluta de los resultados de una prueba tamiz ‘en enfermos y sanos. Enfermedad Resultados de la prueba Si Wo Total Positive a b atb. Negativa ¢ d etd Total atc bed | arbectd ‘Segiin el cuadro anterior, las letras indican: 3 Verdaderos positives, aquellos con prueba positiva ycon la enfermedad. : Falsos positives, individuos no enfermos que podrian ser tratados como enfermos, es decir, sujetos con diagnéstico negativo y prueba positiva. i Falsos negativos, individuos con la enfermedad y que tengan prueba negativa, es decir, sujetos con diagnéstico positivo y prueba negativa. 4d: Verdaderos negativos, aquellos con prueba negativa y sin la enfermedad. Los conceptos utilizados en una prueba tamiz son: Sensibilidad: Es la capacidad de la prueba para detectar los verda- deros enfermos. Se expresa mediante un porcentaje y se calcula, segtin el cuadro 4.3, como: Sensibilidad = § =—* 100 ate Segiin el cuadro 4.2, la sensibilidad corresponde al resultado obtenido de la : 43 pregunta a), esto es, Sensibilidad =§ =" x100=30% , es decin, de cada 100 enfermos con diabetes, la prueba de la glucosuria detecta 30. tras definiciones equivalentes para la sensibilidad son: bondad de la prueba para detectar el trastorno y por lo tanto ser positiva en pacientes que si tienen la enfermedad; probabilidad de obtener un resultado positivo ‘en pacientes con la enfermedad; proporcién de pacientes con la enferme- dad y cuya prueba es positiva. Especificidad: Es la capacidad de la prueba para detectar como ‘sanos a los que verdaderamente lo son. Se calcula, segin el cuadro 4.3, asi a —— x 10 beat Especificidad Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia ‘Segiin el cuadro 4.2, la especificidad corresponde al resultado obtenido de 285 <= x100=95% 300 es decir, de ta pregunta b), ésto es, Especificidad = cada 100 personas sin diabetes, la prueba de la glucosuria es negativa en 95 de ellas. El resto, o sea 5, serian falsos positivos. tras definiciones equivalentes para la especificidad son: seguridad con la que la prueba identifice correctamente a los pacientes que no tienen la enfermedad; probabilidad de obtener una prueba negative en personas sin la enfermedad; proporcién de personas que no tienen el trastorno y ‘cuya prueba es negativa. Valor predictivo positivo: Es la relacién entre los casos realmente cenfermos y los probablemente enfermos detectados por la prueba, o tam- bién, es la capacidad de la prueba de dar un resultado positivo a los realmente enfermos evitando la inclusién de falsos positivos. Se calcula, segiin el cuadro 4.3, asi: a —*_x100 a+b Segiin el cuadro 4.2, el valor predictive positivo corresponde al resultado obtenido de la pregunta c), ésto es, Valor predietivo positive = VP" 3 100=75%., ésto es, de cada 100 Valor predictivo positive = VP personas que presenten glucosuria positiva, 75 tienen diabetes y los 25 restantes serian falsos positives. Valor predictive negativo: Expresa la proporcién de casos detec- tados como sanos por la prueba entre los verdaderamente sanos (poder discriminatorio), o también, es la capacidad de la prueba de dar un resulta~ do negativo a os realmente exentos de la enfermedad evitando asi la inclusién de falsos negativos. Se calcula, segtin el cuadro 4.3, a Valor predictivo negativo = VP x100 etd Segiin el cuadro 4.2, el valor predictive negativo corresponde al velor obtenido de la pregunta d), ésto es, Valor predictive negative = VP~ = x x100 = 73% , es decir, de cada 100 personas con resultado negativo en la prueba de la glucosuria, 73 de ellas realmente se encuentran libres de la diabetes; las 27 personas restantes serian falsos negatives. Estadistica aplicada en salud piiblica Comentarios a) Cuando una prueba no detecta a un cierto nmero de enfermos, que serian falsos negativos, su sensibilidad disminuye. b) Por ejemplo, una prueba tamiz para la deteccién del céncer de cerviz deberia ser muy sensible para que tengan pocos falsos negatives (individuos con la enfermedad que tengan la prueba negativa). Enesta enfermedad es muy importante no dejar escapar falsos negativos. Los positives a esta prueba, tanto los verdaderos como los falsos, deberian Ser sometidos a procesos diagnésticos més refinados. ¢) El valor predictivo depende de la sensibilidad y de la especificidad de la prueba, y también de la prevalencia de la enfermedad. Obtencién de la medida de la magnitud de un efecto mediante la probabilidad condicional En diversos estudios epidemiolégicos la nocién de probabilidad condi- cional se aplica en el hallazgo de las medidas de asociacién. Con el fin de ejemplificar lo anterior, supéngase que se desea estudiar la relacién entre una enfermedad y un factor de exposicién, ambos medidos a nivel nominal, en un estudio de cohorte™. La informacién adecuada se puede presentar en un cuadro, con dos filas y dos columnas, como la que se expone a continuacién (Cuadro 4.4). Cuadro 4.4: Distribucién absoluta de a enfermedad vs. el factor de exposicién. = Enfermedad Factor de Total exposicién Enfermo | Sano Expuesto a Bb No expuesto © d Total ate bid | Si se elige una persona al azar, la probabilidad de que esté enfermo dado que se eligié del grupo de pacientes que estén expuestos al factor de a riesgo, esté dada por => . De manera similar, la probabilldad de que un 14 Los estudios de cohorte se realizan mediante la observacién en el tiempo ‘de dos o més grupos de personas inicialmente sanas y expuestas de manera diferente a un factor etiolégico. Se observa lz exposicién a la que estén sometidos los participantes y el efecto resultante después de un tiempo (Mazuera y colbs, 1998, Londofio, 1995). Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia paciente tenga la enfermedad dado que se eligid del grupo de pacientes no expuestos al factor de riesgo, esté dada por —“_. Si se establece el et aja+b cle+d cociente entre las anteriores dos probabilidades, ( ; se obtiene una medida de asociacién de amplio uso en eventos de la salud piiblica llamada el Riesgo Relativo (RR); la significacién de la anterior medida se evalia mediante una prueba estadistica de independencia (Wayne 1990, Walpole, 1996, Meyer, 1973) Cuando el estudio es de casos y controles's, la medida de magnitud del efecto o de asociacién se denomina Odds Ratio (Razén de Disparidades ‘© Razén de momios o Desventaja Relativa). La Razén de Disparidades se basa en la disparidad de un evento (Odds); observe en el cuadro 4.4 que la disparidad de tener la enfermedad para una persona expuesta al factor de riesgo es de —) be manera anéloga, la disparidad de tener la a+b“ ath enfermedad para une persona no expuesta la factor de riesgo es de ce 4 c+d c+d” ‘Sean los eventos, D: Tener la enfermedad y E: Estar expuesto al factor de riesgo. Por lo tanto, J} y & Son los eventos contrarios de D y E, respectivamente. Asi, el odds de tener la enfermedad para una persona expuesta al factor de riesgo, se puede representar utilizando la definicion Df) %) el odds de tener la enfermedad para una persona no expuesta al factor de de probabilidad condicional de la siguiente mane: Andlogamente, sep, 2 pute recta a B. B, 15 Son aquellos en los cuales el investigador conforma un grupo de personas ‘que presentan la enfermedad en estudio y un grupo de personas que no presentan dicha enfermedad; los casos y controles se comparan con respecto 2 clertas caracteristicas con el fin de determinar los factores de riesgo pasados ‘que se juzga tienen posibilidad de ser factores etiol6gicos 0 causales de la enfermedad en estudio (Mazuera y colbs, 1988, Londofio, 1995). Estadistica aplicada en salud piblica La razén de disparidades (OR) se define como la razén de las dos disparidades (Odds) indicadas anteriormente, ésto es, on= P(E) (D/E)_ (a/a+b)+(b/a+b) _ ad (p/E)+PID[E) (cle+d)+(d/c+d) be Ejemplo 5: Astimase que se desea estudiar la relacién entre la cirrosis, hepatica y el consumo de alcohol. Considere el cuadro 4.5 el cual muestra la distribucién absoluta de dicha enfermedad en una poblacién de consumi- dores y no consumidores de alcohol. Cuadro 4.5: Distribucién absoluta conjunta de la cirrosis hepatica y consumo de alcohol. Gross Consumo Total de ; i alcohol 2 i Si 145 20 | 365 - No 10 315 325 Total is 35 680 Observar que si se elige un paciente al azar la probabilidad de que tenga cirrosis hepatica dado que se eligié del grupo de pacientes que E 145 consumen alcohol, esté dada por = de que un paciente tenga cirrosis hepatica dado que se eligié del grupo de 10 325 tanto,el riesgo relativo, como medida de magnitud de fa asociacién es el cociente entre las probabilidades caiculadas anteriormente, ésto es, 3972 3972. asimismo, la probabilidad pacientes que no consumen alcohol, esta dada por => =0,0308. Por lo RR= 12,89 Este niamero indica que por cada caso de cirrosis 0.0308 hepatica entre los no consumidores de alcohol se presentan 12,89 casos de cirrosis hepatica entre los consumidores de alcohol. Ejemplo 6: Si en el ejemplo anterior el estudio fuera de casos y controies, la medida de asociacién habria sido la razén de disparidades y en 145x315 tal situacién su valor seria; OR “soni0) 20,76 , es decir, el riesgo que Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia tiene una persona que consume alcohol de sufrir cirrosis hepética es de 20,76 veces que aquella que no consume alcohol. Observaciones: Una de las més interesantes propiedades de la ra~ z6n de disparidades es que cuando se calcula para enfermedades de baja frecuencia (enfermedades raras), la probabilidad de que el grupo de ex- puestos desarrolle el evento es muy pequefia y asi al OR se aproxima la valor del riesgo relativo; por ejemplo, si la incidencia de una enfermedad particular en un grupo que esté sometido a alguna exposicién es de 20 por 100.000, y la misma incidencia es de 10 por 100.000 en un grupo que no 29/100.000 10/100.000, rio, si el estudio hubiera sido de casos y controles la razén de disparidades 20/99.980 10/99.990 Obsérvese que la OR se “aproxima” al valor obtenido de! RR, ésto es, la OR puede ser un estimador del RR. Existen otras medidas de cardcter epidemiolégico tales como el Riesgo Atribulble (RA) que al contrario del riesgo relativo, se calcula diferenciando la roporcién de incidencia en expuestos y la proporcién de incidencia en no 4___£_. €} resultado da informacién acerca, atb c+ de lo que se debe de Ia enfermedad al factor de riesgo estudiado en los expuestos. Cuando el resultado anterior se da en porcentaje, la interpreta- cién hace referencia a la diferencia en el riesgo de contraer ia enfermedad entre los expuestos y no expuestos y se llama fraccién etioldgica, ésta es, a+b)~e/le+d) RA «100 = «100 ai(a+b) Fors) tra medida importante es el Riego Atribuible Poblacional (RAP) que esté dado por la diferencia entre la proporcién de incidencia total y la ‘esté sometido a la exposicién, entonces el RR= - Al contra para los expuestos vs. los no expuestos seria: OI =2,0002. expuestos, ésto es, RA= %RA= ate _¢ proporcién de incidencia en los no expuestos, ésto es, RAP “ae Esta medida, también llamada fraccién prevenible indica, del total de la incidencia en la poblacién, cuanto de la enfermedad se debe al factor de riesgo en la misma, El resultado también se puede dar en porcentaje y 16En el caso de que el estudio sea una encuesta de prevalencia, la medida de la asociacién elegida es la Razin de Prevalencia que se obtiene de manera similar al riesgo relativo usual de los estudios de cohorte. anaiec Estadistica_aplicada en salud publica entonces se tiene el porcentaje del Riesgo Atribuible Poblacional, es decir, eorAp = tn=erd), 99. RAP so (e+e) are) el cual expresa el por- mn Y, centaje de la proporcién de incidencia en la poblacién que realmente se debe al factor de riesgo estudiado y que se puede evitar si éste se remue- ve (Mazuera y colbs 1998, Londofio, 1995). Ejemplo 7: Tomando como referencia el ejemplo 5, el riesgo atribuible en os expuestos se calcula asi: Rd = S10 - 0.3972 0,0308=0,3664 , es deci, la incidencia de cirrosis entre les que consumen alcohol es mayor en un 36.64% que la incidencia de cirrosis entre las personas que no consumen alcohol. El porcentaje det riesgo atribuible para el ejemplo 5 se obtiene asi: 0,364 0,3972 Es decir, el 92,24% de la enfermedad que se presenté en los expues- tos se debe al factor de riesgo estudiado (consumo de alcohol) y el 7,76% restante se debe a otros factores de riesgo diferentes al consumo de alcohol. + El riesgo atribuible poblacional RAP para el ejemplo 5 es 0,1939 el cual significa que det total de la incidencia en la poblacién (155/690), el 19,39% se debe al factor estudiado (consumo de alcohol). El porcentaje del riesgo atribuible poblacional para el ejemplo 5 se 0.2246 ~ 0,03 0.2246 es decir, el 86,35% de la incidencia de la cirrosis que se presenta en la poblacién se debe al consumo de alcohol, 0 lo que es lo mismo, si se suprimiera el consumo de alcohol en dicha poblacién, se reduciria la inci- dencia de cirrosis en un 86,35%. Retomando la formula matematica del célculo de la probabilidad con- 100 = 92,24% 5 07 obtiene de la siguiente manera: %R4P = 100 = $6,35%, dicional, Haya) Pe), si de ésta se despeja la probabilided del acon- tecimiento simulténeo de los dos eventos A y B, se obtiene: P(47.B)= P(A/B)P(B). Observe Figura 4.5. Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia Figura 4.5: _Representacién de la interseccion de dos eventos no excluyentes, La expresién anterior indica la probabilidad de ocurrencia conjunta de dos sucesos donde no se tiene control de los sucesos antecedente y consecuente. Estos sucesos pueden ser dependientes o independientes. En el argot estadistico la férmula anterior recibe el nombre de Regla de Multiplicacién o Ley de Probabilidad Conjunta la cul se puede exten- der a mas de dos sucesos; por ejemplo, para calcular la ocurrencia conjun- ta de tres eventos A,, A, y A, donde A, es el evento que ocurrié primero, A, eal evento que ocurrié en Segundo lugar y A, es el evento que ocurrié en tercer lugar, a expresién matemética seria: P4044) = PUA)! AYA! AOA) Es pertinente tener en cuenta que P(A/B) + P(B/A), en la mayoria de las veces, ya que el sentido de antecedencia (evento que ocurrié en pri- mera instancia) hace variar el cdlculo de la probabilidad del evento conse- ‘uente (que ocurre después). Ejemplo 8: Un botiquin contiene seis pastilas de Dolex y ocho de Ibuprofeno; se extraen en secuencia y al azar, dos pastillas. Calcular la probabilidad de que: a) Ambas sean Dolex b) Ambas sean Ibuprofeno ¢) La primera Ibuprofeno y la segunda Dolex. 4) Una sea Ibuprofeno y la otra Dolex. En primera instancia calcule las probabilidades asumiendo que la se~ leccién se hace sin reposicién; luego asuma que la seleccién se hace con reposicién. Solucién Sea 1, = _ SelirIbuprofeno en la primera extraccién. Salir Ibuprofeno en la segunda extraccion. Salir Dolex en la primera extraccion. D, = SalirDolex en la segunda extraccién Sila seleccién se hace SIN REPOSICION (se extraen las pastillas y se dejan fuera del botiquin), se tiene: Estadistica aplicada en salud publica a) P(Ambas sean Dolex) = P(D, D,)= P(D,/D,)P(D, by P(Ambas sean Ibuprofeno) = PI, 02) = Pll /h)Ph)= c) P(Primera Ibuprofeno y la segunda Dolex)= PUL, AD,)= PD, /1)P(0) =: = 0,263 d) P(Una sea de Ibuprofenc y la otra de Dolex)= Aero?) -rionyraann[ PZ £.8),( 2x8 )-o5e1 13°14)" (314 Sila seleccién se hace CON REPOSICION (se extraen las pastillas, se observa la caracteristica de interés y luego se reintegran al botiquin), se tiene: a) P(Ambas sean Dolex) = P(D,0D;)=P(D,/D,)PD, 6 8 = Sx * =0,244 (I, AD,)= P(D,/1,)P(h, Hyed,)= PDP) Se d) P(Una sea de Ibuprofeno y la otra de Dolex)= Minp.ulo.n1)=Ahne) AOo1)-(sF Sucesos independientes ‘A manera de introduccién, considere ef experimento de lanzar un dado dos veces; si en el primer lanzamiento cae el niimero 5, cual es la probabilidad que efectivamente vuelva a caer un 5 en el segundo lanza- Mniento? Es obvio que la probabilidad de caer un 5 en cualquier lanzamiento es de 1/6, es decir, el resultado obtenido en el primer lanzamiento no tiene efecto en el resultado del segundo lanzamiento o en otras palabras, e hecho de haber caido un 5 en el primer lanzamiento, no afecta para nada la probabilidad de que caiga un 5 en el segundo lanzamiento. Cuando lo ante- Tor ocurre se dice que los eventos son independientes (Diaz y Gutiérrez, 1995, Walpole, 1996, Meyer, 1973). Con el fin de hacer una deduccién empirica de la formula para el céleulo de la probabilidad asociada con eventos independientes a partir de Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia Ia expresién indicada previamente para la probabilidad condicional, sea A: caer el cinco en el segundo lanzamiento de un dado y B: caer el cinco en el primer lanzamiento de un dado; iuego, P(A/B) segin el razonamiento previo 5 Igual a la P(A). Por lo tanto de la Regla de multiplicacién o Ley de Probabilidad Conjunta se tiene que P(A B)= P(4/B)P(B) = P(A)P(B) ya que P(A/B)=P(A) por ser A y B sucesos independientes. ‘A manera de resumen, si se va a calcular la probabilidad de ocurren- cia de dos 0 mas eventos que se dan simulténeamente, y ellos son inde- pendientes, basta multiplicar sus probabllidades respectivas. Nétese que si Tos eventos fueran dependientes habria que utilizar la Regla de multiplica- ion 0 Ley de Probabilidad Conjunta. = * Observacién: No confundir los conceptos ! mutuamente excluyentes” e “independientes". Por ejemplo, la enfermedad X es independiente de la enfermedad Y si dade la ocurrencia de esta ditima, no existe influencia sobre la probabilidad de enfermar de X, es decir a enfermedad Y no predis- pone 0 ejerce influencia sobre la enfermedad X. No obstante, las dos ‘enfermedades citadas, X e Y, pueden presentarse al mismo tiempo en una persona y por lo tanto no serian mutuamente excluyentes, Un hecho como el consumo de alcohol hace mas facil que une persopa adquiera una enfer- medad hepatica, entonces se dird que la ocurrencia de esta ultima “depen- ~ de", es decir, esté favorecida por el consumo de alcohol (Mejia, 1989). Otro aspecto de gran importancia para tener en cuenta estriba en que, en la practica, estamos tratando con probabilidades de frecuencias relativas obtenidas de muestras extraidas de la poblacién, razén por lo cual lz inde- pendencia, en sentido matematico no es demostrable, contrario @ si se tiene que las probabilidades se basan en datos poblacionales Ejemplo 9: En un estudio analitico sobre factores de riesgo asociacos, 2a la depresin en estudiantes universitarios, se obtuvo que el 30% de fos estudiantes tienen baja autoestima, el 12% angustia existencial y el 4% tienen baja autoestima y angustia existencial. a) éSon los dos eventos de tener baja autoestima y angustia existericial independientes? b) £Cudl es la probabilidad de que un estudiante tenga angustia existencial si se sabe que tiene baja autoestima? ¢) £Cual es 1a probabilidad de que un estudiante no tenga angustia existencial si se sabe que tiene baja autoestima? Solucion a) Para poder afirmar que la baja autoestima y la angustia existencial sonindependientes, debe cumplirse que la probabilidad de la interseccién de estos dos eventos sea igual al producto de las respectivas probabilidades. En efecto, si A: Baja autoestima y B: Angustia existencial, se tiene: P(A B)=0,04 # P(A)P(B)=0,3x0,12 = 0,036. Figura 4. Estadistica aplicada en salud publica ‘Como no se cumple ia identidad, los dos eventos no son independientes, esto es, la baja autoestima y la angustia existencial tienen algin tipo de relacién. P(BOA) _ 0,04 (BI A) =O = 03 by P(B/ A) PA) "030 PBOA) _ 0,26 _ P(A) 0,30 oT Observacién: La independencia de eventos se puede generalizar a mas de dos eventos, ésto es, si A, Ay Ay wn A, Son mutuamente independientes se cumple: (A 4)- U P(A), ésto es, la probabilidad de la Interseccién de los eventos A es igual al producto de las probabilidades de los A. Laprobabilidad condicional como concepto para calcularla probabilidad de un solo suceso Considere os eventos B,, B,, B,,.......8, donde cada B, representa una parte del espacio muestral S y donde la unién de todos los B, conforma el espacio muestral S. Ademés, los eventos son mutuamente excluyentes (Figura 4.5).Se dice que los conjuntos Bi forman una particién de S. Ss Eventos que particionan un espacio muestral y un suceso A que ‘ocurre en alguna de las particiones. Lo anterior se escribe formalmente asi: 2)8,08,= (Eventos mutuamente excluyentes) ») UB, = S (Launién de todos lo eventos es el espacio muestral) ¢) P() > 0 vi (Todas las probabilidades son diferentes de cero) Si el suceso A se presenta en al menos uno de los eventos B, ésto 5, la Interseccién de A con algiin B(0 todos) es-diferente det conjunto vacio, se puede hallar la probabili probabilidad los eventos que particionan el espacio muestral S. 2: De la Figura 4.6 se tiene: A= (AnB,) U (ANB,) U (ANB) U (ANB,) Usseee probabilidad a ambos lados se tiene: P(A) = P(ANB, U ANB, U eae U ANB,)- Como ANB, y AMB,, con i+ j, son eventos exciuyentes aplicar la propiedad generalizada para la unién de conjuntos, ésto P(A) =P(ANB,) + P(ANB,) + + P(ANB,). Mediante la regla de la m ultiplicacién 0 Ley de Probabilidad se tiene: P(A) = P( 4/8, )(B,) + PC4/B, PCB.) + P(4/B,)PCB,) + Porto tanto, P(A) = "7, P(4/8,)(B,) La expresin anterior para el célculo de la probabilidad de un fen funcién de los eventos que particionan el espacio muestral se cor como Teorema de la Probabilidad Total. 2 Teorema de Bayes Es un caso especial de la probabilidad condicional en el cual se de: calcular la probabilidad condicional de un evento que ocurrié primero dado ‘otro que ocurrié después. Sea {B}_una particién del espacio muestral S, 8,0 8, aplicando la definicién de probabilidad condicional, se tiene: et PUB;OA) PALE AED Fecareyee)) Frrareyaey) fa ja P(B/A) = Luego, P(B)/ A) = PMP Er) Bacarey ey) ja La expresién anterior es conocida como el Teorema de Bayes 0 fér- mula de probabilidad de las causas; puesto que {Bi} es una particién del ‘espacio S y sélo uno de los B, ocurre, esta formula da la probabilidad de un Bi particular, dado que el suceso A haya ocurrido (Meyer, 1973). Estadistica_aplicada en salud publica éCuando utilizar e! teorema de probabilidad total y el teorema de Bayes? Bajo las siguientes circunstancias: a) El experimento consta de dos etapas o se puede separar en dos etapas. b) Es sencillo dar una’particién del espacio muestral S, correspondiente alos sucesos A,, A, A.....A, que ocurren en la primera etapa. Se conoce la probabilidad de los eventos que particionan el espacio muestral. c) Se conocen o se calculan facilmente las probabilidades condicionales P (B/A\), « P(B/A,), donde B es un evento que consigna los resultados correspondientes a la segunda etapa (Marques de Cant, 1991). Ejemplo 10: Suponga que tenemos 2 botiquines y que el botiquin 1 contiene 3 pastillas de Aspirina y 2 de Dristadn y el botiquin 2 contiene 2 de Aspirina y 3 de Dristan. Se extrae una pastilla al azar. 3Safios) de los pacientes admitidos en una clinica especializada en el tratamiento de problemas cardiovesculares. Distribucién absolute de las categorias de 1a resién arterial por grupos de edad. Nivel de tensién arterial Edad __[Normotenso _|Hipotenso __[Hipertenso _| Total <25 116 15 85, 216 25-35. 110 30 105 245 >35 60 37 132 229 Total 286 82 322 690 a) £Cudl es el espacio muestral? b) Enuncle 4 eventos posibles asoclados con a). ¢) Enuncie un evento imposible con respecto al cuadro exhibido. Hugo Grisales Romero, Profesor Asociado Ui sidad_de Antiogt &Cudl es la probabilidad de que un paciente elegido al azar? d) Tenga hipertensién? Tenga hipotensién? e) Sea menor de 25 afios? Sea mayor de 35 afios? f) No tenga hipertensién? No tenga hipotensién? 9) No sea menor de 25 afios? No sea mayor de 35 afios? hh) Tenga hipertensién o sea menor de 25 afios? Tenga hipotensién © sea mayor de 35 afios? i) Sea normotenso dado que se elige del conjunto de pacientes mayores de 35 afios? J) Sea mayor de 35 afios dado que se elige del grupo de pacientes normotensos? k) Compare las probabilidades obtenidas en i y en j. Qué concluye? }) Sea normotenso o hipotenso dado que se eligé del conjunto de pacientes menores de 25 afios? I. Sea menor de 25 afios dado que se elige del conjunto de pacientes normotensos o hipotensos? m)Tenga entre 25 y 35 afios y sea hipotenso? 1) Sea hipotenso 0 normotenso? 0) Son los eventos: menor de 25 aos e hipertenso independientes? Mutuamente excluyentes? Demostrarlo. p) Tenga entre 25 y 35 afios y sea hipotenso? (utilice estrictamente la ley de probabilidad conjunta o regia de multiplicacién), Hacerio de dos formas. * a) Tenga entre 25 y 35 afios? Utilice estrictamente el teorema de probabilidad total. 1) Lo mismo que i pero utilizando estrictamente et teorema de Bayes. 2. Se sabe que 2 de las 6 bujias de una ambulancia estén defectuosas. Un novel mecanico extrae las 6 bujias y reemplaza al azar 2 de ellas. a) éCudl es la probabilidad de que precisamente reemplace tas defectuosas? b) éCudl es ta probabilidad de que reempiace comio minimo una de las defectuosas? 3. Se conoce que la probabilidad de que un hombre viva dentro de 15 afios es 3/5 y la probabilidad de que su compaiiera viva dentro de 15 afios es 2/3. éCudl es la probabilidad de que dentro de 15 afios: a) Viva tanto él cémo ella? b) Viva ya sea él o ella pero no ambos? c) Viva como minimo uno de los dos? 4. En una gran drogueria trabajan 6 hombres y 4 mujeres. Debido a problemas de naturaleza econémica se decidié despedir, al azar, 7 personas. :Cudles a probabildad de que entre Ins personas despeddas aya a) 3 hombres? b) Mas de 3 hombres? ‘ dennis tis Estadistica aplicada_en salud publica 5. En una unidad local de salud, el 60% de los trabajadores son de sexo masculino. El 40% de los hombres y el 60% de las mujeres son fumadores. Se elige al azarun trabajador y resulta ser fumador. éCual es la probabilidad de que sea mujer?. 6. Enun curso sobre temas médico-quirirgicos los 4/5 de las aspirantes ‘a enfermeras profesionales presentan buen rendimiento y el resto bajo Fendimiento, Las primeras hacen las labores y prdcticas afines al curso ‘excelentemente en el 80% de las veces, mientras que las segundas solo en el 30% de las veces.. Se ha escogido-al azar una alumna y no ha respondido excelentemente. éCudl es la probabilidad de que sea una estudiante de buen rendimiento? 7. En un hospital de segundo nivel de complejidad el 40% de sus trabajadores tiene certificacién de aptitud profesional en alguna rama de la salud, el 25% ha hecho alguna carrera de la salud y el 15% tiene certificacién de aptitud profesional y titulo en alguna de las carreras del sector de la salud. Si se escoge una persona al azar, calcule la probabilidad de que: 9) No tenga certificacién de aptitud profesional en ninguna rama de Ja salud ¢ haya titulado en ninguna carrera dei sector. b) Se haya titulado en alguna carrera de la salud sabiendo que tiene certificacién de aptitud profesional en alguna rama del sector. '8. Se hizo una encuesta a 500 estudiantes en una facultad de salud publica acerca de sus pasatiempos favoritos. Se encontré que 329 practican algiin deporte, 186 son aficionados a Ja lectura, 295 frecuentan el cine, 83 practica deporte y son aficionados ala lectura, 217 practica deporte y frecuentan el cine y 63 son aficionados a la lectura y frecuentan el cine. ‘Sise elige un miembro al azar de este grupo, encuentre la probabitidad de que el estudiante: a) Tenga como pasatiempos ta practica del deporte, Ia aficién a la lectura y frecuente el cine. b) Practique deporte pero no frecuente el cine. c) Sea aficionado a Ia lectura pero no practique deporte. @) Frecuente el cine pero no sea aficionado a la lectura. e) Practique deporte o frecuente el cine pero no sea aficionado a la lectura. f) Practique deporte pero no sea aficionado a la lectura o al cine. Un comité técnico de investigacién en salud esté compuesto por cuatro personas que pertenecen respectivamente a los Departamentos de Medicina Interna, Cirugia, Obstetricia y Salud Publica. Si se elige una persona al azar, éCual es la probabilidad de que pertenezca al Departamento de Medicina Interna 0 al de Cirugia, o al de Obstetricia? 10.Aifa y Omega son dos empresas que venden productos para combatir fa gripe. La empresa Alfa surte el 70% de las boticas y la empresa ‘Omega él $0%. No obstante, no todas las boticas que surte la empresa 123, Hugo Grisales Romero. Profesor Asociado Universidad de Antioquia Alfa son las mismas que surte la empresa Omega, y de otro lado, existen boticas que no son surtidas ni por la empresa Alfa ni por la empresa Omega. Si se visita una botica al azar: a) éCudl es la probabilidad de que sea surtida por la empresa Alfa, © por la empresa Omega 0 por ambas empresas? b) éCudl es el porcentaje probable de boticas que la empresa Alfa y la empresa Omega surten juntas? ¢)

    También podría gustarte