Bioestadstica

Tema 4: Probabilidad (recordatorio)

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

Cul es la probabilidad de aprobar Bioestadstica?

Cul es la probabilidad de no encontrarme un atasco en la N

- 340
cuando voy a clase?

Todos los das nos hacemos preguntas sobre probabilidad e

incluso los que hayis visto poco de la materia en cursos
anteriores, tenis una idea intuitiva lo suficientemente correcta
para lo que necesitamos de ella en este curso.

En este tema vamos a:






Recordar qu entendemos por probabilidad.

Recordar algunas reglas de clculo.
Ver cmo aparecen las probabilidades en CC. Salud.
Aplicarlo a algunos conceptos nuevos de inters en CC. Salud.

Pruebas diagnsticas.

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

Nociones de probabilidad

Frecuentista (objetiva): Probabilidad de un suceso es la

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

CLASIFICACION OMS

Vlidos

Frecuencia
469
467
64
1000

NORMAL
OSTEOPENIA
OSTEOPOROSIS
Total

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

NORMAL
OSTEOPENIA
OSTEOPOROSIS
0

10

20

30

40

50

Porcentaje

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.
Bioestadstica. U. Mlaga.

Sucesos

E espacio muestral

Cuando se realiza un experimento aleatorio diversos resultados son

posibles. El conjunto de todos los resultados posibles se llama espacio
muestral (E).
Se llama suceso a un subconjunto de dichos resultados.

Se llama suceso contrario (complementario) de un suceso A, A, al

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.

Tema 4: Probabilidad

E espacio muestral
A
A

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
E espacio muestral
UNIN
A

E espacio muestral
INTERS.
A

A
B

B
Bioestadstica. U. Mlaga.

B
Tema 4: Probabilidad

Definicin de probabilidad

Se llama probabilidad a cualquier funcin, P, que asigna a

cada suceso A un valor numrico P(A), verificando las
siguientes reglas (axiomas)
E espacio muestral


P(E)=1

100%

E espacio muestral



0P(A) 1
P(AUB)=P(A)+P(B) si AB=

es el conjunto vaco.

Podis imaginar la probabilidad de un subconjunto como el

tamao relativo con respecto al total (suceso seguro)

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

Probabilidad condicionada

Se llama probabilidad de A condicionada a B, o

probabilidad de A sabiendo que pasa B:

P( A B)
P( B)

tam

P( A | B) =

ao
uno de
res
pec
t
otro o al

E espacio muestral
A
B

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)

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

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)=0,8

P(A|B)=1
Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

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
Bioestadstica. U. Mlaga.

P(A|B)=0
Tema 4: Probabilidad

Algunas reglas de clculo prcticas

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(A|B)

Prob. de que pasen A y B es la prob. de A y que tambin pase B

sabiendo que pas A.

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

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

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

10

Recuento

Ejemplo (I)
CLASIFICACION
OMS

NORMAL
OSTEOPENIA
OSTEOPOROSIS

Total

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%


Nocin frecuentista de probabilidad

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

11

Recuento

Ejemplo (II)
CLASIFICACION
OMS
Total

Son sucesos disjuntos

Osteopenia Osteoporosis=

Probabilidad de tener osteoporosis o menopausia?

 P(OsteoporosisUMenopausia)=64/1000+697/1000-58/1000=0,703

Total
469
467
64
1000

Probabilidad de tener osteopenia u osteoporosis?

 P(OsteopeniaUOsteoporosis)=467/1000+64/1000=0,531

NORMAL
OSTEOPENIA
OSTEOPOROSIS

MENOPAUSIA
NO
SI
189
280
108
359
6
58
303
697

No son sucesos disjuntos

Probabilidad de una mujer normal? (entindase)

 P(Normal)=469/1000=0,469
 P(Normal)=1-P(Normal)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469
Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

12

Recuento

Ejemplo (III)
CLASIFICACION
OMS

NORMAL
OSTEOPENIA
OSTEOPOROSIS

Total

MENOPAUSIA
NO
SI
189
280
108
359
6
58
303
697

Total
469
467
64
1000

Si es menopusica probabilidad de osteoporosis?

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

Probabilidad de menopausia y osteoporosis?

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

Otra forma:

P( Menop I Osteoporosis ) = P ( Menop) P (Osteoporosis | Menop) =

=

697 58

= 58 / 1000 = 0,058
1000 697

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

13

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.

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

14

Sistema exhaustivo y excluyente de sucesos

Son una coleccin de sucesos
A2

A1

A1, A2, A3, A4

Tales 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

A2

Suceso
seguro

A3
A4
Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

15

Divide y vencers
A2

A1

Todo suceso B, puede ser

descompuesto en componentes de dicho
sistema.
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

A3

A4

Suceso
seguro

A1

A2

A3

A4

Nos permite descomponer el problema B en

subproblemas ms simples. Creedme . Funciona.
Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

16

Teorema de la probabilidad total

A2

A1

Si conocemos la probabilidad de B en cada uno de los

componentes de un sistema exhaustivo y excluyente de
sucesos, entonces
podemos calcular la probabilidad de B.
P(B|A1)

A1

P(A1)

P(B|A2)
A3

A4

Suceso
seguro

P(A2)

A2

P(A3)

A3

P(A4)
P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 )

A4

P(B|A3)

B
B
B

P(B|A4)
B

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

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

17

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%.
T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de sucesos

Qu porcentaje de fumadores hay?



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

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

Fuma

0,1
Mujer

0,7

0,9
No fuma

Estudiante

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

= 0,13 =13%

0,2

0,3

Fuma

Hombre

Los caminos a travs de nodos representan intersecciones.

0,8
No fuma

Las bifurcaciones representan uniones disjuntas.

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

18

Teorema de Bayes
A2

A1

si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
de cada Ai.

A3

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

P(B Ai)
P(Ai| B) =
P(B)

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)
Bioestadstica. U. Mlaga.

+ P(B|A2) P(A2) +
Tema 4: Probabilidad

19

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%.

Qu porcentaje de fumadores hay?

 P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13

(Resuelto antes)

Fuma

0,1

Se elije a un individuo al azar y es fumador

0,7
Probabilidad de que sea un hombre?

Mujer

0,9
No fuma

Estudiante

P ( H F ) P( H ) P( F | H )
P( H | F ) =
=
=
P( F )
P( F )
0,3 0,2
=
= 0,46
0,13
Bioestadstica. U. Mlaga.

0,2

0,3

Fuma

Hombre
0,8
No fuma
Tema 4: Probabilidad

20

10

Ejemplo de prueba diagnsticas: Diabetes

Los carbohidratos ingeridos terminan como glucosa en la sangre. El exceso

se transforma en glucgeno y se almacena en hgado y msculos. Este se
transforma entre comidas de nuevo en glucosa segn necesidades.

La principal hormona que regula su concentracin es la insulina. La diabetes

provoca su deficiencia o bien la insensibilidad del organismo a su presencia.
Es una enfermedad muy comn que afecta al 2% de la poblacin
(prevalencia)

Una prueba comn para diagnosticar la diabetes, consiste en medir el nivel

de glucosa. En individuos sanos suele variar entre 64 y 110mg/dL.


Valores por encima de 110 mg/dL se asocian con un posible estado prediabtico.


El cambio de color de un indicador al contacto con la orina suele usarse como

indicador (resultado del test positivo)

Pero no es seguro. Otras causas podran ser: hipertiroidismo, cancer de pncreas,

pancreatitis, atracn reciente de comida

Supongamos que los enfermos de diabetes, tienen un valor medio de

126mg/dL.

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

21

Funcionamiento de la prueba diagnstica de glucemia

Valor lmite: 110mg/dL

 Superior: test positivo.
 Inferior: test negativo.

Probabilidad de acierto:
 Para enfermos

Para sanos

Verdadero negativo
(especificidad)

Probabilidad de error
 Para enfermos

Falso

Para sanos

Bioestadstica. U. Mlaga.

Verdadero positivo
(sensibilidad)

Falso +

Tema 4: Probabilidad

22

11

Cmo definir el punto de corte de la prueba diagnstica?

No es simple. No es posible aumentar sensibilidad y especificidad al mismo

tiempo. Hay que elegir una solucin de compromiso: Aceptable sensibilidad y
especificidad.
Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

23

Una prueba diagnstica ayuda 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



Para confirmar la sospecha, usamos una prueba diagnstica. Ha

sido evaluada con anterioridad sobre dos grupos de individuos:
sanos y enfermos. As de modo frecuentista se ha estimado:



Incidencia: Porcentaje de nuevos casos de la enfermedad en la poblacin.

Prevalencia: Porcentaje de la poblacin que presenta una enfermedad.

P(+ | Enfermo)= Sensibilidad (verdaderos +)= Tasa de acierto sobre enfermos.

P(- | Sano) = Especificidad (verdaderos -)= Tasa de acierto sobre sanos.

A partir de lo anterior y usando el teorema de Bayes, podemos

calcular las probabilidades a posteriori (en funcin de los
resultados del test): ndices predictivos



P(Enfermo | +) = ndice predictivo positivo

P(Sano | -) = ndice predictivo negativo

Bioestadstica. U. Mlaga.

Tema 4: Probabilidad

24

12

Pruebas diagnsticas: aplicacin T. Bayes.

Sensibilidad,
verdaderos +

T+

P. a priori de enfermedad:
incid., preval., intuicin, Enfermo
T-

Falsos Individuo
Falsos +

T+
Sano

Especificidad,
Verdaderos -

T-

Bioestadstica. U. Mlaga.

Ejemplo: ndices predictivos

La diabetes afecta al 2% de
los individuos.

La presencia de glucosuria
se usa como indicador de
diabetes.

25

Tema 4: Probabilidad

Individuo

0,98

0,02

Su sensibilidad es de 0,945.

La especificidad de 0,977.

Calcular los ndices

predictivos.
P( Sano | T ) =

0,977

TP ( SanoI T )
P( SanoI T ) + P ( Enf I T )

0,98 0,977
=
= 0,999
0,98 0,977 + 0,02 0,055
Bioestadstica. U. Mlaga.

0,023

T+
P( Enf | T +) =

0,055

0,945

T-

T+

P( Enf I T +)
P ( Enf I T +) + P ( SanoI T +)

0,02 0,945
=
= 0,456
0,02 0,945 + 0,98 0,023
Tema 4: Probabilidad

26

13

Observaciones

En el ejemplo anterior, al llegar un

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

A continuacin se le pasa una prueba

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

En funcin del resultado tenemos una

nueva idea (a posteriori) sobre la
probabilidad de que est enfermo.
 Nuestra opinin a priori ha sido
modificada por el resultado de un
experimento.

Bioestadstica. U. Mlaga.

-Qu probabilidad tengo

de estar enfermo?
- En principio un 2%. Le
haremos unas pruebas.

- Presenta glucosuria. La
probabilidad ahora es del
45,6%.

Tema 4: Probabilidad

27

Tema 4: Probabilidad

28

Qu hemos visto?

lgebra de sucesos


Unin, interseccin, complemento

Probabilidad


Nociones





Axiomas
Probabilidad condicionada
Reglas de clculo




Frecuentista
Subjetiva o Bayesiana

Complementario, Unin, Interseccin

Independencia de sucesos
Sistema exhaustivo y excluyente de sucesos

Teorema probabilidad total.

Teorema de Bayes


Pruebas diagnsticas
 A priori: Incidencia, prevalencia.
 Eficacia de la prueba: Sensibilidad, especificidad.
 A posteriori: ndices predictivos.

Bioestadstica. U. Mlaga.

14