Objetivo: El objetivo de este trabajo consiste en introducir algunos de los conceptos bsicos del clculo de probabilidades, as como las

reglas necesarias para el desarrollo de la inferencia estadstica en medicina. Una exposicin ms detallada de estos y otros conceptos puede encontrarse en referencias ms especializadas2-8. 1. Calculo de probabilidad:

El concepto de probabilidad resulta familiar a cualquier profesional del mbito sanitario, pero una definicin ms precisa exige considerar la naturaleza matemtica de dicho concepto. La probabilidad de ocurrencia de un determinado suceso podra definirse como la proporcin de veces que ocurrira dicho suceso si se repitiese un experimento o una observacin en un nmero grande de ocasiones bajo condiciones similares. Por definicin, entonces, la probabilidad se mide por un nmero entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sera igual a uno. As, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes. La definicin anterior de probabilidad corresponde a la conocida como definicin frecuentista. Existe otra descripcin ms formal desde el punto terico que permite definir el concepto de probabilidad mediante la verificacin de ciertos axiomas a partir de los que se deducen todas las dems propiedades del clculo de probabilidades2. En otros contextos, se ha defendido una interpretacin ms amplia del concepto de probabilidad que incluye las que podemos denominar probabilidades subjetivas o personales, mediante las cuales se expresa el grado de confianza o experiencia en una proposicin. Esta definicin constituye la base de los llamados mtodos bayesianos, que se presentan como alternativa a la estadstica tradicional centrada en el contraste de hiptesis9-11. No obstante, y en relacin con el propsito de este trabajo, bastar con considerar la definicin frecuentista anterior. As, a partir de una poblacin con N elementos, de los cuales k presentan una caracterstica A, se estimar la probabilidad de la caracterstica A como P(A) = k/N. As, por ejemplo, en una poblacin de 100 pacientes, 5 de los cuales son diabticos, la probabilidad de padecer diabetes p(Diabetes) se estimar como el cocient:e 5/100= 0.5. 2. Probabilidad de eventos:

La creacin de la probabilidad se atribuye a los matemticos franceses del siglo XVII Blaise Pascal y Pierre de Fermat, aunque algunos matemticos anteriores, como Gerolamo Cardano en el siglo XVI, haban aportado importantes contribuciones a su desarrollo. La probabilidad matemtica comenz como un intento de responder a varias preguntas que surgan en los juegos de azar, por ejemplo, saber cuntos dados hay que lanzar para que la probabilidad de que salga algn seis supere el 50%. La probabilidad de un resultado se representa con un nmero entre 0 y 1, ambos inclusive. La probabilidad 0 indica que el resultado no ocurrir nunca, y la probabilidad 1, que el resultado ocurrir siempre. El clculo matemtico de probabilidades se basa en situaciones tericas en las cuales puede configurarse un espacio muestral cuyos sucesos elementales tengan todos la misma probabilidad. Por ejemplo, al lanzar un dado ideal, la probabilidad de cada una de las caras es 1/6. Al lanzar dos dados, la probabilidad de cada uno de los resultados es 1/36. En estos casos, la probabilidad de un suceso cualquiera S, se calcula mediante la regla de Laplace:

P[S] = nmero de sucesos elementales de S / nmero total de sucesos elementales P[S] = nmero de casos favorables a S / nmero de casos posibles Pierre de Fermat El matemtico francs Pierre de Fermat destac por sus importantes aportaciones a la teora de la probabilidad y al clculo diferencial. Tambin contribuy al desarrollo de la teora de nmeros.Corbis La aplicacin de la regla de Laplace en casos elementales es muy sencilla. Por ejemplo, en la experiencia de lanzar un dado: P[{2, 3, 4, 5}] = 4/6 pues {2, 3, 4, 5} tiene 4 sucesos elementales y la experiencia admita, en total, seis posibilidades. Sin embargo, la aplicacin de esta regla en experimentos ms complejos requiere el uso de la combinatoria. Por ejemplo, al extraer tres cartas de una baraja y ver la probabilidad de que las tres sean trboles, el nmero total de sucesos elementales es C523 = (525150)/(321) = 22.100. Los casos favorables son C133= (131211)/(321) = 286. Por tanto, la probabilidad pedida es: P[TRES TRBOLES] = 286/22.100 = 143/11.050 La resolucin de este tipo de problemas se simplifica notablemente si consideramos sacar tres naipes como una experiencia compuesta por tres experiencias simples: sacar un naipe y despus otro y despus otro. 3. Tcnicas de Conteo:

En esta unidad se desarrollan mtodos para determinar sin tener que numerar directamente el nmero de resultados posibles de un experimento particular o el nmero de los elementos de un conjunto en particular, tambin se le conoce como anlisis combinatorio. LISTAS Una lista es una sucesin ordenada de objetos, se escriben entre parntesis y separando los elementos por comas. Por ejemplo la lista (1,2,3,) es una lista cuyo primer elemento es el 1, el segundo el 2, el tercer elemento es el 3 y el cuarto elemento es el conjunto de los nmeros enteros. El orden en que aparecen los elementos en una lista es de suma importancia, as la lista (2,4,6) es diferente de la lista (6,4,2) y de la lista (4,2,6) sin importar que los elementos sean los mismos. Los elementos en una lista pueden repetirse como en (2,2,3). La longitud de una lista es la cantidad de elementos que tiene la lista, as en todos los ejemplos anteriores la longitud es de tres, mientras que la lista (2,4,6,8) tiene una longitud de cuatro. Una lista de longitud dos tiene el nombre especial de par ordenado.Una lista de longitud cero se llama lista vaca y se representa por un parntesis sin elementos en l: ( ). Con frecuencia las coordenadas de un punto en un plano se especifican mediante un par ordenado de nmeros reales (x,y).

4.

Permutaciones:

El nmero de permutaciones de n objetos es el nmero de formas en los que pueden acomodarse esos objetos en trminos de orden. Permutaciones En n Objetos Permutaciones de n elementos tomando n a la vez es igual a: nPn = n! = (n) x (n-1) x x (2) x (1) Ejemplo Los cinco individuos que componen la direccin de una pequea empresa manufacturera sern sentados juntos en un banquete. Determinar el nmero de diferentes posiciones posibles de los asientos para los cinco individuos. Solucin n Pn = n! = 5! = (5)(4)(3)(2)(1) = 120 Permutaciones En Subgrupo De n Objetos El nmero de permutaciones de n objetos tomados r a la vez, donde r es menor que n es igual a: nPr = n! ---(n-r)! Ejemplo En relacin al ejemplo anterior, supongamos que slo a tres de los cinco directivos se les pedir representar a la compaa en el banquete. Cuntas diferentes posiciones sern posibles en la mesa considerando que pueden ser elegidos tres cualesquiera de los cinco individuos? Solucin n Pr = 5 P3 = n! = 5! = (5)(4)(3)(2)(1) = 60 ---------------------(2)(1)

(n - r)! (5 - 3)!

5.

Combinaciones:

En el caso de las combinaciones, lo importante es el nmero de agrupaciones diferentes de objetos que pueden incurrir sin importar su orden. Por lo tanto en las combinaciones se busca el nmero se subgrupos diferentes que pueden tomarse a partir de n objetos. El nmero de combinaciones de n objetos tomados r a la vez es igual a: nCr = ---r! (n-r)! Ejemplo Supongamos que se elegir a tres miembros de una pequea organizacin social con un total de diez miembros para que integren un comit. Cul es el nmero de grupos diferentes de tres personas que pueden ser elegidos, sin importar el diferente orden en el que cada grupo podra elegirse? Solucin: nCr =10C3 = n! = 10! =109x87!=109x8=720= 120 ------------- --------- ------ --n!

r(n - r)! 3!(103)! 3!x7! 32x1 6 6. Probabilidad condicional:

Sea d un espacio muestral en donde se ha definido un evento E, donde p(E)>0, si deseamos determinar la probabilidad de que ocurra un evento A (el que tambin es definido en el mismo espacio muestral), dado que E ya ocurri, entonces deseamos determinar una probabilidad de tipo condicional, la que se determina como se muestra; Donde: p(AE) = probabilidad de que ocurra A dado que E ya ocurri p(AE) = probabilidad de que ocurra A y E a un mismo tiempo p(E) = probabilidad de que ocurra E Por tanto: Donde: AE= nmero de elementos comunes a los eventos A y E E= nmero de elementos del evento E Luego entonces podemos usar cualquiera de las dos frmulas para calcular la probabilidad condicional de A dado que E ya ocurri.