Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica SCSF 05 PDF
Estadistica SCSF 05 PDF
Probabilidad
El concepto de probabilidad se encuentra con bastante frecuencia
en la comunicacin en el rea de salud.
Ejemplos
Historia de la probabilidad.
Jacob Berooulli (1654 - 1705), Abraham de Moivre (1667 - 1754), el reverendo
Thomas Bayes (1702 - 1761) y Joseph Lagrange (1736 - 1813) desarrollaron
frmulas y tcnicas para el clculo de la probabilidad. En el siglo XIX, Pierre
Simon, marqus de Laplace (1749 - 1827), unific todas estas primeras ideas y
compil la primera teora general de la probabilidad.
La teora de la probabilidad fue aplicada con xito en las mesas de juego y, lo
que es ms importante, en problemas sociales y econmicos. La industria de
seguros requera un conocimiento preciso acerca de los riesgos de prdida.
Muchos centros de aprendizaje estudiaron la probabilidad como una herramienta
para el entendimiento de los fenmenos sociales.
Nuestra necesidad de tratar con la incertidumbre nos lleva a estudiar y utilizar la
teora de la probabilidad. Al organizar la informacin y considerarla de manera
sistemtica, seremos capaces de reconocer nuestras suposiciones, comunicar
nuestro razonamiento a otras personas y tomar decisiones ms slidas.
va
a suceder.
Una probabilidad de uno indica que algo va a suceder
siempre.
{varn, mujer}
Definicin de probabilidad
Existen tres maneras bsicas de definir la probabilidad.
Estas tres definiciones presentan planteamientos
conceptuales bastante diferentes:
9
9
9
Definicin clsica.
Frecuencia relativa de ocurrencia.
Probabilidad subjetiva.
Probabilidad clsica
Se define la probabilidad de que un evento ocurra como:
Probabilidad clsica
ocurrencia)
de
una
Nmero de casos
Prevalencia=
Poblacin en riesgo
Cuando utilizamos el planteamiento de frecuencia relativa para
establecer probabilidades, el nmero que obtenemos como
probabilidad adquirir mayor precisin a medida que aumentan
las observaciones
Probabilidades subjetivas
Las probabilidades subjetivas estn basadas en las
creencias de las personas que efectan la
estimacin de probabilidad.
La probabilidad subjetiva se puede definir como la
probabilidad asignada a un evento por parte de un
individuo, basada en la evidencia que se tenga
disponible. Esa evidencia puede presentarse en
forma de frecuencia relativa de presentacin de
eventos pasados o puede tratarse simplemente de
una creencia meditada.
Probabilidades subjetivas
Clculo de probabilidades
Probabilidad se define mejor en cuanto a frecuencia relativa. As,
la probabilidad (P) de un fenmeno A est dada por P(A):
P ( A) =
Probabilidad condicional
En el ejemplo de intoxicacin alimentara, la probabilidad de que
enfermara una persona dada fue de 0.6266. Sin embargo, la
probabilidad de enfermedad (A) tendra que modificarse si se
supiera que alimento comi (B) la persona. Esto introduce la idea de
probabilidad condicional o, la probabilidad de que A ocurra dado
que B ha ocurrido. La probabilidad condicional para A dado B se
define como
Ejemplo:
Suponga que 133 personas comieron pavo (B) en el banquete y de
estas; 95 enfermaron (A). Se desea determinar la probabilidad de
enfermedad para personas que comieron pavo en el banquete.
Expresado como una probabilidad condicional, esto es:
P( A / B) =
95
P( A / B) =
= 0.71
133
Fenmenos complejos
Los fenmenos que es expresan como combinaciones especificadas
( A y B ocurren) y
los que se expresan como alternativas
especificadas (A o B ocurren) se denominan fenmenos complejos.
P(A y B) : probabilidad de que A y B ocurran juntos.
Si A y B no pueden ocurrir juntos, se denominan mutuamente
exclusivos, entonces P (A y B)=0
P (A o B) : probabilidad de que A ocurra o de que B ocurra o que ambas
ocurran.
En otras palabras, P (A o B) expresa la probabilidad que al menos una de
los eventos A o B ocurra
Regla de multiplicacin
Dados dos eventos A y B. La probabilidad de que A y B ocurran se define
como:
10% de los pacientes que lo toman. Un mdico tiene dos enfermos que
estn tomando el medicamento. Cul es la probabilidad de que ambos
experimentan efectos colaterales?
La aparicin de efectos colaterales en un paciente no afecta las
probabilidades de haya dichos efectos en el otro (Independencia) .
P(ambos experimentan efectos colaterales)= 0.1 x 0.1 = 0.01
(1% )
Regla de la adicin
Dados dos eventos A y B se define la probabilida de A o B ocurran como :
Antecedentes
Angina
Total
Enferm.
Cerebrovasc.
Total
Anormalidad
electrocardiogrfica
Total
Gravedad de hipertensin
Leve/Mod.
Grave
Total
18
25
243
38
281
261
45
306
257
44
301
261
45
306
56
22
78
205
23
228
261
45
306
Variable aleatoria
Es una variable que cuantifica los resultados de un experimento
aleatorio o se puede decir tambin que es una variable que toma
diferentes valores como resultado de un experimento aleatorio.
Si la variable aleatoria puede tomar slo un nmero limitado de
Variables aleatorias y
Distribucin de probabilidad .
Se puede pensar en una variable aleatoria como un valor o una
magnitud que cambia de un sujeto a otro, sin seguir una
secuencia predecible. Los valores de una variable aleatoria son
los valores numricos correspondientes a cada posible resultado
de un experimento aleatorio.
Una distribucin de frecuencias es un listado de las frecuencias
observadas de todos los resultados de un experimento que se
presentaron realmente cuando se efectu el experimento, mientras
que una distribucin de probabilidad es un listado de las
probabilidades de todos los posibles resultados que podran
obtenerse si el experimento se lleva a cabo.
La distribucin de probabilidad de una variable aleatoria
proporciona una probabilidad para cada valor posible, y estas
probabilidades deben sumar 1.
Definiciones
Modelo Probabilistico
Un modelo es una simplificacin de la realidad.
Un modelo probabilstico es un modelo matemtico que describe el
comportamiento de una variable aleatoria. Es una funcin que
depende de los valores de la variable aleatoria, y de otras
cantidades que caracterizan a una poblacin en particular y que se
denominan parmetros del modelo.
En el proceso de modelacin, es necesario seguir los siguientes pasos:
1.
2.
3.
4.
Modelo Probabilistico
En el proceso de modelacin, es necesario seguir los siguientes
pasos:
1.
2.
3.
4.
La distribucin Binomial
Esta distribucin describe una variedad de procesos de inters para
los administradores y describe datos discretos, no continuos, que
son resultado de un experimento conocido como proceso de
Bernoulli.
Proceso de Bernoulli.
1.
Distribucin Binomial
Ejemplo :
El experimento consiste en seleccionar aleatoriamente 3 pacientes
y determinar si tienen fiebre amarilla (xito).
1. Slo dos posibles resultados (tiene o no tiene la enfermedad)
2. La probabilidad de que un paciente tenga fiebre amarilla es p
( tasa de prevalencia).
3. La presencia de la enfermedad en un paciente es independiente
de la presencia en otro paciente
La variable aleatoria es :
X: Nmero de pacientes con fiebre amarilla
Distribucin Binomial
Frmula binomial:
n x
P( x) = p (1 p )n x
x
; x=0,1,2,...n
Donde :
p = Probabilidad de exito
1 - p = probabilidad de fracaso
x = nmero de xitos deseados
n = nmero de repeticiones del experimento
La distribucin de Poisson.
La distribucin de Poisson se utiliza para describir cierto tipo de procesos,
como por ejemplo:
Pueden ser descritos mediante una variable aleatoria discreta que toma
valores enteros (0, 1, 2...),
El evento ocurre en un periodo de tiempo, un rea, un volumen.
La distribucin de Poisson.
Frmula binomial:
e x
P( x) =
x!
; x=0,1,2,...
: Nmero de xitos
Distribucin Poisson
Ejemplo :
El nmero de suicidios en la Lima sigue una distribucin Poisson.
Adems se ha calculado que en promedio ocurren dos suicidios
por semana.
X: Nmero de suicidios
El modelo de probabilidad del nmero de suicidios ser
e 2 2 x
P( x) =
x!
; x=0,1,2,...
FUENTES DE SESGOS EN LA
SELECCIN DE MUESTRAS
FUENTES DE SESGOS EN LA
SELECCIN DE MUESTRAS
Por otro lado, cuando se toma una decisin en base
a la informacin de una muestra siempre existe el riesgo de
cometer un error denominado error de muestreo, No es
posible eliminar este tipo de error a menos que el tamao de
la muestra sea igual a la poblacin (N=n), lo ms que se
puede hacer es tratar de medirlo.
Este riesgo de conclusiones erradas debido a los
errores de muestreo puede ser medido siempre que las
muestras sean probabilsticas (muestras aleatorias).
COMPARACIN DE TIPOS DE
MUESTRAS
Muestra aleatoria
Cada persona (paciente) tiene igual chance (probabilidad)
de se ser seleccionado para la muestra. Dado que la
probabilidad de seleccionar cada elemento de la poblacin
es conocida, el investigador puede usar las diversas reglas
y leyes de la probabilidad para evaluar la confiabilidad de
las conclusiones que se obtengan a partir de muestras
aleatorias.
COMPARACIN DE TIPOS DE
MUESTRAS
Muestra no aleatoria
Las personas (pacientes) no son seleccionados de acuerdo
a un esquema de seleccin aleatoria (muestra no
probabilstica). Este tipo de muestras pueden ser muy tiles
para ciertos estudios; en los cuales no es indispensable que
las muestras sean aleatorias (probabilsticas) de la
poblacin, sino que renan ciertas caractersticas
previamente especificadas
TIPOS DE MUESTRAS
a) Muestras aleatorias
1.
Muestrea simple al azar
2.
Muestra sistemtica
3.
Muestra estratificada
4.
Muestra de conglomerados
5.
Muestra secuencial
b) Muestras no aleatorias
1
Muestra de conveniencia
2.
Muestras dirigidas
3.
Muestra de voluntarios
4.
Muestra de cuotas
TIPOS DE MUESTRAS
Muestreo secuencial
(1)
siguiente unidad.
(3) Cada unidad seleccionada es evaluada con
respecto a
TIPOS DE MUESTRAS
Muestreo secuencial
Ejemplo:
Aleatoria
No
aleatoria
Ventajas
Ventajas
la seleccin de la muestra.
Las pruebas de hiptesis
estadsticas asumen este tipo de
muestreo.
La generalizacin de los resultados
hacia la poblacin objetivo es ms
simple.
Menos costoso
Administrativamente ms fcil
representativas.
.La generalizacin de los resultados
obtenidos en la muestra es
cuestionable.
Aumenta la posibilidad de que
ocurran sesgos en la seleccin.
EL TAMAO DE MUESTRA
Cuando decidimos realizar una investigacin, de
inmediato surgen dos preguntas :
1. Cuntos pacientes son necesarios para que la
muestra
vlidas?
2. Cmo se debe seleccionar los individuos que
conformarn
la muestra de modo que se eviten sesgos de
seleccin
(mtodo de seleccin)?.
EL TAMAO DE MUESTRA
EL TAMAO DE MUESTRA
investigar?
Qu tanta confianza queremos estamos dispuestos a
depositar en los resultados de la muestra?
Cul es el grado de variabilidad de la caracterstica
EL TAMAO DE MUESTRA
Relacin entre el error y el tamao de muestra
grande
E
R
R
O
R
Pequeo
Pequeo
Grande
TAMAO DE MUESTRA (n )
EL TAMAO DE MUESTRA
EL TAMAO DE MUESTRA
Z
n= 2
E
Z N
n= 2 2
Z + E2 N
2
E : Margen de error
Z : Valor de la variable normal estndar para una probabilidad (1- )