Los fenómenos de la naturaleza, así como los fenómenos biológicos, psicológicos y sociales,

se caracterizan por su multicausalidad que origina incertidumbre en las relaciones planteadas

por las disciplinas y ciencias que los estudian. En este contexto, en cada momento y acto de
nuestra vida, está presente una fracción de incertidumbre, la que en muchas situaciones se
debe medir con algún método para tomar la mejor decisión o para anticipar consecuencias
probables. Si aceptamos que el propósito de la estadística y la bioestadística es reunir,
describir y analizar información referente a los fenómenos de la naturaleza, necesitará
ineludiblemente cuantificar la incertidumbre contenida en esa información. Habitualmente
usamos el concepto probabilidad para referirnos a la ocurrencia de uno u otro acontecimiento,
evento o suceso, en que no sabemos con certeza cual va a ser el resultado de tal
acontecimiento, existiendo un grado variable de incertidumbre respecto de su ocurrencia o
no. Pero si se puede llegar a conocer los posibles resultados, podemos entonces analizar las
posibilidades de que ocurra el suceso, y a cada posible resultado le podremos asignar una
determinada cuantía, la que permitirá calcular la probabilidad de ocurrencia de tal suceso. De
esta forma podremos llegar a determinar la probabilidad que una persona presente una
determinada enfermedad, dado ciertos signos y síntomas; la probabilidad de fallecer o
sobrevivir a un tratamiento; la probabilidad que el diagnóstico establecido a partir de un
examen clínico o de laboratorio sea correcto; la probabilidad de pertenecer a cierto grupo de
riesgo dado la presencia de ciertas características, entre otros varios eventos de interés clínico
y epidemiológico. En este mismo sentido, es de pertinencia que se tenga en cuenta que
cuando se estudia reglas de la probabilidad, se debe saber la diferencia entre un evento
independiente y evento dependiente
En el contexto en que se presenten dos o más eventos, nos encontramos con la situación que
el resultado de uno de ellos puede o no afectar el resultado de un segundo evento. En el caso
de los eventos estadísticamente independientes, la presencia u ocurrencia de uno de ellos no
tiene efecto sobre la probabilidad de ocurrencia de cualquier otro evento. Si E1, E2, E3,….En
son sucesos independientes, con probabilidad P1, P2, P3, ….Pn, entonces la probabilidad
conjunta de que ocurra E1 y E2 y E3 y….. En es igual a P1*P2*P3* ….Pn.
Es decir:
P(E1∩E2∩E3∩….. En)= P1*P2*P3* ….Pn.
Por ejemplo, un Centro médico posee dos salas de espera de consultas psiquiátrica, en la
primera sala se encuentran 4 pacientes que requieren evaluación psiquiátrica y 2 pacientes
que requieren tratamiento; en la segunda sala se encuentran 3 pacientes para evaluación y 5
para tratamiento, tales datos pueden organizarse como sigue:
 a) Si se extrae al azar un paciente de cada sala, cuál es la probabilidad de que ambos
sean pacientes para tratamiento:
Sean Ei: paciente para evaluación.
Ti: paciente para tratamiento.
Con i= 1 o 2, según pertenezca a la primera o segunda sala

Es decir, la probabilidad que ambos pacientes extraídos sean para tratamiento es de 0,208. b)
Si se extrae al azar un paciente de cada sala, ¿cuál es la probabilidad de que el primero sea
para tratamiento y el segundo para evaluación, si se comienza la extracción en la primera
sala? Sean Ei: paciente para evaluación. Ti: paciente para tratamiento. Con i= 1 o 2, según
pertenezca a la primera o segunda sala.

Es decir, la probabilidad que se extraiga el primer paciente para tratamiento y el segundo

para evaluación es de 1/8. Consideremos un segundo ejemplo ficticio. Se poseen tres jaulas
con ratas de laboratorio, la primera de ellas posee 2 ratas grises y 1 blanca, la segunda posee
4 ratas pintadas y 7 blancas, y la tercera caja posee 6 ratas beige y 4 blancas, ¿cuál es la
probabilidad de extraer una rata blanca, una rata pintada y una rata beige al extraer una de
ellas de cada caja comenzando la extracción secuencialmente en la primera caja?

Luego, la probabilidad que se extraiga una rata blanca, una pintada y una beige, al extraer
sólo tres ratas comenzando secuencialmente por la primera caja es de 0,073. Consideremos,
por último, el experimento de hacer el lanzamiento de una moneda diez veces, ¿cuál es la
probabilidad de obtener cara en el cuarto y sexto lanzamiento?
Es decir, la probabilidad de que ocurra el fenómeno de obtener cara tanto en el cuarto como
en el sexto lanzamiento es de 0,25. Supongamos ahora que no se cumple la independencia
estadística de los eventos, es decir, la probabilidad de un evento afecta la ocurrencia de un
segundo evento o de los eventos sucesivos, los eventos así presentados son dependientes, en
cuyo caso si E1 y E2 son sucesos dependientes, se tiene que:

Y así sucesivamente para los En sucesos dependientes. En el caso de la expresión 10, tenemos
que la probabilidad de ocurrencia del evento E1 y E2 se calcula como el producto de la
probabilidad de E1 por la probabilidad de E2 dado que ocurrió E1. Es decir, la probabilidad
del segundo evento está condicionada por la ocurrencia del primer evento, obviamente ello
se puede extender a tres o más eventos. La barra vertical [ | ] que separa un evento de otro se
interpreta habitualmente como “dado”, otorgando un símbolo conveniente para anunciar la
condición bajo la cual se obtiene la probabilidad precedente. Consideremos un ejemplo
básico: una caja que posee 5 bolitas azules (Suceso A), 7 bolitas blancas (Suceso B) y 8
bolitas verdes (Suceso V), ¿cuál es la probabilidad, al extraer las bolitas sin reposición, que
la primera salga blanca, la segunda verde y la tercera azul?

Es decir, la probabilidad que en la extracción ocurra esa combinación preestablecida es de

0,041, siendo bastante baja.
Y por lo tanto se concluye como la regla multiplicativa de la probabilidad, donde se la
probabilidad que dos eventos A y B ocurra esta determinada por P(A)*P(B|A). Ello podemos
expresar como:
Igualmente la P(A B)  P(B)*P(A| B) es decir, la probabilidad que dos eventos A y B
ocurran, es igual a la probabilidad de A multiplicada por la probabilidad de B dado que A ya
ocurrió. Como sabemos, si A y B son sucesos independientes, dada la propiedad
multiplicativa de la probabilidad, la expresión anterior se reduce a P(A B)  P(A)*P(B)

Regla de probabilidad total

supongamos que disponemos de datos recogidos mediante una encuesta nacional de
autocuidado en salud en población escolar de enseñanza básica, donde parte de los datos dan
cuenta de la conducta de cepillado de dientes de los niños después de almorzar y de los
niveles educativos de 37.343 madres de tales niños, los datos se muestran en la siguiente
tabla.

Sea E1 el evento de que la madre posee un nivel educativo de enseñanza básica, E2 el evento
que da cuenta que la madre posee un nivel de enseñanza media y E3 el evento que la madre
posee educación superior. Asumiendo que se posee una muestra suficientemente grande de
niños y madres como para satisfacer la definición de probabilidad basada en la frecuencia,
podemos calcular la probabilidad de cada uno de estos eventos ocurra, encontrando que:

Observe que, la suma de los tres valores de probabilidad equivalen a 1, es decir, si definimos
Ei como el evento que una madre de las encuestadas posea enseñanza básica, enseñanza
media o enseñanza superior, se tiene que:
Siendo posible aplicar la propiedad aditiva de la probabilidad y sumar directamente las
probabilidades de los eventos dado que son mutuamente excluyente
Definamos ahora el evento C como la condición que el niño no se cepille los dientes después
de almorzar, lo que podría considerarse una conducta de interés al ser de riesgo, la
probabilidad de tal evento para el total de los casos está dada por:

Lo que permite afirmar que la probabilidad total de no cepillarse los dientes después de
almorzar es de 0,125. Al calcular la probabilidad del mismo evento en los distintos subgrupos
de madres, se constata que:

Advirtiéndose que la probabilidad aumenta en aquellos niños que poseen madres cuyo nivel
educativo es enseñanza básica, disminuyendo progresivamente en la medida que aumenta el
nivel educativo de las madres. De igual forma podemos esperar que cuando el nivel educativo
de las madres aumenta, la probabilidad de que los niños se cepillen los dientes después de
almorzar también aumenta, aumentando la probabilidad total de la conducta. De hecho,
asumiendo C como el evento de que el niño se cepille los dientes, se tiene:

Además se debe observar que, respecto del total de los integrantes de la muestra, la
probabilidad que un niño no se cepille los dientes después de almorzar se puede expresar
como la unión de tres eventos mutuamente excluyentes, en que se intersecta la condición de
no cepillarse los dientes con la condición de poseer una madre con un nivel educativo
determinado; naturalmente cada niño que no se cepilla los dientes puede ubicarse sólo en uno
de los grupos de madres, esto lo podemos expresar como:

Dado que los eventos así definidos son mutuamente excluyentes, se puede aplicar la
propiedad aditiva y la propiedad multiplicativa de las probabilidades, demostrarse que:
Reemplazando los valores ya calculados para cada una de las probabilidades de la ecuación,
se obtiene que:

De esta forma, la probabilidad que un niño no se cepille los dientes después de almorzar es
de 0,125; como ya habíamos establecido inicialmente a partir de los datos. Al generalizar el
resultado alcanzado en el desarrollo del ejercicio anterior, se demuestra que, respecto de un
evento A de interés, el que puede ocurrir en cualquiera de las Bk partición de un espacio
muestral Ω, la probabilidad total de que tal evento ocurra es:

La expresión anterior se conoce como teorema de la probabilidad total o ley de la

probabilidad total, y permitirá el planteamiento de otro teorema fundamental en la teoría y
cálculo de probabilidades.

Teorema de Bayes: concepto y cálculo

Si bien, el teorema de la probabilidad total permite establecer la probabilidad de ocurrencia
de un evento de interés, no nos informa la probabilidad que un sujeto que posee una
característica determinada provenga de una partición específica o conocida del espacio
muestral.
Para resolver esta nueva interrogante, continuemos con el desarrollo del ejemplo referido al
evento C , condición de no cepillarse los dientes después de almorzar. Ya hemos calculado
P(C) , en esta nueva situación nos interesa calcular por
ejemplo calcular la probabilidad que el niño posea una madre con un nivel educativo de
enseñanza media dado que presenta la conducta de no cepillarse los dientes después de
almorzar, o dicho de manera más general, cuál es la probabilidad que un niño (elegido al
azar) que no se cepilla los dientes después de almorzar provenga de una madre con un
determinado nivel educativo. Sabemos que ,despejando la

probalididad condicional no da
Lo mismo si dijeramos que de saliera
Al aplicar la propiedad multiplicativa al numerador de la expresión, se tiene que:

Pero sabemos, por el teorema de la probabilidad total, que:

Luego, reemplazando en la ecuación anterior tenemos que:

De esta forma, resolviendo la ecuación con los valores de probabilidad ya conocidos, se

puede determinar la probabilidad que un niño posea una madre con nivel educativo de
enseñanza básica dado que no se cepilla los dientes después de almorzar:

Se concluye luego que la probabilidad que un niño que no se cepilla los dientes después de
almorzar posea una madre con nivel educativo de enseñanza básica es aproximadamente
0,602. Ello igualmente se puede calcular a partir de los datos originales de la tabla, en que de
los 4.671 niños que no se cepillan los dientes después de almorzar, sólo 2.815 de tales niños
poseen madres con un nivel educativo de enseñanza básica, es decir:

(*) La variación respecto del valor calculado anteriormente se debe simplemente al efecto de
la aproximación realizada en el cálculo anterior.
Utilizando el razonamiento y comprensión lograda en el problema anterior, se puede
demostrar que: si un espacio muestral Ω está formado por B1, B2, B3, B4, ..., Bk particiones
y conocemos la ocurrencia de un suceso A que está en Ω, entonces al desear determinar la
probabilidad de que una partición en particular ha sido generadora del suceso A se tiene:

Siendo el denominador una sumatoria de términos que varía de i=1 a i=k, correspondiendo a
lo que hemos definido como probabilidad total de la ocurrencia de un evento en el espacio
muestral (Ω). La expresión del teorema anterior es lo que conocemos como Teorema de
Bayes, el que es posible representarlo más abreviadamente como:

De esta forma, el Teorema de Bayes calcula la probabilidad que, habiendo ocurrido un suceso
A de interés en un espacio muestral conocido, tal suceso provenga de una determinada
partición del espacio muestral, en que eventualmente para cada partición del espacio muestral
existe una probabilidad cualquiera, conocida o calculable, de ocurrencia 14 del suceso A. Se
puede inferir fácilmente que el Teorema de Bayes nos permite considerar información
disponible respecto de un suceso A que está presente y del cual conocemos su probabilidad
de ocurrencia. Por ejemplo, podemos calcular la probabilidad que un paciente sobreviva a
una intervención quirúrgica dado que presenta una condición médica preexistente distinta a
la que motiva la cirugía, o bien determinar la probabilidad de sufrir alguna patología
coronaria dado que se posee una determinada conducta alimentaria o un índice de masa
corporal determinado.
Considere el siguiente ejemplo: En una escuela existe tres cursos de cuarto año de enseñanza
básica, el primer y segundo curso poseen 30% del total de estudiantes cada uno y el tercer
curso el 40% restante de estudiantes. Se sabe que en el primer curso hay una probabilidad de
0,20 de poseer Trastorno por déficit de atención, en el segundo curso tal probabilidad es de
0,16 y en el tercero de 0,31. En ese contexto, ¿Cuál es la probabilidad que, habiendo
seleccionado un estudiante con Trastorno por déficit de atención, éste haya pertenecido al
segundo curso?
Para representar nuestro problema y calcular la probabilidad asumiremos que: C1, C2 y C3
representan el primer, segundo y tercer curso de cuarto año de enseñanza básica
respectivamente, y A representa el evento de presentar trastorno por déficit de atención.
Luego, haciendo uso del teorema de Bayes, se tiene que:

Se concluye que, dado que el niño seleccionado al azar posee trastorno por déficit de
atención, existe una probabilidad de 0,207 que provenga del segundo curso.
Considere un segundo ejemplo: En el extremo sur de Chile existe tres provincias muy
alejadas de los grandes centros urbanos, en las cuales trabajan cierta cantidad de médicos
general de zona. Se ha observado, a lo largo de cinco años, que la probabilidad que los
médicos desarrollen sentimientos de soledad y se depriman es un tanto distinta en cada una
de tales provincias. Según el registro histórico, en la primera de las provincias, de un total de
20 médicos que han ocupado el cargo sólo 3 han presentado depresión, en la segunda
provincia de un total de 14 médicos sólo 3 han presentado depresión y en la tercera provincia
se han deprimido 7 médicos de un total de 18. En la actualidad, las provincias poseen 19, 18
y 21 médicos general de zona respectivamente, cuál es la probabilidad que, estando el médico
depresivo, este provenga de la tercera provincia?
Los datos anteriores se pueden agrupar en la siguiente tabla:

Para plantear el problema estadísticamente y realizar el cálculo de probabilidad, definamos

los siguientes eventos:

Haciendo uso del concepto clásico de probabilidad, tenemos que.

Así también, es posible calcula la P(D|B) = 0,214 y P(D|C)=0,389.

Usando los datos actuales respecto de la provincia de ejercicio de los médicos, se puede
establecer que la probabilidad que un médico esté ejerciendo en alguna de las tres provincias
A, B o C está dado por:

Asumiendo los valores calculados, podemos reemplazarlos en la ecuación 16 que define el

Teorema de Bayes, encontrando que la probabilidad que un médico en estado depresivo
provenga de la tercera provincia (C) es de 0,549, como se observa en el siguiente cálculo:

Se insiste al lector que el denominador de la ecuación que define el Teorema de Bayes

corresponde al teorema de la probabilidad total, el cual indicaría la probabilidad de
ocurrencia del suceso de interés en cualquier partición del espacio muestral definido, sin
haber asumido o tenido conocimiento que el suceso ocurrió en una partición determinada.