LABORATORIO DE GENÉTICA

TEORÍA DE LA PROBABILIDAD

ANDREA CAMILA CORONADO JIMÉNEZ

GREDYS MILENA QUIÑONES ROMERO

CARLOS DANIEL RODRÍGUEZ MERIÑO

Mg. ADA LUZ CARMONA MARTES

UNIVERSIDAD DEL ATLÁNTICO

LICENCIATURA EN BIOLOGÍA NY QUÍMICA

FALCULTAD DE CIENCIAS DE LA EDUCACIÓN

BARRANQUILLA, COLOMBIA

FEBRERO 27 DEL 2020

1 . INTRODUCCIÓN

El término probabilidad hace referencia al estudio del azar y la incertidumbre, dando lugar aquellas
situaciones en las cuáles se puede producir uno de varios resultados posibles, con el fin de conocer
qué suceso es más probable que ocurra a comparación de otro. Por definición, la probabilidad se
mide por un número entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es
cero, mientras que si ocurriese siempre su probabilidad sería igual a uno. La teoría de la probabilidad
provee métodos para cuantificar la posible ocurrencia de cada uno de ellos, siendo ésta una
herramienta para modelizar y tratar con situaciones de este tipo. Por otra parte, cuando aplicamos
las técnicas estadísticas a la recogida, análisis e interpretación de los datos, la teoría de la
probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones alcanzadas y las
inferencias realizadas.

Ahora bien, la teoría de la probabilidad, no sólo se aplica en las ciencias exactas como estadística,
matemática pura y aplicada, física, química, astronomía, sino, también en áreas variadas del
conocimiento, como las ciencias sociales, sociología, la genética, entre otras. Definiendo ésta
última, la genética es la ciencia que se encarga de estudiar las formas en que se heredan los genes
portadores de la información hereditaria de generación en generación, por lo tanto al hablar de la
probabilidad en el campo de la genética, se está haciendo referencia a la posibilidad que existe de
un organismo herede determinadas características de sus progenitores, donde finalmente se
manifiestan los rasgos dominantes frente a los recesivos fenotípicamente hablando.

En el presente informe se darán a conocer los resultados obtenidos de la práctica correspondiente

a probabilidad, donde por medio de la herramienta Chi2 (chi cuadrado) se logró establecer una
asociación estadísticamente significativa entre los datos recolectados y a su vez, realizar una
pequeña comparación entre los resultados obtenidos y los que se esperaban obtener, rechazando
así cualquier tipo de hipótesis nula.

2. OBJETIVOS

 Aplicar y comprender la teoría de la probabilidad en la genética

 Identificar que herramientas estadísticas son necesarias para la determinación de las
probabilidades
3. MARCO TEÓRICO

El concepto de probabilidad proviene del término latino probabilĭtas. En primera instancia se

entiende como la posibilidad que existe de que un determinado hecho probable realmente suceda.
Ese hecho puede finalmente suceder, o no suceder. (Raffino, 2020)

Por otro lado, la probabilidad es la medida matemática de la posibilidad. En otras palabras, es una
manera de cuantificar (al dar un valor numérico específico) qué tan probable es que algo suceda.
Una probabilidad de 1 para un evento significa que seguro va a pasar, mientras que una
probabilidad de 0 para un evento significa que seguro no va a suceder. La probabilidad puede ser
empírica, lo que significa que se calcula a partir de observaciones de la vida real, o teórica, lo que
significa que se predice con el uso de un grupo de reglas o suposiciones.

 La probabilidad empírica de un evento se calcula al contar el número de veces que ocurre el

evento y dividirlo entre el número total de veces que el evento podría haber sucedido. Por
ejemplo, si el evento que buscabas era una semilla de guisante arrugada y lo
viste 1850 veces de las 7324 semillas totales que examinaste, la probabilidad empírica de
obtener una semilla arrugada sería 1850/(1850 + 5474) = 0,253 o muy cerca de 1 en 4
semillas.

 La probabilidad teórica de un evento se calcula con base en la información de las reglas y

las circunstancias que producen el evento. Refleja el número de veces que se espera que
ocurra un evento relativo al número de veces que posiblemente podría ocurrir. Por ejemplo,
si tienes una planta de guisantes heterocigota para un gen de forma de la semilla (Rr) y la
dejas autofertilizarse, podrías utilizar las reglas de probabilidad y tu conocimiento de
genética para predecir que 1 de cada 4 descendientes obtendrá dos alelos recesivos (rr) y
tendrá apariencia arrugada, que corresponde a una probabilidad de 0,25 (1/4). Más
adelante hablaremos sobre cómo aplicar las reglas de probabilidad en este caso.

Dentro de la teoría de la probabilidad se intenta determinar la cantidad de veces que puede un

determinado resultado acontecer, con el fin de conocer qué suceso es el más probable. Algunos de
los elementos que se tienen en cuenta son el espacio de muestras, los sucesos, los sucesos
elementales y las partes. (Raffino, 2020)

En el estudio de la probabilidad pueden ser identificados tres tipos de métodos.

 El primero es llamado el método de distribución binominal. En este caso es posible obtener

dos resultados, los mismos son independientes y excluyentes entre sí. Por ejemplo si se lanza
una moneda puedo obtener cara o cruz, al obtener cara no puedo obtener cruz y viceversa.

 El segundo método es llamado de multiplicación. En este caso se determina una

probabilidad de varios eventos que son independientes entre sí, es decir que los resultados
obtenidos no tendrán influencia en los demás resultados.
 Por ejemplo: Considera un cruzamiento entre dos individuos heterocigotos (Aa). ¿Cuál es la
probabilidad de obtener un individuo aa en la siguiente generación? La única manera de obtener
un individuo aa es si la madre contribuye un gameto a y el padre contribuye un gameto a. Cada
padre tiene una probabilidad de ½ de hacer un gameto a. Entonces, la probabilidad de ½ de
hacer un gameto a, entonces, la probabilidad de un descendiente aa es: (posibilidad qde que la
madre contribuya un a) x ( probabilidad de que el padre contribuya a) = (1/2) . (1/2) =1/4
(acdemy, 2010)

Imagen 1. Cuadro de Punnett (acdemy, 2010)

 El último método es el de la suma o regla de adición. En este caso la posibilidad de que

suceda un evento específico es equivalente a la sumatoria de las probabilidades particulares.
Esta regla se da bajo la condición que los eventos sean excluyentes entre sí. (Raffino, 2020)

Po ejemplo: Predecir la fracción de la descendencia de un cruzamiento Aa x Aa que tendrá el fenotipo

dominante (genotipo AA o Aa). En este cruzamiento, hay tres eventos que pueden llevar a un
fenotipo dominante:

 Se juntan dos gametos A (lo que da un genotipo AA)

 Se junta un gameto A de la madre con un gameto a del padre (lo que da un genotipo Aa)

 Un gameto a de la madre se junta con un gameto A del padre (lo que da un genotipo Aa)
En cualquier evento de fertilización, solamente una de estas tres posibilidades puede ocurrir (son
mutuamente excluyentes). (acdemy, 2010)

Puesto que esta es una situación "o" donde los eventos son mutuamente excluyentes, podemos
aplicar la regla de la suma. Usando la regla del producto como hicimos anteriormente, podemos
encontrar que cada evento individual tiene una probabilidad de 1/4. Entonces, la probabilidad de
descendencia con un fenotipo dominante es: (probabilidad de A de la madre y A del padre) +
(probabilidad de A de la madre y a del padre) + (probabilidad de a de la madre y A del padre) = (1/4)
+ (1/4) + (1/4)= ¾. (acdemy, 2010)

Imagen 2. Cuadro de Punnett (acdemy, 2010)

EL TABLERO O CUADRO DE PUNNETT

Es un diagrama diseñado por Reginald Punnett y es usado por los biólogos para determinar
la probabilidad de que un producto tenga un genotipo particular. El cuadro de Punnett permite
observar cada combinación posible para expresar, los alelos dominantes (representados con letra
mayúscula) y recesivos (letra minúscula), nos muestra todos los tipos posibles de descendientes que
podrían producirse en el entrecruzamiento. (Castro, 2012)

CHI CUADRADO

El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad del mismo nombre,
sirve para someter a prueba hipótesis referidas a distribuciones de frecuencias. En términos
generales, esta prueba contrasta frecuencias observadas con las frecuencias esperadas de acuerdo
con la hipótesis nula. De igual manera la prueba de chi-cuadrada es una prueba de hipótesis que
compara la distribución observada de los datos con una distribución esperada de los datos. (minitab
, 2019)

Existen varios tipos de pruebas de chi-cuadrada:

Prueba de bondad de ajuste de chi-cuadrada

Utilice este análisis para probar qué tan bien una muestra de datos categóricos se ajusta a una
distribución teórica.

Por ejemplo, usted puede comprobar si un dado es justo, lanzando el dado muchas veces y utilizando
una prueba de bondad de ajuste de chi-cuadrada para determinar si los resultados siguen una
distribución uniforme. En este caso, el estadístico de chi-cuadrada cuantifica qué tanto varía la
distribución observada de los conteos con respecto a la distribución hipotética. (minitab , 2019)

Pruebas de chi-cuadrada de asociación e independencia

Los cálculos para estas pruebas son iguales, pero la pregunta que se está tratando de contestar
puede ser diferente.

 Prueba de asociación: Utilice una prueba de asociación para determinar si una variable está
asociada a otra variable. Por ejemplo, determine si las ventas de diferentes colores de
automóviles dependen de la ciudad donde se venden. (minitab , 2019)

 Prueba de independencia: Utilice una prueba de independencia para determinar si el valor

observado de una variable depende del valor observado de otra variable. Por ejemplo,
determine si el hecho de que una persona vote por un candidato no depende del sexo del
elector. (minitab , 2019)

4. DESARROLLO DE LA PRÁCTICA

En la práctica realizada se llevaron a cabo los siguientes pasos:

 Se tuvieron tomaron 16 pares de botones, ambos pares con características distintivas

 Según las características de los pares de botones, se establecieron qué rasgo era dominante
y que rasgo era recesivo
 Se colocaron los 16 pares de botones en una bolsa y se revolvieron
 Se extrajeron de par en par 40 veces, 60 veces y por último 80 veces
 Se anotaron los resultados y se procedió a realizar el cuadro chi cuadrado
6. CONCLUSIÓN

La importancia esencial de la aplicación de los métodos de cálculo de la probabilidad reside en su

capacidad para estimar o predecir eventos. Cuanto mayor sea la cantidad de datos disponibles para
calcular la probabilidad de un acontecimiento, más preciso será el resultado calculado. Dada la
complejidad de los sistemas en los que suele aplicarse la teoría de la probabilidad, se requiere de
modelos informáticos y estadísticos de gran elaboración, que serían imposibles de no contarse con
los modernos recursos tecnológicos relacionados con la computación.

7. ANEXOS

EVENTO

Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es la mínima

unidad de análisis para efectos de cálculos probabiliasticos

los eventos se clasifican de la siguiente forma:

1. Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo tiempo. EJEMPLO: cara
o escudo.

2. Independientes: Estos no se ven afectados por otros independientes. EJEMPLO: el color del
zapato y la probabilidad que llueva hoy.

3. Dependientes: cuando un evento afecta a la probabilidad de ocurrencia de

otro. EJEMPLO: repaso, calificaciones.

4. No excluyentes entre sí: cuando la ocurrencia de uno de ellos no impide que ocurra el
otro. EJEMPLO: que una persona sea doctor que tenga 56 años, ser estudiante y ya estar
casado.

Cuando el enunciado de un problema de la probabilidad tiene como condición que se presente uno
o otro evento, la probabilidad total se forma por la suma directa de las

1).P(AoB)=P(A)+P(B)

En el caso de eventos no excluyentes entre si debe considerarse que la probabilidad de que ocurran
ambos eventos esta incluida en ellos esa probabilidad de la suma directa (regla general de la suma
de probabilidades)

P(AoB)=P(A)+P(B)-P(AyB)

cuando el enunciado de un problema de probabilidad tiene como condición que se presente uno y
otro evento, la probabilidad total se forma por la multiplicación directa de las probabilidades
individuales si los eventos son independientes.

2).P(AyB)=P(A)*P(B); si son independientes

si los eventos son dependientes deben considerarse que ocurra un segundo evento si ya ocurrió un
primer evento esto se conoce como: regla general de la multiplicación de probabilidades.
3).P(PyB)=P(A)*P(B\A) (Elias, 2008)

COMBINACION

Es todo arreglo de elementos en donde no nos interesa el lugar o posición que ocupa cada uno de
los elementos que constituyen dicho arreglo. (Morales, 2012)

La fórmula para determinar el número de combinaciones es:

Cr= Combinaciones de r objetos tomados de entre n objetos

Ejemplo: ¿Cuántos equipos de voleibol se pueden formar a partir de 9 jugadores disponibles?

Solución: Se requieren 6 jugadores para formar un equipo de voleibol, por lo que, en este caso se
tiene que.

n=9

r=6

de manera que:

PERMUTACIÓN

Las Permutaciones son eventos de tipo multiplicativo, donde el número de posibilidades va

disminuyendo y si importa el orden de una permutación es un arreglo de un conjunto de objetos en
un orden definido. (BioProfe, 2019)
Las permutaciones pueden ser:

 Sin repetición de n elementos tomados todos a la vez.

 Sin repetición de n elementos tomados en grupos de r en r.

 Con repetición de n elementos tomados en grupos de r en r.

 Permutaciones de n elementos de los cuales h son de un tipo, j de otro tipo, etc. En este caso
entran todos los elementos, sí que importa el orden y sí se repiten los elementos.

 Permutaciones circulares. Estas se utilizan cuando los elementos se han de ordenar «en
círculo», de modo que el primer elemento que «se sitúe» en la muestra determina el principio
y el final de la muestra.

(Por ejemplo, los comensales en una mesa)

Se debe tener claro que la función factorial (símbolo: ! ) significa que se multiplican todos los números
descendentes:

Ejemplo:

PROBABILIDAD CONDICIONAL

La expresión alude a la probabilidad existente de que suceda un evento A, conociendo que además
ocurre otro evento B.

Es importante tener en cuenta que no es necesario que exista una relación temporal o causal entre
A y B. Esto quiere decir que A puede producirse antes que B, después o al mismo tiempo, y que A
puede ser el origen o la consecuencia de B o no tener un vínculo de causalidad.

La probabilidad condicional se calcula partiendo de dos sucesos o eventos (A y B) en un espacio

probabilístico, indicando la probabilidad de que ocurra A dado que ha ocurrido B. Se escribe P (A/B),
leyéndose como “probabilidad de A dado B”.

Ejemplo: En un grupo de 100 estudiantes, 35 jóvenes juegan al fútbol y al baloncesto, mientras que
80 de los miembros practican fútbol. ¿Cuál es la probabilidad de que uno de los estudiantes que
juega al fútbol, también juegue al baloncesto o básquet?

Como se puede advertir, en este caso conocemos dos datos: los estudiantes que juegan al fútbol y al
baloncesto (35) y los estudiantes que juegan al fútbol (80).

Evento A: Que un estudiante juegue al baloncesto (x)

Evento B: Que un estudiante juegue al fútbol (80)

Evento A y B: Que un estudiante juegue al fútbol y al baloncesto (35)

P (A / B) = P (A∩B) / P (B)

P (A / B) = 35 / 80

P (A / B) = 0,4375
P (A / B) = 43,75%

Por lo tanto, esta probabilidad condicional indica que la probabilidad de que un estudiante juegue
al baloncesto dado que también juega al fútbol es del 43,75%. (Pérez, 2019)

TEOREMA DE BAYES

El teorema de Bayes parte de una situación en la que es posible conocer las probabilidades de que
ocurran una serie de sucesos Ai. A esta se añade un suceso B cuya ocurrencia proporciona cierta
información, porque las probabilidades de ocurrencia de B son distintas según el suceso Ai que haya
ocurrido.

Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos indica como modifica
esta información las probabilidades de los sucesos Ai.

Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea diabética es 0,03.
Obviamente la probabilidad de que no lo sea es 0,97.
Si no disponemos de información adicional nada más podemos decir, pero supongamos que al
realizar un análisis de sangre los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre en el
95% de los diabéticos y sólo en un 2% de las personas sanas.

¿Cuál será ahora la probabilidad de que esa persona sea diabética?

La respuesta que nos dá el teorema de bayes es que esa información adicional hace que la
probabilidad sea ahora 0,595.
Vemos así que la información proporcionada por el análisis de sangre hace pasar, la probabilidad
inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del análisis de sangre hubiese sido negativa, esta información
modificaría las probabilidades en sentido contrario.

En este caso la probabilidad de padecer diabetes se reduciría a 0,0016. (Salinas)

LEYES DE LA PROBABILIDAD

La probabilidad es un método por el cual se obtiene la frecuencia de un suceso determinado

mediante la realización de un experimento aleatorio, del que se conocen todos los resultados
posibles, bajo condiciones suficientemente estables. La teoria de la probabilidad se usa
extensamente en áreas como la estadistica, la fisica, la matematicas, las ciencias y la filosofia para
sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente
discreta de sistemas complejos.

La probabilidad constituye un importante parámetro en la determinación de las diversas

casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico.
Regla de la adición

La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de cualquier

evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son
mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.

P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B) = P(A) + P(B) − P(A
y B) si A y B son no excluyentes.

Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento
B. P(A y B) = probabilidad de ocurrencia simultánea de los eventos A y B.

Regla de la multiplicación

La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos

estadísticamente independientes es igual al producto de sus probabilidades individuales.

P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P(A)P(B|A) si A y B son

dependientes

La regla de Laplace establece que:

 La probabilidad de ocurrencia de un suceso imposible es 0.

 La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.

Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos
equiprobables, es decir, que todos tengan o posean la misma probabilidad.

 La probabilidad de que ocurra un suceso se calcula así:

P(A) = Nº de casos favorables / Nº de resultados posibles

Esto significa que: la probabilidad del evento A es igual al cocientedel número de casos favorables
(los casos dónde sucede A) sobre el total de casos posibles. (wordpress.com, 2016)

8. BIBLIOGRAFÍA

acdemy, K. (2010). Obtenido de https://es.khanacademy.org/science/high-school-biology/hs-

classical-genetics/hs-introduction-to-heredity/a/probabilities-in-genetics

BioProfe. (2019). BioProfe. Obtenido de https://bioprofe.com/teoria-permutaciones/

Castro, A. R. (16 de junio de 2012). Obtenido de

http://www.suagm.edu/une/msp/download/Gu%C3%ADa%20del%20Maestro%20-
%20Genetica%20General.pdf

Elias, M. (26 de septiembre de 2008). blogspot.com. Obtenido de

http://marcylissetheliasvasquez.blogspot.com/2008/09/eventos.html
minitab . (2019). Obtenido de https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/tables/supporting-topics/chi-square/what-is-a-chi-square-test/

Morales, J. (27 de mayo de 2012). blogspot.com. Obtenido de

http://probabilidadyestadisticaitsav.blogspot.com/2012/05/15-combinaciones.html

Pérez, J. (2019). definicion.de. Obtenido de https://definicion.de/probabilidad-condicional/

Raffino, M. E. (23 de enero de 2020). Probabilidad . Obtenido de

https://concepto.de/probabilidad/

Salinas, J. (s.f.). ugr. Obtenido de https://www.ugr.es/~jsalinas/bayes.htm

wordpress.com. (2016). Obtenido de https://dddonnita.wordpress.com/leyes-de-la-probabilidad/