Probabilidad. Distribuciones de probabilidad Capítulo 3 100.

e1

CUESTIONES
1. Si la edad de una población sigue una distribución normal, con una media de 40 años, y la varianza de la edad
es de 25, ¿cuál es aproximadamente la probabilidad de encontrar un individuo que tenga una edad superior
a 30 años e inferior a 50?

1. >0,99999.
2. 0,025.
3. 0,95.
4. <0,001.
5. Nada de lo anterior.

2. Los pacientes que desarrollan cardiopatía isquémica (CI) habían sido previamente diagnosticados de
hipertensión con más frecuencia (odds = 1,5) que los que no desarrollan CI. En cambio, hay un hipertenso
por cada nueve personas sin hipertensión entre los que no desarrollan cardiopatía isquémica. Si el riesgo
de desarrollar cardiopatía isquémica a lo largo de la vida es del 20%, ¿qué porcentaje de los hipertensos
desarrollarán cardiopatía isquémica?

1. 0,6%.
2. 20%.
3. 80%.
4. Es imposible calcularlo con estos datos.
5. Nada de lo anterior.

Enunciado común para las preguntas 3-5. En un estudio llevado a cabo por Henquet
et al. y publicado en la revista BMJ en 2005, se valora, tras 4 años de seguimiento, si la
exposición a cannabis se asocia o no al desarrollo de síntomas psicóticos.

SÍNTOMAS PSICÓTICOS (SP)

SÍ NO TOTAL
Consumo de SÍ 82 238 320
cannabis* NO 342 1.775 2.117
© Elsevier. Fotocopiar sin autorización es un delito.

Total 424 2.013 2.437

*Se consideró «Sí» cuando se había consumido ≥5 veces.

3. La probabilidad marginal de padecer algún síntoma psicótico es:

1. 0,21.
2. 0,17.
3. 0,19.
4. 0,13.
5. Nada de lo anterior.
100.e2 Bioestadística amigable

4. La probabilidad de padecer algún síntoma psicótico condicionada a haber fumado cannabis ≥5 veces en la
vida es:

1. 0,033.
2. 0,19.
3. 0,256.
4. 0,345.
5. Nada de lo anterior.

5. La odds de padecer algún síntoma psicótico condicionada a NO haber fumado nunca cannabis es:

1. 0,33.
2. 1/5,26.
3. 1/0,19.
4. 0,45.
5. Nada de lo anterior.

6. Se mide el IMC de todos los niños de un colegio y se obtiene una media de 21 kg/m2 y una desviación estándar
de 3,1 kg/m2. Asumiendo que la variable IMC siguiese una distribución normal, ¿entre qué dos valores de IMC
estaría aproximadamente el 90% central de los niños de ese colegio?

1. Entre 20,7 y 21,3 kg/m2.

2. Entre 15,9 y 26,1 kg/m2.
3. Entre 20,5 y 21,5 kg/m2.
4. Entre 16,9 y 21,8 kg/m2.
5. Entre 14,8 y 27,2 kg/m2.

Enunciado común para las preguntas 7-8. Se compara el diagnóstico clínico de úlcera
gastroduodenal y su hallazgo en la autopsia en una serie de 10.000 pacientes. Al comenzar
a analizar los datos, se construye la siguiente tabla:

AUTOPSIA
+ –
Úlcera 130 20
Diagnóstico clínico No úlcera 170 9.680
Total 300 9.700
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e3

7. De las siguientes cifras, ¿cuál es la más cercana a la probabilidad (en %) de obtener un diagnóstico clínico
de úlcera condicionada a que la autopsia hubiese sido positiva?

1. 3%.
2. 43%.
3. 87%.
4. 98%.
5. 100%.

8. Si se considera que la autopsia proporciona la verdad sobre la presencia de úlcera, ¿cuánto valdría aproxi-
madamente el factor Bayes para un diagnóstico clínico positivo?

1. 210.
2. 3/197.
3. 50,22.
4. 32,3.
5. 0,76.

9. ¿Cuál es la probabilidad de encontrar 90 o más pacientes nuevos de una enfermedad rara en una población
de 2.500 habitantes en la que se esperaba observar 70 casos?

1. Únicamente es posible aplicar la binomial. En Excel: =DISTR.BINOM(90;2,5;0,7;

verdadero).
2. Se puede usar tanto la binomial como la Poisson, pero no puede usarse la aproximación
normal.
3. Se puede usar sólo la Poisson, ya que no nos dan el valor de n, y para calcular la binomial
hace falta n.
4. Podemos aproximarnos a la distribución de Poisson usando la normal y obteniendo una
z = +2,39.
© Elsevier. Fotocopiar sin autorización es un delito.

5. Nada de lo anterior es correcto.

10. Si en un grupo de 400 pacientes la media de la hemoglobina es 14 g/l y su desviación estándar es 2, ¿cuál
es la probabilidad de encontrar un paciente que tenga un valor de hemoglobina superior o igual a 18 g/l?

1. 0,028.
2. El correspondiente a un valor z = +2.
3. 1) y 2) son ciertas.
4. 0,001.
5. Faltan datos para contestar.
100.e4 Bioestadística amigable

Enunciado común para las preguntas 11-15. A una muestra de 8.000 mujeres se les realiza
una mamografía. La probabilidad de que la mamografía dé positiva si tienen cáncer de
mama es del 83%, y la probabilidad de que la mamografía resulte negativa condicionada
a no tener cáncer de mama es del 95%. Si se asume que de cada 1.000.000 mujeres hay
8.125 que realmente tienen cáncer de mama:

11. ¿Cuál es la probabilidad marginal de no tener cáncer de mama?

1. 0,942.
2. 0,992.
3. 0,943.
4. 0,049.
5. 0,052.

12. ¿Cuál es la probabilidad de no tener cáncer de mama condicionada a que la mamografía resulte negativa?

1. 0,99.
2. 0,126.
3. 0,136.
4. 4,9.
5. Ninguna de las anteriores.

13. ¿Cuál es el factor Bayes para una mamografía positiva?

1. 15,2.
2. 54.
3. 64%.
4. 16,6.
5. 0,87.

14. ¿Cuál es la odds previa de desarrollar cáncer de mama?

1. 0,0082.
2. 1/0,0082.
3. p(CM | nCM).
4. 0,00145.
5. 0,059.
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e5

15. ¿Cuál es la odds posterior (a un test positivo) de desarrollar cáncer de mama?

1. 0,88.
2. 0,88/0,12.
3. 0,137.
4. 0,67.
5. 0,12.

16. En una población del norte de Europa, el 33% de los habitantes sufren depresión. El 45% de los depresivos co-
me menos de cinco piezas de fruta a la semana; en cambio, entre los no depresivos, únicamente el 15%
come menos de cinco piezas de fruta a la semana. ¿Cuál es la probabilidad de que una persona que come
menos de cinco piezas de fruta a la semana tenga depresión? Aplique el teorema de Bayes.

1. 40%.
2. 45%.
3. 65%.
4. 55%.
5. 60%.

17. ¿Qué devuelve STATA cuando se ejecuta display normal (–1.89)?

1. El valor z correspondiente a ese valor (x).

2. La distancia (medida en número de desviaciones estándar) a la que se encuentra ese
valor de la media.
3. El porcentaje de valores inferiores a z = 1,89 en una distribución normal perfecta.
4. La probabilidad de estar a 1,89 o más desviaciones estándar por debajo de la media en
una distribución normal.
5. Un área bajo la curva correspondiente a 1 − 0,89 = 0,11.
© Elsevier. Fotocopiar sin autorización es un delito.

18. ¿Cómo se interpreta el valor −1,175 que devuelve STATA cuando se le pide display invnormal(0.12)?

1. Hay un 12% de los valores que están al menos a 1,175 desviaciones estándar por debajo
de la media.
2. El 76% de los valores están en el rango comprendido por la media ±1,175 desviaciones
estándar.
3. El 88% de valores están por encima del valor z = −1,175.
4. La probabilidad de encontrar un valor separado (en uno u otro sentido) 1,175 o más
desviaciones estándar de la media es del 0,24.
5. Todas las anteriores.
100.e6 Bioestadística amigable

19. En una población el glaucoma tiene una incidencia del 2%. ¿Cuál es la probabilidad exacta de encontrar un
sujeto con glaucoma en una muestra aleatoria de tamaño n = 200?

1. di poisson(4,1).
2. di poissonp(4,1).
3. di binomialp(200,1,4).
4. di binomial(200,1,0.02).
5. di binomialp(200,1,0.02).

Enunciado común para las preguntas 20-23. Se han registrado un total de 3.700 accidentes
de tráfico. Había 2.600 accidentados que no habían consumido drogas. Sin embargo, iban
a más velocidad de la permitida 3.150 conductores, de los cuales 783, además, también
habían consumido drogas.

20. ¿Cuál es la probabilidad de que un conductor no hubiese consumido drogas ni que tampoco condujese a más
velocidad de la permitida?

1. 0,063.
2. 0,083.
3. 0,073.
4. 0,94.
5. Nada de lo anterior.

21. ¿Cuál es la probabilidad de que un conductor hubiese consumido drogas pero condujese a la velocidad
permitida?

1. 0,063.
2. 0,086.
3. 0,09.
4. 0,5.
5. Nada de lo anterior.

22. ¿Cuál es la probabilidad de que un conductor hubiese consumido drogas o condujese a más velocidad de la permitida?

1. 0,063.
2. 0,083.
3. 0,21.
4. 0,94.
5. Nada de lo anterior.
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e7

23. ¿Ir drogado e ir a más velocidad de la permitida son sucesos independientes?

1. Sí, porque la probabilidad condicionada es igual a la marginal.

2. Sí, porque p(D | V) ≈ p(D | nV).
3. Sí, porque ir a más velocidad no influye sobre haberse drogado.
4. No, puesto que p(D | V) ≠ p(D).
5. Sí, puesto que p(D ∩ V) = p(D) × p(V).

24. Si en un estudio donde la probabilidad marginal de fumar es del 23,5%, el 20% de los hombres fuma y el 25%
de las mujeres fuma. ¿Cuál es la proporción de hombres del estudio?

1. 70%.
2. 40-60%.
3. 35%.
4. 30%.
5. No lo podemos saber.

25. El 33% de las personas de una población tiene hipertensión. ¿Cómo se obtendría con STATA la probabilidad de
encontrar al menos ocho hipertensos de 30 personas seleccionadas al azar?

1. di binomialp(30,7,0.33).
2. di 1-binomial(0.33,30,8).
3. di binomial(30,8,0.33).
4. di binomial(30,7,0.33).
5. di 1-binomial(30,7,0.33).

26. Si en STATA se ejecuta la orden sktest peso y se obtiene la siguiente salida:

© Elsevier. Fotocopiar sin autorización es un delito.
100.e8 Bioestadística amigable

Se interpretará que:
1. El test de normalidad resultó significativo: Pr(skewness) = 0,5398; por tanto, la variable
peso sigue una distribución normal.
2. El test de normalidad no es significativo (p = 0,3); por tanto, no se puede asumir que
la variable peso siga una distribución normal.
3. Como el valor p es significativo [Pr(skewness) = 0,5398], se asume que la variable peso
sigue una distribución normal.
4. Como p > 0,05, no hay evidencia para rechazar la hipótesis nula de normalidad.
5. Como p > 0,05, no hay evidencia para rechazar la hipótesis nula; por tanto, no puede
asumirse que la variable peso siga una distribución normal.
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e9

SOLUCIONES A LAS CUESTIONES

Cuestión 1. Respuesta: 3.

30 − 40
z1 = = −2
25
x−µ
z=
σ
50 − 40
z2 = = +2
25

El área bajo la curva que se desea calcular es la delimitada por z = − 2 y z = 2; por tanto, si:

z = −2 → pcola izq = 0,0228;

z = 2 → pcola dcha = 0,0228

p(30 < x > 50) = 1 − (0,0228 + 0,0228) = 0,954

Cuestión 2. Respuesta: 5. La información proporcionada es:

odds (HTA | CI) = 1,5

odds (HTA | no CI) = 1/9

p(CI) = 0,20 (prob. marginal)

odds
p=
1 + odds

1,5
p(HTA CI) = = 0,6
1 + 1,5

1/ 9
p(HTA nCI) = = 0,1
© Elsevier. Fotocopiar sin autorización es un delito.

1 + 1/ 9

Construir la tabla siguiente facilita los cálculos (entre paréntesis, en números romanos se ha
indicado el orden seguido para completar la tabla):

HTA NO HTA TOTAL

CI 12 (IV) 8 (V) 20 (II)
no CI 8 (VI) 72 (VII) 80 (III)
Total 20 (VIII) 80 (IX) 100 (I)

p(CI ∩ HTA) 12
p(CI HTA) = = = 0,6
p( HTA) 20
100.e10 Bioestadística amigable

Cuestión 3. Respuesta: 2.

p(SP) = 424 / 2.437 = 0,174

Cuestión 4. Respuesta: 3.

p(SP |≥ 5 veces) = 82 / 320 = 0,256

Cuestión 5. Respuesta: 2. La odds para no expuestos es el cociente entre los que desarrollan
síntomas psicóticos y los que no los desarrollan:

342 1
odds (SP no cannabis) = = = 0,19
1.775 5,26

Entre los que NO consumieron cannabis, por cada uno que desarrolló síntomas psicóticos,
hay 5,26 que no los desarrollaron.
Cuestión 6. Respuesta: 2. La media era de 21 kg/m2 y la desviación estándar de 3,1 kg/m2. Se
desea saber entre qué valores se encuentra el 90% central de los niños. Por tanto, tendremos
dos colas, cada una de a = 0,05. Se busca qué valor de z corresponde a a = 0,05. Este valor
es z = 1,645.

21 − (1,645 * 3,1) = 15,9

21 + (1,645 * 3,1) = 26,1

Cuestión 7. Respuesta: 2. Si DC = diagnóstico clínico de úlcera y A = autopsia (criterio de

verdad),

130
p(DC A + ) = = 0,433
130 + 170

El 43,3% de los que tenían úlcera en realidad (según la autopsia) tendrán un diagnóstico clínico
de úlcera. Corresponde al concepto de sensibilidad.
Cuestión 8. Respuesta: 3. El factor Bayes equivale al cociente entre la probabilidad de que
el diagnóstico clínico sea positivo en los que tienen verdaderamente úlcera (la autopsia fuese
positiva) y la probabilidad de que haya un diagnóstico clínico en los que no la tienen según
la autopsia:

 130 
p(DC + | A + )  130 + 170 
FB = =  = 210, 2
p(DC + | A − )  20

 20 + 9680 

El hecho de que el diagnóstico clínico sea positivo es 210 veces más frecuente cuando se tiene
úlcera realmente (según la autopsia) que cuando no se tiene.
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e11

Cuestión 9. Respuesta: 4. Dado que l es grande (>60), puede conseguirse una aproximación
no muy exacta, pero muy rápida, usando la distribución normal para acercarse a la Poisson:

x − λ 90 − 70
z= = = 2,39
λ 70
Para un valor z = +2,39, las tablas de la normal dan una probabilidad de p = 0,0084.

Si se utiliza la Poisson:

o bien, en Excel:
=1-POISSON(89;70;VERDADERO), da una probabilidad de 0,012.
Cuestión 10. Respuesta: 5. Podría pensarse que la correcta es la 2, pues, según la distribución
normal:
18 − 14
z= =2
2
Pero la más adecuada es la 5, ya que no sabemos si la variable hemoglobina en esta muestra
sigue una distribución normal. Por lo tanto, lo correcto es afirmar que faltan datos para poder
contestar.
Solución común para las cuestiones 11-21.
Para resolver este tipo de problemas, lo más sencillo es construir, a partir de los datos del
enunciado, una tabla como la siguiente:
CM SIN CM TOTAL
M+ 54 395 449
M− 11 7.540 7.551
Total 65 7.935 8.000
CM, cáncer de mama; M, mamografía (positiva/negativa).

Cuestión 11. Respuesta: 2. Sería: 1 − p(CM) = 1 − (8.125/1.000.000), o basado en la tabla:

© Elsevier. Fotocopiar sin autorización es un delito.

p(nCM) = 7.935/8.000 = 0,992
Cuestión 12. Respuesta: 1.

p(nCM M − ) = 7.540 / 7.551 = 0,99

Equivale al concepto de valor predictivo negativo (VPN)

Cuestión 13. Respuesta: 4. Al factor Bayes, en el contexto de las pruebas diagnósticas, se le
llama también razón de verosimilitud. De modo que:

p(M + CM) 0,83

FB = = = 16,6
p(M + nCM) 1 − 0,95
100.e12 Bioestadística amigable

o bien

 54 
 
65
FB = = 16,6
 395 
 
7.935 

Cuestión 14. Respuesta: 1.

65
Odds pre = = 0,0082
7.935

Cuestión 15. Respuesta: 3.

Odds ratio posterior = odds previa × FB = 0,0082 × 16,6 = 0,137

Otra manera de calcularla:

p(CM M + ) 54
odds post = = = 0,137
p(nCM M + ) 395

Cuestión 16. Respuesta: 3.

DEPRESIÓN SIN DEPRESIÓN TOTAL
fr < 5 14,85 10,05
fr ≥ 5 18,15 56,95
Total 33 67 100
fr, pie.za de fruta.

14,85
p(Dep. fr < 5) = = 0,60
14,85 + 10,05

p 0,33
odds previa = = = 0,49
1 − p 1 − 0,33

p(fr < 5 Dep) 0,45

FB = = =3
p(fr < 5 nDep) 0,15

odds posterior = odds previa × FB = 0,49 × 3 = 1,47

1,47
p(Dep. fr < 5) = = 0,60
1,47 + 1

El 60% de los que comen menos de cinco piezas de fruta tendrán depresión en esta población.
Cuestión 17. Respuesta: 4. Seguido de la orden di normal, se escribe entre paréntesis el
valor z para el cual se desea que calcule la probabilidad. Al igual que Excel, STATA devuelve
siempre el área bajo la cola de la izquierda. Por tanto, si ejecutamos di normal(–1.89),
devuelve 0,0293.
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e13

Cuestión 18. Respuesta: 5. La orden invnormal seguida de la probabilidad (área bajo la cola
izquierda) devuelve el valor z correspondiente.
Con lo cual, hay un 12% de los valores a 1,175 desviaciones estándar o todavía más por debajo
de la media; entre ese punto y la media quedarán el 38% y por encima de ese punto, el 88%.
El porcentaje de sujetos que estarán por debajo de –z o por encima de +z es el 24%. El 76%
queda en el intervalo media ± z desviaciones estándar.
Cuestión 19. Respuesta: 5. La distribución de Poisson es una buena aproximación a la dis-
tribución binomial siempre que n ≥ 100 y π ≤ 0,05, con la ventaja de que no se necesita saber
cuánto valen n y π; podemos hacer el cálculo únicamente sabiendo l (esperado = nπ) y k.
Con STATA:

devuelve p = 0,0733.
Sin embargo, siempre que se conozcan π, k y n, y se deseen resultados exactos, se utilizará
preferiblemente la binomial.

devuelve 0,0717. Por tanto, la probabilidad de encontrar exactamente un sujeto con glaucoma
en esta población es del 7,17%.
Solución para las cuestiones 20-26.
Haga la siguiente tabla:
D nD TOTAL
V 783 (VI) 2.367 3.150 (IV)
nV 317 233 550 (V)
Total 1.100 (III) 2.600 (II) 3.700 (I)

D, consumo de drogas; nD, no consumo de drogas; V, más velocidad que la permitida.

Cuestión 20. Respuesta: 1.

233
p(nD ∩ nV) = = 0,063
3.700
Cuestión 21. Respuesta: 2.
© Elsevier. Fotocopiar sin autorización es un delito.

317
p(D ∩ nV) = = 0,086
3.700
Cuestión 22. Respuesta: 4.

p(D ∪ V) = p(D) + p(V) p(D ∩ V) =

1.100 3.150 783

+ − = 0,937
3.700 3.700 3.700

783 + 2.367 + 317

p(D ∪ V) = = 0,937
3.700
100.e14 Bioestadística amigable

o bien:

317 + 783 + 2.367

= 0,937
3.700

o bien:

233
1− = 0,937
3.700

Cuestión 23. Respuesta: 4. Dos sucesos son independientes cuando la probabilidad condi-
cionada p(A | B) es igual a la probabilidad marginal p(A). En el caso de los sucesos consumo
de drogas y velocidad, esto no se cumple:

p(D V) = 783 / 3.150 = 0, 258

p(D) = 1.100 / 3.700 = 0,297

Por tanto, no puede afirmarse que sean sucesos independientes.

Cuestión 24. Respuesta: 4. La información proporcionada es:

p(F) = 0,235

p(F M) = 0, 25

p(F H) = 0, 20

La tabla sería:
FUMA NO FUMA TOTAL
Mujer 0,25x x
Hombre 0,2(1.000 − x) 1.000 − x
Total 235 1.000

Por tanto:

0,25 x + 0,2(1.000 − x ) = 235

0,25 x − 0,2 x + 200 = 235

0,05 x = 35

x = 35 / 0,05 = 700 → p(mujer) = 0,7

p(hombre) = 1 − p(mujer) = 1 − 0,7 = 0,3

Cuestión 25. Respuesta: 5.

π = 0,33 k ≥ 8 n = 30
 Probabilidad. Distribuciones de probabilidad Capítulo 3 100.e15

Sería equivalente a calcular la probabilidad de k ≤ 7 y restársela a 1.

p = 0,82

Cuestión 26. Respuesta: 4. La hipótesis nula de los test de normalidad es que la variable sigue
una distribución normal perfecta. Cuando el valor p resultante sea significativo (p < 0,05),
se podrá rechazar esa hipótesis nula y se afirmará que hay un apartamiento significativo de la
normalidad. En el test sktest de STATA se valora la adaptación a la normalidad en función
de los coeficientes de asimetría y de curtosis. El valor p de este ejemplo calculado con STATA
es el que aparece en la última columna (valor p = Prob > χ2 = 0,3085) y no resulta estadís-
ticamente significativo. Por lo tanto, no se puede rechazar que la variable peso siga una dis-
tribución normal.
© Elsevier. Fotocopiar sin autorización es un delito.