REPASO DE INTRODUCCION

A LA PROBABILIDAD

Ximena Meneses
Fundación Universitaria de Ciencias de la Salud
Bogotá, Colombia
2016
 TEMAS

• Conceptos básicos de probabilidad

• Teoría de conjuntos
• Probabilidad condicional
• Tablas de contingencia
• Diagramas de árbol
• Teorema de Bayes
• Técnicas de conteo
• Permutaciones
• Combinaciones
 COMPETENCIAS

• Conoce los fundamentos de la teoría de las

probabilidades.

• Aplica los fundamentos de la teoría de las

probabilidades.

• Estructura tablas de contingencia para el análisis

de datos.
 CONCEPTOS BASICOS
La probabilidad de un suceso aleatorio está dada por la
frecuencia con la que dicho suceso ocurre.
𝑛𝐴
𝑃 𝐴 = 𝑛
Un experimento es aleatorio si se verifican las siguientes
condiciones:
1. Se puede repetir indefinidamente, siempre en las
mismas condiciones.
2. Antes de realizarlo, no se puede predecir el resultado
que se va a obtener.
3. El resultado que se obtenga pertenece a un conjunto
conocido
 CONCEPTOS BASICOS
• La probabilidad es un número, entre 0 y 1, asociado
con la verosimilitud de que ocurra un suceso: 0
cuando estamos seguros que el suceso no va a
ocurrir y 1 cuando estamos seguros que sí va a
ocurrir.

• Al conjunto de todos los resultados posibles, lo

denominaremos espacio muestral y lo denotaremos
normalmente mediante la letra E.

• Los elementos del espacio muestral se denominan

sucesos elementales y lo denotaremos con las letras
A y B.
 CONCEPTOS BASICOS
Ejemplo : Una mujer portadora de hemofilia tiene 3 hijos ¿Cuál es
el espacio muestral apropiado para estudiar la posible hemofilia
de estos?

Cada hijo puede padecer hemofilia (s) o no (n), por tanto

S= {𝑠𝑠𝑠, 𝑠𝑠𝑛, 𝑠𝑛𝑠, 𝑛𝑠𝑠, 𝑠𝑛𝑛, 𝑛𝑠𝑛, 𝑛𝑛𝑠, 𝑛𝑛𝑛}

En este espacio muestral, el suceso "dos hijos padecen hemofilia"
se representa como 𝑆𝐴 = 𝑠𝑠𝑛, 𝑠𝑛𝑠, 𝑛𝑠𝑠 .

Establecer claramente el espacio de probabilidad es el primer

paso para estudiar un experimento aleatorio.
 CONCEPTOS BASICOS

𝑃 𝐴 + 𝑃 𝐴′ = 1 o P A´ = 1 − P(A)

Si la probabilidad de que ocurra un suceso A es igual a

0,30, la probabilidad de que no ocurra deberá ser igual a
1 − 0,30 = 0,70.
En símbolos: P(A) + P(no A) = 1.
Los sucesos (A) y (no A) se denominan complementarios.
Conocida la probabilidad de un suceso (A), la de su
complemento será: P(no A) = 1 − P(A).
 CONCEPTO BASICOS
UNIÓN (𝐀 ∪ 𝐁)
La unión de dos eventos A y B, es el evento que contiene a todos los
elementos que pertenecen a A o a B, o a ambos.

INTERSECCIÓN (𝐀 ∩ 𝐁)
La intersección de dos eventos A y B, es el evento que contiene a
todos los elementos comunes de A y B.

EVENTOS MUTUAMENTE EXCLUYENTES (𝐀 ∩ 𝐁 = ∅)

Dos eventos A y B son mutuamente excluyentes si estos eventos no
tienen ningún elemento en común.
 CONCEPTOS BASICOS
La probabilidad de que ocurra un determinado suceso de entre un
grupo de dos o más, es igual a la suma de las probabilidades para
cada suceso considerado aisladamente.
Este concepto solo se puede considerar con eventos que no pueden
ocurrir a la vez.

Ejemplo: En una población la probabilidad de sufrir sobrepeso es del

64% y la de sufrir algún tipo de dislipemia es del 40%. Cual es la
probabilidad de sufrir sobrepeso o dislipemia.
Esta cifra se origina de que algunos individuos presentan sobrepeso
y dislipemia al mismo tiempo.
 CONCEPTOS BASICOS
𝑝 𝐴 ∪ 𝐵 = 𝑝 𝐴 + 𝑝 𝐵 − 𝑝 𝐴 ∩ 𝐵

Un 32% del total de la población presenta conjuntamente sobrepeso

y dislipemia.
Ejemplo: Un 15% de los pacientes atendidos en un hospital son
hipertensos, un 10% son obesos y un 3% son hipertensos y obesos.
¿Qué probabilidad hay de que elegido un paciente al azar sea
obeso o hipertenso?

Si A y B no pueden ocurrir juntos, p A ∩ B = 0

𝑝 𝐴 ∪ 𝐵 = 𝑝 𝐴 + 𝑝 𝐵
CONCEPTOS BASICOS

𝐴 ∩ 𝐵
𝐴 ∩ 𝐵 ∩ 𝐶
𝐴 ∪ 𝐵
𝐴 ∪ 𝐵 ∩ 𝐶
𝐴 ∩ 𝐵′
 PROBABILIDAD CONDICIONAL
La probabilidad de que un individuo seleccionado aleatoriamente
posea dos sucesos A y B al mismo tiempo. Esta es la regla de
multiplicación de dos eventos.
𝑃(𝐴 ∩ 𝐵) = 𝑃 𝐵 𝑃(𝐴|𝐵)

La probabilidad de que ocurra el suceso A si ha ocurrido el suceso

B se denomina probabilidad condicionada y se define:
𝑃(𝐴 ∩ 𝐵)
𝑃 𝐴𝐵 =
𝑃(𝐵)
 PROBABILIDAD CONDICIONAL
Ejemplos:
1) Se sabe por estudios previos que el 0,1% de la población
tiene problemas vasculares. Un estudio sobre individuos con
problemas vasculares revela que el 20% de ellos son placas
de ateroma. Si el 10% de los individuos con placas de
ateroma están expuestos a muerte súbita por
desprendimiento de trombos ¿qué probabilidad tiene un
individuo cualquiera de estar expuesto a muerte súbita por
desprendimiento de trombos de una placa de ateroma?
2) Se sabe que el 50% de la población fuma y que el 10% fuma
y es hipertensa. ¿Cuál es la probabilidad de que un fumador
sea hipertenso?
TEOREMA DE BAYES
 TEOREMA DE BAYES
La sensibilidad de una prueba es la probabilidad de que una
persona con la enfermedad de un resultado positivo

𝑎
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 𝑃 𝑇 𝐷 =
𝑎+𝑐
 TEOREMA DE BAYES
La especificidad de una prueba es la probabilidad de que
una persona que no tiene la enfermedad (sana) de un
resultado negativo

𝑑
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = 𝑃 𝑇 𝐷 =
𝑏+𝑑
 TEOREMA DE BAYES
El valor predictivo positivo es la probabilidad de que una
persona que da positivo tenga la enfermedad

𝑃 𝑇 𝐷 𝑃(𝐷)
𝑉𝑃𝑃 = 𝑃 𝐷 𝑇 =
𝑃 𝑇 𝐷 𝑃 𝐷 + 𝑃 𝑇 𝐷 𝑃(𝐷)
 TEOREMA DE BAYES
El valor predictivo negativo es la probabilidad de que una
persona que da negativo no tenga la enfermedad

𝑃 𝑇 𝐷 𝑃(𝐷)
𝑉𝑃𝑁 = 𝑃 𝐷 𝑇 =
𝑃 𝑇 𝐷 𝑃 𝐷 + 𝑃 𝑇 𝐷 𝑃(𝐷)
 TEOREMA DE BAYES
La prevalencia es simplemente la probabilidad de
enfermedad

𝑎+𝑐
𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 = 𝑃 𝐷 =
𝑛
 TEOREMA DE BAYES
Ejemplo:
Utilice la siguiente tabla para calcular la sensibilidad, la
especificidad, el valor predictivo positivo, el valor predictivo
negativo y la prevalencia.
 TASA DE RIESGO
Las preguntas de investigación por lo común giran en torno a si las
personas expuestas a algún factor de riesgo potencial tienen más
o menos probabilidades de desarrollar una enfermedad que las
personas no expuestas. Un método común para comparar las
probabilidades de enfermedad para personas expuestas y no
expuestas es traducirlas en un cociente denominado tasa de
riesgo (risk ratio, RR), que formalmente se expresa como:
Lo normal para la tasa de riesgo es que RR represente el
parámetro y 𝑅𝑅 represente el estadístico.

𝑃(𝐷|𝐸)
𝑅𝑅 =
𝑃(𝐷|𝐸)
 TASA DE RIESGO
Ejemplo: Utilice la siguiente tabla de probabilidad para
calcular la tasa de riesgo
 RAZON DE PROBABILIDAD
La tasa de riesgo no aporta una comparación significativa del
grupo expuesto y del no expuesto. En tales casos, se utiliza la
razón de probabilidad para hacer comparaciones.

Para comprender la razón de probabilidad, primero es

necesario entender las posibilidades. Las posibilidades de que
ocurra un evento están indicadas por el cociente de la
probabilidad de que el evento suceda y la probabilidad de que
el evento no ocurra. Por lo tanto, las posibilidades de
enfermedad en un cierto grupo serían 𝑃 𝐷
𝑃 𝐷
 RAZON DE PROBABILIDAD
Una posibilidad de 2.0 significaría que la probabilidad de
enfermedad es dos veces mayor que la de no tenerla. Si se
calculan las posibilidades de dos grupos y se convierten en un
cociente, el resultado es, naturalmente, una razón de
probabilidad. Si, como en el caso anterior, usted está
comparando un grupo expuesto y un grupo no expuesto, la
razón de probabilidad (odds ratio, OR)

𝑃 𝐷|𝐸
𝑃 𝐷𝐸 𝑃 𝐷|𝐸 𝑃 𝐷 𝐸
𝑂𝑅 = =
𝑃 𝐷|𝐸 𝑃 𝐷 𝐸 𝑃 𝐷|𝐸
𝑃 𝐷𝐸
 RAZON DE PROBABILIDAD
Ejemplo: Calcule la razón de probabilidad para la tabla
 BIBLIOGRAFÍA

Wayne D. Algunos Conceptos Básicos de

Probabilística. En: Daniel 4ª Edición. Bioestadística:
Base para el Análisis de las Ciencias de la Salud.
Limusa Wiley. p. 57 - 82.