UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS DE LA SALUD

- CARRERA DE LICENCIATURA EN ENFERMERÍA -

Curso: Sexto semestre Enfermería “A”

PASAJEROS
Asignatura: Bioestadística

Docente: ING. Rizzo Zamora Lauden Geobakg

Integrantes:
Astudillo Madrid Lucía Esther
Barros Santos Arianna Jamilé
García Arreaga Shirley Mercedes
Morales Solórzano Ruth Karelis
Villavicencio Sanchéz María Fernanda
3era clase 2da clase 1era clase
Zambrano Zambrano Alisson Melina
Grupo N°1
Tema: Probabilidad

2022
 PROBABILIDAD
Rama de las matemáticas que se ocupa de Conceptos claves en el estudio de la probabilidad:
medir cuantitativamente la posibilidad de que
ocurra un determinado suceso.
• Subconjunto del espacio muestral
Suceso
La probabilidad está basada en el estudio de la
combinatoria y es fundamento necesario de la • Cada uno de los posibles resultados que no se pueden
estadística Suceso descomponer en otros mas simples de un experimento
Elemental aleatorio ∅

• Conjunto de los sucesos elementales

Espacio • Denota mediante la letra S
muestral

• Es el suceso formado por todos los sucesos

Suceso elementales
seguro

Suceso • Es el suceso que no contiene ningún suceso elemental

imposible
∅
 PROBABILIDAD Y EVENTO
Forma General de expresión de
probabilidades
La probabilidad del evento es la probabilidad de que ocurra un
resultado o evento específico. Lo opuesto de un evento es un no
evento. La probabilidad del evento también se conoce como
probabilidad pronosticada. P denota la probabilidad

P(A) denota la probabilidad que ocurra A

La probabilidad de un evento varía de 0 (imposible) a 1 P(A´) probabilidad de no ocurrencia

(seguro).
 ESPACIO MUESTRAL
EJEMPLO
• Una bolsa contiene bolas blancas y negras. Se extraen
sucesivamente tres bolas.

E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

• El suceso A = {extraer tres bolas del mismo color}.

A = {(b,b,b); (n, n,n)}

Es el conjunto de todos los posibles resultados de • El suceso B = {extraer al menos una bola blanca}.
una experiencia aleatoria, lo representaremos por E (o B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
bien por la letra griega Ω).
• El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}
Cada uno de estos posibles resultados se llama suceso
elemental.

Suceso: cualquier subconjunto del

espacio muestral.
 PROBABILIDAD SIMPLE
EJEMPLO
• En una caja metemos 7 bolas naranjas, 4 bolas verdes y 9 bolas
azules. ¿Cuál es la probabilidad simple de sacar una bola naranja
de la caja?

La probabilidad simple es la probabilidad de que ocurra Aplicamos la fórmula:

un evento simple del espacio muestral.
𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒂𝒍 𝒆𝒗𝒆𝒏𝒕𝒐 𝑨
P(A) 𝒏ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔
Es un valor entre 0 y 1. De manera que cuanto
más probable sea de que ocurra un evento En la caja hay siete bolas naranjas, por tanto, hay 7 casos favorables al
determinado, mayor será la probabilidad simple evento. Pero también hemos metido en la caja otras bolas de diferentes
de dicho evento. Y al revés, cuanto menos colores, así que el número total de casos será la suma de todas las
probable sea de que suceda un evento, menor bolas introducidas:
será su probabilidad simple.
𝟕
P(Bola naranja)𝟕+𝟒+𝟗 = 0,35

Por lo tanto, hay un 35% de probabilidades de sacar al azar una bola

naranja de la caja.
 PROBABILIDAD CONJUNTA
Es el cálculo de la probabilidad cuando un experimento de probabilidad simple se repite varias veces o se
relaciona un experimento con otro. La probabilidad conjunta es un número entre 0 y 1.
 PROBABILIDAD MARGINAL
Es la probabilidad de ocurrencia de un subconjunto del total.

• Podemos observar, con base en el renglón de sumas, que la probabilidad del evento A es simplemente 143/350,
pero también: P(A) = P (A ∩ F) + P (A ∩ Q) + P (A ∩ M) = 46/350 + 45/350 + 52/350 = 143/350
• Análogamente, con base en la columna de sumas, podemos ver que P(Q) = 127/350, pero también: P(Q) = P
(Q ∩ A) + P (Q ∩ B) + P (Q ∩ C) = 45/350 + 40/350 + 42/350 = 127/350
 PROBABILIDAD CONDICIONAL

La idea central que rodea a este tipo de probabilidad EJEMPLO: Si P(A) = 0,6 ; P(B) = 0,4 y P(A∩B)=0,18.
consiste en calcular la probabilidad de un evento A a partir Calcular:
de información que proporciona otro evento B que ya ha a) P(A|B)
ocurrido. Suponiendo que el evento B ocurre, se puede b) P(B|A)
preguntar sobre la probabilidad de que ocurra A, a esta Solución:
probabilidad se le llama probabilidad condicional de A En este problema, simplemente vamos a reemplazar los datos en
bajo la hipótesis B y se simboliza de la siguiente manera la fórmula.
P(A/B) a) Usamos la fórmula de probabilidad condicional:

FORMÙLA

b) b) Usamos la fórmula de fórmula de probabilidad condicional,

teniendo en cuenta que vamos a calcular la probabilidad de
que ocurra B, dado que ha ocurrido A
 TABLA DE CONTINGENCIA
Una tabla de contingencia es una herramienta utilizada en la rama de la estadística, la cual consiste en
crear al menos dos filas y dos columnas para representar datos categóricos en términos de conteos de
frecuencia.

VENTAJAS OBJETIVO

Permite medir la interacción entre dos variables para conocer

Facilita la lectura de los datos recolectados.
Es posible realizar gráficas que permitan
visualizar la información.
una serie de información “oculta” de gran utilidad para
comprender con mayor claridad los resultados de una
investigación.

Permite ahorrar tiempo durante la

correlación de variables..

Ofrecen resultados claros y precisos que

permiten tomar mejores decisiones
 REGLAS DE PROBABLIDAD
REGLA DE LA MULTIPLICACIÓN
REGLA DE LA ADICIÓN
Regla general para eventos dependientes
Para dos sucesos excluyentes
Se usa para la presencia de uno de los eventos La probabilidad del evento B, calculada bajo la suposición de que
que puedan ocurrir, y no pueden ocurrir los dos el evento A ha ocurrido, se denomina probabilidad condicional
a la vez: de B, dado A

Para calcular la probabilidad de que A y B ocurran al mismo

Para la ocurrencia de dos sucesos no excluyentes tiempo:
Se usa para cuando puede ocurrir un evento o
el otro o ambos a la vez:

Regla del complemento

Se utiliza para determinar la probabilidad de que ocurra
un evento restando del número 1 la probabilidad de que
un evento no ocurra.
Regla particular para eventos independientes
Dos sucesos se dicen independientes si la probabilidad de
ocurrencia de uno no es afectada por la ocurrencia del otro
 VALOR ESPERADO

La esperanza matemática, también llamada valor esperado, es igual al sumatorio de las probabilidades de que exista
un suceso aleatorio, multiplicado por el valor del suceso aleatorio.

Rentabilidad en los años 1, 2, 3 y 4:

1.12%.
2.6%.
3.15%
4.12%

La probabilidad de que «suceda» cada rentabilidad es de 0,25.

Tenemos cuatro observaciones, cuatro años

Esperanza = ( 12 x 0,25 ) + ( 6 x 0,25 ) + ( 15 x 0,25 ) + ( 12 x

0,25 ) = 3 + 1,5 + 3,75 + 3 = 11,25%

Teniendo en cuenta esta información, diremos que la esperanza

de la rentabilidad del activo es del 11,25%.
 ANÁLISIS
COMBINATORIO

La Combinatoria es la parte de las

Matemáticas que estudia las
diversas formas de realizar
agrupaciones con los elementos
de un conjunto, formándolas y
calculando su número.

m = elementos disponibles
n = elementos por grupo
 DISTRIBUCIONES DE PROBABILIDADES PARA VARIABLES
DISCRETAS Y CONTINUAS.
Son distribuciones de probabilidad continuas o distribuciones de probabilidad discretas, dependiendo de si definen
probabilidades para variables continuas o discretas.

Distribuciones de probabilidades continuas

Distribución normal
Una variable aleatoria continua es una variable aleatoria
con un conjunto de valores posibles (conocido como el
rango) que es infinito y no se puede contar.

μ= la media
σ = la desviación estándar
π = 3,14159…
e = 2,71828…

Conociendo la media y la desviación estándar se pueden

calcular varios valores para diferentes puntos de x y trazar
Gráfica de la distribución normal. El área sombreada indica la la curva normal.
probabilidad de obtener un valor perteneciente a la distribución normal
que se encuentre entre los valores a y b.
 Distribuciones de probabilidades discretas
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta.
Una variable aleatoria discreta asume cada uno de sus valores con una cierta probabilidad e indica, además, la
probabilidad de cada punto muestral. Así, para cada resultado x hay un valor de probabilidad asignado por la
función de probabilidad f(x).
Ejemplo:
Un grupo de 8 individuos contiene 3 individuos diabéticos. Si se escogen dos individuos al azar de estos 8,
encontrar la distribución de probabilidad para el número de individuos con diabetes.
Numero de combinaciones=
3 5 3! 5!
2 = 0! 3! 2! 3! 10
𝑓 0 = 𝑃(𝑋 = 0) = 0 = = 0,357
8 8! 28
2 2! 6!

La distribución de probabilidad es como se muestra en la tabla:

 DISTRIBUCIÓN DE BERNOULLI

• Tener n intentos repetidos.

• Los resultados se deben poder clasificar en
Debe tener las éxito o fracaso.
Es un modelo teórico utilizado para representar una siguientes • La probabilidad de éxito representada por p
variable aleatoria discreta la cual solo puede finalizar propiedades: debe permanecer la misma para todos los
en dos resultados mutuamente excluyentes. intentos.
• Los intentos son independientes
Una variable aleatoria discreta X tiene una
distribución de Bernoulli si su función de
probabilidad está dada por:

Ejemplo
Un juego consiste en lanzar un dado una sola vez, si se obtiene un 3 se gana el
juego, si se obtiene otro valor, se pierde. Sea X = el número de veces que sale un
3. Determinar la distribución de probabilidad de X.
La variable aleatoria X
sigue una distribución de
Bernoulli con una
probabilidad de éxito de
1/6.
 DISTRIBUCIÓN DE POISSON
Es una distribución de probabilidad
discreta que expresa, a partir de una
frecuencia de ocurrencia media, la
probabilidad de que ocurra un
determinado número de eventos
durante cierto período de tiempo.
Se cumplen La variable aleatoria es el número de veces que ocurre un evento
durante un intervalo definido.
siempre los
La probabilidad de ocurrencia es la misma para cual quiera de los
siguientes 2 intervalos de igual longitud.
supuestos: La ocurrencia o no en cualquier intervalo es independiente de la de
otro intervalo.
Dos eventos no pueden ocurrir exactamente al mismo tiempo.

Se dice que una variable aleatoria discreta

X tiene una distribución de Poisson con Ejemplo:
parámetro μ (μ>0) si la función de Un consultorio recibe un promedio de μ = 4 pacientes por día. Sabiendo que el
probabilidad de X es: número de pacientes que llegan en un día sigue una distribución de Poisson,
calcular: la probabilidad de que lleguen 3 pacientes en un día.

f(x) = P(X=x) : probabilidad de x

La probabilidad de que
ocurrencias en un intervalo.
lleguen 3 pacientes en
μ: valor esperado o media de X.
un día es de 0,1954 o
e: 2,71828…
19,54 %.
 BIBLIOGRAFÍA
Colon, J. (2014). Historia de la probabilidad. Obtenido de Slideserve:
https://www.slideserve.com/janice/historia-de-la-probabilidad
Escarcega, D. (2022). www.questionpro.com. Obtenido de www.questionpro.com:
https://www.questionpro.com/blog/es/que-es-una-tabla-de-contingencia/
López, J. (2017) Esperanza matemática. Obtenido en Economipedia. Recuperado de:
https://economipedia.com/definiciones/esperanza-
matematica.html#:~:text=La%20esperanza%20matem%C3%A1tica%2
C%20tambi%C3%A9n%20llamada,de%20un%20conjunto%20de%20datos
Martínez, A. (2021). Definición de Probabilidad . Obtenido de Concepto definición:
https://conceptodefinicion.de/probabilidad/
Miranda, I. E. (2009). Estadística Descriptiva y Probabilidad. . México:
Asturias Corporación Universitaria.
Moore, D. (2005) Estadística Aplicada Básica. España: Anthoni Bosch Editor. Obtenido en:
https://www.academia.edu/39976056/MOORE
Sánchez, E., & Inzunza, S. (2019). Probabilidad y Estadística. México:
Patria Educación.
Silverio, Z. (2018). Probabilidades. Obtenido de Slideplayer:
https://slideplayer.es/slide/148349/