Teoría de Probabilidad  Propiedades elementales de la probabilidad

o Kolmogorov (1933) formalizó enfoque axiomático de la probabilidad basado en tres propiedades:

Probabilidad Estadística  En un evento mutuamente excluyente, E1, E2, …, En, la probabilidad es positiva:
Estudia fenómenos al azar. Reúne, describe y analiza datos e infiere  0 ≤ P(Ei) ≤ 1
Relacionada con una de las etapas del proceso de consecuencias.
 Propiedad de exhaustividad: La suma de probabilidades de los resultados mutuamente
estadística ➡️
excluyentes es igual a 1
Se deben recordar conceptos básicos de teoría de conjuntos.
 P(E1) + … + P(En) = 1
 Teoría de conjuntos  Eventos independientes: si el resultado de uno no tiene efecto en el otro
 P (A ∩ B) = P (A ) P (B)
Conjunto Colección de elementos de cualquier naturaleza con características bien  Probabilidad conjunta
definidas. Se pueden determinar sus componentes. o Probabilidad que dichos eventos ocurran simultáneamente.
Conjunto universal Tiene todos los elementos de pruebas/resultados posibles de un experimento. o Es la probabilidad de intersección de dos eventos.
Conjunto nulo o vacío No tiene elementos  Probabilidad de dos eventos cualesquiera
AC Conjunto de elementos que están en U pero no en A. o Mutuamente excluyentes o no, ocurre en la probabilidad de unión de ellos.
AUB Elementos de A y B o Se obtiene sumando la probabilidad de presentación de cada uno de los eventos y restando la
A∩B Elementos que comparten A y B intersección de ambos.
 Introducción o Ejm de fórmula:
o TP es una rama matemática que sirve como fundamento a la estadística
 ¿Cuál es la probabilidad de que un paciente con diabetes, presente retinopatía diabética o tenga una
o Necesaria para toma de decisiones y formar conclusiones de una población a través de la información edad superior o igual a 60 años de edad? (intervalo de 60 y de ≥ 80) = 1445 + 70 = 1515
de una muestra.
o Cuando la probabilidad es basada en la definición de frecuencia, se trata de una probabilidad P = P (presencia de RD) + P (edad > 60) – P (intersección de ambos)
objetiva. N° total de pruebas

 Definición  Probabilidad condicional

o Reproducción del experimento = PRUEBA o Probabilidad que un evento ocurra “dado que” o “sabiendo que” otro evento ya ha ocurrido.
o Las pruebas pueden tener uno o más resultados o Se usa la siguiente fórmula:
o La probabilidad que ocurra un resultado determinado es el número de veces que ocurre el resultado
de interés dividido entre el número total de pruebas realizadas. P (A|B) = P (A ∩ B), si P(B) ≠ 0
 Basado en el concepto de frecuencia relativa P(B)
 Laplace
 Si resultados de un experimento fueran equiprobables, la probabilidad se calcula a o Importancia:
partir de la división de número de resultados favorables entre el número total de  Evalúa validez de una prueba diagnóstica:
resultados posibles.  Capacidad de la prueba para clasificar correctamente una a una persona, según la
presencia o ausencia de una enfermedad”
P(experimento) = N° de resultados exitosos o favorables  Establece valores predictivos
N° total de pruebas
Si el resultado es seguro = la probabilidad será 1 Medidas de comparación: 
Si no hay ninguna probabilidad = la probabilidad será 0  RR
o Razón de incidencia
 Conceptos básicos de probabilidad o Probabilidad de sufrir un problema de salud en dos situaciones o grupos diferentes
o Incidencia
Experimento: se define como cualquier proceso planeado para obtener datos. Se deben hacer réplicas o RR= Probabilidad del problema de salud entre expuestos/Probabilidad del problema de
Experimento aleatorio Espacio muestral Evento Eventos mutuamente salud entre no expuestos
excluyentes
o >1 riesgo
Cualquier experimento cuyo Conjunto de todos los Cualquier Eventos que no pueden ocurrir
resultado no puede resultados posibles de subconjunto juntos. A ∩ B es nulo
o RR= [A/(A+B)] /[C/(C+D)]
predecirse. Es posible un Experimento del espacio o Indica cuantas veces es mayor la probabilidad de sufrir una enfermedad entre quienes
describir todos los aleatorio. muestral están expuestos al factor, respecto a los no expuestos.
resultados.  OR
o Cuando no hay incidencia
 o a/b x d/c  Distribución de probabilidad
Exposición Enfermedad Total o En estadística son varias que son importantes.
Presente Ausente o En el campo de la salud son tres que se usan con frecuencia:
Presente A B A+B  Binomial
Ausente C D C+D  Poisson
 Normal

 Distribuciones de probabilidad para variables discretas

o Se utilizan para variables aleatorias cuantitativas discretas (números enteros)
o Puede apreciarse mediante
 Una tabla
 Un gráfico
 Una fórmula
 O algún otro sistema utilizado para especificar todos los posibles valores
 Binomial y Poisson son discretas
o Distribución Binomial
 Basado en el Ensayo de Bernoulli
 Experimento aleatorio donde puede ocurrir solo uno de dos resultados posibles,
mutuamente excluyentes (vida/muerte, sano/enfermo)
 Tiene una secuencia de ensayos de Bernoulli
 Cumplen las siguientes condiciones:
o En una prueba solo son posibles dos resultados mutuamente excluyentes:
Distribuciones de probabilidad éxito y fracaso. Se representan por p y q, (q = 1 – p)
o Resultado de cada prueba es independiente de los resultados obtenidos en
 Variable
pruebas anteriores
o Característica de interés en el desarrollo de una investigación
o Probabilidad de éxito y fracaso es constante, no varía de prueba en
o Presupone que una característica varía de un sujeto a otro -> VALOR DE LA VARIABLE
prueba
 Valor de la variable
o El experimento consta de un número n de pruebas.
o Al obtenerse en procedimientos de medición se denominan:
 Función de probabilidad
 Observaciones o medidas
 Permite conocer con precisión la probabilidad de observar k éxitos P(x = k).
o Al originarse como resultado de factores relacionados con el azar (no se predicen con exactitud) se
 Sí se han realizado n observaciones y consideramos que se obtienen k éxitos, el
denomina:
número de fracasos es n-k (1-p)
 Variable aleatoria
 Para ello debemos calcular el número combinatorio de n sobre k
 Es un valor numérico que representa el resultado de un experimento aleatorio
 Distribución binomial se denota B(n,p)
 Pueden ser discretas o continuas.
 Recordamos P (x = k) = n! pk(1-p)n-k
k! (n-k)!
Experimento aleatorio
Donde: k es el número de éxitos (0 ≤ k ≤ n)
Cualquier experimento cuyo resultado no puede predecirse. Es posible describir todos los
resultados. n es el número de pruebas (n > 0)
Características: p es la probabilidad de éxito (0 ≤ p ≤ 1)
 Se pueden repetir indefinidamente en las mismas condiciones
 Antes de realizar el experimento, se conocen todos los resultados posibles  Función de distribución
 Pero no es posible tener la certeza de cuál será el resultado del experimento  Cuando hay interés de conocer la probabilidad de observar k o más éxitos P (x ≥ k)
 Pueden resumirse en una distribución de probabilidad o k o menos éxitos P (x ≤ k)
o Es una distribución de frecuencia  Es encontrar por separado las probabilidades de encontrar k, (k+1), etc y luego
o Muestra las relaciones entre la variable aleatoria y las probabilidades de su sumarlas
ocurrencia
 Distribuciones de probabilidad para variables continuas
o Distribución normal o Gaussiana, campana de Gauss
 Se utiliza la distribución de probabilidad más famosa de la estadística
 Conforman una familia de distribuciones que tienen en general la misma forma.
 Son simétricas con valores más concentrados en el medio que hacia las colas.
 Determinada por dos parámetros
 Media (μ)
 DE (σ)
 Se denota N (μ, σ)
 Propiedades
 Tiene una única moda que coincide con mediana y media.
 Curva normal asintótica al eje de las abscisas por lo que cualquier valor es posible.
 Es simétrica
 Mientras la DE sea más grande, más larga será.
 Distribución normal estándar
 Distribución normal que tiene:
oμ=0
o σ=1
 Cuando la distribución normal de una variable no es 0, se debe trastornar a
distribución normal estándar mediante el cálculo de “z”, para que se pueda usar la
tabla normal estándar.
 Z = número de DEs entre la media y el valor de X en la recta.
 Cualquier distribución normal puede transformarse en una distribución normal
estándar mediante:

Z=X-μ
σ
X Debe presentar una distribución normal

 Áreas bajo la curva normal:

o +/-1 μ = 68.3%
o +/-1.96 μ = 95.5%
o +/-2.71 μ = 99.7%

 Importancia
 Tres razones
o Gran número de fenómenos siguen esta distribución
o Muchas distribuciones de uso frecuente tienden a aproximarse a la
distribución normal
o Todas las variables que puedan considerarse causadas por un gran
número de pequeños efectos tienen a distribuirse con una distribución
normal.
o En la inferencia estadística.