Bioestadística

CIENCIAS DE LA SALUD
Facultad de Ciencias de la Salud
 PROBABILIDADES

CIENCIAS DE LA SALUD
Facultad de Ciencias de la Salud
 PLAN DE CLASE
• Motivación
• Competencias
Inicio • Saberes previos

• Experimento aleatorio, espacio muestral, eventos

• Operaciones entre eventos.
Construcción • Probabilidad, enfoques. Axiomas de la Probabilidad

• Retroalimentación
• Autoevaluación
Cierre

3
 Reconoce un
experimento
Logro esperado aleatorio y determina
su espacio muestral
y sus eventos

Calcula
Hace uso de los
Resuelve ejercicios de probabilidades enfoques y axiomas
aplicación sobre el relacionadas con de la probabilidad
tema. de eventos.
eventos.

Desarrolla
operaciones entre
eventos.

4
 MOTIVACIÓN
Azar y probabilidad: la falacia del jugador
Publicado por Enrique Benimeli en Matemáticas

Números “feos” en la lotería… ¿pero improbables?

En 1903 tocó el Gordo de Navidad con el número 20297, y 103 años
después, en 2006, volvió a salir el mismo número. Ocurrió también en 1956
y 1978, con el número 15560. La pregunta es, ¿jugarías estas Navidades a
la lotería con algún número que ya hubiera salido años anteriores? Un
primer impulso sería “jugar mejor a otro número”, argumentando que ya
tocó, y además, en dos ocasiones cada uno. Y si el número hubiera sido uno
como el 01010, probablemente tampoco jugaríamos, pero por otros
motivos: parece poco probable.
5
Saberes Previos

Resultados posibles de lanzar una

moneda

Resultados posibles de lanzar un dado.

6
EXPERIMENTO ALEATORIO ()

Es un experimento que se puede repetir indefinidamente

(sin cambiar sus condiciones).
Aunque los resultados de este no se pueden predecir con
exactitud se pueden describir sus resultados posibles.

7
ESPACIO MUESTRAL ()

Es el conjunto de todos los resultados posibles de un

experimento. A veces se le denomina espacio muestral 

asociado al experimento .

Existen dos tipos de espacios muestrales:

• Discreto.- Cuando tiene un número entero positivo de elementos y además pueden
ser: Finitos e Infinitos.
• Continuo.- Si tiene un número no numerable de elementos. Es decir sus elementos
son puntos de algún intervalo.
8
 Ejemplo 1

1. 1 = {Lanzar una moneda y observar la cara superior}

(1) = { Cara, Sello}

2. 2 = {Lanzar un dado y observar el número que aparece en la cara superior}

(2) = { 1, 2, 3, 4, 5, 6}

3. 3 = {Extraer un artículo de una línea de producción y comprobar si es defectuoso o no}

(3) = { Defectuoso, No Defectuoso}

4. 4 = {Elegir un delegado de una sección de 40 estudiantes}

(4) = {Pedro, Juan, Daniella, Cecilia,... }

5. 5 = {Número de automóviles que se cruzan en una esquina}

(5) = {0, 1, 2, ... } 9
EVENTO
Es cualquier subconjunto de un espacio muestral, y se denotan por A, B, C, etc.

De acuerdo a la teoría de conjuntos, al especio muestral () y al evento nulo , se les

considera como eventos.
• Al espacio muestral (), se le denomina Evento Seguro, porque siempre ocurre,
es imposible que no pueda ocurrir.
• Al evento nulo () se le llama Evento Imposible.
Se dice que un evento ocurre cuando al menos uno de los resultados que lo conforman
ocurre.

10
Ejemplo 2
A partir del experimento del ejemplo 1.2., se definen tres posibles eventos:

A = Cara mostrada es igual a dos

⇒ A = {2}

B = Cara mostrada es impar

⇒ A = {1, 3, 5}

C = Cara mostrada es menor que cuatro

⇒ C = {1, 2, 3}

11
Operaciones con Eventos
Sean A y B eventos de , entonces:

Complemento de un evento:
• Ac =  – A = { w   / w  A }.

Unión de eventos:

• A  B = { w   / w  A o w  B }.

12
Operaciones con Eventos
Intersección de eventos:

• A  B = { w   / w  A y w  B }.

Eventos mutuamente excluyente:

• Sean A y B eventos de , entonces:

AB=

13
Operaciones con Eventos
Eventos Colectivamente Exhaustivos
Sean A1, ..., An eventos de ,
entonces:

Sean A y B eventos de , entonces:

• A – B = { w   / w  A y w  B }.

14
Ejemplos

15
Operaciones con Eventos

Sean A y B eventos de , entonces:

• Leyes de Morgan: (A  B)c = Ac  Bc

(A  B)c = Ac  Bc

16
Ejemplo 2
 = {Lanzar dos dados y se observa los números que aparecen en las caras
superiores}
 1, 1 1, 2 1, 3 1, 4 1, 5 1, 6 
 
 2, 1  2, 2  2, 3  2, 4  2, 5  2, 6 
 3,
 1  3, 2  3, 3  3, 4  3, 5  3, 6
( )    N( )  36
 4, 1  4, 2  4, 3  4, 4  4, 5  4, 6 
 5, 1  5, 2  5, 3  5, 4  5, 5  5, 6
 
 6,
 1  6, 2  6, 3  6, 4  6, 5  6, 6 

A = {Que al lanzar dos dados se obtenga en las caras superiores números iguales}
A = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}; N(A) = 6
Un suceso sería: w = {(1,1)}
17
 Ejemplo 3
Se tiene un experimento aleatorio que consiste en lanzar dos monedas a la vez. Se
solicita determinar su espacio muestral.

Solución.-
Para determinar su espacio muestral se puede hacer uso de una tabla de doble entrada:

Primera Segunda Moneda

Moneda Cara Sello
Cara C,C C,S
Sello S,C S,S
Entonces:
 = {(CC), (CS), (SC), (SS)}
18
 Ejemplo 4
Se tiene un experimento aleatorio que consiste en lanzar tres monedas. Se solicita determinar su
espacio muestral.
Solución.-
Para determinar su espacio muestral se puede hacer uso del diagrama del árbol.

DIAGRAMA DEL
ÁRBOL

Entonces:
 = {(CCC), (CCS), (CSC), (CSS), (SCC), (SCS), (SSC), (SSS) }
19
 Ejemplo 5
Se tiene un experimento aleatorio que consiste en lanzar una moneda y un dado. Se solicita
determinar su espacio muestral.
Solución.-
Luego se puede comprobar que es un experimento compuesto:
1 = {Lanzar una moneda } y 2 = {Lanzar un dado}
Así el N() = 2 * 6 = 12
Entonces, mediante la tabla de doble entrada se tiene:

Dado
Moneda
1 2 3 4 5 6
Cara C,1 C,2 C,3 C,4 C,5 C,6
Sello S,1 S,2 S,3 S,4 S,5 S,6
Entonces:
 = {(C1), (C2), (C3), (C4), (C5), (C6), (S1), (S2), (S3), (S4), (S5), (S6)}
20
 Ejemplo 6
Se tiene un experimento aleatorio que consiste en lanzar una moneda o un dado. Se solicita
determinar su espacio muestral.

Solución.-
Luego se puede comprobar que es un experimento compuesto:

1 = { Lanzar una moneda } o 2 = { Lanzar un dado }

Así, el N() = 2 + 6 = 8

Entonces, el espacio muestral esta dado por:

 = {C, S, 1, 2, 3, 4, 5, 6}
21
 Probabilidad
• ENFOQUE CLÁSICO
Si N(A) representa el número de sucesos del evento A y N() el número de
sucesos del espacio muestral, entonces se puede decir que la probabilidad de A
esta dada por:
N(A)
P(A) 
N( )

• ENFOQUE DE FRECUENCIA RELATIVA

La probabilidad se calcula con base a la proporción del número de veces que
ocurre un evento A en un determinado número de observaciones. Es decir, la
probabilidad de A esta dada por:

Frecuencia Absoluta de A f(A)

P(A)  
Número de Observaciones n
22
 Axiomas de probabilidad
• PRIMER AXIOMA
La probabilidad que un evento A  , sólo puede tener valores que están: 0  P(A)  1.
• SEGUNDO AXIOMA
La probabilidad del espacio muestral es igual a la unidad. Esto es, P() = 1.
• TERCER AXIOMA
Para un número finito de k eventos mutuamente excluyentes, A1, ..., Ak que pertenecen a
un , la probabilidad de la unión de estos eventos está dada por:

P  k
i1 
A i   i1 P(A i )
k

Nota.- Para el caso de eventos A y B  , eventos mutuamente excluyentes, entonces:

P(A  B) = P(A) + P(B)
23
Propiedades de probabilidad
1. Si  es el evento imposible o nulo, entonces P() = 0.

2. Para cada evento A  ,

P(A) = 1– P(Ac) ó P(Ac) = 1 – P(A).

1. Si A y B  , tales que A  B, entonces P(A)  P(B).

2. Si A y B  , eventos cualquiera, entonces:

P(A  B) = P(A) + P(B) – P(A  B)
24
Ejemplo 7
Se lanza una moneda tres veces. Calcule la probabilidad de que en la cara
superior de la moneda aparezcan:
a) Dos caras
b) Al menos dos caras

Solución:
a) El experimento es lanzar una moneda tres veces.

El espacio muestral es:  = {(CCC), (CCS), (CSC), (CSS), (SCC), (SCS),

(SSC), (SSS)} → N() = 8
El evento A es que en la cara superior de la moneda aparezcan dos caras :
A = {(CCS), (C,S,C), (S,C,C)} → N(A) = 3.

Luego, la probabilidad de que en la cara superior de la moneda aparezcan

dos caras es:
N(A) 3
P(A)    0,375
N( ) 8
25
Ejemplo 7

Solución

b) El evento B es que en la cara superior de la moneda aparezcan al

menos dos caras : A = {(CCC), (CCS), (C,S,C), (S,C,C)} → N(B) = 4.

Luego, la probabilidad de que en la cara superior de la moneda

aparezcan al menos dos caras es:

N(B) 4
P(B)    0,50
N( ) 8

26
 EJEMPLO 8
En la tabla adjunta se presenta la distribución de los estudiantes matriculados
en un curso de música, por sección y sexo. Si se elige al azar a un delegado
de los estudiantes,
a) ¿cuál es la probabilidad de que sea mujer?
b) ¿cuál es la probabilidad de que esté matriculado en la sección C?

Solución
a) El experimento es elegir un delegado
El evento A es que el delegado elegido sea mujer
Existen: f(A) = 70 estudiantes mujeres. f(A) 70
P(A)    0.4487
Entonces, la probabilidad de que sea mujer es: n 156
27
 EJEMPLO 8
b) ¿cuál es la probabilidad de que esté matriculado en la sección C?

Solución
b) El experimento es elegir un delegado
El evento B es que el delegado elegido esté matriculado en la sección C.
Existen: f(B) = 32 estudiantes.
Entonces, la probabilidad de que esté f(B) 32
P(B)    0.2051
matriculado en la sección C es: n 156
28
Ejemplo 9
A continuación, se muestra a 50 profesionales de una empresa agrupados según
especialidad por sexo.

El gerente de la empresa selecciona al azar a un profesional para ocupar un cargo

directivo. Calcule:

a) La probabilidad de que sea de la especialidad de Ingeniería Industrial.

f(I) 19
P(I)    0.38
n 50 29
Ejemplo 9

b) La probabilidad de que sea mujer y de la especialidad de Ingeniería

Civil.

N(M  C) 3
P(M  C)    0.06
n 50

c) La probabilidad de que sea de la especialidad de Ingeniería Civil o

Ingeniería Industrial.

N(C I) 30
P(C I)    0.60
n 50

30
 Ejemplo 10

La probabilidad de que un poblador de un distrito de Arequipa tenga la ganadería como

actividad principal es 0.40, la probabilidad de que tenga la agricultura como actividad
principal es 0.55 y la probabilidad de que tenga ambas actividades como actividades
principales es 0.08.
Considere los eventos:
G: Poblador tiene como actividad principal la ganadería.
A: Poblador tiene como actividad principal la agricultura.

a) Represente el problema mediante un diagrama de Venn Euler y considere todas las

probabilidades correspondientes.
b) Calcule la probabilidad que solo tenga como actividad principal la ganadería.
c) Calcule la probabilidad de que el poblador tenga como actividad principal solo una de las
actividades.

31
 Ejemplo 10
SOLUCIÓN
a) Represente el problema mediante un diagrama de Venn Euler y considere todas las
probabilidades correspondientes.

32
 Ejemplo 10
SOLUCIÓN
b) Calcule la probabilidad que solo tenga como actividad principal la ganadería.
𝑃 𝐴𝑐 ∩ 𝐺 = 0.32

33
 Ejemplo 10
SOLUCIÓN
c) Calcule la probabilidad de que el poblador tenga como actividad principal solo una de
las actividades.
𝑃 𝐺 ∩ 𝐴𝑐 ) ∪ 𝑃(𝐴 ∩ 𝐺 𝑐 = 0.32 + 0.47 = 0.79

34
 CONTEO
Existen varios métodos para contar el número de resultados posibles en
situaciones muy diversas. Los problemas de probabilidad suelen requerir que
se conozca el número total de resultados posibles, y para calcular ese total
generalmente se utilizan esos métodos (porque no sería práctico construir una
lista de los resultados):

- Regla fundamental de conteo

- Regla factorial
- Regla de las permutaciones
- Regla de las combinaciones

35
Regla fundamental de conteo

Para una secuencia de dos eventos en la que el primero puede ocurrir de

m formas y el segundo puede ocurrir de n formas, los eventos juntos
pueden ocurrir en un total de:

m.n formas

36
Ejemplo:
En un triplete lineal de tres nucleótidos de ADN, cada uno de los nucleótidos puede ser
cualquiera de estas cuatro bases (con repetición permitida): A (adenina); C (citosina); G
(guanina);T (timina). Dos ejemplos diferentes de tripletes son CTA y TTG. Cual es el total
de número de trillizos diferentes posibles? Dado que los cuatro nucleótidos son igualmente
probable, ¿Cuál es la probabilidad de obtener el triplete de AAA?

Solución
Hay 4 posibilidades diferentes para cada uno de los tres nucleótidos, por lo que el número
total de diferentes tripletes posibles es n1. n2. n3= 4.4.4 = 64. Si los cuatro nucleótidos
tienen la misma probabilidad, la probabilidad de obtener el triplete de AAA es 1 / 64 =
0.0156.

37
 Regla factorial
Una colección de n elementos distintos se puede acomodar de n! diferentes
maneras. (Esta regla factorial refleja el hecho de que el primer elemento se
puede seleccionar de n maneras distintas, el segundo se puede
seleccionar de n - 1 maneras, y así sucesivamente).

Notación

El símbolo factorial (!) denota el producto de números enteros positivos decrecientes.

Por ejemplo, 4! = 4 · 3 · 2 · 1 = 24. Por definición especial, 0! = 1.

38
Ejemplo:
La empresa Quest Diagnostics recolecta muestras de sangre de diferentes
laboratorios. Se envía un conductor para realizar las recogidas en 5 lugares diferentes.
¿Cuántas rutas diferentes son posibles?

Solución
Para esos 5 lugares diferentes, el número de rutas diferentes es 5! =5.4.3.2.1 = 120.
La primera parada puede ser cualquiera de las 5 ubicaciones, la segunda parada puede ser
cualquiera de las 4 ubicaciones restantes, y así sucesivamente. El resultado es nuevamente
5.4.3.2.1 = 120.

39
Regla de las permutaciones
1. Existen n elementos diferentes disponibles.

2. Seleccionamos r de los n elementos (sin reemplazo).

3. Consideramos que los reordenamientos de los mismos elementos son secuencias

diferentes.

(La permutación de ABC difiere de la de CBA y se cuenta de forma separada).

Si se satisfacen los requisitos anteriores, el número de permutaciones (o secuencias) de r
elementos seleccionados entre n elementos disponibles (sin reemplazo) es:

𝑛
n!
P𝑟 =
n−r !
40
 Ejemplo:
Cuando se prueba un nuevo fármaco, la Fase I requiere solo 5 voluntarios y el objetivo es
evaluar la seguridad del fármaco. Siendo cuidadosos, se planea tratar a los 5 sujetos en
secuencia, de modo que cualquier efecto particularmente adverso pueda permitir detener
los tratamientos antes de que se trate a cualquier otro sujeto. Si hay 8 voluntarios
disponibles, ¿cuántas secuencias diferentes de 5 sujetos son posibles?

Solución
Necesitamos seleccionar r = 5 sujetos de n = 8 voluntarios que están disponibles.
El número de diferentes secuencias de arreglos se encuentra como se muestra:
n! 8!
P𝑟𝑛 = = = 6720
n−r ! 8−5 !

Hay 6720 diferentes arreglos posibles de 5 sujetos seleccionados de los 8 que están
disponibles.
41
 Regla de las combinaciones
1. Se tiene un total de n elementos diferentes disponibles.

2. Seleccionamos r de los n elementos (sin reemplazo).

3. Consideramos que los reordenamientos de los mismos elementos son iguales. (La
combinación ABC es igual que CBA).

Si se satisfacen los requisitos anteriores, el número de combinaciones de r elementos

seleccionados a partir de n elementos diferentes es :

n!
Crn =
n − r ! r!
42
 Ejemplo:
Cuando se prueba un nuevo fármaco en humanos, normalmente se realiza una prueba
clínica en tres fases. La Fase I se lleva a cabo con un número relativamente pequeño de
voluntarios sanos. Suponga que queremos tratar a 20 humanos sanos con un nuevo
fármaco y tenemos 30 voluntarios adecuados disponibles. Si se seleccionan 20 sujetos de
los 30 que hay disponible, y los 20 sujetos seleccionados se tratan todos al mismo tiempo,
¿cuántos grupos de tratamiento diferentes son posibles?
Solución
Debido a que todos los sujetos se tratan al mismo tiempo, el orden es irrelevante, por lo que
debemos encontrar el número de combinaciones diferentes posibles. Con n = 30 sujetos
disponibles y con r = 20 sujetos seleccionados, el número de combinaciones se encuentra de
la siguiente manera:
𝑛! 30!
𝐶𝑟𝑛 = = = 30 045015
𝑛 − 𝑟 ! 𝑟! 30 − 20 ! 20!
Hay 30 045015 posibles combinaciones
43
 CONCLUSIONES
• La probabilidad que un evento A  , sólo puede tener valores que están:
0  P(A)  1.

• Leyes de Morgan: (A  B)c = Ac  Bc

(A  B)c = Ac  Bc
• Los métodos para contar el número de resultados posibles son: regla
fundamental de conteo, regla factorial, regla de las permutaciones,
Regla de las combinaciones.

BIOESTADÍSTICA 44
 Analiza sobre tu desempeño
Tome su tiempo para reflexionar antes de responder las siguientes preguntas:

Sobre los conceptos básicos de probabilidad::

1. ¿Cómo se define el complemento de un evento?

2. ¿Qué entiende por eventos mutuamente excluyentes?

BIOESTADÍSTICA 45
REFERENCIAS BIBLIOGRÁFICAS

[1] Daniel, Wayne W (2017). Bioestadística : base para el análisis de las ciencias de la salud (4a
ed.). México, D.F.: Limusa.

[2] Triola, M. (2018). Estadística (12a ed.). México, D.F.: Pearson Educación. Recuperado de
https://www.ebooks7-24.com:443/?il=7386

BIOESTADÍSTICA 46
GRACIAS