Bioestadistica Ii Elementos de Probabilidad Teoria

Universidad Nacional de Loja
Facultad de la Salud Humana

Elementos de Probabilidad para la
Inferencia Estadística
PROBABILIDAD
OBJETIVOS:
Conocer los referentes conceptuales de las
probabilidad estadística y su aplicación en los
campos de la salud humana.
Aplicar los conocimientos sobre probabilidad

estadística mediante el uso de paquetes
estadísticos y situaciones relacionadas a
salud – enfermedad.
PROBABILIDAD
I NTRODUCCIÓN
Las situaciones que se presentan en el mundo
son estudiadas cada día con mayor frecuencia
en términos probabilísticos (inciertos), más que
deterministas (predecibles). A algunas
situaciones se les considera de ocurrencia
segura y a otras imposible de acontecer.
La Probabilidad, como sabemos, es la rama

de las Matemáticas que estudia las
expectativas de que un suceso o fenómeno
determinado ocurra.
PROBABILIDAD
El concepto de Probabilidad es manejado por
mucha gente. Frecuentemente se escuchan
preguntas como :
❑ ¿Cuál es la posibilidad de que me saque la
lotería?
❑ ¿Qué viabilidad hay de que este año
disminuyan los casos de influenza?
❑ ¿Qué factibilidad hay de que hoy llueva?
❑ ¿Cuáles son las oportunidades de que
nuestro equipo gane el campeonato?
❑ ¿Cuántos tomógrafos son defectuosos?
PROBABILIDAD
Estas preguntas, en el
lenguaje coloquial,
esperan como
respuesta una medida
de confianza de que
ocurra un evento
futuro, o bien, de una
forma sencilla,
interpretar la
Probabilidad de que
ése fenómeno suceda.
PROBABILIDAD
El conocimiento de la
Probabilidad es de suma
importancia en todo
estudio estadístico.
El cálculo de
probabilidades
proporciona las reglas
para el estudio de los
experimentos aleatorios o
de azar, que constituyen la
base para la Estadística
Inferencial.
PROBABILIDAD
Un fenómeno aleatorio es
un acontecimiento del que
no se sabe el resultado
que se obtendrá; están
relacionados con el azar.
La Probabilidad estudia
los fenómenos aleatorios.
PROBABILIDAD
Por otro lado, un fenómeno determinista es
el acontecimiento en el cual, de antemano,
se sabe cual será el resultado.
PROBABILIDAD
Probabilidad
Teoría de Conjuntos Teoría de la Probabilidad
Conceptos básicos Conceptos básicos
Operaciones con Axiomas de la

conjuntos Probabilidad
Teoría de Conjuntos.
Se entiende por conjunto toda colección de
elementos definidos y diferentes (o mutuamente
exclusivos).
Un conjunto se clasifica como finito o infinito
según el número de sus elementos.
Los conjuntos se identifican con una letra
mayúscula, los elementos con letras minúsculas o
números agrupados entre llaves. Ejemplo: A = {1,
2, 3, 4, 5}; B = {a, e, i, o, u}.
exclusivos).
mayúscula, los elementos con letras minúsculas o
números agrupados entre llaves. Ejemplo: A = {1,
2, 3, 4, 5}; B = {a, e, i, o, u}.
exclusivos).
mayúscula, los elementos con letras minúsculas
o números agrupados entre llaves. Ejemplo: A =
{1, 2, 3, 4, 5}; B = {a, e, i, o, u}.
Dos conjuntos son iguales si tienen los mismos
elementos, sin que importe el orden, es decir: {1,
2} = {2, 1}.
A partir de cualquier conjunto pueden definirse
uno o más subconjuntos. Se entiende que un
subconjunto nunca tiene más elementos que el
conjunto que lo contiene, y que un conjunto
puede ser subconjunto de si mismo.
Dos conjuntos son iguales si tienen los mismos
elementos, sin que importe el orden, es decir: {1,
2} = {2, 1}.
A partir de cualquier conjunto pueden definirse
uno o más subconjuntos. Se entiende que un
subconjunto nunca tiene más elementos que el
conjunto que lo contiene, y que un conjunto
puede ser subconjunto de si mismo.
Si un conjunto está contenido dentro de otro,
todos los elementos del conjunto principal que
no son elementos del subconjunto forman el
conjunto complementario. Para representar el
conjunto complementario utilizamos una tilde
sobre la letra que designa el subconjunto. Así, M
= {a, e, i, o, u}, L = {a, e} y L = {i, o, u).
En todo conjunto se reconoce la existencia de un
subconjunto sin elemento alguno, o conjunto
vacío.
Si un conjunto está contenido dentro de otro,
todos los elementos del conjunto principal que no
son elementos del subconjunto forman el
conjunto complementario. Para representar el
conjunto complementario utilizamos una tilde
sobre la letra que designa el subconjunto. Así, M
= {a, e, i, o, u}, L = {a, e} y L = {i, o, u).
En todo conjunto se reconoce la existencia de un
subconjunto sin elemento alguno, o conjunto
vacío.
Cuando dos conjuntos no son iguales pero
comparten algunos elementos se puede formar
con ello un conjunto con los elementos
comunes.
A este conjunto se le designa como intersección y
se representa mediante el símbolo . Así, si O =
{a, i} y U = {e, i}, entonces O  U = {i}.
Si dos conjuntos no tienen elementos en común,
su intersección es el conjunto vacío.
con ello un conjunto con los elementos comunes.
A este conjunto se le designa como intersección
y se representa mediante el símbolo . Así, si O
= {a, i} y U = {e, i}, entonces O  U = {i}.
con ello un conjunto con los elementos comunes.
A este conjunto se le designa como intersección y
se representa mediante el símbolo . Así, si O =
{a, i} y U = {e, i}, entonces O  U = {i}.
Intersección de dos conjuntos.
La unión de dos conjuntos es otro conjunto
formado por todos los elementos de los dos
conjuntos.
Los elementos comunes a los dos conjuntos solo
se toman en cuenta una vez.
Para indicar la unión de dos conjuntos utilizamos
el símbolo . Así, la unión de O = {a, i} y U = {e, i)
es el conjunto O  U = {a, e, i}.
conjuntos.
conjuntos.
Unión de dos conjuntos.
Conjuntos: representación tabular.
Conjunto Universal (M)

Subconjunto P Subconjunto P
Conjunto Subconjunto R a b
Universal (M) Subconjunto R c d
Conjunto Universal (M)

Subconjunto P Subconjunto P
Conjunto Subconjunto R a b
Universal (M) Subconjunto R c d
Sujetos en una cohorte

Enfermos No enfermos
Sujetos en una Expuestos 50 300
cohorte No expuestos 25 500
Intersección de dos conjuntos
Unión de dos conjuntos

Enfermos (B) No enfermos
Sujetos en una Expuestos (A) 50 300
Pregunta: cuál es el valor de

N=?

N = 50+300+25+500 = 875

N = 875
N(A) = ?

N = 875
N(A) = 25+500 = 525

N = 875
N(A) = 525
N(B) = ?

N = 875
N(A) = 525
N(B) =50+25 = 75

N = 875 N(AB) = ?
N(A) = 525
N(B) = 75

N = 875 N(AB) = 50
N(A) = 525
N(B) = 75

N = 875 N(AB) = 50
N(A) = 525 N(AB) = ?
N(B) = 75

N = 875 N(AB) = 50
N(A) = 525 N(AB) = 300
N(B) = 75

N = 875 N(AB) = 50
N(A) = 575 N(AB) = 300
N(B) = 75 N(AB) = ?

N = 875 N(AB) = 50
N(A) = 575 N(AB) = 300
N(B) = 75 N(AB) = 50+300+25 = 375

N = 875 N(AB) = 50
N(A) = 575 N(AB) = 300
N(B) = 75 N(AB) = 375
N(AB) = ?

N = 875 N(AB) = 50
N(A) = 575 N(AB) = 300
N(B) = 75 N(AB) = 375
N(AB) = 50+300+500 = 850
Teoría de conjuntos y probabilidad
En el campo de las probabilidades se designa
como experimento a todo proceso de
observación.
Asociado a todo experimento existen resultados
posibles que se entienden como elementos de un
conjunto.
Este conjunto, que agrupa todos los resultados
diferentes posibles, recibe el nombre de espacio
de eventos y se simboliza con la letra S. Ejemplo:
el espacio de eventos de un dado es S = {1, 2, 3, 4,
5, 6}
observación.
posibles que se entienden como elementos de
un conjunto.
el espacio de eventos de un dado es S = {1, 2, 3, 4,
5, 6}
observación.
posibles que se entienden como elementos de un
conjunto.
el espacio de eventos de un dado es S = {1, 2, 3,
4, 5, 6}
Probabilidad de un evento
Mediante la probabilidad de un evento
expresamos el grado de confianza que tal evento
ocurra al observar un experimento, y se
representa como un número que va del 0 al 1,
donde el 1 indica que un evento ocurrirá con toda
seguridad, mientras el 0 corresponde a un evento
que con toda seguridad NO ocurrirá.
– Probabilidad clásica o a priori.
– Probabilidad según la frecuencia relativa de
ocurrencia o a posteriori.
Probabilidad clásica o a priori: No es necesario
efectuar el experimento. Se basa en la
consideración de que los resultados de un
experimento son igualmente posibles. Se calcula
de la siguiente manera:
Ejemplo: El experimento consiste en observar la cara que muestre
hacia arriba al caer un dado. ¿Cuál es la probabilidad de que caiga un
“cuatro”?
Solución: Sea el evento A = Obtener un “cuatro”

Probabilidad por frecuencia relativa o a
posteriori. Es necesario efectuar el experimento.
Se determina observando la proporción de veces
que ocurrió en el pasado el evento. Se calcula de
la siguiente manera:
Ejemplo: Se quiere determinar la probabilidad de que al lanzar
una perilla caiga con la punta hacia arriba. Para ello se ha lanzado el
chinche 25 veces y en 6 de ellas cayó con la punta hacia arriba.
Solución:
Entonces A priori y A posteriori, es:
A priori es una locución latina que en español
significa “previo a”. Es una expresión que hace
referencia a un principio anterior de la experiencia, y
se adquiere mediante la deducción. Como tal, el
método a priori parte de las causas a los efectos.
A posteriori es una expresión latina que se puede

traducir como “de lo posterior”. Se trata de una
locución adverbial que alude a lo que se conoce tras
analizar o revisar un asunto o que hace referencia a
una demostración que se lleva a cabo pasando del
efecto hacia la causa.
Probabilidad a priori
Si antes de realizar un experimento se conocen
todos los elementos de un espacio de eventos y
todos tienen la misma oportunidad de ocurrir, la
probabilidad de observar un evento simple en
particular P(E) es igual a 1/N, donde N es el total
de elementos del espacio de eventos.
El dado tiene 6 caras, si todas la caras tienen la
misma probabilidad de ser seleccionada, la
probabilidad de seleccionar la cara 1 es igual a
1/6 = 0.167
Probabilidad a priori
Si antes de realizar un experimento se conocen
todos los elementos de un espacio de eventos y
todos tienen la misma oportunidad de ocurrir, la
probabilidad de observar un evento simple en
particular P(E) es igual a 1/N, donde N es el total
de elementos del espacio de eventos.
El dado tiene 6 caras, si todas la caras tienen la
misma probabilidad de ser seleccionada, la
probabilidad de seleccionar la cara 1 es igual a
1/6 = 0.167
Probabilidad a posteriori
Para calcular una probabilidad podemos recurrir
a estimar la frecuencia relativa de la ocurrencia
de un evento una vez que el experimento ha sido
realizado.
Para ello, dividimos el número de veces que se
observó el evento de interés, a, entre el total de
veces que el experimento se realizó, N.
A medida que N se aproxima a infinito, el
procedimiento a posteriori brinda el mismo
resultado que el a priori.
Para calcular una probabilidad podemos recurrir a
estimar la frecuencia relativa de la ocurrencia de
un evento una vez que el experimento ha sido
realizado.
Para calcular una probabilidad podemos recurrir a
estimar la frecuencia relativa de la ocurrencia de
un evento una vez que el experimento ha sido
realizado.
1,00
0,90
Probabilidad de que resulte "águila"

0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191
Número de lanzamientos acumulados de la moneda

Probabilidad subjetiva
Además de las probabilidades a priori y a
posteriori, se reconoce una tercera manera
de calcular probabilidades: la probabilidad
subjetiva.
Su estimación no se basa en frecuencias

relativas sino en apreciaciones y
conocimientos previos que tiene quienes
realizan la estimación.
Probabilidad subjetiva
Ejemplo:
¿Cuál es la probabilidad de que llueva en Loja este
fin de semana?
Solución:
Al no haber mayor información podría una persona

estimar que la probabilidad es de 0,3; en tanto que otra
podría decir que es de 0,5. ¿Sería mejor solicitar esta
estimación a un meteorólogo?
Cálculo de probabilidades.

P(A) = ?

P(A) = 350/875 = 0.40

P(A) = 350/875 = 0.40
P(B) = ?

P(A) = 350/875 = 0.40
P(B) = 75/875 = 0.09

P(A) = 350/875 = 0.40
P(B) = 75/875 = 0.09
P(AB) = ?

P(A) = 350/875 = 0.40
P(B) = 75/875 = 0.09
P(AB) = 50/875 = 0.06

P(A) = 350/875 = 0.40
P(B) = 75/875 = 0.09
P(AB) = 50/875 = 0.06
P(AB) = ?

P(A) = 350/875 = 0.40
P(B) = 75/875 = 0.09
P(AB) = 50/875 = 0.06
P(AB) = 50+300+25 = 375/875 = 0.43
P(B)
P(A)
Los cruces en total
Regla de la suma de probabilidades
Si, la probabilidad de que ocurra un evento se
expresa con un número que va del 0 al 1; y,
La probabilidad de un evento simple, cuando
todos los eventos simples de un conjunto tienen
la misma oportunidad de ocurrir, es igual a 1/N
Entonces, es claro que la suma de las
probabilidades de todos los eventos simples que
componen un conjunto es igual a 1.
Suma de probabilidades: ejemplo
Si un dado tiene 6 caras, y
Todas las caras tienen la misma probabilidad de
ser seleccionadas.
Entonces,
– Probabilidad (P) de seleccionar la cara 1 = 1/6.
– Probabilidad (P) de seleccionar la cara 2 = 1/6.
– P de seleccionar las caras 1 o 2 = 1/6 + 1/6 =
2/6.
Así que, al sumar las 6 probabilidad el total es
igual a 1/6+1/6+1/6+1/6+1/6+1/6 = 6/6 = 1
Probabilidad condicional
La probabilidad condicional es la probabilidad de
algún evento A, dada la ocurrencia de algún otro
evento B. Esto está denotado por P ( A | B ) y se
lee “la probabilidad de A, dado B”.
En otras palabras, estamos calculando

probabilidades condicionales al conocer información
adicional parcialmente a través del experimento.
𝐏 (𝐀 Ⴖ 𝐁)
𝐏 𝐀𝐁 =
𝐏(𝐁)
Es la probabilidad que se calcula utilizando
información adicional a la que nos proporciona la
sola descripción de un experimento. Se denota
con P(A|B) y se calcula mediante
N (A  B) P(A  B)
P(A | B) = =
N (B) P(B)
Probabilidad condicional.
P(AB) = 50/875 = 0.06

P(AB) = 50/875 = 0.057

P(B|A) = 50/350 = 0.143
P(B|A) = P(AB)/P(A)
= (50/875)/(350/875) = 0.057/0.400 = 0.143

P(B|A) = ?

P(B|A) = 25/525 = 0.048

P(B|A) = 25/525 = 0.048
P(A|B) = ?

P(B|A) = 25/525 = 0.048
P(A|B) = 25/75 = 0.333
Independencia de eventos
Dos eventos A y B son independientes si, y sólo si,
se cumple que
P(A  B) = P(A)  P(B)
Es decir, si la probabilidad de la intersección de

dos eventos es igual al producto de las
probabilidades de cada uno de ellos, entonces se
dice que ambos eventos son independientes.
Independencia de eventos.
P(A) = 350/875 = 0.400

P(B) = 75/875 = 0.086
P(AB) = 50/875 = 0.057
P(A) * P(B) = 0.400 * 0.086 = 0.034
P(A) * P(B) <> P(AB): los eventos no son independientes.
Cuando dos eventos son independientes, la
multiplicación de sus probabilidades me permite
calcular la probabilidad de que se presenten
ambos eventos.
Ejemplo: la probabilidad de que nazca un varón es
de 0.51. ¿Cuál es la probabilidad de que en los
próximos dos partos no gemelares sean dos
varones?
Respuesta: 0.51*0.51 = 0.26
ambos eventos.
Ejemplo: la probabilidad de que nazca un varón
es de 0.51. ¿Cuál es la probabilidad de que en los
varones?
Respuesta: 0.51*0.51 = 0.26
ambos eventos.
Ejemplo: la probabilidad de que nazca un varón es
de 0.51. ¿Cuál es la probabilidad de que en los
varones?
Respuesta: 0.51*0.51 = 0.26
| Ejemplo:
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?
A = {ser hipertenso}
B = {ser fumador}
A Ç B = {ser hipertenso y fumador}
p(A|B) = 0,10/0,50 = 0,20

||
Ejemplo:
Un médico ha observado que el 40% de sus

pacientes fuma y de estos, el 75% son hombres.
Entre los que no fuman, el 60% son mujeres.
Calcula la probabilidad de:
|| Ejemplo:
a. Un paciente no fumador sea hombre.
Esto aunque no viene precedido “de sabiendo

que” o va entre comas, se trata de una
condicionada. Es distinto “no fumador sea
hombre” que por ejemplo “sea hombre no
fumador”. Esto es más bien una cuestión de
Lengua Castellana. Bueno resolvamos ya sin más
dilaciones:
|| Ejemplo:
b. Un paciente no fumador sea hombre.
Un paciente sea hombre fumador.
Al igual que antes y por la distinción que hemos

hecho en el razonamiento anterior, ahora se
trata de una intersección y no una condicionada.
|| Ejemplo:
c. Un paciente sea mujer.
Esto es claramente y mirando a nuestro árbol,

probabilidad total.
|| Ejemplo:
d. Sabiendo que el paciente ha sido hombre, qué

probabilidad hay de que sea fumador.
Y ya para rizar el rizo y claramente

condicionando al suceso posterior, tocamos un
poquito de teorema de Bayes.
|| Ejemplo:
Si resolviéramos el ejercicio con tabla todo

quedaría reflejado en ella. Veámoslo:
Y ahora para calcular todas las probabilidades

pedidas nada más que repetir los cálculos.
|° Ejemplo:
Se realiza una encuesta sobre las preferencias de vivir en la ciudad o
en urbanizaciones cercanas. Del total de la población encuestada el
60% son mujeres, de las cuales prefieren vivir en la ciudad un 73%.
Se sabe que la probabilidad de que una persona, sea hombre o
mujer, desee vivir en la ciudad es 0.62.
|° Ejemplo:
a) Calcule la probabilidad de que elegido un hombre al azar, prefiera

vivir en la ciudad.
b) Supuesto que una persona, elegida al azar, desee vivir en la

ciudad, calcule la probabilidad de que sea mujer.
|° Ejemplo:
1 Ejemplo:
2 Ejemplo:
3 Ejemplo:
c
4 Ejemplo:
5 Ejemplo:
6 Ejemplo:
6 Ejemplo:
6 Ejemplo:
6 Ejemplo:
6 Ejemplo:
6 Ejemplo:
6 Ejemplo:
7 Ejemplo:
Un Médico Especialista en Traumatología le da a

sus estudiantes de internado rotativo dos
exámenes. El 30% de los estudiantes internos pasó
ambos exámenes y el 45% de los estudiantes
internos paso el primer examen. ¿Qué porcentaje
de aquellos que pasaron el primer examen también
pasaron el segundo?
𝑷 𝑺𝒆𝒈𝒖𝒏𝒅𝒐 𝒚 𝒑𝒓𝒊𝒎𝒆𝒓𝒐 𝟑𝟎 𝟐
𝑷(𝑺𝒆𝒈𝒖𝒏𝒅𝒐|𝑷𝒓𝒊𝒎𝒆𝒓𝒐) = = = ≈ 𝟔𝟔, 𝟕𝟎%
𝑷 𝑷𝒓𝒊𝒎𝒆𝒓𝒐 𝟒𝟓 𝟑
Dos tercios o aproximadamente el 66.7% de los

estudiantes internos pasó el segundo examen.
8 Ejemplo:
En un estudio sanitario se ha llegado a la conclusión de que la
probabilidad de que una persona sufra problemas coronarios (suceso
B) es el 0,10 (probabilidad a priori).
Además, la probabilidad de que una persona sufra problemas de

obesidad (suceso A) es el 0,25 y la probabilidad de que una persona
sufra a la vez problemas de obesidad y coronarios (suceso
intersección de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas

coronarios si está obesa (probabilidad condicionada P(B/A)).
𝑷 𝑩𝒚𝑨 𝟎, 𝟎𝟓 𝟏
𝑷(𝑩|𝑨) = = = ≈ 𝟎, 𝟐𝟎
𝑷 𝑨 𝟎, 𝟐𝟓 𝟓
Por lo tanto, la probabilidad condicionada es superior a la
probabilidad a priori. No siempre esto es así, a veces la probabilidad
condicionada es igual a la probabilidad a priori o menor.
9 Ejemplo:
Probabilidad condicionada, no se olviden, en la incertidumbre
asociada a los experimentos aleatorios puede existir un cierto
dinamismo, ya que la información adicional que vayamos obteniendo
sobre un proceso puede modificar las probabilidades de los sucesos.
Harry el sucio: En este fragmento de la película “Harry el sucio”

(1971), comprobamos como la intuición inicial del alcalde de San
Francisco (John Vernon), de que Harry Callahan (Clint Eastwood) se
había excedido en el uso de la fuerza (matar a un sospechoso de
intento de violación) cambia, a medida que el policía va dando
pruebas acerca de las intenciones del sospechoso. Es un ejemplo de
modificación de la probabilidad de un suceso (ser culpable, en este
caso) a medida que se tienen nuevas evidencias. La forma de medir
y evaluar las probabilidades bajo este esquema se conoce como
evaluación de la probabilidad condicionada. Retomemos este
ejemplo donde considerábamos la clasificación de hombres y
mujeres en función de padecer o no artrosis:
10 Ejemplo:
Entra en la consulta una mujer. ¿Cuál es la probabilidad de que tenga

artrosis?
Esto se escribe P(A∣M) y se calcula como siempre, como casos

favorables entre posibles (55 mujeres con artrosis, entre 70 mujeres).
P(A∣M) = 55 / 70
A partir de la tabla, podemos ver que la probabilidad del suceso

intersección es P(A∩M) = 55 / 145
y que la probabilidad de ser mujer P(M) = 55 / 145

Se ve rápidamente la relación: P(A∣M) = P(A∩M) / P(M)
11 Ejemplo:
12 Ejemplo:
De 1000 mujeres mayores de 40 años que acudieron a un centro de
salud, se realizó la siguiente tabla para el estudio de la relación entre
la presencia o no de osteoporosis y haber tenido la menopausia:
La probabilidad de tener osteoporosis es 64/1000 = 0.064.
Ahora bien, es conocido que la probabilidad de tener osteoporosis es

mayor si se ha tenido la menopausia. Entonces podríamos calcular
P (Osteoporosis ∣ Menopausia) = 58/697 = 0.098

12 Ejemplo:
Si calculamos en cambio la probabilidad de haber tenido la
Menopausia condicionado a tener Osteoporosis:
P (Menopausia∣Osteoporosis) = 58/64
Comprobamos lo que sucede de manera general:
P(A∣B) no coincide con P(B∣A)
Aunque a veces pueda ser fácil liarse.
Veamos otro ejemplo:

14 Ejemplo:
Un médico observa que el 30% de sus pacientes son mujeres y que
el 40% de sus pacientes fuma. De los fumadores, el 75% son
hombres. Calcular el porcentaje de mujeres que fuman entre los
pacientes del doctor, y el porcentaje de fumadoras entre las mujeres.
14 Ejemplo:
Lo que nos piden es el área representada por el rectángulo verde
(mujeres y a la vez fumadores)
14 Ejemplo:
Ahora P(M∩F) = P(F)*P(M∣F) = 0.4*(1−0.75) = 0.4*0.25 = 0.1, es
decir el 10 por ciento.
El porcentaje de fumadoras entre las mujeres será el mismo

rectángulo, pero considerado sólo en el grupo de mujeres.
14 Ejemplo:
Vemos que la probabilidad condicionada y la probabilidad de la
intersección no son lo mismo.
Por otro lado,
La primera probabilidad nos da el porcentaje de mujeres que fuman

(en el grupo de mujeres como TOTAL) y la segunda nos da el
porcentaje de mujeres que hay en el grupo de fumadores, y sería:
15 Ejemplo:
Puede demostrarse que la probabilidad condicionada cumple todas
las propiedades vistas de la probabilidad.
Esto es, si E es cualquier suceso con probabilidad mayor que cero:

16 Ejemplo:
En las bodas de Caná, el 70% de los presentes eran mujeres. De
ellas el 10% eran católicas. De los hombres, eran católicos el 20%. a)
¿Qué porcentaje de católicos había? b) Se elije a una persona al azar
y es católica. ¿Cuál es la probabilidad de que sea un hombre?
17 Ejemplo:
En el último trimestre, se ha realizado la siguiente clasificación de
pacientes de una clínica en función de tener o no artrosis.
Se realizó una prueba de diagnóstico de prueba de embarazo a 35
mujeres , los resultados se muestran en la siguiente tabla:
Si seleccionamos una mujer al azar cual es la probabilidad de:
Seleccionar a una mujer embarazada o que su resultado salió

positivo.
Seleccionar a una mujer embarazada o que su resultado salió
negativo.
Seleccionar a una mujer embarazada o que no esté embarazada.
Seleccionar a una mujer embarazada y que su resultado sea
positivo.

Bioestadistica Ii Elementos de Probabilidad Teoria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bioestadistica Ii Elementos de Probabilidad Teoria

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional de Loja

Facultad de la Salud Humana

Aplicar los conocimientos sobre probabilidad

La Probabilidad, como sabemos, es la rama

Teoría de Conjuntos Teoría de la Probabilidad

Conceptos básicos Conceptos básicos

Operaciones con Axiomas de la

Conjunto Universal (M)

Conjunto Universal (M)

Sujetos en una cohorte

Unión de dos conjuntos

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Solución: Sea el evento A = Obtener un “cuatro”

A posteriori es una expresión latina que se puede

Probabilidad de que resulte "águila"

Número de lanzamientos acumulados de la moneda

Su estimación no se basa en frecuencias

Al no haber mayor información podría una persona

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

En otras palabras, estamos calculando

P(AB) = 50/875 = 0.06

P(AB) = 50/875 = 0.057

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

Pregunta: cuál es el valor de

P(A  B) = P(A)  P(B)

Es decir, si la probabilidad de la intersección de

P(A) = 350/875 = 0.400

Se sabe que el 50% de la población fuma y que el

p(A|B) = 0,10/0,50 = 0,20

Un médico ha observado que el 40% de sus

a. Un paciente no fumador sea hombre.

Esto aunque no viene precedido “de sabiendo

b. Un paciente no fumador sea hombre.

Un paciente sea hombre fumador.

Al igual que antes y por la distinción que hemos

c. Un paciente sea mujer.

Esto es claramente y mirando a nuestro árbol,

d. Sabiendo que el paciente ha sido hombre, qué

Y ya para rizar el rizo y claramente

Si resolviéramos el ejercicio con tabla todo

Y ahora para calcular todas las probabilidades