INTRODUCCIN AL

CLCULO DE
PROBABILIDADES
Mg. Wilver Rodrguez Lpez.

Probabilidad
El concepto de probabilidad se encuentra con bastante
frecuencia en la comunicacin en el rea de salud.
Ejemplos
Un
mdico afirma que un paciente X tiene una
probabilidad del 80% de sobrevivir a una operacin.
Una fuente autorizada del Ministerio de Salud; declara a
la
prensa de que en este verano hay 10% de probabilidad de
que se desate una epidemia de clera en la Capital.

Por qu es necesario aprender a

calcular probabilidades ?
La medicina es una ciencia inexacta por lo que el
mdico raras veces puede predecir un resultado con
absoluta certeza.
Para formular el diagnstico el mdico debe contar con
toda la informacin posible acerca del paciente. Por
ejemplo debe :
Revisar la historia clnica
Realizar un examen fsico del paciente
Solicitar estudios de laboratorio
Resultados de rayos X, etc.

Por qu es necesario aprender a

calcular probabilidades ?

Para cuantificar la
incertidumbre y tomar
decisiones, el mdico se apoya en
la teora de las probabilidades

Por qu es necesario aprender a

calcular probabilidades ?
La teora de probabilidades tambin
permite al mdico extraer conclusiones
acerca de una poblacin de pacientes
basado en la informacin acerca de un una
muestra extrada de esa poblacin.
Este proceso se denomina inferencia
estadstica.

Conceptos bsicos sobre

Probabilidad
Un experimento aleatorio es aquel en que se
conocen todos los posibles resultados, pero no se
sabe cual va a ocurrir.
Ejemplo :
El nacimiento de un nio es un experimento
aleatorio, se sabe que el nio puede ser varn o
mujer , pero no se sabe cual ser el resultado.

Conceptos bsicos sobre

Probabilidad
Al conjunto de todos los resultados posibles
del experimento aleatorio se le llama
ESPACIO MUESTRAL, y lo denotaremos
por
Un evento o suceso es uno o ms de los
posibles resultados de un experimento
aleatorio. Se representa por letras
maysculas: A,B,C,etc

Ejemplo
Sea el siguiente experimento aleatorio Observar
el contagio de Sida en dos recin nacidos de una
mujer portadora
={cc, cnc, ncc, ncnc}
cc: los dos fueron contagiados
cnc: contagiado el 1 , pero no el 2
ncc: no contagiado el 1, pero si el 2
ncnc: los dos no fueron contagiados

Definamos el siguiente evento o suceso:

A: Al menos uno de los nios fue
contagiado
A={cc, cnc, ncc }

INTRODUCCIN AL CLCULO
DE PROBABILIDADES
PROBABILIDADES
Una probabilidad es una cuantificacin
basada en tcnicas matemticas de la
probabilidad de que ocurra un determinado
suceso o cuento.
La probabilidad de la ocurrencia de un
suceso puede asociarse a un nmero entre
cero y uno e inclusive.

INTRODUCCIN AL CLCULO
DE PROBABILIDADES
La probabilidad es un concepto de
gran importancia en la toma de
decisiones.
La probabilidad es una medida de la
incertidumbre inherente a todo suceso
aleatorio.

CUANTIFICACIN DE LA
PROBABILIDAD

El clculo de la probabilidad se realiza

siguiendo la clsica formulacin de
Pascal:

NCF
P
NCP

NCF: Nmero de casos favorables.

NCP: Nmero de casos Posibles.

AXIOMAS DE LA
PROBABILIDAD
En todo espacio de probabilidad deben
cumplirse los siguientes axiomas:
Si es el espacio muestral de un
determinado experimento aleatorio,
P( ) = 1
: Es suceso seguro

AXIOMAS DE LA
PROBABILIDAD
Si A es un suceso perteneciente a un
determinado experimento, 0P(A)1.
Dado un espacio muestral finito y una
sucesin de sucesos A1, A2, ,An
mutuamente excluyente, entonces:

P(A1 U A2 U . U An) = P(A1) + P(A2) ++ P(An)

REGLA GENERAL DE LA
ADICIN

Si A y B son dos sucesos cualesquiera,

entonces :
P (AB) = P (A) + P (B) - P (AB)

Ejemplo:
Se estima que el 10% de los habitantes de un pas padecen de
hipertensin arterial (A), y el 20% padece de hiperlipemia
(B), el 7% son hipertensos e hiperlipmicos (AB).
Cul es la probabilidad de que un individuo no tenga
hipertencin arterial?
Cul es la probabilidad de que un individuo no tenga
hiperlipemia?
Cul es la probabilidad de que un individuo
tenga
almenos una de las dos enfermedades?

Solucin.
Datos del problema:
P(A) = 0.1
P(B) = 0.2 P(A B) = 0.07
_
a) P(A) = 1- P(A) = 1- 0.1= 0.9
_
b) P(B) = 1- P(B) = 1- 0.2= 0.8
c) P(AUB)=P(A) +P(B) -P(A B) = 0.1+0.2-0.07
= 0.23

PROBABILIDAD CONDICIONAL

Si A y B son dos sucesos con P (A) > 0, la

probabilidad de que ocurra otro suceso B
sabiendo que ha ocurrido A, es decir, la
probabilidad condicionada de B dado A que
se denota por P( B /A ), es igual a:

P
A

B
PB
A
P A

Ejemplo:
En una poblacin el 2% de sus habitantes son
mayores de 55 aos y el 1% padecen diabetes
y tiene ms de 55 aos. Si un individuo tiene
ms de 55 aos Cul es la probabilidad de
que tenga diabetes?
A: La persona tiene ms de 55 aos.
B: La persona tiene diabetes.

P
A

B
0
.
01
PB

0.5
A
P A
0.02

TEOREMA DE LA
MULTIPLICACIN

Teniendo en cuenta la definicin de la

probabilidad condicionada:

P
A

B
PB
A
P A

P A B P A.P B

Ejemplo:
En un servicio de medicina interna el 40% de
los pacientes ingresados es a causa de
enfermedades infecciosas (A). La probabilidad
de que un paciente sea diabtico (B), sabiendo
que tiene una infeccin, es del 25%.
Calcular la probabilidad de que un paciente
ingresado en un servicio de medicina interna
sea diabtico y tenga una infeccin (AB)

Solucin:
Datos:
P(A) = 0.4 P(B/A) = 0.25
Por la regla de la multiplicacin tenemos:

P A B P A .P B

= ( 0.4 ) ( 0.25 )
= 0.1

INDEPENDENCIA DE SUCESOS
Desde un punto de vista formal, se puede decir
que A y B son sucesos independientes si la
probabilidad de A sabiendo que ha ocurrido B,
no sufre modificaciones desde el punto de
vista matemtico esto se expresa de la
siguiente manera:
P(A/B) = P(A)

INDEPENDENCIA DE SUCESOS
P A B

B
P B

PA

P A B
P ( A)
P B
P A B

P ( A).P( B )

Ejemplo:
En un centro sanitario de los pacientes
intervenidos quirrgicamente el 25% tiene
alguna complicacin postquirrgica (A), el
50% tiene mas de 60 aos (B), y el 60%
tiene mas de 60 aos o ha padecido alguna
complicacin postquirrgica (BA).
Los sucesos, tiene mas de 60 aos y padece
alguna complicacin postquirrgica, son
independientes?

Solucin
Datos:
P(A) = 0.25 P(B) = 0.5
P(BA) = 0.6
Sabemos que:
P(AB) = P(A) + P(B) P(AB)
0.6
= 0.25 + 0.5 - P(AB)
P(AB) = 0.25 + 0.5 0.6 = 0.15
Se debe cumplir que:
P(AB) = P(A) . P(B)
0.15
0.25 x 0.5
Por lo tanto los sucesos son dependientes.

TEOREMA DE BAYES

Supongamos que se dispone de una

coleccin de conjuntos A, B, C que forman
una participacin de un espacio muestral
. Esto significa que = AUBUC y
adems

A B

A B

B C

Una vez establecida la participacin del

espacio muestral , dado un conjunto W,
sub conjunto de , se cumple que:

P A P W
A
PA
W P A.P W P B .P W P C .P W
A
B
C

Esto se puede generalizar para ms

subconjuntos de , para que cumplan las
condiciones inherentes a la participacin.

Ejemplo:

En una ciudad hay tres servicios hospitalarios

que realizan trasplantes de rin A, B y C. el
servicio A realiza el 40% de los trasplantes, el
servicio B al 25% y el servicio C el 35%. El
servicio A tiene un 3% de fracasos, el servicio
B un 4% y el servicio C un 5% se selecciona
al azar un paciente en el que el trasplante ha
fracasado Cul es la probabilidad de que
haya sido operado en el servicio A?

P( A) 0.4 P ( B ) 0.25 P (C ) 0.35

A 0.03 PW B 0.04 PW C 0.05

PW

Se

pide P A
W

P( A).P W
A
PA
W P( A).P W P ( B).P W P(C ).P W
A
B
C

0.4(0.03)
A
P

W 0.4(0.03) 0.25(0.04) 0.35(0.05)

P A 0.304
W