República Bolivariana de Venezuela

Universidad de Carabobo
Facultad de Ciencias de la Salud
Escuela de Medicina “Dr. Witremundo Torrealba”
Salud Pública: Estadística y Demografía

Unidad IV
Introducción a la Probabilidad
y Distribuciones

Facilitadora: H. Desiree Guerrero M.

Introducción a la Probabilidad
1.- Punto de partida……. “La pregunta”

En una Estudia la
En una Estudia la
Investigación o Ocurrencia de
Investigación o Ocurrencia de
experimento eventos o
experimento eventos o
sucesos.
sucesos.

¿ Cuál será la posibilidad de que se produzca un acontecimiento o hecho

en una serie de ensayos repetidos en condiciones similares?
 Es un calculo matemático que evalúa las
posibilidades de que un suceso ocurra cuando
2.- Definición interviene el azar. ( experimento aleatorio)

Probabilidad ( P)
La Probabilidad de que un evento ocurra , viene dado
por la razón geométrica entre el número de casos
esperados o favorables ( a) y la totalidad de los
casos posibles (n).

En un experimento
aleatorio su resultado
p depende del AZAR

q
Para calcular la probabilidad de un suceso A ,que se representa P (A)

Emplearemos la Regla de Laplace:

Número de sucesos favorables a A

P(A) :
Número de sucesos posibles

Para aplicar la regla de Laplace : TODOS los sucesos deben tener la misma
probabilidad que ocurran.
3.- Elementos de la probabilidad :

• Espacio Muestral
Espacio Muestral s
• Suceso o evento
• Probabilidad asociada a los sucesos
• Rango de medida ( 0 y 1)

1 2 3 4 5 6

ESPACIO
suceso es el resultado
MUESTRAL posible al realizar un
Símbolos experimento aleatorio.

Espacio que contiene el

conjunto de todos los
s En el lanzamiento de un dado,
el suceso A =salir número par={2,4,6}.
posibles resultados de un Subconjunto del espacio
experimento aleatorio Muestral 3/6
Ej.: números pares
4.- Representación:

Diagrama de Venn* Espacio Muestral s

A

Suceso (A)

*John Venn (lógico matemático, 1834-1923)

5.- Valor de la probabilidad

1.- El resultado de las probabilidades siempre oscila entre 0 y 1

En donde “cero” es la improbabilidad que ocurra un evento y el valor de “uno” es la

certeza absoluta de ocurrencia del SUCESO.

2.- La suma de las probabilidades de ocurrencia de un evento favorable + la probabilidad

de los no favorables es igual a la totalidad.

En donde eventos favorables “p” + eventos no favorables “q” es igual a 1

P: a + b = 1 O P: p + q = 1
El objetivo de la Teoría de la Probabilidad es estudiar con rigor los sucesos, asignarles probabilidades y efectuar
cálculos sobre dichas probabilidades. Observamos que los sucesos no son otra cosa que conjuntos y por tanto,
serán tratados desde la Teoría de Conjuntos
Las operaciones básicas:

• Suceso seguro: Es el que siempre ocurre y, por tanto, es el espacio Muestral.

• Suceso imposible: Es el que nunca ocurre y, por tanto, es el vacío--------ᵩ

• Unión.: Ocurre A ᴜ B si ocurre al menos uno de los sucesos A o B.
• Intersección: Ocurre A ∩ B si ocurren los dos sucesos A y B a la vez.
• Complementario: Ocurre A c si y sólo si no ocurre A.
• Diferencia de sucesos: Ocurre A n B si ocurre A, pero no ocurre B. Por tanto, A n B = A \ B c .
• Sucesos incompatibles: Dos sucesos A y B se dicen incompatibles si no pueden ocurrir a la vez.

Dicho de otro modo, que ocurra A y B es imposible. Lo escribimos como A \ B = ᵩ

• Suceso contenido en otro: Diremos que A está contenido en B, y lo denotamos por A C B, siempre que ocurra A
también sucede B.
6 .- Propiedades de Probabilidades

Simple
s

Complejas
condicionado
o
s excluyentes

Tipos

No
Dependientes excluyentes

Independientes
 Probabilidades Simples P(A)
Probabilidades Simples

Posibilidad de que ocurra un evento Ejemplo de Cuadro

Posibilidad de que
en un mismo ocurra un evento
experimento
Ejemplo de Cuadro
Estadístico
en un mismo experimento Estadístico

Se puede expresar en porcentaje

Existe un 72% que al extraer al azar

una historia de esa muestra,
corresponda a una mujer que haya
tenido un parto vaginal.

Fuente: Bioestadística, Puentes y Col.

Probabilidades complejas o mutuamente excluyentes. A ᴜB
Probabilidades complejas o mutuamente excluyentes.
Son aquellos donde al ocurrir un evento determinado, impide
que ocurra simultáneamente su complemento, en un solo
experimento.

A B Sucede A o Sucede B

65%

Fuente: Bioestadística, Puentes y Col.

Probabilidad de eventos NO excluyentes P ( A o B)
Probabilidad de eventos NO excluyentes

A B

Suma de probabilidades d de dos eventos

que se interceptan o superponen

Fuente: Bioestadística, Puentes y Col.

 Probabilidad de eventos independientes o compuestas P: ( A y B)
Probabilidad de eventos independientes o compuestas
La ocurrencia de un suceso no influye en la ocurrencia del otro, por lo tanto son independientes

Fuente: Bioestadística, Puentes y Col.

 P ( A y B y C)
Probabilidad de sucesos dependientes
Probabilidad de sucesos dependientes

Situación donde el experimento no ocurre simultáneamente

O la probabilidad de que ocurra , cuando previamente a ocurrido otro que lo
afecta.

Fuente: Bioestadística, Puentes y Col.

 P: ( A/B)
Probabilidades condicionales
Probabilidades condicionales

Fuente: Bioestadística, Puentes y Col.

Un ejemplo práctico:

Un 15% de pacientes atendidos en la consulta del centro clínico de la Morita, padecen

Hipertensión arterial (A) y el 25 % Hiperlipidemia(B). El 5% son hipertensos e hiperlipémicos

Datos : Diagrama de Venn

A: Pacientes hipertensos 15%
B: Pacientes hiperlipémicos 25%
A ∩ B: Pacientes con HTA e Hiperlipemia 5% A A+B B
Ni A ni B
1.- ¿Cuál es la probabilidad de A?----------0,15
2.- ¿ Cuál es la P de B ……………………………0.25
3.- ¿ Cuál es la Unión entre A y B……... P( A ᴜ B) = P ( A) + P (B)- P( A ∩ B)
= 0.15 + 0.25 – 0.05 : 0.35…….35%

• Calcula cuál es la probabilidad de que un paciente al azar no padezca ni A ni B.

La probabilidad de que un paciente no padezca ni A ni B es el suceso contrario a que padezca A y B
Es decir, P ( A ᴜ B) por lo que , P ( A ᴜ B)= 1 - P ( A ᴜ B)
P ( A ᴜ B)= 1 – 0.35= 0.65 ….ASÍ QUE LA PROBABILIDAD ES DE 65%
 Distribución de probabilidades

• Son modelos que se elaboran a partir de rigurosos estudios de los más importantes
resultados del comportamiento de diferentes procesos aleatorios (experimentales).

• La variables aleatorias se calculan y se representan gráficamente

Es una función que aplica a cada suceso definido sobre la variable, la probabilidad de que dicho suceso ocurra.

Fuente: Bioestadística, Puentes y Col.

Tipos de Distribución
Para Variables aleatorias Discretas:
• Distribución Bernoulli
Distribución Binomial
• Distribución Hipergeométrica
• Distribución Poisson
• Distribución geométrica
Para Variables aleatorias Continuas
• Distribución Exponencial
• Distribución Normal
• Distribución Chi-Cuadrado
• Distribución T'Student
• Distribución Gamma
• Distribución Beta
• Distribución F
• Distribución uniforme (continua)
DISTRIBUCIÓN DE PROBABILIDADES

Las más utilizadas son la binomial y la Normal

Discretas Nº de hijos, Nº de partos, Nº de caries

(Binomial) ( valores enteros)
Distribución
P
Temperatura, Valores de Hemoglobina,
Continuas
glicemia, colesterol, etc.
(Normal)
(Todos los valores posibles)
 Variable Discreta
Distribución binomial (n ,p )

• El experimento consta de n ensayos idénticos

• En cada ensayo hay 2 resultados posibles: éxito o fracaso ( si o no).. Variable dicotómica.
• La probabilidad de éxito es constante de un ensayo a otro; nunca cambia y se denota por p.
La probabilidad de fracaso será: 1- p
• Los ensayos son independientes, de manera que el resultado de uno no influye en el resultado
de otro.

La variable aleatoria f(x): P X- x

X: : ’Número de éxitos en n e ensayos independientes.( ’ X: 1,2,3,4……n)
n x n-x
p: es la probabilidad de obtener éxito P(x)= (P) (q)
x
n: número de ensayos independientes
x: nº de casos exitosos
q: 1- p
la distribución binomial con parámetros n y p si su función de distribución
de probabilidad está dada por:

la Distribución Teórica Binomial la desarrolló el matemático suizo Jacob Bernoulli, en el siglo XVII.
Ejercicio La probabilidad de que un estudiante obtenga un titulo de medicina es de 30%
Hallar la probabilidad de que un grupo de 7 estudiante de primer año finalicen la carrera.
a) Ninguno finalice la carrera
b) Finalicen todos
c) Al menos 2 acaben la carrera
d) Hallar la media y la desviación estándar del número de alumnos que acaban la carrera

X= obtener el título P= 30% ….30/ 100= 0.30 n n-x

P(x)= x
no obtener el título q= 1-p -……1 – 0.30= 0.70 (P) (q)
n= 7 x

a) Que ninguno finalice la carrera

7 c) Al menos 2 terminen la carrera
o.30 ⁰ . 0.7⁰⁻⁷₌ 0,0824 Calculamos la probabilidad de que no
P( X= 0)= 0
terminen ninguno + LA P de que termine 1

b) Que finalicen todos P(X ≥2) = 1- p( x=0) + p ( x=1)

7 = 0,6705
P( X= 7)= 0,3⁷ . 0.7 ⁰ =
7 0.0002 0,0824 0,2471
7
P(x=1)= 0,3¹ . 0.7⁶=0,2471
1
Continua…
d) Hallar la media y la desviación típica del número de alumnos que acaban la carrera

µ=n.P
µ = 7 . 0.3= 2,1

Desviación típica= σ = √ n. p .q = 1,2124

 Variable Contínua
Distribución normal
( Mu es la media, Sigma es la desviación estándar)

X - Mu
Z = -----------------
Sigma

Fue descubierta por X: es el valor a hallar

De Moibre ( 1973) Mu: (µ )media
Sigma: (σ ) desviación estándar

23ºC

Ejemplo: En la ciudad de Mérida la temperatura Max. En Mayo es de 23º C , con una desviación estándar de 5 ºC.
Calcular el número de días del mes en los que se espera una temperatura de 21 y 27ºC
P ( 21< x < 27) : 0.1554 + 0.2881= 0.4435
Z=------------- Z: 21-23/5 : - 0.4 Consultar Tabla de X 100%
Z: 27 – 23/ 5: 0.8 Distribución normal = 44.35% .
Si Mayo tiene 31 días x 44.35%= 14 días
¿ Qué es Inferencia estadística?
Es el conjunto de métodos y técnicas que permiten inducir, a partir de la
información empírica proporcionada por una muestra, cual es el comportamiento de
una determinada población con un riesgo de error medible en términos de
probabilidad.

Dentro de la inferencia estadística diferenciamos dos tipos de estrategias:

1. La estimación de intervalos de confianza, que nos informa del rango de valores entre los

que se encontrará el parámetro poblacional que hay que estimar.

2. El contraste de hipótesis, con el que habitualmente confrontamos dos o más alternativas,

cuantificando la probabilidad de que las diferencias entre ellas se deban al azar.

Objetivo de la Inferencia Estadística

• Para sacar conclusiones valederas de un estudio sobre el universo, es necesario tomar

una muestra para su investigación ,cuyo resultado se proyecta a la población.

• Función Primordial: Apoyar el razonamiento para llegar a decisiones sólidas a pesar del

conocimiento del universo.

• Presume las características de la población a partir de muestras.

• De la media de una muestra se hace Inferencia de la media de la población.

• La inferencia puede ser deductiva o inductiva.

• La teoría de las Probabilidades permite tratar con la incertidumbre y los riesgos.

Suministra a la estadística inferencial, los elementos para medir , analizar y minimizar

los riesgos de error presentes en los procesos de inferencia.

CONDICIONES PARA LA INFERENCIA.

1. La muestra debe ser representativa.

2. Los sujetos deben ser seleccionados de forma aleatoria.
3. Todas las personas deben tener una probabilidad conocida de ser seleccionadas para
entrar en la muestra.
4. Cada persona debe ser elegida de manera independiente de las demás.
En la Unidad IV se estudiará la estadística inferencial a través de
estimación de parámetros.