Bioestadstica

Tema 5: Modelos probabilsticos

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

Variable aleatoria


El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numrica. En estos casos aparece la nocin de variable aleatoria
Funcin que asigna a cada suceso un nmero.

Las variables aleatorias pueden ser discretas o continuas (como en el primer tema del curso). En las siguientes transparencias vamos a recordar conceptos de temas anteriores, junto con su nueva designacin. Los nombres son nuevos. Los conceptos no.
Tema 5: Modelos probabilsticos 2

Bioestadstica. U. Mlaga.

Funcin de probabilidad (V. Discretas)



Asigna a cada posible valor de una variable discreta su probabilidad.



40% 35% 30% 25% 20% 15% 10% 5% 0% 0 1 2 3

Recuerda los conceptos de frecuencia relativa y diagrama de barras.

Ejemplo
Nmero de caras al lanzar 3 monedas.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

Funcin de densidad (V. Continuas)



Definicin
Es una funcin no negativa de integral 1.


Pinsalo como la generalizacin del histograma con frecuencias relativas para variables continuas.

Para qu lo voy a usar?

Nunca lo vas a usar directamente. Sus valores no representan probabilidades.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

Para qu sirve la f. densidad?



Muchos procesos aleatorios vienen descritos por variables de forma que son conocidas las probabilidades en intervalos. La integral definida de la funcin de densidad en dichos intervalos coincide con la probabilidad de los mismos. Es decir, identificamos la probabilidad de un intervalo con el rea bajo la funcin de densidad.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

Funcin de distribucin


Es la funcin que asocia a cada valor de una variable, la probabilidad acumulada de los valores inferiores o iguales.
Pinsalo como la generalizacin de las frecuencias acumuladas. Diagrama integral.


A los valores extremadamente bajos les corresponden valores de la funcin de distribucin cercanos a cero. A los valores extremadamente altos les corresponden valores de la funcin de distribucin cercanos a uno.

Lo encontraremos en los artculos y aplicaciones en forma de p-valor, significacin, No le deis ms importancia a este comentario ahora. Ya os ir sonando conforme avancemos.
Tema 5: Modelos probabilsticos 6

Bioestadstica. U. Mlaga.

Para qu sirve la f. distribucin?



Contrastar lo anmalo de una observacin concreta.

 

S que una persona de altura 210cm es anmala porque la funcin de distribucin en 210 es muy alta. S que una persona adulta que mida menos de 140cm es anmala porque la funcin de distribucin es muy baja para 140cm. S que una persona que mida 170cm no posee una altura nada extraa pues su funcin de distribucin es aproximadamente 0,5.

 

Relacinalo con la idea de cuantil. En otro contexto (contrastes de hiptesis) podremos observar unos resultados experimentales y contrastar lo anmalos que son en conjunto con respecto a una hiptesis de terminada.
Intenta comprender la explicacin de clase si puedes. Si no, ignora esto de momento. Revisita este punto cuando hayamos visto el tema de contrastes de hiptesis.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

Valor esperado y varianza de una v.a. X



Valor esperado
Se representa mediante E[X] Es el equivalente a la media


Ms detalles: Ver libro.

Varianza
Se representa mediante VAR[X] o Es el equivalente a la varianza Se llama desviacin tpica a


Ms detalles: Ver libro.

Tema 5: Modelos probabilsticos 8

Bioestadstica. U. Mlaga.

Algunos modelos de v.a.



Hay v.a. que aparecen con frecuencia en las Ciencias de la Salud.

Experimentos dicotmicos.  Bernoulli Contar xitos en experimentos dicotmicos repetidos:  Binomial  Poisson (sucesos raros) Y en otras muchas ocasiones  Distribucin normal (gaussiana, campana,)

El resto del tema est dedicado a estudiar estas distribuciones especiales.

Tema 5: Modelos probabilsticos 9

Bioestadstica. U. Mlaga.

Distribucin de Bernoulli


Tenemos un experimento de Bernoulli si al realizar un experimentos slo son posibles dos resultados:
X=1 (xito, con probabilidad p) X=0 (fracaso, con probabilidad q=1-p)


Lanzar una moneda y que salga cara.

p=1/2

Elegir una persona de la poblacin y que est enfermo.

p=1/1000 = prevalencia de la enfermedad

Aplicar un tratamiento a un enfermo y que ste se cure.

p=95%, probabilidad de que el individuo se cure

Como se aprecia, en experimentos donde el resultado es dicotmico, la variable queda perfectamente determinada conociendo el parmetro p.
Tema 5: Modelos probabilsticos 10

Bioestadstica. U. Mlaga.

Ejemplo de distribucin de Bernoulli.



Se ha observado estudiando 2000 accidentes de trfico con impacto frontal y cuyos conductores no tenan cinturn de seguridad, que 300 individuos quedaron con secuelas. Describa el experimento usando conceptos de v.a. Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad de tener secuelas mediante 300/2000=0,15=15% X=tener secuelas tras accidente sin cinturn es variable de Bernoulli  X=1 tiene probabilidad p 0,15  X=0 tiene probabilidad q 0,85

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

11

Ejemplo de distribucin de Bernoulli.



Se ha observado estudiando 2000 accidentes de trfico con impacto frontal y cuyos conductores s tenan cinturn de seguridad, que 10 individuos quedaron con secuelas. Describa el experimento usando conceptos de v.a. Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad de quedar con secuelas por 10/2000=0,005=0,5% X=tener secuelas tras accidente usando cinturn es variable de Bernoulli  X=1 tiene probabilidad p 0,005  X=0 tiene probabilidad q 0,995

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

12

Observacin


En los dos ejemplos anteriores hemos visto cmo enunciar los resultados de un experimento en forma de estimacin de parmetros en distribuciones de Bernoulli.
Sin cinturn: p 15% Con cinturn: p 0,5%

En realidad no sabemos en este punto si ambas cantidades son muy diferentes o aproximadamente iguales, pues en otros estudios sobre accidentes, las cantidades de individuos con secuelas hubieran sido con seguridad diferentes. Para decidir si entre ambas cantidades existen diferencias estadsticamente significativas necesitamos introducir conceptos de estadstica inferencial (extrapolar resultados de una muestra a toda la poblacin). Es muy pronto para resolver esta cuestin ahora. Esperemos a las pruebas de X2.
Tema 5: Modelos probabilsticos 13

Bioestadstica. U. Mlaga.

Distribucin binomial


Funcin de probabilidad
n k nk P[ X ! k ] ! p q , 0 e k e n k
Problemas de clculo si n es grande y/o p cercano a 0 o 1.

Media:

=n p

Varianza:

=npq

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

14

Distribucin Binomial


Si se repite un nmero fijo de veces, n, un experimento de Bernoulli con parmetro p, el nmero de xitos sigue una distribucin binomial de parmetros (n,p).


Lanzar una moneda 10 veces y contar las caras.

Bin(n=10,p=1/2)

Lanzar una moneda 100 veces y contar las caras.

Bin(n=100,p=1/2) Difcil hacer clculos con esas cantidades. El modelo normal ser ms adecuado.

El nmero de personas que enfermar (en una poblacin de 500.000 personas) de una enfermedad que desarrolla una de cada 2000 personas.
Bin(n=500.000, p=1/2000)  Difcil hacer clculos con esas cantidades. El modelo de Poisson ser ms adecuado.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

15

Parecidos razonables


An no conocis la distribucin normal, ni de Poisson. De cualquier forma ah tenis la comparacin entre valores de p no muy extremos y una normal de misma media y desviacin tpica, para tamaos de n grandes (n>30). Cuando p es muy pequeo es mejor usar la aproximacin del modelo de Poisson.
Tema 5: Modelos probabilsticos 16

Bioestadstica. U. Mlaga.

Distribucin de Poisson
 

 

Tambin se denomina de sucesos raros. Se obtiene como aproximacin de una distribucin binomial con la misma media, para n grande (n>30) y p pequeo (p<0,1). Queda caracterizada por un nico parmetro (que es a su vez su media y varianza.) Funcin de probabilidad:
P[ X ! k ] ! e  Q Qk , k ! 0,1,2,... k!
Tema 5: Modelos probabilsticos 17

Bioestadstica. U. Mlaga.

Ejemplos de variables de Poisson



El nmero de individuos que ser atendido un da cualquiera en el servicio de urgencias del hospital clnico universitario.
En Mlaga hay 500.000 habitantes (n grande) La probabilidad de que cualquier persona tenga un accidente es pequea, pero no nula. Supongamos que es 1/10.000 Bin(n=500.000,p=1/10.000) Poisson( =np=50)

Sospechamos que diferentes hospitales pueden tener servicios de traumatologa de diferente calidad (algunos presentan pocos, pero creemos que an demasiados, enfermos con secuelas tras la intervencin). Es dificil compararlos pues cada hospital atiende poblaciones de tamaos diferentes (ciudades, pueblos,)
Tenemos en cada hospital n, n de pacientes atendidos o n individuos de la poblacin que cubre el hospital. Tenemos p pequeo calculado como frecuencia relativa de secuelas con respecto al total de pacientes que trata el hospital, o el tamao de la poblacin, Se puede modelar mediante Poisson( =np)

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

18

Distribucin normal o de Gauss



Aparece de manera natural:

Errores de medida. Distancia de frenado. Altura, peso, propensin al crimen Distribuciones binomiales con n grande (n>30) y p ni pequeo (np>5) ni grande (nq>5).

Est caracterizada por dos parmetros: La media, , y la desviacin tpica, . 2 Su funcin de densidad es:
Bioestadstica. U. Mlaga.

1 f ( x) ! e W 2T

1 xQ  2 W

Tema 5: Modelos probabilsticos

19

N( , ): Interpretacin geomtrica


Podis interpretar la media como un factor de traslacin. Y la desviacin tpica como un factor de escala, grado de dispersin,
Tema 5: Modelos probabilsticos 20

Bioestadstica. U. Mlaga.

N( , ): Interpretacin probabilista


Entre la media y una desviacin tpica tenemos siempre la misma probabilidad: aprox. 68% Entre la media y dos desviaciones tpicas aprox. 95%
Tema 5: Modelos probabilsticos 21

Bioestadstica. U. Mlaga.

Algunas caractersticas


La funcin de densidad es simtrica, mesocrtica y unimodal.

Media, mediana y moda coinciden.

 

Los puntos de inflexin de la fun. de densidad estn a distancia Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia , a distancia 2 , a distancia 25 tenemos probabilidad 68% tenemos probabilidad 95% tenemos probabilidad 99%

de .

No es posible calcular la probabilidad de un intervalo simplemente usando la primitiva de la funcin de densidad, ya que no tiene primitiva expresable en trminos de funciones comunes. Todas las distribuciones normales N( , ), pueden ponerse mediante una traslacin , y un cambio de escala , como N(0,1). Esta distribucin especial se llama normal tipificada.
Justifica la tcnica de tipificacin, cuando intentamos comparar individuos diferentes obtenidos de sendas poblaciones normales.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

22

Tipificacin


Dada una variable de media y desviacin tpica , se denomina valor tipificado,z, de una observacin x, a la distancia (con signo) con respecto a la media, medido en desviaciones tpicas, es decir

xQ z! W


En el caso de variable X normal, la interpretacin es clara: Asigna a todo valor de N( , ), un valor de N(0,1) que deja exctamente la misma probabilidad por debajo. Nos permite as comparar entre dos valores de dos distribuciones normales diferentes, para saber cul de los dos es ms extremo.
Tema 5: Modelos probabilsticos 23

Bioestadstica. U. Mlaga.

Tabla N(0,1)

Z es normal tipificada. Calcular P[Z<1,85]

Solucin: 0,968 = 96,8%

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

24

Tabla N(0,1)

Z es normal tipificada. Calcular P[Z<-0,54]

Solucin: 1-0,705 = 0,295

Bioestadstica. U. Mlaga. Tema 5: Modelos probabilsticos 25

Tabla N(0,1)

Z es normal tipificada. Calcular P[-0,54<Z<1,85]

Solucin: 0,968-0,295= 0,673

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

26

Ejemplo: Clculo con probabilidades normales



El colesterol en la poblacin tiene distribucin normal, con media 200 y desviacin 10. Qu porcentaje de indivduos tiene colesterol inferior a 210? Qu valor del colesterol slo es superado por el 10% de los individuos.
Tema 5: Modelos probabilsticos 27

Bioestadstica. U. Mlaga.

Todas las distribuciones normales son similares salvo traslacin y cambio de escala: Tipifiquemos.

z !

xQ W

210  200 ! !1 10

P[ Z 1,00] ! ( ver tabla) ! 0,841

Bioestadstica. U. Mlaga. Tema 5: Modelos probabilsticos

28

El valor del colesterol que slo supera el 10% de los individuos es el percentil 90. Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificacin.

z !

xQ W

x  200 1,28 ! 10 x ! 200  10 v 1,28 ! 212,8

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

29

Ejemplo: Tipificacin


Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se asignar al que tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema donde la calificacin de los alumnos se comporta como N(6,1). El estudiante B tiene una calificacin de 80 en un sistema donde la calificacin de los alumnos se comporta como N(70,10).

Solucin
No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como ambas poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una distribucin de referencia N(0,1)

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

30

xA  Q A 8  6 zA ! ! !2 WA 1 xB  Q B 80  70 zB ! ! !1 WB 10
Como ZA>ZB, podemos decir que el porcentaje de compaeros del mismo sistema de estudios que ha superado en calificacin el estudiante A es mayor que el que ha superado B. Podramos pensar en principio que A es mejor candidato para la beca.
Bioestadstica. U. Mlaga. Tema 5: Modelos probabilsticos 31

Por qu es importante la distribucin normal?



Las propiedades que tiene la distribucin normal son interesantes, pero todava no hemos hablado de por qu es una distribucin especialmente importante. La razn es que aunque una v.a. no posea distribucin normal, ciertos estadsticos/estimadores calculados sobre muestras elegidas al azar s que poseen una distribucin normal. Es decir, tengan las distribucin que tengan nuestros datos, los objetos que resumen la informacin de una muestra, posiblemente tengan distribucin normal (o asociada).

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

32

Aplic. de la normal: Estimacin en muestras



Como ilustracin mostramos una variable que presenta valores distribuidos de forma muy asimtrica. Claramente no normal. Saquemos muestras de diferentes tamaos, y usemos la media de cada muestra para estimar la media de la poblacin.
Tema 5: Modelos probabilsticos 33

Bioestadstica. U. Mlaga.

Aplic. de la normal: Estimacin en muestras



Cada muestra ofrece un resultado diferente: La media muestral es variable aleatoria. Su distribucin es ms parecida a la normal que la original. Tambin est menos dispersa. A su dispersin (desv. tpica del estimador media muestral os gusta el nombre largo?) se le suele denominar error tpico.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

34

Aplic. de la normal: Estimacin en muestras



Al aumentar el tamao, n, de la muestra:

La normalidad de las estimaciones mejora El error tpico disminuye.

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

35

Aplic. de la normal: Estimacin en muestras



Puedo garantizar medias muestrales tan cercanas como quiera a la verdadera media, sin ms que tomar n bastante grande Se utiliza esta propiedad para dimensionar el tamao de una muestra antes de empezar una investigacin.
Tema 5: Modelos probabilsticos 36

Bioestadstica. U. Mlaga.

Resumen: Teorema del lmite central



Dada una v.a. cualquiera, si extraemos muestras de tamao n, y calculamos los promedios muestrales, entonces:
dichos promedios tienen distribucin aproximadamente normal; La media de los promedios muestrales es la misma que la de la variable original. La desviacin tpica de los promedios disminuye en un factor raz de n (error estndar). Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito.

Este teorema justifica la importancia de la distribucin normal.

Sea lo que sea lo que midamos, cuando se promedie sobre una muestra grande (n>30) nos va a aparecer de manera natural la distribucin normal.
Bioestadstica. U. Mlaga. Tema 5: Modelos probabilsticos 37

Distribuciones asociadas a la normal



Cuando queramos hacer inferencia estadstica hemos visto que la distribucin normal aparece de forma casi inevitable. Dependiendo del problema, podemos encontrar otras (asociadas):
X2 (chi cuadrado) t- student F-Snedecor

Estas distribuciones resultan directamente de operar con distribuciones normales. Tpicamente aparecen como distribuciones de ciertos estadsticos. Veamos algunas propiedades que tienen (superficialmente). Para ms detalles consultad el manual. Sobre todo nos interesa saber qu valores de dichas distribuciones son atpicos.
Significacin, p-valores,

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

38

Chi cuadrado


Tiene un slo parmetro denominado grados de libertad. La funcin de densidad es asimtrica positiva. Slo tienen densidad los valores positivos. La funcin de densidad se hace ms simtrica incluso casi gausiana cuando aumenta el nmero de grados de libertad. Normalmente consideraremos anmalos aquellos valores de la variable de la cola de la derecha.
Tema 5: Modelos probabilsticos 39

Bioestadstica. U. Mlaga.

T de student


Tiene un parmetro denominado grados de libertad. Cuando aumentan los grados de libertad, ms se acerca a N(0,1). Es simtrica con respecto al cero. Se consideran valores anmalos los que se alejan de cero (positivos o negativos).
Tema 5: Modelos probabilsticos 40

 

Bioestadstica. U. Mlaga.

F de Snedecor


Tiene dos parmetros denominados grados de libertad. Slo toma valores positivos. Es asimtrica. Normalmente se consideran valores anmalos los de la cola de la derecha.
Tema 5: Modelos probabilsticos 41

Bioestadstica. U. Mlaga.

Qu hemos visto?


En v.a. hay conceptos equivalentes a los de temas anteriores

Funcin de probabilidad Frec. Relativa. Funcin de densidad histograma Funcin de distribucin diagr. Integral. Valor esperado media,

Hay modelos de v.a. de especial importancia:

Bernoulli Binomial Poisson Normal
   

Propiedades geomtricas Tipificacin Aparece tanto en problemas con variables cualitativas (dicotmicas, Bernoulli) como numricas Distribuciones asociadas
T-student X2 F de Snedecor

Bioestadstica. U. Mlaga.

Tema 5: Modelos probabilsticos

42