UNIDAD N°1

BIOESTADISTICA • FACULTAD DE CIENCIAS VETERINARIAS

 UNIDAD N°1 - PROBABILIDAD

 ESPACIO MUESTRAL
 SUCESOS O EVENTOS; CLASIFICACION (SIMPLE, COMPUESTO, CIERTO, IMPOSIBLE)
EXPERIMENTOS  SUCESOS MUTUAMENTE EXCLUYENTES
 SUCESOS COMPLEMENTARIOS
ALEATORIOS
 TEORIA DE CONJUNTOS

 TEORIA CLASICA
TEORIAS DE  TOERIA FRECUENTISTA
 TEORIA AXIOMATICA ⇒ PROPIEDADES DERIVADAS
PROBABILIDAD

 DEFINICION
 TEOREMA DEL PRODUCTO
PROBABILIDAD  SUCESOS INDEPENDIENTES
CONDICIONAL  APLICACION EN PRUEBAS DIAGNOSTICAS
 UNIDAD N°1 - PROBABILIDAD

Experimento: es toda acción o procedimiento repetible indefinidas veces en condiciones similares

mediante el cual se generan resultados. Incluye lanzar una moneda al aire, extraer una carta de un mazo,
determinar el peso de un animal, el nivel de glucemia, el factor sanguíneo, etc.
Fenómeno: su ocurrencia no requiere de la intervención humana y puede ser observado solo si ocurre.
A su vez éstos pueden ser determinísticos o aleatorios:
Determinísticos: son aquellos cuales conocemos el resultado. Ejemplo: En química, siempre que juntamos
un ácido con una base se forma una sal.
NaOH + HCl  NaCl + H2O. Repitiendo bajo las mismas condiciones obtengo el mismo resultado
Experimento aleatorio o no determinístico: no se puede predecir el resultado de una repetición, pero se
conoce el conjunto de todos los resultados posibles y si se observa un gran número de veces, cada uno de
los resultados aparece en una proporción definida, es decir, hay cierta regularidad en los resultados.
Ejemplo: Tiramos una moneda. No sé qué resultado voy a tener al tirarla, pero sé que puede ser solo cara o
ceca.
 UNIDAD N°1 - PROBABILIDAD

Espacio muestral: denotado con “S”, es el conjunto de todos los resultados posibles de un experimento o
fenómeno aleatorio.
Ejemplo1: arrojo un dado y observo el número que salió. El espacio muestral se expresa como
S1={1,2,3,4,5,6}, donde los elementos están separados por comas y contenidos dentro de las llaves.

Ejemplo2: En un haras hay 23 caballos, de los cuales 15 son yeguas y 8 son padrillos. De las yeguas, 7 son
de color negro, 4 de color bayo y 4 tordillos. Los machos 5 son negros y 3 bayos.
· Definir el espacio muestral asociado al experimento “se selecciona un animal al azar y se registra sexo y
color del manto”
S2= {YN, YB, YT, MN, MB}
Es decir que al seleccionar un animal al azar, éste puede resultar ser yegua y de color negro (YN), yegua y
de color bayo (YB); yegua y tordilla (YT), macho y de color negro (MN) o macho de color bayo (MB).
 UNIDAD N°1 - PROBABILIDAD

Punto muestral: es un elemento del espacio muestral

Evento o Suceso: es un subconjunto cualquiera del espacio muestral. Se notan generalmente con las
primeras letras del alfabeto en mayúscula.
Ejemplo: continuando con el experimento anterior:
A= {el animal elegido es una yegua} A= {YN, YB, YT}
B= {el animal elegido es bayo} B= {YB, MB}
C= {el animal elegido es una yegua negra} C= {YN}
D= {el animal elegido es un equino} D= {YN, YB, YT, MN, MB}
E= {el animal elegido es macho} E= {MN, MB}
F= {el animal elegido es un macho tordillo} F= {Ø}
 UNIDAD N°1 - PROBABILIDAD

A= {el animal elegido es una yegua} A= {YN, YB, YT}

B= {el animal elegido es bayo} B= {YB, MB}
C= {el animal elegido es una yegua negra} C= {YN}
D= {el animal elegido es un equino} D= {YN, YB, YT, MN, MB}
E= {el animal elegido es macho} E= {MN, MB}
F= {el animal elegido es un macho tordillo} F= {Ø}

Evento simple o elemental: tiene un solo resultado o el conjunto tiene un solo elemento. Ejemplo: C
Evento compuesto: consta, o está formado, por 2 o más eventos simples o tiene más de un resultado.
Ejemplo: A, B, D, E
Suceso cierto o seguro: ocurre en cualquier realización del experimento o fenómeno aleatorio. Ejemplo: D

Suceso imposible: no ocurre en ninguna realización del experimento o fenómeno aleatorio. Ejemplo: F, no
contiene a ningún punto del espacio muestral, nunca ocurre.
 UNIDAD N°1 - PROBABILIDAD

A= {el animal elegido es una yegua} A= {YN, YB, YT}

B= {el animal elegido es bayo} B= {YB, MB}
C= {el animal elegido es una yegua negra} C= {YN}
D= {el animal elegido es un equino} D= {YN, YB, YT, MN, MB}
E= {el animal elegido es macho} E= {MN, MB}
F= {el animal elegido es un macho tordillo} F= {Ø}

Sucesos mutuamente excluyentes: no comparten resultados comunes, es decir no existe ningún punto
muestral que pertenezca a ambos. Ejemplo: AyE, ByC, CyE.
Sucesos complementarios: dado un evento A, se llama complemento de A al evento que ocurre si y sólo si
A no ocurre. Ejemplo: AyE. Estos eventos son también mutuamente excluyentes pero además son
exhaustivos, es decir que entre ambos eventos cubren todo el espacio muestral.
 UNIDAD N°1 - PROBABILIDAD

Unión: AՍB
Dado dos sucesos aleatorios A y B que pertenecen a un espacio muestral S, se denomina unión de A y B al
conjunto formado por todos los sucesos elementales que pertenecen a A o bien que pertenecen a B
(incluyendo los que están en ambos simultáneamente).

Intersección: AՈB
Dados dos sucesos aleatorios A y B que pertenecen a un espacio muestral S, se denomina intersección de A
y B al conjunto formado por todos los sucesos elementales que pertenecen a A y B a la vez.
 UNIDAD N°1 - PROBABILIDAD

En base a nuestro
YN
ejemplo y continuando YT
YB MB La región sombreada es: AՍB= {YN, YB, YT, MB}
con los eventos ya
definidos:
S
A= {el animal elegido
es una yegua} YN
YB MB La región sombreada es: AՈB= {YB}
YT
A= {YN, YB, YT}
B= {el animal elegido
S
es bayo} A
YN
A partir de los diagramas también podemos observar el
B= {YB, MB} complemento.
YB
Ā La región sombreada es: Ā=AC=A’= {MB, MN}
YT
 UNIDAD N°1 - PROBABILIDAD

Define a la probabilidad de ocurrencia de un suceso A como el cociente entre el número de casos

favorables de A y al número de resultados posibles del experimento, siempre que todos sean equiposibles.
Es también llamada a priori dado que no es necesario lanzar un dado osacar una carta para calcular esas
probabilidades.
# casos favorables de A 1
TEORIA P A =
# casos posibles

CLASICA EJEMPLO 1: Experimento= Lanzar un dado y observar el número. (S1= {1,2,3,4,5,6})

Definimos el evento A como la ocurrencia de obtener un número “par”.

# casos favorables de A 3
P A = P A = = 0,50
# casos posibles 6
 UNIDAD N°1 - PROBABILIDAD

EJEMPLO 2: En un paquete de confites de chocolate quedan las últimas 5 golosinas. 3 son amarillas y 2 son
celestes. Experimento= Extraer un confite y registrar el color. (S2= {A;C})
Suceso A= el confite es de color amarillo.
# casos favorables de A 1 (que sea amarillo)
P A = = 0,50
TEORIA # casos posibles 2 (amarillo o celeste)

CLASICA ¿Cómo es posible que teniendo más chocolates amarillos que celestes tenga un 50% de probabilidad de ser
seleccionado? No lo es.
Esta forma de calcular la probabilidad es factible cuando todos los puntos muestrales tienen la misma
chance de ocurrir, es decir, son equiposibles. Para poder usar la teoría clásica deberíamos arrancar
definiendo el espacio muestral de una forma en que todos sus puntos tengan la misma posibilidad de
ocurrir: S2= {A1;A2;A3;C1;C2}) # casos favorables de A 3
P A = = 0,60
# casos posibles 5
 UNIDAD N°1 - PROBABILIDAD

El enfoque de frecuencia relativa de la probabilidad depende de la repetibilidad de algunos procesos (debido

a esto se la define también como a posteriori)
Si un proceso es repetido un gran numero de veces (n), la probabilidad de que suceda un evento A podrá
calcularse como la frecuencia relativa de A (fr(A)); definida como la cantidad de veces que ocurre el suceso
A (f(A)) en las n repeticiones del experimento.
f(A)
TEORIA fr(A) =
n
FRECUENTISTA EJEMPLO 3: Experimento: lanzar la moneda y observar el resultado.
Supongamos que nos interesa el suceso A “que sea cara”, arrojamos la moneda 100 veces y registramos cada
vez que sale cara.
n ƒ(A) ƒr(A)
1 1 1
10 4 0.40
25 13 0.52
50 21 0.42
75 36 0.48
100 51 0.51
 UNIDAD N°1 - PROBABILIDAD

En principio la evolución de las frecuencias relativas es errática, pero a medida que el número de tiradas
aumenta, tiende a lo que entendemos por probabilidad de cara.

TEORIA
FRECUENTISTA
 UNIDAD N°1 - PROBABILIDAD

Problemas de la teoría frecuentista de probabilidad:

La teoría frecuentista de probabilidad no puede usarse en la práctica como definición de la probabilidad
porque:
- Requiere realizar un número infinito de veces un experimento para calcular una probabilidad. Pérdida de
tiempo/dinero.
TEORIA
- Los experimentos aleatorios muchas veces no pueden ser repetidos.
FRECUENTISTA
 UNIDAD N°1 - PROBABILIDAD

En 1933, un matemático ruso desarrolló el enfoque axiomático de la probabilidad. La definición axiomática

supone la existencia de una función de probabilidad p(.) que asigna un número real a cada suceso A definido
dentro del espacio muestral S. Este enfoque está basado en la existencia de tres axiomas, de los que se deriva
todo un sistema de teoría de la probabilidad a través del uso de la lógica matemática.
 La probabilidad de cualquier evento A es un numero no negativo.
TEORIA P(A) ≥ 0
AXIOMATICA  La suma de las probabilidades de todos los resultados posibles pertenecientes a un experimento es igual
a 1.
P(S) = 1
 Dado dos eventos mutuamente excluyentes (A y B), es decir que no pueden ocurrir al mismo tiempo; la
probabilidad de la ocurrencia de A o B es igual a la suma de sus probabilidades individuales.
P(A Ս B) = P(A) + P(B)
 UNIDAD N°1 - PROBABILIDAD

Propiedades derivadas de la definición axiomática de probabilidad:

 La probabilidad de que no ocurra el evento A, es decir la probabilidad de que ocurra el evento
complemento de A, y la probabilidad de que ocurra A suman 1. P(Ā) + P(A) = 1 P(Ā) = 1- P(A)

 La probabilidad de que ocurra el evento imposible es cero, dado que es el evento complementario del
TEORIA espacio muestral. P(S) + P(ø) = 1 P(ø) = 0
AXIOMATICA
 Si el evento A ocurre algunas de las veces que ocurre el evento B, lo que simbólicamente se indica AB,
entonces la probabilidad asociada al evento A es menor o igual a la probabilidad de que ocurra el evento B.
AB P(A) ≤ P(B)
 Si A y B son dos eventos cualesquiera de un espacio muestral S, la probabilidad que ocurra el suceso
A, el suceso B o ambos, en la misma repetición del experimento, es:
P(AՍB) = P(A) + P(B) – P(AՈB). Esto se conoce como Teorema de la Suma. 1
 UNIDAD N°1 - PROBABILIDAD

Supongamos que tenemos un evento A, con cierta probabilidad asociada. En esta sección examinaremos
como la información de que cierto evento (B) ha ocurrido previamente afecta la probabilidad de ocurrencia
de A.
Por ejemplo, A podría referirse a un individuo que sufre una enfermedad particular en la presencia de
ciertos síntomas. Si se realiza un examen de sangre en el individuo y el resultado es negativo (B: examen
de sangre negativo), entonces la probabilidad de que tenga la enfermedad cambiará (deberá reducirse, pero
no a cero, puesto que los exámenes de sangre no son infalibles).
La probabilidad condicional se define como:
P(A∩B)
P A/B =
P(B) Siendo P(B) > 0

Algunas formas de expresar la probabilidad condicional P(A/B) son:

 La “probabilidad de A, dado B”
 La “probabilidad de A, con B conocido”
 La “probabilidad de que ocurra A, sabiendo que B ya ocurrió”
 UNIDAD N°1 - PROBABILIDAD

Negro (N) Bayo (B) Tordillo (T)

Ejemplo: En un haras Yegua (Y) 7 4 4 15
Macho (M) 5 3 0 8
hay 23 caballos, de
12 7 4 23
los cuales 15 son
yeguas y 8 son ¿Cuál es la probabilidad, al seleccionar un animal, que sea yegua sabiendo que es negro?
padrillos. De las
yeguas, 7 son de color 7
P(Y∩N) 23 7
negro, 4 de color bayo Por fórmula: P Y/N = = = = 0,583
P(N) 12 12
y 4 tordillos. Los 23
machos 5 son negros Negro (N)
y 3 bayos. # casos favorables de Y 7 Yegua (Y) 7 Casos favorables de “yegua”
Por tabla: P Y/N = = = 0,583
# casos posibles de N 12 Macho (M) 5
12

Casos posibles de “negro”

 UNIDAD N°1 - PROBABILIDAD

¿Cuál es la probabilidad, al extraer dos animales, que el segundo sea tordillo, sabiendo que el primero fue
Ejemplo: En un haras bayo?
hay 23 caballos, de # casos favorables de T
los cuales 15 son P T/B = =
# casos posibles
yeguas y 8 son
Negro (N) Bayo (B) Tordillo (T)
padrillos. De las Yegua (Y) 7 4 4 15
yeguas, 7 son de color Macho (M) 5 3 0 8
negro, 4 de color bayo 12 7 6 4 23 22
y 4 tordillos. Los
machos 5 son negros # casos favorables de T 4
P T/B = = = 0,181
y 3 bayos. # casos posibles 22
 UNIDAD N°1 - PROBABILIDAD

De la definición de probabilidad condicional se deriva otra que permite desarrollar la probabilidad de la

intersección de dos sucesos cualesquiera:

P(A∩B)
P A/B = P(A∩B) = P A/B x P(B)
P(B)

De igual forma, la probabilidad de la intersección de dos sucesos A y B podría expresarse también como:
P(AՈB) = P(B/A) x P(A)
 UNIDAD N°1 - PROBABILIDAD

¿Cuál es la probabilidad de que, al

Ejemplo1: Consideren extraer una carta, sea una sota?
un mazo de 40 cartas
y los dos eventos: 4
P A = = 0,1
A: “la carta extraída 40
es una sota” y B: “la
carta extraída es de
basto”.
Supongan que alguien les da el dato que el naipe extraído es de “basto”. Ahora: ¿cuál es la probabilidad de
que la carta sea una sota?

1
P A = = 0,1
10
 UNIDAD N°1 - PROBABILIDAD

La pista que la carta era un basto les ofreció información adicional, pero dicha información no cambió la
probabilidad de que la carta fuera una sota.
Cuando la ocurrencia de un evento no afecta la probabilidad de ocurrencia de otro, en dos intervenciones
del azar, se dice que ambos son eventos independientes. Por tanto, “sota” y “basto” son independientes.
Ejemplo1: Consideren
un mazo de 40 cartas
y los dos eventos: Simbólicamente: Si A y B son sucesos independientes P(A/B) = P(A), entonces P(AՈB) = P(A) x P(B).
A: “la carta extraída
En este caso: P(A/B) = P(A)= 0,1
es una sota” y B: “la
carta extraída es de
Además puede verificarse que: P(AՈB) = P(A) x P(B)
basto”.
1 4 10
40 = 40 x 40
0,025 0,025
 UNIDAD N°1 - PROBABILIDAD

¿Cuál es la probabilidad de que, al extraer una carta, sea un rey?

4
P C = = 0,1
40

Ejemplo2: Consideren Supongan ahora que se enteran que la carta extraída es par; ¿cuál es
un mazo de 40 cartas la probabilidad de que la carta sea un rey?
y los dos eventos: 4
P C/D = = 0,2 En este caso P(C) ≠ P(C/D)
C: “la carta extraída 20
es un rey” y D: “la Al ocurrir que la carta extraída fue par, modificó la probabilidad de
carta extraída es par”. que fuese rey, por lo tanto ambos sucesos son no independientes o
dependientes.
Podría verificarse, también, que: P(CՈD) ≠ P(C) x P(D)
RELACIÓN ENTRE EL RESULTADO DE UNA PRUEBA DIAGNÓSTICA Y LA PRESENCIA O AUSENCIA
DE UNA ENFERMEDAD
 UNIDAD N°1 - PROBABILIDAD

Durante la aplicación de una prueba diagnóstica podemos determinar cuatro situaciones posibles:

A pesar de que se
cometen errores captando Resultado de la Verdadero diagnóstico
como positivas personas prueba Enfermo (E) Sano (Ē)
sanas y como negativas a Verdaderos positivos Falsos positivos
personas enfermas, se Positivo (+)
puede determinar la
(VP) (FP)
probabilidad, por ejemplo, Falsos negativos Verdaderos negativos
Negativo (-)
de que un individuo que ha (FN) (VN)
dado positivo en la prueba VP+FN FP+VN
padezca realmente la
enfermedad.
Las probabilidades que intervienen en el estudio y aplicación de una prueba diagnóstica reciben
nombres especiales
 UNIDAD N°1 - PROBABILIDAD

 Sensibilidad: Es la probabilidad de clasificar correctamente a un individuo enfermo, es decir que es la

probabilidad de que, para un sujeto enfermo, se obtenga en la prueba un resultado positivo.
P(+∩E)
Sensibilidad: P +/E =
P(E)
 Especificidad: Es la probabilidad de clasificar correctamente a un individuo sano, es decir, la
probabilidad de que para un sujeto sano se obtenga un resultado negativo.
P(−∩Ē)
Especificidad: P −/Ē =
P(Ē)
 Valor predictivo positivo: Es la probabilidad de que el individuo padezca realmente la enfermedad
sabiendo que ha obtenido un resultado positivo en el test.
P(+∩E)
VPP: P E/+ =
P(+)
 Valor predictivo negativo: Es la probabilidad de que un sujeto esté realmente sano siendo que el
resultado del test resultó negativo.
P(−∩Ē)
VPN: P Ē/− =
P(−)