PROBABILIDADES

Qu es la Bioestadstica?

PROBABILIDADES

Es la aplicacin de los mtodos estadsticos a la

solucin de problemas que surgen de las
investigaciones biolgicas.

MTODOS ESTADSTICOS

DISEAR LAS
INVESTIGACIONES
NOS PERMITEN

RECOGER,
CLASIFICAR,
RESUMIR Y
ANALIZAR DATOS
DETERMINAR
GRADO DE
CONFIABILIDAD

BIOESTADSTICA

Nos proporcionar mtodos que nos permitirn

generalizar y evaluar la magnitud del error que
cometemos al efectuar esas generalizaciones.

MODELOS MATEMTICOS

En las ciencias experimentales se utilizan

modelos matemticos que nos permiten
simplificar y esquematizar los fenmenos
observados y luego, sacar conclusiones.
5

MODELOS DETERMINSTICOS

Se denomina modelo determinstico a aqul que

permite determinar el resultado de un
experimento cuando se conocen las condiciones
en que se lo realiza.
6

MODELOS ALEATORIOS
Un experimento aleatorio se caracteriza porque:

Es posible repetirlo indefinidamente bajo las
mismas condiciones.

El resultado de una repeticin no se puede
predecir pero se conoce el conjunto de todos los
posibles resultados.
7

MODELOS ALEATORIOS

Si se lo repite un gran nmero de veces, cada

uno de los resultados aparece en una proporcin
definida, es decir, hay cierta regularidad en los
resultados.
8

ESPACIO DE RESULTADOS

Llamamos espacio de resultados o espacio

muestral asociado a un experimento aleatorio al
conjunto formado por todos los posibles
resultados del mismo. A este conjunto lo
denotamos con S.
9

SUCESO
Dado un experimento aleatorio llamamos suceso
a un subconjunto del espacio muestral.

10

SUCESO ELEMENTAL
Tiene un solo resultado posible

11

Suceso contenido en otro

Dados dos sucesos A y B decimos que el suceso
A est contenido en el suceso B si y slo si cada
vez que ocurre A tambin ocurre B, lo
indicamos A B.
12

Suceso complementario
Llamamos suceso complementario de A al
suceso que ocurre si y slo si no ocurre A. Lo
indicamos A.

13

Suceso Unin
Dados dos sucesos A y B llamamos suceso
unin al que ocurre si y slo si ocurre A o B.
Lo indicamos A B.

14

Propiedades de la Unin
de Sucesos
1)
2)
3)
4)

A A = S
AS=S
A=A
AB AB=B
15

Suceso Interseccin
Dados dos sucesos A y B llamamos suceso
interseccin al que ocurre si y slo si ocurren
simultneamente A y B. Lo indicamos A B.

16

Propiedades de la
Interseccin de Sucesos
1)
2)
3)
4)

A A =
AS=A
A=
AB AB=A
17

Sucesos mutuamente
excluyentes

Excluir significa dejar fuera, de manera que

dos
sucesos
sern
excluyentes
o
mutuamente excluyentes si ellos no tienen
elementos comunes. Es decir, A B =
18

FRECUENCIA
Se llama frecuencia del suceso A y se indica
f(A) al nmero de veces que ocurre A.
Se la denomina tambin frecuencia absoluta.

19

EJEMPLO
Se quiere saber el nmero de hijos por
matrimonio. Se obtienen los siguientes
datos:

20

EJEMPLO
2
3
2
5
1

2
4
3
2
5

4
1
0
1
4

1
2
5
2
2

3
0
1
4
0

5
2
4
0
3

3
3
3
3
2

2
1
2
3
4

1
7
4
2
3

6
4
1
6
1
21

EJEMPLO
En nuestro ejemplo, la frecuencia
absoluta indica el nmero de familias que
tienen esa cantidad de hijos.

22

EJEMPLO
0

12

10

1
23

FRECUENCIA RELATIVA
Se llama frecuencia relativa del suceso A al
cociente f(A)/n, siendo n el nmero de
repeticiones del experimento. Se indica:

f ( A)
f r ( A) =
n
24

EJEMPLO
0

0,08

0,18

12

0,24

10

0,20

0,16

0,08

0,04

0,02
25

Propiedades de las
frecuencias relativas
1) 0 f r ( A ) 1
2)

f r (S ) = 1

3) Si A y B son sucesos mutuamente

excluyentes

f r ( A B) = f r ( A) + f r ( B)
26

Definicin Axiomtica de
Probabilidad
Sea S el espacio de resultados de un
experimento aleatorio. A cada suceso A le
asignamos un nmero real llamado
probabilidad del suceso A, lo indicamos
P(A).
27

Definicin Axiomtica de
Probabilidad
1) 0 P(A) 1
2) P(S) = 1
3)Si A y B son sucesos mutuamente
excluyentes, entonces
P(A B) = P(A) + P(B)
28

Definicin Axiomtica de
Probabilidad
4) Si A1 ,..., An ,... son sucesos mutuamente
excluyentes de a pares, entonces
P( A1 A2 ... An ...) = P( A1 ) + P( A2 ) + ... + P( An ) + ...
29

PROPIEDAD 1.1

P(
) = 0

30

PROPIEDAD 1.2

P(A) = 1 - P(A)

31

PROPIEDAD 1.3

Si A
B P(A) P(B)

32

PROPIEDAD 1.4

Si A y B son dos sucesos cualesquiera

P(A B) = P(A) + P(B) P(A B)

33

PROPIEDAD 1.5
Clculo de probabilidades en el caso
de un nmero finito de resultados
igualmente probables

En este caso podemos calcular la probabilidad

de un suceso A de la siguiente manera:
nmero de resultados favorables a A
P( A) =
nmero de resultados posibles
34

Sucesos mutuamente
excluyentes
Observe cuidadosamente la siguiente urna

Esta urna tiene bolitas rojas, amarillas y

verdes.
35

Sucesos mutuamente
excluyentes

Supongamos que se elige una bolita al azar,

entonces hay tres tipos de sucesos que son
de inters:
36

Sucesos mutuamente
excluyentes
El suceso que la bolita sea amarilla que
lo denotamos con la letra A.
El suceso que la bolita sea roja que lo
denotamos con la letra R.
El suceso que la bolita sea verde que
lo denotamos con la letra V.
37

Sucesos mutuamente
excluyentes
Observe que ninguno de estos sucesos
tienen elementos comunes, de manera que
entre ellos son mutuamente excluyentes.
Podemos calcular la probabilidad de obtener
una bolita amarilla, esto es,
38

Sucesos mutuamente
excluyentes
Podemos calcular la probabilidad de obtener
una bolita amarilla, esto es,

5
P ( A) =
12
39

Sucesos mutuamente
excluyentes
De igual forma podemos calcular la
probabilidad de sacar una bolita roja, esto es,

4
P( R) =
12
40

Sucesos mutuamente
excluyentes
Y la probabilidad de obtener una bolita
verde, que es

3
P(V ) =
12
41

Sucesos mutuamente
excluyentes
Ahora nos preguntamos: cul es la probabilidad
de sacar una bolita roja o una bolita amarilla?

P(R A) = P(R) + P(A) = 9/12

42

Sucesos mutuamente
excluyentes

Es decir, cuando los sucesos son

mutuamente excluyentes, la probabilidad de
la unin de ellos es simplemente la suma de
cada una de las probabilidades.
43

PROBABILIDAD
CONDICIONAL
Si B es un suceso tal que la P(B) > 0, llamamos
probabilidad condicional del suceso A dado B:
P( A B)
P( A / B) =
P( B)
44

REGLA DE LA
MULTIPLICACIN
Cuando
necesitamos
podemos utilizar:

calcular

P(A
B)

P( A B) = P( A).P( B / A)
P( A B) = P( B ).P( A / B )
45

SUCESOS
INDEPENDIENTES

Ahora sacaremos dos bolitas, una tras otra y

con reposicin.
46

SUCESOS
INDEPENDIENTES
Esto significa que sacamos la primera bolita,
anotamos su color, y la regresamos a la urna, y
luego hacemos la segunda extraccin.
Definamos el suceso la primera bolita extrada fue
de color amarillo, que llamaremos suceso A1; y
definamos el suceso la segunda bolita extrada fue
de color amarillo, que llamaremos A2.
47

SUCESOS
INDEPENDIENTES

Queremos calcular la probabilidad del siguiente

suceso la primera bolita sea amarilla y la
segunda bolita tambin sea amarilla.
48

SUCESOS
INDEPENDIENTES
Miremos
cuidadosamente
los
siguiente
cuadritos, el primer cuadro denotar las formas
de obtener una bolita cualquiera y el segundo
cuadro las formas de obtener una bolita
cualquiera de la segunda extraccin.
49

SUCESOS
INDEPENDIENTES

12

12

= 144 formas diferentes

50

SUCESOS
INDEPENDIENTES
Ahora vamos a calcular las formas diferentes de
obtener una bolita amarilla en la primera
extraccin y una bolita amarilla en la segunda
extraccin:
5

= 25 formas diferentes
51

SUCESOS
INDEPENDIENTES
Luego la probabilidad de obtener dos bolitas
amarillas de dos extracciones con reposicin (con
reemplazo) es:

25
P( A) =
144
52

SUCESOS
INDEPENDIENTES

Por otro lado, la probabilidad de que en la primera

extraccin la bolita sea amarilla, es:

5
P( A1 ) =
12

53

SUCESOS
INDEPENDIENTES

Una vez repuesta la bolita, la probabilidad de sacar

en la segunda extraccin una bolita amarilla, es:

P(A2) = 5/12
54

SUCESOS
INDEPENDIENTES
De manera que podemos ver que la probabilidad de
obtener A1 y A2, es igual al producto de la
probabilidad de A1 por la probabilidad de A2, esto
es:
1
2
1
2

P ( A A ) = P ( A ).P ( A )

Cuando esto ocurre, se dice que los sucesos A1 y

A2 son independientes.
55

SUCESOS
INDEPENDIENTES
Dos sucesos A y B son independientes si y slo si :

P( A B) = P( A).P( B)
56

EJEMPLO (Sin reposicin)

Ahora sacaremos dos bolitas, pero esta vez lo
haremos sin reposicin (sin reemplazo).
Esto significa que una vez que hagamos la primera
extraccin, la bolita no es devuelta a la urna, o sea
que en la segunda extraccin tendremos una
bolita menos.
57

EJEMPLO (Sin reposicin)

Sea el suceso la primera bolita es amarilla, que
denotaremos por A1.
Sea el suceso la segunda bolita es roja, que
denotaremos por R2.
Queremos calcular la probabilidad de que la
primera bolita sea amarilla y la segunda bolita sea
58
roja, cmo la calculamos?

EJEMPLO (Sin reposicin)

5
P( A1 ) =
12
59

EJEMPLO (Sin reposicin)

P( R 2 A1 ) = P ( R 2 / A1 ).P( A1 )
60

EJEMPLO (Sin reposicin)

4
P ( R 2 / A1 ) =
11
61

EJEMPLO (Sin reposicin)

4 5 20
P( R 2 A1 ) = . =
11 12 132
62

EJEMPLO (Sin reposicin)

Con el ejemplo anterior queremos decir que
cualquier suceso que dependa de la primera
extraccin afectar a cualquier otro suceso que
dependa de la segunda extraccin, y por lo tanto
ellos no sern independientes (se dice que son
dependientes).
63

EJEMPLO (Concepto de
Independencia)
Se realiz una encuesta a 200 personas, 100
hombres y 100 mujeres y se les pregunt si son
fumadores activos. Los resultados figuran en la
siguiente tabla:

64

EJEMPLO (Concepto de
Independencia)

Mujeres
Hombres
Total

Fuman
20
40
60

No Fuman
80
60
140

Total
100
100
200
65

EJEMPLO (Concepto de
Independencia)
20
1
P( M F ) =
=
200 10
100 60 1 3
3
P ( M ).P ( F ) =
.
= . =
200 200 2 10 20
66