Professional Documents
Culture Documents
B= yA
Teora de la probabilidad
La teora de la probabilidad es la teora matemtica que modela los fenmenos
aleatorios. Estos deben contraponerse a los fenmenos determinsticos, en los cuales el
resultado de un experimento, realizado bajo condiciones determinadas, produce un
resultado nico o previsible: por ejemplo, el agua calentada a 100 grados Celsius, a
nivel del mar, se transforma en vapor. Un fenmeno aleatorio es aquel que, a pesar de
realizarse el experimento bajo las mismas condiciones determinadas, tiene como
resultados posibles un conjunto de alternativas, como el lanzamiento de un dado o de
una moneda.
Los procesos reales que se modelizan como procesos aleatorios pueden no serlo
realmente; cmo tirar una moneda o un dado no son procesos aleacin en sentido
estricto, ya que no se reproducen exactamente las mismas condiciones iniciales que lo
determinan, sino slo unas pocas. En los procesos reales que se modelizan mediante
distribuciones de probabilidad corresponden a modelos complejos donde no se conocen
a priori todos los parmetros que intervienen; sta es una de las razones por las cuales la
estadstica, que busca determinar estos parmetros, no se reduce inmediatamente a la
teora de la probabilidad en s.
La probabilidad es la caracterstica de un evento, que existen razones para creer que ste
se realizar.
La probabilidad p de que suceda un evento S de un total de n casos posibles igualmente
probables es igual a la razn entre el nmero de ocurrencias h de dicho evento (casos
favorables) y el nmero total de casos posibles n.
Probabilidad condicional [
Se llama probabilidad condicional o probabilidad condicionada a la probabilidad de que
un suceso se cumpla habindose cumplido ya otro. Se nota "probabilidad de A sabiendo
que B se ha cumplido" de la siguiente manera:
donde
(1)
La extensin de la ley aditiva anterior al caso de ms de dos sucesos
mutuamente excluyentes A, B, C... indica que:
(3)
La ley multiplicativa anterior se utiliza tambin con el fin de
determinar una probabilidad condicional
a partir de los valores
de
y
:
(4)
Supongamos, por ejemplo, que queremos estudiar la incidencia del
hecho de ser fumador como factor de riesgo en el desarrollo de una
enfermedad en una determinada poblacin. Para ello se dise un
estudio prospectivo y, tras seleccionar una muestra de 180 sujetos,
los resultados son los que se muestran en la Tabla 1. Considerando
toda la muestra, la probabilidad de desarrollar la enfermedad (E) en
la poblacin de estudio es:
Y un no fumador:
y, por
siempre que
y
. Aplicando adems el teorema de las
probabilidades totales se llega a que:
Probabilidad
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de
resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones suficientemente estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica,
la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de sucesos
potenciales y la mecnica subyacente de sistemas complejos.
El estudio cientfico de la probabilidad es un desarrollo moderno. Los juegos de azar
muestran que ha habido un inters en cuantificar las ideas de la probabilidad durante
milenios, pero las descripciones matemticas exactas de utilidad en estos problemas
slo surgieron mucho despus.
Segn Richard Jeffrey, "Antes de la mitad del siglo XVII, el trmino 'probable' (en latn
probable) significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la
opinin y a la accin. Una accin u opinin probable era una que las personas sensatas
emprenderan o mantendran, en las circunstancias."1
DISTRIBUCION
DE POISSON
Distribucin de probabilidad
discretas
PROBLEMA
En los servicios de salud, una de las interrogantes mas comunes son:
Cuantos pacientes vendrn hoy a una hora determinada?
Cul es la probabilidad de atender partos mltiples en un mes dado?
Cul es la probabilidad de que un medicamento sea eficaz en un tratamiento dado?
Todas estas interrogantes pueden ser contestadas en su mayora, haciendo uso de las
distribuciones de probabilidades. En este caso de las discretas (Binomial y Poisson)
INTRODUCCION
Cuando se habla de los tipos de probabilidad, decimos que esta se clasifica en tres:
1.
2.
3.
Probabilidad clsica.
Probabilidad distribucin de frecuencias.
Probabilidad subjetiva.
Variable discreta, y
Variable contina.
Distribucin Binomial, y
Distribucin de Poisson
5.
DISTRIBUCION DE POISSON
Se dice que existe un proceso de Poisson si podemos observar eventos discretos en un
rea de oportunidad un intervalo continuo (de tiempo, longitud, superficie, etc.) de
tal manera que si se reduce lo suficiente el rea de oportunidad o el intervalo,
1.
2.
3.
Entonces:
P(X>2) = 1 0.4232 = 0.5768
Trabajo realizado por:
Enma Irma Alvarez Cordero
Alumna de la Maestra Salud Publica con mencin en Salud Reproductiva de la
Universidad Federico Villarreal
en el curso de Estadstica dictado por el Dr. Jorge Crdova Egochea.
5) DISTRIBUCIN DE POISSON.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:
p( x , )
x
x!
donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro
producto dado.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b)
10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a) a)
p( x 4 , 6 )
0.13392
4!
24
b)x= variable que nos define el nmero de cheques sin fondo que llegan
al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.
p( x 10, 12 )
0.104953
10!
3628800
p( x 1, 0.6 )
0.329307
1!
1
b) b)
( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1
p( x 2,3,4,etc.... 1 ) 1 p( x 0,1, 1 ) 1
0!
1!
=1-(0.367918+0.367918) = 0.26416
c) c)
p( x 0 ,1, 3 ) p( x 0 , 3 ) p( x 1, 3 )
0!
1!
= 0.0498026 +
0.149408 = 0.1992106