Clase VI probabilidad

Introdución

La probabilidad mide el “grado de creencia” de una afirmación

hecha con base en la información recolectada. También mide la
posibilidad de ocurrencia de uno o más resultados de un
experimento aleatorio.
Experimento aleatorio: Es aquel que proporciona diferentes
resultados, aún cuando este se repite bajo las mismas condiciones.
Experimento determinı́stico: Es un proceso que no está sujeto al
azar.
Espacio muestral: Conjunto de todos los posibles resultados de
un experimento aleatorio.
Evento o suceso: Cualquier subconjunto de resultados de un
espacio muestral (simples o compuestos). Los eventos compuestos
están compuestos por más de un resultado.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Ejemplo 1: Si se considera el tipo de sangre, el espacio muestral S

está constituido por los siguientes eventos: S = {A, B, AB, O}.
Cualquier evento de S constituye un punto muestral.
Ejemplo 2: De la población mundial se encuestan aleatoriamente
aleatoriamente a sus habitantes hasta encontrar el primero con
cierta enfermedad . E : Enfermo, N : No enfermo.
S = {E , NE , NNE , NNNE , . . .}.

Def.
Sean A y B eventos de un espacio muestral S. Diremos que A y B
son disjuntos si A ∩ B = φ (φ es un evento de S). En general, si
E1 , E2 , . . . , En son eventos de un espacio muestral S, diremos que
son mutuamente excluyentes si para cualesquiera de dos de estos
eventos sus intersecciones son vacı́as.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Definición clásica

La probabilidad de un evento A es el cociente entre el número de

CF
casos favorables y casos totales, ésto es, p(A) = . Por ejemplo,
CT
al lanzar un dado, el espacio muestral S está dado por
S = {1, 2, 3, 4, 5, 6}. La probabilidad de que caiga un 1 es igual a
la probabilidad de que caiga un 2, igual a la del 3, 4, 5 e igual a la
probabilidad de que caiga un 6.
A =Caer el 1, B =Caer el 2, C =Caer el 3, D =Caer el 4,
E =Caer el 5, F =Caer el 6, entonces
1
p(A) = p(B) = p(C ) = p(D) = p(E ) = p(F ) =
6

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Formalización de la probabilidad: Sea ε un experimento

aleatorio y sea S un espacio muestral asociado con ε. La
probabilidad de un evento A, denotada por p(A), es un número
real que cumple las siguientes condiciones:
0 ≤ p(A) ≤ 1
Si P(A) = 1, entonces A se llama evento seguro.
Si P(A) = 0, A se llama evento imposible.
P(S) = 1
Si A y B son eventos mutuamente excluyentes, ésto es
A ∩ B = φ, se tiene que la p(A ∪ B) = p(A) + p(B)

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Figura: Unión de eventos cuando son disjuntos.

Esta propiedad se puede extender para el caso de más de dos

eventos.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Propiedades:
P(φ) = 0, ésto es, la probabilidad de un evento imposible e s
cero.
Si A0 es el complemento de A, entonces, P(A0 ) = 1 − p(A), o
también P(A) = 1 − p(A0 )

Figura: Representación de un evento A y de su complemento A0 .

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Si A ⊆ B entonces P(A) ≤ P(B)

Figura: Representación de dos eventos cuando uno está contenido en el otro.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Si A y B son eventos cualesquiera, entonces

P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

Figura: Representación de la unión de dos conjuntos cuando ellos no son disjuntos.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Ejemplo:
En un artı́culo de la revista American of Drugs and Alcohol Abuse,
Erickson y Murray afirman que las mujeres están consideradas
como un grupo con riesgo especial de adicción a la cocaı́na, y que
se ha sugerido que sus problemas con la cocaı́na son mayores que
en los hombres. Con base en la revisión de textos especializados y
en el análisis de los resultados de un estudio original, estos
investigadores argumentan que no hay evidencia de que el uso de
la cocaı́na en las mujeres exceda al de los hombres. Erickson y
Murray tomaron una muestra de 75 hombres y 36 mujeres. La
tabla 1 muestra la frecuencia de uso de la cocaı́na en el tiempo de
vida y el sexo de los individuos.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Los datos son los siguientes:

Tabla: Frecuencia de consumo de cocaı́na por género entre adultos

adictos.
Frecuencia de uso de cocaı́na Hombres Mujeres
en el periodo de vida (H) (M) Total
1 - 9 veces (A) 32 7 39
20 - 99 veces (B) 18 20 38
100 o más veces (C ) 25 9 34
Total 75 36 111

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Si se escoge aleatoriamente a una persona de los 111 individuos de

la tabla 1, ¿Cuál es la probabilidad de que esa persona sea del sexo
masculino (M) o de que haya consumido cocaı́na 100 veces o más
durante su tiempo de vida (C ) o ambas?.
La probabilidad que se busca es P(H ∪ C ). Sabemos que:

P(H ∪ C ) = P(H) + P(C ) − P(H ∩ C )

75 34
P(H) = = 0,6757, P(C ) = = 0,3063 y
111 111
25
P(H ∩ C ) = = 0,2252. Entonces:
111
P(H ∪ C ) = 0,6757 + 0,3063 − 0,2252 = 0,7568

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Probabilidad Condicional

En muchos experimentos la ocurrencia de un evento particular

está usualmente asociado a la ocurrencia de otros eventos, de
manera que al calcular la probabilidad de dicho evento es necesario
considerar aquellos que condicionan su ocurrencia.
Ejemplo:
De una habitación donde se encuentran 4 personas con lesiones
musculares y 5 completamente sanos, se seleccionan al azar y sin
reemplazo dos personas, una a una. ¿Cuál es la probabilidad de
que la primera esté lesionada? ¿Cuál es la probabilidad de que la
segunda esté lesionada?

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Sln!
Definamos los siguientes eventos:
Li : la i-ésima persona seleccionada está lesionada; i = 1, 2
Ni : la i-ésima persona seleccionada no está lesionada; i = 1, 2
4 5
p(L1 ) = , p(N1 ) =
9 9
Para calcular la probabilidad de L2 , se necesita saber el estado de
la primera persona seleccionada.
Si la primera persona seleccionada está lesionada, entonces
3
p(L2 ) =
8
Si la primera persona seleccionada no está lesionada, entonces
4
p(L2 ) =
8
La probabilidad de L2 depende del estado de la primera persona
seleccionada.
Carlos Javier Barrera Causil. M.Sc Clase VI
 Clase VI probabilidad

Def.
Sean A y B eventos de un espacio muestral S. La probabilidad
condicional de “A dado B”, la cual denotamos p(A | B), está dada
por:
p(A ∩ B)
p(A | B) = , p(B) > 0, Ası́ mismo
p(B)
p(A ∩ B)
p(B | A) = , p(A) > 0
p(A)
Tenemos que:

p(A ∩ B) = P(A)p(B | A) = p(B)p(A | B)

“Regla multiplicativa”

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Ejemplo

Se seleccionan al azar 100 personas de una gran comunidad y se

someten a un estudio para evaluar la incidencia del fumar en el
desarrollo de enfermedad pulmonar. Los resultados obtenidos
después de un perı́odo de tiempo se muestran a continuación.
Defina los siguientes eventos:
H : La persona seleccionada es un hombre.
M : La persona seleccionada es una mujer.
F : La persona seleccionada fuma.
N : La persona seleccionada no fuma.
E : La persona seleccionada desarrolla la enfermedad pulmonar.
NE : La persona seleccionada no desarrolla la enfermedad
pulmonar.
Se selecciona una persona al azar de estas 100. Calcule las
siguientes probabilidades.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

i) ¿Cuál es la probabilidad de que sea fumador y hombre?

¿fumador y mujer?
ii) ¿Cuál es la probabilidad de que desarrolle la enfermedad
pulmonar?
iii) Si es mujer, ¿cuál es la probabilidad de que desarrolle la
enfermedad pulmonar?
iv) Si es mujer y no fuma, ¿cuál es la probabilidad de que
desarrolle la enfermedad pulmonar ?
v) ¿Cuál es la probabilidad de que desarrolle la enfermedad
pulmonar, dado que no fuma o es mujer?

H M
Fuma Fuma
Si No Si No
Enfermedad Si 40 3 43 20 2 22
Pulmonar No 5 12 17 10 8 18
45 15 60 30 10 40

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Solución

i)
45 30
p(F ∩ H) = p(F ∩ M) =
100 100

43+22 65
ii) p(E ) = 100 = 100
iii) p(E | M) = 22
40
2
iv) p(E | M ∩ N) = 10
v)
p(E ∩ (N ∪ M)) p((E ∩ N) ∪ (E ∩ M))
p(E | M ∪ N) = =
p(N ∪ M) p(N ∪ M)
5 22 2
p(E ∩ N) + p(E ∩ M) − p(E ∩ N ∩ M) 100
+ 100
− 100
= = 25 40 10
p(N) + p(M) − p(N ∩ M) 100
+ 100
− 100
25
100 25
= 55
=
100
55

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Solución

i)
45 30
p(F ∩ H) = p(F ∩ M) =
100 100

43+22 65
ii) p(E ) = 100 = 100
iii) p(E | M) = 22
40
2
iv) p(E | M ∩ N) = 10
v)
p(E ∩ (N ∪ M)) p((E ∩ N) ∪ (E ∩ M))
p(E | M ∪ N) = =
p(N ∪ M) p(N ∪ M)
5 22 2
p(E ∩ N) + p(E ∩ M) − p(E ∩ N ∩ M) 100
+ 100
− 100
= = 25 40 10
p(N) + p(M) − p(N ∩ M) 100
+ 100
− 100
25
100 25
= 55
=
100
55

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Solución

i)
45 30
p(F ∩ H) = p(F ∩ M) =
100 100

43+22 65
ii) p(E ) = 100 = 100
iii) p(E | M) = 22
40
2
iv) p(E | M ∩ N) = 10
v)
p(E ∩ (N ∪ M)) p((E ∩ N) ∪ (E ∩ M))
p(E | M ∪ N) = =
p(N ∪ M) p(N ∪ M)
5 22 2
p(E ∩ N) + p(E ∩ M) − p(E ∩ N ∩ M) 100
+ 100
− 100
= = 25 40 10
p(N) + p(M) − p(N ∩ M) 100
+ 100
− 100
25
100 25
= 55
=
100
55

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Solución

i)
45 30
p(F ∩ H) = p(F ∩ M) =
100 100

43+22 65
ii) p(E ) = 100 = 100
iii) p(E | M) = 22
40
2
iv) p(E | M ∩ N) = 10
v)
p(E ∩ (N ∪ M)) p((E ∩ N) ∪ (E ∩ M))
p(E | M ∪ N) = =
p(N ∪ M) p(N ∪ M)
5 22 2
p(E ∩ N) + p(E ∩ M) − p(E ∩ N ∩ M) 100
+ 100
− 100
= = 25 40 10
p(N) + p(M) − p(N ∩ M) 100
+ 100
− 100
25
100 25
= 55
=
100
55

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Solución

i)
45 30
p(F ∩ H) = p(F ∩ M) =
100 100

43+22 65
ii) p(E ) = 100 = 100
iii) p(E | M) = 22
40
2
iv) p(E | M ∩ N) = 10
v)
p(E ∩ (N ∪ M)) p((E ∩ N) ∪ (E ∩ M))
p(E | M ∪ N) = =
p(N ∪ M) p(N ∪ M)
5 22 2
p(E ∩ N) + p(E ∩ M) − p(E ∩ N ∩ M) 100
+ 100
− 100
= = 25 40 10
p(N) + p(M) − p(N ∩ M) 100
+ 100
− 100
25
100 25
= 55
=
100
55

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Teorema de probabilidad total

Sean A1 , A2 , . . . , An eventos no vacı́os mutuamente excluyentes
tales que la unión de todos ellos conforman el espacio muestral. Si
B es un evento de S, entonces.
n
X n
X
p(B) = p(B ∩ Ai ) = p(Ai )p(B | Ai )
i=1 i=1

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Def.
Sean A y B eventos de un espacio muestral. Diremos que A y B
son estadı́sticamente independientes, si y sólo si, cualquiera de las
siguientes propiedades se cumple.
p(A | B) = p(A)
p(B | A) = p(B)
p(B ∩ A) = p(A)p(B)

En general, una colección de eventos A1 , A2 , . . . , An de un espacio

muestral S, se dicen mutuamente estadı́sticamente independientes,
si y sólo si, la intersección de cualquier subconjunto de eventos de
esta colección, cumple que la probabilidad de dicha intersección
será el producto de las probabilidades de los eventos involucrados.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Ejemplo
En un grupo de preparatoria, que consta de 60 mujeres y 40
varones, se observa que 24 chicas y 16 muchachos usan lentes. Si
un estudiante es elegido aleatoriamente, ¿cuál es la probabilidad de
que ambos eventos, que el estudiante use lentes y sea varón,
ocurran simultáneamente.

Sol! Sabemos que si una persona en particular usa lentes y es

hombre, no necesariamente otra persona del grupo de estudiantes
que sea hombre deba usar lentes. Por tanto, notamos que estos
eventos son independientes. De aquı́,

p(L ∩ H) = p(H)p(L)
  
40 40
=
100 100
= 0,16

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Prueba Tamiz

En el campo de ciencias de salud se utilizan ampliamente la

evaluación de pruebas de detección y criterios de diagnóstico. A los
médicos les interesa tener mayor capacidad para predecir
correctamente la presencia o ausencia de una enfermedad en
particular a partir del conocimiento de los resultados (positivos o
negativos) de pruebas y el estado de los sı́ntomas (presentes o
ausentes) que se manifiestan.
Def.
Un falso positivo resulta cuando una prueba indica que el
estado es positivo, cuando en realidad es negativo.
Un falso negativo resulta cuando una prueba indica que un
estado es negativo, cuando en realidad es positivo.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

En resumen, se debe responder a las siguientes preguntas para

evaluar la utilidad de los resultados de la prueba y el estado de los
sı́ntomas para detectar si el individuo tiene o no alguna
enfermedad:
Dado que un individuo tiene la enfermedad, ¿qué probabilidad
existe de que la prueba resulte positiva (o la presencia de un
sı́ntoma)?
Dado que un individuo no tiene la enfermedad, ¿cuál es la
probabilidad de que la prueba resulte negativa (o la ausencia
de un sı́ntoma)?
Dada una prueba positiva de detección (o la presencia de un
sı́ntoma), ¿qué probabilidad existe de que el individuo tenga la
enfermedad?
Dado el resultado negativo de una prueba de detección (o la
ausencia de un sı́ntoma), ¿cuál es la probabilidad de que el
individuo no tenga la enfermedad?

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Enfermedad
Resultado de
la prueba Presente (D) Ausente (D 0 ) Total
Positivo (T ) a b a+b
Negativo (T 0 ) c d c +d
Total a+c b+d n

Se puede calcular una gran variedad de probabilidades a partir de

la información desplegada de la anterior tabla. Por ejemplo se
puede calcular la estimación de la probabilidad condicional
a
S = p(T | D) = a+c × 100. Esta proporción es una estimación de
la sensibilidad de la prueba de detección.
Def.
La sensibilidad de una prueba es la capacidad para detectar los
verdaderos enfermos. Podemos decir que de cada 100 enfermos la
prueba detecta al S % de ellos.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

También se puede calcular la estimación de la probabilidad

condicional E = p(T 0 | D 0 ) = b+d
d
× 100. Esta proporción es una
estimación de la especificidad de la prueba de detección.
Def.
La especificidad de una prueba es la capacidad para detectar como
sanos a los que verdaderamente lo son. Podemos decir que de cada
100 personas sin la enfermedad, la prueba es negativa para el E %
de ellos.

Def.
El valor predictivo positivo es la relación entre los casos realmente
enfermos y los probablemente enfermos detectados por la prueba.
a
Se calcula como VP + = a+b × 100. Podemos decir que de cada
100 personas con pruebas de detección positiva, el VP + % de ellos
tiene realmente la enfermedad.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Def.
El valor predictivo negativo expresa la proporción de casos
detectados como sanos por la prueba entre los verdaderamente
sanos. Se calcula como VP − = c+d d
× 100. Podemos decir que de
cada 100 personas con pruebas de detección negativa, el VP − %
de ellos están completamente sanos.

Tabla: Ejemplo: Distribución absoluta de los resultados de la prueba de

glucosuria en diabéticos y no diabéticos.

Diabetes
Resultado de
la prueba de
glucosuria Si No Total
Positiva 45 15 60
Negativa 105 285 390
Total 150 300 450

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

45
S= × 100 = 30 %, es decir, de cada 100 enfermos con
150
diabetes, la prueba de glucosa detecta 30.
285
E= × 100 = 95 %, es decir, de cada 100 personas sin
300
diabetes, la prueba de glucosa es negativa en 95 de ellas.
45
VP + = × 100 = 75 %, esto es, de cada 100 personas que
60
presentan glucosuria positiva, 75 tiene diabetes.
285
VP − = × 100 = 73 %, es decir, de cada 100 personas
390
con resultado negativo en la prueba de glucosuria, 73 de ellas
realmente son sanos.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Medidas de la magnitud de un efecto

mediante probabilidad condicional

En estudios epidemiológicos, la probabilidad condicional se utiliza

para detectar asociación. Supongamos que queremos estudiar la
relación entre una enfermedad y un factor de riesgo, ambos
medidos e nivel nominal en un estudio de cohorte.

Tabla: Distribución absoluta de la enfermedad vs. factor de riesgo.

Factor de Enfermedad
riesgo Enfermo Sano Total
Expuesto a b a+b
No expuesto c d c +d
Total a+c b+d n =a+b+c +d

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Definimos el riesgo de enfermarse, dado que se está expuesto al

factor de riesgo como
a
R1 =
a+b
Definimos el riesgo de enfermarse, dado que no se está expuesto al
factor de riesgo como
c
R2 =
c +d
El riesgo relativo de enfermarse, que compara a los expuestos con
los no expuestos al factor de riesgo está dado por:
R1
λ=
R2
Cuando el estudio es de casos y controles la medida de magnitud
del efecto usada se denomina Razón de Odds.
El Odds de tener la enfermedad para los expuestos al factor de
riesgo es:
a
O1 =
b
Carlos Javier Barrera Causil. M.Sc Clase VI
 Clase VI probabilidad

El Odds de tener la enfermedad para los no expuestos al factor de

riesgo es:
c
O2 =
d
La razón de Odds que compara los expuestos con los no expuestos
al factor de riesgo se define como:
O1
OR =
O2

Ejemplo
Suponga que se desea estudiar la relación entre la cirrosis hepática
y el consumo de alcohol. Considere la tabla 4 la cual muestra la
distribución absoluta de dicha enfermedad en una población de
consumidores y no consumidores de alcohol.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Tabla: Distribución absoluta de la enfermedad vs. factor de riesgo.

Consumo de Cirrosis
alcohol Si No Total
Si 145 220 365
No 10 315 325
Total 155 535 690

El riesgo relativo, que compara a los expuestos con los no

expuestos al factor de riesgo es:

145/365
λ= = 12,91
10/325

Las personas que consumen alcohol tienen aproximadamente 13

veces más riesgo de padecer de cirrosis que los que no consumen
alcohol.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Si el presente estudio fuera de casos y controles, la razón de Odds

serı́a la medida de asociación utilizada, en este caso tendrı́amos
que, el Odds que compara a los expuestos con los no expuestos al
factor de riesgo es:

145/220
OR = = 20,76
10/315

Las personas que consumen alcohol tienen el Odds de padecer de

cirrosis aproximadamente 21 veces más alto que para los que no
consumen alcohol.
Teorema de Bayes
Es un caso especial de la probabilidad condicional en el cual se
desea calcular la probabilidad condicional de un evento que
ocurrió primero dado otro que ocurrió después.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Teorema de Bayes

Sean A1 , A2 , . . . , An eventos no vacı́os mutuamente excluyentes

tales que la unión de todos ellos conforman el espacio muestral. Si
B es un evento de S, entonces.
(Aj ∩ B) p(Aj )p(B | Aj )
p(Aj | B) = = Pn
P(B) i=1 p(Ai )p(B | Ai )

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Ejemplo

Suponga que tenemos 2 botiquines y que el botiquı́n 1 contiene 3

pastillas de Aspirina y 2 de Dristán y el botiquı́n 2 contiene 2 de
Aspirina y 3 de Dristán. Se extrae una pastilla al azar. ¿Cuál es la
probabilidad de que:
La pastilla extraı́da sea una Aspirina?
La extracción se haya efectuado del botiquı́n 1 dado que la
pastilla extraı́da fue una Aspirina?
Solución: En el problema hay dos pasos a saber:
Paso 1, elección del botiquı́n; Paso 2, extracción de la pastilla.
Sea A1 = La extracción se hace del botiquı́n 1. y A2 = la
extracción se hace del botiquı́n 2.
Tenemos entonces que, p(A1 ) = 1/2 y p(A2 ) = 1/2.
Sea B el evento, la pastilla elegida es una Aspirina.

Carlos Javier Barrera Causil. M.Sc Clase VI

 Clase VI probabilidad

Por las condiciones del problema sabemos que:

p(B | A1 ) = 3/5 y p(B | A2 ) = 2/5.

p(B) = p(A1 ∩ B) + p(A2 ∩ B) = p(B | A1 )p(A1 ) + p(B | A2 )p(A2 )

   
3 1 2 1
= × + × = 0,5
5 2 5 2

p(B | A1 )p(A1 )
p(A1 | B) =
p(B | A1 )p(A1 ) + p(B | A2 )p(A2 )
(3/5)(1/2)
= = 3/5 = 0,6
(1/2)

Carlos Javier Barrera Causil. M.Sc Clase VI