Professional Documents
Culture Documents
Introdución
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.
Definición clásica
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 )
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.
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
Probabilidad Condicional
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:
Ejemplo
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
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
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
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
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
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
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)
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.
p(L ∩ H) = p(H)p(L)
40 40
=
100 100
= 0,16
Prueba Tamiz
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
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.
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.
Diabetes
Resultado de
la prueba de
glucosuria Si No Total
Positiva 45 15 60
Negativa 105 285 390
Total 150 300 450
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.
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
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.
Consumo de Cirrosis
alcohol Si No Total
Si 145 220 365
No 10 315 325
Total 155 535 690
145/365
λ= = 12,91
10/325
145/220
OR = = 20,76
10/315
Teorema de Bayes
Ejemplo
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)