Introduccion a la probabilidad

February 28, 2016

Por: Lina Angelica Buitrago Reyes

Introducci
on

La mayora de los experimentos no son deterministicos, es decir, no conocemos

de antemano el resultado del mismo, razon por la cual, es necesario medir la
ocurrencia de un evento en presencia de dicha incertidumbre. A esta medicion
se le llama probabilidad.
La probabilidad es inherente al ser humano, aunque pase por desapercibido
el concepto como tal. Por ejemplo, cuando salimos de casa y miramos el cielo
y decimos: hoy va a llover?, esto porque tenemos un conocimiento a priori de
lo que sucede de acuerdo a como veamos el cielo, es decir, de acuerdo a ese
conocimiento le asignamos un valor a la incertidumbre. Otro ejemplo ocurre
en la pr
actica medica, cuando un paciente se acerca a su medico y le cuenta
sus sntomas, de acuerdo a ellos el clnico piensa en un posible listado de enfermedades que pueden estar relacionadas con dichos sntomas y a su vez piensa
cu
al considera m
as probable?, dicha medicion de la incertidumbre va cambiando de acuerdo a los resultados de las pruebas diagnosticas utilizadas. En
este ejemplo, el clnico, sin ser consciente de ello, esta utlizando las leyes de la
probabilidad, incluyendo las de la probabilidad condicional.
Por otro lado, adem
as de medir la incertidumbre de un evento, a partir de
la probabilidad es posible determinar modelos que permitan describir las caractersticas de una variable en la poblacion y a partir de estos, hacer inferencias
sobre un par
ametro de interes con base en una muestra. Por lo tanto, resulta de
vital importancia el conocimiento de los conceptos basicos de probabilidad, pues
los modelos de probabilidad, son la base de la construccion de los intervalos de
confianza y de los estadsticos de prueba en el juzgamiento de hipotesis.

Objetivos:
1. Apropiarse de los conceptos previos a la probabilidad: experimento aleatorio, espacio muestral y sigma algebra.

2. Conocer, entender y aplicar la definicion, caractersticas y propiedades de

una medida de probabilidad.
3. Entender y aplicar los teoremas aditivo, multiplicativo, de Bayes y teorema de la probabilidad total y sus aplicaciones en Epidemiologa (Riesgos,
sensibilidad, especificidad).

Competencias

En este m
odulo el estudiante aprendera los conceptos basicos de la teora de
probabilidad, de igual forma, aprendera a aplicar dichos conceptos, de tal forma
que al finalizar estar
a en la capacidad de calcular las probabilidades que le sean
solicitadas en su ejercicio como epidemiologo.

Conceptos preliminares

4.1

Teora de conjuntos

A continuaci
on una breve descripcion de las operaciones entre conjuntos y su
notaci
on, dado que son de vital importancia en la teora de probabilidad. Sean
el conjunto universal, A y B :
1. Complemento: Ac = A = {x : x
/ A}
2. Uni
on: A B = {x : x A o x B}
3. Intersecci
on: A B = {x : x A y x B}
4. Diferencia: A B = {x : x A y x
/ B}
5. Leyes de Morgan:
(A B)c = Ac B c
(A B)c = Ac B c

4.2

Espacio de probabilidad

Para definir un espacio de probabilidad es preciso definir algunos conceptos:

Experimento aleatorio: Un experimento aleatorio es aquel en el que no
se puede anticipar con exactitud su resultado.
Espacio muestral (): Es el conjunto de todos los posibles resultados de
un experimento.Ejemplo: En un estudio de cohorte:
E:Determinar si un paciente desarrolla o no el desenlace.
={S, N }, d
onde S significa que desarrolla el desenlace y N que no desarrolla
el desenlace.
2

-
algebra:
satiface:

Una -
algebra, A, es una coleccion de subconjuntos de que

A
Si A A, entonces Ac A
Si A1 , A2 , ... A, entonces
i=1 Ai A
Los elementos de la -
algebra,A A, son llamados eventos.
Ejemplo:
A1 = {, } es una -
algebra, llamada -algebra trivial.
A2 = P(), donde P() representa al conjunto de todos los posibles
subconjuntos de .
Ejemplo: Supongamos que estamos en un estudio longitudinal con 3 pacientes (el ejemplo es s
olo para entender el concepto pues esto no tendra sentido
en la vida pr
actica),:
E:Contar el n
umero de pacientes, entre los 3, que desarrollan el desenlace
durante el periodo de seguimiento.
= 0, 1, 2, 3
P() en este experimento esta dada por la coleccion:
{, , {0} , {1} , {2} , {3} , {0, 1} , {0, 2} , {0, 3} , {1, 2} , {1, 3} , {2, 3} , {0, 1, 2} , {0, 1, 3} , {0, 2, 3} , {1, 2, 3}}
Por otro lado,
A1 = {, , {0, 1} , {1, 2, 3}}
c

no es una -
algebra, pues por ejemplo {0, 1}
/ A1
Medida de probabilidad: Una medida de probabilidad es una funcion
que le asigna un n
umero entre 0 y 1 a los eventos de la -algebra:
P : A [0, 1]
A P (A) : Probabilidad del evento A
y que satisface:
P (A) > 0, A A.
P () = 0.
Dados los eventos A1 , A2 , ... A, tales que Ai Aj = ,
P (
i=1 Ai ) =

X
i=1

P (Ai )

Ejemplo: Definici
on cl
asica de probabilidad.
Si un experimento tiene n posibles resultados y nj favorecen el evento Aj ,
P (Aj ) =

nj
casos favorables
=
n
casos posibles

es una medida de probabilidad.(Se deja al estudiante la verificacion)

Espacio de probabilidad: Un espacio de probabilidad se conforma por
la terna conformada por el espacio muestral, la -algebra y la medida de probabilidad (, A, P )
Nota: En general, se trabaja sobre el espacio de probabilidad Laplaciano,
el en cu
al A = P() y P corresponde a la definicion clasica de probabilidad.
Propiedades de una medida de probabilidad: Sea (, A, P ) un espacio de probabilidad y A, B A, se satisfacen:
P () = 1
P (Ac ) = 1 P (A)
P (A B) = P (A) P (A B)
P (A B) = P (A B) + P (A B) + P (B A) = P (A) + P (B) P (A B)
Si A B, entonces P (A) P (B)
P (A B) P (A) + P (B)

Teoremas b
asicos de probabilidad

Sean (, A, P ) un espacio de probabilidad y A1 , A2 , ... A.

5.1

Teorema aditivo

El teorema aditivo est

a relacionado con la probabilidad de la union de eventos,
as:

m
[
i=1

!
Ai

m
X
i=1

X
X
P (Ai )
P (Ai Aj )+
P (Ai Aj Ak )...(1)m1 P
i>j

i>j>k

m
\

!
Ai

i=1

En particular, para m = 3:
P (A1 A2 A3 ) = P (A1 )+P (A2 )+P (A3 )P (A1 A2 )P (A1 A3 )P (A2 A3 )+P (A1 A2 A3 )

5.2

Teorema multiplicativo

El teorema aditivo est

a relacionado con la probabilidad de la interseccion de
eventos, as:
Si A1 y A2 son eventos independientes:
P (A1 A2 ) = P (A1 )P (A2 )
Si no son indeoendientes:
P (A1 A2 ) = P (A1 )P (A2 |A1 )
d
onde P (A2 |A1 ), es la probabilidad condicional del evento A2 dado que es
A1 , es decir es la proporcion de elementos que son A1 entre los elementos
que son A2 .

5.3

Probabilidad condicional

La probabilidad condicional es una medida de probabilidad definida por:

casos que son Aj y Ai
P (Ai Aj )
=
casos que son Ai
P (Ai )
Por ser una medida de probabilidad cumple las siguientes propiedades:
P (Aj |Ai ) =

P (Acj |Ai ) = 1 P (Aj |Ai )

P (|Ai ) = 0
P (Aj Ak |Ai )

5.4

Teorema de la probabilidad total

El terorema de la probabilidad total se utiliza cuando se quiere encontrar la

probabilidad de un evento que se encuentra repartido en las partes de una
patici
on. Sea E1 , E2 , ..., Em una particion de , es decir, E1 , E2 , ..., Em es una
colecci
on de subconjuntos de tales que:
m
[

Ei =

i=1

Ej Ek = , j 6= k
Entonces, la probabilidad de ocurrencia de un evento A se reparte en la
partici
on de la siguiente forma:
P (A) = P (A E1 ) + P (A E2 ) + ... + P (A Em )
= P (A|E1 )P (E1 ) + P (A|E2 )P (E2 ) + ... + P (A|Em )P (Em )
m
X
=
P (A|Ei )P (Ei )
i=1

5.5

Teorema de Bayes

El terorema de Bayes es ampliamente utilizado en epidemiologa, especialmente

en la evaluaci
on de las caractersticas de pruebas diagnosticas. En el teorema
parte de la probabilidad a priori de la ocurrencia de un evento, P (Ek ), para
calcular su probabilidad a posteriori, P (Ek |A).
P (A|Ek )P (Ek )
P (Ek |A) = Pm
i=1 P (A|Ei )P (Ei )
Ejemplo (Pruebas diagn
osticas): Es bien sabido que si se obtiene un
resultado positivo en una prueba diagnostica, este no asegura que el paciente
tenga la enfermedad, del mismo modo, un resultado negativo no asegura que
el paciente no tenga la enfermedad. Es por esto que se deben medir las caractersticas operativas de las pruebas diagnosticas, las cuales se definen como:
Sensibilidad = S = P (P |E)
Especif icidad = E = P (P c |E c )
con, P :la prueba da resultado positivo, E: el paciente tiene la enfermedad.
En una ciudad se llevan a cabo pruebas para detectar cierta enfermedad. El
1 por ciento de las personas sanas son registradas como enfermas, el 0.1 por
ciento est
a realmente enfermo y el 90 por ciento de los enfermos son registrados
como tales. Se desea calcular la probabilidad de que una persona seleccionada
al azar y reportada como enferma realmente lo este.
Sean los eventos: P :la prueba da resultado positivo, E: la persona tiene
la enfermedad. As, los datos del problema se pueden traducir de la siguiente
forma:
El 1 por ciento de las personas sanas son registradas como enfermas: P (P |E c ) =
0.01
El 0.1 por ciento est
a realmente enfermo: P (E) = 0.001
El 90 por ciento de los enfermos son registrados como tales:P (P |E) = 0.9
Se desea calcular la probabilidad de que una persona seleccionada al azar y
reportada como enferma realmente lo este: P (E|P ) =?

P (E|P ) =

P (P |E)P (E)
0.9 0.001
=
P (P |E)P (E) + P (P |E c )P (E c )
0.9 0.001 + 0.1 0.999

Lectura complementaria

Bar
on L
opez F.J. Bioestadstica. Universidad de Malaga.
http://www.bioestadistica.uma.es/baron/bioestadistica.pdf. Captulo 4.

Ejercicios
1. Se ha observado que los hombres y las mujeres reaccionan de una manera
diferente en ciertas circunstancias; el 70por ciento de las mujeres reaccionan positivamente mientras que el porcentaje de los hombres es solo del
40 por ciento. Se sometio a prueba a un grupo de 20 personas 15 mujeres
y 5 hombres y se les pidio llenar un cuestionario para descubrir sus reacciones. Una respuesta escogida al azar de las 20 resulto negativa. Cual
es la probabilidad de que haya sido contestada por un hombre?.
2. Un medico aplica una prueba diagnostica a 10 alumnos de un colegio para
detectar una enfermedad cuya incidencia sobre una poblacion de ni
nos
es del 10 por ciento. La sensibilidad del test es del 80 por ciento y la
especificidad del 75 por ciento.
Cu
al es la probabilidad de que un paciente tenga un resultado positivo?
Calcular la probabilidad de que prueba suministre un resultado incorrecto.
Cu
al es la probabilidad de que exactamente a cuatro personas le de
un resultado positivo?
Si en la muestra hay cuatro personas a las que el test le da positivo,
cu
al es la probabilidad de que entre estas, exactamente dos esten
sanas?
3. Una urna A contiene 5 bolas blancas y 7 bolas negras. Una urna B contiene
3 bolas blancas y 12 bolas negras. Se lanza una moneda corriente, si el
resultado es cara, entonces se extrae una bola de la urna A, si el resultado
es sello entonces se extrae una bola de la urna B. Supongase que una bola
blanca es seleccionada. A que es igual la probabilidad de que el resultado
del lanzamiento de la moneda haya sido sello?.
4. Ejercicios propuestos para estudiar:Baron Lopez F.J. Bioestadstica. Universidad de M
alaga. http://www.bioestadistica.uma.es/baron/bioestadistica.pdf.
Captulo 4.

Bibliografa

1. Bar
on F.J. Bioestadstica. Universidad de Malaga. http://www.bioestadistica.uma.es/baron/bioestadistic
2. Soto O, Franco D. Fundamentos conceptuales de estadstica. Universidad
Nacional de Colombia. Notas de clase.
3. Blanco L. Probabilidad. Universidad Nacional de Colombia.