Академический Документы
Профессиональный Документы
Культура Документы
Estudiar qu entendemos por probabilidad. Ver algunas reglas de clculo de probabilidades. Ver cmo se aplican las probabilidades en Ciencias de la Salud. Aplicarlas a algunos conceptos nuevos de inters en Ciencias de la Salud.
Test diagnsticos.
Tema 1: Probabilidades
Nociones de probabilidad
Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia relativa (%) de veces que ocurrira el suceso al realizar un experimento repetidas veces.
Subjetiva (bayesiana): Grado de certeza que se posee sobre un suceso. Es personal.
En ambos tipos de definiciones aparece el concepto de suceso. Vamos a recordar qu son y algunas operaciones que se pueden realizar con sucesos.
Tema 1: Probabilidades
Sucesos
Cuando se realiza un experimento aleatorio diversos resultados son posibles. El conjunto de todos los resultados posibles se llama espacio muestral y se denota por E. Se llama suceso a un subconjunto de dichos resultados. Se llama suceso contrario (complementario) de un suceso A, al formado por los elementos que no estn en A, se anota A Se llama suceso unin de A y B, AUB, al formado por los resultados experimentales que estn en A o en B (incluyendo los que estn en ambos Se llama suceso interseccin de A y B, AB o simplemente AB, al formado por los resultados experimentales que estn simultneamente en A y B
E espacio muestral
E espacio muestral
A
E espacio muestral
A
E espacio muestral A B
E espacio muestral A B
UNIN
E espacio muestral A B
INTERSEC.
Tema 1: Probabilidades
Se llama probabilidad a cualquier funcin, P, que asigna a cada suceso A un nmero real P(A), verificando las siguientes reglas (axiomas)
E espacio muestral
100%
E espacio muestral A
es el conjunto vaco.
P( A B) PB ( A) P( A / B) P( B)
P(A|B)=1
P(A|B)=0,8
Tema 1: Probabilidades 6
B B
P(A|B)=0,05
P(A|B)=0
Tema 1: Probabilidades 7
Cualquier problema de probabilidad puede resolverse en teora mediante aplicacin de los axiomas. Sin embargo, es ms cmodo conocer algunas reglas de clculo:
P(A) = 1 - P(A) P(AUB) = P(A) + P(B) - P(AB) P(AB) = P(A) P(B|A)=P(B) P(B|A)
Prob. de que ocurra A y B es la prob. de que ocurra A por la probabilidad de que ocurra B sabiendo que ocurri A.
Dos sucesos son independientes si el hecho de que ocurra uno no afecta la ocurrencia del otro. En lenguaje probabilstico:
Tema 1: Probabilidades
EJEMPLO: En una muestra de 1000 individuos elegidos al azar, entre una poblacin de enfermos de osteoporosis 760 eran mujeres. Qu porcentaje de mujeres hay en la muestra?
(760/1000)*100=0,76*100=76%
P(Hombre)=P(Mujer)=1-0,76=0,24
Se sabe de otros estudios que entre los individuos con osteoporosis, aprox. la cuarta parte de las mujeres y la tercera parte de los hombres fuman. Elegimos a un individuo al azar de la poblacin de enfermos. Qu probabilidad hay de que sea mujer fumadora?
A2
Tales que la unin de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas. A3 A4
Tema 1: Probabilidades
10
Divide y vencers
A1
A2
Probabilidad total
A1
A2
Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces podemos calcular la probabilidad de B.
A3
A4
Ejemplo: En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los varones, son fumadores el 20%. Qu porcentaje de fumadores hay en total?
P(F) = P(FH) + P(FM) = P(F|H) P(H) + P(F|M) P(M) =0,2 x 0,3 + 0,1 x 0,7 = 0,13 =13%
Probabilidad Total. Hombres y mujeres forman una particin del espacio muestral
Se elije a un individuo al azar y resulta fumador. Cul es la probabilidad de que sea un hombre?
Mujeres
Varones
fumadores
Tema 1: Probabilidades 13
0,1
0,7 Estudiante Mujer 0,9
No fuma
P(H | F) = 0,3x0,2/P(F)
0,3
Hombre
0,2
0,8 No fuma
Regla de Bayes
A1
A2
Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.
PB ( A i ) P( A i / B)
A3 A4
P( A i B) P( B)
Test diagnsticos
Un test diagnstico sirve para ayudar a mejorar una estimacin de la probabilidad de que un individuo presente una enfermedad.
Incidencia,
Prevalencia,
Por otra parte, para confirmar, usamos una prueba diagnstica. La misma ha sido evaluada con anterioridad sobre dos grupos de individuos: sanos y enfermos. As de modo frecuentista se ha estimado:
Sensibilidad (verdaderos +)= Tasa de acierto sobre enfermos. Especificidad (verdaderos -)= Tasa de acierto sobre sanos.
A partir de lo anterior y usando la Regla de Bayes, podemos calcular las probabilidades a posteriori (en funcin de los resultados del test): ndices predictivos
P(Enfermo | Test +) = ndice predictivo de verdaderos positivo P(Sano | Test -) = ndice predictivo de verdaderos negativo
Tema 1: Probabilidades 16
Falsos +
T+ Sano
Especificidad, Verdaderos -
T-
Tema 1: Probabilidades
17
La diabetes afecta al 20% de los individuos que acuden a una consulta. La presencia de glucosuria se usa como indicador de diabetes. Su sensibilidad es de 0,3 y la especificidad de 0,99. Calcular los ndices predictivos.
P( Enf | T ) P( Enf T )
0,3 0,2
Individuo Enfermo
T+
P( Enf T ) P( Sano T )
0,7 0,01
Sano
TT+
0,8
P( Sano | T )
P( Sano T ) P( Enf T )
0,99
T-
Observaciones
En el ejemplo anterior, al llegar un individuo a la consulta tenemos una idea a priori sobre la probabilidad de que tenga una enfermedad. A continuacin se le pasa un test diagnstico que nos aportar nueva informacin: Presenta glucosuria o no. En funcin del resultado tenemos una nueva idea (a posteriori) sobre la probabilidad de que est enfermo. Nuestra opinin a priori ha sido modificada por el resultado de un experimento. Relacinalo con el mtodo cientfico.
Tema 1: Probabilidades
19
lgebra de sucesos
Probabilidad
Frecuentista Subjetiva o Bayesiana
Test diagnsticos A priori: Incidencia, prevalencia. Eficacia de la prueba: Sensibilidad, especificidad. A posteriori: ndices predictivos.
Tema 1: Probabilidades 20