Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 PROBABILIDADES ¿Qué es la Bioestadística? 2 PROBABILIDADES Es la aplicación de los métodos estadísticos a la solución de problemas que surgen de las investigaciones biológicas. 3 MÉTODOS ESTADÍSTICOS NOS PERMITEN DISEÑAR LAS INVESTIGACIONES RECOGER, CLASIFICAR, RESUMIR Y ANALIZAR DATOS DETERMINAR GRADO DE CONFIABILIDAD 4 BIOESTADÍSTICA Nos proporcionará métodos que nos permitirán generalizar y evaluar la magnitud del error que cometemos al efectuar esas generalizaciones. 5 MODELOS MATEMÁTICOS En las ciencias experimentales se utilizan modelos matemáticos que nos permiten simplificar y esquematizar los fenómenos observados y luego, sacar conclusiones. 6 MODELOS DETERMINÍSTICOS Se denomina modelo determinístico a aquél que permite determinar el resultado de un experimento cuando se conocen las condiciones en que se lo realiza. 7 MODELOS ALEATORIOS Un experimento aleatorio se caracteriza porque: �Es posible repetirlo indefinidamente bajo las mismas condiciones. �El resultado de una repetición no se puede predecir pero se conoce el conjunto de todos los posibles resultados. 8 MODELOS ALEATORIOS �Si se lo repite un gran número de veces, cada uno de los resultados aparece en una proporción definida, es decir, hay cierta regularidad en los resultados. 9 ESPACIO DE RESULTADOS Llamamos espacio de resultados o espacio muestral asociado a un experimento aleatorio al conjunto formado por todos los posibles resultados del mismo. A este conjunto lo denotamos con S. 10 SUCESO Dado un experimento aleatorio llamamos suceso a un subconjunto del espacio muestral. 11 SUCESO ELEMENTAL Tiene un solo resultado posible 12 Suceso contenido en otro Dados dos sucesos A y B decimos que el suceso A está contenido en el suceso B si y sólo si cada vez que ocurre A también ocurre B, lo indicamos A ⊂⊂⊂⊂ B. 13 Suceso complementario Llamamos suceso complementario de A al suceso que ocurre si y sólo si no ocurre A. Lo indicamos A’. 14 Suceso Unión Dados dos sucesos A y B llamamos suceso unión al que ocurre si y sólo si ocurre A o B. Lo indicamos A ∪∪∪∪ B. 15 Propiedades de la Unión de Sucesos 1) A ∪∪∪∪ A’ = S 2) A ∪∪∪∪ S = S 3) A ∪∪∪∪ ∅∅∅∅ = A 4) A ⊂⊂⊂⊂ B ⇒⇒⇒⇒ A ∪∪∪∪ B = B 16 Suceso Intersección Dados dos sucesos A y B llamamos suceso intersección al que ocurre si y sólo si ocurren simultáneamente A y B. Lo indicamos A ∩∩∩∩ B. 17 Propiedades de la Intersección de Sucesos 1) A ∩∩∩∩ A’ = ∅∅∅∅ 2) A ∩∩∩∩ S = A 3) A ∩∩∩∩ ∅∅∅∅ = ∅∅∅∅ 4) A ⊂⊂⊂⊂ B ⇒⇒⇒⇒ A ∩∩∩∩ B = A 18 Sucesos mutuamente excluyentes Excluir significa “dejar fuera ” , de manera que dos sucesos será n excluyentes o mutuamente excluyentes si ellos no tienen elementos comunes. Es decir, A ∩∩∩∩ B = ∅∅∅∅ 19 FRECUENCIA Se llama frecuencia del suceso A y se indica f(A) al número de veces que ocurre A. Se la denomina también frecuencia absoluta. 20 EJEMPLO Se quiere saber el n úmero de hijos por matrimonio. Se obtienen los siguientes datos: 21 EJEMPLO 2 2 4 1 3 5 3 2 1 6 3 4 1 2 0 2 3 1 7 4 2 3 0 5 1 4 3 2 4 1 5 2 1 2 4 0 3 3 2 6 1 5 4 2 0 3 2 4 3 1 22 EJEMPLO En nuestro ejemplo, la frecuencia absoluta indica el n úmero de familias que tienen esa cantidad de hijos. 23 EJEMPLO 0 4 1 9 2 12 3 10 4 8 5 4 6 2 7 1 24 FRECUENCIA RELATIVA Se llama frecuencia relativa del suceso A al cociente f(A)/n, siendo n el número de repeticiones del experimento. Se indica: n Af Af r )( )( = 25 EJEMPLO 0 4 0,08 1 9 0,18 2 12 0,24 3 10 0,20 4 8 0,16 5 4 0,08 6 2 0,04 7 1 0,02 26 Propiedades de las frecuencias relativas 1) 2) 3) Si A y B son sucesos mutuamente excluyentes 1)(0 ≤≤ Af r 1)( =Sf r )()()( BfAfBAf rrr +=∪ 27 Definición Axiomática de Probabilidad Sea S el espacio de resultados de un experimento aleatorio. A cada suceso A le asignamos un n úmero real llamado probabilidad del suceso A, lo indicamos P(A). 28 Definición Axiomática de Probabilidad 1) 0 ≤≤≤≤ P(A) ≤≤≤≤ 1 2) P(S) = 1 3)Si A y B son sucesos mutuamente excluyentes, entonces P(A ∪∪∪∪ B) = P(A) + P(B) 29 Definición Axiomática de Probabilidad 4) Si son sucesos mutuamente excluyentes de a pares, entonces ,...,...,1 nAA ...)(...)()(...)...( 2121 ++++=∪∪∪∪ nn APAPAPAAAP 30 PROPIEDAD 1.1 P(∅∅∅∅) = 0 31 PROPIEDAD 1.2 P(A’) = 1 - P(A) 32 PROPIEDAD 1.3 Si A⊂⊂⊂⊂ B ⇒⇒⇒⇒ P(A) ≤≤≤≤ P(B) 33 PROPIEDAD 1.4 Si A y B son dos sucesos cualesquiera P(A ∪∪∪∪ B) = P(A) + P(B) – P(A ∩∩∩∩ B) 34 PROPIEDAD 1.5 Cálculo de probabilidades en el caso de un número finito de resultados igualmente probables En este caso podemos calcular la probabilidad de un suceso A de la siguiente manera: posiblesresultadosdenúmero Aafavorablesresultadosdenúmero AP =)( 35 Sucesos mutuamente excluyentes Observe cuidadosamente la siguiente urna Esta urna tiene bolitas rojas, amarillas y verdes. 36 Sucesos mutuamente excluyentes Supongamos que se elige una bolita al azar, entonces hay tres tipos de sucesos que son de interés: 37 Sucesos mutuamente excluyentes El suceso “que la bolita sea amarilla ” que lo denotamos con la letra A. El suceso “que la bolita sea roja ” que lo denotamos con la letra R. El suceso “que la bolita sea verde ” que lo denotamos con la letra V. 38 Sucesos mutuamente excluyentes Observe que ninguno de estos sucesos tienen elementos comunes, de manera que entre ellos son mutuamente excluyentes. Podemos calcular la probabilidad de obtener una bolita amarilla, esto es, 39 Sucesos mutuamente excluyentes 12 5 )( =AP Podemos calcular la probabilidad de obtener una bolita amarilla, esto es, 40 Sucesos mutuamente excluyentes De igual forma podemos calcular la probabilidad de sacar una bolita roja, esto es, 12 4 )( =RP 41 Sucesos mutuamente excluyentes Y la probabilidad de obtener una bolita verde, que es 12 3 )( =VP 42 Sucesos mutuamente excluyentes Ahora nos preguntamos: ¿cuál es la probabilidad de sacar una bolita roja o una bolita amarilla? P(R ∪∪∪∪ A) = P(R) + P(A) = 9/12 43 Sucesos mutuamente excluyentes Es decir, cuando los sucesos son mutuamente excluyentes , la probabilidad de la unión de ellos es simplemente la suma de cada una de las probabilidades . 44 PROBABILIDAD CONDICIONAL Si B es un suceso tal que la P(B) > 0, llamamos probabilidad condicional del suceso A dado B: )( )( )/( BP BAP BAP ∩= 45 REGLA DE LA MULTIPLICACIÓN Cuando necesitamos calcular P(A∩∩∩∩B) podemos utilizar: )/().()( ABPAPBAP =∩ )/().()( BAPBPBAP =∩ 46 SUCESOS INDEPENDIENTES Ahora sacaremos dos bolitas, una tras otra y con reposición . 47 SUCESOS INDEPENDIENTES Esto significa que sacamos la primera bolita, anotamos su color, y la regresamos a la urna , y luego hacemos la segunda extracción. Definamos el suceso “la primera bolita extraí da fue de color amarillo ” , que llamaremos suceso A1; y definamos el suceso “la segunda bolita extraí da fue de color amarillo ”, que llamaremos A2. 48 SUCESOS INDEPENDIENTES Queremos calcular la probabilidad del siguiente suceso “la primera bolita sea amarilla y la segunda bolita también sea amarilla”. 49 SUCESOS INDEPENDIENTES Miremos cuidadosamente los siguiente cuadritos, el primer cuadro denotará las formas de obtener una bolita cualquiera y el segundo cuadro las formas de obtener una bolita cualquiera de la segunda extracción. 50 SUCESOS INDEPENDIENTES 12 12 = 144 formas diferentes 51 SUCESOS INDEPENDIENTES 5 5 = 25 formas diferentes Ahora vamos a calcular las formas diferentes de obtener una bolita amarilla en la primera extracción y una bolita amarilla en la segunda extracción: 52 SUCESOS INDEPENDIENTES Luego la probabilidad de obtener dos bolitas amarillas de dos extracciones con reposición (con reemplazo) es: 144 25 )( =AP 53 SUCESOS INDEPENDIENTESPor otro lado, la probabilidad de que en la primera extracción la bolita sea amarilla, es: 12 5 )( 1 =AP 54 SUCESOS INDEPENDIENTES Una vez repuesta la bolita, la probabilidad de saca r en la segunda extracción una bolita amarilla, es: P(A2) = 5/12 55 SUCESOS INDEPENDIENTES )().()( 2121 APAPAAP =∩ De manera que podemos ver que la probabilidad de obtener A1 y A2, es igual al producto de la probabilidad de A1 por la probabilidad de A2, esto es: Cuando esto ocurre, se dice que los sucesos A1 y A2 son independientes. 56 SUCESOS INDEPENDIENTES Dos sucesos A y B son independientes si y sólo si : )().()( BPAPBAP =∩ 57 EJEMPLO (Sin reposición) Ahora sacaremos dos bolitas, pero esta vez lo haremos sin reposición (sin reemplazo). Esto significa que una vez que hagamos la primera extracción, la bolita no es devuelta a la urna , o sea que en la segunda extracción tendremos una bolita menos. 58 EJEMPLO (Sin reposición) Sea el suceso “la primera bolita es amarilla”, que denotaremos por A1. Sea el suceso “la segunda bolita es roja”, que denotaremos por R2. Queremos calcular la probabilidad de que la primera bolita sea amarilla y la segunda bolita sea roja, ¿cómo la calculamos? 59 12 5 )( 1 =AP EJEMPLO (Sin reposición) 60 )()./()( 11212 APARPARP =∩ EJEMPLO (Sin reposición) 61 11 4 )/( 12 =ARP EJEMPLO (Sin reposición) 62 EJEMPLO (Sin reposición) 132 20 12 5 . 11 4 )( 12 ==∩ ARP 63 EJEMPLO (Sin reposición) Con el ejemplo anterior queremos decir que cualquier suceso que dependa de la primera extracción afectará a cualquier otro suceso que dependa de la segunda extracción, y por lo tanto ellos no serán independientes (se dice que son dependientes). 64 EJEMPLO (Concepto de Independencia) Se realizó una encuesta a 200 personas, 100 hombres y 100 mujeres y se les preguntó si son fumadores activos. Los resultados figuran en la siguiente tabla: 65 EJEMPLO (Concepto de Independencia) Fuman No Fuman Total Mujeres 20 80 100 Hombres 40 60 100 Total 60 140 200 66 EJEMPLO (Concepto de Independencia) 10 1 200 20 )( ==∩ FMP 20 3 10 3 . 2 1 200 60 . 200 100 )().( ===FPMP
Compartir