Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
TEMA 6: NOCIONES BÁSICAS DE PROBALIDAD 1. INTRODUCCIÓN En cualquier investigación es importante poder generalizar o inferir nuestros resultados a un colectivo mucho más amplio al que hemos denominado población. Por esta razón estudiamos la probabilidad. Seguiremos los ejemplos del libro CONCEPTOS PREVIOS Experimento aleatorio (3 características): - Todos los resultados posibles son conocidos con anterioridad a su realización - No se puede predecir con certeza el resultado que vamos a obtener - El experimento puede repetirse todas las veces que se desee en idénticas condiciones. Ejemplo 6.1 pag 252 Espacio muestral: Es el conjunto de todos los resultados posibles de un experimento aleatorio. Se representa por la letra E. En el ejemplo de tirar un dado, E serían todos los valores del 1 al 6. CONCEPTOS PREVIOS Suceso: Son los resultados de un experimento aleatorio o subconjuntos del espacio muestral. Pueden ser: - Elementales: Un solo resultado del espacio muestral (un cuatro en el dado) - Compuestos: Dos o más resultados del espacio muestral (número par en el dado) Las siguientes tres letras muestran 3 sucesos distintos. A es elemental y B y C son compuestos. Este ejemplo va a ayuda para comprender los conceptos siguientes. A=4 B=2,4,6 (número par) C=3,6 (múltiplo de 3) Suceso seguro: Es sinónimo de E, siempre ocurre. Suceso imposible: No puede ocurrir, se representa por Ø (conjunto vacío) Ejemplo 6.2 pag 255 Operaciones con sucesos Unión: Unión de dos sucesos A y B es el subconjunto de E formado por los sucesos elementales que pertenecen a A, a B o a ambos a la vez. A∪B = 2,4,6 Intersección: La intersección de dos sucesos A y B es el subconjunto de E formado solamente por los sucesos elementales que pertenecen a A y a B a la vez. A∩B = 4 Si la intersección no contiene elementos comunes diremos que los sucesos son incompatibles o excluyentes: A∩B = { } = Ø complementario: De un suceso A es el subconjunto de E formado por todos los sucesos que no pertenecen a A. Se representa por Ā = 1,2,3,5,6 Ejemplo 6.3, pag 257 DEFINICIÓN DE PROBABILIDAD Definición clásica: La probabilidad de un suceso es igual al cociente entre el número de casos favorables de que ocurra ese suceso y el número de casos posibles en el supuesto de que todos los casos tengan la misma oportunidad de ocurrir. Probabilidad de un suceso = Número de casos favorables/número de casos posibles (Regla de Laplace) Probabilidad de conseguir un 2 en el dado = 1/6 Probabilidad de conseguir un número par = 3/6 Definición estadística: La probabilidad de un suceso es el límite al que tiende la frecuencia relativa de aparición de un suceso A cuando el número de ensayos, n, tiende a infinito: Definición axiomática: La probabilidad de un suceso A, definido en el espacio muestral E y que designamos por P(A), a un número real que asignamos al suceso A, tal que cumple las siguientes propiedades: 0 ≤ P(A) ≤1 P(E) =1 P(A) =1− (Ā) Ejemplo 6.4 pag 261 Teorema de la suma La probabilidad de que ocurra el suceso A o el suceso B es igual a la probabilidad de que ocurra A más la probabilidad de que ocurra B, menos la probabilidad de que ocurran ambos, A y B: P(A∪B) = P(A) + P(B) − P(A∩B) Ejemplo 6.5 pag 265 Si A y B son incompatibles o mutuamente excluyentes, la regla queda así: P(A∪B) = P(A) + P(B) PROBABILIDAD CONDICIONADA Dos sucesos, A y B, son dependientes cuando la probabilidad de A está condicionada al suceso B. P(A/B)= Probabilidad de A condicionada a B. Definición: Para dos sucesos cualesquiera A y B, la probabilidad de A condicionado a B es igual a la probabilidad de la intersección dividido por la probabilidad de la condición B: P(A/B) = P(A∩B)/P(B) (siempre que P(B) no sea 0) P(B/A) = P(B∩A)/P(A) (siempre que P(A) no sea 0) Si los sucesos A y B son independientes: P(A/B) = P(A) y P(B/A)=P(B) Ejemplo 6.6, pag 267; ejemplo 6.7, pag 268 LA REGLA DEL PRODUCTO Y EL TEOREMA DE BAYES P(A∩B) = P(A) ⋅ P(B/A) esto se conoce como la regla o teorema del producto P(A∩B) = P(A) ⋅ P(B) cuando los sucesos A y B son independientes Ejemplos 6.8 y 6.9 pags 270-1 el Teorema de Bayes: P(A/B) = P(A) − P(B/A)/P(B) Ejemplo 6.11, pag 278 Teorema de la probabilidad total Sean los sucesos A1,A2,...,Ak una partición del espacio muestral, es decir, son incompatibles dos a dos Ai Aj= Ø y A1U A2U...U Ak=E=1 y sea B un suceso cualquiera, entonces: ejemplo 6.10, pag 275 Para calcular P(B) es de gran ayuda la representación de un diagrama de árbol como su muestra en el ejemplo. Tenemos tres urnas, la primera contiene 4 bolas blancas y 2 negras, la segunda 3 blancas y 3 negra y la tercera 3 blancas y 6 negras. Se elige una urna al azar (se supone que la elección de urnas es equiprobable) y se extrae una bola. Calcula la probabilidad de que la bola extraída sea negra. P(N) = P( N / U1 )·P(U1)+P( N / U2 )·P(U2)+P( N / U3 )·P(U3) Algunas aplicaciones de la probabilidad condicionada a la psicología de la salud - Prevalencia: proporción de casos existentes de una enfermedad en un momento determinado Incidencia: proporción de casos nuevos de una enfermedad en una población durante un periodo determinado. Existe una relación entre incidencia y prevalencia. Si los casos nuevos, incidentes, no se resuelven, se hacen crónicos, prevalentes Otras aplicaciones Análisis de factores de riesgo de o probabilidad de que aumente un problema o enfermedad Ejemplo 6.12, pag 282 Valoración de la calidad de las pruebas diagnósticas Sensibilidad o probabilidad de discriminar a los verdaderos positivos. Probabilidad de que los que tengan un trastorno den positivo en la prueba P(+/T) Especificidad o probabilidad de detectar a los verdaderos negativos. Probabilidad de que los que no tienen el trastorno den negativo en la prueba p(-/NT) Valor predictivo positivo P(T/+). [Falsos positivos P(NT/+)] Valor predicitivo negativo P(NT/-). [Falsos negativos P(+/N)] Ejemplo 6.13, pag 285
Compartir