Un concepto usado habitualmente Incertidumbre previa sobre la ocurrencia de un hecho Necesidad de predecir el resultado para adoptar una decisin Predicciones basadas en la probabilidad antedicha Por qu interesa en medicina? Tcnicas actuales no identifican todos los factores (mltiples y complejos) Forzados a hacer un diagnstico y formular un tratamiento Predicciones probabilsticas vlidas 20% 10% 50% 95% Definicin y medicin de probabilidad Ejemplo: en un estudio hecho en una escuela sobre la frecuencia de parsitos en los estudiantes se encuentra:
22 casos de scaris 178 casos sin scaris 200 nios estudiados
Si se elige al azar uno de estos 200 nios, Cul es la probabilidad que l est infestado con este parsito? Simbologa n = nmero de nios examinados= nmero de casos posibles= nmero de puntos en el espacio muestral. m = nmero de nios con el hecho A cuya probabilidad se estudia= nmero de casos favorables P(A) = probabilidad de ocurrencia de A
Entonces: P(A)= m/n= 22/200=0,11 o bien 11% Definicin La probabilidad de que un hecho A ocurra, es la razn entre el nmero de puntos muestrales que corresponden a la ocurrencia de A (casos favorables) y el total de puntos (casos posibles) Los puntos que representan todos los posibles resultados de una experiencia forman el espacio muestral. Espacio Muestral de un experimento, es el conjunto de elementos tal que cualquier resultado del experimento corresponde exactamente a un elemento del conjunto. Un elemento del espacio muestral se designa como elemento muestral En nuestro ejemplo El espacio muestral est constituido por 200 elementos (nios) Cada nio, es un punto muestral Definicin de carcter aplicado y representa la frecuencia relativa con que ocurre determinado hecho si el experimento se repite indefinidamente. scaris El modelo aplicado se caracteriza porque se asigna una igual probabilidad a todos los puntos: cualquier nio puede ser elegido y su eleccin es igualmente probable. La probabilidad de que A no acontezca es:
P(A)= n-m = 1-m = 1-P(A) n n 1-0,11=0,89 Esto significa que las probabilidades complementarias suman uno, constituyendo certeza P(A) + P(A)= 1 Si en nuestro ejemplo en el total de nios no hubiera ninguno infestado con scaris, P(A)= 0. A la inversa, si todos tuvieran scaris, P(A)= 1 En consecuencia toda probabilidad tendr valor entre 0 y 1:
0<=p<=1 Determinada a priori Lanzamiento de un dado: todas las caras tienen igual probabilidad de ocurrencia (1/6), porque los casos posibles en un lanzamiento son: 1;2;3;4;5;6 Determinada a posteriori En un ao el total de nacidos vivos en Chile fue de 250247. De ellos, 127432 fueron hombres y 122815 fueron mujeres. De estos datos deducimos que la probabilidad de que un nacido vivo sea hombre es de: 127432/250247= 0,5092; o sea, 50,92% Teorema de adicin de probabilidades Infestacin por scaris Infestacin por lamblias Si No Total SI 10 12 22 No 82 96 178 Total 92 108 200 Originalmente tenamos dos probabilidades: que un nio elegido al azar tuviera scaris P(A)= 0,11 o que no los tuviera P(A)= 0,89. Ambas probabilidades suman 1. Vemos que al agregar un dato ms a nuestra investigacin ha surgido una serie de otras probabilidades.
scaris= A Lamblias= B
P(AB) = tener scaris y no tener Lamblias = 12/200 = 0,06 P(AB) = tener lamblias y no tener scaris = 82/200 = 0,41 P(AB) = tener lamblias y scaris = 10/200 = 0,05 P(AB) = no tener lamblias ni scaris = 96/200 = 0,48 TOTAL = 1,00 Se observa que la probabilidad de que un nio elegido al azar tenga cualquiera o ambos parsitos, es la suma de: P(AB)+P(AB)+P(AB)=0,06+0,41+0,05. Simbolizaremos esta situacin por P(A o B) en que o significa: scaris o lamblias o ambos. Equivale a decir que P(A o B) es la probabilidad de que ocurra por lo menos uno de los hechos A o B Si lo comparamos con las probabilidades simples originales, vemos que P(AB) difiere de P(A) en que en el numerador se ha restado a los 22 casos con scaris los 10 que adems tenan lamblias. A su vez P(AB), difiere de P(B) en que en el numerador a los 92 casos con lamblias se les ha restado los 10 casos que adems tenan scaris.
Luego: P(A o B) = P(AB)+ P(AB) +P(AB) = [P(A)- P(AB)] + [P(B)- P(AB)] + P(AB) P(A o B) = P(A) + P(B) P(AB) Este es el teorema de adicin de probabilidades: la probabilidad de que ocurra por lo menos uno de los hechos A o B es la suma de las probabilidades simples de ocurrencia de cada uno de ellos, menos la probabilidad de que ambos ocurran simultneamente. Para nuestro ejemplo: P(A o B) = 22/200+ 92/200 10/200= 0,52 Grficamente lo representamos de la siguiente forma: AB AB AB AB A B Hechos mutuamente excluyentes Es posible que dos hechos sean mutuamente excluyentes En tal caso P(AB)= 0 Entonces:
P(A o B) = P(A) + P(B), si A y B son mutuamente excluyentes. Grficamente: A B Por ejemplo:
En determinado ao se notificaron 28543 casos de sarampin en Chile, de los cuales 13768 ocurrieron en Santiago, 2709 en Valparaso y 2186 en Concepcin. Estos eventos son mutuamente excluyentes. La probabilidad de que un caso haya ocurrido en Santiago, Valparaso o Concepcin es:
13768/ 28543 + 2709/ 28543 + 2186/ 28543 = 18663/ 28543 = 0,65 Teorema de composicin de probabilidades Probabilidad compuesta o conjunta: la probabilidad de que dos o ms hechos ocurran simultneamente. En nuestro ejemplo sera la probabilidad de que un nio tuviera al mismo tiempo scaris y lamblias; esto es: P(AB) Probabilidad condicional: es la probabilidad de que ocurra un hecho cuando se establece como condicin que haya ocurrido otro hecho. En smbolo es: P(A|B); probabilidad de que ocurra A habiendo ocurrido B En nuestro ejemplo P(A|B) sera la probabilidad de encontrar un nio infestado con scaris en circunstancias de haberse comprobado que portaba lamblias. El espacio muestral se reduce entonces a 92 nios infestados por lamblias y los casos favorables son los 10 nios que adicionalmente tienen scaris. P(A|B) = 10/92 = 0,1087; o sea, 10,87% Dividiendo el numerador y denominador del trmino derecho por n tenemos: P(A|B) = 10/200 = P(AB) 92/200 P(B)
Luego:
P(AB) = P(B) x P(A|B) = 92/200 x 10/92 = 0,05 Este resultado es igual al que se obtuvo anteriormente: 10/200 = 0,05 Este es el teorema de multiplicacin de probabilidades o probabilidad compuesta o conjunta. Habramos llegado al mismo resultado aplicando este teorema desde el punto de vista de la probabilidad condicional de tener lamblias cuando se comprueba la existencia de scaris: P(AB) = P(A) x P(B|A) = 22/200 x 10/200 = 0,05; o sea, 5% HASTA AQU POR HOY?? Hechos independientes Dos o ms hechos son independientes, cuando la ocurrencia de uno de ellos no afecta la probabilidad de ocurrencia de el o los otros. En tal caso: P(A|B) = P(A) y P(B|A) = P(B) Con lo cual, el teorema de composicin de probabilidad se transforma: P(AB) = P(A) x P(B), si A y B son independientes . Los hechos independientes jams pueden ser mutuamente excluyentes. Siendo P(A)>0 y P(B)>0, su producto nunca podr ser 0. Comparemos cuando dos hechos son independientes y cuando no lo son: Ejemplo: en una escuela se examina a 1500 alumnos para conocer su estado nutricional segn sexo. Se define: A= hombre B= desnutricin A= mujer B= ausencia de desnutricin Si el resultado es: Son A y B independientes? Sexo N alumnos Desnutridos (B) Nmero % Hombres (A) 1000 100 10,0 Mujeres (A) 500 50 10,0 Total 1500 150 10,0 P(B|A) = 100/1000= 0,10 P(B) = 150/1500 = 0,10 Luego A y B son independientes. La probabilidad de que un nio elegido al azar de esta escuela sea hombre y desnutrido ser por lo tanto: P(AB) = P(A) x P(B) = (1000/1500) x (150/1500) = 0,067 Si, en cambio, el resultado hubiera sido el siguiente:
Sexo N alumnos Desnutridos (B) Nmero % Hombres (A) 1000 50 5 Mujeres (A) 500 50 10 Total 1500 100 6,7 En este caso: P(B|A) = 50/1000 = 0,05 P(B) = 100/1500 = 0,067 Luego A y B no son independientes, es decir, la desnutricin depende del sexo. La probabilidad de que un nio elegido sea hombre y desnutrido ser entonces: P(AB) = P(A) x P(B|A) = (1000/1500) x (50/1000) = 0,033
Es errneo en cambio: P(AB) = P(A) x P(B) = (1000/1500) x (100/1500) = 0,044
En realidad, sabemos que la situacin conjunta de ser hombre y desnutrido ocurre slo en 50 nios de un total de 1500, y su probabilidad es 50/1500 = 0,033 Teorema de Bayes Supongamos que en una investigacin sobre peso al nacer se midi la altura uterina a las 30 semanas de embarazo de 1393 embarazadas. De ellas, 503 tenan altura inferior a la normal. Cuando nacieron los nios, se encontr que 415 tenan peso al nacer bajo lo normal. Los resultados fueron los siguientes: Altura del tero Total embarazadas Nios con bajo peso (B) Bajo lo normal (A) 503 301 Normal (A) 890 114 Total 1393 415 La probabilidad de que en este grupo una embarazada tenga altura uterina inferior a lo normal es: P(A) = 503/1393 = 0,361 y la probabilidad de tener altura normal es: P(A) = 890/1393 = 0,639 Dado que A y A son mutuamente excluyentes P(A o B) = P(A) + P(B) = 0,361+0,639 = 1 El hecho que las probabilidades suman 1, significa que ambos sucesos son exhaustivos, vale decir, no hay otros procesos posibles. Fijando la atencin en el nio, la probabilidad de que nazca con peso normal, siendo stos los nicos dos sucesos posibles, es: P(B) = 1-P(B) = 1-0,298 = 0,702 Las probabilidades condicionales de nacer con bajo peso dados los dos posibles tipos de altura uterina de sus madres, son: P(B|A) = 301/503 = 0,598 P(B|A) = 114/890 = 0,128 Por otra parte, la probabilidad de nacer con bajo peso puede expresarse como la unin de los sucesos P(A B) y P(AB) P(B) = P(AB) +P(AB) = P(A) P(B|A) + P(A) P(B|A) = (0,361) (0,598) + (0,6398) (0,128) = 0,216 + 0,082 = 0,298 Se ve que se llega al mismo resultado obtenido directamente ms arriba. Supongamos ahora que en vez de querer conocer la probabilidad de que un nio sea de bajo peso dado que su madre tiene una altura uterina bajo lo normal, quisiramos calcular la probabilidad de que la madre tenga altura uterina baja, dado que el nio es de bajo peso; es decir: P(A|B). Por el teorema de composicin de probabilidades vimos que P(AB) puede escribirse indiferentemente como: P(AB) = P(A) P(A|B), o como P(AB) = P(B) P(A|B) Por lo que P(A|B) = P(AB)/P(B) Sustituyendo el numerador por la primera forma de expresin y el denominador por la suma de las probabilidades P(AB) + P(AB), tenemos que: P(A|B) = P(A) P(B|A) P(A) P(B|A) + P(A) P(B|A) Esta forma de expresin se conoce como Teorema de Bayes. Sustituyendo los trminos por sus valores numricos tenemos: P(A|B) = (0,361) (0,598) = 0,725 (0,361) (0,598) + (0,639) (0,128 Que es el mismo valor que se obtendra directamente como P(A|B) = 301/415 = 0,725 El teorema de bayes puede aplicarse a ms de dos sucesos muturamente excluyentes, siempre que sean exhaustivos de todas las situaciones posibles, es decir que P(A 1 o A 2 o A n ) = P(A 1 ) + P(A 2 ) + + P(A n ) = 1 En tal caso: P(A i |B) = P(A i ) P(B|A i ) P(A 1 ) P(B|A 1 ) + P(A 2 ) P(B|A 2 ) + + P(A n ) P(B|A n )