Bioestad stica
This presentation is the property of its rightful owner.
Sponsored Links
1 / 27

Bioestadística PowerPoint PPT Presentation


  • 81 Views
  • Uploaded on
  • Presentation posted in: General

Bioestadística. Tema 3: Probabilidad. SUCESOS DETERMINISTAS Y ALEATORIOS. Cuando realizamos un experimento, diremos que es: Determinista : dadas unas condiciones iniciales, el resultado es siempre el mismo.

Download Presentation

Bioestadística

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Bioestad stica

Bioestadística

Tema 3: Probabilidad


Bioestad stica

SUCESOS DETERMINISTAS Y ALEATORIOS

Cuando realizamos un experimento, diremos que es:

  • Determinista: dadas unas condiciones iniciales, el resultado es siempre el mismo.

  • Aleatorio: dadas unas condiciones iniciales, conocemos el conjunto de resultados posibles, pero NO el resultado final.


Concepci n cl sica de la probabilidad

CONCEPCIÓN CLÁSICA DE LA PROBABILIDAD

  • Un experimento que está sujeto al azar con n posibles resultados equiprobables y mutuamente excluyentes y nA es la cantidad de sucesos que presentan la característica A entonces la probabilidad de que suceda A es:

    P(A) = nA/n

  • Ejemplos:

    • Con una baraja española, al sacar una carta ¿cuál es la probabilidad de sacar un número menor o igual que 3?

      12/40=3/10

    • Al lanzar un dado perfectamente equilibrado, ¿cuál es la probabilidad de sacar un número impar?

      3/6=1/2

      ¿Qué hacemos si los sucesos no son equiprobables?


Concepci n frecuentista de la probabilidad

CONCEPCIÓN FRECUENTISTA DE LA PROBABILIDAD

La probabilidad de un suceso es la frecuencia relativa de veces

que ocurriría el suceso al realizar un experimento repetidas veces.

  • P(Normal)=0,469

  • P(Osteopenia)=0,467

  • P(Osteoporosis)=0,064

¿Y si el experimento no puede repetirse “demasiadas” veces?

  • Control de calidad (tipo destructivo)

  • Eventos poco frecuentes (asegurar unos juegos alímpicos)


Concepci n subjetiva de la probabilidad

CONCEPCIÓN SUBJETIVA DE LA PROBABILIDAD

  • Subjetiva: Grado de certeza que se posee sobre un suceso. Es personal y se puede formular, por ejemplo, en términos de apuestas:

Ejemplo: Dos individuos apuestan 5 euros por el equipo A y 12 euros por el equipo B, respectivamente, entonces

  • La probabilidad de que gane A es 5/(5+12)

  • La probabilidad de que gane B es 12/(5+12)

En todas las definiciones nos referimos a sucesos.

Recordemos qué son y qué las operaciones típicas.


Sucesos

E espacio muestral

E espacio muestral

E espacio muestral

E espacio muestral

E espacio muestral

A

A’

A

A

A

B

B

B

Sucesos

  • Suceso es cada posibles resultados de un experimento aleatorio

  • El conjunto de todos los resultados posibles es el espacio muestral (E)

  • Se llama suceso a un subconjunto del espacio muestral

  • Dado un suceso A, el suceso contrario (complementario), A’ (ó AC), es el formado por los elementos que no están en A

  • Se llama suceso unión de A y B, AUB, al formado por los resultados experimentales que están en A o en B (incluyendo los que están en ambos.

  • Se llama suceso intersección de A y B, A∩B (o simplemente AB), al formado por los elementos que están en A y B

UNIÓN

INTERS.


Bioestad stica

Ejemplo 1: En el experimento aleatorio “lanzar un dado” el espacio muestral es

{1,2,3,4,5,6}

Algunos eventos:

  • Sacar un número impar: A={1,3,5}

  • Sacar un número primo: B={1,2,3,5}

  • Sacar un número que no sea impar: A’={2,4,6}

  • Sacar un número primo no impar: B ∩ A’={2}


Bioestad stica

Ejemplo 2: En el experimento aleatorio “lanzar una moneda y un dado” el espacio muestral es

{{1,C}, {1,X}, {2,C}, {2,X}, {3,C}, {3,X},

{4,C}, {4,X}, {5,C}, {5,X}, {6,C}, {6,X}}

Algunos eventos:

  • Sacar cruz y un número par: A={{2,X}, {4,X}, {6,X}}

  • Sacar cara B={{1,C}, {2,C}, {3,C}, {4,C}, {5,C}, {6,C}}

  • Sacar un número par

    D={{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X}}

  • Sacar cara o un número par

    B U C= {{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X},{1,C}, {3,C}, {5,C}}

  • Sacar cara y un número par

    B ∩ C= {{2,C}, {4,C}, {6,C}}


Definici n axiom tica de probabilidad

E espacio muestral

E espacio muestral

100%

A

Definición axiomática de probabilidad

  • Se llama probabilidad a cualquier función P que asigna a cada suceso A un valor numérico P(A) y que verifica las siguientes reglas (axiomas)

    • P(E)=1 (E es el evento seguro)

    • 0≤P(A) ≤1

    • P(AUB)=P(A)+P(B) si A∩B=Ø

      • Ø es el conjunto vacío.

  • Podéis imaginar la probabilidad de un subconjunto como el tamaño relativo con respecto al total (suceso seguro)

B


Probabilidad condicionada

Probabilidad condicionada

  • Se llama probabilidad de A condicionada a B, o probabilidad de A suponiendo que ha sucedido B:

E espacio muestral

Concepción clásica:

¿casos

posibles?

¿casos

favorables?

A

“tamaño” de uno respecto al otro

B

  • Error frecuentíiiiiiisimo:

    • No confundáis probabilidad condicionada con intersección.

    • En ambos medimos efectivamente la intersección, pero…

      • En P(A∩B) con respecto a P(E)=1

      • En P(A|B) con respecto a P(B)


Intuir la probabilidad condicionada

A

A

B

B

Intuir la probabilidad condicionada

P(A) = 0,25

P(B) = 0,10

P(A∩B) = 0,10

P(A) = 0,25

P(B) = 0,10

P(A∩B) = 0,08

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=0,8

P(A|B)=1


Intuir la probabilidad condicionada1

A

A

B

B

Intuir la probabilidad condicionada

P(A) = 0,25

P(B) = 0,10

P(A∩B) = 0,005

P(A) = 0,25

P(B) = 0,10

P(A∩B) = 0

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=0

P(A|B)=0,05


Bioestad stica

  • Los problema de probabilidad pueden resolverse a partir de los axiomas, pero es más cómodo si usas algunas reglas de cálculo:

    • P(A’) = 1 - P(A)

    • P(E)=1, P(Ø)=0

    • P(AUB) = P(A) + P(B) - P(A ∩ B)

      (Generaliza esta expresión para 3 o más (n) eventos. Utiliza una notación adecuada)

    • P(A ∩ B) = P(A) P(B|A) = P(B) P(A|B)

    • P(A∩B∩C)= P(A) P(B|A) P(C|A∩B)

      (Esta es la regla de la multiplicación. Generaliza esta expresión para 4 o más (n) eventos Utiliza una notación adecuada)


Bioestad stica

  • Ejemplo: considerar el siguiente sistema de filtros junto con la probabilidad de que cada el filtro funcione correctamente.Calcular la probabilidad de que el sistema filtre correctamente:

P(A)=0,9

P(B)=0,8

P(C)=0,7

P(A U (B∩C)) = P(A)+P(B∩C)-P(A∩B∩C)=P(A)+P(B)P(C)-P(A)P(B)P(C)

= 0,9 + 0,8 x 0,7 - 0,9 x 0,8 x 0,7 = 0,956

  • Ejemplo: Tenemos en un cajón dos tipos de analgésicos: 20 de tipo A

    y 10 de tipo B. Si cogemos tres analgésicos al azar

    ¿cuál es la probabilidad de los tres sean de tipo A?

    Llamamos Ai = el i-ésimo analgésico extraído es de tipo A.

  • P(A1∩A2∩A3)= P(A1)P(A2|A1)P(A3|A1∩A2) = (20/30)(19/29)(18/28)=0,28079


Independencia de sucesos

Independencia de sucesos

  • Dos sucesos son independientes si el que ocurra uno no añade información sobre el otro.

    • Aes independiente deB P(A|B) = P(A) P(A ∩ B) = P(A) P(B)


Ejemplo i

Ejemplo (I)

  • Se ha repetido en 1000 ocasiones el experimento de elegir a una mujer de una población muy grande. El resultado está en la tabla.

    • ¿Cuál es la probabilidad de que una mujer tenga osteoporosis?

      • P(Osteoporosis)=64/1000=0,064=6,4%

        • Coincide con la noción frecuentista de probabilidad

        • P(osteoporosis)=P(osteoporosis y menopausia)+P(osteoporosis y No menopausia)

        • Es la probabilidad marginal (de la ostporosis. respecto de la menopausia) óprobabilidad total.


Ejemplo ii

Ejemplo (II)

  • ¿Probabilidad de tener osteopenia u osteoporosis?

    • P(OsteopeniaUOsteoporosis)=467/1000+64/1000=0,531

      • Son sucesos disjuntos

      • Osteopenia ∩ Osteoporosis=Ø

  • ¿Probabilidad de tener osteoporosis o menopausia?

    • P(OsteoporosisUMenopausia)=64/1000+697/1000-58/1000=0,703

      • No son sucesos disjuntos

  • ¿Probabilidad de una mujer sin osteoporosis o menopausia?

    • P(Normal)=469/1000=0,469

    • P(Normal)=1-P(Normal’)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469


Ejemplo iii

Ejemplo (III)

  • Si es menopáusica… ¿probabilidad de osteoporosis?

    • P(Osteoporosis|Menopausia)=58/697=0,098

  • ¿Probabilidad de menopausia y osteoporosis?

    • P(Menop ∩ Osteoporosis) = 58/1000=0,058

      • Otra forma:


Ejemplo iv

Ejemplo (IV)

  • ¿Son independientes menopausia y osteoporosis?

    • Una forma de hacerlo

      • P(Osteoporosis)=64/1000=0,064

      • P(Osteoporosis|Menopausia)=58/697=0,098

        • La probabilidad de tener osteoporosis es mayor si ha pasado la menopausia. Añade información extra. ¡No son independientes!

    • ¿Otra forma?

      • P(Menop ∩ Osteoporosis) = 58/1000 = 0,058

      • P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045

        • La probabilidad de la intersección no es el producto de probabilidades. No son independientes.


Partici n disjunta del espacio muestral

A1

A2

Sucesoseguro

A3

A4

Partición disjunta del espacio muestral

Es una colección de sucesos

A1, A2, A3,A4…

tal que la unión de todos ellos forman el espacio muestral, y sus intersecciones

son disjuntas.

¿Recordáis cómo formar intervalos en tablas de frecuencias?

A2

A1

A3

A4


Divide y vencer s

B

B

A1

B

A2

Sucesoseguro

A3

B

A4

B

Divide y vencerás

Todo suceso B, puede ser descompuesto en sus componentes respecto de la partición disjunta

A2

A1

B = (B∩A1) U (B∩A2) U ( B∩A3) U ( B∩A4)

A3

A4

Descomponemos el problema B en subproblemas más simples.


Teorema de la probabilidad total

B

B

A1

B

A2

Sucesoseguro

A3

B

A4

B

Teorema de la probabilidad total

Si conocemos la probabilidad de B en cada una de las componentes de una partición disjunta del espacio muestral, entonces…

… podemos calcular la probabilidad de B.

A2

A1

P(B|A1)

P(A1)

P(B|A2)

P(A2)

A3

A4

P(B|A3)

P(A3)

P(A4)

P(B|A4)

P(B) = P(B∩A1) + P(B∩A2) + P(B∩A3) + P( B∩A4)

= P(A1)P(B|A1) + P(A2)P(B|A2)+ P(A3) P(B|A3) + P(A4) P(B|A4)


Bioestad stica

Ejemplo (I): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los hombres, son fumadores el 20%.

  • ¿Qué porcentaje de fumadores hay?

    • P(F) = P(M∩F) + P(H∩F) = P(M)P(F|M) + P(H)P(F|H)=0,7 x 0,1 + 0,3 x 0,2

      = 0,13 =13%

Prob. Total. Hombres y mujeres forman una partición disjunta

Mujer

Fuma

Fuman

Hombre

0,1

Mujer

0,9

No fuma

0,7

Estudiante

Fuma

0,2

0,3

Hombre

0,8

No fuma

  • Los caminos a través de nodos representan intersecciones.

  • Las bifurcaciones representan uniones disjuntas.


Teorema de bayes

B

Teorema de Bayes

Si conocemos la probabilidad de B en cada una de las componentes de una partición disjunta del espacio muestral, entonces…

…si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai.

A2

A1

A3

A4

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B) = P(B∩A1) + P(B∩A2) + P( B∩A3) + ( B∩A4)

= = P(A1)P(B|A1) + P(A2)P(B|A2)+ P(A3) P(B|A3) + P(A4) P(B|A4)


Bioestad stica

Ejemplo (II): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los varones, son fumadores el 20%.

  • Se elije a un individuo al azar y es… fumador¿Probabilidad de que sea un hombre?

Mujer

Fuman

Fuma

Hombre

0,1

Mujer

0,7

0,9

No fuma

Estudiante

Fuma

0,2

0,3

Hombre

0,8

No fuma


Qu hemos visto

¿Qué hemos visto?

  • Álgebra de sucesos

    • Unión, intersección, complemento

  • Probabilidad

    • Definiciones

      • Clásica

      • Frecuentista

      • Subjetiva

      • Axiomática.

    • Probabilidad condicionada

    • Reglas de cálculo

      • Complementario, Unión, Intersección

    • Independencia de sucesos

    • Particiones disjuntas del espacio muestral

      • Teorema probabilidad total.

      • Teorema de Bayes


Bioestad stica

  • http://www.bioestadistica.uma.es/baron/apuntes/ficheros/estad_uma_04.ppt

  • http://halweb.uc3m.es/esp/Personal/personas/icascos/esp/presentacion_probabilidad.pdf


  • Login