SlideShare una empresa de Scribd logo
1 de 29
Descargar para leer sin conexión
Unidad 5. Probabilidad
5.1. Conceptos
5.2. Propiedades elementales de la probabilidad
5.3. Calculo de la propiedad de un evento
5.4. Curva normal
La probabilidad mide la frecuencia con la que aparece un resultado
determinado cuando se realiza un experimento.
Es una herramienta matemática que ayuda a cuantificar la incertidumbre.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro
de un conjunto posible de soluciones, y esto aún realizando el experimento en las mismas condiciones. Por
lo tanto,a priori no se conoce cual de los resultados se va a presentar.
Ejemplos: lanzamos una moneda al aire: el resultado puede ser cara o cruz, pero no sabemos de
antemano cual de ellos va a salir.
Ejemplo: en lugar de tirar la moneda al aire, directamente seleccionamos la cara. Aquí no
podemos hablar de probabilidades, sino que ha sido un resultado determinado por uno mismo.
Espacio muestral.
Es el conjunto de todos los resultados posibles de un experimento
1.Al lanzar una moneda
A. Águila
S. Sol
2.Al lanzar un dado al aire
¿ Qué cara quedará arriba cuando caiga al suelo?
3. Lanzar dos monedas de manera consecutiva
Evento Simple.
Es un subconjuntodel espacio muestral. Además no depende de otro
sucesoy se identifica con la letra mayúscula
A B X
Ejemplo: Lanzar un dado
A= Caiga par
X= Sea mayor que 4
A
X
M = Caiga primero «águila» M= {(A,A), (A,S)}
A= Caiga el mismo lado A= {(A,A), (S,S)}
Lanzar dos monedas
Evento compuesto.
Se forma con 2 o más eventos simples
A sabiendoque sucede B (A B)
A ó B (A B)
A y B (A B)
Ejemplo 1: una mujer portadora de hemofiliatiene 3 hijos¿Cuál es el espacio muestral
apropiado para estudiar la posiblehemofilia de estos?
Opción a: Cada hijopuede padecer hemofilia (s) o no (n), por tanto
E1={sss,ssn,sns,nss, snn, nsn,nns, nnn}
Donde, por ejemplo,'sns' significa el primero y el tercero la padecen y el segundo no. Hay que
asegurarse que no se olvida ninguno.
En este espacio muestral,el suceso "dos hijospadecen hemofilia"se representa como
A={ssn,sns, nss}
y el suceso "los dos primeros no la padecen" como
B={nns, nnn}
Opción b: Pueden padecer hemofilia los tres hijos(3), dos (2),...
E2={3, 2, 1, 0}
En este espacio muestral,el suceso "dos hijospadecen hemofilia"esA={2} y el suceso "los dos
primeros no la padecen" no se puede representar porque en el espacio muestral no está
contemplado el orden.
5.2 Propiedades elementalesde la probabilidad
Tres son las propiedades:
1. Mutuamente excluyentes.
2. Exhaustividad
3. La probabilidadde la ocurrencia de es igual a la suma de sus probabilidadesindividuales
Ejemplo 2:
Un 15% de los pacientes atendidos en un hospital
son hipertensos,un 10% son obesos y un 3% son
hipertensos y obesos.¿Qué probabilidad hay de que
elegido un paciente al azar sea obeso o hipertenso?
A = {obeso} B = {hipertenso}
A B = {hipertenso y obeso}
A B = {obeso o hipertenso}
p(A) = 0,10;p(B) = 0,15; p(A Ç B) = 0,03
p(A B) = 0,10 + 0,15 - 0,03 = 0,22
Ejemplo 2:
Un 15% de los pacientes atendidos en un hospital
son hipertensos,un 10% son obesos y un 3% son
hipertensos y obesos.¿Qué probabilidad hay de que
elegido un paciente al azar sea obeso o hipertenso?
A = {obeso} B = {hipertenso}
A B = {hipertenso y obeso}
A B = {obeso o hipertenso}
p(A) = 0,10;p(B) = 0,15; p(A Ç B) = 0,03
p(A B) = 0,10 + 0,15 - 0,03 = 0,22
Ejemplo 2:
Un 15% de los pacientes atendidos en un hospital
son hipertensos,un 10% son obesos y un 3% son
hipertensos y obesos.¿Qué probabilidad hay de que
elegido un paciente al azar sea obeso o hipertenso?
A = {obeso} B = {hipertenso}
A B = {hipertenso y obeso}
A B = {obeso o hipertenso}
p(A) = 0,10;p(B) = 0,15; p(A B) = 0,03
p(A B) = 0,10 + 0,15 - 0,03 = 0,22
5.3. Calculo de la propiedad de un evento
SENSIBILIDAD es la certeza con la cual una prueba
identifica a personas con una enfermedad, es decir identifica
a losVERDADEROS POSITIVOS.
ESPECIFICIDAD es la certeza con la cual una prueba
identifica a personas sin la enfermedad, es decir aquellos
quienes son losVERDADEROS NEGATIVOS.
Ejemplo para ilustrar diferentesgrados de sensibilidady especificidadde las pruebas de diagnóstico.
Supongamos que tenemos un grupo de 10 personas de las cuales sólo 3 presentantrombosis venosa,a
todos ellos se les aplican diferentes pruebas diagnósticaspara conocer quienestienen la enfermedad:
Al aplicar la primera prueba se obtuvo que las tres personas portadoras de trombosis son positivasal
test y las siete no portadoras son negativas:
entonces tendremos
un test con una
sensibilidad y
especificidad
alta para el
diagnóstico de
trombosis venosa
En la segunda prueba se detecta a las 3 personas con trombosis venosay además a tres de las personas
saludablesse les asigna falsamente como portadoras de trombosis venosa,
entonces tendremos un
test de sensibilidad
alta pues detecta a
todos los verdaderos
positivos pero con una
especificidad
reducida ya que no es
capaz de discernir
adecuadamente los
verdaderos negativos.
En una tercera prueba se detecta a sólo uno de los tres casos de trombosis venosa tendría una
sensibilidad reducida pues sólo captó pocos verdaderos positivos y una especificidad alta ya
que detectó a todos los verdaderos negativos:
En la cuarta prueba empleada se identifica a sólo uno de los tres casos de trombosis y
también lo hace, de manera incorrecta, con tres de los sujetos sanos, la prueba tiene
sensibilidad reducida al captar sólo un verdadero positivo y también tiene
especificidad reducida al identificar pocos verdaderos negativos:
se cuantifica esto empleando una tabla 2x2 para ejemplificar los resultadosque podemos
obtener ante una prueba diagnóstica:
a: sujetos realmente enfermos cuya prueba fue positiva
b: sujetos sanos a los que la prueba detectó falsamente como positivos
c: sujetosenfermos a los que la prueba dio falsamente como negativos
d: sujetos sanos a los que la prueba detectó como negativos
Los casos expresados en los cuadrantes a y d serían los ideales con un test perfecto, no obstante en las pruebas
diagnósticas existe una posibilidad de fallo (falsos positivos o falsos negativos) expresados en los cuadrantes c y b.
De allí la importancia de conocer previamente nuestra capacidad de detectar verdaderos positivos (sensibilidad) y
verdaderos negativos (especificidad) a modo de entender cuáles son las condiciones previamente conocidas bajo la
cual se acepta o se duda del resultado de una prueba.
De manera cuantitativa la sensibilidad la podemos
expresar como la proporción de verdaderos positivos
(a) identificados por la prueba del total de enfermos
(a+c):
La especificidad representa la proporción de
verdaderos negativos identificados por la prueba del
total de sanos:
En el siguiente ejemplo (2), se ha desarrollado una prueba de laboratorio nueva que mide la
concentración de una enzima particular en la sangre y queremos evaluar su valor en el diagnóstico de
un cáncer en particular. Esta prueba nueva se aplicó a 360 pacientes hospitalizados y los resultados se
compararon con los de un examen anatomo‐patológico. Las concentraciones sanguíneas ≥ 40 VI se
consideraron como valores positivos.Los resultados se muestran en la siguientetabla:
Para la prueba de laboratorio nueva se puede calcular lo siguiente:
Sensibilidad=190/190= 100%
Especificidad=90/170= 53%
La probabilidadp de un suceso está comprendida entre 0 y 1 (0 <= p <= 1), en donde:
p = 0 es la probabilidad del suceso imposible.
p = 1 es la probabilidad del suceso seguro.
La distribución normal de probabilidad, distribución de Gauss o campana de Gauss es una
distribución estadística continua de probabilidad. Se sabe que las características físicas,
psicológicas y sociales de una población, además de otros fenómenos, (inteligencia, peso, belleza,
longevidad,etc.),siguen más o menos la distribución normal de probabilidad.
Por ejemplo, si la estatura se representa en el eje X, entonces se ve que la mayoría de la gente
tiene una estatura normal, situada en el centro de la gráfica, mientras que una minoría de gente
es muy alta y otra minoría muy baja, saliéndose de lo normal, según lo mostrado en la gráfica
en los extremos izquierdo y derecho. Otro ejemplo es la inteligencia: La mayoría de la gente es
de inteligencia normal, mientras que una minoría es muy inteligente y otra es muy poco
inteligente. O la longevidad: La mayoría de la gente tiene una esperanza de vida normal,
mientras que unos pocos mueren demasiado pronto o llegan a centenarios.
Formula para calcular probabilidad de un valor en la curva normal
Z=Variable normal estandarizada
X=Valor
= Desviaciónestándar poblacional
µ= Media poblacional
Ejercicio del libro,
pagina 77, capituloVI
ejemplo, el siguiente problema: supongamos que se
sabe que el peso de los sujetos de una determinada
población sigue una distribuciónaproximadamente
normal, con una media de 80 Kg y una desviación
estándar de 10 Kg. ¿Podremos saber cuál es la
probabilidad de que una persona, elegida al azar, tenga
un peso superior a 100 Kg?
Regla empírica
1. Aproximadamente 68% de la observacionescae dentro de ± 1
2. Aproximadamente 95% de la observacionescae dentro de ± 2
3. Aproximadamente 99% de la observacionescae dentro de ± 3

Más contenido relacionado

La actualidad más candente

Coeficiente de correlacion de pearson
Coeficiente de correlacion de pearsonCoeficiente de correlacion de pearson
Coeficiente de correlacion de pearson
luis gonzalez
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
Hector Funes
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
Ana kristell
 
Cálculo del tamaño de la muestra
Cálculo del tamaño de la muestraCálculo del tamaño de la muestra
Cálculo del tamaño de la muestra
Chentini2003
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
VicNoee
 
Distribucion Binomial
Distribucion BinomialDistribucion Binomial
Distribucion Binomial
Fred Lucena
 
Presentacion t student
Presentacion t studentPresentacion t student
Presentacion t student
pilosofando
 
Estadistica y probabilidades cap vii
Estadistica y probabilidades cap viiEstadistica y probabilidades cap vii
Estadistica y probabilidades cap vii
Manuel Chavez Leandro
 
Relación entre pruebas de hipótesis e intervalos de confianza
Relación entre pruebas de hipótesis e intervalos de confianzaRelación entre pruebas de hipótesis e intervalos de confianza
Relación entre pruebas de hipótesis e intervalos de confianza
mayracuevaslopez
 

La actualidad más candente (20)

Coeficiente de correlacion de pearson
Coeficiente de correlacion de pearsonCoeficiente de correlacion de pearson
Coeficiente de correlacion de pearson
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
 
Simetria y curtosis
Simetria y curtosisSimetria y curtosis
Simetria y curtosis
 
Binomial Probability Distributions
Binomial Probability DistributionsBinomial Probability Distributions
Binomial Probability Distributions
 
Correlacion de pearson
Correlacion de pearsonCorrelacion de pearson
Correlacion de pearson
 
Regresión Lineal
Regresión LinealRegresión Lineal
Regresión Lineal
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
 
Probabilidad, tipos de probabilidad estadistica
Probabilidad, tipos de probabilidad estadisticaProbabilidad, tipos de probabilidad estadistica
Probabilidad, tipos de probabilidad estadistica
 
Cálculo del tamaño de la muestra
Cálculo del tamaño de la muestraCálculo del tamaño de la muestra
Cálculo del tamaño de la muestra
 
estimacion de confianza por intervalos
estimacion de confianza por intervalosestimacion de confianza por intervalos
estimacion de confianza por intervalos
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Distribucion Binomial
Distribucion BinomialDistribucion Binomial
Distribucion Binomial
 
Desviación estándar (ds)
Desviación estándar (ds)Desviación estándar (ds)
Desviación estándar (ds)
 
Unidad 7 Contraste de hipótesis
Unidad 7 Contraste de hipótesisUnidad 7 Contraste de hipótesis
Unidad 7 Contraste de hipótesis
 
Presentacion t student
Presentacion t studentPresentacion t student
Presentacion t student
 
U de Mann-Whitney
U de Mann-WhitneyU de Mann-Whitney
U de Mann-Whitney
 
Estadistica y probabilidades cap vii
Estadistica y probabilidades cap viiEstadistica y probabilidades cap vii
Estadistica y probabilidades cap vii
 
The Standard Normal Distribution
The Standard Normal DistributionThe Standard Normal Distribution
The Standard Normal Distribution
 
Relación entre pruebas de hipótesis e intervalos de confianza
Relación entre pruebas de hipótesis e intervalos de confianzaRelación entre pruebas de hipótesis e intervalos de confianza
Relación entre pruebas de hipótesis e intervalos de confianza
 
Presentación Distribución de Probabilidad
Presentación Distribución de ProbabilidadPresentación Distribución de Probabilidad
Presentación Distribución de Probabilidad
 

Destacado

Da Owada
Da OwadaDa Owada
Da Owada
medism
 
Probabilidad - Oscar Díaz
Probabilidad - Oscar DíazProbabilidad - Oscar Díaz
Probabilidad - Oscar Díaz
Oscar Ron
 
Hablan los jefes
Hablan los jefesHablan los jefes
Hablan los jefes
JorgeZero
 
Desarrollo de las Competencias básicas en matemáticas ccesa007
Desarrollo de las Competencias básicas en matemáticas ccesa007Desarrollo de las Competencias básicas en matemáticas ccesa007
Desarrollo de las Competencias básicas en matemáticas ccesa007
Demetrio Ccesa Rayme
 
Introduccion probabilidad inferencia estadística
Introduccion probabilidad inferencia estadísticaIntroduccion probabilidad inferencia estadística
Introduccion probabilidad inferencia estadística
marlene Guerrero
 

Destacado (20)

Odonto. 9na muestreo y tamaño de muestra
Odonto. 9na muestreo  y tamaño de muestraOdonto. 9na muestreo  y tamaño de muestra
Odonto. 9na muestreo y tamaño de muestra
 
Da Owada
Da OwadaDa Owada
Da Owada
 
Unidad1
Unidad1Unidad1
Unidad1
 
Probabilidad - Oscar Díaz
Probabilidad - Oscar DíazProbabilidad - Oscar Díaz
Probabilidad - Oscar Díaz
 
Descubriendo la probabilidad hato corozal
Descubriendo la probabilidad hato corozalDescubriendo la probabilidad hato corozal
Descubriendo la probabilidad hato corozal
 
Azar y probabilidad
Azar y probabilidadAzar y probabilidad
Azar y probabilidad
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Hablan los jefes
Hablan los jefesHablan los jefes
Hablan los jefes
 
Psico 13ava. probabilidades y distribución binomial
Psico 13ava. probabilidades y distribución binomialPsico 13ava. probabilidades y distribución binomial
Psico 13ava. probabilidades y distribución binomial
 
Desarrollo de las Competencias básicas en matemáticas ccesa007
Desarrollo de las Competencias básicas en matemáticas ccesa007Desarrollo de las Competencias básicas en matemáticas ccesa007
Desarrollo de las Competencias básicas en matemáticas ccesa007
 
Teoria de la probabilidad
Teoria de la probabilidadTeoria de la probabilidad
Teoria de la probabilidad
 
Introduccion probabilidad inferencia estadística
Introduccion probabilidad inferencia estadísticaIntroduccion probabilidad inferencia estadística
Introduccion probabilidad inferencia estadística
 
Probabilidad Antecedentes
Probabilidad AntecedentesProbabilidad Antecedentes
Probabilidad Antecedentes
 
Probabilidad y azar
Probabilidad y azarProbabilidad y azar
Probabilidad y azar
 
Libro digital probabilidad
Libro digital probabilidadLibro digital probabilidad
Libro digital probabilidad
 
Conceptos de probabilidad
Conceptos de probabilidadConceptos de probabilidad
Conceptos de probabilidad
 
Matemáticas Básicas: Funciones
Matemáticas Básicas: FuncionesMatemáticas Básicas: Funciones
Matemáticas Básicas: Funciones
 
Estadistica probabilidad
Estadistica probabilidadEstadistica probabilidad
Estadistica probabilidad
 
Tema 3 probabilidad
Tema 3 probabilidadTema 3 probabilidad
Tema 3 probabilidad
 
Clase 6
Clase 6Clase 6
Clase 6
 

Similar a Probabilidad

Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
edeannis
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
edeannis
 
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppttema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
MaryurisParra2
 
Actividades del seminario nº 7
Actividades del seminario nº 7Actividades del seminario nº 7
Actividades del seminario nº 7
Andreea Galleta
 
Pdf probabilidad
Pdf probabilidadPdf probabilidad
Pdf probabilidad
antonelab
 
unidad 2 2.5 y 2.6
unidad 2 2.5 y 2.6unidad 2 2.5 y 2.6
unidad 2 2.5 y 2.6
ITCM
 
control estadistico de procesos-prueba de hipotesis
control estadistico de procesos-prueba de hipotesiscontrol estadistico de procesos-prueba de hipotesis
control estadistico de procesos-prueba de hipotesis
Sonia Ynés Huaripaucar G
 

Similar a Probabilidad (20)

Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
 
Distribucionesdiscretas]
Distribucionesdiscretas]Distribucionesdiscretas]
Distribucionesdiscretas]
 
Psico 8va. probabilidades y distribución binomial
Psico 8va. probabilidades y distribución binomialPsico 8va. probabilidades y distribución binomial
Psico 8va. probabilidades y distribución binomial
 
Veter 8va. probabilidades y distribución binomial
Veter  8va. probabilidades y distribución binomialVeter  8va. probabilidades y distribución binomial
Veter 8va. probabilidades y distribución binomial
 
Prueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocidaPrueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocida
 
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppttema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
tema 3.1 Introduccion a la estadistica Inferencial2 Fenómenos aleatorios.ppt
 
Actividades del seminario nº 7
Actividades del seminario nº 7Actividades del seminario nº 7
Actividades del seminario nº 7
 
Probabilidad II
Probabilidad IIProbabilidad II
Probabilidad II
 
Pdf probabilidad
Pdf probabilidadPdf probabilidad
Pdf probabilidad
 
Psico. 12ava prueba de hipótesis de una población
Psico. 12ava  prueba de hipótesis de una poblaciónPsico. 12ava  prueba de hipótesis de una población
Psico. 12ava prueba de hipótesis de una población
 
Bioestadistica 5
Bioestadistica 5Bioestadistica 5
Bioestadistica 5
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Falso positivo y especificidad
Falso positivo y especificidadFalso positivo y especificidad
Falso positivo y especificidad
 
Veter. 12ava prueba de hipótesis de una población
Veter. 12ava  prueba de hipótesis de una poblaciónVeter. 12ava  prueba de hipótesis de una población
Veter. 12ava prueba de hipótesis de una población
 
Psico 14ava. probabilidades y distribución binomial
Psico 14ava. probabilidades y distribución binomialPsico 14ava. probabilidades y distribución binomial
Psico 14ava. probabilidades y distribución binomial
 
Inferencia Estadística
Inferencia EstadísticaInferencia Estadística
Inferencia Estadística
 
La estadística
La estadísticaLa estadística
La estadística
 
unidad 2 2.5 y 2.6
unidad 2 2.5 y 2.6unidad 2 2.5 y 2.6
unidad 2 2.5 y 2.6
 
control estadistico de procesos-prueba de hipotesis
control estadistico de procesos-prueba de hipotesiscontrol estadistico de procesos-prueba de hipotesis
control estadistico de procesos-prueba de hipotesis
 

Más de natorabet

Cuidados paliativos
Cuidados paliativosCuidados paliativos
Cuidados paliativos
natorabet
 
Manual de la uam modif
Manual de la uam modifManual de la uam modif
Manual de la uam modif
natorabet
 

Más de natorabet (20)

Anatomía y fisiología de la glándula mamaria.
Anatomía y fisiología de la glándula mamaria.Anatomía y fisiología de la glándula mamaria.
Anatomía y fisiología de la glándula mamaria.
 
PROCESO DE ATENCIÓN ENFERMERÍA EDEMA AGUDO PULMONAR
PROCESO DE ATENCIÓN ENFERMERÍA EDEMA AGUDO PULMONARPROCESO DE ATENCIÓN ENFERMERÍA EDEMA AGUDO PULMONAR
PROCESO DE ATENCIÓN ENFERMERÍA EDEMA AGUDO PULMONAR
 
ROTURA PREMATURA DE MEMBRANAS PROCESO DE ENFERMERÍA
ROTURA PREMATURA DE MEMBRANAS PROCESO DE ENFERMERÍAROTURA PREMATURA DE MEMBRANAS PROCESO DE ENFERMERÍA
ROTURA PREMATURA DE MEMBRANAS PROCESO DE ENFERMERÍA
 
PROCESO DE ENFERMERÍA HERIDA QUIRURGICA
PROCESO DE ENFERMERÍA HERIDA QUIRURGICAPROCESO DE ENFERMERÍA HERIDA QUIRURGICA
PROCESO DE ENFERMERÍA HERIDA QUIRURGICA
 
PROCESO DE ENFERMERÍA TRAUMA CRANEOENCEFÁLICO
PROCESO DE ENFERMERÍA TRAUMA CRANEOENCEFÁLICOPROCESO DE ENFERMERÍA TRAUMA CRANEOENCEFÁLICO
PROCESO DE ENFERMERÍA TRAUMA CRANEOENCEFÁLICO
 
PROCESO DE ENFERMERÍA INSUFICIENCIA RENAL
PROCESO DE ENFERMERÍA INSUFICIENCIA RENALPROCESO DE ENFERMERÍA INSUFICIENCIA RENAL
PROCESO DE ENFERMERÍA INSUFICIENCIA RENAL
 
Diabetes en México
Diabetes en MéxicoDiabetes en México
Diabetes en México
 
Enfermedades Degenerativas crónicas.
Enfermedades Degenerativas crónicas.Enfermedades Degenerativas crónicas.
Enfermedades Degenerativas crónicas.
 
Venoclisis
VenoclisisVenoclisis
Venoclisis
 
Paciente con hemodiálisis
Paciente con hemodiálisisPaciente con hemodiálisis
Paciente con hemodiálisis
 
Balon de contrapulsación
Balon de contrapulsación Balon de contrapulsación
Balon de contrapulsación
 
Triptico de influenza
Triptico de influenzaTriptico de influenza
Triptico de influenza
 
Proceso de enfermería Histerectomia
Proceso de enfermería HisterectomiaProceso de enfermería Histerectomia
Proceso de enfermería Histerectomia
 
Gasometria Arterial
Gasometria ArterialGasometria Arterial
Gasometria Arterial
 
Proceso de enfermería Infarto agudo al Miocardio
Proceso de enfermería Infarto agudo al MiocardioProceso de enfermería Infarto agudo al Miocardio
Proceso de enfermería Infarto agudo al Miocardio
 
Proceso de enfermería Sangrado Tubo Digestivo
Proceso de enfermería Sangrado Tubo DigestivoProceso de enfermería Sangrado Tubo Digestivo
Proceso de enfermería Sangrado Tubo Digestivo
 
Aminofilina
AminofilinaAminofilina
Aminofilina
 
Cuidados paliativos
Cuidados paliativosCuidados paliativos
Cuidados paliativos
 
Manual de la uam modif
Manual de la uam modifManual de la uam modif
Manual de la uam modif
 
Manual de la uam
Manual de la uamManual de la uam
Manual de la uam
 

Último

6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
Wilian24
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Fernando Solis
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 

Último (20)

AEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptxAEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptx
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por Valores
 
PP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomasPP_Comunicacion en Salud: Objetivación de signos y síntomas
PP_Comunicacion en Salud: Objetivación de signos y síntomas
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
 
Revista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdfRevista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdf
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
Louis Jean François Lagrenée. Erotismo y sensualidad. El erotismo en la Hist...
Louis Jean François Lagrenée.  Erotismo y sensualidad. El erotismo en la Hist...Louis Jean François Lagrenée.  Erotismo y sensualidad. El erotismo en la Hist...
Louis Jean François Lagrenée. Erotismo y sensualidad. El erotismo en la Hist...
 
Power Point E. S.: Los dos testigos.pptx
Power Point E. S.: Los dos testigos.pptxPower Point E. S.: Los dos testigos.pptx
Power Point E. S.: Los dos testigos.pptx
 
Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024
 
Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
Posición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptxPosición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptx
 
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCTRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024
 
activ4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdfactiv4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdf
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
Linea del tiempo - Filosofos Cristianos.docx
Linea del tiempo - Filosofos Cristianos.docxLinea del tiempo - Filosofos Cristianos.docx
Linea del tiempo - Filosofos Cristianos.docx
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 

Probabilidad

  • 1. Unidad 5. Probabilidad 5.1. Conceptos 5.2. Propiedades elementales de la probabilidad 5.3. Calculo de la propiedad de un evento 5.4. Curva normal
  • 2. La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento. Es una herramienta matemática que ayuda a cuantificar la incertidumbre. El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro de un conjunto posible de soluciones, y esto aún realizando el experimento en las mismas condiciones. Por lo tanto,a priori no se conoce cual de los resultados se va a presentar. Ejemplos: lanzamos una moneda al aire: el resultado puede ser cara o cruz, pero no sabemos de antemano cual de ellos va a salir. Ejemplo: en lugar de tirar la moneda al aire, directamente seleccionamos la cara. Aquí no podemos hablar de probabilidades, sino que ha sido un resultado determinado por uno mismo.
  • 3. Espacio muestral. Es el conjunto de todos los resultados posibles de un experimento 1.Al lanzar una moneda A. Águila S. Sol 2.Al lanzar un dado al aire ¿ Qué cara quedará arriba cuando caiga al suelo? 3. Lanzar dos monedas de manera consecutiva
  • 4. Evento Simple. Es un subconjuntodel espacio muestral. Además no depende de otro sucesoy se identifica con la letra mayúscula A B X Ejemplo: Lanzar un dado A= Caiga par X= Sea mayor que 4 A X M = Caiga primero «águila» M= {(A,A), (A,S)} A= Caiga el mismo lado A= {(A,A), (S,S)} Lanzar dos monedas
  • 5. Evento compuesto. Se forma con 2 o más eventos simples A sabiendoque sucede B (A B) A ó B (A B) A y B (A B)
  • 6. Ejemplo 1: una mujer portadora de hemofiliatiene 3 hijos¿Cuál es el espacio muestral apropiado para estudiar la posiblehemofilia de estos? Opción a: Cada hijopuede padecer hemofilia (s) o no (n), por tanto E1={sss,ssn,sns,nss, snn, nsn,nns, nnn} Donde, por ejemplo,'sns' significa el primero y el tercero la padecen y el segundo no. Hay que asegurarse que no se olvida ninguno. En este espacio muestral,el suceso "dos hijospadecen hemofilia"se representa como A={ssn,sns, nss} y el suceso "los dos primeros no la padecen" como B={nns, nnn} Opción b: Pueden padecer hemofilia los tres hijos(3), dos (2),... E2={3, 2, 1, 0} En este espacio muestral,el suceso "dos hijospadecen hemofilia"esA={2} y el suceso "los dos primeros no la padecen" no se puede representar porque en el espacio muestral no está contemplado el orden.
  • 7. 5.2 Propiedades elementalesde la probabilidad Tres son las propiedades: 1. Mutuamente excluyentes. 2. Exhaustividad 3. La probabilidadde la ocurrencia de es igual a la suma de sus probabilidadesindividuales Ejemplo 2: Un 15% de los pacientes atendidos en un hospital son hipertensos,un 10% son obesos y un 3% son hipertensos y obesos.¿Qué probabilidad hay de que elegido un paciente al azar sea obeso o hipertenso? A = {obeso} B = {hipertenso} A B = {hipertenso y obeso} A B = {obeso o hipertenso} p(A) = 0,10;p(B) = 0,15; p(A Ç B) = 0,03 p(A B) = 0,10 + 0,15 - 0,03 = 0,22 Ejemplo 2: Un 15% de los pacientes atendidos en un hospital son hipertensos,un 10% son obesos y un 3% son hipertensos y obesos.¿Qué probabilidad hay de que elegido un paciente al azar sea obeso o hipertenso? A = {obeso} B = {hipertenso} A B = {hipertenso y obeso} A B = {obeso o hipertenso} p(A) = 0,10;p(B) = 0,15; p(A Ç B) = 0,03 p(A B) = 0,10 + 0,15 - 0,03 = 0,22 Ejemplo 2: Un 15% de los pacientes atendidos en un hospital son hipertensos,un 10% son obesos y un 3% son hipertensos y obesos.¿Qué probabilidad hay de que elegido un paciente al azar sea obeso o hipertenso? A = {obeso} B = {hipertenso} A B = {hipertenso y obeso} A B = {obeso o hipertenso} p(A) = 0,10;p(B) = 0,15; p(A B) = 0,03 p(A B) = 0,10 + 0,15 - 0,03 = 0,22
  • 8. 5.3. Calculo de la propiedad de un evento
  • 9.
  • 10. SENSIBILIDAD es la certeza con la cual una prueba identifica a personas con una enfermedad, es decir identifica a losVERDADEROS POSITIVOS. ESPECIFICIDAD es la certeza con la cual una prueba identifica a personas sin la enfermedad, es decir aquellos quienes son losVERDADEROS NEGATIVOS.
  • 11. Ejemplo para ilustrar diferentesgrados de sensibilidady especificidadde las pruebas de diagnóstico. Supongamos que tenemos un grupo de 10 personas de las cuales sólo 3 presentantrombosis venosa,a todos ellos se les aplican diferentes pruebas diagnósticaspara conocer quienestienen la enfermedad:
  • 12. Al aplicar la primera prueba se obtuvo que las tres personas portadoras de trombosis son positivasal test y las siete no portadoras son negativas: entonces tendremos un test con una sensibilidad y especificidad alta para el diagnóstico de trombosis venosa
  • 13. En la segunda prueba se detecta a las 3 personas con trombosis venosay además a tres de las personas saludablesse les asigna falsamente como portadoras de trombosis venosa, entonces tendremos un test de sensibilidad alta pues detecta a todos los verdaderos positivos pero con una especificidad reducida ya que no es capaz de discernir adecuadamente los verdaderos negativos.
  • 14. En una tercera prueba se detecta a sólo uno de los tres casos de trombosis venosa tendría una sensibilidad reducida pues sólo captó pocos verdaderos positivos y una especificidad alta ya que detectó a todos los verdaderos negativos:
  • 15. En la cuarta prueba empleada se identifica a sólo uno de los tres casos de trombosis y también lo hace, de manera incorrecta, con tres de los sujetos sanos, la prueba tiene sensibilidad reducida al captar sólo un verdadero positivo y también tiene especificidad reducida al identificar pocos verdaderos negativos:
  • 16. se cuantifica esto empleando una tabla 2x2 para ejemplificar los resultadosque podemos obtener ante una prueba diagnóstica: a: sujetos realmente enfermos cuya prueba fue positiva b: sujetos sanos a los que la prueba detectó falsamente como positivos c: sujetosenfermos a los que la prueba dio falsamente como negativos d: sujetos sanos a los que la prueba detectó como negativos Los casos expresados en los cuadrantes a y d serían los ideales con un test perfecto, no obstante en las pruebas diagnósticas existe una posibilidad de fallo (falsos positivos o falsos negativos) expresados en los cuadrantes c y b. De allí la importancia de conocer previamente nuestra capacidad de detectar verdaderos positivos (sensibilidad) y verdaderos negativos (especificidad) a modo de entender cuáles son las condiciones previamente conocidas bajo la cual se acepta o se duda del resultado de una prueba.
  • 17. De manera cuantitativa la sensibilidad la podemos expresar como la proporción de verdaderos positivos (a) identificados por la prueba del total de enfermos (a+c): La especificidad representa la proporción de verdaderos negativos identificados por la prueba del total de sanos:
  • 18. En el siguiente ejemplo (2), se ha desarrollado una prueba de laboratorio nueva que mide la concentración de una enzima particular en la sangre y queremos evaluar su valor en el diagnóstico de un cáncer en particular. Esta prueba nueva se aplicó a 360 pacientes hospitalizados y los resultados se compararon con los de un examen anatomo‐patológico. Las concentraciones sanguíneas ≥ 40 VI se consideraron como valores positivos.Los resultados se muestran en la siguientetabla: Para la prueba de laboratorio nueva se puede calcular lo siguiente: Sensibilidad=190/190= 100% Especificidad=90/170= 53%
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25. La probabilidadp de un suceso está comprendida entre 0 y 1 (0 <= p <= 1), en donde: p = 0 es la probabilidad del suceso imposible. p = 1 es la probabilidad del suceso seguro. La distribución normal de probabilidad, distribución de Gauss o campana de Gauss es una distribución estadística continua de probabilidad. Se sabe que las características físicas, psicológicas y sociales de una población, además de otros fenómenos, (inteligencia, peso, belleza, longevidad,etc.),siguen más o menos la distribución normal de probabilidad. Por ejemplo, si la estatura se representa en el eje X, entonces se ve que la mayoría de la gente tiene una estatura normal, situada en el centro de la gráfica, mientras que una minoría de gente es muy alta y otra minoría muy baja, saliéndose de lo normal, según lo mostrado en la gráfica en los extremos izquierdo y derecho. Otro ejemplo es la inteligencia: La mayoría de la gente es de inteligencia normal, mientras que una minoría es muy inteligente y otra es muy poco inteligente. O la longevidad: La mayoría de la gente tiene una esperanza de vida normal, mientras que unos pocos mueren demasiado pronto o llegan a centenarios.
  • 26. Formula para calcular probabilidad de un valor en la curva normal Z=Variable normal estandarizada X=Valor = Desviaciónestándar poblacional µ= Media poblacional Ejercicio del libro, pagina 77, capituloVI
  • 27.
  • 28. ejemplo, el siguiente problema: supongamos que se sabe que el peso de los sujetos de una determinada población sigue una distribuciónaproximadamente normal, con una media de 80 Kg y una desviación estándar de 10 Kg. ¿Podremos saber cuál es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100 Kg?
  • 29. Regla empírica 1. Aproximadamente 68% de la observacionescae dentro de ± 1 2. Aproximadamente 95% de la observacionescae dentro de ± 2 3. Aproximadamente 99% de la observacionescae dentro de ± 3