UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMERICA)

FACULTAD DE MEDICINA
TECNOLOGIA MDICA

BIOESTADSTICA
TRABAJO PRCTICO
INTRODUCCIN A LA PROBABILIDAD
Profesor(a): Violeta Alicia Nolberto Sifuentes
Alumno: Cardenas Gonzalez, Jeancarlo Luis
Tecnologa Medica

Pgina 1

LIMA - PERU

2015

Tecnologa Medica

Pgina 2

INDICE
I. ESPACIO MUESTRAL ()

II. E.M. FINITO

III.

E.M. INFINITO

IV.EVENTOS ESPECIALES

O EVENTO SEGURO

O EVENTO IMPOSIBLE

O EVENTO COMPLEMENTARIO

O EVENTO UNIN

O EVENTO INTERSECCIN

O EVENTO MUTUAMENTE EXCLUYENTE

O EVENTO DIFERENCIA

V. DEFINICIN CLSICA DE PROBABILIDAD (LAPLACE)

VI.

DEFINICIN DE PROBABILIDAD (JACOB BERNOULLI)

DEFINICIN AXIOMTICA

VII.
VIII. ENFOQUES DE PROBABILIDAD

O SUBJETIVISTA

O A PRIORI

O FRECUENTISTA (A POSTERIORI)

IX.

PROBABILIDAD CONDICIONADA

X. INDEPENDENCIA DE EVENTOS
XI.
XII.
XIII. ESPERANZA Y VARIANZA

Tecnologa Medica

Pgina 3

6
6

TEOREMA DE BAYES

VARIABLE ALEATORIA

6
6

INTRODUCCIN A LA PROBABILIDAD
I.

Espacio Muestral ()
Consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio.

Ejemplo 1: Lanzar dos monedas

El espacio muestral en este caso sera:
= {Cara,Cruz},{Cara,Cara},{Cruz,Cara},{Cruz,Cruz}

II.

E.M. Finito
es finito cuando los resultados del Espacio muestral son determinables.

Ejemplo 2: Lanzar un dado.

El espacio muestral seria determinable ya que los
posibles valores que obtendramos serian:
= {1, 2, 3, 4, 5, 6}
III.

E.M. Infinito
es infinito cuando existe una cantidad no numerable de elementos
Ejemplo 3: Cantidad de tiros hasta tener xito en un experimento de lanzamiento de
flechas a una diana
El espacio muestral seria indeterminable, ya que no se sabe con exactitud en que
numero de lanzamiento se cumplirn las condiciones requeridas.
= {1, 2, 3, 4, 5, 6, 7, 8, 9 , ..., n}

Tecnologa Medica

Pgina 4

IV. Eventos Especiales

Un evento o suceso es cualquier subconjunto del espacio muestral, los cuales pueden ser:
o Evento Seguro
Un evento seguro es aquel en el cual se tenga la total certeza que ocurrir
Ejemplo 4: Lanzar un dado y que el resultado sea cualquier valor del siguiente espacio muestral:
= {1, 2, 3, 4, 5, 6}
Se tiene la certeza que al lanzar el dado saldr uno de estos valores
o Evento Imposible
Un evento imposible es en el cual no hay ninguna posibilidad que ocurra
Ejemplo 5: Que caiga el numero 7 al lanzar un dado convencional
Ejemplo 6: Que deje de salir el sol
o Evento Complementario
Es el conjunto de elementos que no estn en el Evento A
Ejemplo 7: Un estudio realizado a un grupo de adolescentes en Lima acerca de su padre, el 22%
afirma que fuma (A), el 23% indica que bebe (B), y el 7% afirma realizan ambas acciones.

V.

En este caso el Complemento de A todos los valores que no pertenecen al Evento A = Ac=0.62
o Evento Unin
Ejemplo 8: Tomando de referencia el ejemplo 7, la unin de los eventos sera igual a: AUB =
0.15+0.7+0.16 = 0.38
o Evento Interseccin
Ejemplo 9: Tomando de referencia el ejemplo 7, la interseccin de los eventos sera igual a: A B =
0.7
o Evento Mutuamente Excluyente
Ejemplo 10: Si se tienen un animal en una caja y te dije que puede ser un perro o un gato, es un
evento mutuamente excluyente ya que: A B =
o Evento Diferencia
Ejemplo 11: Tomando de referencia el ejemplo 7, la diferencia de los eventos A y B es igual a: A-B =
0.15
Definicin Clsica de Probabilidad (Laplace)
Se aplica cuando el Espacio Muestral es finito y de tamao equiprobable

Ejemplo 12: Cul es la probabilidad de que salgan dos caras al tirar 2 monedas?
P(A) = 2/4 = 1/4
Tecnologa Medica

Pgina 5

VI.

Definicin de Probabilidad (Jacob Bernoulli)

Escala de Atencin
Excelente
Buena
Regular
Mala
Pesima

Pacientes
24
30
15
25
13

Ejemplo 13: Un estudio empleando una muestra aleatoria a nivel local,

establece el nivel de atencin de los pacientes de un hospital:
La probabilidad de que un paciente tenga una atencin buena es: P(A) = 30/107
=0.2803

VII. Definicin Axiomtica

Ejemplo 14: Tres Caballos, A, B y C estn siendo tratados con tres mtodos experimentales distintos para
aumentar su rapidez con la que puedan correr. Despues del tratamiento el caballo C tiene el doble de
probabilidad de ganar que B, y B doble que A. Calcular las probabilidades de ganar de cada uno
E = {A, B, C}
P (A) = k
P (B) = 2k
P (C) = 4k
P (AUBUC) = P(A) + P (B) + P(C) = P (E) = 1
7k = 1 por lo tanto k=1/7
P(A) = 1/7
P (B) = 2/7 P (C) = 4/7

VIII.

Enfoques de Probabilidad
o Subjetivista
Es la probabilidad de un suceso basado en la experiencia previa, la opinin personal o la intuicin del
individuo
Ejemplo 15: Cul es la probabilidad de que haya vida en Marte?
o A priori
Usa el mismo principio que la definicin clsica de probabilidad
Ejemplo 16: Cul es la probabilidad de que salga un beb varn al tomar 2 y observar su sexo?
P(A) =2/4 = 1/4
o Frecuentista (A posteriori)
Ejemplo 17: Se tira un dado y sabemos que la probabilidad de que salga un 5 es 1/6.

Tecnologa Medica

Pgina 6

IX.

X.

Probabilidad Condicionada
Ejemplo 18: Se tira un dado y sabemos que la probabilidad de que salga un 2 es 1/6 (probabilidad a
priori). Si incorporamos nueva informacin (por ejemplo, alguien nos dice que el resultado ha sido un
nmero par) entonces la probabilidad de que el resultado sea el 2 ya no es 1/6.
En este caso sera:
P (B|A) = Probabilidad de que salga el numero 2 (Evento B) Condicionada a que haya salido un numero par
(Evento A)
P (AB) = Probabilidad que salga el dos y numero par = 1/6
P(A) = Probabilidad de que salga un numero par = 1/2
P (B|A) = (1/6)/(1/2) =1/3
Independencia de Eventos
Ejemplo 19: Sacas una canica de una bolsa con 2 canicas rojas, 2 blancas, y una verde. Observas el color, la pones
de nuevo en la bolsa, y sacar otra canica. Cul es la probabilidad de sacar una canica roja ambas veces?

XI.

Teorema de Bayes
Ejemplo 20: En un colegio mixto el 60% de los estudiantes son chicos y el 40% son chicas. Las chicas
llevan pantaln o falda en probabilidades iguales; los chicos siempre llevan pantalones. Un observador ve
a un estudiante aleatorio a lo lejos, lo nico que puede distinguir es que el o la estudiante lleva pantalones
Cul es la probabilidad de que sea una chica?
P (A) = Estudiante mujer
P (B) = El estudiante lleve pantalones
P (A) = 0.4 P (B|A) = 0.5 por tener mismas posibilidades
P (B|A) = Probabilidad de que el estudiante que lleve pantalones sea un chico = 1
P (A) = Probabilidad de que el estudiante observado sea chico = 0.6
P (B) =Probabilidad de que un estudiante lleve pantalones:
P (B|A)*P (A) +P (B|A)*P (A) = 0.5x0.4 + 0.6*1 = 0.8
P (A|B) = (0.5x0.4)/0.8 = 0.25
XII.
Variable Aleatoria
Ejemplo 21: Consideremos el experimento que consiste en lanzar tres monedas al aire. Llamaremos C a Cara
y X a Cruz, el espacio muestral ser:={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
Definimos la variable aleatoria (v.a.) X como el nmero de caras, estamos asociando a cada suceso un nmero,
as:
X(CCC)=3
X(CCX)=2
X(XXC)=1
X(XXX)=0
XIII.
Esperanza y Varianza
Ejemplo 22: Una variable aleatoria discreta toma todos los valores enteros entre 0 y 4 con al siguiente
funcin de densidad
X
0
1
2
3
4
F(x) 0.3 0.25 0.25 0.1
0.1
La Esperanza es igual = (0x0.3)+(1x0.25)+(2x0.25)+(3x0.1)+(4x0.1) = 1.45
Y la varianza es igual a = 1.6475

Tecnologa Medica

Pgina 7