TEORIA DE LA

PROBABILIDAD
Mg. Ananí Basaldúa Galarza
Especialista en epidemiología
 GENERALIDADES
• En muchas oportunidades nos hemos encontrado con
afirmaciones donde no existe 100% de certeza sobre la aparición
o realización de un hecho o fenómeno. Por ejemplo,
continuamente escuchamos situaciones como la siguiente:
Debido a la agresiva campaña publicitaria sobre el programa de
vacunación para este año, es probable que aumente
sustancialmente el número de niños vacunados.
• En estos ejemplos se puede apreciar que el resultado final no se
conoce con exactitud o certeza, existe por lo tanto
INCERTIDUMBRE. Así “se vive en un mundo donde se está en
incapacidad de predecir el futuro con completa certeza. La
necesidad de tener suficiente poder para manejar la
incertidumbre obliga a estudiar y usar la Teoría de la
Probabilidad”.
• ¿Cuál es la probabilidad de aprobar la asignatura?

• ¿Cuál es la probabilidad de no sufrir un accidente cuando voy

a clases?
• ¿Cuál es la probabilidad de infectarme con COVID-19 al
asistir a una fiesta?

• Todos los días nos hacemos preguntas sobre probabilidad e

incluso los que hayan visto de esta materia en cursos
anteriores, tendrán una idea intuitiva lo suficientemente
correcta para lo que necesitamos de ella en este curso.

• En este tema vamos a:

– Estudiar qué entendemos por probabilidad.
– Ver algunas reglas de cálculo de probabilidades.
– Ver cómo se aplican las probabilidades en Ciencias de la Salud.
– Aplicarlas a algunos conceptos nuevos de interés en Ciencias de la Salud.
• Test diagnósticos. 3
 EXPERIMENTO ALEATORIO
(EA)
• Es un proceso de observación, donde el resultado exacto no se
conoce, prevaleciendo por lo tanto, cierto margen de duda.
• Ejemplo 1: Sea el experimento “Resultado del examen final en
el curso de estadística médica por parte de los estudiantes de
Estadística Médica”.
• Resultado 1: Antes del examen, el resultado no se conoce con
exactitud; es decir, no sabemos si el estudiante aprobará o
desaprobará el examen final. Luego, el experimento es aleatorio.
• Ejemplo 2: Sea el experimento “resultado del lanzamiento de
una moneda”
• Resultado 2: Existe margen de duda en el resultado exacto, pues,
es posible que éste aparezca cara o sello. Luego el experimento
es aleatorio.
 ESPACIO MUESTRAL (EM)
• Es el conjunto de todos los resultados
posibles de un experimento aleatorio.
• Ejemplo 1: Sea el experimento aleatorio
“Resultado del examen final en el curso de
estadística por parte de un estudiante de
estadística médica”
• Resultado 1: El espacio muestral es:

EM = Aprobar, Desaprobar
 SUCESO o EVENTO
• Es cada resultado del experimento aleatorio o una
combinación de resultados. También se dice que un
suceso o evento, es un sub conjunto del espacio
muestral. Los eventos son representados por letras
mayúsculas: A, B, C, .......
• Ejemplo 1: Sea el experimento aleatorio. “ Selección
de un alumno de acuerdo a su rendimiento
académico”
• El espacio muestral será:

EM = Sobresaliente, bueno, regular, malo

• Podemos observar que cada resultado es un sub
conjunto del Espacio Muestral, y por lo tanto
cada uno de ellos es un evento. Si denotamos
por A, B, C y D los eventos, entonces
tendremos:
• Evento A: Sobresaliente

• Evento B: Bueno

• Evento C: Regular
• Evento D: Malo

• Ejemplo 1: Sea el experimento “Selección

de dos personas, en relación a su situación
ocupacional”. Los posibles resultados de este
experimento son:
PERSONA 1
PERSONA 2
OCUPADO DESOCUPADO
OCUPADO OO OD
DESOCUPADO DO DD
• El espacio muestral es:

EM = OO, OD, DO, DD

• En este caso tendríamos como sucesos a una

combinación de resultados. Así por ejemplo,
podemos definir los siguientes sucesos o eventos:
• Sea el Evento A, tal que las dos personas
seleccionadas estén ocupadas, entonces:

A = OO
• Sea el evento B, tal que al menos una de las
dos personas esté ocupada, entonces:

B = OO, OD, DO

• Sea el evento C, tal que la primera persona

seleccionada esté ocupada, entonces:

C = OO, OD
 LOS SUCESOS o EVENTOS
PUEDEN SER
1. EVENTO SEGURO o SUCESO UNIVERSAL:
Se llama así al evento que de todas maneras debe
ocurrir.
• Ejemplo 1: Sea el experimento. “Selección de un
participante del curso de Estadística, con una nota
mayor de quince, en el curso de Estadística”. Se
puede apreciar que el evento es seguro o universal,
ya que al seleccionar un participante del curso de
Estadística, este de todas maneras tendrá una nota
mayor de quince, en el curso de Estadística.
• Evento Imposible: Es el evento que no va a
ocurrir.
• Ejemplo 1: Sea el experimento “Selección
de un participante del curso de Estadística,
con nota menor de diez, en el curso de
Estadística”. En este caso, el evento es
imposible, ya que no se podrá seleccionar a
un participante del curso de Estadística con
nota menor de diez, en el curso de
Estadística.
3. Evento Complementario: El complemento del evento A, se
denota por el símbolo A (se lee: no A), y significa que el
evento A no ocurre.
• Ejemplo1: Sea el evento
A = Paciente con tumor canceroso Entonces

su complemento será

A = Paciente con tumor no canceroso

4. Eventos Mutuamente Excluyentes: Dos o más eventos son

mutuamente excluyentes, si la ocurrencia de uno de ellos,
anula la ocurrencia de los demás.
• Ejemplo 1: Sea el experimento aleatorio:
“Selección de un profesor de la Universidad
Nacional del Centro del Perú, según categoría
docente”
• El espacio muestral es:

EM = Principal, Asociado, Auxiliar, Jefe de práctica

• Siendo los siguientes eventos:

• A = Profesor Principal.
• B = Profesor Asociado.
• C = Profesor Auxiliar.
• D = Profesor Jefe de Práctica.
• Los cuatro eventos son mutuamente
excluyentes, porque al seleccionar un
docente, este tendrá sólo un a categoría:
anulándose el resto de los eventos. No es
posible sostener, por ejemplo, que al
seleccionar un docente, este tenga la categoría
de Principal y jefe de Práctica a la vez.
5. Eventos Independientes: Dos eventos son
independientes si ambos no tienen ninguna relación
entre sí; es decir, si la ocurrencia de uno de ellos, no
influye en la ocurrencia del otro.
• Sean los eventos:
X = Primer alumno aprueba el examen de estadística.
Y = Segundo alumno aprueba el examen de estadística.

X e Y son independientes porque al ocurrir el evento X,

este no influye para que el evento Y ocurra.
 CONCEPTO DE
PROBABILIDAD
• La probabilidad es una disciplina abstracta que
se usa como modelo para hacer deducciones
relativas a eventos que posiblemente pueden
ocurrir.
• TIPOS DE PROBABILIDADES: Existen tres
enfoques para el estudio de la probabilidad.
 PROBABILIDAD CLASICA
• Llamada también a priori debido a que es
posible conocer el resultado con anterioridad, es
decir, sin llevar a cabo el experimento y sólo
basado en un razonamiento lógico. Se calcula a
través de:
Casos favorables del ocurrencia del evento A
p(A) = ----------------------------------------------
Total de casos posibles
• Ejemplo 1: Hallar la probabilidad de obtener
cara en el lanzamiento de una moneda.
• Solución 1: Definimos el espacio muestral:
EM = cara, sello Sea el
evento A = Obtener cara.
• Luego:
Casos favorables de ocurrencia del evento A
p(A) = ------------------------------------------
Total de casos posibles
• P(A) = 1 / 2 = 0.5 = 50%
• Ejemplo 2: Hallar la probabilidad de obtener el
número 2 en el lanzamiento de un dado:
• Solución: El espacio muestral será:
EM = 1, 2, 3, 4, 5, 6
Sea el evento B = Obtener el número 2
p(B) = 1 / 6 = 0.17 = 17%
• La probabilidad clásica, se utiliza para
experimentos simples, como los mencionados
anteriormente. En la vida real, se presentan
situaciones más complejas que requieren el
cálculo de probabilidad desde otro enfoque.
 PROBABILIDAD DE
FRECUENCIAS RELATIVAS
• El cálculo de este tipo de probabilidad se basa en la
repetición de la ocurrencia de un evento, al realizar
una gran cantidad de pruebas o experimentos.
• Se halla a través de:

Número de veces que ocurrió el evento A

p(A) = -------------------------------------------------
Número total de veces que se repitió el experimento
• La probabilidad de frecuencia relativa, es llamada
también probabilidad empírica o a posteriori. Debido a
que se obtiene el resultado después de llevar a cabo el
experimento un gran número de veces.
• Ejemplo 1: En una encuesta realizada a 500
vendedores ambulantes de Lima cuadrada, se encontró
que 325 de ellos se dedicaban a esta actividad porque
habían sido despedidos de empresas fabriles. Hallar la
probabilidad de que al seleccionar aleatoriamente un
vendedor ambulante, éste haya sido despedido de una
empresa fabril.
Solución:
• Sea el evento B = Vendedor ambulante
despedido.
• Número de veces en que ocurrió B = 325
• Número total de veces que se repitió el
experimento = 500
• Luego: p(B) = 325 / 500 = 0.65 = 65%
 PROBABILIDAD SUBJETIVA
• Es la probabilidad asignada bajo un criterio
“personal”, basado en cualquier tipo de
evidencia disponible. Las probabilidades
subjetivas se asignan a eventos que pueden
suceder sólo una vez o muy pocas veces.
• Ejemplo 1: La probabilidad de que el hombre
llegue a habitar la luna en los próximos 20
años.
• Ejemplo 2: La probabilidad de que se
encuentre cura para el SIDA en los próximos 5
años.
 AXIOMAS DE PROBABILIDAD

• La probabilidad de un evento cualquiera,

es siempre positivo. Es decir: p(A) > = 0
• La probabilidad de un evento cierto o
seguro, es la probabilidad del espacio
muestral, que equivale a la unidad. Es
decir: p(EM) = 1
 CONSECUENCIA DE LOS
AXIOMAS
• La probabilidad de un evento, toma valores
entre cero y uno. Es decir:
0 = < p(A) 0 = < 1
• La probabilidad de un evento nulo o imposible,
es cero. Es decir:
p( 0 ) = 0
• Los eventos A y A son mutuamente excluyentes,
y se debe cumplir:
p(A U A) = p(A) + p(A) = 1
 PROBABILIDAD EN
MULTIPLICIDAD DE EVENTOS
1. REGLA DE LA SUMA DE
PROBABILIDADES:
Se usa cuando se desea averiguar la
probabilidad de ocurrencia de uno u otro
evento. Si los eventos A y B son mutuamente
excluyentes, la probabilidad de ocurrencia de A
o de B es:
p(A U B) = p(A) + p(B)
Donde:
• P = Probabilidad.
• U = Símbolo de la unión en teoría de
conjuntos, aquí significa suma de
probabilidades y debe leerse como “o”
• P (A U B) = Probabilidad de que ocurra el
evento A o B.
• p(A) = Probabilidad de que ocurra el evento A.
• p(B) = Probabilidad de que ocurra el evento B.
 EJEMPLO
• De 200 niños examinados por una
enfermera, se encontró que 80 padecían de
desnutrición leve, 50 padecían de
desnutrición crónica y 70 normales. Si de
los niños examinados se selecciona uno al
azar ¿cuál es la probabilidad de que
padezcan de desnutrición leve o
desnutrición crónica?
Solución:
Sean los eventos:
A = Niños con desnutrición leve = 80
B = Niños con desnutrición crónica = 50
C = Niños con nutrición normal = 70
• Como los eventos son mutuamente excluyentes:
P(A U B) = p(A) + p(B)
P(A U B) = 80 / 200 + 50 / 200
P(A U B) = 130 / 200 = 0.65 = 65%
• Si los eventos no son mutuamente excluyentes, la
probabilidad de ocurrencia de A o de B es:
P(A U B) = P(A) + P(B) – P(A intersección B)
Donde:
• P(A U B) = probabilidad de que el evento A o el
evento B, ocurran
• P(A Ո B) = Probabilidad de que ocurra
simultáneamente los eventos A y B.
 EJEMPLO
• De 100 pacientes examinados. 20 padecían de artritis,
32 padecían de gastritis y 8 tenían ambos males, hallar
la probabilidad de seleccionar un paciente que padezca
de artritis o gastritis.
Solución: Sean los eventos:
A = Número de pacientes que sufren de artritis = 20

B = Número de pacientes que sufren de gastritis = 32

A intersección B = Pacientes que sufren de artritis o

gastritis = 8

• P(A U B) = p(A) + p(B) – p(A Ո B)

• Luego: p(A U B) = 20 / 100 + 32 / 100 - 8
/ 100 = 44 / 100 = 44%
 PROBABILIDAD
CONDICIONAL
• Es utilizada cuando se desea conocer la
probabilidad de ocurrencia de un evento
condicionado a la aparición previa de otro. Se
calcula mediante la fórmula:
p(B/A) = p(B Ո A) / p(A)
Con p(A) es diferente de cero (0), y el símbolo / se lee
DADO, y expresa condición.
Donde: p(B/A) = probabilidad de que ocurra el
evento B dado que el evento A ha ocurrido.
 REGLA DE MULTIPLICACION DE
PROBABILIDADES
• Se utiliza para calcular la probabilidad de ocurrencia
simultáneamente de dos o más eventos. Si los eventos A
y B son dependientes, entonces la ocurrencia simultánea
de los eventos es:
p(A Ո B) = p(A) . P(B/A)
Donde:
p = probabilidad
Ո = Es intersección en la teoría de conjuntos, aquí
significa multiplicación de probabilidades, y se lee Y
P(A Ո B) = probabilidad de que ocurra los eventos A y B
 EJEMPLO
• En un estudio sobre la relación entre el infarto
al miocardio y uso de anticonceptivos orales
como factor de riesgo, se investigó una
población de 15,000 mujeres entre 40 y 45
años encontrándose que 5,000 mujeres
utilizaban anticonceptivos y 10,000 no lo
usaban. Los resultados se muestran en la
siguiente tabla:
 Infarto de miocardio y uso de anticonceptivos
orales en una población de 40 y 45 años de edad

Anticonceptivos Infarto del miocardio TOTAL

orales
Infarto D+ No Infarto (D-)

USUARIA (E+) 13 4987 5000

NO USUARIA (E-) 7 9993 10,000

TOTAL 30 14980 15,000

1. ¿Cuál es la probabilidad de tener un infarto al
miocardio?
20 / 15,000 = 0.0013 = 0.13%
La probabilidad de tener infarto al miocardio en
mujeres entre 40 y 45 años de edad, es de 0.13%.
2. ¿Cuál es la probabilidad de ser usuaria de
anticonceptivos y tener infarto al miocardio en
mujeres de 40 y 45 años de edad?
13 / 15,000 = 0.000866 = 0.087%
La probabilidad de ser usuaria de anticonceptivos
orales y tener infarto al miocardio en mujeres de 40
y 45 años de edad es del 0.087%.
3. Cual es la probabilidad de que una mujer tenga
infarto al miocardio, dado que, sea usuaria de
anticonceptivos orales:
p(D+ y E+)
p(D+ / E+) = ---------------------
p(E+)
p(D+ / E+) = (15 / 15,000) / ( 5,000 / 15,000) =
0.0026 = 0.26%
En el grupo de usuarias de anticonceptivos
orales, la probabilidad de tener infarto al
miocardio es de 0.26%
 PREVALENCIA e INCIDENCIA

• Los términos de Prevalencia e Incidencia son

usados para denotar probabilidades en un
contexto especial.
• Prevalencia de un daño: Es la probabilidad de
tener actualmente el daño sin importar desde
cuándo la tiene. Se calcula como:
Número de casos que tienen el daño
Prevalencia = ------------------------------------
Población total en estudio
• Ejemplo: ¿Cuál es la prevalencia de infarto al
miocardio, en mujeres de 40 y 45 años de
edad?
p(D+) = 20 / 15,000 = 0.0013 = 0.13%
la prevalencia de infarto al miocardio entre
mujeres de 40 y 45 años de edad es de 0.13%
(ó 1.3 casos por cada mil mujeres en esas
edades)
2. Incidencia (acumulada) de un daño: Es la
probabilidad de que un sujeto que no tenía el
daño, se convierta en un caso, en un periodo de
tiempo especificado. Se calcula como:
 Número de casos nuevos del daño
Incidencia = -------------------------------------
Población total en el periodo especificado

• Ejemplo: La incidencia anual de cáncer de

mama en mujeres de 40 y 45 años de edad en un
país en el periodo de enero a diciembre de 2,005
fue de 1 por mil. Esta probabilidad es una tasa y
se interpretaría como: “Aproximadamente una
mujer entre 40 y 45 años de cada mil desarrolló
cáncer de mama durante el año 2,005”.
 PROBABILIDADES PARA EL CALCULO
DE INDICADORES EPIDEMIOLOGICOS
• Los exámenes físicos, la historia clínica, las placas de
rayos X, las pruebas de laboratorios, etc. A los cuales
se denominan “pruebas” o “test”, proveen al
profesional en salud de los elementos de juicio para
tomar una decisión con respecto al estado de salud o
enfermedad de un paciente. Cuándo él (o ella) toma
la decisión, lo hacen bajo la suposición de que la
prueba de tamizaje que utilizó puede ser repetida y
es capaz de diferenciar con precisión si la
enfermedad está presente aún cuando los síntomas
todavía no se han manifestado.
• Se puede definir Tamizaje como: La aplicación de un test o
prueba a individuos, quienes aún no han exhibido síntomas
clínicos, para clasificarlos con respecto a su probabilidad de
tener una enfermedad particular.
• El tamizaje es utilizado frecuentemente por los profesionales
de salud, en situaciones en las que la detección temprana de
la enfermedad; va a contribuir a tomar medidas preventivas
para el individuo o la población en general. Si los individuos
muestran un resultado positivo en la prueba, se considera
que tiene una probabilidad alta (proxima a uno) de tener
una enfermedad particular, y generalmente son sometidos a
otras pruebas de diagnóstico o aun tratamiento.
• Las pruebas de tamizaje involucran un cierto grado de
incerteza por lo que se pueden utilizar las reglas de
probabilidades para evaluarlas. El siguiente ejemplo ilustra
esta afirmación:
• “El cancer cervical es una enfermedad que tiene
muchas posibilidades de ser controlada si es
detectada tempranamente. Un procedimiento de
tamizaje que detecta este tipo de cancer cuando el
paciente aún no presenta síntomas y que tiene
mucha aceptación; es el Papanicolaou. Se considera
que en los últimos años el Papanicolaou ha
contribuido al decrecimiento de las tasas de
mortalidad debido al cancer cervical. Un grupo de
invedstigadores está interesado en evaluar la
precisión de esta prueba por lo que realiza un
estudio considerando 1’010,000 mujeres las cuales
fueron evaluadas utilizando el papanicolaou y
posteriormente, fueron examinadas utilizando
métodos más sofisticados (y costosos) para verificar
si realmente tenían al cancer”.
 PAPANICOLAOU Y DETECCION DE CANCER CERVICAL EN UNA
POBLACION DE MUJERES

CANCER CERVICAL (DOLENCIA)

PRUEBA DE
TAMIZAJE TOTAL
CANCER (D+) NO CANCER (D-)
(PAPANICOLAOU)

PRUEBA
8375 186400 194775
POSITIVA (T+)

PRUEBA
1625 813600 815225
NEGATIVA (T-)

TOTAL 10000 1000000 1010000

 FALSO NEGATIVO
• Un falso negativo ocurre cuando la prueba
no detecta (T-) la enfermedad, dado que ella
realmente está presente (D+).
p (T- y D+)
p(T- / D+) = --------------- = c / a + c
p(D+)
1625 / 10,000 = 0.1625 = 16.25%
La probabilidad de un falso negativo es de
16.25%.
 SENSIBILIDAD
• Se dice que una prueba es sensible cuando detecta la
enfermedad (T+), dado que ella está presente (D+).
p(T+ y D+)
p(T+/D+) = ---------------- = a / a + c
p(D+)
8375 / 10,000 = 0.8375 = 83.75%
Sobre el total de mujeres con cáncer cervical, cuyas
muestras de células fueron analizadas en el
laboratorio de citología, el papnicolaou identificó la
enfermedad en el 83.75% de los casos. Es decir que
el papanicolaou mostró una sensibilidad del 83.75%.
 FALSO POSITIVO
• Un falso positivo ocurre cuando la prueba
detecta la enfermedad (T+) dado que ella
está ausente (D-).
p(T+ y D-)
p(T+/D-) = ----------------- = b / b + d
p(D-)
186400 / 1000000 = 0.1864 = 18.64%
la probabilidad de un falso positivo es de
18.64%.
 ESPECIFICIDAD
• La especificidad de una prueba es la probabilidad de
que el resultado sea negativo (T-) dado que la
enfermedad está ausente (D-).
p(T- y D-)
p(T- / D-) = ------------------- = d / b + d
p(D-)
813600 / 1000000 = 0.8136 = 81.36%
Sobre un total de 1000000 de mujeres sin cancer
cervical, cuyas muestras de células fueron analizadas
en el laboratorio de citología. El papanicolaou
identificó 81.36% casos negativos. Es decir, el
papanicolaou mostró una especificidad del 81.36%.
 VALOR PREDICTIVO DE UN
RESULTADO POSITIVO (PRECISION)
• Ahora puede averiguar cuál es la precisión de la
prueba, ésta prueba puede evaluar la probabilidad
de que la persona esté enferma, dado que el test la
identificó como tal (T+). Esto es muy importante
tanto para el cuidado de la salud del individuo
como de la comunidad.
p(D+) . P(T+ / D+)
p(D+/T+) = -----------------------------------------------
p(D+) . P(T+/D+) + P(D-) . P(T+/D-)
• Esta fórmula es deducida a partir de un
importante resultado de la teoría de
probabilidades conocido como “TEOREMA
DE BAYES”.
• El valor predictivo de un resultado positivo
también se puede expresar como:
(PREVALENCIA) . (SENSIBILIDAD)
VPP = ----------------------------------------------------
(PREVALENCIA) . (SENSIBILIDAD) + (1 – PREVALENCIA) .
(FALSO POSITIVO)

• ¿Cuál es el VPP para la prueba del

papanicolau?
• P(D+) = 0.001 (Prevalencia)
• P(D-) = 0.999 (1 – Prevalencia)
• P(T+/D+) = 0.8375 (Sensibilidad)
• P(T+/D-) = 0.1864 (Falso Positivo)
• Por lo tanro el VPP de la prueba es:
(0.001) . (0.8375)
p(D+/T+) = ---------------------------------------------
(0.001) . (0.8375) + (0.999) . (0.1864)
P(D+/T+) = 0.043 = 4.3%
Por cada mil resultados positivos en la prueba de
Papanicolaou, solamente 43 representan verdaderos
casos de cáncer cervical.
 VALOR PREDICTIVO DE UN
RESULTADO NEGATIVO
• Ahora, usted puede querer evaluar la
probabilidad de que una persona no tenga la
enfermedad (D-), dado que el test dio un
resultado negativo (T-). En este caso también
se utilizará el Teorema de Bayes.
p(D-) . P(T-/D-)
P(D-/T-) = -----------------------------------------------
p(D+) . P(T-/D+) + p(D-) . P(T-/D-)
 (1 – PREVALENCIA) . (ESPECIFICIDAD)
VPN = ---------------------------------------------------
(PREVALENCIA) . (FALSO NEGATIVO) + (1 –
PREVALENCIA) . (ESPECIFICIDAD)

• ¿Cuál es el VPN de la prueba del

papanicolaou?
• P(D+) = 0.001 (Prevalencia)
• P(D-) = 0.999 (1 – Prevalencia)
• P(T-/D+) = 0.1625 (Falso negativo)
• P(T-/D-) = 0.8136 (Especificidad)
• El VPN de un resultado negativo es:
(0.999) . (0.8136)
VPN = -----------------------------------------------
(0.999) . (0.8136) + (0.001) . (0.1625)

VPN = 0.998 = 99.8%

• Por cada mil mujeres con resultados

negativos en la prueba de papanicolaou, 998
no tienen cáncer cervical.