Demostraciones
1) p(Ac) = 1 - p(A)
Ac representa el suceso complementario de A, es decir el formado por todos los
resultados que no estn en A.
2) A1 A2 p(A1) p(A2)
3) p() = 0
4) p(A) 1
Ejemplo 2:
Un 15% de los pacientes atendidos en un hospital son hipertensos, un 10% son obesos
y un 3% son hipertensos y obesos. Qu 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}
Probabilidad condicionada
Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la
experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de los
dems. El proceso de realizar la historia clnica, explorar y realizar pruebas
complementarias ilustra este principio.
Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad.
A veces es ms fcil calcular la probabilidad condicionada teniendo en cuenta este
cambio de espacio muestral.
Ejemplo 3:
Segn las leyes de Mendel, todos los posibles genotipos de un hijo de una madre
portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen la misma
probabilidad. El espacio muestral es = {xX, xY, XX, XY}
el suceso A={hijo enfermo} corresponde al genotipo xY, por tanto, segn la definicin
clsica de probabilidad
p(A) = 1/4 = 0,25
Ejemplo 4:
Se sabe que el 50% de la poblacin fuma y que el 10% fuma y es hipertensa. Cul es
la probabilidad de que un fumador sea hipertenso?
Ejemplo 5:
Se sabe por estudios previos que el 0,1% de la poblacin tiene problemas vasculares.
Un estudio sobre individuos con problemas vasculares revela que el 20% de ellos son
placas de ateroma. Si el 10% de los individuos con placas de ateroma estn expuestos
a muerte sbita por desprendimiento de trombos qu probabilidad tiene un individuo
cualquiera de estar expuesto a muerte sbita por desprendimiento de trombos de una
placa de ateroma?
Ejemplo 6:
Una urna contiene 10 bolas, de las cuales 3 son rojas, 5 verdes y 2 azules. Se extraen
al azar 3 bolas. Calcular la probabilidad de que la primera sea azul, y las otras dos
verdes.
Sucesos independientes
Dos sucesos son independientes si y slo si p(A B) = p(A) p(B).
Si dos sucesos son independientes
Ejemplo 7:
Demostracin
Ejemplo 8:
Teorema de Bayes
Si los sucesos Ai son una particin y B un suceso tal que p(B) 0
Demostracin
Aplicaciones
Ntese que un mismo conjunto de sntomas podra dar lugar a un diagnstico diferente
en poblaciones en las que las prevalencias fueran diferentes.
Pruebas diagnsticas: Supngase una prueba diagnstica, por ejemplo nivel de glucosa
en sangre, en ayunas, para diagnosticar la diabetes. Se considera que la prueba es
positiva si se encuentra un nivel por encima de un cierto valor, digamos 120 mg/l.
Para evaluar la prueba, (habr que hacerlo para distintos valores de corte) se somete
a la misma a una serie de individuos diabticos diagnosticados por otro procedimiento
(el patrn de oro o "gold standar") y a una serie de individuos no diabticos. Los
resultados se pueden representar en una tabla de doble entrada
Patrn de oro
NE E
- a b r
Prueba
+ c d s
t u
Ejemplo 9:
una prueba diagnstica para la diabetes tiene un CFP de 4% y un CFN del 5%. Si la
prevalencia de la diabetes en la poblacin donde se usa es del 7% cul es la
probabilidad de que sea diabtico un individuo en el que la prueba d positiva? y de
que no lo sea uno en el que d negativo?
Pruebas en serie: Cuando se aplican pruebas en serie, para cada prueba p(E) y p(NE),
sern la p(E|+) y p(NE|+) de la prueba anterior (si dio positiva) o p(E|-) y p(NE|-) si
dio negativa.
Solucin
Si representamos por x el gen alterado y por X el gen normal, el espacio muestral para
el nacimiento de la mujer ={xX, XX}, cada suceso elemental con la misma
probabilidad (1 ley de Mendel). Por tanto, si A = {xX} = {la mujer es portadora},
segn la definicin clsica de probabilidad p(A) = 1/2.
Si la mujer fuera portadora, los posibles genotipos para sus hijos son xX, xY, XX, XY,
todos con la misma probabilidad. El espacio muestral para el nacimiento de un hijo
varn es ={xY, XY}, por tanto la probabilidad de que un hijo varn no tenga la
enfermedad es 1/2 (tambin segn la definicin clsica). Cmo los genotipos de los
sucesivos hijos son independientes (2 ley de Mendel), y de acuerdo a la definicin de
independencia, la probabilidad de que los 3 hijos varones no tengan la enfermedad es
(1/2)x(1/2)x(1/2) = 1/8. Obviamente si la mujer no fuera portadora, la probabilidad
de que los 3 hijos varones no tengan la enfermedad es 1.
Como el suceso A = {la mujer es portadora} y su complementario A c = {la mujer no es
portadora} forman una particin, se puede aplicar el teorema de Bayes en relacin con
el suceso B = {los 3 hijos varones no tienen la enfermedad}
Solucin
Solucin