Facultad de Enfermería – Udelar

Herramientas metodológicas

Introducción a la probabilidad
y distribuciones
Prof. Adj. PhD Janet Trujillo
U.A. Enfermería Comunitaria
Octubre 2024
Temas a abordar:

1. Concepto de probabilidad.
2. Propiedades de probabilidad.
3. Distribuciones de probabilidad
4. Distribución Normal
5. Ejemplos
Algunas definiciones

🡪 Definamos experimentos aleatorios como aquellos en los que

se pueden obtener resultados distintos cuando se repiten en
las mismas condiciones.

Ejemplos: comprobación del sexo de un recién nascido, tirada

de una moneda o un dado.

Aleatoriedad: (informal) del azar, como patrón que explica

aquellos efectos para los que no conocemos la causa o que no
son predecibles.
🡪 Definamos a un suceso como cada uno de los posibles resultados de un
experimento aleatorio.

🡪 Espacio muestral: es el conjunto de todos los resultados posibles de un

experimento aleatorio.

🡪 Evento del espacio muestral: es un grupo de resultados contenidos en este con

una característica común.
🡪 Dado un experimento aleatorio y su espacio muestral asociado, se define como
un suceso o evento a cualquier subconjunto del espacio muestral cuyos puntos
muestrales presentan una característica común (valor que asume la variable
aleatoria).
🡪 Ejemplo:
Espacio muestral:
E = {1, 2, 3, 4, 5, 6} resultados al lanzar un dado🡪 finito,
E= {0, … infinito} pesos o alturas de una población→infinitos
Podemos pensar en un suceso imposible cómo obtener un 7 al lanzar un
dado u otros números pares e impares, suma de 7, 8, 9, etc.
E= {0, 1, 2, 3, 4, 5, 6,7}, si veo si número de pacientes recuperados del
tratamiento de cáncer de pulmón
En cada uno puedo observar los diferentes sucesos.
Concepto de probabilidad

→ la probabilidad de un suceso refleja la verosimilitud de que este suceda o sea los

sucesos más probables son aquellos que dan con mayor frecuencia que los menos
probables.

❖ Objetiva 🡪 se basan en la repetición de experimentos realizados

bajo las mismas condiciones, ej lanzamiento de una moneda.

❖ Subjetiva (o personal): es una medida del grado de creencia de un

individuo en relación a una proposición particular, ej en una partido
de fútbol entre Nacional y Peñarol, la probabilidad que yo le doy de
Uno ganar (40% de ganar Nacional). (juicio personal)
Ejemplos de eventos para probabilidad:

➔ sexo de un bebé al nacer (niño/niña)

➔ frente a una discusión de incremente la presión arterial
➔ una persona tratada sufre un infarto de miocardio
➔ sobrevivir luego del tratamiento de cáncer de páncreas.
Clásica: Probabilidades a partir de frecuencias relativas:

🡪 Juego con dados: lanzó dos dados 🡪 posibilidades: a) que los dos
números sean pares; b) que los dos números sean impares; c) que uno
sea par y el otro impar.
🡪 Si los lanzó 20 veces qué pasaría cuántas veces saldría cada
una de las posibilidades?
🡪 Resultados mutuamente excluyentes e igualmente probables.
● Definición de probabilidad clásica: si un evento puede ocurrir de N formas,
las cuales se excluyen mutuamente y son igualmente probables, si NA de
estos eventos que poseen una característica A, la probabilidad de
ocurrencia de A es igual a NA /N o sea n(A) y n(S).

• Probabilidad de frecuencia relativa: se define cuando un proceso es

repetido un gran número de veces (N), y si hay un evento resultante, con
la característica A que ocurre NA veces 🡪 la frecuencia relativa de la
ocurrencia de A es NA /N, es igual a la probabilidad de A.

P (A) = NA /N
🡪 Frecuencia absoluta y relativa:
Cuando realizamos un experimento número N de veces bajo las mismas
condiciones, la frecuencia absoluta de suceso A, es el número de NA de veces
que ocurre A.
frecuencia relativa = NA / N
🡪 Conforme N se vuelve grande, NA / N se define como la probabilidad de A.

Probabilidad de un suceso aleatorio es el valor alrededor en que oscila la

frecuencia relativa del suceso, al repetir el experimento un número grande
de veces.
Probabilidad frecuentista o “a posteriori”

Regla de correspondencia: a un acontecimiento A se le asigna como

probabilidad el límite de su frecuencia relativa cuando el número de
repeticiones del experimento tiende a infinito.
 Suceso
Ejemplo: sexo del bebé es un subconjunto del
espacio
muestral
es el conjunto de
todos los
determina un resultados
valor de una posibles de un

Experimento
PROBABILIDAD Variable aleatoria Sexo de los bebés
es un número dado por una nacidos durante un
regla de correspondencia periodo
• Ejemplos:
En un año se registraron 66 pacientes recuperados de cáncer de pulmón en
una población total de 100.000.

Probabilidad = muertes por cáncer / población total

Probabilidad = 66 / 100.000

La probabilidad de morir por cáncer será de 0,00066

 • Ejemplos:
En un año se registraron 250 nacimientos en una ciudad, de los cuales sólo 150
fueron mujeres. ¿Cuál es la probabilidad de que sea una mujer en el próximo
nacimiento?

Probabilidad = nacimientos mujeres / nacimiento totales

Probabilidad = 150/ 250

La probabilidad es de 0,6
Propiedades de la probabilidad

▪ P(A) ≥ 0, dado un experimento con n resultados/eventos (A1, A2, A3, etc)

mutuamente excluyentes (los eventos no ocurren en forma simultánea), la
probabilidad de cualquier evento A1 es un número no negativo.

▪ P(A1)+P(A2)…P(An)=1, la suma de la probabilidades de todos los

resultados mutuamente excluyentes es igual a 1.

▪ P(A1 o A2) = P(A1) + P(A2), la probabilidad de la ocurrencia del evento A1 o

A2 es igual a la suma de sus probabilidades individuales.

🡪 un suceso que deba producirse con absoluta certeza se le asigna una

probabilidad de 1. Cuanto más cerca de 0 se encuentre la probabilidad, más
seguros estamos de que no se producirá el suceso.
Probabilidad conjunta: cuando se tienen dos características al mismo
tiempo, por ejemplo ser de sexo femenino y mayor de 65 años, tirar
un dado y obtener un número par mayor o igual a 3. 🡪 P (A ∩ B)

Probabilidad condicional: de A dado B es igual a la probabilidad de

A ∩ B dividida entre la probabilidad de B, siendo la probabilidad de B
diferente de cero. Ej. probabilidad de un infarto de miocardio
depende de si es hombre o mujer.
Probabilidad condicional
Ejemplo: se estima que el 15% de la población adulta padece hipertensión, y que
el 75% de todos los adultos cree no tener ese problema. El 6% de la población
tiene hipertensión y no es consciente de padecer dicha enfermedad. Si un
paciente adulto opina que no es hipertenso, cuál es la probabilidad de que tenga
hipertensión?

B= evento paciente cree no tener la enfermedad

A = evento paciente tiene hipertensión

P(B) = 0,75, P(A) = 0,15 y P(A ∩ B ) = 0,06

P(A|B) = 0,06/ 0,75 = 0,08
Regla de multiplicación: la probabilidad se puede calcular a partir de otras
probabilidades por su producto.
Para cualquier dos eventos A y B:

*a partir de esta se obtiene la probabilidad condicional

Regla de adición: dados dos eventos A y B, la probabilidad de que ocurra el
evento A, el evento B o ambos es igual a la probabilidad del evento A más la
probabilidad del evento B, menos la probabilidad de que ocurran
simultáneamente.
Eventos independientes: la probabilidad del evento A es la mismo aunque
ocurra o no el evento B.
🡪 P(A|B) = P(A)
🡪 la regla de multiplicación para dos eventos independientes es:

Eventos complementarios: la probabilidad del evento A es igual a 1 menos la

probabilidad de su complemento.
Variable aleatoria: es una característica cuantitativa relacionada con un
fenómeno aleatorio y su espacio muestral.

Si los valores que toma la variable son enteros, se conoce como variable
aleatoria discreta y si toma decimales es una variable aleatoria continua.

Ejemplos:
● nacimiento de un bebé, espacio muestral: hombre, mujer. La variable
aleatoria toma el valor de 0 si nace un hombre y unos si nace una
mujer.
● estado nutricional considerando la estatura, espacio muestral: valores
de altura. La variable aleatoria toma todos los valores de altura dados.
Distribuciones de probabilidad de variables aleatoria discreta.
• Variable aleatoria discreta 🡪 distribución de probabilidad es una tabla,
gráfica, fórmula utilizado para especificar todos los valores posible junto con
sus probabilidades.
• Propiedades para la distribución de variable discreta:
1) 0 ≤P(X = x) ≤ 1
2) Σ P(X= x) = 1
• Distribuciones acumuladas
• Distribución binomial: se deriva a partir del ensayo de Bernoulli. En este
un proceso aleatorio o experimento, ensayo puede ocurrir sólo uno de dos
resultados mutuamente excluyentes.

• Ej: enfermo - sano, masculino – femenino.

• Condiciones para Bernoulli:

▪ En cada ensayo ocurre uno de dos posibles resultados,
mutuamente excluyentes – éxito-fracaso.
▪ P(éxito) = p y permanece constante de un ensayo a
ensayo y P(fracaso) = 1-p
▪ Los ensayos son independientes, o sea el resultado de
un ensayo no afecta el del otro.
• Distribución binomial:

f(x) ==nCxpxqn-N para x=0,1,2…, n ensayos

=0, en caso contrario.

• Es la probabilidad de obtener x éxitos en n ensayos.

• f(x) = P(X =x), donde X es la variable aleatoria, el número de éxitos en n

ensayos.

• Cumple las propiedades: f(x)≥ 0 y Σf(x) = 1

• Existe tablas para obtener los valores en está distribución.

• Ejemplo: Se sabe que cierta población 10% es daltónica. Si se extrae una
muestra de 8 personas, cuál es la probabilidad de que existan : a) 4 o menos
daltónicos, b) 4 o más daltónicos, c) entre 2 y 4 daltónicos?

a) P(X≤ 4) = 0,9996
b) P(X≥4) = 1 – 0,9996 = 0,0004
c) P(2 ≤ X ≤ 4) = P(X ≤ 4) – P(X ≤ 2) =
0,9996-0,9619= 0,0377
• Parámetros de la distribución binomial:
• Familia de distribuciones con cada uno de los valores
posibles de n y p.
• Media = np
• Varianza = np (1 – p)
• La distribución binomial se aplica en situaciones donde el muestreo es
a partir de población infinita o finita con restitución.
Distribuciones de variable aleatoria continua
 • Distribución normal o de Gauss:

Función de distribución
La variable aleatoria continua toma valores entre –infinito y + infinito
Parámetros de la distribución son: media y desviación estándar
Características de la curva normal:

❖ es simétrica respecto a su media.

❖ forma de campana y colas asintóticas al eje de las x.

❖ media, mediana y moda son coincidentes.

❖ área total bajo la curva totaliza 1 o 100%. 🡪 por la simetría de la curva, 50%
del área está a la derecha de la perpendicular levantada sobre Ia media, y el
otro 50% del lado izquierdo.
Características de la curva normal:

❖ Aproximadamente 68% (2/3) de los valores

de x se sitúan entre los puntos media ±
desviación estándar.

❖ Aproximadamente 95% de los valores de x se

sitúan entre los puntos media ± 2
desviaciones estándar.

❖ Aproximadamente 99,7% de los valores de x

se sitúan entre los puntos media ± 3
desviaciones estándar.
❖ Distribución normal estándar/tipificada: la media es igual a cero y la
desviación estándar es 1 (N(0,1)).

❖ En la función de distribución normal estándar se crea la transformación:

z = (x – μ)/ σ

❖ Existen tablas disponibles para calcular las probabilidades en la distribución

normal estándar.
• Función de densidad de probabilidad:
▪ Función siempre positiva
▪ Para una variable aleatoria X, si el área total delimitada por su
curva y el eje de las x es igual a 1.
▪ Si la sub-área delimitada por la curva, el eje de las x, y por las
líneas perpendiculares levantadas sobre dos puntos
cualesquiera a y b da la probabilidad de que X esté entre los
dos puntos a y b.
Ejemplo: Qué proporción de casos están por encima de z = 1,66?.
O sea cuál es la probabilidad de que Z > 1,66?.
Se descompone el número en 1,6 + 0,06, y se busca en la celda une la fila del 1,6 y
la columna del 0,06.
A ese resultado (p = 0,9515) se lo resta de 1. 🡪 resultando 0,0485
Qué proporción de casos de están por debajo de z = -1,38?.
O sea cuál es la probabilidad de que Z < -1,38?.
Se descompone el número en 1,3 + 0,08, y se busca en la celda une la fila del 1,3 y
la columna del 0,08.
A ese resultado (p = 0,9162) se lo resta a 1. 🡪 resultando 0,0838