ESPECIALIZACIÓN EN SEGURIDAD Y

SALUD EN EL TRABAJO

INFORMATICA Y BIOESTADÍSTICA

Probabilidad y su Aplicación en
Salud
 Es una verdad muy cierta
que, cuando no esté a
nuestro alcance determinar
lo que es verdad,
deberemos seguir lo que es
más probable.
Descartes, en su Discurso del Método.
 El concepto de Probabilidad
El concepto de probabilidad es Estas preguntas en el
manejado por mucha gente. lenguaje coloquial
Frecuentemente se escuchan preguntas esperan como respuesta
como las que se mencionan a una medida de confianza
continuación: representativa o práctica
de que ocurra un evento
• ¿ Cuál es la probabilidad de que me futuro
gane la lotería o el chance?
• ¿ Qué posibilidad hay de que me
pase un accidente automovilístico ?
• ¿ Qué posibilidad hay de que hoy
llueva ? para llevar mi paraguas o no.
• ¿ Existe alguna probabilidad de que
repruebe el primer parcial ?
 El concepto de Probabilidad
Todo empieza por la concepción de fenómenos o sucesos aleatorios y
fenómenos o sucesos determinísticos

Cuando realizamos un
experimento, diremos que
es:

• Determinista: dadas unas

condiciones iniciales, el
resultado es siempre el
mismo.

• Aleatorio: dadas unas

condiciones iniciales,
conocemos el conjunto
de resultados posibles,
pero NO el resultado final.
 El concepto de Probabilidad
En otras palabras:

 Un experimento es un proceso que genera observaciones

 Un experimento se denomina determinístico cuando al realizarse
bajo las mismas condiciones genera los mismos resultados
 Un experimento se denomina aleatorio cuando realizado bajo las
mismas condiciones genera resultados diferentes
 Una variable es aleatoria cuando los valores que toma la variable
son determinados por el azar. Pueden ser cualitativas o
cuantitativas.
 El conjunto de todos los resultados posibles de un experimento
aleatorio se denomina ESPACIO MUESTRAL. Además cualquier
subconjunto de un espacio muestral se llama EVENTO
 PROBABILIDAD
Un experimento es aleatorio si Ejemplos:
se verifican las siguientes
condiciones:  Tirar dardos en un
1. Se puede repetir blanco
determinado
indefinidamente, siempre
en las mismas condiciones;
 Lanzar un par de
2. Antes de realizarlo, no se dados
puede predecir el resultado
que se va a obtener;  Obtener una carta
3. El resultado que se de una baraja
obtenga, s, pertenece a un
conjunto conocido  Lanzar una
moneda
previamente de resultados
posibles.
 Definición y Tipos
. Todos los resultados
son probables,
mutuamente excluyentes
y exhaustivos.
Clásica o Apriori Se establece como:
Número de resultados
Objetiva favorables / Numero de
resultados posibles

Frecuencia Se estima por la

Relativa o frecuencia relativa
La probabilidad se define
Aposteriori (definición de Laplace)
Probabilidad: como el cociente entre el
número de casos
Posibilidad de que favorables y el número
de casos totales .
un evento ocurra o
no. Varia entre 0 y 1
o 100
Se da cuando no se
tiene datos para realizar
cálculos, por lo que se
Subjetiva recurre a un experto a
fin de que establezca la
probabilidad.
 CONCEPCIÓN OBJETIVA CLÁSICA DE LA
PROBABILIDAD
• Un experimento que está sujeto al azar con n posibles resultados
equiprobables y mutuamente excluyentes y nA es la cantidad de
sucesos que presentan la característica A entonces la probabilidad
de que suceda A es:
P(A) = nA/n
• Ejemplos:

– Con una baraja española, al sacar una carta ¿cuál es la probabilidad de

sacar un número menor o igual que 3?
12/40=3/10
– Al lanzar un dado perfectamente equilibrado, ¿cuál es la probabilidad de
sacar un número impar?
3/6=1/2
¿Qué hacemos si los sucesos no son equiprobables?
 CONCEPCIÓN OBJETIVA FRECUENTISTA DE LA
PROBABILIDAD
La probabilidad de un suceso es la frecuencia relativa de veces
que ocurriría el suceso al realizar un experimento repetidas
veces
CLASIFICACION OMS

Frecuencia Porcentaje
Válidos NORMAL 469 46,9% CLASIFICACION OMS
OSTEOPENIA 467 46,7% NORMAL
OSTEOPOROSIS 64 6,4%
Total 1000 100,0 OSTEOPENIA

OSTEOPOROSIS

0 10 20 30 40 50
Porcentaje
 P(Normal)=0,469
 P(Osteopenia)=0,467
 P(Osteoporosis)=0,064
CONCEPCIÓN SUBJETIVA DE LA PROBABILIDAD

Subjetiva: Grado de certeza que se posee sobre un evento o

suceso. Es personal y se puede formular, por ejemplo, en
términos de apuestas:

Ejemplo: Dos individuos apuestan 5 euros por el equipo A y 12

euros por el equipo B, respectivamente, entonces
 La probabilidad de que gane A es 5/(5+12)
 La probabilidad de que gane B es 12/(5+12)

En todas las definiciones nos referimos a eventos o sucesos.

Recordemos qué son y qué las operaciones típicas.
 Eventos o Sucesos E espacio muestral
• Evento o Suceso es cada posibles resultados de un experimento aleatorio

• El conjunto de todos los resultados posibles es el espacio muestral (E) también

se le conoce como marco muestral

• Se llama evento o suceso a un subconjunto del espacio muestral

E espacio muestral
• Dado un evento o suceso A, el suceso contrario (complementario), A’ (ó AC),
es el formado por los elementos que no están en A
A
• Se llama evento o suceso unión de A y B, AUB, al formado por los resultados A’
experimentales que están en A o en B (incluyendo los que están en ambos).

• Se llama evento o suceso intersección de A y B, A∩B (o simplemente AB), al

formado por los elementos que están en A y B
E espacio muestral

E espacio muestral E espacio muestral A

UNIÓN INTERS.
A A B

B B
Ejemplo 1: En el experimento aleatorio “lanzar
un dado” el espacio muestral es
{1,2,3,4,5,6}

Algunos eventos:
• Sacar un número impar: A={1,3,5}
• Sacar un número primo: B={1,2,3,5}
• Sacar un número que no sea impar: A’={2,4,6}
• Sacar un número primo no impar: B ∩ A’={2}
Ejemplo 2: En el experimento aleatorio “lanzar una moneda
y un dado” el espacio muestral es
{{1,C}, {1,X}, {2,C}, {2,X}, {3,C}, {3,X},
{4,C}, {4,X}, {5,C}, {5,X}, {6,C}, {6,X}}
Algunos eventos:
 Sacar cruz y un número par: A={{2,X}, {4,X}, {6,X}}
 Sacar cara B={{1,C}, {2,C}, {3,C}, {4,C}, {5,C}, {6,C}}
 Sacar un número par
D={{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X}}
 Sacar cara o un número par
B U C= {{2,C}, {2,X}, {4,C}, {4,X}, {6,C}, {6,X}, {1,C}, {3,C}, {5,C}}
 Sacar cara y un número par
B ∩ C= {{2,C}, {4,C}, {6,C}}
Propiedades de las Probabilidades
La probabilidad es una medida de la
incertidumbre en cuanto a la ocurrencia de un
evento determinado:

A mayor probabilidad de ocurrencia menor

incertidumbre
 Propiedades de las Probabilidades
1. La probabilidad de cualquier evento no es menor a 0.
P(E) ≥O
2. La probabilidad de un evento en un espacio muestral esta entre 0 y 1.
0≤P(E) ≤1
3. Siendo D un evento que no ocurre en el universo entonces la probabilidad de que
ocurra es cero.
P(D)=0
4. La suma de las probabilidades de todos los resultados posibles de un ensayo
mutuamente excluyentes, es igual a uno
P(E1+E2+E3+….Ei)=1
5. Si estamos frene a eventos simultáneos, cada uno tiene una probabilidad
independiente, se entiende que la probabilidad de que ambos ocurran
simultáneamente es el producto de ambas probabilidades. A y B eventos
simultáneos
P(A/B)= P(A)*P(B)
Axioma.- Sea S un espacio muestral cualquiera y A un
evento, tal que A  S, entonces se cumple que
0  P(A)  1

esto significa que la probabilidad de cualquier evento no

puede ser más grande que uno, ni ser menor que
cero. Si es igual a 1 se llama evento seguro, y cuando
es cero se llama evento imposible.

P(A)
___________________________________
• -2 -1 0 1 2
 Propiedades de las Probabilidades
6. Cuando se esta revisando la probabilidad de ocurrencia de un evento, el
complemento obligatorio es la probabilidad de no ocurrencia del evento
P(E)+P(E)=1
7. Si los eventos en estudio son mutuamente excluyentes E1 y E2. La
probabilidad de E2, es igual a 1 menos P1.
P (E) = 1 - P (E)
8. Si los eventos A, B,C son mutuamente excluyentes, entonces:
P (A U B U C) = P(A)+P(B)+P(C)
9. Si dos eventos son independientes la probabilidad de que ocurran se expresa
de la siguiente forma:
P(A U B)= P(A)+P(B)-P(A∩B)
EJEMPLO 1.
De un grupo de 50 estudiantes que finalizó a un proceso de capacitación, se conoce que
el número de aquellos que aprobaron el test de conocimiento sobre riesgo ergonómico
es de 20 , los que aprobaron otro sobre riesgo cardiovascular de 23y los que aprobaron
ambos de 9 .
Cuál es la probabilidad de que un estudiante escogido al azar:
a. No haya aprobado el test sobre riesgo ergonómico.
b. Haya aprobado al menos uno de éstos test.

EJEMPLO 2.
A continuación se muestra la frecuencia de accidentes laborales de una empresa
escogida al azar de una de las ciudades de la costa norte de Colombia durante año 2011.

Cuál es la probabilidad de que al escoger un trabajador

de ésta empresa:
a. Sea Hombre
b. Haya tenido entre 6 y 10 accidentes
c. Haya tenido más de 6 accidentes.
 Probabilidad Condicionada
Expresa la probabilidad de que un evento ocurra (A), dado que previamente se
dio otro evento (B).
• Se establece con la ecuación:
P ( A | B) = P(A∩B) Si P(B) es mayor que 0
P(B)

Propiedades de la probabilidad condicionada

 P ( A | B) + P ( A | B) = 1 A∩B

 Si B esta incluido en A entonces ( A | B) = 1

 P (A) = P (A|B) * P (B) + P (A|B) * P (B)
P(A∩B) P(A∩B)
Ejemplo : Personas que llegan al consultorio de salud ocupacional con fiebre y
gripa, P(Fiebre)=75%; P(Gripa | Fiebre)=80%; P (Gripa | Sin Fiebre)=10%
 Cual es la Probabilidad de que Tengan Gripa P(Gripa)?
P(G)= P(G∩F) + P(G∩F)
 Teorema de Bayes
Se relaciona con la condicionalidad de dos eventos aleatorios A y B
pertenecientes a un universo de estudio, normalmente se intenta encontrar la
Probabilidad de A dado B, P(A|B); y la probabilidad de B dado A, P(B|A).
Normalmente se puede caer en el error de considerar que las dos
probabilidades son iguales
El teorema trata de como hacer visible este error, Bayes encontró la relación
entre ambas condicionalidades.
P ( A | B) = P(A∩B) P(A∩B) = P ( A | B) * P(B)
P(B)

P ( B | A) = P(A∩B) P(A∩B) = P ( B | A) * P(A)

P(A)
Teorema de Bayes
P (A|B) * P(B) = P (B|A) * P(A) P (A|B) = P (B|A) * P(A) / P(B)
 Ejemplo de teorema de Bayes
Sean Ay B dos eventos aleatorios
P(A)= 1-P(noA)= 0,60
• P(noA)= 0,40
• P(B) = 0,70 • P(B|A) = P(A|B) * P(B) / P(A)
• P(A|B) =0,30 • P(B|A) = 0,30 * 0,70 / 0,60
• P(B|A) = ? • P(B|A) = 0,35

Ejemplo: En una clase de 60 P(M) =12/60=0,20 P(L) =36/60=0,60 P(M ∩ L) =6/60=0,10

alumnos, 12 ganaron
matemáticas (M), 36 ganaron P(M l L) = P(M ∩ L) =0,10/0,60 =0,16
lenguaje (L), 6 aprobaron P(L) 0,16 = 0,50
ambas y 18 ninguna P(L l M) = P(M ∩ L) =0,10/0,20 =0,50
P(M)
Total=60
M L A probarlo
6 6 30
Taller de Hoy.- Hacerlo con los
18 complementos
Se tienen los eventos A y B y sus complementos Ac, Bc

B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc Ω

Tabla de número de elementos de A, B y sus complementos Ac, Bc

B Bc Total
A N(AB) N(ABc) N(A)
Ac N(AcB) N(AcBc) N(Ac)
Total N(B) N(Bc) N(Ω)

Tabla de probabilidades de A, B, Ac, Bc y sus intersecciones

B Bc Total
A P(AB) P(ABc) P(A)
Ac P(AcB) P(AcBc) P(Ac)
Total P(B) P(Bc) P( Ω)
 Árbol de Probabilidades

Efecto (+)

Expuestos
al riesgo

Efecto (-)
Población
sana a
Silicosis

No Efecto (+)
expuestos
al riesgo

Efecto (-)
 Aplicación del Árbol de Probabilidades a las
Pruebas de tamizaje.
Sensibilidad, VP (+)
verdaderos +

Enfermo

Falsos - FN (-)
Individuo
Falsos +
FP (+)
Sano

Especificidad, VN (-)
Verdaderos -
 Probabilidad y Variables
Cuantitativas

Chi-
t de cuadrado
Curva Student
Normal
 Pruebas de Tamizaje:
Inferencia Estadística:
Muestreo
Sensibilidad
Incidencia Pruebas de hipótesis:
Especificidad
Prevalencia Estimadores puntuales
Valores Predictivos: y por intervalo
Positivo y Negativo

Aplicación del Concepto de Probabilidad

Muchas Gracias