Post on 09-Jul-2020
Bioestadística
Sesión11:ModelosdeprobabilidadJoséAurelioPinaRomero
Ja.pina@ua.esBioestadística– GradoEnfermeríaUA-DepartamentodeEnfermería
Variablealeatoria• Elresultadodeunexperimentoaleatoriopuedeserdescritoenocasionescomounacantidadnumérica.
• Enestoscasosaparecelanocióndevariablealeatoria• Funciónqueasignaacadasucesounnúmero.
• Lasvariablesaleatoriaspuedenserdiscretasocontinuas(comoenelprimertemadelcurso).
• Enlassiguientestransparenciasvamosarecordarconceptosdetemasanteriores,juntoconsunuevadesignación.Losnombressonnuevos.Losconceptosno.
2
Funcióndeprobabilidad(V.Discretas)
Sedefinecomofuncióndeprobabilidaddeunav.a.Xaunafunciónp(x)=P(X=x0)queparacadaunadelosvaloresdelavariableleasignaunaprobabilidad
• Frecuenciarelativaydiagramadebarras.• 0≤P(X=x0)≤1
Ejemplo• Númerodecarasallanzar3monedas.• Númerodeingresoshospitalarios/día
0%
5%
10%
15%
20%
25%
30%
35%
40%
0 1 2 3 3
Funcióndedistribución(V.Discretas)
Se define como la función de distribución de lavariableX,comounafunciónF(x)queasigna,paracada valor concreto, la probabilidad de que lavariabletomeunvalormenoroigualaél,esdecir
4
F (x0) = P X ≤ x0( ) = p x( )x =0
x0
∑
Nºingresos Funcióndeprobabilidadp(x)=P(X=x) FuncióndedistribuciónF(X)=P(X≤x)
0 0,1 0,1
1 0,15 0,25
2 0,2 0,45
3 0,26 0,71
4 0,21 0,92
5 0,08 1
Algunaspreguntas• Lafuncióndedistribucióndeunavariablealeatoriadiscretatomavaloresmayoresde1onegativos.
• Lafuncióndedistribucióndeunavariablealeatoriadiscretatomavaloresentre0y1.
• Lafuncióndeprobabilidaddeunavariablealeatoriadiscretatomavaloresentre0y1.
• Lafuncióndeprobabilidaddeunavariablealeatoriadiscretatomavaloresmayoresde1.
5
Algunosmodelosdev.a.• Modelosdistribucióndiscretos(Sesión11)(Cuandounafunciónasignaprobabilidadalosvaloresquepuedetomarunav.a)• Bernoulli• Binomial• Poisson
• Modelosdistribucióncontinuos(Sesión12)(Cuandolav.a.puedetomarlosinfinitosvaloresdeunintervalo)
• Normal
6
DistribuciónbinomialSea un fenómeno aleatorio que dá como resultado dossucesos.Unoconprobabilidadpyotroconprobabilidad1-p.Si se tienen n obsevaciones independientes delfenómeno aleatorio correspondiente a n individuos. Laprobabilidadqueseobservelaocurrenciadelsuceso,enkdelosnindividuospodrádeterminarseatravésdeunafuncióndeprobabilidaddelabinomial.Sea X la v.a. nº de individuos en los que se observa elsucesoAàX=B(n,p)Funcióndeprobabilidad
7
P (X = k ) = nk
⎛
⎝⎜⎜
⎞
⎠⎟⎟p
kq n−k ,0 ≤ k ≤ n
Distribuciónbinomial
8
nk
⎛
⎝⎜⎜
⎞
⎠⎟⎟ =
n !(n − k )! ⋅k !
Númeroscombinatorios-Ejemplos
9
62
⎛
⎝⎜⎜
⎞
⎠⎟⎟ =
6!(6− 2)! ⋅2!
=
65
⎛
⎝⎜⎜
⎞
⎠⎟⎟ =
6!(6−5)! ⋅5!
=
6! = 6 ⋅5 ⋅4 ⋅3 ⋅2 ⋅1=
61
⎛
⎝⎜⎜
⎞
⎠⎟⎟ =
6!(6−1)! ⋅1!
=
DistribuciónbinomialMedia:Varianza:Media=númeroesperado
10
µ = E X( ) = n ⋅ p
σ 2 =Var X( ) = n ⋅ p ⋅q
Ejercicio1
11
Sesabequeel35%delosdiabéticostipoIIsontratadosconinsulina,sienunaconsultadeenfermeríasedisponede6dosisdeinsulinayentran15sujetos.• i.¿Cualeselnúmeroesperadodeinsulinodependientes?• IiDesviacióntipicaesperadadeinsulinodependientes.• ii.¿Cualeslaprobabilidadexactadeutilizarlasseisdosis?X=númerodepacientesdiabéticostipoIItratadosconinsulina.X=B(n=15,p=0,35)
P (X = k ) = nk
⎛
⎝⎜⎜
⎞
⎠⎟⎟p
kq n−k ,0 ≤ k ≤ n
Ejercicio2
12
El número de ítems a cumplimentar de un parte dedeclaracióndeunaenfermedadpara llevarunregistrode lasmismasesde10.Suponiendoindependienteelhechodequeunítemnoestécumplimentadoparaqueloestéotroyqueelporcentajedequeunítemnoestécumplimentadoesde0,1i.¿Cualeslaprobabilidadquedeesténcumplimentadostodoslosítems?ii.¿Cualeslaprobabilidaddequenoestécumplimentadoningúnítem?iii.¿Cualeslaprobabilidaddeque5ítemsnoesténcumplimentados?X=númerodeítemsacumplimentardelparteX=B(n=10,p=0,9)
Ejercicio3
13
La probabilidad de que un estudiante obtenga del Grado deEnfermeríaobtengael títuloesde0,85. Si enel aulahay80alumnos.Calcule:i.Probabilidaddequeningunofinaliceelgrado.ii.Probabilidaddequefinalicentodos.iii.Probabilidadquealmenos40terminen.iv.Probabilidaddequealmenos78terminenlacarrera.iv.Hallalamediayladesviacióntípicadelnúmerodealumnosqueacabenlacarrera.X=númerodealumnosdelGradodeEnfermería.X=B(n=80,p=0,85)
Ejercicio4
14
Unprominentemédicoafirmaqueel70%delospacientesconcáncer de pulmón son fumadores empedernidos. Si suafirmaciónescorrecta,determinari.laprobabilidaddequede10pacientesrecientementeingresadosenunhospital,menosdelamitadsonfumadoresempedernidosX=númerodepacientesconcancerdepulmónX=B(n=10,p=0,70)
DistribucióndePoissonSeaλelpromediodeocurrenciasdeundeterminadosucesoenunintervalodetiempooespacio.Ademássupóngasequeseverificanlassiguientescondiciones:1.Lasocurrenciasdelsucesosonindependientes.
2.EsposibleobservarunnúmeroinfinitodeocurrenciasencadaIntervalo.3.Laprobabilidaddeocurrenciadelsucesoenunintervaloesproporcionalasuamplitud.
Lav.a.X=númerodeocurrenciaseneseintervalodetiempooespaciosedistribuyesegúnàX=P(λ)
15
DistribucióndePoissonQuedacaracterizadaporunúnicoparámetroλ(queesasuvezsumediayvarianza.)Funcióndeprobabilidadmedia=E(x)=λvarianza=V(x)=λ
16
,... 2 , 1 , 0 , !
] [ = = = - k k
e k X P
k λ λ
Ejercicio1
17
Elnúmeroanualdeaccidentestetránsitoeneltramodelaautopista entre Vinarós y Oropesa sigue una distribuciónPoissonconunamediadeλ=10accidentesaño.i.Calculelaprobabilidaddeobservarexactamente10accidentesen1997.ii.Calculelaprobabilidaddeobservarmásde2accidentesen1997.X=númerodeaccidentesdetráficoX=P(λ=10)
,... 2 , 1 , 0 , !
] [ = = = - k k
e k X P
k λ λ
Ejercicio2
18
El número de ingresos hospitalarios es de 4 ingresos-día.Paraundíacualquiera,i.Calculelaprobabilidaddequeseproduzcanmásde5ingresos.ii.Calculelaprobabilidaddequeseproduzcanentre2y5ingresos.iii.Calculeeinterpreteelnúmeroesperadodeingresoenunasemanaysudesviacióntípica.X=númerodeingresoshospitalarios.X=P(λ=4) ,... 2 , 1 , 0 ,
! ] [ = = =
- k k
e k X P
k λ λ
Ejercicio3
19
Elnúmeromediodellamadasparaasistenciadomiciliariaaunserviciodeurgenciases7llamadas-noche.Sisólosepuedenatender10llamadas.i.Calculelaprobabilidaddequeseproduzcanmásde10llamadasenunanocheii.Calculelaprobabilidaddequeseproduzcan10llamadasenunfindesemana(SábadoyDomingo)iii.Calculelaprobabilidaddequeseproduzcan20omásllamadasenlasdosnochesiv.Calculelaprobabilidaddequeseproduzcanmásde10llamadascadaunadelasdosnoches.,semanaysudesviacióntípica.X=númerodellamadashospitalarias.X=P(λ=7)
20
Funcióndedensidad(V.Continuas)
• Definición• Esunafunciónnonegativadeintegral1.
• Piénsalocomolageneralizacióndelhistogramaconfrecuenciasrelativasparavariablescontinuas.
• ¿Paraquélovoyausar?• Nuncalovasausardirectamente.• Susvaloresnorepresentanprobabilidades.
21
¿Paraquésirvelaf.densidad?
• Muchosprocesosaleatoriosvienendescritosporvariablesdeformaquesonconocidaslasprobabilidadesenintervalos.
• Laintegraldefinidadelafuncióndedensidadendichosintervaloscoincideconlaprobabilidaddelosmismos.
• Esdecir,identificamoslaprobabilidaddeunintervaloconeláreabajolafuncióndedensidad.
DistribuciónnormalodeGauss
• Aparecedemaneranatural:• Erroresdemedida.• Distanciadefrenado.• Altura,peso,propensiónalcrimen…• Distribucionesbinomialesconngrande(n>30)y‘pnipequeño’(np>5)‘nigrande’(nq>5).
• Estácaracterizadapordosparámetros:Lamedia,μ,yladesviacióntípica,σ.
• Sufuncióndedensidades:
22
23
N(μ,σ):Interpretaciónprobabilista• Entrelamediayunadesviacióntípicatenemossiemprelamismaprobabilidad:aprox.68%
• Entrelamediaydosdesviacionestípicasaprox.95%
Algunascaracterísticas• Lafuncióndedensidadessimétrica,mesocúrticayunimodal.
• Media,medianaymodacoinciden.
• Lospuntosdeinflexióndelafun.dedensidadestánadistanciaσdeμ.
• Sitomamosintervaloscentradosenμ,ycuyosextremosestán…• adistanciaσ,ètenemosprobabilidad68%• adistancia2σ, ètenemosprobabilidad95%• adistancia2’5σ ètenemosprobabilidad99%
• Noesposiblecalcularlaprobabilidaddeunintervalosimplementeusandolaprimitivadelafuncióndedensidad,yaquenotieneprimitivaexpresableentérminosdefunciones‘comunes’.
• TodaslasdistribucionesnormalesN(μ,σ),puedenponersemedianteunatraslaciónμ,yuncambiodeescalaσ,comoN(0,1).Estadistribuciónespecialsellamanormaltipificada.• Justificalatécnicadetipificación,cuandointentamoscompararindividuos
diferentesobtenidosdesendaspoblacionesnormales.
24
Tipificación• Dadaunavariabledemediaμydesviacióntípicaσ,sedenominavalortipificado,z,deunaobservaciónx,aladistancia(consigno)conrespectoalamedia,medidoendesviacionestípicas,esdecir
• EnelcasodevariableXnormal,lainterpretaciónesclara:AsignaatodovalordeN(μ,σ),unvalordeN(0,1)quedejaexáctamentelamismaprobabilidadpordebajo.
• Nospermiteasícompararentredosvaloresdedosdistribucionesnormalesdiferentes,parasabercuáldelosdosesmásextremo.
z = x −µσ
Tema 4: Modelos probabilísticos 25
26
TablaN(0,1) Z es normal tipificada. Calcular P[Z<1,85]
Solución: 0,968 = 96,8%
27 Bioestadística. U. Málaga.
TablaN(0,1) Z es normal tipificada. Calcular P[Z<-0,54]
Solución: 1-0,705 = 0,295
28
TablaN(0,1) Z es normal tipificada. Calcular P[-0,54<Z<1,85]
Solución: 0,968-0,295= 0,673
29
Ejemplo:Cálculoconprobabilidadesnormales
• Elcolesterolenlapoblacióntienedistribuciónnormal,conmedia200ydesviación10.
• ¿Quéporcentajedeindivíduostienecolesterolinferiora210?
• Quévalordelcolesterolsóloessuperadoporel10%delosindividuos.
30
• Todaslasdistribucionesnormalessonsimilaressalvotraslaciónycambiodeescala:Tipifiquemos.
31
• Elvalordelcolesterolquesólosuperael10%delosindividuoseselpercentil90.Calculemoselpercentil90delaN(0,1)ydeshacemoslatipificación.
Tema 5: Modelos probabilísticos
32
Bio
esta
díst
ica.
U. M
álag
a.
Como ZA>ZB, podemos decir que el porcentaje de compañeros del mismo sistema de estudios que ha superado en calificación el estudiante A es mayor que el que ha superado B.
Podríamos pensar en principio que A es mejor candidato para la beca.