UNIVERSIDAD NACIONAL EXPERIMENTAL

RÓMULO GALLEGOS
VICERRECTORADO ACADÉMICO
PROGRAMACIÓN NACIONAL DE FORMACIÓN EN FISIOTERAPIA
TRAYECTO: II TRAMO: III COHORTE: III SECCION: 6

Docente: Integrantes:

Roymel Albornoz Edualys Reyes

NOVIEMBRE 2024
1
 INDICE

Introducción……………………………………………………………..1

Fundamentos de la Probabilidad………………………………………..2

Distribuciones De La Probabilidad……………………………………..3

Teoremas Clave De La Probabilidad…………………………………....4

Probabilidad Condicionada……………………………………………...5

Aplicaciones De La Probabilidad En La Fisioterapia……………………

Errores más Comunes en el cálculo de Probabilidades…………..

Simulación y Métodos Estadísticos……………………………..

Impacto de la Probabilidad en el Análisis de Datos…………………

Conclusión

Referencia bibliográficas…………………………………………

2
 INTRODUCCIÓN

La probabilidad es una herramienta fundamental en el análisis de eventos aleatorios,

permitiéndonos medir la incertidumbre y la aleatoriedad en diferentes situaciones. En el
contexto de la estadística, la probabilidad nos ayuda a comprender y cuantificar cómo se
distribuyen las probabilidades de los diferentes resultados posibles en un experimento. A
través de modelos matemáticos como las distribuciones de probabilidad, podemos explorar
la variabilidad de los eventos y comprender mejor su comportamiento.

3
FUNDAMENTOS DE LA PROBABILIDAD

La probabilidad es un cálculo matemático que se utiliza para medir la aleatoriedad e

incertidumbre de los resultados de un experimento. El análisis de los eventos gobernados
por la probabilidad se conoce como estadística.

Los fundamentos de la probabilidad son los principios que permiten cuantificar la

probabilidad de que ocurra un evento aleatorio:

Valor de la Probabilidad: La probabilidad de un evento se expresa como un número entre

0 y 1, donde 0 indica que es imposible que ocurra y 1 indica que es seguro.

Regla del complemento: Si un suceso solo tiene dos resultados posibles, la probabilidad de
que no ocurra ese suceso es igual a 1 menos la probabilidad de que ocurra.

Regla de los sucesos incompatibles: Si dos o más sucesos no pueden ocurrir al mismo
tiempo, se denominan sucesos incompatibles.

Regla de la multiplicación para sucesos independientes: Si la probabilidad de un suceso

no afecta a la probabilidad de otro, se trata de sucesos independientes.

Regla general de adición: La probabilidad de que ocurra un suceso, otro suceso, o ambos,
se calcula con la ecuación 𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)𝑃(𝐴∩𝐵)

DISTRIBUCIONES DE LA PROBABILIDAD

Son modelos matemáticos que describen cómo se distribuyen las probabilidades de

ocurrencia de los diferentes resultados posibles en un experimento aleatorio. Estas son solo
algunas de las distribuciones de probabilidad más comunes. Cada distribución tiene sus
propias características y aplicaciones en diferentes contextos.

Distribución Uniforme: En esta distribución, todos los resultados posibles tienen la misma
probabilidad de ocurrir. Por ejemplo, lanzar un dado justo.
4
Distribución Binomial: Es una probabilidad discreta y se presenta con mucha frecuencia
en nuestra vida cotidiana, es utilizada con acontecimientos que tengan respuesta binaria.
Algunos ejemplos donde se aplica la distribución binomial son: Tener la certeza si una
persona presenta o no una enfermedad o si una mujer se encuentra en estado de embarazo.
Describe el número de éxitos en una secuencia de ensayos independientes, donde cada
ensayo tiene una probabilidad fija de éxito. Se caracteriza por dos parámetros: n (número
total de ensayos) y p (probabilidad de éxito en cada ensayo).

Distribución Normal (o Gaussiana): Es una de las distribuciones más importantes en

estadística. Tiene una forma de campana simétrica y está completamente determinada por
su media y desviación estándar. Muchos fenómenos naturales siguen esta distribución.

Distribución de Poisson: Se utiliza para modelar el número de eventos raros que ocurren
en un intervalo de tiempo o espacio fijo. Un ejemplo puede ser el número de accidentes
automovilísticos en el año. Se caracteriza por un solo parámetro, λ, que representa el
número promedio de eventos en el intervalo dado.

Distribución Exponencial: Describe el tiempo hasta que ocurra un evento específico,

como la espera entre dos eventos consecutivos en un proceso de llegadas. Está determinada
por un parámetro λ que representa la tasa de ocurrencia del evento.

Distribución de probabilidad normal: Adapta una variable aleatoria a una función que
depende de la media y la desviación típica, este tipo de distribución es muy utilizada, un
ejemplo puede ser la duración de un embarazo, el cociente intelectual, entre otros.

Distribución hipergeométrica: Es una distribución discreta que modela el número de

eventos en una muestra de tamaño fijo sin tomar en cuenta la desviación estándar. Cuando
se elige un elemento de la población, no se puede volver a elegir.

TEOREMAS CLAVE DE LA PROBABILIDAD

Teorema de la probabilidad total: Permite calcular la probabilidad de un evento a partir

de la probabilidad de eventos más pequeños que lo conforman.
5
Teorema de Bernoulli: Este teorema fue obtenido por el suizo Jacob Bernoulli (1654 -
1705). Para algunos, este teorema permitió estructurar el cálculo de probabilidades como
una disciplina orgánica.

Teorema de Bayes: Este teorema describe cómo se actualiza la creencia sobre la

probabilidad de un evento dada nueva evidencia. Es útil para inferir la probabilidad de una
hipótesis a partir de la probabilidad condicional de los datos observados.

Teorema del Límite Central: Este teorema establece que, bajo ciertas condiciones, la
media de una gran cantidad de variables aleatorias independientes y distribuidas de manera
idéntica tiende a distribuirse normalmente, independientemente de la distribución de las
variables originales.

Teorema de Chebyshev: Proporciona una cota inferior para la probabilidad de que una
variable aleatoria se aleje de su media en términos de desviaciones estándar. Es útil para
establecer límites sobre la dispersión de los datos en relación con la media.

Teorema de la Ley de los Grandes Números: Este teorema establece que, a medida que
el tamaño de la muestra aumenta, la media muestral converge hacia la media poblacional.
Es fundamental en la inferencia estadística y en la comprensión de la estabilidad de los
estimadores.

Teorema de la Función Característica: Relaciona la función característica de una

variable aleatoria con su distribución de probabilidad. Permite caracterizar completamente
una distribución de probabilidad a través de su función característica.

PROBABILIDAD CONDICIONADA

La probabilidad condicionada es un concepto fundamental en teoría de probabilidad que se

refiere a la probabilidad de que ocurra un evento A, dado que otro evento B ha ocurrido. Se
denota como P (A|B) y se lee como "la probabilidad de A dado B".

La fórmula para la probabilidad condicionada es:\[ P(A|B) = \frac{P(A \cap B)}{P(B)} \]

6
Dónde:

- \( P(A \cap B) \) es la probabilidad de que ocurran ambos eventos A y B.

- \( P(B) \) es la probabilidad de que ocurra el evento B.

Es importante tener en cuenta que la probabilidad condicionada no es simétrica, es decir, en

general \( P(A|B) \neq P(B|A) \).

La probabilidad condicionada es útil en diversos contextos, como por ejemplo en el

Teorema de Bayes, donde se utiliza para actualizar la probabilidad de una hipótesis dada
cierta evidencia.

APLICACIONES DE LA PROBABILIDAD EN LA FISIOTERAPIA

La probabilidad se utiliza en la fisioterapia para evaluar el éxito de ciertos tratamientos,

predecir la recuperación de los pacientes, calcular riesgos de lesiones deportivas, entre otros
aspectos relacionados con la salud física. La probabilidad se aplica en la fisioterapia para
estimar la probabilidad de que un paciente tenga una condición médica, como una fractura
de columna vertebral o malignidad:

Estimación de la probabilidad de una fractura de columna vertebral:En pacientes con

dolor lumbar, la probabilidad de una fractura de columna vertebral puede estimarse entre el
1% y el 4%.

Estimación de la probabilidad de malignidad: En pacientes con lumbalgia, la

probabilidad de malignidad es inferior al 1%, pero el inicio insidioso de la lumbalgia
aumenta la probabilidad posterior de malignidad.

Representación de la proporción de pacientes afectados: Las posibilidades (odds)

representan la proporción de pacientes afectados respecto de los no afectados.

7
ERRORES MÁS COMUNES EN EL CALCULO DE PROBABILIDADES

En el cálculo de probabilidades, es común cometer algunos errores que pueden llevar a

conclusiones incorrectas. Aquí hay algunos de los errores más comunes que se suelen
cometer:

Confundir probabilidad condicional y probabilidad conjunta: La probabilidad

condicional es la probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido,
mientras que la probabilidad conjunta es la probabilidad de que ocurran dos eventos
simultáneamente. Es importante diferenciar entre ambas para no confundir los cálculos.

No considerar todos los posibles resultados: Al calcular probabilidades, es crucial

considerar todos los posibles resultados o eventos que pueden ocurrir en una situación dada.
Ignorar ciertos resultados puede distorsionar la probabilidad final.

Utilizar reglas incorrectas de probabilidad: Es importante seguir las reglas básicas de la

teoría de la probabilidad, como la regla de la suma y la regla del producto, de manera
adecuada. Utilizar reglas incorrectas o aplicarlas de forma errónea puede llevar a resultados
incorrectos.

Confundir independencia de eventos: Es común confundir la independencia de eventos.

Dos eventos son independientes si la ocurrencia de uno no afecta la probabilidad de que
ocurra el otro. Es importante tener claro este concepto al calcular probabilidades.

No comprender correctamente el enunciado del problema: A menudo, los errores en el

cálculo de probabilidades se deben a una falta de comprensión del enunciado del problema.
Es fundamental leer cuidadosamente el enunciado y asegurarse de entender lo que se está
pidiendo antes de realizar cualquier cálculo.

8
SIMULACION Y METODOS ESTADISTICOS

Simulación: La simulación es una técnica que se utiliza para imitar el comportamiento de

un sistema o proceso mediante la generación de datos aleatorios. Se pueden simular
diferentes escenarios y condiciones para analizar cómo afectan ciertas variables al resultado
final. La simulación es especialmente útil cuando no se dispone de datos reales o cuando es
difícil obtenerlos, ya que permite estudiar el comportamiento de un sistema de manera
controlada.

Algunos métodos de simulación en estadística son:

Método de Monte Carlo: Un método de simulación en estadística

Bootstrap: Un procedimiento de remuestreo que es un método de simulación en

estadística

Simulación de muestreo: Un método que se utiliza para derivar estimaciones de errores

estándar e intervalos de confianza

Métodos estadísticos: Los métodos estadísticos son técnicas utilizadas para analizar datos
y tomar decisiones basadas en evidencia empírica. Incluyen una variedad de herramientas
como pruebas de hipótesis, análisis de regresión, diseño de experimentos, entre otros. Estos
métodos permiten extraer información significativa de conjuntos de datos, identificar
patrones, relaciones y tendencias, y realizar predicciones sobre eventos futuros.

Los métodos estadísticos se emplean en diversos campos, como negocios, salud, ciencias
sociales e ingeniería.

Algunos de los métodos estadísticos básicos son:

Estadística descriptiva: Utiliza índices como la media y la mediana para resumir datos

Estadística inferencial: Extrapolando resultados a partir de datos utilizando pruebas

estadísticas como la prueba t de Student

9
 En la práctica, la simulación y los métodos estadísticos suelen complementarse. Por
ejemplo, se puede utilizar la simulación para modelar un proceso complejo y luego aplicar
métodos estadísticos para analizar los resultados y sacar conclusiones. Ambas herramientas
pueden ser utilizadas de manera conjunta para resolver problemas difíciles y obtener
conocimientos a partir de los datos.

IMPACTO DE LA PROBABILIDAD EN EL ANÁLISIS DE DATOS

La probabilidad es un cálculo matemático que ayuda a analizar datos de varias formas,

entre ellas:
Comprobar la fiabilidad de inferencias estadísticas: La probabilidad es útil para
verificar la fiabilidad de las inferencias estadísticas.

Predecir la cantidad y el tipo de datos: La probabilidad ayuda a predecir la cantidad y el

tipo de datos que se necesitan para un estudio estadístico.

Tomar decisiones: La probabilidad es un insumo para tomar decisiones, pero la decisión

final es un balance entre la probabilidad y el riesgo que se está dispuesto a asumir.

Priorizar tareas: La Matriz Probabilidad-Impacto es una herramienta que permite priorizar

tareas basándose en la probabilidad de que un evento suceda y el impacto que tendría si
ocurriera.

10
 CONCLUSIÓN

La probabilidad es una herramienta matemática que se utiliza para medir la incertidumbre y la

aleatoriedad de los resultados de un experimento. Se expresa como un número entre 0 y 1, donde
0 indica que es imposible que ocurra y 1 indica que es seguro que ocurra. Los fundamentos de la
probabilidad incluyen reglas como el valor de la probabilidad, regla del complemento, regla de
multiplicación para sucesos independientes, regla de adición, entre otros.

Las distribuciones de probabilidad son modelos matemáticos que describen cómo se distribuyen
las probabilidades de ocurrencia de diferentes resultados posibles en un experimento aleatorio.
Algunas distribuciones comunes son la distribución uniforme, binomial, normal, de Poisson,
exponencial, hipergeométrica, entre otras. Estas distribuciones tienen aplicaciones en diversos
contextos y son útiles para describir fenómenos naturales y eventos raros.

Además, existen teoremas clave en la probabilidad que permiten calcular la probabilidad de

eventos, como el teorema de la probabilidad total, de Bernoulli, de Bayes, del límite central, de
Chebyshev, de la ley de los grandes números, y de la función característica. Estos teoremas son
fundamentales para comprender y calcular la probabilidad de eventos.

La probabilidad condicionada es un concepto importante en teoría de probabilidad que se refiere

a la probabilidad de que ocurra un evento dado que otro evento ha ocurrido. Esta probabilidad se
calcula utilizando la fórmula P(A|B) = P(A ∩ B) / P(B). La probabilidad condicionada se utiliza en
diversos contextos, como en el Teorema de Bayes, para actualizar la probabilidad de una hipótesis
dada cierta evidencia.

En la fisioterapia, la probabilidad se utiliza para evaluar el éxito de tratamientos, predecir la

recuperación de los pacientes y calcular riesgos de lesiones. También se emplea para estimar la
probabilidad de que un paciente tenga una condición médica específica, como una fractura de
columna vertebral o malignidad.

Además, es importante evitar errores comunes en el cálculo de probabilidades, como confundir la

probabilidad condicional con la probabilidad conjunta, no considerar todos los posibles resultados,
utilizar reglas incorrectas de probabilidad, confundir la independencia de eventos, y no
comprender correctamente el enunciado del problema.

La probabilidad y los métodos estadísticos son herramientas fundamentales en el análisis de

datos, permitiendo verificar la fiabilidad de inferencias y tomar decisiones informadas. La
simulación y los métodos estadísticos se complementan, proporcionando herramientas efectivas
para resolver problemas difíciles y obtener conocimientos a partir de los datos.

11
12
 REFERENCIAS BIBLIOGRAFICAS

https://www.google.com/search?client=firefox-b-d&q

https://www.euroinnova.com/blog/que-son-las-distribuciones-de-probabilidad

https://www.google.com/search

13