Repaso

• Las muestras y las poblaciones son de suma importancia en la

estadística
• El muestreo es fundamental para la inferencia estadística
• Es útil resumir los datos para poder darles un contexto:
• Tablas de frecuencia
• Histogramas
• Ojivas
• Gráficos de Pareto
• Gráficos de barras
• Gráficos de dispersión
Repaso
• Caracterización y descripción de los datos
• Medidas de tendencia central:
• Media
• Mediana
• Moda
• Mitad de rango
• Medidas de dispersión:
• Rango
• Desviación estándar
• Varianza
• Coeficiente de variación
• ¡Recuerde que no tiene sentido analizar datos sin un contexto!
Repaso
• Si contamos con datos pareados podemos hacer predicciones sobre
su relación:
• Regresión (coeficiente de regresión, ecuación de regresión)
• Coeficiente de correlación
• Covarianza
• Con esta información podemos generar modelos algebraicos (lineales,
entre otros) para nuestros datos pareados, si hay suficiente evidencia
sobre su relación:
• Gráfico de dispersión
• Coeficiente de determinación
• Coeficiente de correlación de Pearson
• Gráfico de residuos
Probabilidades
Objetivos
• Comprender la importancia de las probabilidades en las ciencias
biológicas

• Realizar cálculos básicos de probabilidades

• Conocer las reglas básicas de probabilidad

Probabilidades en los sistemas biológicos
Probabilidades en los sistemas biológicos
Algunos conceptos
• Evento: cualquier conjunto de resultados o consecuencias de un
procedimiento o experimento
• Evento simple: un evento con un solo resultado (no se puede desglosar
más)
• Evento compuesto: un evento con más de un resultado
• Espacio muestral: todos los eventos simples posibles. Es decir, el espacio
muestral está formado por todos los resultados que ya no pueden
desglosarse más

Ejemplo. Cuántos resultados me pueden dar 6 al lanzar un dado (evento

simple)
Cuántos números pares puedo obtener al lanzar un dado (evento
compuesto)
Eventos
 Probabilidad
Podemos definir la probabilidad de que ocurra el suceso A, como:

• P( ) = Probabilidad de…
• A = cualquier suceso de interés
• Ā = complemento de A (o sea, que no ocurra A)
• 𝑷(Ā) = La probabilidad de que no ocurra el evento A
• 𝑵𝑨= Número de eventos en los que ocurre A
• N = número total de eventos
 Probabilidad (características)
• P (A) ≥ 0
• P (A) ≤ 1
• P (A) + P (Ā ) = 1 ó P (Ā ) = 1 - P (A)

• Esto se deduce ya que:

 Dos formas habituales de calcular la
probabilidad de un evento
Aproximación de la probabilidad a Método clásico
través de frecuencias relativas

P(A)= lim 𝑓𝑛(𝐴)

𝑛→∞
• Este método funciona siempre y
• Este método es una buena cuando los eventos simples sean
aproximación con números igualmente probables
grandes
Ejemplo del método clásico
• Si tenemos 4 genotipos AA, Aa, aA y aa anotados en una ficha, luego
mezclamos las cuatro fichas y elegimos una al azar. ¿Qué probabilidad
tenemos de seleccionar un genotipo en el que los dos alelos sean
diferentes?
• En este caso, el espacio muestral (AA, Aa, aA, aa) incluye resultados
igualmente probables. De los cuatro resultados, hay exactamente 2
en los que los dos componentes son diferentes: Aa y aA. Podemos
emplear el método clásico para obtener
• P (resultado con diferentes componentes) =2/4=0.5
Ejemplo de cálculo a través de frecuencias
relativas
• En un año determinado, de un total de 135,670,000 automóviles
registrados en Estados Unidos (según datos de Statistical Abstract of
the United States), 6,511,100 se accidentaron.
• Ahora podemos utilizar el método de frecuencias relativas de la
siguiente manera:
• P (accidente de carro en EEUU)= 6,511,100 /135,670,000=0,048

• En este caso no se puede usar la aproximación clásica ya que el sufrir

un accidente de carro y no sufrirlo no tienen la misma probabilidad
Reglas básicas de probabilidad para eventos
mutuamente excluyentes y/o independientes
• Regla de multiplicación para dos eventos independientes E1 y E2
P(E1 y E2)=P(E1).P(E2)

Intersección (A ∩ B) -> (A y B)

• Regla de la adición para dos eventos mutuamente excluyentes E1 o E2

P(E1oE2)=P(E1) + P(E2)

Unión (A ∪ B) -> (A o B)
Aplicación de probabilidades independientes
en los análisis genealógicos
• La siguiente genealogía aplica a una enfermedad autosómica
mendeliana simple, que se expresa únicamente en homocigosis del
alelo recesivo

Si se casaran los individuos

III-1 y III-5 ¿cuál sería la
probabilidad de que su
primer hijo tenga la
enfermedad?
• En la genealogía de una familia que se muestra a continuación, un carácter anormal se hereda como un
recesivo sencillo. A menos de que haya pruebas de lo contrario, supóngase que los individuos que ingresan a
esta familia por matrimonio no portan el gen recesivo para el carácter. Los cuadrados y círculos negros
representan expresiones del carácter. Calcular la probabilidad de que el carácter aparezca en una descendencia
dada si los siguientes primos y primos segundos de las generaciones III y IV se casaran: a) III-1 x III-12; b) III-4 x
III-14; c) III-6 x III-13; d) IV-1 x IV-2.
 Generalización de las reglas básicas de
probabilidad
• Para la regla de la adición la generalización es:

• P(AyB) es la probabilidad de que A y B ocurran al mismo tiempo,

como resultado dentro del mismo procedimiento
Eventos
disjuntos

Restar esta parte del

conjunto de probabilidades
Ejemplo
• Si se elige al azar a 1 de los 98 sujetos que fueron sometidos a una
prueba de polígrafo, calcule la probabilidad de seleccionar a un sujeto
que haya obtenido un resultado positivo o que mintió

57

41

47 51
Solución
• Para usar la regla de la suma en dos eventos que no son excluyentes
mutuamente hay que asegurarse de no contar dos veces al mismo
resultado
• Esto es sumando los 57 sujetos que tuvieron un resultado positivo a
los 51 sujetos que mintieron, pero el total de 108 incluye un doble
conteo de 42 sujetos, de manera que para compensar esto, se resta el
traslape consistente en los 42 sujetos que se contaron dos veces
• P(de que sea positivo y haya mentido)=57/98+51/98-42/98
 Generalización de las reglas básicas de
probabilidad
• Para la regla de la multiplicación la generalización es:

Eventos no independientes

Esto se lee como A dado B

Ejemplo
• Los marcapasos se implantan en los pacientes con la finalidad de estimular el pulso
cuando el corazón no puede latir por sí mismo. Cada año, se implantan más de 250,000
marcapasos en Estados Unidos. Por desgracia, los marcapasos en ocasiones fallan,
aunque la tasa de fallas es baja, como de 0.0014 por año. Consideraremos una pequeña
muestra de cinco marcapasos, que incluye tres que funcionan bien (denotados por B) y
dos que son defectuosos (denotados por D). Un investigador médico desea seleccionar
dos marcapasos al azar para realizar un experimento. Calcule la probabilidad de que el
primer marcapasos seleccionado funcione bien (B) y que el segundo marcapasos
también funcione bien (B). Utilice los siguientes supuestos:
• a) Suponga que las dos selecciones aleatorias se realizan con reemplazo, de manera que
el primer marcapasos seleccionado se reincorpora a la muestra antes de elegir el
segundo.
• b) Suponga que las dos elecciones aleatorias se realizan sin reemplazo, de manera que el
primer marcapasos seleccionado no se reincorpora a la muestra antes de elegir el
segundo.
Ejemplo
• a) Si los dos marcapasos se seleccionan al azar con reemplazo, las dos
selecciones son independientes, ya que el segundo evento no se ve
afectado por el primero. En cada selección, hay tres marcapasos que
funcionan bien (B) y dos defectuosos (D), de manera que obtenemos
• P (el primer marcapasos es B y el segundo marcapasos es B) =3/5*3/5=9/25
• b) Si los dos marcapasos se seleccionan al azar sin reemplazo, las dos
selecciones son dependientes, ya que la probabilidad del segundo evento
se ve afectada por el primer resultado. En la primera selección, tres de los
cinco marcapasos funcionan bien (B). Después de elegir un marcapasos que
funciona bien en la primera selección, quedan cuatro marcapasos,
incluyendo dos que funcionan bien. Por lo tanto,
• P (el primer marcapasos es B y el segundo marcapasos es B) =3/5*2/4=6/20
Probabilidad condicional
Probabilidades conjuntas

Tabla de contingencia Probabilidades marginales

Independencia entre los eventos
• Se dice que dos eventos son independientes si:

• O en otras palabras, dos eventos son independientes si la probabilidad

conjunta de A y B es igual al producto de sus probabilidades marginales
¿En el experimento con el polígrafo los
eventos son independientes?

P (+No)=P(+)P(No) ????

No Sí
+ 15/98= 0,153 42/98= 0,429 57/98=0,582
- 32/98= 0,327 9/98= 0,188 41/98=0,418
47/98=0,480 51/98=0,520
 Ejercicio
• Utilice la siguiente tabla de probabilidad para calcular P (𝐵), P(A), P (A 𝐵),
ത P (𝐴 ∪ 𝐵), P (𝐴ҧ ∪ B), P (𝐵|A) y P (𝐴|𝐵).
P (𝐴 𝐵), ത ¿Son independientes A y
B? ¿Cuál es la justificación de su respuesta?
Especificidad y sensibilidad
• Imagine que desarrolla una prueba para detectar SARS-CoV-2. El
patrón de referencia es qPCR. Usted realiza una serie de pruebas con
pacientes sanos y enfermos y los compara con el estándar. Estos
fueron los resultados

Positivo qPCR Negativo qPCR Total

Positivo prueba 634 269 903
nueva
Negativo prueba 487 1251 1738
nueva
Total 1121 1520 2641
 Especificidad y sensibilidad
Positivo qPCR Negativo qPCR Total
Positivo prueba Verdaderos Falsos positivos (FP)
nueva positivos (VP)
Negativo prueba Falsos Negativos Verdaderos
nueva (FN) negativos (VN)
Total

Probabilidad de estar
𝑉𝑃 𝑉𝑃 enfermo cuando el test
Sensibilidad= 𝑉𝑃+𝐹𝑁 fracción de verdaderos positivos (FVP) Valor predictivo positivo= 𝑉𝑃+𝐹𝑃 dice que lo estamos
𝑉𝑁 𝑉𝑁
Especificidad= 𝑉𝑁+𝐹𝑃 fracción de verdaderos negativo (FVN) Valor predictivo negativo= 𝑉𝑁+𝐹𝑁 Probabilidad de estar
sano cuando el test dice
que lo estamos
Especificidad y sensibilidad
Positivo qPCR Negativo qPCR Total
Positivo prueba 634 269 903
nueva
Negativo prueba 487 1251 1738
nueva
Total 1121 1520 2641

𝑉𝑃 𝑉𝑃
Sensibilidad= 𝑉𝑃+𝐹𝑁 Valor predictivo positivo= 𝑉𝑃+𝐹𝑃

𝑉𝑁 𝑉𝑁
Especificidad= 𝑉𝑁+𝐹𝑃 Valor predictivo negativo= 𝑉𝑁+𝐹𝑁
 Combinatoria
• Muchas veces en el cálculo de probabilidades de eventos compuestos
P(A) y P(B) es difícil conocer el espacio muestral. Especialmente
cuando existen muchas posibilidades (eventos posibles)

• En tal caso se puede usar la combinatoria

• Regla fundamental de conteo*: Para una secuencia de dos eventos en la que
el primero puede ocurrir de m formas y el segundo puede ocurrir de n
formas, los eventos juntos pueden ocurrir (o se pueden arreglar) en un total
de m x n formas
*Esta regla se puede extender a más de dos eventos
Combinatoria
• La regla de la multiplicación es la base para la regla fundamental de
conteo
• Ejemplos:
• Si se lanza una moneda y luego un dado, entonces hay 2*6=12
posibles resultados
Ejemplos
• Si una persona tiene 8 camisas diferentes, 6 corbatas diferentes, y 5
chaquetas diferentes, entonces él puede vestirse para una ocasión de
8*6*5 = 240 maneras diferentes
• Suponga que las placas de los vehículos están formadas con tres
letras distintas seguidas por tres dígitos distintos. Entonces hay 27
formas de escoger la primera letra, 26 para la segunda y 25 para la
tercera. También, hay 10 formas de escoger el primer digito, 9 para el
segundo, y 8 para el tercero. Finalmente, hay 27*26*25*10*9*8 =
12.636.000 placas diferentes (¿Esta respuesta aplica a un cálculo con
o sin reposición?)
Ejemplos
• Ahora supongamos que necesitamos saber de cuantas formas se puede
arreglar un conjunto de probabilidades
• Considere la siguiente pregunta de un examen de historia:
• Ordene los siguientes eventos cronológicamente.
• a) La batalla de Pichincha
• b) La batalla de Tarqui
• c) La Guerra del Cenepa
• La respuesta correcta es a), b), c); pero supongamos que un estudiante
responde con conjeturas. Calcule la probabilidad de que este estudiante
elija el orden cronológico correcto.
Ejemplos
• Cuando se hacen conjeturas aleatorias, existen 3 opciones posibles
para el primer evento, 2 opciones restantes para el segundo evento y
solo 1 opción para el tercer evento (dado que no tiene lugar la
reposición), de manera que el número de arreglos posibles es:
3*2*1=6
• Como solo uno de los 6 arreglos posibles es correcto, la probabilidad
de elegir el orden cronológico correcto haciendo conjeturas es 1/6 o
0.167
Permutaciones
• Esto hace referencia a encontrar los arreglos posibles para ordenar M
elementos de n maneras diferentes (sin reemplazo)
• Lo que diferencia a las permutaciones de las combinaciones es que
para las primeras el orden es importante y para las segundas no
• Ejemplo: Supóngase que tenemos una colección de objetos {a,b,c,d} y
que se seleccionan solo tres objetos en un grupo. ¿De cuántas formas
diferentes se pueden arreglar?
Se seleccionan tres letras de un total de cuatro. La primera letra puede
ser seleccionada de 4 maneras; una vez hecho esto, la segunda letra
puede ser seleccionada de 3 maneras; y después de seleccionar las
primeras dos letras, la tercera puede escogerse de 2 maneras. Entonces
por el principio de la multiplicación, el número total de posibles
selecciones de tres letras es de 4*3*2 = 24
Permutaciones
• El número de permutaciones (o arreglos) de n objetos seleccionados
de una colección de M objetos distintos es:
M Pn = M(M -1)(M - 2)...(M - n +1)
Lo que equivale a:

En el caso especial en que M coincida com n:

Combinaciones
• Cuando el orden no importa, la mayoría de permutaciones son
repeticiones de los mismos elementos

Por ende solo hay 4 combinaciones posibles para

formar grupos de 3 letras (n) dadas 4 posibilidades (M)

También podemos ver que las combinaciones

posibles multiplicado a n! nos da el número de
permutaciones
Permutaciones Combinaciones
 Teorema de Bayes
Objetivos del tema:
-Establecer la relación entre la probabilidad condicional y el teorema de
Bayes
-Determinar la importancia del teorema de Bayes para la biología y la
teoría de probabilidades
-Resolver problemas que enfoquen la utilidad del teorema de Bayes
 Teorema de Bayes
Probabilidades conjuntas

Tabla de contingencia Probabilidades marginales

El teorema de Bayes no es más que otra forma de expresar la probabilidad condicional

 Teorema de Bayes generalizado

Probabilidad a priori Verosimilitudes

Probabilidad a posteriori

Probabilidad total

Esto es cierto siempre y cuando:

• Todos los eventos Ai y B no sean independientes
• Todos los eventos Ai sean incompatibles entre ellos (excluyentes entre ellos)
 Teorema de Bayes
• Las preguntas que responde el teorema de Bayes son del siguiente
tipo:
• Si tres máquinas A, B y C producen el 45%, 30% y 25%,
respectivamente, del total de las piezas producidas por la fábrica. Los
porcentajes de producción defectuosa de estas máquinas son del
3%,4% y 5%. Si tomamos una pieza al azar y resulta ser defectuosa,
¿cuál es la probabilidad de haber sido producida por la máquina B?
 ഥ = “la pieza no defectuosa”
• Sea D = “la pieza es defectuosa” y 𝐷
 Teorema de Bayes
• El 20% de los empleados de una empresa son ingenieros y otro 20%
son economistas. El 75% de los ingenieros ocupan un puesto directivo
y el 50% de los economistas también, mientras que los no ingenieros
y los no economistas solamente el 20% ocupa un puesto directivo.
¿Cuál es la probabilidad de que un empleado directivo elegido al azar
sea ingeniero?
 Teorema de Bayes
• La probabilidad de que haya un accidente en una fábrica que dispone
de alarma es 0.1. La probabilidad de que suene esta sí se ha
producido algún incidente es de 0.97 y la probabilidad de que suene
si no ha sucedido ningún incidente es 0.02.
• En el supuesto de que haya funcionado la alarma, ¿cuál es la
probabilidad de que no haya habido ningún incidente?
• Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.
Ejemplos aplicados
Ejemplos aplicados
Ejemplos aplicados
Cuaderno de ejercicios
• Sección 4-1
• 21, 22, 25, 27, 31, 32
• Sección 4-2
• 13, 14, 16, 17, 26
• Sección 4-3
• 5-12, 17-24
• Sección 4-4
• 17-21, 32
Puntos clave de la clase
• El teorema de Bayes tiene diversas aplicaciones en biología y en
muchas otras ramas. Permite disminuir la incertidumbre al conocer
información previa (probabilidad a priori) del evento
• El teorema de Bayes es una “forma especial” de la probabilidad
condicional
• Manualmente existen varias formas de resolver el teorema de Bayes.
Sin embargo, en la práctica, cuando hay muchos factores involucrados
es necesario hacer los cálculos a través de computadoras
• Antes de aplicar el teorema de Bayes se debe tener en cuenta la
independencia entre los posibles eventos así como la
incompatibilidad
Puntos clave de la clase
• La probabilidad es altamente importante para la biología y ciencias afines
(sistemas complejos)
• Se puede calcular las probabilidades de un evento simple a través del
método clásico o aproximarla a través del cálculo de su frecuencia relativa
• Se pueden sumar o multiplicar probabilidades dependiendo si queremos
obtener la unión (o) o la intersección (y) de dichas probabilidades
• Las reglas de probabilidad tienen aplicaciones directas en genética
• Si el universo de eventos es muy grande podemos usar combinaciones o
permutaciones para calcularlo
• El teorema de Bayes nos permite calcular probabilidades después de
conocer una condición inicial (probabilidad a priori)