viernes, 14 de noviembre de 2014

Uso de la Distribución de Probabilidad en Ciencias de la Salud.

Como sabemos un modelo de probabilidad o de distribución de probabilidad de una variable aleatoria, permite la representación teórica simplificada de un fenómeno real y la elaboración de afirmaciones probabilísticas sobre dicho fenómeno, tras polarizando su uso al área de la salud es muy significativo, ya que facilita la toma de decisiones a la hora de por ejemplo la utilización de un nuevo tratamiento dirigido hacia una enfermedad y también nos ayuda a la previsión de hechos que podrían ocurrir. A continuación se ejemplificara su uso en el área de la Salud, enfocado con la utilización de “Prueba de T-Student” y “Experimento de Bernoulli”

En estadística, una prueba t de Student, prueba t-Student, o Test-T es cualquier prueba en la que se utiliza una distribución T-Student si la hipótesis nula es cierta. Se aplica cuando la población estudiada sigue una distribución normal pero el tamaño muestra es demasiado pequeño como para que el estadístico en el que está basada la inferencia esté normalmente distribuido, utilizándose una estimación de la desviación típica en lugar del valor real. Es utilizado en análisis discriminante.

Aclarando términos, “El análisis discriminante” es una técnica estadística multivariante cuya finalidad es describir (si existen) las diferencias entre g grupos de objetos sobre los que se observan p variables (variables discriminantes). Más concretamente, se comparan y describen las medias de las p variables clasificadoras a través de los g grupos
Por ejemplo, en un instituto médico clínico de la ciudad de Barquisimeto, en el departamento de Oncología se tiene 5 pacientes a los cuales se le quiere medir el tamaño del tumor de dicho paciente con cáncer. Frecuentemente cuando se encuentra un tumor, se extrae un trozo de tejido y se examina bajo un microscopio. Esto se denomina biopsia y se hace para determinar si el tumor es canceroso (maligno) o no canceroso (benigno). Según la ubicación del tumor, la biopsia puede ser un procedimiento simple o una operación seria. En el mismo instituto se está implementando un nuevo tratamiento, la terapia biológica; la cual usa organismos vivos, sustancias procedentes de organismos vivos o versiones producidas en el laboratorio de tales sustancias para tratar enfermedades, se usaran vacunas y bacterias para estimular el sistema inmunitario del cuerpo para que actúe contra las células cancerosas. Estos tipos de terapia biológica, los cuales algunas veces se llaman colectivamente "inmunoterapia" o  "terapia modificadora de la respuesta biológica", no se apuntan directamente a las células cancerosas.

Si el tratamiento resulta efectivo, lo esperable seria que el tumor de muchos pacientes disminuyera de tamaño luego de seguir el tratamiento, esto con frecuencia es referido como prueba t de mediciones apareadas o repetidas.

En el mismo caso clínico se puede utilizar “Experimento de Bernoulli” que es otro tipo de distribución de frecuencia, con el cual se puede determinar si la terapia biológica tiene éxito o fracaso.




En la teoría de probabilidad y estadística, un ensayo de Bernoulli es un experimento aleatorio en el que sólo se pueden obtener dos resultados (habitualmente etiquetados como éxito y fracaso). Estos ensayos están modelados por una variable aleatoria que puede tomar sólo dos valores, 0 y 1. Habitualmente, se utiliza el 1 para representar el éxito.

Otros ejemplos para la utilización del experimento de Bernoulli serian:
  •  Determinación de la calidad de productos utilizados en una Unidad de Cuidados Intensivos (UCI).
  • Determinar si la implementación de un nuevo método quirúrgico es positivo o negativo.





Propiedades de Esperanza, Varianza y Desviación Estándar.

Propiedades Del  Valor Esperado (Esperanza)

Las propiedades del valor esperado son validas tanto para variables discretas como continuas, aunque los ejemplos en las diferentes literaturas se suelen realizar con variables discretas; entre las diferentes variables citaremos del valor esperamos citaremos  2:

1)      El valor esperado de una contantes en igual a ella misma E(C)=C  siendo C una contante, a continuación se resolverán 2 ejemplos para una mayor comprensión:

ü  C = 7 ;  E(C) = 7

ü  C = 4 ; E(C )= 4


2)      Si  X e Y son variables aleatorias se cumple lo siguiente: EX + Y) = E(X) + E(Y) Esto indica que el valor esperado de la suma de 2 variables aleatorias es igual a la suma es igual a la suma de sus valores esperados.
ü Sean  X e Y dos variables aleatorias cuyos valores esperados son  E(X) = 4 y E(Y) = 7
Calcular E(3X + 5Y + 4)
E(3·4 + 5·7 + 4) = 12 + 35 + 4 = 51

ü Sean e Y dos variables aleatorias cuyos valores esperados son  E(X) = 6 y E(Y) = 2
Calcular E(4X + 7Y + 1)
E(4·6 + 7·2 + 1) = 24 + 14 + 1 = 39


3)      El valor esperado del producto de una constante por una variable aleatoria, es igual al producto de la constante por el valor esperado de la variable:  E(C · X)  =  C · E(X)  a continuación se resolverán  2 ejemplos para una mayor comprensión:
ü  E(3· X) = 3 · E(X)                               E(X) = 1,50
3 · E(X) = 3 · 1,50 = 4,50

ü  E(4 · X) = 4 · E(X)                               E(X) = 2,72
4 · E(X) = 4 · 2,72 = 10,88

4)      Si  X es una variable aleatoria e Y es una variable aleatoria, el valor esperada del producto de las variables es igual al producto de los valores esperados, solamente en el caso de que las variables X e Y sean independientes.  E(X · Y) = E(X) · E(Y).
ü  E(1,88 · 3,42) = E(1,88) · E(3,42)                             E(X) = 1,88 Y E(Y) = 3,42
                        = 6,4296

ü  E(1,62 · 1,42) = E(1,62) · E(1,42)                             E(X) = 1,62 Y E(Y) = 1,42
                         = 2,3004

Propiedades De La Varianza.
La varianza tiene las siguientes propiedades:
1)      V(C) = 0 La varianza de una constante es cero, la varianza mide la dispersión, evidentemente una constante  no puede tener dispersión  y su varianza es cero.

ü  Siendo el valor de la contante  (C = 5)
V(C) = 0
V(5) = 0

ü  Siendo el valor de la constante (C = 8)
V(C) = 0
V(8) = 0

2)      V(CX) = C2 V(X) La varianza del producto de una constante por una variable, es igual a la constante  al cuadrado por la varianza de la variable.
ü  V(C·X) =  C2 V(X)                                          V (X)=9 ; C=7
             = 72  · V(9)
             = 49 · V(9) 
             = 441 
ü  V(C·X) =  C2 V(X)                                         V(X)=2 ; C=4
             = 42  · V(2)
             = 16 · V(2) 
             = 32


3)      Si  X e Y son variables aleatorias cualquieras :
            V(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
Teniendo en cuenta que la covarianza de dos variables independientes es igual a cero. Si X e Y son dos variables independientes  Cov(X,Y) = 0 por lo tanto:
           V(X + Y)  =  V(X) + V(Y)
La varianza de la suma de dos variables independientes es igual a la suma de las varianzas.

ü  Teniendo los valores  de V(X) = 2,87 ; V(Y) = 4,12
       V(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
      V(X + Y) = 2,87 + 4,12 + 2.0
      V(X + Y) = 6,99
ü  Teniendo los valores  de V(X) = 3,87 ; V(Y) = 4,57
       V(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
      V(X + Y) = 3,87 + 4,57 + 2.0
      V(X + Y) = 8,44

4)      Si  X e Y son variables aleatorias cualquieras :
            V(X + Y) = V(X) + V(Y)  - 2CoV(X,Y)

ü  Teniendo los valores  de V(X) =3,1; V(Y) = 4,2
       V(X + Y) = V(X) + V(Y) - 2CoV(X,Y)
      V(X + Y) = 3,1 + 4,2 - 2.0
      V(X + Y) = 7,3
ü  Teniendo los valores  de V(X) = 3,5 ; V(Y) = 4,5
       V(X + Y) = V(X) + V(Y) - 2CoV(X,Y)
      V(X + Y) = 3,5 + 4,5 - 2.0
      V(X + Y) = 8


Propiedades de la Desviación Estándar.

En la desviación estándar se cumplen las mismas propiedades que en la varianza, con la única diferencia es que se utiliza raíz cuadrada para resolver las mismas.

1)      DE(C) = 0 La Desviación Estándar de una constante es cero, puesto a que se hace en base a la varianza,  la varianza mide la dispersión, evidentemente una constante  no puede tener dispersión.

ü  Siendo el valor de la contante  (C = 5)
DE(C) = 0
DE(5) = 0

ü  Siendo el valor de la constante (C = 8)
DE(C) = 0
DE(8) = 0

2)      V(CX) = C2 V(X) La raíz cuadrada de la varianza del producto de una constante por una variable, es igual a la raíz cuadrada de la constante  al cuadrado por la varianza de la variable.
ü  V(C·X) = C2 V(X)                                          V (X)=9 ; C=7
             = 72  · V(9)
             = 49 · V(9) 
             = 441 = 21
ü  V(C·X) =  C2 V(X)                                         V(X)=2 ; C=4
             = 42  · V(2)
             = 16 · V(2) 
             = 32 = 5,6568


3)      Si  X e Y son variables aleatorias cualquieras :
            DE(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
Teniendo en cuenta que la covarianza de dos variables independientes es igual a cero. Si X e Y son dos variables independientes  Cov(X,Y) = 0 por lo tanto:
           DE(X + Y)  = V(X) + V(Y)
La desviación estándar es la raíz cuadrada de la varianza de la suma de dos variables independientes es igual a la suma de las varianzas.

ü  Teniendo los valores  de V(X) = 2,87 ; V(Y) = 4,12
       DE(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
      DE(X + Y) = 2,87 + 4,12 + 2.0
      DE(X + Y) = 6,99 = 2,6438
ü  Teniendo los valores  de V(X) = 3,87 ; V(Y) = 4,57
       DE(X + Y) = V(X) + V(Y) + 2CoV(X,Y)
      DE(X + Y) = 3,87 + 4,57 + 2.0
      DE(X + Y) = 8,44 = 2,9051

4)      Si  X e Y son variables aleatorias cualquieras :
            V(X + Y) = √V(X) + V(Y)  - 2CoV(X,Y)

ü  Teniendo los valores  de V(X) =3,1; V(Y) = 4,2
       V(X + Y) = √V(X) + V(Y) - 2CoV(X,Y)
      V(X + Y) = √3,1 + 4,2 - 2.0
      V(X + Y) = √ 7,3 = 2,70
ü  Teniendo los valores  de V(X) = 3,5 ; V(Y) = 4,5
       V(X + Y) = √V(X) + V(Y) - 2CoV(X,Y)
      V(X + Y) = √3,5 + 4,5 + 2.0

      V(X + Y) = √8 = 2,8284