Tema 7, SESIONES TEÓRICAS ESTADÍSTICA Y TIC

TEORÍA DE LA

PROBABILIDAD:

Empezamos la clase viendo la probabilidad que toma valores de % o en el intervalo 0-1. Aunque ya conocía el concepto de probalibliad fue internaste aprender mas sobre las tres vertientes que tiene según la foto. 

Fuente: Diapositivas tea 7 ETIC

El estudio de la probabilidad dio lugar a la estadística bayesiana que trata de expresa el estado de hechos reales en términos de probabilidades bayesianas. También existe la probabilidad clásica donde se puede calcular las posibilidades antes de el hecho al conocer cierta información clave como el numero de lados en un dado. Este video sobre la pobabiliadad clásica fue muy útil para mí.

Formula de probabilidad clásica

Aunque inicialmente puede suceder que la probabilidad calculada no se conforma a la realidad, al repetir el experimento suficientes veces se puede ver que la probabilidad calculada y la real llegan a valores más y más parecidos entre sí.

Es importante resaltar que en la probabilidad clásica los eventos deben excluir uno al otro, es decir si un dado da la cara "seis" no puede a la misa vez dar la cara "dos". Por lo tanto las suma de las frecuencias deber dar uno ya que el intervalo es de 0-1.

 La probabilidad posteriori sigue una lógica muy parecida pero calcula cómo el hecho indica sucesos tras de llevarse a cabo, no antes como hace el priori.

Luego vimos los conceptos de eventos y sucesos dentro de un espacio muestral (S). La siguiente foto muestra como de denominan ciertas relaciones ente lo que se esta investigando y/o estudiando.

Fuente: Espacio Muestral

Entre los sucesos tenemos varios tipos, como los dependientes y los independientes. El primero es cuando un suceso influye directamente a calculaciones futuras mientras que el segundo esta totalmente desvinculado. También tenemos los sucesos compatibles y incompatibles, donde el primero tiene dos sucesos que no son mutuamente exclusivos pero el segundo si es exclusivo. Se usan A y B para categorizar los sucesos con un "U" o "n" que significan union o no union.

Personalmente estos conceptos eran un poco abstractos pero los ejercicios del tema sobre la hipertensión y hiperglicemia me ayudaron mucho a entenderlo mejor.

Desupes de ver los sucessos vimos la teorema de Bayes, que trata de expresar la pobabailiadad de un evento dado otro evento. Cuando hice el ejercicio sobe los diagnósticos y medicamentos me di cuenta que la formula aunque parece complicada en realidad no lo es. 

Teorema de Bayes

Tras los ejercicios entramos a lo que seria la distrubicon bionomal que es un modelo matemático para ver la distribución de variables discretas, siendo estas variables de naturaleza dicotomíca. En este modelo los resultados no afectan los resultados previos debido a su formula. De nuevo los ejércitos que hice me ayudaron mucho a entenderlo mejor.

Distribución Binomial

Luego vimos las distribución de Poisson, que trata de ver la probabilidad de que ocurra sucesos raros. Este tipo de probibiladd es muy útil a la hora de ver sucesos con una alta inciertitud y también cuando el evento bajo estudio debe suceder dentro de una temporada, o espacio 'n". Al ver el ejemplo de suicidios en lima (un evento raro dentro un espacio) puede comprender la utilidad de la distribución.

Distribución de Poisson

También vimos la curva de campana ya explicando en temas anteriores pero ahora con la explicación de la tipificación de valores. El video da un ejemplo muy bueno junto con el ejercicio de autoestima, altura, y glucemia basal.

Fuente: Diapositivas tema 7 ETIC

Aunque los ejemplos de las diapositivas fueron muy útiles para entender los conceptos, he usado la pagina de Superprof para hacer ejercicios. Al hacer muchos más problemas pude realmente entenderlo mejor ya que este es el tipo de tema que se debe hacer muchos ejercicios.