En

una determinada población la probabilidad de adquirir una enfermedad en el ojo izquierdo es 0.03 y la probabilidad de adquirirla en el derecho es
0.05. Además, se sabe que el 2% de los individuos tienen ambos ojos enfermos.
Nos dan: Nosotros podemos calcular: Recordemos que:
P(I+)=0.03 P(I-)= 1 – 0.03 = 0.97 P(A y B) = P(A) x P(B/A)
P(D+)=0.05 P(D-)=1 – 0.05 = 0.95 P(A y B) = P(A) x P(B) sólo cuando son independientes
P(I+ y D+)=0.02
1. No se puede calcular el porcentaje de individuos que tienen solo el ojo izquierdo enfermo. Falso El porcentaje de individuos que tienen sólo el ojo izquierdo
enfermo es la P(I+) y la tenemos porque nos la da el enunciado, es 0.03 por lo que el porcentaje es 3%

2. La probabilidad de tener ambos ojos sanos es 0.97 x 0.95 = 0.9215. Falso. Eso de 0.97x0.95 es P(A) x P(B), lo cual ocurre cuando las variables son
independientes. Para ver si es verdad vemos si son independientes calculando la condicionada de tener el ojo izquierdo enfermo cuando se tiene o no se tiene el
derecho enfermo.
P(I+/D+)=0.03/0.05=0.6 Son dependientes porque no dan el mismo resultado, es mayor la probabilidad de
P(I+/D-)=0.03/0.95=0.0285 enfermar el ojo izquierdo cuando se tiene el derecho enfermo que cuando no, tener el ojo
derch enfermo incrementa la prob de enfermar el izq
Como son dependientes la prob de tener ambos ojos
sanos es P(I- y D-) = P(I-) x P(D-/I-)= 0.97x0.95/0.97=0.940

3. Tener enfermo un ojo es independiente de si se tiene enfermo o no el otro. Falso Por lo que hemos explicado antes
4. El 94% de los individuos tiene los dos ojos sanos. Verdadero Por lo que hemos calculado antes con P(I- y D-)
5. El 6% de los individuos tiene algún ojo enfermo. Verdadero. Si P(I- y D-) son los que tienen los dos ojos sanos y es 0.949 à 1-0.949=0.06=6% son el resto de
personas que no están sanas, tengan el izq, el drch o ambos enfermos.
6. La probabilidad de tener sólo el ojo izquierdo enfermo es 3%. Verdadero Es la P(I+) que nos la da el enunciado y es 0.03=3%
7. La probabilidad de enfermar el ojo derecho es 0.667 si está enfermo el izquierdo. Verdadero Nos pide la P(D+/I+) que la podemos despejar con la fórmula de
P(I+ y D+) = P(I+) x P(D+/I+) ya que tenemos todos los datos justo menos P(D+/I+). Quedaría así: 0.2=0.03 x P(D+/I+). Despejamos y se queda 0.2/0.03=0.667.

8. Si tomamos dos individuos de esta población, la probabilidad de que los 2 tengan ambos ojos sanos es aproximadamente 0.8492. Falso La probabilidad de tener
ambos ojos sanos es P(I- y D-) = 0.94. Entonces la prob de que 2 tengan ambos ojos sanos es esa prob multiplicada por sí misma las veces que nos lo piden, como
en este caso nos piden 2 quedaría 0.94x0.94=0.8836

En un colectivo se evalúa el número de enfermos según se Beba y/o se Fume.

BEBEN NO-BEBEN FUMAN NO-FUM

FUMAN NO-FUM FUMAN NO-FUM 2100 4200

TOT 2000 200 100 260
4000 820

ENFER. 200 20 60 0.12
800 0.19

0.10 0.10 0.60 0.20 Baja 7 ptos

0 sube 40 ptos

9. Los No-Bebedores tienen igual probabilidad de enfermar si fuman que si no fuman. Falso. Porque en no bebedores si fumas tienes 0.6 de prob de enfermar,
mientras que si no fumas es 0.20, no es la misma prob.
9. El efecto de Fumar es 0.60 en los No-Bebedores y 0.10 en Bebedores. Falso. Porque el efecto no son las probabilidades, sino la diferencia de esas probabilidades,
los puntos que baja o sube. 0.60 y 0.10 son las prob, el efecto de fumar en no bebedores sería que sube 40 ptos y en bebedores cero.
10. Fumar sube 40 puntos el porcentaje de enfermos en No-Bebedores. Verdadero.
11. Si se ignora el Beber, parece que Fumar disminuye el riesgo de enfermedad en aproximadamente 7 puntos. Verdadero.
12. El Beber no interacciona con la relación entre Fumar y la Enfermedad pues la proporción de enfermos es 0.10 en Fumadores y en No-Fumadores. Falso. Sí hay
interacción porque no es el mismo efecto en bebedores que en no bebedores. En bebedores el efecto es cero y en no bebedores sube 40 ptos. No es el mismo
efecto por lo que hay interacción.
13. Decimos que hay confusión, porque vemos que Fumar no tiene efecto en Bebedores y aumenta el riesgo de enfermar en No-Bebedores. Falso. Porque confusión
es cuando el resultado total es distinto al resultado de cuando estratificamos, nos hace pensar que tiene un efecto cuando realmente tiene otro. Si no tenemos en
cuenta los bebedores, parece que fumar es beneficioso porque baja 7 ptos el porcentaje de enfermos, pero cuando tenemos en cuenta los bebedores vemos que
realmente fumar sube el porcentaje de enfermos y perjudica.
14. El efecto de Fumar es igual en los no bebedores y en los bebedores. Falso. Porque el efecto de fumar en no bebedores sube 40 puntos y en los bebedores cero.
15. A la vista de todos los datos, el efecto real de Fumar es que disminuye 7 puntos el porcentaje de enfermos. Falso. Lo de que baja 7 ptos es la confusión al no
estratificar por la edad.
16. Beber disminuye 50 puntos el riesgo de enfermar en los Fumadores. Verdadero. Porque en fumadores, de los que no beben enferman 0.60 y de los que beben
enferman 0.10. La diferencia es 0.50, 50 ptos que enferman más los fumadores en no bebedores que en bebedorers
17. Beber es factor preventivo para esta enfermedad ya que disminuye el riesgo de enfermar en fumadores y en No-Fumadores. Verdadero. Porque en bebedores
enferman menos, tanto en fumadores como en no fumadores, que en los que no beben.
18. Fumar es factor de interacción en la relación de Beber con la Enfermedad porque el efecto de Beber disminuye 50 puntos el porcentaje de enfermos en los
fumadores y solo 10 puntos en los no fumadores. Verdadero. Porque entre los que fuman, enferma el 0.6 de los no bebedores y 0.10 de los bebedores, la
diferencia es 0.5, 50 ptos. En los no fumadores, de los que beben enferman el 0.2 y de los que no beben 0.1, la diferencia es 0.1, 10 pts. El fumar no tiene el
mismo efecto en fumadores que en no fumadores, en fumadores disminuye 50 ptos y en no fumadores 10 ptos, por lo que hay interacción.

Para ver si cierto fármaco F aumenta el rendimiento físico, se administra F a un grupo de 90 jóvenes y a otro de 10 viejos, y se les pide que corran al
máximo durante un minuto. Se hace la misma prueba con 10 jóvenes y 90 viejos que no habían tomado F. Se anota el espacio en metros que, por término
medio, recorrieron cada uno de los grupos. Los resultados fueron:

CON F à N=90 Jóvenes, Media=700 || N=10 Viejos, Media=400 àMedia=670

SIN F à N=10 Jóvenes, Media=500 || N=90 Viejos, Media=200 àMedia=230
↑200 ↑200 ↑440
Evalúe el efecto del fármaco como diferencia de distancia media con o sin F
19. Decimos que no hay confusión porque el fármaco aumenta la distancia media recorrida 200 metros, lo mismo en jóvenes que en viejos. Falso. Decimos que hay
confusión porque, si no se tiene en cuenta la edad, parece que F aumenta el rendimiento físico. Lo que pasa es que los jóvenes de por sí corren más que los viejos
y en el grupo con F hay mayor proporción de jóvenes que viejos, y en el grupo sin F hay mayor proporción de viejos, que corren menos, que jóvenes.
20. Si no se tiene en cuenta la edad, el fármaco aumenta 200 metros la distancia media recorrida. Falso. Aumenta 200 metros la media de cada estrato, es decir, 200
en jóvenes y 200 en viejos, si no se tiene en cuenta la edad se refiere ala total, y en el total la media se aumenta↑440.
21. La edad interacciona con la relación del fármaco con el rendimiento porque los jóvenes corren más que los viejos y en el grupo que toma el fármaco hay mayor
porcentaje de jóvenes. Falso. Se dice que interacciona cuando los resultados son diferentes en cada edad, y en ambos se aumenta 200 ptos, en ambos tiene el
mismo efecto, por lo que no hay interacción. A lo que se refiere es que hay confusión, que es cuando si no se tiene en cuenta la edad, tenemos un resultado, pero
si estratificamos por edad vemos otro resultado que es el real.

Apuntes descargados de wuolah.com

22. A la vista de todos los datos, decimos que el efecto real del fármaco es que aumenta 200 metros la distancia media recorrida. Verdadero. El efecto real no es el
efecto final de 440, pues parece que aumenta esos ptos pero porque no estamos estratificando por edad. Cuando estratificamos por la edad vemos que lo que
realmente hace es que aumenta 200 ptos en cada estrato.

Una enfermedad afecta a 20% de los individuos de una población. Un test diagnóstico para detectar la enfermedad da positivo en el 90% de los casos
que realmente tienen la enfermedad (sensibilidad) y da negativo en el 60% de los casos que realmente no tienen la enfermedad (especificidad).
23. El test da positivo en la mitad del total de los individuos. Verdadero. Es la P(T+)
24. De cada 1000 individuos a los que el test da positivo, aproximadamente 640 no tienen la enfermedad. Verdadero. Es la P(NoEnf/T+)
25. Si a un individuo el test le dio negativo tiene probabilidad de 96% de que realmente no tenga la enfermedad. Verdadero. Es la P(NoEnf/T-)
26. El test “falla” (da resultado contrario a la realidad) en el 34% de los casos. Verdadero. Resultado contrario a la realidad significa tanto que el test de positivo
cuando no se tiene la enfermedad, como que el test de negativo cuando sí te tiene la
Test Positivo ( T+) Test Negativo (T-) enfermedad. Son las P(T+ y NoEnf) y P(T- y Enf). Se suman y el total es la
Enfermo P (T+|Enf)=0.90 P (T-|Enf)=0.10 P(Enf)=0.20 probabilidad que nos pide 0.32 + 0.02= 0.34. Efectivamente da 34% como nos dice
P (T+ y Enf)= P (T- y Enf)= por lo que es Verdadera.
P (Enf|T+)= P (Enf|T-)= 27. El test “acierta” (da resultado acorde a la realidad) en el 48% de los casos. Falso. Lo
mismo que antes pero cuando el test acierta, es decir, de cuando el test da negativo
No enfermo P (T+|NoEnf)= P (T-|NoEnf)= P(NoEnf)=
cuando no se tiene la enfermedad y de cuando el test da positivo cuando sí se tiene la
P (T+ y NoEnf)= P (T- y NoEnf)=
enfermedad, son las P(T- y NoEnf) y P(T+ y Enf). Se suman y el total es la prob que
P (NoEnf/T+)= P (NoEnf|T-)=
nos piden 0.48 + 0.18 = 0.66. Es 66% y no 48% como nos dice, por lo que es Falsa.

P(T+)= P(T-)= Inicialmente tenemos esto con los datos que nos dan.

Recordamos que el 20% es la prevalencia, la P(Enf). La Sensibilidad es el porcentaje de individuos positivos cuando realmente tienen la enfermedad
P(T+/Enf). La Especificidad es el porcentaje de resultados negativos cuando
Test Positivo ( T+) Test Negativo (T-)
realmente no tienen la enfermedad P(T-/NoEnf). El valor Predictivo Positivo
Enfermo P (T+|Enf)=0.90 P (T-|Enf)=0.10 P(Enf)=0.20
son la FR de Enf entre los que dieron test Positivo. P(Enf/T+) El Valor
P (T+ y Enf)=0.18 P (T- y Enf)=0.02
Predictivo Negativo son la FR de Sanos entre los que dieron test Negativo
P (Enf|T+)=0.36 P (Enf|T-)=0.04
P(NoEnf/T-)

No enfermo P (T+|NoEnf)=0.40 P (T-|NoEnf)=0.60 P(NoEnf)=0.80
P (T+ y NoEnf)=0.32 P (T- y NoEnf)=0.48
Podemos calcular la prob de Falsos Positivos P (T+|NoEnf) que es 1-Especificidad P (NoEnf/T+)=0.64 P (NoEnf|T-)=0.96
= 1-0.60=0.40 y la prob de Falsos Negativos P (T-|Enf) que es 1-Sensibilidad=1-
0.90=0.10
P(T+)=0.50 P(T-)=0.50

Si la prevalencia, que es los que tienen la enfermedad P(Enf) = 0.20, el resto son los que no tienen la enfermedad que es P(NoEnf)=0.80

Calculamos después los P(AyB). Por ejemplo P(T+ y Enf)= P(Enf) x P(T+/Enf)=0.20 x 0.90= 0.18. El resto todos iguales con sus correspondientes datos.

Con eso podemos calcular las P(T+) y P(T-). Para P(T+) sumamos P (T+ y Enf) + P (T+ y NoEnf) y para P(T-) = P (T- y Enf) + P (T- y NoEnf).

Ahora con eso podemos calcular la prob de Enf condicionada a Test, que son las P (Enf|T+) , etc.

En una población, el 40% de los individuos tienen la enfermedad E
Esto son binomiales, podemos mirarlo en las tablas o con la fórmula cuando se sale de la tabla.
28. Si tomo millones de muestras, de 7 personas, la proporción de muestras con más de 5E será 0.0118. Verdadero. Podemos mirarlo en la tabla y la proporción de
muestras con más de 5E significa que es la P(6)+P(7)=0.0172+0.0016=0.0118, por lo que es verdadera.
29. Si tomo una muestra de 5 personas, la prob de que alguno (1 o más) sea E es P=0.2592. Falso. Lo miramos en la tabla también y la prob de que alguno, es decir, 1
o más, es sumar las P(1)+P(2)+P(3)+P(4)+P(5), que es lo mismo pero de manera más sencilla que 1-P(0)=1-0.0778= 0.9222, y no 0.2592 como nos dicen, por lo
que es falsa.
30. Si tomo una muestra de 5 personas la prob de que sean todos sanos es 0.0778. Verdadero. Porque si miramos en la tabla, la prob de que sean todos sanos es la
prob de que no haya ningún enfermo, es decir, P(0)=0.0778, por lo que es verdadera.

En la población española tiene la mutación “K5” el 0.02% ( es decir, 2 de cada diez mil). Tomando millones de muestras de N= 20000:
Esto es Poisson, que es como Binomial pero cuando π es muy pequeña y N muy grande. Podemos mirarlo en la tabla o con la fórmula cuando se sale de la tabla.
Calculamos el valor esperado E= π x N= 0.0002 x 20000= 4.
31. F. El 4.28% de las muestras tendrán 0 individuos K5. Falsa. Lo miramos en la tabla y con E=4, la P(O)= 0.0183, y no 0.0428 como nos dicen, por lo que es falsa.
32. F. El 23.8% de las muestras tendrán menos de 2 individuos con K5. Falsa. La prob de tener menos de 2 individuos es P(1)+P(0), lo miramos en la tabla y es
0.0733 + 0.0183=0.0916, y no 0.238 como nos dicen, por lo que es falsa.
33. F. 27 de cada 10000 muestras tendrán más de 11 individuos con K5. Falsa. Más de 11 de individuos significa P(12) + P(13) ..etc. No sumamos más porque los
valores son tan pequeños que ni salen en la tabla, se desprecian. Lo miramos en la tabla y es 0.0006 + 0.0002=0.0008. Es decir, 8 de cada 10000 muestras y no
27 como nos dicen, por lo que es falsa.

En una población, el 75% de los individuos tienen la enfermedad “B”

34. àà La prob de que en una muestra de N=6 personas tenga 5 con B es: 0.3560. Se trata de una Binomial. Aplicamos la fórmula porque se sale de la tabla para
P(5) con π=0.75 y N=6. Nos da 0.3559, que podemos redondear a 0.3560.
35. àà Si tomo millones de muestras de 8 personas, la proporción de muestras con 2 enfermos de B es: 0.0038. Hacemos lo mismo de antes, P(2) con π=0.75 y
N=8, nos da 0.0038.

En una población hay 1% de alcohólicos, “A”

36. àà Si tomo millones de muestras N=200, la FR de muestras con 5A es: 0.0361, E=2. Se trata de una Poisson, por lo que calculamos el Valor Esperado
E=0.01x200=2. Lo podemos mirar en la tabla P(5) para E=2 y pone 0.0361.
37. àà Si tomo millones de muestras de N=1000, la FR de muestras con 2 o menos A es: 0.0028 = 0.0023 + 0.0005, E=10. Lo mismo de antes pero como es la prob
de muestras con 2 o menos, significa que es P(0)+P(1)+P(2) . El Valor Esperado = 0.01x1000=10. Miramos en la tabla P(0), P(1) y P(2) para E=10 y es
0.0005+0.0023+0.0000=0.0028.
38. àà Si tomo una muestra de 600 personas, la probabilidad de que en ella haya 6 A es: 0.1606, E=6. Lo mismo de antes, Calculamos Valor Esperado, 0.01x600=6.
Ahora miramos en la tabla P(6) para E=6 y es 0.1606.


39. àà Si hacemos muestreo aleatorio de N=8 de una población donde el 12% de los individuos son Miopes, la proporción de muestras con 2 individuos miope es:
0.1872= 8! / 2! 6! . 122 . 886 Se trata de una Binomial, como se nos sale de la tabla aplicamos la fórmula. Nos pide P(2) con π=0.12 y N=8, que nos da 0.1872.
40. àà Si hacemos muestreo aleatorio de N=100 de una población donde el 20% de los individuos son Miopes, la proporción de muestras con más de 32 miopes
es: 0.0013 media 20, desv=4, z=3 Se trata de una distribución Normal, porque nos pide con más de 32 miopes, tendríamos que calcular la prob para todos los
valores de 33 a 100. Es más cómodo pasarlo a valores estandarizados, Z, que nos dan la prob de ese valor y más allá. Cómo es la prob de más de 32 miopes,
P(X>32), calculamos P(X≥33). Pasamos 33 a Z, pero para ello necesitamos la Media y la Desviación. La media es N x π= 100x0.20=20. La desv es σx = ( π (1- π)
N) ½ = (0.20x(1-0.20)x100)1/2=4. El valor Z de 33 es 33-20/4=3,25. En los resultados que ha puesto la profesora lo ha redondeado a 3, creo que porque en la
tabla no sale justo el valor de 3,25, por lo que si miramos en la tabla P(Z≥3)=0.0013
41. àà Si hacemos muestreo aleatorio de N=1000 de una población en la que la probabilidad de ser miope es 0.0034, la proporción de muestras con 4 individuos
miope es: 0.1858. Se trata de una Poisson porque N es muy grande y π es muy pequeña. Nos piden P(4). Calculamos valor esperado 0.0034x1000=3,4. Miramos
en la tabla la P(4) para E=3,4 y es 0.1858.

Un investigador plantea como hipótesis que tiene la mutación genética “SDR” el 50% de la población. En una muestra de 400 personas tomadas al azar
encuentra que son SDR 190. Hacemos un test para esa hipótesis y extraemos la conclusión oportuna.

42. Si fuera cierto que son SDR el 50% de la población y se hicieran millones de estudios como este, la media de SDR por muestra sería 200 y la σ sería 10.
Verdadero. Porque la media es μx = N· π = 400 x 0.5= 200 ; y σx = ( π (1- π) N) ½ = (0.5(1-05)400) ½ = 10.
43. El test da valor P=0.8413. Falsa.
44. El test da valor P=0.1587. Verdadera. H0= 0.5
P esperado = 0.5 (200 personas)
P observado 190/400= 0.475 (190 personas)
Sacamos el P del Test, como es N grande aplicamos Normal en lugar de Binomial. Con la Normal aplicamos la fórmula
para sacar Z y con ese Z miramos en la tabla para ver P. Z=0.475-0.5/(0.5(1-05)/400)1/2 = -1 = 1.
Miramos en la tabla y para Z=1 es p=0.1587. P(X ≤ 190 | π=0.5) =P(Z < 1) = 0.1587

45. Concluimos que la hipótesis es cierta, es decir, estamos seguros de que la proporción poblacional es 0.50. Falsa.
46. Concluimos que la hipótesis NO es cierta, es decir, estamos seguros de que la proporción poblacional N es 0.50. Falsa. Las dos anteriores son falsas porque
NUNCA se puede asegurar al 100% que algo es cierto o algo es falso.