ESTUDIO DE CASO 2

Con frecuencia es necesario hallar la probabilidad incondicional de un evento

B, dado que un evento A ha ocurrido. Una de estas situaciones ocurre al hacer
exmenes de seleccin, que solan estar asociados principalmente con
exmenes mdicos de diagnstico pero que ahora estn encontrando
aplicaciones en varios campos de actividad. Los exmenes de esteroides en
atletas, los exmenes caseros de embarazo y los exmenes para detectar sida
son algunas otras aplicaciones. Los exmenes de seleccin se evalan sobre la
probabilidad de un falso negativo o un falso positivo y stas dos son
probabilidades condicionales. Un falso positivo es el evento de que el examen
sea positivo para una condicin determinada, dado que la persona no tiene la
condicin. Un falso negativo es el evento de que el examen sea negativo para
una condicin determinada, dado que la persona tiene la condicin.
Se pueden evaluar estas probabilidades condicionales usando una frmula
derivada por el probabilista Thomas Bayes, llamada el Teorema de Bayes. El
teorema se utiliza para revisar probabilidades previamente calculadas cuando
se posee nueva informacin y fue desarrollado por el reverendo Thomas Bayes
en el siglo XVII.
Suponga que cierta enfermedad est presente en el 10% de la poblacin, y que
hay un examen de seleccin diseado para detectar si esta enfermedad est
presente. El examen no siempre funciona a la perfeccin. A veces, es negativo
cuando la enfermedad est presente y otras es positivo en ausencia de ella.
La tabla siguiente muestra la proporcin en que el examen produce varios
resultados

Enfermedad
presente
Enfermedad
ausente
total

Resultado del
examen positivo
8%

Resultado del
examen negativo
2%

total

5%

85%

90%

13%

87%

100%

10%

Con base en esta informacin y usando el Teorema de Bayes, elabore un

informe que como mnimo, debe incluir:

Enfermedad
presente
Enfermedad
ausente
total

Resultado del
examen positivo
0.08

Resultado del
examen negativo
0.02

total

0.05

0.85

0.90

0.13

0.87

0.10

1. Probabilidad de que la enfermedad este presente

P(ep) = 0.08+0.02 = 0.1
2. Probabilidad de que la enfermedad est ausente
P(ea) = 0.05+0.85 = 0.9
3. Probabilidad de un falso positivo, es decir que el examen sea positivo
dado que la persona no tiene la enfermedad

P(ps/ea) =

p( ps ea)
p(ea)

0.05
0.9

0.056

4. Probabilidad de un falso negativo, es decir, que el examen resulte

negativo dado que la persona tiene la enfermedad

P(ng/ep) =

p( ng ep)
p(ep )

0.02
0.1

0.2

5. Probabilidad de que la persona tenga la enfermedad dado que el examen

resulto positivo

P(ep/ps) =

p(ep ps)
p (ps )

0.08
0.13

0.6154

6. Probabilidad de que la persona NO tenga la enfermedad dado que el

examen resulto negativo

P(ea/ng) =

p( ea ng)
p (ng)

0.85
0.87

0.977

7. De acuerdo con las probabilidades encontradas, que tan confiable es

este examen de seleccin para detectar la enfermedad?
Para responder esta pregunta tenemos en cuenta los incisos 5 y 6. La pregunta 5
nos informa acerca de la probabilidad de que la persona est enferma dado que el examen
resulto positivo y en la 6 nos dice Probabilidad de que la persona NO tenga la
enfermedad dado que el examen resulto negativo. En el primer caso se
observa que la probabilidad es 61.54% lo cual no es un resultado tan decisivo
como debe esperarse; en el otro caso la prueba nos dice que podemos estar al
97.7% seguros de que no tenemos la enfermedad. Por lo tanto, la prueba nos
indica una informacin ms confiable para para determinar si una persona no
est enferma, pero se queda corta para indicar cual si lo est.