APORTE INDIVIDUAL FASE 1

POR

PROBABILIDAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CEAD JOS ACEVEDO Y GMEZ
BOGOTA
2016
PROBABILIDAD

PRESENTE 3% POSITIVO 8%
NEGATIVO 22%

AUSENTE 9% POSITIVO 5%
NEGATIVO 85%

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

informe que como mnimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

p ( PE ) =
30
10
=3 Enfermedades Presente

90
p ( AE ) = 10
=9 Enfermedad Ausente

2. Probabilidad de que la enfermedad est ausente

90
p ( AE ) = 10
=9 Enfermedad Ausente

3. Probabilidad de un falso positivo, es decir que el examen sea

positivo dado que la persona no tiene la enfermedad.

Formula

B
P ( Ai ) . P( )
A Ai
P( )
B =
P ( A 1) p ( AB1 )+ P ( A 2) P ( AB2 ) .
 ausente
P( ) =
positivo

P ( ausente ) . P( positivo/ ausente)

pesente
P ( ausente ) p ( positivo/ausente )+ P ( presente ) P ( positivo ).

9 .5 45 45
= 9 .5 +3 .8 = 45 +24 = 69 =0,65 no tiene enfermedad y son positivo

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

negativo dado que la persona tiene la enfermedad.

presente
P( ) =
negativo

P ( presente ) . P(negativo/ presente)

ausente
P ( presene ) p ( negativo/ presente ) + P ( ausente ) P ( negativo )

3 .22 66 66
= =0,02
= 3 .22 +9 .22 = 66 +198 264

Probalidad que tiene la enfermedad y el examen resulte negativo

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

positivo
P( ) =
presente

P ( positivo ) . P( presente/ positivo)

P ( positivo ) p ( presente / positivo ) + P ( ausente ) P ( ausente

positivo )

8 .3 24 24
= =0,34
= 8 .3 + 9 .5 = 24 +45 69 tienen la enfermedad y el examen es

positivo

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

el examen resulto positivo.

positivo
P( )
ausente =

P ( positivo ) . P(ausente / positivo)

P ( positivo ) p ( ausente/ positivo )+ P ( presente ) P ( presente

positivo )

5 .9 45 45
= =0,65
= 5 .9 +3 .8 = 45 +24 69 no tiene la enfermedad y el examen es

positivo

7. Probabilidad de que la persona tenga la enfermedad dado que el

examen resulto negativo.
 negativo
P( ) =
presente

P ( negativo ) . P( presente/negativo)
ausente
P ( negativo ) p ( presente/negativo )+ P ( ausente ) P ( negativo )

22 .3 66 66
= 22 .3 +9 .85 = 66 +765 = 831 =0,079

Tiene la enfermedad y el examen es negativo.

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

examen resulto negativo.

negativo
P( ) =
ausente

P ( negativo ) . P (ausente/negativo)
presente
P ( negativo ) p ( ausente/negativo )+ P ( presente ) P ( negativo )

85 .9 765 765
= =0,92
= 85 .9 +3 .22 = 765 +66 831 no tiene la enfermedad y el examen es

negativo.

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

examen de seleccin para detectar la enfermedad.

Este examen es poco confiable ya que los porcentajes resultaron ms altos en

resultados positivos en las personas que no tenan ningn tipo de enfermedad.
TEOREMA DE BAYES

El caso dos fue resulto con el teorema de Bayes, es una teora de la probabilidad
en la que se expresa que expresa la probabilidad condicional de un evento
aleatorio A dado B en trminos de la distribucin de probabilidad condicional del
evento B dado A y la distribucin de probabilidad marginal de slo A.

El teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad

de A dado B con la probabilidad de B dado A. Es decir, que sabiendo la
probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber
(si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de
cabeza. Muestra este sencillo ejemplo la alta relevancia del teorema en cuestin
para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la
comprensin de la probabilidad de aspectos causales dados los efectos
observados.

Este teorema se aplica generalmente para aquellos caso en los que se quiere
calcular las probabilidades ya sea de dos o ms trminos en

El diagnstico de cncer.
Evaluacin de probabilidades durante el desarrollo de un juego de bridge
por Dan F. Waugh y Frederick V. Waugh.
Probabilidades a priori y a posteriori.
Un uso controvertido en la Ley de sucesin de Laplace.4
Ilustracin 1Slideshare, Formula de bayes; Pagina capturada por internet el da 23/03/2016
http://es.slideshare.net/robertv9/teorema-de-bayes-1886021

REFERENCIAS BIBLIOGRAFICAS

Teora moderna de probabilidades y sus aplicaciones de Emanuel Parzen.

Limusa Grupo Noriega Editores. ISBN 978-9681-807351
Bayes, Thomas (1763). An Essay towards solving a Problem in the
Doctrine of Chances.. Philosophical Transactions of the Royal Society of
London 53: 370418. doi:10.1098/rstl.1763.0053.
Slideshare, Formula de bayes; Pagina capturada por internet el da
23/03/2016 http://es.slideshare.net/robertv9/teorema-de-bayes-1886021