DESARROLLO TRABAJO COLABORATIVO FASE -1

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 exámenes de selección,
que solían estar asociados principalmente con exámenes médicos de diagnóstico pero que
ahora están encontrando aplicaciones en varios campos de actividad. Los exámenes de
esteroides en atletas, los exámenes caseros de embarazo y los exámenes para detectar
sida son algunas otras aplicaciones. Los exámenes de selección se evalúan sobre la
probabilidad de un falso negativo o un falso positivo y éstas dos son probabilidades
condicionales. Un falso positivo es el evento de que el examen sea positivo para una
condición determinada, dado que la persona no tiene la condición. Un falso negativo es el
evento de que el examen sea negativo para una condición determinada, dado que la
persona tiene la condición.
Se pueden evaluar estas probabilidades condicionales usando una fórmula derivada por el
probabilista Thomas Bayes, llamada el Teorema de Bayes. El teorema se utiliza para revisar
probabilidades previamente calculadas cuando se posee nueva información y fue
desarrollado por el reverendo Thomas Bayes en el siglo XVII,

Suponga que cierta enfermedad está presente en el 10% de la población, y que hay
un examen de selección diseñado para detectar si esta enfermedad está presente.
El examen no siempre funciona a la perfección. A veces, es negativo cuando la
enfermedad está presente y otras es positivo en ausencia de ella. La tabla siguiente
muestra la proporción en que el examen produce varios resultados:

Resultado del examen Resultado del examen

positivo Negativo
Enfermedad presente 8% 22 % 2%
Enfermedad Ausente 5% 85 %

NOTA: Se corrige la probabilidad en rojo debido a que el enunciado dice que el 10%
de la población presenta la enfermedad. En la tabla original tal cantidad es del 𝟖% +
𝟐𝟐% = 𝟑𝟎%, contrario al enunciado mismo y da lugar a una inconsistencia en los
datos, y, por supuesto, en los resultados.
A: Enfermedad ausente
P: Enfermedad presente
Pos: Resultado del examen positivo
Neg: Resultado del examen negativo

Las probabilidades ofrecidas por la tabla son

𝑃(𝑃𝑜𝑠) = 0.13
𝑃(𝑁𝑒𝑔) = 0.87
Con base en esta información y usando el Teorema de Bayes, elabore un informe que
como mínimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

𝑃(𝑃) = 0.08 + 0.02 = 0.1

2. Probabilidad de que la enfermedad esté ausente

𝑃(𝐴) = 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(𝑃𝑜𝑠 ∩ 𝐴) 0.05
𝑃(𝑃𝑜𝑠|𝐴) = = = 0.056
𝑃(𝐴) 0.9

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

que la persona tiene la enfermedad

𝑃(𝑁𝑒𝑔 ∩ 𝑃) 0.02
𝑃(𝑁𝑒𝑔|𝑃) = = = 0.2
𝑃(𝑃) 0.3

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

positivo

𝑃(𝑃𝑜𝑠│𝑃)𝑃(𝑃)
𝑃(𝑃|𝑃𝑜𝑠) =
𝑃(𝑃𝑜𝑠)
𝑃(𝑃𝑜𝑠 ∩ 𝑃) 0.08
𝑃(𝑃𝑜𝑠|𝑃) = = = 0.8
𝑃(𝑃) 0.1
0.8 ∗ 0.1
𝑃(𝑃|𝑃𝑜𝑠) = = 0.6154
0.13
 6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen
resulto positivo

𝑃(𝑃𝑜𝑠|𝐴)𝑃(𝐴) 0.056 ∗ 0.9

𝑃(𝐴|𝑃𝑜𝑠) = = = 0.3877
𝑃(𝑃𝑜𝑠) 0.13

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

negativo

𝑃(𝑁𝑒𝑔|𝑃)𝑃(𝑃) 0.2 ∗ 0.1

𝑃(𝑃|𝑁𝑒𝑔) = = = 0.0223
𝑃(𝑁𝑒𝑔) 0.87

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

resulto negativo

𝑃(𝑁𝑒𝑔|𝐴)𝑃(𝐴)
𝑃(𝐴|𝑁𝑒𝑔) =
𝑃(𝑁𝑒𝑔)
𝑃(𝑁𝑒𝑔 ∩ 𝐴) 0.85
𝑃(𝑁𝑒𝑔|𝐴) = = = 0.9444
𝑃(𝐴) 0.9
0.9444 ∗ 0.9
𝑃(𝐴|𝑁𝑒𝑔) = = 0.977
0.87

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

examen de selección para detectar la enfermedad?

Para responder esta pregunta podemos considerar los incisos 5 y 8. La pregunta 5 nos
informa acerca de la probabilidad de que la persona esté enferma dado que el resultado fue
positivo, mientras que la 8 nos informa de qué tanta confianza podemos tener en la prueba
dado que el resultado dio 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, se puede concluir que la prueba nos indica una información más confiable para
determinar si una persona NO está enferma, pero se queda corta para indicar cuál sí lo
está.

 resumen de los conceptos teóricos de la unidad que me permitieron solucionar el

estudio de caso seleccionado.

Para dar solución a los puntos solicitados en el caso 2 fue necesario leer y apropiarme
de los contenidos encontrados en las lecciones 1,4 y 1,5. En donde está la definición
del Teorema de Bayes. Y en referencias complementarias “ más sobre axiomas de
probabilidad”.
Teorema de Bayes
El teorema de bayes es un método para encontrar la probabilidad de una causa específica
cuando se observa un efecto particular.
Es el procedimiento que se utiliza para encontrar las probabilidades posteriores, a partir de
probabilidades previas, las probabilidades a priori se conocen antes de obtener información
del experimento
El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir en más de
una forma.