Notas de clase

Fabian Guisao Usuga

Unaula Estadística I

Para lo sucesos dependiente

P ( A ∩ B )=P ( A )∗P(B/ A)
P ( A ∩ B )=P ( B )∗P( A/ B)

Asi las probabilidades condicionales serian

P( B/ A)=P ( A ∩B ) / P ( A )
P( A /B)=P ( A ∩B ) /P ( B )

Ejemplo:
En una empresa el 40% de los empleados tienen vivienda, el 25% tiene 2
hijos y el 15% tiene vivienda y dos hijos. Al seleccionar un empleado al
azar
a) Si tiene 2 hijos ¿cuál es la probabilidad de que tenga vivienda?
b) Si tiene vivienda ¿cuál es la probabilidad de que tenga dos hijos?

Solución
Sea A= empleados que tienen vivienda
B= empleados que tienen dos hijos
P ( A )=40 % P ( B ) =25 % P ( A ∩ B )=15 %

El evento que ya ocurrió es que tiene dos hijos ósea (B), ósea que debo
hallar la probabilidad de A dado que ya ocurrió (B)
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

P( A /B)=P ( A ∩B ) / P ( B )=15 % /25 %=60 %

En el segundo caso, nótese que ya ocurrió (A) por tanto se debe hallar la
probabilidad de (B) dado que ya ocurrió (A)
P( B/ A)=P ( A ∩B ) /P ( A ) =15 %/ 40 %=37.5 %

Con este simple ejemplo llegamos al teorema

de bayes
En el añ0 1763, se aplicó una memoria en la
que parece, por vez primera, la determinación
de la probabilidad de las causas a partir de los
efectos que han podido ser observados. Los
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

cálculos de dichas probabilidades reciben el

nombre de teorema de bayes
Bayes desarrolla una técnica que permite
verificar las probabilidades condicionales que
toman en cuenta información sobre ocurrencia
de eventos anteriores, es decir ya ocurridos,
para predecir la probabilidad de otro, con base
en una nueva información. En otras palabras
esta prueba requiere una probabilidad a priori,
además de una información aposteriori

Probabilidad Nueva Teorema de Probabilidad

apriori informacion bayes aposteriori

La fórmula general seria:

Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

p( A1 ) p(B/ A1 )
p( A1 / B)=
p ( A 1) p(B/ A1 )+ p ( A 2) p(B/ A 2 ).. p ( A n ) p(B/ A n)

Suponga que dos profesores de estadística se

reparten un número determinado de alumnos
matriculados. El primero tiene 65% de los estudiantes
y el segundo el 35%. Los datos históricos dicen que la
probabilidad de perder la materia con el profesor 1 es
del 8% y con el segundo es del 5%. Si se secciona un
estudiante al azar ¿cuál es la probabilidad de que esta
asignatura la pierda con el primer profesor?

Gráficamente seria así:

Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

Sea A la probabilidad de ser alumno del

1

profesor 1 (marginal)
Sea A la probabilidad de ser alumno del
2

profesor 2 (marginal)
Sea (B) el evento perder la materia
Sea p(B/ A ) la probabilidad condicional de perder
1

la materia dado que la tomo con el profesor 1

Sea p(B/ A ) la probabilidad condicional de perder la
2

materia dado que la tomo con el profesor 2

Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

A los términos p( A ) p(B / A ) y p( A ) p( B / A ) se les llama

1 1 2 2

probabilidad conjunta y se denota por

p( Ai ∩ Bi) (regla de la multiplicación)

p( A1 ) p( B / A 1)=0.65∗0.08=0.052

p( A2 ) p( B / A 2)=0.35∗0.05=0.0175
0.052
p( A1 / B)= =74.82 %
0.052+ 0.0175

¿Cuál es la probabilidad de que la pierda con el

segundo profesor?

La fórmula general seria:

p (A 2) p( B/ A2 )
p( A2 / B)=
p ( A 2) p(B/ A2 )+ p ( A 1) p(B/ A1 )
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

p( A2 ) p( B / A 2)=0.35∗0.05=0.0175

p( A1 ) p( B / A 1)=0.65∗0.08=0.052
0.0175
p( A2 / B)= =25.18 %
0.052+ 0.0175

Nota: la letra A Corresponde a la información a

priori y la letra B a la información aposteriori
Ejemplo 2
Las ventas realizadas por un supermercado se
pagan de la siguiente forma 45% se hacen con tarjeta
de crédito, 30% con tarjeta débito y 25% en efectivo.
La anterior información es suministrada por el área de
ventas, sin embargo en el día de hoy, las ventas se
pagaron así. 30% con tarjeta de crédito, 40% con
tarjeta débito y 30% en efectivo
El señor pedro Pérez pago ese día con tarjeta dedito
cuando realizo la compra. ¿Cuál es la probabilidad de
haber pagado con tarjeta debito?
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

Eventos
p ( A 1 )=45 % (Tarjeta de crédito)
p ( A 2 )=30 % (tarjeta debito)
p ( A 3 )=25 % (efectivo)
La probabilidad de haber pagado con debito
es (A2)
B es el evento de como se hicieron las
compras hoy, es decir
p ( B / A 1 ) =30 % compras hoy tarjetas de crédito
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

p ( B / A 2 ) =40 % compras hoy tarjeta debito

p ( B / A 3 )=3 0 % compras hoy en efectivo

Osea
p ( A 2 )∗p ( B/ A 2 )
p ( A 2/B ) =
p ( A 1 )∗p ( B / A 1 ) + p ( A 2 )∗p ( B / A 2 )+ p ( A 3 )∗p ( B/ A 3 )

p ( A 2 )∗P( B/ A 2)=0.3∗0.4=0.12

p ( A 1 )∗P( B/ A 1)=0.45∗0.3=0.135
p ( A 3 )∗P( B/ A 3)=0.25∗0.3=0.07
0.12 0.12
p ( A 2/B ) = = =36.3 %
0.135+ 0.12+ 0.075 0.33

Ejercicio clase
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

Considere el clásico de la montaña, la

probabilidad de ganar de visitante del DIM es del
50%. En las últimas fechas el DIM ha ganado el 70%
de los partidos como local y el 30% de los partidos
como visitante ¿cuál es la probabilidad de que gane el
clásico este domingo como visitante?

p ( A 1 )=50 % (ganar de local)

p ( A 2 )=50 % (ganar de vistante)
B- Es como ha ocurrido en las últimas fechas este
evento
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

es la probabilidad de las últimas fechas

P(B/ A 1)

siendo local (70%)

es la probabilidad de las últimas
P( B/ A 2)

fechas siendo visitante (30%)

p ( A 1 )∗P( B/ A 1)=0.5∗0.7=0.35
p ( A 2 )∗P( B/ A 2)=0.5∗0.3=0.15
0.15
p ( A 2/B ) = =30 %
0.35+ 0.15

Teorema de Bayes aplicado al covid-19

En el campo de la ciencia de la salud se utiliza
ampliamente la aplicación de las leyes de la
probabilidad y conceptos relacionados en la
evaluación de pruebas de detección y criterios de
diagnóstico. Alos médicos les interesa tener mayor
capacidad para predecir correctamente la presencia o
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

ausencia de una enfermedad en particular a partir del

conocimiento de los resultados (positivo o negativo) de
pruebas y el estado de los síntomas (presentes o
ausentes) que se manifiestan. También es de interés
la información respecto a la probabilidad de resultados
positivos o negativos de las pruebas y la probabilidad
de presencia o ausencia de un síntoma especifico en
pacientes con o sin una enfermedad en particular

En pruebas de detección se debe considerar con

cuidado que no siempre son pruebas infalibles, es
decir el proceso puede ser un falso positivo o un falso
negativo

Definiciones:
 Un falso positivo resulta cuando una prueba
indica el estado positivo, cuando en realidad
es negativo
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

 Un falso negativo resulta cuando una prueba

indica que el estado es negativo, cuando en
realidad es positivo

En resumen, se debe responder a las

siguientes preguntas para evaluar la utilidad
de los resultados de la prueba y el estado de
los síntomas para determinar si el individuo
tiene o no alguna enfermedad

1) Dado que el individuo tiene la enfermedad

¿qué probabilidad existe de que la prueba
resulte positivo ( o la presencia de un
síntoma)?
2)Dado que el individuo tiene la enfermedad
¿qué probabilidad existe de que la prueba
resulte negativa ( o la ausencia de un
síntoma)?
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

3) De una prueba positiva de detección (o la

presencia de un síntoma) ¿qué
probabilidad existe de que un individuo
tenga la enfermedad)
4)De una prueba negativa de detección (o la
ausencia de un síntoma) ¿qué probabilidad
existe de que un individuo tenga la
enfermedad)

La tabla de análisis seria esta

enfermedad
Resultado de la prueba Presente (D) ausente (1-D) Total
Positivo a b a+b
Negativo c d a+c
a+c b+d n

Con esta tabla se pueden calcular muchas

probabilidades, por ejemplo, se puede
calcular la probabilidad condicional de dar
positivo (tener un síntoma) dado que tiene
la enfermedad p(P/(A +C))
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

Nótese que esto también podría ser una prueba de

sensibilidad. Que básicamente es la probabilidad de
un resultado positivo (presencia o ausencia de un
síntoma) dada la ausencia de la enfermedad
LA PRUEBA DE especifidad: es el resultado negativo
de la prueba dado (o ausencia del síntoma) dada la
ausencia de la enfermedad

Ejemplo
Un equipo de investigación médica pretende evaluar
la prueba de detección propuesta para el COVID-19.
La prueba se basa una muestra aleatoria de 450
enfermos y en otra muestra independiente de 500
pacientes que no presentan síntomas de la
enfermedad (asintomáticos), estas pruebas se hicieron
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

para pacientes de más de 60 años, los resultados son

los siguientes

enfermedad covid-19
Resultado de la prueba Presente (D) ausente (1-D) Total
Positivo 436 5 441
Negativo 14 495 509
450 500 950

Con estos datos se estima que:

La prueba de sensibilidad es p( p/ D)=436/450=0.97
La prueba de especifidad: p(N /(1−D))=495/500=0.9 9

Ahora con estos resultados se calcula el valor que

predice la positividad de la prueba.

Se pretende calcular la probabilidad de que un

individuo con una prueba positiva este enfermo de
covid-19
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I

Entonces
p( p/ D)=436/450=0.97 (positivo y la tiene)
p( p/(1−D))=5/500=0. 01 (positivo y no la tiene)

En un estudio publicado por el gobierno de los

estados unidos se determino que de las pruebas que
se le hicieron a pacientes con mas de 60 años el
11.3% tenían covid-19
Así
SI 0.97∗0.113
P ( POSITIVO )= 0.97∗.113+0.01∗ ( 1−0.113 )
=93 %
Notas de clase
Fabian Guisao Usuga
Unaula Estadística I