Artículo Científico / Scientific Paper

COVID-19: EL CAMBIO MUNDIAL Y LA PROBABILIDAD DE

CONTRAERLO
COVID-19: GLOBAL CHANGE AND THE PROBABILITY OF
CONTRACTING IT
Nombre Autor 11, Nombre Autor 22, Nombre Autor 33

Resumen
Por medio de la Teoría de juegos y el Teorema de
Bayes realizaremos un estudio para saber cuáles
son las probabilidades de contraer el virus del
Covid-19, teniendo en cuenta la pandemia que
hemos tenido que vivir durante los últimos años en
el mundo, las normas de bioseguridad, el
distanciamiento social, la cuarentena y la
vacunación masiva e inmediata que se ha venido
llevando a cabo desde finales del año 2020 hasta el
presente día. Analizaremos como han reducido los
contagios la letalidad del virus durante el último
tiempo gracias a la vacunación masiva, el uso del
tapabocas y como poco a poco el virus del Covid-
19 pasará a ser un simple virus no mortal (o no con
la misma mortalidad que ha venido teniendo desde
el principio de la pandemia). Procuraremos no
utilizar software alguno, aunque en los cálculos
excesivamente largos utilizaremos el Software
Python para facilitar el trabajo y hacer más exacto
el cálculo de las probabilidades.
Keywords: Biosecurity, Bayes, Covid-19, Pandemic,
Palabras Clave: Bioseguridad, Bayes, Covid-19, Probability, Vaccination.
Pandemia, Probabilidad, Vacunación.
Abstract
By means of Game Theory and Bayes Theorem we
will carry out a study to find out what are the
probabilities of contracting the Covid-19 virus,
taking into account the pandemic that we have had to
live in recent years in the world, the norms of
biosecurity, social distancing, quarantine and massive
and immediate vaccination that has been carried out
since the end of 2020 until the present day. We will
analyze how contagions have reduced the lethality of
the virus in recent times thanks to mass vaccination,
the use of a mask and how little by little the Covid-19
virus will become a simple non-fatal virus (or not
with the same mortality it has been having since the
beginning of the pandemic). We will try not to use
any software, although in excessively long
calculations we will use Python Software to facilitate
the work and make the calculation of the
probabilities more accurate.

1
En esta sección escriba la adscripción institucional actual en el siguiente orden:Dependencia a la que pertenece en su
institución, Institución a la que pertenece, país; como se presenta en el ejemplo siguiente.
2
Laboratorio de Investigación en Sistemas Informáticos e Inteligencia Artificial , Universidad Politécnica de Valencia -
España
3
……….
Autor para correspondencia: correoelectrónico@autorparacorrespondencia

1
 Artículo Científico / Scientific Paper
1. Introducción
Desde el año 2019 ha surgido un cambio notable
en todo el mundo, esto debido a una nueva
pandemia que hemos tenido que enfrentar más
conocida como “El virus del Covid-19”. No cabe
duda que el virus del SARS CoV-2, o mejor
conocido como Coronavirus ha causado una ola
de contagios y lamentables muertes durante los
últimos años; debido a esto hemos tenido que
adoptar diversas medidas de bioseguridad, tales
como el uso de tapabocas al momento de tener
que socializar con demás personas,
distanciamiento social, lavado de manos y la más
efectiva: vacunación inmediata.
Pese al rápido avance de la vacunación mundial
el virus del Covid-19 sigue siendo altamente
contagioso debido a sus variantes y mutaciones,
llegando a ser cada vez más peligroso.
Pero, ¿Qué probabilidades tenemos de contraer
Covid-19 hoy en día?, ¿Reducen las
probabilidades de contagio si aplicamos algunas
o todas las medidas de bioseguridad? Daremos
respuesta a dichas preguntas por medio de un
estudio utilizando algunos conceptos sobre la
Teoría de juegos, específicamente daremos uso
al Teorema de Bayes.
1.1. Materiales y Métodos
Recordemos que la Teoría de juegos se creó
principalmente para la utilización de crear
modelos que permiten tomar decisiones
(correctas o erróneas) y realizar estrategias que
permitan ganar o acertar en un juego, rifa, etc.
Pero de dicha teoría se creó un modelo para
saber las probabilidades de que ocurra o no un
evento dado que el evento cumple con una
condición o característica que lo condiciona
debido a que existe otro evento, este resultado
es conocido como Teorema de Bayes, el cual
su fórmula matemática es:
P ( B| A n ) P ( A n )
P ( A n|B )=
∑ P ( B|Ai ) P( Ai )
2
Donde B es el evento el cual tenemos
información previa y An son distintos eventos
condicionados por B. Este último resultado es
el que usaremos para la obtención de las
probabilidades buscadas.
Recordemos primero conceptos que
mencionaremos y utilizaremos a lo largo de la
investigación, por ejemplo, recordemos lo que
es una prueba PCR: sus siglas en ingles
significan “Reacción en Cadena de
Polimerasa”, es un método utilizado por la
medicina para detectar la presencia de virus o
cualquier material genético de un patógeno. En
la pandemia causada por el Covid-19 se ha
usado este método para detectar si el paciente
posee en su cuerpo el SARS CoV-2, el cual es
el virus causante del Covid-19. Hay varios
métodos para saber si una persona contrae o
no el Covid-19, pero en la investigación nos
centraremos en el estudio de las pruebas PCR.
Otro concepto que manejaremos durante la
investigación es el denominado “falso
positivo”, el cual es el resultado positivo que
arroja una prueba (en este caso PCR), aun
siendo el resultado verdadero negativo. En el
caso de nuestra investigación tomaremos el
término “falso positivo” como el resultado
positivo que arroja una prueba PCR al
momento de realizar un test para saber si se
tiene o no el Covid-19, siendo el verdadero
resultado negativo.
Intentaremos hallar primero la probabilidad de
no tener Covid-19, dado que se realizó una
prueba PCR y esta dio positiva, es decir, la
probabilidad de ser un “falso positivo” tras una
prueba PCR. Procederemos a hallar la
probabilidad de que una persona pueda
contagiarse de Covid-19 si cumple con las
normas de bioseguridad correctamente, si
cumple medianamente con las normas de
bioseguridad y si no las cumple para nada.
 Apellido Autor et al / Titulo del Articulo
2. Desarrollo
Como se mencionó anteriormente, vamos a
dividir la investigación en dos casos:
Probabilidad de ser un “falso positivo” después
de realizar una prueba PCR y la probabilidad de
que una persona contraiga Covid-19 si respeta
correctamente, medianamente o no respeta las
normas de bioseguridad. Miremos el primer
caso:
2.1. Probabilidad de ser un “falso
positivo” después de realizar una prueba
PCR:
Una prueba PCR tiene una sensibilidad del
70% para detectar si un paciente tiene Covid-
19 y posee una especificidad del 99%, por lo
tanto la probabilidad de tener un falso
positivo es del 1%. También, según estudios
realizados, la probabilidad de que una
persona tenga Covid-19 es del 0.3%. Ahora
bien, podemos definir nuestros parámetros
como sigue:
Sea A:= “El paciente tiene Covid-19”
B:= “El paciente sale positivo en la prueba
PCR”
NE:= “El paciente no tiene Covid-19”
FP:= “El paciente es un falso positivo”
P(A):= “Probabilidad de que el paciente
tenga Covid-19”=0,003
P(A|B):= “Probabilidad de que el paciente
tenga Covid-19, dado que salió positivo en la
prueba PCR”
P(B|A):= “Probabilidad de que el paciente
salga positivo en la prueba PCR y tenga la
enfermedad”= 0,99
P(B):= “Probabilidad de que el paciente
salga positivo por Covid-19 en la prueba
PCR”
3
= P(B|A)P(A)+P(NE)P(FP)=(0,99)(0,003)+
(0,997)(0,01)=0,00297+0,00997=0,01294
P(NE):= “Probabilidad de que el paciente no
tenga Covid-19”= 1-0,003=0,0997
P(FP):= “Probabilidad de que el paciente sea
un falso positivo”=0.01
Ahora bien, utilizando el teorema de Bayes
tenemos:
P ( B| A n ) P ( A n )
(0,01294)(0,003)
P ( A n|B )= = ≈ 0,01307
∑ P ( B| Ai ) P( Ai ) (0,99)(0,003)
Con lo que obtenemos que la probabilidad de
ser un falso positivo después de realizar una
prueba PCR es aproximadamente del 1,3%
2.2. Probabilidad de que una persona
contraiga Covid-19 si respeta
correctamente, medianamente o no
respeta las normas de bioseguridad:
Según estudios realizados, el 20% de la
población es responsable con las normas de
bioseguridad, el 30% cumple las normas
medianamente, mientras que el 50% no
cumple para nada con las normas de
bioseguridad. Además, de los que cumplen
las normas correctamente el 10% resulta
infectado, el 60% de los que las cumplen
medianamente se infectan, mientras que el
80% de las personas que no cumplen con las
normas resultan infectados por Covid-19.
Definamos los eventos y las probabilidades
como siguen:
A: “El paciente tiene Covid-19”
R= “El paciente es responsable con las
normas de bioseguridad”
M= “El paciente es medianamente
responsable con las normas de bioseguridad”
NR= “El paciente no es nada responsable con
las normas de bioseguridad”
P(A)= “Probabilidad de que el paciente tenga
Covid-19”=P(R)P(A|R)+P(M)P(A|M)
+P(NR)P(A|NR)=
(0,2*0,1)+(0.3*0,6)+(0,5*0,8) = 0,6  medianamente responsable y se haya
P(R)= “Probabilidad de que el paciente sea
responsable con las normas de
bioseguridad”=0,2
P(M)= “Probabilidad de que el paciente sea
medianamente responsable con las normas de
bioseguridad”=0,3
P(NR)= “Probabilidad de que el paciente no
sea nada responsable con las normas de
bioseguridad”=0,5
P(A/R)= “Probabilidad que un paciente está
infectado dado que sea responsable pues
cumple con las normas de bioseguridad”
=0,1
P(A/M)= “Probabilidad que un paciente está
infectado dado que sea medianamente
responsable con las normas de
bioseguridad”=0,6
P(A/NR)= “probabilidad que un paciente está
infectado dado que no sea responsable con
las normas de bioseguridad”=0,8
Utilizando el Teorema de Bayes:
P ( A| M ) P ( M ) (0,6)( 0,3)
P ( M| A )= = ≈ 0,3 ≈30 %Blanco
P( A) (0,6)
P ( A|NR ) P ( NR ) ( 0,5)(0,8)
P ( NR| A )= = ≈ 0,666 ≈ 66,66 %
P( A) (0,6)
P ( A|R ) P ( R ) ( 0,1)(0,2)
P ( R|A )= = ≈ 0,033 ≈ 3,33 %
P( A) (0,6)
Con lo que tenemos que la probabilidad de
que no haya cumplido con las normas de
bioseguridad y que se haya infectado es de
66,66%, la probabilidad d que haya sido
responsable y se haya infectado es de 3,33%,
mientras que la probabilidad de haya sido
contagiado es del 30%.
3. Conclusiones
3.1. Las probabilidades de ser un falso
positivo por Covid-19 luego de una prueba
PCR son muy bajas, por lo tanto el método
de la prueba PCR para detectar si se tiene o
no Covid-19 es altamente efectiva, en caso
de no creer el resultado es recomendable
repetirla.
3.2. Las probabilidades de contagiarse,
respetando las normas de bioseguridad son
bastante bajas, por lo tanto es recomendable
cumplir con estas lo más que se pueda.
3.3. Debemos ser responsables al momento
de lidiar con el Covid-19, es un virus con
altas probabilidades de contagio, por lo tanto
debemos cuidarnos y en lo posible adelantar
la vacunación lo más pronto posible.
4. Referencias
Lara. A. (2020). La pandemia del Covid-19 y los
números de casos en perspectiva.
Castañeda, Liliana (2004). Libro
Probabilidad.
Casas Inmaculada (2020). Pruebas de diagnóstico
de coronavirus: ¿Qué es la PCR?, ¿Qué son los
test rápidos?, ¿En qué se diferencian?
4