Ej.

7) Se tiene un dado cargado tal que la probabilidad de cada número par es proporcional a ese
número (con la misma constante de proporcionalidad en todos los casos) y las probabilidades de los
números impares son las mismas que en un dado normal. Consideremos los eventos

A= “número par”
B = “divisor de 6” y
C = “múltiplo de 5”.

a) Hallar la probabilidad de cada elemento del espacio muestral.

b) Hallar P(A), P(A U C), P(AC ∩ BC), P(B - C).

a) Planteo de las probabilidades de cada número

Las probabilidades de los números impares son iguales a las de un dado normal. Siendo que en un dado
normal las probabilidades son todas iguales, y teniendo en cuenta que hay 6 posibilidades, el Marqués
Pierre Simon de Laplace nos dice que las probabilidades de los números impares son:

P(1) = 1/6
P(3) = 1/6
P(5) = 1/6

Si sumamos las probabilidades P(1)+P(3)+P(5), vemos que da ½. Con lo cual podríamos decir que
P(impar) = ½. ¿Te animas a decir cuánto sería la probabilidad de sacar un número par, P(par)?
Teniendo en cuenta que los números del dado pueden ser pares o impares, podemos ver que
P(par)+P(impar)=1. Con lo cual podemos afirmar que P(par) = ½ = P(2)+P(4)+P(6).

Ahora, el enunciado nos dice que para los números pares la probabilidad es proporcional a ese número.
Esto nos quiere decir que la probabilidad de sacar 4 será 2 veces la probabilidad de sacar 2, y la
probabilidad de sacar 6 será…sisi! 3 veces la probabilidad de sacar 2.
Sería algo así…
P(2)+P(4)+P(6) = ½
P(2)+2.P(2)+3.P(2) = ½

¿Ahora te animas a encontrar las P(2), P(4) y P(6)? Sé que podés! La luz de Laplace te guiará! 
Si llamamos al experimento de arrojar un dado como X, podemos plantear una tabla con las
probabilidades correspondientes a cada evento de X.

X 1 2 3 4 5 6
P(X) 1/6 1/12 1/6 1/6 1/6 1/4

Si hicimos bien las cosas…cuánto debería dar la suma de todas esas probabilidades? Kolmogorov te
puede ayudar!!
Y ahora sí! Podemos hacer el punto b)
Primero podríamos ver cuáles son los puntos muestrales correspondientes a cada evento

A= “número par”-> A={ 2, 4, 6}

B = “divisor de 6” -> B={1, 2, 3, 6}
C = “múltiplo de 5” -> C={5}
Entonces, si el evento A es “número par”. Cuánto será la P(A)? Sé que podés hacerlo sin ayuda! De
hecho medio que ya lo hicimos!
La P(B) la podemos calcular fácilmente como la suma de las probabilidades de los sucesos posibles
dentro del espacio muestral de B. Lo ves? Sería P(B)=P(1)+P(2)+P(3)+P(6)=2/3.
Pensando de la misma manera, te animas a encontrar P(C)?
Ahora nos preguntan P(A U C). Te acordás de las proposiciones derivadas de los axiomas de
Kolmogorov?
Una de esas proposiciones decía lo siguiente: P(A U C)=P(A)+P(C)-P(A∩ C)

Ahora la pregunta es… los eventos A y C, tienen puntos muestrales en común?

Si los elementos de A son 2, 4 y 6, pero para el evento C el único suceso posible es 5, cuál será P(A∩ C)?

Muy bien! Entonces la expresión de P(AUC) queda así: P(A U C)=1/2 + 1/6 - 0= 2/3

Ok, y veníamos pisteando como unos campeones hasta que nos piden lo siguiente…

P(AC ∩ BC) WTF?!

Lo primero que podemos hacer es intentar leerlo! Ok, por algo hay que empezar, no?
Ok, nos piden una intersección! Pero de qué?
Esa C en el supraíndice nos indica que está hablando del complemento del evento, por lo tanto A C es el
complemento de A.
Si te acordás de los axiomas de Andréi… sisi! A estas alturas ya tenemos que tratar a Kolmogorov como
alguien de la familia! Entonces, si le hacemos caso a Andréi podemos decir que P(A C )=1-P(A)

Listo! Ya sé que me están pidiendo! Y ahora qué hacemos?

Bueno… por suerte en Probabilidad y Estadística además de aprender acerca de la aleatoriedad del
universo…te vas a hacer de muchos amigos nuevos!! Creéme que estos amigos te van a ayudar
muuucho!
A estas alturas ya somos viejos amigos de Pierre Simon y de Andréi. Te presento ahora a Augustus De
Morgan… Agus para los amigos!

No sólo fue el profe de Ada Lovelace, en una época donde no muchos

aceptaban ser tutores de mujeres, sino que además planteó unas relaciones
muy interesantes para la lógica matemática. Por cierto, Ada Lovelace es
considerada la primera programadora…en una época donde no había
computadoras, y quienes tenemos algo que ver con la programación la
admiramos mucho! Además era la hija del poeta Lord Byron, por si te gusta la
literatura. Si andas medio depre, no te recomiendo leerlo! Jaja!

Bueno, bueno…volviendo a Agus! En qué me puede ayudar para encontrar P(A C ∩ BC) ?
Estas son las Leyes de De Morgan:
AC ∩ BC = (A U B)C
ACUBC = (A ∩ B)C

Interesante, no?? La primera expresión es justo lo que necesitamos!! Gracias Agus!! Thumbs up!
Entonces la expresión quedaría algo así…

P(AC ∩ BC) = P[(A U B)C] = 1 – P(A U B) ; te acordás del complemento, no?

Y ahora ya nos queda hacer sólo la probabilidad de esa unión, verdad? Papita pal loro!!

P(AC ∩ BC) = P[(A U B)C] = 1 – P(A U B) = 1 – [P(A) + P(B) – P(A∩B)]

Ok, ya tenés todo para hacerlo! Pierre Simon, Andréi y Agus confían en que podés hacerlo sin ayuda!!

Y por último sólo nos queda hallar la probabilidad de P(B-C). Pero a estas alturas ya sabés que lo que
tenés que analizar son los sucesos posibles tanto en B y en C. Acá los copio de nuevo por si te da
pachorra scrollear para arriba… como te mimamos en proba, eh!!

A= “número par” ->A={2, 4, 6}

B = “divisor de 6” ->B={1, 2, 3, 6}
C = “múltiplo de 5” ->C={5}

Ok, nos piden P(B-C). En general, lo que deberías hacer es restarle a P(B) las probabilidades de los
sucesos que se repitan tanto en C como en B. Lo ves? Perooo… hay algún suceso de B que también se
encuentre en C? Ok… entonces estás de acuerdo si planteamos lo siguiente: P(B-C)=P(B)

Y como P(B) ya la habíamos encontrado, ahora si dale a la ruedita para scrollear, ya terminamos el
ejercicio!!! Decime la verdad… te pareció tan difícil? Lo único que necesitábamos era una pequeña
ayuda de nuestros amigos!! Si entendieron la referencia beatliana los quiero muchísimo! ;-)

Ej. 10) Calcular la probabilidad de que en una reunión de ocho personas se encuentren al menos dos
que cumplan años el mismo día. (Sugerencia: Considerar un año de 365 días y ordenar a los individuos).
¿Y si son 23 personas?

Este problema es muy interesante para testear tu intuición! Antes de empezar a plantear cualquier cosa,
qué opinas? En una habitación con 23 personas, cuál es la probabilidad de que al menos 2 personas
cumplan el mismo día? Planteamos un año no bisiesto, 365 días(es decir que consideramos 0 a la
probabilidad de cumplir años el 29 de febrero, sólo por hacer simple la solución).

Sería algo así como repartir 23 piedritas en un tablero que simula un calendario de 365, verdad? Y
después analizar cuáles son las probabilidades de ubicar 2 piedritas en un mismo casillero (día), no?
Estás segur@?!

La respuesta es bastante más contraintuitiva que eso, y eso es lo que lo hace tan interesante a este
ejercicio! De hecho parece simple, pero la resolución de este ejercicio tiene implicancias que mantienen
en pie a las economías del mundo!! Ahh!!... exageré un poco??...vamos a ver!! ;

Vamos a encararlo un poco al revés! Y si… para qué la vamos a hacer fácil si la podemos complicar??
Estudiamos ingeniería o qué? Jaja!
El ejercicio nos pide la probabilidad de que 2 personas cumplan el mismo día. A esa probabilidad la
podemos llamar p = Probabilidad de que al menos 2 personas cumplan el mismo día.

Si nos ayudamos con los axiomas de Andréi (Kolmogorov) podríamos decir entonces que la probabilidad
de que nadie cumpla el mismo día sería el complemento de p, verdad? A esa probabilidad la vamos a
llamar q = Probabilidad de que nadie cumpla el mismo día.

Podríamos expresarlo como: p = 1 –q

A esta altura no te debería asustar esa expresión, verdad?

Genial!! Entonces si te parece vamos a calcular la probabilidad q, de que nadie cumpla el mismo día. Te
parece?

Planteemos la siguiente situación, en una habitación hay una sola persona, se llama por ejemplo,
Martina. Martina por supuesto cumple años en un día del año. Sisi! Te deslumbré con esa información,
no?? Jaja! No seas impaciente!! Ya llega lo interesante!

Ahora entra a la habitación otra persona, supongamos que entra Sebastián. Cuál es la probabilidad que
Martina y Sebastián cumplan el mismo día? Si en principio planteamos el supuesto de Pierre Simon
(Laplace) que tanto Martina como Sebastián tienen la misma probabilidad de cumplir en cualquier día
del año, podemos decir que hay una sola chance entre todas las posibilidades del año. Como
planteamos un año de 365, podemos decir que la probabilidad p de que cumplan el mismo día es 1/365.
Lo ves?

Sin embargo estábamos buscando la probabilidad de que nadie cumpla el mismo día, y eso nos permite
ver el problema de distinta manera por si te cuesta verlo de la forma anterior.

Pensalo de la siguiente manera, cuando Sebastián entra a la habitación Martina ya estaba adentro y ya
estaba “ocupando” un lugar del calendario con su cumple. Por lo tanto para que Sebastián cumpla un
día distinto ya no tiene 365 opciones para cumplir años, sino que tiene 364. Lo ves mejor así?

Entonces podemos decir que la probabilidad q de que Martina y Sebastián no cumplan el mismo día es…

364
𝑞=
365

Si planteas la probabilidad p que habíamos calculado antes podés ver que cumplimos con los axiomas de
Andréi! Sino se enoja! Tiene carácter fuerte el ruso!

Ok, entonces en nuestra habitación tenemos a Martina y a Sebastián que cumplen en días diferentes.
Ahora entra a la habitación otra persona. Supongamos que entra Valentina. Cuál te parece que es la
probabilidad de que Valentina no cumpla el mismo día que Martina ni Sebastián?

Pensémoslo de la misma manera que antes. Si cuando entró Sebastián ya no tenía 365 opciones de
cumplir años, sino que tenía una opción menos ya que Martina ya estaba adentro de la habitación, de la
misma manera podemos decir que Valentina tiene 2 opciones menos de cumplir años ya que dentro de
la habitación están Martina y Sebastián. Lo ves?
Entonces la probabilidad de que Valentina cumpla un día distinto a Martina y a Sebastián es 363/365.
Sin embargo la probabilidad q que me interesa es la probabilidad de que Valentina cumpla un día
distinto a Martina y Sebastián, pero además la probabilidad de que Martina y Sebastián también
cumplan un día distinto entre ellos!

Si planteamos la suposición de que el día de cumpleaños de Martina es independiente al día de

cumpleaños de Sebastián, y además mutuamente independiente con el cumple de Valentina, podemos
usar el principio de independencia que nos permite multiplicar esas probabilidades!

Entonces voy a llamar q1 a la probabilidad de que Martina y Sebastián cumplan en días distintos, y
llamaré q2 a la probabilidad de que Valentina cumpla un día distinto tanto a Martina como a Sebastián.
Entonces como dijimos antes, si quiero encontrar la probabilidad de que los 3 cumplan un día distinto
entre sí, puedo simplemente multiplicar esas probabilidades. Quedaría así…

364 363
𝑞 = 𝑞 .𝑞 =
365 365

Ok, creo que a partir de ahora podés reconocer el patrón de lo que va a ocurrir si entra otra persona,
verdad?
Vamos juntos una vez más! En la habitación están Martina, Sebastián y Valentina, y ahora entra Juan
Pablo. Cuántas posibilidades tiene Juan Pablo de cumplir un día distinto a Martina, Sebastián y
Valentina? Muy bien! Tiene una posibilidad menos de la que tenía Valentina cuando entró. Por lo tanto
tiene 362 opciones, de entre los 365 días del año.

Por lo tanto voy a llamar q3 a la probabilidad de que Juan Pablo cumpla un día distinto a Martina,
Sebastián y Valentina! Pero nuevamente a nosotros la probabilidad q que nos interesa es la probabilidad
de que los 4 cumplan años en días distintos entre todos ellos! Como los suponemos
independientes…sisi! Los podemos multiplicar! Quería así…

364 363 362

𝑞 = 𝑞 .𝑞 .𝑞 =
365 365 365

Y si suponemos ahora que entra a la habitación Catalina, la probabilidad de que Catalina cumpla un día
distinto a Martina, Sebastián, Valentina y Juan Pablo, y que además entre todos ellos cumplan años en
días distintos, la expresión queda…sisi…ya la vas intuyendo!

364 363 362 361

𝑞 = 𝑞 .𝑞 .𝑞 .𝑞 =
365 365 365 365

Vemos que se empieza a formar una patrón, verdad? Son bienvenidos a seguir incluyendo gente a la
habitación, pero me parece que ya se entiende el punto, verdad?

Intentemos ahora expresar q de una manera más general. Veamos qué podemos hacer entonces!!
Alguno se enoja si agrego el siguiente factor a la expresión de q?

365 364 363 362 361

𝑞=
365 365 365 365 365
En definitiva no hicimos más que multiplicarla por 1, verdad?

Recordemos que en la habitación hay 5 personas! Martina, Sebastián, Valentina, Juan Pablo y Catalina,
se acuerdan? Y justamente tengo 5 fracciones, no? El denominador puedo entonces expresarlo como
365 elevado a la 5ta, verdad? O en todo caso elevado a la cantidad de personas en la habitación!!
Quedaría algo así...

365 .364 .363 .362 .361

𝑞=
365

Donde por supuesto n es la cantidad de personas.

Ahora, ese numerador no es muy lindo que digamos, no? Pero se acuerdan del factorial de un número?
Se acuerdan que lo expresábamos con el signo de admiración, de manera que por ejemplo el factorial de
2 lo expresábamos como 2!, y en definitiva 2!=2x1. Se acuerdan? De la misma manera entonces el
factorial de 3 lo calculamos como 3!=3x2x1.

Ahora supongamos que yo quiero expresar la multiplicación entre 5x4, que les parece si lo expreso de la
siguiente manera…
5 .4 . 3 . 2 . 1 5! 5!
5 .4 = = =
3 .2 .1 3! (5 − 2)!

Ahh! Esa división de factoriales queda una poco más linda, no? Mmmm, ok…el criterio estético de los
matemáticos es un poco raro a veces! Jaja!

Pero volvamos a nuestra expresión de q a ver cómo podemos usar esto de los factoriales. Me permiten
si hago lo siguiente?

365 . 364 . 363 . 362 . 361 360 . 359 . 358 . 357 …

𝑞= .
365 360 . 359 . 358 . 357 …

Estos 3 puntitos indican que siguen la serie decreciente de números naturales hasta el 1. Y como vemos
no estamos modificando la expresión porque simplemente estamos multiplicando por 1. Sin embargo
esta nueva manera de expresarlo me permite expresar el numerador como el factorial de 365, lo ves? Y
los factores en rojo del denominador como el factorial de 360. Esto sí ya está quedando más lindo!

365! 365! 365!

𝑞= = =
365 . 360! 365 . (365 − 5)! 365 . (365 − 𝑛)!

Pero como vemos el factorial de 360 es lo mismo que el factorial de 365-5, y como ya sabíamos n es la
cantidad de personas en la habitación!!
Pero recuerden que q es la probabilidad de que nadie cumpla el mismo día! Y a nosotros en realidad nos
estaban preguntando la probabilidad de que al menos 2 cumplan el mismo día! Si te acordás esa
probabilidad la habíamos llamado p y habíamos dicho que era el complemento de q. Por lo tanto la
expresión de la probabilidad de que al menos 2 personas cumplan el mismo día queda de la siguiente
manera…

365!
𝑝=1−
365 . (365 − 𝑛)!
Y esto sí es una expresión con cierta belleza!! “Cierta” belleza dije!! Jaja!

Por lo tanto si quisiera saber la probabilidad de que entre 8 personas o 23 personas haya al menos 2 que
cumplan el mismo día, simplemente metemos el dato de la cantidad de personas en la expresión como
n, y podemos encontrar nuestra respuesta.

Ahh!!.. que rápid@ que sos con la calculadora, eh!! Intentaste con la compu también?? Mmm, el
factorial de 365 es un número demasiado grande como para que se la banquen, no??

Y si, a no ser que te quieras pasar haciendo cuentas a mano, la mejor manera de calcular es tratando de
simular el experimento con alguna herramienta de programación. Si tuviste la suerte de tener profes en
Info 1 que te hayan enseñado a programar no vas a tener problemas en simular el experimento en C, R,
Matlab, Python, o el lenguaje que más te guste!

Quién sabe! Quizás le podríamos pedir a Martina, Sebastián, Valentina, Juan Pablo y Catalina que
simulen el experimento, ya que se deben estar aburriendo de estar en la habitación, no?? Que opinan?
Jeje!

Acá les dejo un gráfico de la experiencia simulada

en R, después si quieren les paso el script, aunque
estoy seguro que los compañeros de la habitación
lo van a hacer mucho mejor y más lindo que yo!!
Pueden ver que lo simulé solamente hasta 60
personas, ya que se puede ver en la gráfica que
llegando a 60 la probabilidad de que al menos 2
personas cumplan el mismo día se va estabilizando
asintóticamente a 1. Lo ven? Y que con un poquito
más de 20 personas, 23 para ser exactos, ya tengo
más del 50% de probabilidad de que al menos 2
personas cumplan el mismo día!

Para cerrar el ejercicio, te acordás que te había mencionado que este ejercicio, al parecer simple, tenía
implicancias bastante serias? Pues así es!!
Las matemáticas que se empezaron a desarrollar a partir de este problema, permitieron un
conocimiento mucho más profundo acerca de la seguridad de los sistemas informáticos basados en
criptografía con funciones hash, para evitar ataques que hoy se conocen como “brithday attacks”. Las
funciones hash son la base de las firmas digitales de por ejemplo todas las cuentas bancarias
electrónicas del mundo! Así que…sí! Es un problema cuya resolución fue muy importante!!

Ej. 27) Uno de cada 25 adultos de cierta población está afectado de una enfermedad para la cual se ha
desarrollado una prueba diagnóstica. La prueba es tal que, cuando un individuo padece la enfermedad,
el resultado de la prueba es positivo en un 98% de las veces, mientras que un individuo sano tendrá un
resultado positivo solamente el 3% de las veces. Eligiendo un individuo al azar de esta población:
a) Hallar la probabilidad de que el test dé positivo.
b) Hallar la probabilidad de que realmente padezca la enfermedad, sabiendo que el resultado de la
prueba fue positivo.
 c) Hallar la probabilidad de que realmente esté sano, sabiendo que el resultado de la prueba fue
negativo.

Ok, esto ya se pone interesante!! Cualquier parecido con la realidad NO es pura coincidencia!
Vamos a plantear un poco qué es lo que nos está diciendo el ejercicio…

Para empezar nos dice que “Uno de cada 25 adultos…está afectado por una enfermedad…”. Por lo tanto
podríamos en un principio plantear 2 eventos:

E+ = “tener la enfermedad”
E- = “no tener la enfermedad”

Por lo tanto si seguimos con la nomenclatura que venimos trabajando, te animas a decir que significa
P(E+) y P(E-)? mmm…bueno, por esta vez te voy a ayudar! Pero no te acostumbres, eh! ;-)

P(E+), sería la probabilidad de estar enfermo.

P(E-), sería la probabilidad de no estar enfermo.
Ahora sí… si el enunciado nos dice que 1 de cada 25 están enfermos, cuánto sería P(E+)? Muy bien!!
P(E+) = 1/25

Lo ves? Genial! Y ahora… te animas a decir cuánto vale P(E-)? Acordate que el universo de posibilidades
se reparte entre quienes están enfermos y quienes no están enfermos, verdad? Por lo tanto estarías de
acuerdo si decimos que P(E+)+P(E-)=1 ?
Entonces podemos decir que las probabilidades P(E+) y P(E-) quedarían así:

P(E+) = 0,04
P(E-) = 0,96

Ok, sigamos entonces con los otros datos que nos da el enunciado.
Nos dice que “…cuando un individuo padece la enfermedad, el resultado del test es positivo en un 98%
de las veces...”.

Ahora te voy a pedir que uses tu intuición! Si te hacen el test, y salís positivo… y además te dicen que el
test es efectivo el 98% de las veces, cuál creés que es la probabilidad de que tengas la enfermedad?
Si tu intuición te dice que tenés un 98% de probabilidades de tener la enfermedad, en un ratito te voy a
presentar a otro amigo! Ah!!... qué manera de generar expectativa, eh!! No te pierdas las próximas
páginas!

Pensemos primero como podemos expresar los datos del enunciado de una manera más acorde a un
fanático de las probabilidades, como ya estoy seguro que te volviste!!
Fijate que el enunciado nos dice que “cuando un individuo padece la enfermedad, el resultado del test
es positivo en un 98%”.

Lo importante de este dato es que ya plantea como algo establecido que el individuo TIENE la
enfermedad. Lo ves? Ya te está condicionando la situación! La condición de que el test dé positivo en un
98% es que el individuo ya padece la enfermedad.
Sisi… como ya lo estás pensando, estamos en presencia de una probabilidad condicional!
Ahora vamos a definir otros 2 eventos relacionados a los test.

T+ = “testear positivo”
T- = “testear negativo”

Se entiende? T+ sería el evento de someterse al test y dar positivo en el test, y por el otro lado T- sería
someterse al test y dar negativo.
A esta altura no tengo dudas que sabés que queremos decir cuando decimos P(T+) y P(T-).

De hecho el punto a) del ejercicio nos pide hallar la probabilidad de que el test dé positivo. Estás de
acuerdo en que nos está pidiendo P(T+)?

Excelente, volvamos entonces a intentar expresar el dato de que “cuando un individuo padece la
enfermedad, el resultado del test es positivo en un 98%”.
Por un lado nos dice que la condición es que el individuo padezca la enfermad, y que sabiendo eso, la
probabilidad del que el test de positivo es de 0,98. Lo ves?

Ese dato se escribe de la siguiente manera:

P(T+ | E+) = 0,98

Y se leería de la siguiente manera: “La probabilidad de testar positivo sabiendo que tiene la enfermedad
es de 0,98”. Acordate que esa barrita la podés leer como “sabiendo que”, “dada la condición que”, etc.

Ahora viene algo interesante! Bajo la condición de que se tenga la enfermedad una de las posibilidades
es que se testee positivo… de hecho eso es lo que expresamos recién! Pero también hay otra
posibilidad! Te animás a decir cuál? Siii, la otra posibilidad es testear negativo!! Me gusta que ya
estemos conectados!! Jaja!

Ok, entonces…bajo la condición de tener la enfermedad hay solo 2 opciones, testear positivo y testear
negativo. Ahora si la probabilidad de testear positivo (bajo la condición de E+) es de 0,98, la probabilidad
de testear negativo (bajo la condición de E+) es de… este es el momento en que empiezan a escuchar
redoblantes en sus cabezas!! Jaja!!

Sii…la probabilidad de testear negativo sabiendo que se tiene la enfermedad, o mejor dicho, P(T- | E+) es
de 1-0,98 = 0,02. Lo ves?!? Que geni@!! Me estás haciendo emocionar! :-D

Paso en limpio entonces lo que vimos hasta ahora:

P(E+) = 0,04
P(E-) = 0,96
P(T+ | E+) = 0,98
P(T- | E+) = 0,02 ; en la jerga médica se le dice falso negativo

Ok, nos falta sólo un dato más y ya estamos listos para hacer el ejercicio!! No están super
entusiasmados?? Apuesto a que están en el borde de sus sillas expectantes del desenlace, no??
El último dato que nos dan es, “…mientras que un individuo sano tendrá un resultado positivo
solamente el 3% de las veces…”
A esta altura ya la debés tener super clara! Ves que ahora la condición es que el individuo sea sano?
Antes planteábamos las probabilidades de testear positivo o negativo, pero sabiendo que se tenía la
enfermedad. Ahora nos está diciendo la probabilidad de testear positivo sabiendo que está sano.
Este dato lo podemos expresar de la siguiente manera: P(T+ | E-) = 0,03
Y de la misma manera que analizamos la condición anterior, podemos hallar la probabilidad de testear
negativo sabiendo que está sano (que no se tiene la enfermedad), o sea P(T- | E-) = 0,97

Pasemos en limpio entonces los datos que tenemos!

P(E+) = 0,04
P(E-) = 0,96
P(T+ | E+) = 0,98
P(T- | E+) = 0,02 ; en la jerga médica se le dice falso negativo
P(T+ | E-) = 0,03 ; también se le dice falso positivo
P(T- | E-) = 0,97

Ahora sí!! Ya estamos listos para que nos pregunten cualquier cosa!! La actitud es lo que vale!! Jaja!

El punto a) nos pide la probabilidad de que el test dé positivo.

Esto era lo que ya habíamos visto. Nos está pidiendo P(T+), no?

Una estrategia bastante simple para estas situaciones es plantear el diagrama de árbol, ya que en
definitiva nos tenemos que basar en la Ley de Probabilidad Total.
Hagamos entonces un breve diagrama de árbol.

0,96 0,04

E- E+

0,03 0,97 0,98 0,02

T+|E- T-|E- T+|E+ T-|E+

El diagrama lo leemos de la siguiente manera, la población se va a dividir entre quienes tienen la

enfermedad (E+) con una probabilidad de 0,04 y quienes no tienen la enfermedad (E-) con una
probabilidad de 0,96.
Una vez que llegamos a la rama de quienes no tienen la enfermedad (E-) a su vez se divide entre quienes
testearon positivo (T+) con una probabilidad de 0,03, y quienes testearon negativo (T-) con una
probabilidad de 0,97. La otra rama estoy seguro que no vas a tener ningún problema para interpretarlo!

Vamos ahora a utilizar la Ley de Probabilidad total para hallar P(T+)!

La idea es sumar los productos de las ramas que llevan a T+. En este caso hay dos ramas que llegan a T+,
por un lado la rama que termina en T+|E-, y por otro lado la rama que termina en T+|E+.
 0,96 0,04

E- E+

0,03 0,97 0,98 0,02

T+|E- T-|E- T+|E+ T-|E+

Te animás a plantearlo en términos de ecuaciones? Dale que te ayudo un poco…

P(T+) = P(T+|E-) . P(E-) + P(T+|E+) . P(E+)

Listo! Ya terminamos el punto a). No te pareció super simple?!?!

Vamos ahora al punto b). Nos pide hallar la probabilidad de que realmente tengamos la enfermedad
sabiendo que el resultado de la prueba dio positivo.

Ok, por un lado te dicen que la prueba tiene una certeza del 98% como vimos en el punto anterior, y
ahora nos preguntan cuál es la probabilidad de tener la enfermedad si el test nos dio positivo?!?!
Parece muy simple, no?? Cualquier diría que estamos locos si no decimos que tenemos el 98% de
probabilidad de tener la enfermedad, no??

Mmmm, pero ya estos años de facu creo que te han demostrado que siempre hay que dudar de las
respuestas fáciles, no? Un fana de proba siempre está dispuesto a dudar de todo!
Pero vamos a pensarlo un poco mejor, y mientras tanto te presento a otro amigo! Es mi privilegio
presentarte a Thomas Bayes!

𝑃(𝐵|𝐴). 𝑃(𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐵)

Fanas de proba! Les presento la regla de Bayes!! Mmmm…y tanto lío por esto?!?! Parece bastante
trivial, verdad? Bueno, de hecho lo mismo pensó Thomas! Si ni siquiera la publicó! Recién cuando murió
un amigo de él, otro amigo de proba, Richard Price, revisando los papeles que había dejado se dio
cuenta de que ésta expresión era mucho más valiosa de lo que parece!!
Y de hecho es tan importante que abrió otra rama de la estadística! La inferencia Bayesiana!
Lamentablemente el cuatri es corto y no vemos inferencia Bayesiana, nos quedamos con la estadística
frecuentista. Pero tan revolucionaria fue esa regla que durante mucho tiempo, otros amigos que ya vas
a conocer, como Ronald Fischer, Karl Pearson y Jerzy Neyman, tildaron a la inferencia Bayesiana como
algo parecido a la magia casi, y que no tenía cabida en el ámbito de la ciencia!
Pero sepan que la regla de Bayes le permitió a Alan Turing descifrar el código enigma en la II guerra
mundial, le permite a la guardia costera de EEUU encontrar barcos que se pierden en alta mar, y nos
evita tener spam en nuestros correos!! Sisi, si escucharon hablar de los filtros bayesianos, todo
comienza con esta regla. Muchas gracias Thomas, sos un campeón!!

Ok, todo muy lindo…una historia muy interesante…pero a mí para qué me sirve en este ejercicio?!?
Tranquil@... igual me gusta que tengas esa impaciencia por aprender!!

Veamos, a nosotros nos están pidiendo la probabilidad de tener la enfermedad si testeamos positivo,
verdad? Copio de nuevo el diagrama de árbol porque puede ser útil…

0,96 0,04

E- E+

0,03 0,97 0,98 0,02

T+|E- T-|E- T+|E+ T-|E+

Cómo expresarías la probabilidad de tener la enfermedad sabiendo que testeaste positivo??

Puede ser que sea P(T+|E+)?? Pensalo un poco mejor…e intentá leerlo como hicimos antes!

Eso se leería como la probabilidad de testar positivo, sabiendo que tenemos la enfermedad! Ves la
diferencia?? A nosotros en realidad nos piden la probabilidad de tener la enfermedad sabiendo que
testeamos positivo! Notás que las condiciones están cruzadas? Te animás a escribir lo que nos pide el
ejercicio b)? Ojo que ésta es la parte que marea un poco! Si no estás segur@ volvé a leerlo!

Muy bien! Lo que nos está pidiendo es P(E+|T+) !!

Hay quienes le dicen a la regla de Bayes como la regla de probabilidad condicional inversa…pero es
bastante más que eso! Igual para este ejercicio lo podemos ver de esa manera!

Planteo de nuevo la expresión que habíamos hallado, y vamos reemplazando los términos, te parece?

𝑃(𝐵|𝐴). 𝑃(𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐵)

Te parece que reemplacemos A por E+ y B por T+ ? Quedaría algo así, verdad?

𝑃(𝑇 + |𝐸 +). 𝑃(𝐸 +)

𝑃(𝐸 + |𝑇 +) =
𝑃(𝑇 +)
Y tenemos esos datos que nos pide la expresión? A ver, si te fijas en el diagrama que copiamos recién
tenemos que…

P(E+) = 0,04
P(T+|E+) = 0,98
Genial! Y P(T+) ?? Si te acordás, la probabilidad de testear positivo fue lo que calculamos en el punto a),
a través de la probabilidad total! Nos daba lo siguiente…

P(T+) = 0,068

Listo! Ya tenemos todo! Thanks Thomas!!

Hiciste la cuenta ya?!? Si no te fascina el resultado, no tenés sangre en las venas!!

El resultado da: P(E+|T+) = 0,5765

Está bastante lejos del 98%, no? De hecho si te lo hubiera dicho al principio me hubieras tildado de
hereje, no? No te rompe la cabeza el hecho que dé un resultado tan contrario a la intuición?!?! Por qué
creés que está tan equivocada la intuición??

Algunos autores se refieren a esto como la falacia de la tasa base. Esto es porque la tasa base de tener la
enfermedad, en nuestro caso P(E+)=0,04, es tan baja que la gran mayoría de las personas que se
someten al test son personas sanas! E incluso con un test muy exacto, la mayoría de los casos positivos
serán de personas sanas!

A ver si te puede ayudar este gráfico! A mí por lo menos me ayuda bastante las explicaciones gráficas!

E- E+

T+

El área azul grande representa las personas sanas. El área roja representa las personas enfermas. El
rectángulo sombreado representa las personas que fueron testadas positivas. Esta área sombreada
cubre la mayor parte del área roja y sólo una pequeña parte del área azul. Incluso así, el área sombreada
azul es bastante más grande que el área sombreada roja! Lo ves? Esto significa que la mayoría de
quienes testean positivo son personas sanas!!
De hecho, siempre que ocurre una gran epidemia surgen voces que piden testeos masivos para saber
quién está infectado. Pero más allá que por lo general no es posible la logística de estos testeos masivos,
no sería recomendable ya que como ya viste, la mayoría de los test positivos serían de personas sanas,
con los cual se generaría una situación de innecesaria saturación del sistema de salud atendiendo más
que nada a personas sanas, corriendo el riesgo de contagiar a esas personas sanas!
Por suerte las personas que toman este tipo de decisiones también son amigas de Thomas, y conocen
este hecho! No te parece lo más proba?!?! Jaja!

Ok, si todavía no tenés la mitad del cerebro desparramado por las paredes, vamos al último punto??
El punto c) nos pide la probabilidad de que esté sano sabiendo que el resultado de la prueba fue
negativo. A esta altura y para un fana de proba como vos, esto es pan comido, no?!?!

Acordate que lo importante es interpretar bien lo que nos piden! Nos están pidiendo la probabilidad de
que esté sano, pero con la condición de haber testeado negativo! Recordá que la condición va después
de la barrita! Te animás a escribir lo que nos piden?!? Vaaaamos!! Somos tiburones!! ;-)

Sisi! La expresión que nos piden es: P(E-|T-)

Ahora sí, simplemente volvemos a la expresión de Bayes con los datos originales, y listo!

𝑃(𝑇 − |𝐸 −). 𝑃(𝐸 −)

𝑃(𝐸 − |𝑇 −) =
𝑃(𝑇 −)

Acordate que vas a tener que calcular P(T-) con ayuda de la probabilidad total! Recomendación, volvé a
dibujar el diagrama de árbol y simplemente sumá la probabilidad de las ramas que tiene el test negativo.
Este te lo dejo a vos! Si no te sale, te recomiendo que repases lo que vimos hasta ahora! Pero te tengo
toda la fe del mundo!! O a lo sumo creo que es bastante probable que lo vas a poder hacer! ;-)