UNIDAD 1: FASE 1 AXIOMAS DE PROBABILIDAD

DESARROLLO ESTUDIO DE CASO 2

PRESENTADO POR:

YONAR GABRIEL ESPAA CABRERA

CDIGO: 98215935

PRESENTADO A:

JULIN EDUARDO HOYOS

GRUPO: 100402_162

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROBABILIDAD

CEAD PASTO

MARZO

2017
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
exmenes de seleccin, que solan estar asociados principalmente con exmenes
mdicos de diagnstico pero que ahora estn encontrando aplicaciones en varios
campos de actividad. Los exmenes de esteroides en atletas, los exmenes
caseros de embarazo y los exmenes para detectar sida son algunas otras
aplicaciones. Los exmenes de seleccin se evalan sobre la probabilidad de un
falso negativo o un falso positivo y stas dos son probabilidades condicionales. Un
falso positivo es el evento de que el examen sea positivo para una condicin
determinada, dado que la persona no tiene la condicin. Un falso negativo es el
evento de que el examen sea negativo para una condicin determinada, dado que
la persona tiene la condicin.
Se pueden evaluar estas probabilidades condicionales usando una frmula
derivada por el probabilista Thomas Bayes, llamada el Teorema de Bayes. El
teorema se utiliza para revisar probabilidades previamente calculadas cuando se
posee nueva informacin y fue desarrollado por el reverendo Thomas Bayes en el
siglo XVII,

Suponga que cierta enfermedad est presente en el 10% de la poblacin, y que

hay un examen de seleccin diseado para detectar si esta enfermedad est
presente. El examen no siempre funciona a la perfeccin. A veces, es negativo
cuando la enfermedad est presente y otras es positivo en ausencia de ella. La
tabla siguiente muestra la proporcin en que el examen produce varios resultados:

RESULTADOS DEL RESULTADOS DEL

EXAMEN EXAMEN NEGATIVOS
POSITIVOS
ENFERMEDADES 8% 22 % 2%
PRESENTES
ENFERMEDADES 5% 85 %
AUSENTES
NOTA: Se corrige la probabilidad en rojo debido a que el enunciado dice que el
10% de la poblacin 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 Con base en esta informacin y usando el Teorema de
P
Bayes, elabore un informe que como mnimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

P(P)=0.08+0.02=0.1

2. Probabilidad de que la enfermedad est 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 ( P) 0.02
P ( 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 0.80.1

P ( Pos|P )= = =0.8 P ( P|Pos )= =0.6154
P ( P) 0.1 0.13

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

examen resulto positivo

P ( Pos| A ) P ( A ) 0.0560.9
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
|



P

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

examen resulto negativo

A
| A
P ( A ) 0.85
P ( A )= = =0.9444 |
P ( A) 0.9
P
P

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

examen de seleccin 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 est enferma dado que el
resultado fue positivo, mientras que la 8 nos informa de qu 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 informacin ms confiable para determinar si una
persona NO est enferma, pero se queda corta para indicar cul s lo est.

resumen de los conceptos tericos de la unidad que me permitieron

solucionar el estudio de caso seleccionado.

Para dar solucin 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 est la definicin
del Teorema de Bayes. Y en referencias complementarias ms sobre axiomas de
probabilidad.
Teorema de Bayes
El teorema de bayes es un mtodo para encontrar la probabilidad de una causa
especfica 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
informacin del experimento
El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir en ms
de una forma.

Bibliografa
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10995669&ppg=19
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=151&docID=10436604&tm=1470688991083

http://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node3.html