UNAD UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROBABILIDAD

TUTOR:
EDWIN DORANCE GARZN

GRUPO:
301014A_291

ALUMNO:
MARILEY TORRES LPEZ

SAHAGN CRDOBA
OCTUBRE DE 2016

INTRODUCCIN
En siguiente informe se da a conocer una serie de exmenes que se les
hicieron a unos atletas tales como: esteroides, 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.
Esta unidad busca que el estudiante asemeje, ajuste y emplee los
conceptos, tratados y mtodos de la Probabilidad haciendo uso de las
tcnicas de conteo.

ESTUDIO DE CASO N 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

un

falso

positivo

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:
Resultado del

Resultado del

examen positivo
examen negativo
Enfermedad presente
8%
2%
Enfermedad ausente
5%
85%
Con base en esta informacin y usando el Teorema de Bayes, elabore un
informe que como mnimo, debe incluir:
1. Probabilidad de que la enfermedad este presente.
2. Probabilidad de que la enfermedad est ausente.
3. Probabilidad de un falso positivo, es decir que el examen sea
positivo dado que la persona no tiene la enfermedad.
4. Probabilidad de un falso negativo, es decir, que el examen resulte
negativo dado que la persona tiene la enfermedad.
5. Probabilidad de que la persona tenga la enfermedad dado que el
examen resulto positivo.
6. Probabilidad de que la persona NO tenga la enfermedad dado que
el examen resulto negativo.
7. De acuerdo con las probabilidades encontradas, que tan confiable
es este examen de seleccin para detectar la enfermedad?
SOLUCIN
DATOS:
A = Enfermedad Ausente.

P = Enfermedad Presente.
Pos = Resultado del examen positivo.
Neg = Resultados del examen negativo.
Las probabilidades ofrecidas por la tabla son:
P ( Pos )=0,08+0,05=0,13

Tomando como referencia Teorema de Bayes, se procede a realizar las

operaciones para que nos arrojen los datos pedidos por la actividad:
1. Probabilidad de que la enfermedad se 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 )=

P(Pos A ) 0,05
=
=0,056
P( A )
0,9

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

negativo dado que la persona no tiene la enfermedad:

P ( P )=

P ( P) 0,02
=
=0,2
P(P)
0,10

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

examen resulto positivo.
P ( P|Pos )=

P (Pos P) P(P)
P(Pos)

P ( Pos|P )=

P ( Pos P ) 0.08
=
=0.8
0.1
P ( P)

P ( P|Pos )=

0.80.1
=0.6154
0.13

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

el examen resulto negativo.
P
|

P
7. De acuerdo con
confiable

es

este

las

probabilidades

examen

de

encontradas,

seleccin

para

que tan

detectar

la

enfermedad?
Para responder esta pregunta podemos considerar los incisos 5 y 7. La
pregunta 5 nos informa acerca de la probabilidad de que la persona est
enferma dado que el resultado fue positivo, mientras que la 6 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

necesario leer y apropiarme

lecciones, en donde

est

solicitados

en el CASO N 2, fue

de los contenidos encontrados

en las

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.