ESTUDIO DE CASO 4

Los exámenes de selección están asociados principalmente con exámenes médicos de diagnóstico

pero ahora están encontrando aplicaciones en varios campos de actividad. Estos exámenes se

evalúan sobre la probabilidad de un falso negativo o un falso positivo y éstas dos son

probabilidades condicionales.

Un falso positivo es el evento de que el examen sea positivo para una condición determinada,

dado que la persona no tiene la condición. Un falso negativo es el evento de que el examen sea

negativo para una condición determinada, dado que la persona tiene la condición.

Se supone que una cierta prueba detecta cierto tipo de cáncer con probabilidad del 85% entre

gente que lo padece, y no lo detecta el 15% restante. Si una persona no padece este tipo de cáncer

la prueba indicará que no lo tiene un 95% de las veces e indicará que lo tiene un 5% de ellas. Por

estudios realizados se supone que el 5% de la Población padece este tipo de cáncer.

Con base en esta información y usando el Teorema de Bayes, elabore un informe que como

mínimo, debe incluir:

1. Probabilidad de que una persona NO tenga este tipo de cáncer

2. Probabilidad de que el examen indique que la persona tiene cáncer

3. Probabilidad de que el examen indique que la persona no tiene cáncer

4. Probabilidad de un falso positivo, es decir que el examen indique que la persona tiene

cáncer dado que la persona no lo tiene.

5. Probabilidad de un falso negativo, es decir, que el examen indique que la persona no tiene

cáncer dado que la persona tiene la enfermedad.

6. De acuerdo con las probabilidades encontradas, que tan confiable es este examen para

detectar este tipo de cáncer.

Para resolver el estudio de caso se sugiere realizar un diagrama de árbol, que represente las

probabilidades utilizadas para resolverlo.

Desarrollo

N= población que padece cáncer = (5%)

D= 85% de los que padecen cáncer son detectados por la prueba.

D = 15% de los que padecen cáncer no es detectado por la prueba.

Ñ= población que no padece cáncer

D = si una persona no tiene cáncer, la prueba indicará que no lo tiene en un 95%

D = A pesar de que la persona no tiene cáncer, la prueba indica que lo tiene en un 5%.

TEOREMA DE BAYES. Diagrama de Árbol

1. Probabilidad de que una persona NO tenga este tipo de cáncer

𝑃 (Ñ) = 0.95

Existe la probabilidad del 95% que una persona no padezca el tipo de cáncer.

2. Probabilidad de que el examen indique que la persona tiene cáncer

𝑃(𝐷) = (0.05 × 0.85) + (0.95 × 0.05)

𝑃(𝐷) = 0.0425 + 0.0475 = 0.09

La probabilidad de que el examen indique que la persona tiene cáncer es del 9%.

3. Probabilidad de que el examen indique que la persona no tiene cáncer

𝑃(Ď) = (0.05 × 0.15) + (0.95 × 0.95)

𝑃(Ď) = 0.0075 + 0.9025 = 0.91

En un 91% de los casos existe la probabilidad de que el examen indique que la persona no tiene

cáncer.

4. Probabilidad de un falso positivo, es decir que el examen indique que la persona tiene

cáncer dado que la persona no lo tiene.

𝑃(𝐷⁄Ñ) = 0.05

La probabilidad de un falso positivo sería de un 5%.

5. Probabilidad de un falso negativo, es decir, que el examen indique que la persona no tiene

cáncer dado que la persona tiene la enfermedad.

𝑃 (Ď⁄𝑁 ) = 0.15
La probabilidad de un falso negativo es de un 15%.

6. De acuerdo con las probabilidades encontradas, que tan confiable es este examen para

detectar este tipo de cáncer.

𝑃(𝑁 ∩ 𝐷)
𝑃 (𝑁⁄𝐷 ) =
𝑃 (𝐷)

0.05 × 0.85 0.0425

𝑃 (𝑁⁄𝐷 ) = = = 0.472
0.09 0.09

De cada 100 personas que esta prueba les detecte cáncer, solo el 47.2% en realidad lo padecen.

Fase 5: El teorema de Bayes ayuda en la resolución de preguntas de tipo condicional, como:

¿Cuál es la probabilidad de que luego de observado el efecto “A”, la causa haya sido “B”? En

dicho teorema intervienen los eventos (B1, B2…, Bk) que representan una partición del espacio

muestral, significando que nunca sucederán de forma simultánea, pues son eventos disyuntos;

pero a su vez; la reunión de todos ellos da como resultado el espacio muestral. En tanto, el

evento “A” (efecto), puede ser observado de forma simultánea con cualquiera de los eventos (B1,

B2…, Bk).

Fernández (2009) describe el teorema de Bayes como: Sea {A1, A2, ....Ai....An} un conjunto

de sucesos mutuamente excluyentes y cuya unión es el total o sea 1, y tales que la probabilidad de

cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las

probabilidades condicionales P (B/Ai).

Fernández Regalado, R. (2009). El teorema de Bayes y su utilización en la interpretación de las

pruebas diagnósticas en el laboratorio clínico (28th ed., p. 159). Cuba: Revista Cubana de
 Investigaciones Biomédicas. Recuperado de

http://scielo.sld.cu/pdf/ibi/v28n3/ibi13309.pdf

Fase 6: De acuerdo a que seleccione el ejercicio que usted desarrollo para revisar, dejo el

siguiente aporte:

Dicho aporte lo trabajaré con la fórmula para eventos independientes = P (A ∩ B) = P(A) * P (B)

1.- Probabilidad de que ambos vivan 90 años

A "El esposo viva 90 años"

B "La esposa viva 90 años"

P (A y B) = (1/4)* (1/4) = 1/16 = 6.25%

2.- Probabilidad de que ambos vivan 100 años

A "El esposo viva 100 años"

B "La esposa viva 100 años"

P (A y B) = (1/4)* (1/4) = 1/16 = 6.25%

3.- Probabilidad de que ambos vivan 110 años

A "El esposo viva 110 años"

B "La esposa viva 110 años"

P (A y B) = (1/2)* (1/2) = 1/4 = 25%

4.- Probabilidad de que el esposo viva 90 años y la esposa 110 años

A "El esposo viva 90 años"

B "La esposa viva 110 años"

P (A y B) = (1/4)* (1/2) = 1/8 = 12.5%

Para el caso alterno también sería de 12.5%

5.- Probabilidad de que la esposa viva 90 años y el esposo 100 años.

A "El esposo viva 100 años"

B "La esposa viva 90 años"

P (A y B) = (1/4)* (1/4) = 1/8 = 6.25%

Para el caso alterno también sería de 6.25%

6.- Finalmente, la respuesta a la inquietud de los esposos es: “Lo más probable es que el

matrimonio dure _90____ años”.

De acuerdo al desarrollo del caso, la probabilidad de vida para los esposos es de 110 años para

cada uno; y como se casaron a los 20 años de vida, su matrimonio duraría 90 años.