Aplicación Teorema de Bayes

• En general, el 0.3% de la población posee cáncer en el sistema digestivo.

• Existe un examen económico llamado “hemocultivo” para identificar cáncer en el sistema digestivo.
• El examen no es perfecto, es decir, a veces el resultado es positivo cuando el paciente no tiene cáncer, a
veces es negativo cuando el paciente tiene cáncer
• Queremos calcular la probabilidad de que un paciente tiene la enfermedad dado que el resultado del
examen es positivo o negativo, y la probabilidad de que el paciente no tiene la enfermedad dado que el
examen es positivo o negativo (queremos utilizar la información del examen en el cálculo de la probabilidad)
• Basado en ensayos se pudo determinar que tan acertado es el examen y se concluyó lo siguiente:

• El resultado del examen es positivo el 50% de las veces que el paciente tiene la enfermedad
• El resultado del examen es positivo el 3% de las veces que el paciente no tiene la enfermedad

Para un paciente determinado que se realice

D = Paciente tiene cáncer el examen queremos calcular:
S = Paciente no tiene cáncer
+ = Resultado del examen es positivo 𝑝 𝐷| + 𝑝 𝑆| +
- = Resultado del examen es negativo
𝑝 𝐷| − 𝑝 𝑆| −
Aplicación Teorema de Bayes
D = Paciente tiene cáncer + = Resultado del examen es positivo Probabilidad Incondicional
S = Paciente no tiene cáncer - = Resultado del examen es negativo
𝑝 𝐷 = 0.003
• En general, el 0.3% de la población posee la enfermedad 𝑝 𝑆 = 1 − 0.003 = 0.997
• Basado en ensayos se concluyó lo siguiente:
Verosimilitud
• El resultado del examen es positivo el 50% de las veces 𝑝 +|𝐷 = 0.50 𝑝 −|𝐷 = 0.50
que el paciente tiene la enfermedad
• El resultado del examen es positivo el 3% de las veces que 𝑝 +|𝑆 = 0.03 𝑝 −|𝑆 = 0.97
el paciente no tiene la enfermedad

𝑝 +|𝐷 𝑝(𝐷) 𝑝 +|𝐷 𝑝(𝐷) 𝑝 +|𝐷 𝑝(𝐷) 0.50 ∗ 0.003

𝑝 𝐷| + = = = = = 0.048
𝑝(+) 𝑝 +, 𝐷 + 𝑝(+, 𝑆) 𝑝 +|𝐷 𝑝(𝐷) + 𝑝 +|𝑆 𝑝(𝑆) 0.50 ∗ 0.003 + 0.03 ∗ 0.997

TPT

𝑝 −|𝐷 𝑝(𝐷) 𝑝 −|𝐷 𝑝(𝐷) 𝑝 −|𝐷 𝑝(𝐷) 0.50 ∗ 0.003

𝑝 𝐷| − = = = = = 0.002
𝑝(−) 𝑝 −, 𝐷 + 𝑝(−, 𝑆) 𝑝 −|𝐷 𝑝(𝐷) + 𝑝 −|𝑆 𝑝(𝑆) 0.50 ∗ 0.003 + 0.97 ∗ 0.997

𝑝 𝑆| + = 1 − 𝑝 𝐷| + = 1 − 0.048 = 0.95

𝑝 𝑆| − = 1 − 𝑝 𝐷| − = 1 − 0.002 = 0.99
Aplicación Teorema de Bayes

𝑝 +|𝐷 𝑝(𝐷) 𝑝 +|𝐷 𝑝(𝐷) 𝑝 +|𝐷 𝑝(𝐷) 0.50 ∗ 0.003

𝑝 𝐷| + = = = = = 0.048
𝑝(+) 𝑝 +, 𝐷 + 𝑝(+, 𝑆) 𝑝 +|𝐷 𝑝(𝐷) + 𝑝 +|𝑆 𝑝(𝑆) 0.50 ∗ 0.003 + 0.03 ∗ 0.997

TPT

𝑝 −|𝐷 𝑝(𝐷) 𝑝 −|𝐷 𝑝(𝐷) 𝑝 −|𝐷 𝑝(𝐷) 0.50 ∗ 0.003

𝑝 𝐷| − = = = = = 0.002
𝑝(−) 𝑝 −, 𝐷 + 𝑝(−, 𝑆) 𝑝 −|𝐷 𝑝(𝐷) + 𝑝 −|𝑆 𝑝(𝑆) 0.50 ∗ 0.003 + 0.97 ∗ 0.997

𝑝 𝑆| + = 1 − 𝑝 𝐷| + = 1 − 0.048 = 0.95

𝑝 𝑆| − = 1 − 𝑝 𝐷| − = 1 − 0.002 = 0.99

Conclusiones:
• Un resultado negativo implica que hay un 99% de probabilidad de que el paciente no tiene la enfermedad
• Aún si el resultado es positivo, hay 95% de probabilidad de que el paciente está sano
• El examen es bueno descartando la enfermedad, pero no probando que el paciente la tiene