ACTIVIDAD A DESARROLLAR

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.
Solucion

Diagrama de arbol

𝐶
𝐷−
𝐷
𝐶−

𝐷−

1. Se Define las variables para aplicar el teorema de bayes.

𝐶 = "𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑐𝑜𝑛 𝑐𝑎𝑛𝑐𝑒𝑟"
𝐶 − = "𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑞𝑢𝑒 𝑛𝑜 𝑝𝑎𝑑𝑒𝑐𝑒 𝑑𝑒 𝑐𝑎𝑛𝑐𝑒𝑟"
𝐷 = "𝑝𝑟𝑢𝑒𝑏𝑎 𝑐𝑜𝑛 𝑐𝑎𝑛𝑐𝑒𝑟"
𝐷− = "𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎 𝑛𝑜 𝑙𝑜 𝑑𝑒𝑡𝑒𝑐𝑡𝑎"

𝑃(𝐶 − ) = 95%

RTA: la probabilidad de que una persona NO tenga este tipo de

cáncer es de un 95%.

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

Se aplica la probabilidad
𝑃(𝐷) = 0.05 ∗ 0,85 + 0.95 ∗ 0.05
𝑃(𝐷) = 0,0425 + 0,0475
𝑃(𝐷) = 0.09 = 9%

RTA: La probabilidad de que el examen indique que la persona tiene

cáncer sea de un 9%.

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

Se pide la probabilidad aplicando el teorema de bayes da como resultado

𝑃(𝐷− ) = 1 − 𝑃(𝐷) = 1 − 0.09 = 0.91 = 91%

 RTA: La probabilidad de que el examen indique que la persona no
tiene es de un 91%.

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

que la persona tiene cáncer dado que la persona no lo tiene.

𝐷
𝑃( ) = 0.05 = 5%
𝐶−

RTA: La probabilidad de un falso positivo, es decir que el examen

indique que la persona tiene cáncer dado que la persona no lo tiene
es 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.

Se aplica la probabilidad

𝐷−
𝑃( ) = 0.15 = 15%
𝐶

RTA: La probabilidad de un falso negativo, es decir, que el examen

indique que la persona no tiene cáncer dado que la persona tiene
la enfermedad es de un 15%.

6. De acuerdo con las probabilidades encontradas, que tan confiable

es este examen para detectar este tipo de cáncer.

Se aplica la probabilidad

𝐶 𝑃(𝐶. 𝐷) 0.05 ∗ 0.85

𝑃( ) = =
𝐷 𝑃(𝐷) 0.09

0.0425
= = 0,472 = 47,2%
0.09

RTA: De acuerdo con las probabilidades encontradas, la

confiabilidad de este examen para detectar este tipo de cáncer es
de un 47,2%.
 Resumen de los conceptos teóricos
que me permitieron solucionar el caso

las técnicas de conteo son aquellas que son usadas para enumerar
eventos difíciles de cuantificar.
La enumeración de puntos muéstrales en un espacio muestral, en
ocasiones es difícil y laboriosa por la cantidad de puntos a contar o
enumerar, propiciando que se pueda cometer errores al emprender esa
tarea.

Teoría de probabilidades

El enfoque clásico
Dice que si hay x posibles resultados favorables a la ocurrencia de un
evento A y z posibles resultados desfavorables a la ocurrencia de A, y
todos los resultados son igualmente posibles y mutuamente excluyente
(no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de
que ocurra A es:

𝑋
𝑃(𝐴) =
(𝑋 + 𝑍)
El enfoque de frecuencia relativa

También llamado Enfoque Empírico, determina la probabilidad sobre la

base de la proporción de veces que ocurre un evento favorable en un
numero de observaciones. En este enfoque no ese utiliza la suposición
previa de aleatoriedad. Porque la determinación de los valores de
probabilidad se basa en la observación y recopilación de datos.
Se ha observado que 9 de cada 50 vehículos que pasan por una esquina
no tienen cinturón de seguridad. Si un vigilante de transito se para en esa
misma esquina una ida cualquiera ¿Cuál será la probabilidad de que
detenga un vehículo sin cinturón de seguridad?

9
𝑃(𝐴) = = 0.18 𝑜 18%
50
El enfoque subjetivo

Dice que la probabilidad de ocurrencia de un evento es el grado de

creencia por parte de un individuo de que un evento ocurra, basado en
toda la evidencia a su disposición. Bajo esta premisa se puede decir que
este enfoque es adecuado cuando solo hay una oportunidad de ocurrencia
del evento. Es decir, que el evento ocurrirá o no ocurrirá esa sola vez. El
valor de probabilidad bajo este enfoque es un juicio personal.

El valor de la probabilidad
El valor más pequeño que puede tener la probabilidad de ocurrencia de
un evento es igual a 0, el cual indica que el evento es imposible, y el valor
mayor es 1, que indica que el evento ciertamente ocurrirá. Entonces si
decimos que P(A) es la probabilidad de ocurrencia de un evento A y P(A´
) la probabilidad de no-ocurrencia de A, tenemos que:

0 < 𝑃(𝐴) ≤ 1
𝑝(𝐴) + 𝑃(𝐴) = 1

Reglas de la Adición
La Regla de la Adición expresa que: la probabilidad de ocurrencia de al
menos dos sucesos A y B es igual a:
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente
excluyente
P(A o B) = P(A) + P(B) – P(A y B) si A y B son no excluyentes
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B

Reglas de Multiplicación
Se relacionan con la determinación de la ocurrencia de conjunta de dos o
más eventos. Es decir, la intersección entre los conjuntos de los posibles
valores de A y los valores de B, esto quiere decir que la probabilidad de
que ocurran conjuntamente los eventos A y B es:
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes
P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes