PASO 2 - ESPACIO MUESTRAL, EVENTOS, OPERACIONES Y AXIOMAS DE

PROBABILIDAD

Docente
JENNY TATIANA SANCHEZ

Integrantes
Zuleika Vanessa Fernandez de Castro Salas
Código: 1014184190

Grupo: 100402_43

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de ciencias básicas, tecnología e ingeniería.

PROBABILIDAD

15 Julio 2018
 INTRODUCCIÓN

En el presente trabajo estaré desarrollando un caso donde podremos ver plasmado

la teoría Bayes, lo cual nos ayudara a determinar qué tan confiable es un examen
practicado a 100 pacientes que posiblemente padecían de cáncer.
ESTUDIO DE CASO 41
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.
Ilustración 1. Estudio caso 4

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:

Diagrama de árbol

Detecta (D)
85% = 0.85
PADECE CANCER (C)
5% = 0.05
No Detecta (DN)
15% = 0.15
PACIENTES
Detecta (D)
5% = 0.05
NO PADECE CANCER (CN)
95% = 0.95
No Detecta (DN)
95% = 0.95

1
Tomado y adaptado de Pateiro B., Bioestadística 2011
1. Probabilidad de que una persona NO tenga este tipo de cáncer
𝑃(𝐶𝑁) = 0.95
𝑃(𝐶𝑁) = 𝟗𝟓%
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
𝑃(𝐷) = 0.09 = 𝟗%
3. Probabilidad de que el examen indique que la persona no tiene cáncer
𝑃(𝐷𝑁) = 1 − 𝑃(𝐷)
𝑃(𝐷𝑁) = 1 − 0.09
𝑃(𝐷𝑁) = 0.91 = 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%
𝐶𝑁
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
𝐷𝑁
𝑃 ( ) = 0.15 = 𝟏𝟓%
𝐶
6. De acuerdo con las probabilidades encontradas, que tan confiable es este
examen para detectar este tipo de cáncer
𝐶 𝑃(𝐶 ∩ 𝐷) 0.05 ∗ 0.85
𝑃( ) = =
𝐷 𝑃(𝐷) 0.09

𝐶 0.0425
𝑃( ) =
𝐷 0.09
𝐶
𝑃 ( ) = 0.472 = 𝟒𝟕. 𝟐%
𝐷

Conclusión:
Vemos que no es una prueba muy confiable ya que la probabilidad de 100 personas
que le detecten el cáncer solo el 47.2% es confiable, nos muestra que es muy alto
el número de error que se tiene, lo cual se ´puede determinar que es un examen no
muy confiable.

Resumen de los conceptos teóricos de la unidad que me permitieron

solucionar el estudio de caso seleccionado:

Teorema de Bayes: es un método para encontrar la probabilidad de una causa

específica 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 información del experimento.
El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir en
más de una forma.

Los elementos del espacio muestral son llamados puntos muestrales. De acuerdo
a la naturaleza de los elementos que conforman un espacio muestral, este se puede
clasificar en:
Discreto:

Se dice que un espacio muestral es discreto si al enumerar sus elementos, estos

números pueden ponerse en una correspondencia uno a uno con el conjunto de los
enteros positivos o cuando contiene un número contable de elementos.
Continúo:

Se dice que un espacio muestral es continuo si sus resultados consisten de todos

los puntos de un intervalo de números reales, o todos los puntos de un plano, o en
general algún rectángulo en el espacio.

Eventos o Sucesos, Operaciones entre eventos

Cada uno de los conjuntos anteriores corresponde a un suceso o evento asociado

al experimento de lanzar un dado amarillo y un dado rojo. Llamaremos suceso o
evento a cualquier subconjunto del espacio muestral. Por lo general, se denotan con
mayúsculas. Como, por ejemplo, los sucesos A, B, C y D, de la situación anterior.
Entre las operaciones más importantes para eventos para este ejercicio utilizamos:
Intersección: Es el suceso formado por todos los elementos que son a la vez de A
y de B, Se representa con el símbolo “∩”

Probabilidad condicional: La probabilidad de que un evento ocurra cuando se

sabe que ya ocurrió un evento se llama probabilidad condicional y se denota por
que por lo general se lee como probabilidad de que "ocurra B dado que ocurrió A".
Esta probabilidad se define como:
𝐵 𝑃(𝐵 ∩ 𝐴)
𝑃( ) = 𝑐𝑜𝑛 𝑃(𝐴) > 0
𝐴 𝑃(𝐴)
 CONCLUSIONES

Puedo concluir que es de suma importancia poner en practica cada una de las
teorías de la probabilidad ya que esto nos ayuda a determinar que tan confiable
puede ser o no un evento, en este caso los exámenes para prevenir el cáncer.

Todo esto nos ayuda en nuestra vida cotidiana y las podemos aplicar en muchas
situaciones de nuestro diario vivir. Todo esto va de la mano de entender y
comprender cada una de las teorías.
 BIBLIOGRAFIAS
Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=1&docID
=3203901&tm=1526411601293
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=177
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436
604&ppg=128
Martín, J. y Ruiz, L. (2004). Estadística I: Probabilidad. 2nd ed. Madrid: Paraninfo.
vii-viii. Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX405
2400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=Abo
utThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BD
C
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=200
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:
Probabilidad e inferencia. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995
669&ppg=19
Sánchez, J. (2018). Conceptos básicos de probabilidad. Recuperado
de http://hdl.handle.net/10596/17792
José Maestre. OVIS Teorema de Bayes. https://drive.google.com/file/d/1jQRRl0-
3_CfpxtCvNjy55M2Tr_O_K4tT/view
OVIS Teorema de Bayes.
https://drive.google.com/file/d/1DJFHVAzNUBEFJwBvsZfU5QeQDcxYkjjl/view
OVIS Probabilidad.
https://drive.google.com/file/d/1B4f7NJxBojcdogOSfBhMCtUdZiWLgUxN/view