La

probabilidad es
una
herramienta
fundamental
en
la planificacin estratgica de los movimientos sociales, econmicos y
laborales de toda la comunidad. Este trmino e refiere al estudio del azar y la
incertidumbre. As mismo, es una estrategia de estimacin de frecuencias en
aquellas situaciones en las cules se puede producir uno de varios resultados
posibles.
La importancia esencial de la aplicacin de la probabilidad y de todos sus
mtodos de clculo se basa en la capacidad para estimar o predecir posibles
eventos, ya que cuanto mayor sea la cantidad de datos disponibles para
calcular la probabilidad de un acontecimiento, ms preciso ser el resultado
calculado. Por esta razn, hoy en da, gracias a las grandes tecnologas se
puede aplicar la teora de la probabilidad a casos de gran complejidad,
mediante el uso de modeles informticos y estadsticos de modo que los
resultados obtenidos sean ptimos partiendo de bases muy elaboradas

Un ejemplo es el sector comercial e industrial ya que incorpora la teora de la

probabilidad en los anlisis del comercio de las materias primas en las
relaciones internacionales actuales. La teora de la probabilidad lo que intenta
es ajustar mediante conceptos matemticos cual ser la evolucin o la
ocurrencia de los acontecimientos o eventos que se tengan para calcular; de
all radica su importancia.

No se puede negar que el azar est presente en la vida cotidiana en muchos

contextos en los que aparecen nociones de incertidumbre, riesgo y
probabilidad, por ejemplo, el pronstico del tiempo, diagnstico mdico,
estudio de la posibilidad de tomar un seguro de vida o efectuar una inversin,
evaluacin de un estudiante, etc. No slo los profesionales, sino cualquier
persona han de reaccionar a mensajes en que aparecen estos elementos,
tomar decisiones que le pueden afectar, emitir juicios sobre relacin entre
sucesos o efectuar inferencias y predicciones.

Un caso particular de la probabilidad es el teorema de Bayes, este es vlido en

todas las aplicaciones de la teora de la probabilidad.

Bayes en la deteccin de enfermedades.

Nuestros espacio de referencia o Conjunto inicial son los habitantes de un
pas. Los sucesos de nuestro espacio muestral son dos: padecer una

enfermedad ( ) y no padecerla ( ). Est claro que no tienen elementos

comunes (no puede haber nadie que padezca y no padezca la enfermedad a
la vez) y que si junto a todos los que padecen dicha enfermedad con los que
no la padecen obtengo el conjunto de la poblacin.
Supongamos que se realiza una campaa de concientizacin y se realiza una
prueba de VIH a 100.000 personas. Adems, esta prueba tiene una fiabilidad
al 95, es decir que da positivo el 95% de las veces que se la hacemos a
alguien enfermo y que da negativo el 95% de las veces que se la aplicamos a
alguien sano.
Las probabilidades de enfermo y de sano a partir de estimaciones y
sabiendo que el 1% de las personas padecen realmente la enfermedad se
tiene que:

P(E)= 1000/100000 = 0.01

P(S)= 99000/100000= 0.99

Teniendo encuenta la fiabilidad de la prueba (95%), si llamamos

al suceso
dar positivo en la prueba, tenemos que la probabilidad de dar positivo
sabiendo que se est enfermo es:
P(B|E) = 0.95
Y que la probabilidad de dar positivo estando sano es:
P(B|S) = 0.05
Por otro lado, la probabilidad de B, se puede calcular as:
P(B) = P(B|E) * P(E) + P(B|S) * P(S) = (0.95)(0.01) + (0.05)(0.99) = 0.059
Entonces la probabilidad de que la prueba de positivo es: 5.9%
Ahora, queremos calcular la probabilidad de padecer la enfermedad
condicionada a que el resultado de la prueba ha sido positivo, para
esto utilizamos el teorema de Bayes:

P(E|B) = P(B|E)* P(E)/ P(B) = (0.95)(0.01)/ 0.059 = 0.16

Solo existe el 16% de padecer la enfermedad habiendo dado como
resultado de la prueba, positivo. Y esto, a su vez nos confirma que la

fiabilidad del 95% de la prueba que se propuso inicialmente no es del

todo cierta.