Probabilidad Condicional e Independencia

La probabilidad condicional describe cómo la probabilidad de un evento cambia una vez que se sabe que otro evento ha ocurrido, y la independencia describe el caso especial en el que conocer un evento no aporta información sobre otro. Estas ideas, junto con el teorema de Bayes, explican cómo la evidencia actualiza las creencias y son fundamentales para la interpretación de las pruebas diagnósticas en medicina.

Definition

La probabilidad condicional del evento A dado el evento B es la probabilidad de que A ocurra cuando se sabe que B ha ocurrido, definida como la probabilidad de que ocurran A y B dividida por la probabilidad de B; A y B son independientes si la probabilidad condicional de A dado B es igual a la probabilidad incondicional de A.

Scope

La entrada cubre la definición de probabilidad condicional, la regla de la multiplicación, la independencia estadística, la ley de la probabilidad total y el teorema de Bayes. Conecta estos conceptos con la evaluación de las pruebas diagnósticas, donde el valor predictivo de un resultado depende de la prevalencia de la enfermedad. Se trata de una referencia metodológica, no de una guía clínica para la solicitud o actuación basada en pruebas específicas.

Core questions

• ¿Cómo cambia la probabilidad de un evento al conocer otro?
• ¿Cuándo son dos eventos independientes y qué implica esto?
• ¿Cómo invierte el teorema de Bayes una probabilidad condicional?
• ¿Por qué un resultado positivo de una prueba significa cosas diferentes en distintas prevalencias?

Key concepts

• Probabilidad condicional
• Regla de la multiplicación
• Independencia estadística
• Ley de la probabilidad total
• Teorema de Bayes
• Probabilidad a priori y a posteriori
• Prevalencia y valor predictivo
• Sensibilidad y especificidad

Mechanisms

Condicionar a un evento restringe la atención a los resultados consistentes con él, por lo que la probabilidad condicional de A dado B reescala la probabilidad conjunta de A y B por la probabilidad de B. Dos eventos son independientes cuando este condicionamiento deja la probabilidad inalterada, lo que equivale a que su probabilidad conjunta se factorice en el producto de las probabilidades marginales. La ley de la probabilidad total construye la probabilidad de un evento a partir de sus probabilidades condicionales a través de una partición del espacio muestral, y el teorema de Bayes invierte una probabilidad condicional, expresando la probabilidad de una causa dado un efecto observado en términos de la condicional inversa y la probabilidad a priori. En las pruebas diagnósticas, esta es la razón por la que la probabilidad de que un paciente con un resultado positivo realmente tenga la enfermedad (el valor predictivo) depende no solo de la sensibilidad y especificidad de la prueba, sino también de la prevalencia a priori.

Clinical relevance

La probabilidad condicional y el teorema de Bayes describen cómo el resultado de una prueba revisa la probabilidad de enfermedad, razón por la cual pruebas idénticas producen valores predictivos diferentes en entornos de alta y baja prevalencia. Esta entrada explica ese razonamiento como metodología y no constituye una guía para el manejo de un paciente individual.

History

La idea de actualizar probabilidades a la luz de la evidencia se asocia con Thomas Bayes, cuyo ensayo fue comunicado póstumamente por Richard Price en 1763 y fue generalizado por Laplace. El teorema de Bayes resultante se convirtió en un elemento central de la estadística y, en el siglo XX, en la evaluación formal de las pruebas diagnósticas, donde vincula la sensibilidad, la especificidad y la prevalencia con el valor predictivo.

Key figures

• Thomas Bayes
• Richard Price
• Pierre-Simon Laplace

Seminal works

• bayes-1763
• altman-bland-1994-diagnostic
• ross-2014

Frequently asked questions

¿Cuál es la diferencia entre probabilidad condicional y probabilidad conjunta?

La probabilidad conjunta es la posibilidad de que dos eventos ocurran simultáneamente, mientras que la probabilidad condicional es la posibilidad de que uno ocurra dado que el otro ya ha ocurrido; la probabilidad condicional es igual a la probabilidad conjunta dividida por la probabilidad del evento condicionante.

¿Por qué un resultado positivo de una prueba diagnóstica aún puede significar que la enfermedad es poco probable?

Según el teorema de Bayes, la probabilidad de enfermedad después de un resultado positivo depende de la prevalencia; cuando una enfermedad es rara, incluso una prueba precisa produce muchos falsos positivos en relación con los verdaderos positivos, por lo que el valor predictivo de un resultado positivo puede ser bajo.