
Matemáticas
Actualizar tus creencias
Inferencia bayesiana y probabilidad condicional
Un examen médico da positivo. ¿Qué tan probable es que de verdad estés enfermo? La respuesta casi nunca es la que crees.
Empezar ahora
12 enseñanzas · te llevas 12 conceptos usables
Fundamento
El mecanismo desnudo- 1Probabilidad condicionalLa probabilidad de que llueva mañana no es la misma si no sabes nada, que si ya sabes que el cielo está completamente nublado ahora mismo. Cada dato nuevo que se conoce cambia la probabilidad de lo que viene después.
- Cuenta gratisTasa baseSuena imposible, pero es aritmética pura. Si una enfermedad afecta a una persona entre diez mil, hay tan pocos enfermos reales que incluso un examen muy bueno genera más falsos positivos que verdaderos positivos, simplemente porque hay muchísima más gente sana a la que examinar.
- Falso positivoUn detector de humo puede activarse por vapor de una ducha caliente, sin que haya fuego alguno. Distinguir cuándo una señal de alerta es real de cuándo es un falso positivo es una habilidad que se necesita en medicina, seguridad, y casi cualquier sistema que busca detectar algo raro.
- Teorema de BayesTodo lo visto hasta ahora —probabilidad condicional, tasa base, falsos positivos— se combina en una sola herramienta matemática que responde exactamente la pregunta que importa: dado un resultado positivo, ¿cuál es la probabilidad real de estar enfermo?
Mecanismo
El concepto chocando con otros- Caso: la probabilidad posteriorLa enfermedad que se busca afecta a 2 de cada 1.000 personas de su edad. El examen tiene 97% de sensibilidad y 96% de especificidad. Tu trabajo es calcular, paso a paso, qué tan probable es que el paciente esté realmente enfermo.Te llevas: probabilidad posterior
- Duelo: actualización secuencialEl teorema de Bayes no se usa una sola vez y se olvida: se puede aplicar en cadena, donde la probabilidad posterior calculada con la primera evidencia se convierte en la probabilidad previa para la segunda evidencia, y así sucesivamente.Te llevas: actualización secuencial
- Falacia del fiscal"La probabilidad de que esta coincidencia ocurra al azar es de una en un millón, así que el acusado es culpable" suena convincente. Pero esa frase responde una pregunta distinta de la que el juicio necesita responder, y confundirlas tiene nombre propio.
- Independencia de eventosLanzar una moneda dos veces son eventos independientes: el primer resultado no cambia nada del segundo. Pero sacar dos cartas seguidas de un mazo, sin devolver la primera, ya no lo es: el segundo resultado depende de lo que pasó en el primero.
Dominio
Lo contraintuitivo y cuándo NO aplica- Conservadurismo bayesianoIgnorar la tasa base hace confiar demasiado en una sola evidencia nueva. El conservadurismo bayesiano es casi lo opuesto: recibir evidencia fuerte y aun así mover muy poco la creencia inicial, aferrándose de más a lo que ya se creía antes.
- Límites: elección del priorEl teorema de Bayes es una máquina de cálculo impecable, pero necesita un ingrediente que no sale de ninguna fórmula: la probabilidad previa, o prior, con la que se empieza a calcular. Esa elección inicial es humana, no matemática.Te llevas: elección del prior
- Caso: el peso de la evidenciaUn caso judicial rara vez se resuelve con una sola prueba contundente: se resuelve acumulando varias piezas de evidencia, cada una modesta por separado, que juntas construyen una certeza mucho mayor que cualquiera de ellas por sí sola.Te llevas: peso de la evidencia
- Duelo: el motor bayesiano completoProbabilidad condicional, tasa base, falsos positivos, Bayes, actualización secuencial, la falacia del fiscal, independencia, conservadurismo, y el límite del prior. Juntas forman un motor completo aplicable a cualquier decisión donde la certeza total no existe.Te llevas: motor bayesiano
Empiezas la primera sin cuenta. Las 12 completas, gratis, con solo registrarte.