Identificación de eventos dependientes mediante cambio de probabilidad
Identificar eventos dependientes reconociendo que la probabilidad condicional P(A|B) es distinta de la probabilidad simple P(A).
Introducción
Cuando el conocimiento de un evento altera la probabilidad de otro, esa alteración numérica es la señal matemática precisa de dependencia.
Explicación
Definición formal
Si $P(A|B)>P(A)$, se dice que $B$ favorece la ocurrencia de $A$; si $P(A|B)<P(A)$, se dice que $B$ desfavorece a $A$. En ambos casos, $A$ y $B$ son dependientes.</p>
Desarrollo didáctico
Si P(aprobar)=0,6 pero P(aprobar|asistencia regular)=0,85, la asistencia regular favorece claramente la aprobación: ambos eventos son dependientes, y de forma positiva.
Cómo hacerlo paso a paso
- Paso 1: Calcula la probabilidad simple P(A) y la probabilidad condicional P(A|B).
- Paso 2: Compara ambos valores para determinar si son distintos.
- Paso 3: Si son distintos, identifica si B favorece (P(A|B)>P(A)) o desfavorece (P(A|B)<P(A)) la ocurrencia de A.
Ejemplos
1 P(aprobar)=0,6, P(aprobar|asistencia regular)=0,85.
- Como P(aprobar|asistencia)>P(aprobar), la asistencia regular favorece la aprobación: son dependientes.
2 P(llegar a tiempo)=0,7, P(llegar a tiempo|hay congestión vial)=0,3.
- Como P(llegar a tiempo|congestión)<P(llegar a tiempo), la congestión desfavorece llegar a tiempo: son dependientes.
3 ¿Una diferencia entre P(A) y P(A|B) siempre indica dependencia?
- Sí, cualquier diferencia (mayor o menor) confirma dependencia entre los eventos.
4 ¿Puede un evento B favorecer a A en una dirección y desfavorecerlo en otra situación distinta?
- No directamente; la relación de dependencia entre A y B (favorecer o desfavorecer) es una propiedad fija de esos eventos específicos en ese contexto, no cambia entre repeticiones del mismo experimento.
Ejemplos Verdadero/Falso
"Concluir dependencia sin verificar realmente la diferencia numérica entre P(A) y P(A|B)."
¿Es correcta esta afirmación?
Esta afirmación describe un error frecuente: es incorrecta.
"Confundir 'B favorece a A' con 'B causa a A' en un sentido causal fuerte (la dependencia estadística no implica necesariamente causalidad)."
¿Es correcta esta afirmación?
Esta afirmación describe un error frecuente: es incorrecta.
"No distinguir entre dependencia positiva (favorece) y negativa (desfavorece) al interpretar el resultado."
¿Es correcta esta afirmación?
Esta afirmación describe un error frecuente: es incorrecta.
Dos eventos son dependientes si $P(A|B)\neq P(A)$: la ocurrencia de $B$ cambia (aumenta o disminuye) la probabilidad de $A$.
Practica
Preguntas conceptuales
Verificar las ideas clave antes de calcular.
-
Dos eventos son dependientes si:
Es la condición de dependencia.
Respuesta: A) P(A|B)≠P(A)
-
Si P(A|B)>P(A), se dice que B favorece a A.
Es la interpretación de dependencia positiva.
Respuesta: Verdadero
-
Si P(A|B)<P(A), ¿qué se puede afirmar?
Es la interpretación de dependencia negativa.
Respuesta: A) B desfavorece la ocurrencia de A
Reconocimiento
Identificar elementos, datos o procedimientos.
-
Dependencia estadística implica automáticamente una relación de causa y efecto entre los eventos.
La dependencia estadística no implica necesariamente causalidad.
Respuesta: Falso
Ejercicios básicos
Aplicar el procedimiento principal en casos simples.
-
Si P(ganar)=0,3 y P(ganar|jugador estrella lesionado)=0,15, ¿qué se concluye?
0,15<0,3, indicando dependencia negativa.
Respuesta: A) La lesión desfavorece ganar (son dependientes)
-
Si P(comprar)=0,2 y P(comprar|recibió descuento)=0,5, el descuento favorece la compra.
0,5>0,2, indicando dependencia positiva.
Respuesta: Verdadero
-
Si P(enfermarse)=0,1 y P(enfermarse|vacunado)=0,02, ¿qué se concluye?
0,02<0,1, indicando dependencia negativa (la vacuna reduce el riesgo).
Respuesta: A) La vacunación desfavorece enfermarse (son dependientes)
Preguntas tipo PAES
Resolver preguntas con formato y distractores similares a PAES.
-
¿Por qué es importante distinguir entre dependencia positiva y negativa en un análisis aplicado?
Es su relevancia práctica en la interpretación de resultados.
Respuesta: A) Porque indica si el evento condicionante aumenta o disminuye la probabilidad de interés, información clave para la toma de decisiones
-
La dependencia estadística entre fumar y desarrollar cierta enfermedad no prueba por sí sola que fumar cause esa enfermedad, aunque sea una fuerte evidencia asociada usada en estudios epidemiológicos.
Es la distinción clásica entre correlación/dependencia estadística y causalidad.
Respuesta: Verdadero
-
Un estudio encuentra P(accidente)=0,05 y P(accidente|uso de celular al conducir)=0,18. ¿Qué se concluye?
0,18>0,05, indicando una fuerte dependencia positiva.
Respuesta: A) Usar el celular al conducir favorece (aumenta la probabilidad de) tener un accidente