1

TEOREMA DE BAYES

En su forma algebraica ms simple, el teorema de BAYES se refiere al clculo de la probabilidad condicional
del evento A dado que ha ocurrido el evento B, la forma general del teorema de Bayes es:

Si
n
A A A ,....., ,
2 1
son eventos exhaustivos y exclusivos tales que ( )
i
A P > 0, i = 1, 2,,...n entonces para
cualquier evento A tal que P(A) > 0, se cumple:

( )
( ) ( )
( ) ( )

=
=
n
i
i i
k k
k
A P A A P
A P A A P
A A p
1
/
/
/ CASO GENERAL

( )
( ) ( )
( ) ( ) ( ) ( ) / /
/
/
A B P A P A B P A P
A B P A P
B A P
+
= PARA DOS EVENTOS EXCLUYENTES.

Dos eventos A y B son excluyentes si ( ) 0 = B A P , Una familia de eventos:
n
A A A ,....., ,
2 1
es
exhaustiva si O =
k
A
EJEMPLO 1: Una empresa compra toda la materia prima a tres proveedores
3 2 1
, , M M M . Por la historia
(registros) se ha podido determinar que la probabilidad de que:
La materia prima del primer proveedor est defectuosa es 0.3
La materia prima del segundo proveedor est defectuosa es 0.5
La materia prima del tercer proveedor est defectuosa es 0.4
La empresa compra el 60 % de la materia prima que emplea al proveedor # 1, el 30 % al tercer proveedor y el
10 % al segundo proveedor.

Se toma aleatoriamente una unidad de materia prima y se ve que est defectuosa. Qu probabilidad se tiene
de que haya sido adquirida con el primer proveedor?

Solucin:

1) Plantear los eventos:


1
A la unidad se le compra a
1
M

2
A la unidad se le compra a
2
M

3
A la unidad se le compra a
3
M

2) Mirar si cada evento es exhaustivo.

1
A ,
2
A ,
3
A . Son exhaustivos pues
1
M ,
2
M ,
3
M son los nicos proveedores y no se consigue materia
prima de ninguna otra parte.

3) Mirar si los eventos son independientes: En este ejemplo los eventos si son independientes pues
cada unidad se compra a uno y solo uno de los proveedores.
P(de que la unidad se le compre a
1
M ) = 60 . 0 ) (
1
= A P
= 10 . 0 ) (
2
= A P
= 30 . 0 ) (
3
= A P
00 . 1 ) ( =
i
A P
El evento D la unidad es defectuosa
Nos interesa:

=
) ( ) / (
) ( ) / (
) / (
1 1
1
i i
A P A D P
A P A D P
D A P
2

=
) ( ) / ( ) ( ) / ( ) ( ) / (
) ( ) / (
3 3 2 2 1 1
1 1
A P A D P A P A D P A P A D P
A P A D P
+ +

P(D/
1
A ) = 0.30
P(D/
2
A ) = 0.50
P(D/
3
A ) = 0.40

La suma de estas probabilidades no son 1 necesariamente como en las probabilidades anteriores

) / (
1
D A P =
30 . 0 40 . 0 10 . 0 50 . 0 60 . 0 30 . 0
60 . 0 30 . 0
x x x
x
+ +
=
35 . 0
18 . 0
= 0..5142 = 51.42 %

Problemas propuestos

Resolver mostrando procesos claros y teniendo en cuenta:

1) Plantear los eventos.
2) Justificar la independencia y exhaustividad.
3) Concluir en cada caso
4) Puede resolver cada problema utilizando tabla de doble entrada y diagrama de rbol.

1. El personal de una empresa se divide as: 70 % son obreros, 20 % son dirigentes y un 10 % son
directivos. De los obreros un 55 % son hombres y el resto mujeres. De los dirigentes un 60 % son
mujeres y de los directivos un 80 % son hombres. Se selecciona al azar un nombre de la nmina de la
empresa. Cul es la probabilidad de que sea dirigente dado que es mujer? Rta: 26.37 %

2. De los enfermos de SIDA de un hospital el 60 % adquiri la enfermedad por transmisin sexual, un
20 % por transfusiones de sangre y un 20 % por uso de jeringas en drogas. Entre los primeros un 10 % est
en perodo terminal, entre los segundos un 20 % y entre los terceros un 5 %. Se elige al azar un paciente de
sida y resulta estar en estado terminal. Cul es la probabilidad de que haya adquirido la enfermedad por
transfusin de sangre? Rta: 36.36 %

3. Una persona planea invertir su capital en alguna de las tres opciones siguientes (slo en una).

a) En acciones de una compaa.
b) En CDTs en un banco.
c) En finca raz.

De acuerdo con los rendimientos que produce la inversin, la probabilidad de que invierta en acciones es
0.35; de que invierta en CDTs es 0.40 y de que invierta en finca raz es 0.25. Cada opcin ha sido valorada
en cuanto a riesgos de la siguiente manera.

Riesgo de invertir en acciones 0.10
Riesgo de invertir en CDTs 0.15
Riesgo de invertir en finca raz 0.05

Suponiendo que la persona invirti su capital y que lo perdi; Cul es la probabilidad de que lo haya invertido
en finca raz? Rta: 11.63 %

4. Un hombre acostumbra ir a pescar a 3 sitios diferentes; la probabilidad de ir al primer sitio es de 0.35,
de ir al segundo lugar es de 0.45 y de ir al tercer lugar es de 0.20. En el primer lugar la probabilidad de que
pesque un pez es de 0.31, en el segundo lugar la probabilidad de que no pesque nada es de 0.58, y en el
tercer lugar la probabilidad de que pesque un pez es de 0.65. Si al final del da captura un pez. Cul es la
probabilidad de que el lugar donde lo captur haya sido el primer lugar?. (Por ngela Andrea Tovar)
Respuesta: 25.38 %

5. De los estudiantes de la Salle, el 50 % llega a tiempo, el 10 % antes de empezar la clase y el 40 % llegan
tarde. Entre los que allegan a tiempo, el 20 % usa transmilenio, de los que llegan antes de clase, el 5 % usa
3
transmilenio y de los que llegan tarde el 70 % usa transmilenio. Se escoge al azar un estudiante que usa
transmilenio. Cul es a la probabilidad de que llegue tarde a clase?. (Por Diego Velosa y Guillermo
Caicedo - pres. 2 semestre A del 2.005). respuesta: 36 %

Solucin al problema 1:

a) Por diagrama de rbol se tiene:


CONCLUSIN: La probabilidad de ser Dirigente dado que es mujer es del 26.37 %

b) Por tabla de doble entrada o de contingencia se tiene:

OBREROS DIRIGENTES DIRECTIVOS TOTALES
MUJERES 31.5 12 2 45.5
HOMBRES 38.5 8 8 54.5
TOTALES 70 % 20 % 10 % 100 %



CONCLUSIN: La probabilidad de ser Dirigente dado que es mujer es del 26.37 %

Tarea resolver los ejercicios: del captulo dos de Walpole (Texto Gua); el 101, 102, 103, 104, 105, 108 y
109.

Biografa uno
Las redes Bayesianas (RRBB) deben su nombre al ingls Thomas Bayes (Londres, 1702-1761). Su padre fue
uno de los primeros seis ministros presbiterianos que fueron ordenados en Inglaterra. La educacin de
Thomas fue privada, un hecho que se antoja necesario para el hijo de un ministro presbiteriano de aquellos
tiempos. Parece ser que de Moivre fue su maestro particular, pues se sabe que por aquel entonces ejerca
como profesor en Londres. Bayes fue ordenado ministro presbiteriano y asisti a su padre en Holborn.

Al final de la dcada iniciada en 1720 fue nombrado pastor en Turnbridge Wells (Kent, Inglaterra). Aunque
trat de retirarse de su puesto eclesistico en 1749, permaneci en l hasta 1752. Una vez retirado sigui
viviendo en Turnbridge Wells hasta el da de su muerte, el 17 de abril de 1761. Sus restos descansan en el
cementerio londinense de Bunhill Fields. La traduccin de la inscripcin en su tumba puede leerse como
sigue: "Reverendo Thomas Bayes. Hijo de los conocidos Joshua y Ann Bayes. 17 de abril de 1761". En
reconocimiento al importante trabajo que realiz Thomas Bayes en el desarrollo de la teora de la
probabilidad, su tumba fue restaurada en 1969 con donativos de estadsticos de todo el mundo.

Telogo, matemtico y miembro de la Roy al Society desde 1742, Bayes fue el primero en utilizar la
probabilidad inductivamente y establecer una base matemtica para la inferencia probabilstica. Los nicos
trabajos que se sabe que Thomas Bayes public en vida son: Divine Providence and Government is the
Happiness of His Creatures (1731) y An Introduction to the Doctrine of Fluxions, and a Defence of The Analyst
(1736), que fueron blanco de crticas por parte del obispo Berkeley, quien sustentaba sus ideas en los
4
fundamentos lgicos del clculo de Newton. En 1763 se public psturaamente Essay Towards Solving a
Problem in the Doctrine of Chances, donde el reverendo Bayes abord el problema de las causas a travs de
los efectos observados, y donde se enuncia el teorema que lleva su nombre. Este trabajo fue entregado a la
Royal Society por Richard Price y resulta ser la base para la tcnica estadstica conocida como estadstica
bayesiana, que se utiliza para calcular la probabilidad de la validez de un enunciado tomando como bases la
estimacin de la probabilidad previa y las evidencias relevantes ms recientes.



Biografa dos
Thomas Bayes (Londres, Inglaterra, ~1702 - Tunbridge Wells, 1761) fue un matemtico britnico. Su padre
fue ministro presbiteriano. Posiblemente De Moivre, autor del afamado libro La doctrina de las probabilidades,
fue su maestro particular, pues se sabe que por ese entonces ejerca como profesor en Londres. Bayes fue
ordenado, al igual que su padre, como ministro disidente, y en 1731 se convirti en reverendo de la iglesia
presbiteriana en Tunbridge Wells; aparentemente trat de retirarse en 1749, pero continu ejerciendo hasta
1752, y permaneci en ese lugar hasta su muerte.
Estudi el problema de la determinacin de la probabilidad de las causas a travs de los efectos observados.
El teorema que lleva su nombre se refiere a la probabilidad de un suceso condicionado por la ocurrencia de
otro suceso. Ms especficamente, con su teorema se resuelve el problema conocido como "de la probabilidad
inversa". Esto es, valorar probabilsticamente las posibles condiciones que rigen supuesto que se ha
observado cierto suceso. Se trata de probabilidad "inversa" en el sentido de que la "directa" sera la
probabilidad de observar algo supuesto que rigen ciertas condiciones. Los cultores de la inferencia bayesiana
(basada en dicho teorema) afirman que la trascendencia de la probabilidad inversa reside en que es ella la
que realmente interesa a la ciencia, dado que procura sacar conclusiones generales (enunciar leyes) a partir
de lo objetivamente observado, y no viceversa.
Los restos de Bayes descansan en el cementerio londinense de Bunhill Fields. La traduccin de la inscripcin
en su tumba es "Reverendo Thomas Bayes. Hijo de los conocidos Joshua y Ann Bayes. 7 de abril de 1761".
En reconocimiento al importante trabajo que realiz Thomas Bayes en materia de probabilidades, su tumba
fue restaurada en 1969 con donativos realizados por estadsticos de todo el mundo.
Miembro de la Royal Society desde 1742, Bayes fue uno de los primeros en utilizar la probabilidad
inductivamente y establecer una base matemtica para la inferencia probabilstica.
Actualmente, con base en su obra, se ha ha desarrollado una poderosa teora que ha conseguido notables
aplicaciones en las ms diversas reas del conocimiento. Especial connotacin han tenido los sistemas para
deteccin de spam en el ambiente de Internet. En el campo sanitario, el enfoque de la inferencia bayesiana
experimenta un desarrollo sostenido, especialmente en lo que concierne al anlisis de ensayos clnicos,
donde dicho enfoque ha venido interesando de manera creciente a las agencias reguladoras de los
medicamentos, tales como la norteamericana FDA (Food and Drug Agency).