Estadstica

Captulo 4.3
TEOREMA DE BAYES

Teorema de Bayes
La probabilidad condicional se basa en el resultado de un
hecho para describir otra probabilidad especfica.
Este concepto de puede extender cada vez que se tiene
nueva informacin con la cual determinar si una
probabilidad se debe a una causa especfica.
Este procedimiento recibe el nombre de Teorema y
Bayes y se maneja as:
2

Teorema de Bayes
Si A es un evento simple y Bi es una sucesin de eventos,
la probabilidad de que se cumpla el evento Bi dado que ya
se cumpli el evento A es:
P( A / Bi ) P( Bi )
P( Bi / A)
P( A / B1 ) P( B1 P( A / B2 ) P( B2 ) ... P( A / Bn ) P( Bn )

El gerente de mercadotecnia de una compaa fabricante

de juguetes estudia el lanzamiento de un juguete nuevo. En
el pasado, el 40% de los juguetes introducidos por la
compaa han tenido xito y 60% han fracasado.

Antes de lanzar el nuevo juguete se realiza un estudio de

mercado y se hace un informe, ya sea favorable o
desfavorable. En el pasado, 80% de los juguetes con xito
tenan un informe favorable y 30% de los juguetes que
fracasaron tenan un informe favorable. El gerente de
mercadotecnia quiere conocer la probabilidad de que el
juguete tenga xito si recibe un reporte favorable.

Anlisis previo

Qu se busca? :
La probabilidad de que el juguete tenga xito.
Qu condiciones tenemos? :
Resultados de un informe favorable
P(xito/Favorable)

Anlisis previo

Juguetes con xito

Juguetes con fracaso

: 40%
: 60%

P(xito)
P(fracaso)

= 0.4
= 0.6

Datos del pasado:

Juguetes que tuvieron xito y previamente les haban
reportado un informe favorable 80%
Juguetes que fueron un fracaso y previamente les haban
reportado un informe favorable 30%
7

Anlisis previo

Juguetes que tuvieron xito y previamente les haban

reportado un informe favorable 80%
P(xito/Favorable) =

0.8

Juguetes que fueron un fracaso y previamente les haban

reportado un informe favorable 30%
P(Fracaso/Favorable)

0.3
8

Propsito

La aplicacin del teorema de Bayes indica que se busca la

probabilidad de que un juguete sea un xito, siendo que el
dictamen que se tiene es favorable; el enunciado es el
siguiente:
P(xito/Favorable) =

P ( Favorable / xito) P ( xito)

P ( Favorable / xito) P ( xito) P ( Favorable / Fracaso) P ( Fracaso)

Desarrollo

P ( Favorable / xito) P ( xito)

P ( Favorable / xito) P ( xito) P ( Favorable / Fracaso) P ( Fracaso)

(0.8)(0.4)
(0.8)(0.4) (0.3)(0.6)

(0.32)
(0.32) (0.18)

0.32
0.64
0.5

64%
10

La probabilidad de que una persona tenga una enfermedad

es de 0.03. Se dispone de pruebas de diagnstico mdico
para determinar si una persona en realidad padece la
enfermedad.
Si la enfermedad de hecho est presente, la probabilidad
de que la prueba de diagnstico mdico de un resultado
positivo es de 0.9. Si la enfermedad no est presente, la
probabilidad de un resultado positivo en la prueba de
diagnstico mdico es de 0.02.
11

Suponga que la prueba de diagnstico mdico ha dado un

resultado positivo. Cul es la probabilidad de que la
enfermedad est presente en realidad.
Qu se busca? :
La probabilidad de que el paciente est enfermo
Qu condiciones tenemos? :
Diagnstico positivo
12

Se busca calcular
Pacientes enfermos
Pacientes sanos

: P(Enfermo/Positivo)
: 0.03
: 0.97

P(Enfermo) = 0.03
P(Sano)
= 0.97

Datos de pacientes en el pasado:

Resultado positivo y estaban enfermos
Resultado positivo y estaban sanos

0.90
0.02
13

Anlisis previo

Resultado positivo y estaban enfermos 0.90

P(Positivo/Enfermo) = 0.9
Resultado positivo, y estaban sanos 0.02
P(Positivo/Sano) = 0.02

14

Propsito

La aplicacin del teorema de Bayes indica que se busca la

probabilidad de que un paciente d un resultado positivo y
los datos anteriores indican que est enfermo, el
planteamiento es el siguiente:
P(Positivo/Enfermo) =
P ( Enfermo / Positivo) P( Positivo)

P( Enfermo / Positivo) P( Positivo) P( Sano / Positivo) P( Positivo)

15

Desarrollo

P ( Enfermo / Positivo) P( Positivo)

P( Enfermo / Positivo) P( Positivo) P( Sano / Positivo) P( Positivo)

(0.9)(0.03)

(0.9)(0.03) (0.02)(0.97)

(0.027)

(0.027 (0.0194)
0.027

0.5819
0.0464

58%
16

Reglas de Conteo
La probabilidad de ocurrencia se defini como el
nmero de formas en las que el resultado ocurre,
dividido por el nmero tal de resultados posibles
En muchas casos, hay un gran nmero de
posibles resultados y es difcil determinar el
nmero exacto. Se han desarrollado reglas para
contar el nmero posible de resultados.
17

Reglas de Conteo = potencial

Si cualquiera de los eventos k mutuamente
excluyentes y colectivamente exhaustivos pueden
ocurrir en cada uno de los ensayos n, el nmero
de posibles resultados es igual a

18

Suponga que lanza al aire una moneda de 5 centavos y otra

de 10 centavos. De cuantas maneras pueden caer ambas
monedas?
Los resultados que se pueden tener son:
* Las dos monedas pueden caer en letra
* Las dos monedas pueden caer en escudo
* La de 5 cents en letra y la de 10 cents en escudo.
* La de 5 cents en escudo y la de 10 cents en letra
Son 4 posibles formas las que pueden caer.
19

Si se resuelve por medio de la frmula, se tiene lo

siguiente:
k

n
=

=
2 eventos
2 lados tiene la moneda

k 2 4
n

20

De igual manera, si se lanza una moneda

al aire 2 veces. De cuntas maneras
puede caer?
k

n
=

=
2 eventos
2 caras de la moneda

rk

r 22
r4
21

Si se lanza una moneda al aire 3 veces. De

cuntas maneras puede caer?
k

n
=

=
3 eventos
2 caras de la moneda

r kn
r 23
r 2 x2 x2
r 8

22

Si se lanza un dado (6 caras) 2 veces. De

cuntas maneras puede caer?
k

n
=

=
2 eventos
6 caras de la moneda

r kn
r 62
r 6 x6
r 36

23

Reglas de Conteo = factorial

El nmero de maneras en el que n cosas pueden
arreglarse en orden es:

n! n * (n 1) * (n 2) * ... * 3 * 2 *1
Caractersticas
n!
Es el factorial de n
1!
Es igual a 1
0!
Es igual a 1
24

Si un paquete de 6 libros se colocan en una repisa. De

cuantas formas es posible ordenar estos 6 libros de
texto?

n6
n! 6!
6! 6 x5 x 4 x3 x 2 x1
6! 720
6 libros se pueden ordenar de 720 formas diferentes.
25

Reglas de Conteo = combinaciones

Es el nmero de maneras de seleccionar X
objetos a partir de n objetos, sin considerar el
orden:

n!
n CX
X !(n X )!

26

Si tenemos 5 profesores de matemticas y se

presenta la oportunidad de abrir 3 nuevas secciones,
de cuantas maneras se pueden distribuir.
Supongamos que los nombre de los profesores son:
Raquel , Clara , Venancio , Jorge , Vilma
Solo son 3 secciones las que se van a abrir y todos
ellos tienen la misma capacidad para impartir la clase.
Las posibilidades que se tienen son:
27

Combinacin Seccin 1

Seccin 2

Seccin 3

Raquel

Clara

Venancio

Raquel

Clara

Jorge

Raquel

Clara

Vilma

Raquel

Venancio

Jorge

Raquel

Venancio

Vilma

Raquel

Jorge

Vilma

Clara

Venancio

Jorge

Clara

Venancio

Vilma

Clara

Jorge

Vilma
28

Si se utiliza la regla de conteo, el resultado se

calcula de la siguiente manera:
5

C3

C3

C3

C3

5!

3!(5 3)!
5!
5 * 4 * 3 * 2 *1

3! 2! (3 * 2 *1) * (2 *1)
120
120

(6)(2) 12
10

29

Los representantes de ventas de la empresa

ECK cuando colocan un pedido para uno de sus
clientes, llenan una forma de pedido electrnica
y envan un correo electrnico a la compaa
con la informacin de lo que pidi el cliente. El
sistema verifica estas formas de pedido para
detectar errores. Las entradas dudosas se
marcan y se incluyen en un reporte diario de
excepciones.
30

Posibles formar de recibir los pedidos

(3 pedidos etiquetados)

1
2
3
4
31

Si se utiliza la regla de conteo, el resultado se

calcula de la siguiente manera:
4

C3

C3

C3

C3

4!

3!(4 3)!
4!
4 * 3 * 2 *1

3!1! (3 * 2 *1) * (1)

24
24

(6)(1) 6
4

32

 Resumen de los aspecto tico del

captulo 4
Ejercicios pares de las pginas 130,
139 del libro de texto
Los primeros 3 de la pgina 146 del
libro de texto.

33

Fin del captulo 4.3

Contina el captulo 5.1

34