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

: P(Enfermo/Positivo)

Pacientes enfermos Pacientes sanos

: 0.03 : 0.97

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

0.90 0.02
13

Datos de pacientes en el pasado: Resultado positivo y estaban enfermos Resultado positivo y estaban sanos

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:

n =

= 2 eventos 2 lados tiene la moneda

k 2 4
n 2
20

De igual manera, si se lanza una moneda al aire 2 veces. De cuntas maneras puede caer?

n =

= 2 eventos 2 caras de la moneda

rk r4

r 22
21

Si se lanza una moneda al aire 3 veces. De cuntas maneras puede caer?

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?

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 x3x 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 1 2 3 4 5 6 7 8 9 10

Seccin 1 Raquel Raquel Raquel Raquel Raquel Raquel Clara Clara Clara Venancio

Seccin 2 Clara Clara Clara Venancio Venancio Jorge Venancio Venancio Jorge Jorge

Seccin 3 Venancio Jorge Vilma Jorge Vilma Vilma Jorge Vilma Vilma Vilma

28

Si se utiliza la regla de conteo, el resultado se calcula de la siguiente manera:

5! 5 C3 3!(5 3)! 5! 5 * 4 * 3 * 2 *1 5 C3 3! 2! (3 * 2 *1) * (2 *1) 120 120 5 C3 (6)(2) 12 5 C3 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! 4 C3 3!(4 3)! 4! 4 * 3 * 2 *1 4 C3 3!1! (3 * 2 *1) * (1) 24 24 4 C3 (6)(1) 6 4 C3 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