Ejemplos El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas.

El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?

La probabilidad de que haya un accidente en una fbrica que dispone de alarma es 0.1. La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningn incidente es 0.02. En el supuesto de que haya funcionado la alarma, cul es la probabilidad de que no haya habido ningn incidente? Sean los sucesos: I = Producirse incidente. A = Sonar la alarma.

Teorema de Bayes
El teorema de Bayes parte de una situacin en la que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai. A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin, porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai que haya ocurrido. Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos indica como modifica esta informacin las probabilidades de los sucesos Ai. Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea diabtica es 0,03. Obviamente la probabilidad de que no lo sea es 0,97. Si no disponemos de informacin adicional nada ms podemos decir, pero supongamos que al realizar un anlisis de sangre los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en un 2% de las personas sanas. Cul ser ahora la probabilidad de que esa persona sea diabtica? La respuesta que nos d el teorema de bayes es que esa informacin adicional hace que la probabilidad sea ahora 0,595. Vemos as que la informacin proporcionada por el anlisis de sangre hace pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595. Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta informacin modificara las probabilidades en sentido contrario. En este caso la probabilidad de padecer diabetes se reducira a 0,0016.
Probabilidad total. Teorema de Bayes

Ejemplos

Teorema de Bayes

El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total: Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente). Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades del suceso A (estaba lloviendo o haca buen tiempo?). Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a intentar explicarla con un ejemplo. De todos modos, antes de entrar en el ejercicio, recordar que este teorema tambin exige que el suceso A forme un sistema completo.

Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades para el fin de semana: a) Que llueva: probabilidad del 50%. b) Que nieve: probabilidad del 30%

c) Que haya niebla: probabilidad del 20%. Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente: a) Si llueve: probabilidad de accidente del 10%. b) Si nieva: probabilidad de accidente del 20% c) Si hay niebla: probabilidad de accidente del 5%. Resulta que efectivamente ocurre un accidente y como no estabamos en la ciudad no sabemos que tiempo hizo (nev, llovo o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades: Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan "probabilidades a priori" (lluvia con el 60%, nieve con el 30% y niebla con el 10%). Una vez que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B), que se denominan "probabilidades a posteriori". Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%

Enunciado
Sean sucesos incompatibles dos a dos, tales que siempre ocurre alguno de ellos, y sea un suceso cualquiera del que se conocen las

probabilidades condicionales Entonces las probabilidades vienen dadas por la expresin:

Demostracin Por definicin de probabilidad condicionada

despejando

, se tiene:

La probabilidad

, por el teorema de la probabilidad total, es igual a

Sustituyendo en la ecuacin anterior, obtenemos la frmula de Bayes.

Ejemplo
Tenemos tres urnas: con tres bolas rojas y cinco negras, con dos bolas rojas y una negra y con dos bolas rojas y tres negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna ?

Llamamos al suceso sacar bola roja. La probabilidad pedida es Utilizando el teorema de Bayes, tenemos:

Ejercicio 8-1: Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?
Solucin:

Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema puede expresarse en el diagrama de rbol adjunto. a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad total,
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) = = 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038

b. Debemos calcular P(B/D). Por el teorema de Bayes,

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:

Ejercicio 8-2: Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A?
Solucin:

Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas. La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos: