Universidad T ecnica Particular de Loja

Transmisi on de Datos Algoritmo para la resoluci on de un ejercicio aplicando el teorema de Bayes

Integrantes:
Alexis Bermeo Paula Canelos Jessica Tandazo

Ciclo:

7mo ciclo paralelo B Fecha:

15 de enero de 2014
1

Dise no y programaci on de un algoritmo para la resoluci on de un ejercicio utilizando el teorema de Bayes

1. Objetivos
Aplicar los conocimientos te oricos adquiridos en la resoluci on anal tica de un ejercicio propuesto. Dise nar un algoritmo que permita la resoluci on de un ejercicio propuesto utilizando el teorema de la probabilidad total y el teorema de Bayes.

2.
2.1.

Marco te orico
Teorema de probabilidad total

El teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas [1]. El teorema de probabilidad total establece lo siguiente: Sea A1, A2, ...,An un sistema completo de sucesos tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales P(B/Ai), entonces la probabilidad del suceso B viene dada por la expresi on:

P (B ) = P (A1 ) P (B/A1 ) + P (A2 ) P (B/A2 ) + ...P (An ) P (B/An )) (1) Aplicando la Regla de Multiplicaci on en cada uno de los sumandos obtenemos la siguiente ecuaci on [2]:

P (B ) =
i=1

P (Ai ) P (B/Ai )

(2)

Que es conocido como Teorema de Probabilidad Total

2.2.

Teorema de Bayes

El teorema de Bayes parte de una situaci on en la que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai. A esta se a nade un suceso B cuya ocurrencia proporciona cierta informaci on, porque las probabilidades de ocurrencia de B son distintas seg un el suceso Ai que haya ocurrido. Conociendo que ha ocurrido el suceso B, la f ormula del teorema de Bayes nos indica como modica esta informaci on las probabilidades de los sucesos Ai [3]. P (Ai ) P (B/Ai )
n

P (Ai /B ) =

(3)

P (Ai ) P (B/Ai )
i=1

En donde: P (Ai ): Probabilidad a priori P (B/Ai ): Probabilidad condicional P (B ): Probabilidad total P (Ai /B ): Probabilidad a posteriori El teorema de Bayes se utiliza en todas las aplicaciones de la teor a de probabilidad. Aunque existe una controversia entre los seguidores de la estad stica tradicional que solo admiten probabilidades basadas en la experimentaci on y la comprobaci on emp rica, mientras que los Bayesianos permiten probabilidades subjetivas [4]. En s una de las mayores aplicaciones son los clasicadores bayesianos que son utilizados en implementaci on de ltros de correo de correo basura o spam [5].

3.

Ejercicio propuesto

En un instituto se ofertan tres modalidades excluyentes: M, P y Q, y dos idiomas excluyentes: alem an y franc es. La modalidad M es elegida por un 50 % de los estudiantes, la P por un 30 % y la Q por un %. Tambi en se conoce que han elegido alem an el 80 % de los estudiantes de la modalidad M, el 90 % de la modalidad P y el 75 % de la Q, habiendo elegido franc es el resto de los estudiantes. Contestar: 3

1. Qu e porcentaje de estudiantes del instituto han elegido franc es? 2. Si se elige al azar un estudiante de franc es, cu al es la probabilidad de que sea de modalidad M?

3.1.

Resoluci on

Datos P (M )=0.5 P (P )=0.3 P (Q)=0.2 P(franc es/M) =1-0.8=0.2 P(franc es/P) =1-0.9=0.1 P(franc es/Q) =1-0.75=0.25 P (alema n/M )=0.8 P (alema n/P )=0.9 P (alema n/Q)=0.75

Porcentaje de estudiantes en el instituto que han elegido franc es: P (f rance s) = P (f rance s/M )P (M )+P (f rance s/P )P (P )+P (f rance s/Q)P (Q) P(franc es) =(0.2*0.5)+(0.1*0.3)+(0.25*0.2) P(franc es) =0.18 P(franc es) =18 %

Probablidad de que el estudiante escogido al azar sea de la modalidad M: P (M/f rance s) = (P (f rance s/M ) P (M )) P (f rance s)

P(M/franc es) =0.5555 P(M/franc es)=55.55 %

4.

Dise no del algoritmo para la resoluci on del ejercicio

Se utiliz o la herramienta GUIDE de MATLab para realizar una interfaz en la cual el usuario puede ingresar los valores de las probabilidades (Ver g.1).

Figura 1: GUIDE para visualizar resultados Lo que se realiz o primeramente es el ingreso de las variables, ver g. 2.

Figura 2: Ingreso de valores de las seis probabilidades Ahora se obtienen los valores correspondientes a la materia de franc es, ver g 3.

Figura 3: Probabilidad de la materia franc es

Ahora se almacenan los valores obtenidos por el usuario en matrices, ver g. 4.

Figura 4: Almacenamiento de los valores en matrices

Sea aplica el teorema de la probabilidad total, usando las matrices almacenadas, ver g. 5.

Figura 5: C alculo con el teorema de la probabilidad total

Ahora nalmente para obtener la respuesta n umero 1, se convierte el valor obtenido del Teorema de la Probabilidad total, y para la respuesta n umero 2, se aplica el Teorema de Bayes, ver g.6.

Figura 6: C alculo de las respuestas

5.

Conclusiones
Con la realizaci on de esta pr actica se puede concluir lo siguiente La probabilidad total es un teorema que nos permite calcular probabilidades de sucesos aprovechando las probabilidades condicionadas a los distintos elementos de un sistema completo de sucesos. 6

El teorema de Bayes es un teorema sencillo, en el cual hay que tomar la variable principal de la que se quiere conocer la probabilidad, y luego dejarla en el numerador teniendo en cuenta los par ametros de la f ormula, para de esta manera realizar la sumatoria de todas las variables que se tienen en el problema los cuales se encontrar an en el denominador, con la nalidad de al realizar la divisi on obtener la probabilidad que deseamos conocer. El teorema de la probabilidad total es sumamente u til cuando un experimento o suceso consta de dos etapas: la primera es conocer la probabilidad de que ocurra algo y en la segunda etapa se condiciona a cada uno de los sucesos que podr a haber ocurrido en la primera etapa. La resoluci on del ejercicio se torn o f acil con la ayuda de estos dos teoremas, tanto el teorema de la probabilidad total como el teorema de Bayes. Matlab es un entorno de programaci on que nos fue de gran utilidad en el dise no de nuestro algoritmo mediante el cual al ingresar las probabilidades iniciales, sacamos los resultados de una manera r apida y conable. Que comparando matem aticamente los resultados con el ejercicio propuesto, son los mismos que en nuestro programa.

6.

Recomendaciones
Aplicar la teor a revisada sobre Teorema de Bayes y de Probabilidad Total en la resoluci on anal tica del ejercicio. Comparar si el algoritmo programado para resolver el ejercicio arroja los mismo resultados que su resoluci on matem atica

7.

Referencias
[1] Teorema de la probabilidad total,[en l nea]. Disponible en: < http : //www.aulaf acil.com/CursoEstadistica/Lecc24est.htm > [2] Teorema de probabilidad total,[en l nea]. Disponible en: < http : //www.sites.upiicsa.ipn.mx/polilibros/portal/P olilibros/P terminados /P robabilidad/doc/U nidad %201/1, 3,4.htm >. [3] Teorema de Bayes,[en l nea]. Disponible en: < http : //www.ugr.es/ jsalinas/bayes.htm > [4] Teorema de Bayes,[en l nea]. Disponible en: < http : //www.sites.upiicsa.ipn.mx/polilibros/portal/P olilibros/P terminados/ P robabilidad/doc/U nidad %201/1, 3,5.htm >. [5] Aplicaciones generales del ltrado bayesiano, [en l nea]. Disponible en: < http : //centrodeartigos.com/articuloseducativos/article4 286.html >. 7