La interpretacin ms aceptada del teorema de Bayes, es que su estructura permite el
clculo de probabilidades despus de haber sido realizado un experimento (probabilidades a posteriori), basndose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento).
Continuando nuestro anlisis sobre el teorema de Bayes, la probabilidad condicional de A i dado B, para cualquier i, es:
Aplicando en el numerador la Regla de Multiplicacin P(A i B) = P(A i ) P(B|A i ) y en el denominador el Teorema de Probabilidad Total P(B) = P(A 1 ) P(B | A 1 ) + P(A 2 ) P(B | A 2 ) + . . . + P(A n ) P(B | A n ), obtenemos la ecuacin que representa al:
Teorema de Bayes
Ejemplo 1. Referente al problema de la fbrica que produce dos tipos de reguladores A y B visto anteriormente en la aparte corresponde al Teorema de Probabilidad Total, cabe hacer el siguiente anlisis: si se selecciona un regulador al azar de la produccin de la fbrica y se ve que funciona bien Cul es la probabilidad de que sea del tipo B?
Solucin
En este caso el estudio se restringe a los reguladores que funcionan bien, por lo que ese evento acta como espacio muestral reducido, o sea como evento condicin. Por lo tanto, el planteamiento de la pregunta es P(B | F). Los datos que se tienen son :
P(A) = 0.75 P(F | A) = 0.95 P(B) = 0.25 P(F | B) = 0.98
De acuerdo al Teorema de Bayes:
Podemos observar que el denominador corresponde al resultado obtenido al aplicar el Teorema de Probabilidad Total, lo cual debe ser as, ya que la probabilidad condicional establece que . De esta forma podemos ver que la Probabilidad
Total es el denominador de la frmula del Teorema de Bayes. Tambin podemos observar que aplicando los conceptos de la Regla de Multiplicacin y del Teorema de Probabilidad Total llegamos al planteamiento del teorema de Bayes, Veamos:
Ejemplo 2. Una fbrica que produce material para la construccin tiene 3 mquinas, a las que se les denomina A, B y C. La mquina A produce tabique, la B adoqun y la C losetas. La mquina A produce el 50% de la produccin total de la fbrica, la B el 30% y la C el 20%. Los porcentajes de artculos defectuosos producidos por las mquinas son, respectivamente, 3%, 4% y 5%. Si se selecciona un artculo al azar y se observa que es defectuoso, encontrar la probabilidad de que sea un tabique.
Solucin
Definamos el evento D como sea un artculo defectuoso. De acuerdo a esto tenemos que:
P(A) = 0.5 P(D | A) = 0.03 P(B) = 0.3 P(D | B) = 0.04 P(C) = 0.2 P(D | C) = 0.05
Si el artculo del que deseamos calcular la probabilidad es un tabique, significa que es producido por la mquina A. Tambin observamos que en la solucin solamente participan los artculos defectuosos, ya que se pone por condicin esta caracterstica. Por lo tanto:
Ejemplo 3. A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computacin. Si se selecciona al azar a un especialista en computacin Cul es la probabilidad de que sea mujer?
Solucin
Definamos los eventos:
H: Sea un hombre M: Sea una mujer E: La persona sea especialista en computacin