THOMAS BAYES

NICOLAS GARCIA QUIMBAYA

CODIGO: 4014215281
NICOLAS GARCIA QUIMBAYA
CODIGO: 4014215281

CORPORACIN UNIVERSITARIA DEL HUILA CORHUILA

FACULTAD DE INGENERIAS
PROGRAMA: INGENERIA INDUSTRIAL
NEIVA-HUILA
2016

THOMAS BAYES

NICOLAS GARCIA QUIMBAYA

CODIGO: 4014215281
NICOLAS GARCIA QUIMBAYA
CODIGO: 4014215281

PRESENTADO A: JAIME ALEJANDRO SANCHEZ CABRERA

CORPORACIN UNIVERSITARIA DEL HUILA CORHUILA

FACULTAD DE INGENERIAS
PROGRAMA: INGENERIA INDUSTRIAL
NEIVA-HUILA
2016

Tabla de contenido
OBJETIVOS.......................................................................................................... 4
INTRODUCCION................................................................................................... 5
THOMAS BAYES................................................................................................... 6
EL TEOREMA DE BAYES....................................................................................... 7
CONCLUSIONES................................................................................................ 10
BIBLIOGRAFIA.................................................................................................... 12

OBJETIVOS

Realizar una investigacin para conocer los aportes que Thomas Bayes
realizo a la estadstica.

Conocer la historia de uno de los matemticos ms grandes de la historia.

Comprender, expresar e interactuar tanto de forma oral como escrita el

teorema de Bayes.

Incorporar a la prctica los nuevos recursos del desarrollo de la estadstica

moderna.

INTRODUCCION

El inters que nos lleva a realizar este trabajo, es el de conocer la historia de

thomas bayes ya que este fue pionero en utilizar la probabilidad de forma inductiva
y ayudo a la construccin de una base matemtica para la indiferencia
probabilstica. Nosotros estudiantes podremos entender mejor el teorema
propuesto, conociendo un poco la historia de su creador.
Este entorno nos enfoca un poco ms en su teora puesto que es la base de la
estadstica bayesiana y la frecuentista, esta ltima comnmente conocida como
tradicional; gracias a esta de desarrollan programas para combatir el spam en
internet, anlisis de ensayos clnicos en medicina y tambin en ingeniera.

THOMAS BAYES

THOMAS BAYEYES naci en Inglaterra en el ao 1702, poca en la que reinaba

la corona de la reina Ana. Thomas para esa poca estaba influido por el
virtuosismo barroco; fue el mayor de siete hijos de un ministro presbiteriano.
Estudio con tutores privados y debido a las creencias religiosas de su familia, no
poda matricularse en universidades inglesas como Oxford o Cambridge, por esta
razn se inscribi en la escocesa de Edimburgo, donde estudio lgica y teora.
Fue ordenado ministro disidente a sus 31 aos y fue reverendo hasta que se retir
en 1752; Aunque no hay pruebas, parece que nunca abandon el estudio de las
matemticas, y en especial en sus ltimos aos profundiz en la probabilidad.
Quiz por ello fue miembro de la Royal Society desde 1742 pese a publicar en
vida slo un libro de matemticas y de forma annima (An Introduction to the
Doctrine of Fluxions, 1736). Bayes, que nunca se cas, falleci en 1761 en
Tunbridge Wells, 35 millas al sureste de Londres, donde vivi durante 32 aos.
Sera su obra pstuma, Ensayo hacia la resolucin del problema de la doctrina de
las probabilidades (1764), encontrada entre sus papeles, la que ha contribuido de
forma decisiva al desarrollo de la estadstica moderna.
Bayes, 1702.1761 (2011, octubre).estadsticos de ayer y de hoy. Divestadistica.
recuperado

de

http://www.divestadistica.es/es/2011_10/estadisticos_de_ayer_y_de_hoy_thomas_
bayes.html

EL TEOREMA DE BAYES

Bayes fue unos de los primeros en utilizar la probabilidad de forma inductiva y

construir una base matemtica para la inferencia probabilstica. Su principal
hallazgo fue calcular la probabilidad de un suceso futuro basndose tanto en
eventos previos como en las condiciones actuales y cualquier otro factor
relacionado. El Teorema de Bayes permite realizar estimaciones basadas en un
conocimiento subjetivo a priori, que puede ser modificado con nueva informacin
adicional. De alguna forma, sistematiza una prctica casi inconsciente: la intuicin
humana.
Hoy en da, su teora es la base de la estadstica bayesiana, una filosofa de
pensamiento cada vez ms utilizada para lograr nuevos conocimientos y
aplicaciones. Gracias a ella se desarrollan programas para combatir el spam en
Internet, al anlisis de ensayos clnicos en Medicina o en Ingeniera.
En ocasiones se plantea una controversia entre la filosofa bayesiana y la
frecuentista (identificada como tradicional), pero ambos procedimientos son
correctos desde el punto de vista matemtico y en muchas ocasiones llegan a las
mismas conclusiones. Otras veces, una de las filosofas es preferible a la otra por
las particularidades de una investigacin concreta, por lo que un profesional de la
estadstica debera conocer y usar una u otra indistintamente, dependiendo del
contexto en el que est trabajando.
Bayes, 1702.1761 (2016, enero) Thomas Bayes .Wikipedia. Recuperado de
https://en.wikipedia.org/wiki/Thomas_Bayes
Estudi el problema de la determinacin de la probabilidad de las causas a travs
de los efectos observados. El teorema que lleva su nombre se refiere a la

probabilidad de un suceso condicionado por la ocurrencia de otro suceso. Ms

especficamente, con su teorema se resuelve el problema conocido como "de la
probabilidad inversa". Esto es, valorar probabilsticamente las posibles condiciones
que rigen supuesto que se ha observado cierto suceso. Se trata de probabilidad
"inversa" en el sentido de que la "directa" sera la probabilidad de observar algo
supuesto que rigen ciertas condiciones. Los defensores de la inferencia bayesiana
(basada en dicho teorema) afirman que la trascendencia de la probabilidad inversa
reside en que es ella la que realmente interesa a la ciencia, dado que procura
sacar conclusiones generales (enunciar leyes) a partir de lo objetivamente
observado, y no viceversa.
Bayes, 1702.1761 (2007, febrero) Thomas Bayes. Enrique r. Aznar, dpto. Algebra.
Facultad de ciencias. Recuperado de http://www.ugr.es/~eaznar/bayes.htm
Probabilidad bayesiana es el nombre que reciben

varias interpretaciones

correspondientes de probabilidad , que tienen como idea principal la nocin de

probabilidad como algo as como una creencia parcial, en lugar de una frecuencia.
Esto permite que la aplicacin de la probabilidad a todo tipo de propuestas y no
slo los que venga con una clase de referencia. "Bayesiano" se ha utilizado en
este sentido desde alrededor de 1950. Desde su renacimiento en la dcada de
1950, los avances en la tecnologa informtica han permitido a los cientficos de
muchas disciplinas para emparejar la estadstica bayesiana tradicionales con
paseo aleatorio tcnicas. El uso del teorema de Bayes se ha extendido en la
ciencia y en otros campos.
Se utiliza para calcular la probabilidad de la validez de una proposicin tomando
como bases la estimacin de la probabilidad previa y las evidencias relevantes
ms recientes. Las desventajas de este mtodo sealadas por estadsticos
posteriores a Bayes incluyen las diferentes maneras de asignarlas distribuciones
de parmetros previas y la posible sensibilidad en las conclusiones segn se
escojan las distribuciones; dentro de la teora probabilstica, proporcionada a la

distribucin de probabilidad condicional de un evento B(probabilidad posterior),en

funcin de las distribucin de probabilidad condicional del evento B dado A y de
la distribucin de probabilidad marginal de un evento A(probabilidad simple).

Partiendo de las frmulas de probabilidad condicional

Y probabilidad conjunta

Para eventos estadsticamente dependientes se proceder a enunciar el

teorema de Bayes
Sean A1, A2,, A22 eventos mutuamente excluyentes tales que,
cualquier evento B en el espacio muestral pertenece a uno y solo a uno de
estos eventos. Entonces la probabilidad de que ocurra cualquier evento A
dado que ha ocurrido el evento B se calculara por la siguiente formula:

Por lo tanto, sustituyendo la frmula de probabilidad condicional, se obtiene

la

formula

general

para

el

teorema

de

Bayes:

Dnde:
El numerador es la probabilidad conjunta:

El denominador es la probabilidad marginal de que ocurra el evento B

Ejemplo: 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%
1. Seleccionamos una pieza al azar; calcula la probabilidad de que sea
defectuosa.
2. Tomamos, al azar, unapieza y resulta ser defectuosa; calcula la
probabilidad de haber sido producida por la B.
3. Qu mquina tiene la mayor probabilidad de haber producido la citada
pieza defectuosa?
Solucin 2
Ejercicio 3: En una clase hay 40 alumnos entre chicos y chicas, cuya
cantidad puedes variar. Se escoge una comisin de tres personas. Calcular
1. Probabilidad de que la formen dos hombres y unamujer.
2. Probabilidad de que la segunda persona elegida sea mujer
3. Probabilidad de obtener hombre, mujer y hombre, en este orden.
4. Si la segunda persona elegida ha sido una mujer, cual es la probabilidad
de que la primera fuera un hombre.

CONCLUSIONES

El teorema de Bayes, lo que permite es calcular una especie de probabilidad

condicionada inversa, es muy utilizada en las finanzas para evaluar escenarios.
Del mismo modo permite reevaluar las probabilidades, conociendo nueva
informacin condicionante.
Supongamos que deseas evaluar la relacin entre el ndice de una Bolsa de
Valores, y la relacin entre el PIB (o GDP). Esto sera un clculo de probabilidad
X, BAYES aplica si desearas ver el comportamiento del PIB cuando la Bolsa de
valores sube o baja; tambin utilizado en laboratorios clnicos para contribuir al
diagnstico mdico confirmando o rechazando hiptesis por lo que se comprende
la importancia de saber interpretar correctamente las pruebas diagnsticas. El
resultado de una prueba diagnstica puede permitir en primer lugar clasificar a un
individuo como sano o enfermo. Adems permite orientar su tratamiento, aportar
informacin sobre su pronstico o contribuir en la aplicacin de medidas
preventivas.

BIBLIOGRAFIA

http://www.comohacerunaintroduccion.com/
http://www.divestadistica.es/es/2011_10/estadisticos_de_ayer_y_de_hoy_th

omas_bayes.html
https://en.wikipedia.org/wiki/Thomas_Bayes
http://www.ugr.es/~eaznar/bayes.htm