I.

INTRODUCCIN

El ejercicio de toma de decisiones est presente en todas las actividades del

hombre. El dilema de qu eleccin es la ms correcta nos causa algo de
preocupacin por el grado de incertidumbre que acompaa la opcin tomada,
es decir, la probabilidad de que ocurra o no un evento. Esto genera riesgos
independientemente de cual decisin se tome, entonces Cmo elegir?
La incertidumbre la genera la informacin insuficiente, sin embargo, estamos
obligados a hacer una eleccin, el resultado depender del estado de la
naturaleza, que desconocemos en un principio y sobre el cual no tenemos
control. A pesar del contexto no podemos sustraernos de la realidad y debemos
buscar los criterios de eleccin ms acertados.
El razonar lgicamente nos dir que debemos escoger la opcin que plantea
menores riesgos, para lo cual utilizamos la informacin disponible de la mejor
forma posible para determinar la probabilidad de ocurrencia de un evento.
Sin embargo, consideraciones del tipo: es muy improbable que el partido
independiente gane las prximas elecciones, es probable que Juan haya sido
quien llam por telfono o es probable que se encuentre un

tratamiento

eficaz para el sida en los prximos cinco aos. No obstante, una cuantificacin
sobre la base subjetiva resulta familiar y fecunda para el enfoque bayesiano. Al
admitir un manejo subjetivo de la probabilidad, el analista bayesiano podr
emitir juicios de probabilidad sobre una hiptesis y expresar por esa va su
grado de conviccin al respecto, tanto antes como despus de haber
observado datos. Esta subjetividad que flexibiliza el clculo de las
probabilidades, es sin embargo una de las mayores debilidades, ya que por
esta va se tendrn en principio tantos resultados como personas opinen al
respecto.

HISTORIA DEL TEOREMA DE BAYES

Thomas Bayes naci en Londres, Inglaterra en 1702 y muri el 07 de Abril de

1761. Ministro presbiteriano y matemtico, dedic su vida al estudio de las
causas de los hechos, fue el primero en utilizar la probabilidad inductivamente y
establecer una base matemtica para la inferencia probabilstica (la manera de
calcular, a partir de la frecuencia con la que un acontecimiento ocurri, la
probabilidad de que ocurrira en el futuro).
En 1763 se public pstumamente ESSAY Towards Solving a Problem in the
Dostrine of Chances, donde el reverend Bayes abordo el problema de las
causas a travs de los efectos observados, y donde se enuncia el teorema que
lleva su nombre. Este trabajo fue encargado a la Royal Society por Richard
Price y resulta ser a base para la tcnica estadstica conocida como estadstica
bayesiana, que se utiliza para calcular la probabilidad de la validez de una
proposicin tomando como bases la estimacin de la probabilidad previa y las
evidencia relevantes ms recientes.
Thomas Bayes consider la forma en que podra probar la existencia de Dios
examinando toda evidencia que el mundo aportaba acerca de l. En un intento
por mostrar que el fin principal de la Divina Providencia... es la felicidad de sus
criaturas, el reverendo Bayes utiliz las matemticas para estudiar a Dios.
Desafortunadamente, las implicaciones teolgicas de sus hallazgos alarmaron
tanto al buen reverendo Bayes que durante su vida se rehus a permitir la

publicacin de su trabajo. Sin embargo, su obra trascendi y la teora de

decisiones moderna a menudo se conoce en su honor como teora de
decisiones bayesiana. El teorema de Bayes ofrece un potente mtodo
estadstico para evaluar nueva informacin y revisar nuestras anteriores
estimaciones (basadas slo en informacin limitada) de la probabilidad de que
las cosas se encuentren en un estado o en otro. Si es utilizado de manera
correcta, se hace innecesario reunir grandes cantidades de datos en un periodo
grande con el fin de tomar mejores decisiones, basadas en probabilidades.

II.

DEFINICIN

La regla de Bayes es solo una tcnica para calcular probabilidades

condicionales, y como regla de probabilidad es indiscutible as como su
validez. A partir de un conjunto de probabilidades llamadas "a priori" o
"sin corregir", calcula un conjunto de probabilidades "a posteriori" o
"corregidas" que no son ms que una modificacin de las primeras ante
la evidencia de que un determinado suceso ha ocurrido.
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?).
La regla de Bayes es solo una tcnica para calcular probabilidades
condicionales.
Partir de un conjunto de probabilidades llamadas a priori o sin
corregir, calcula un conjunto de probabilidades a posteriori o
corregidas que no son ms que una modificacin de las primeras ante
la evidencia de que un determinado suceso ha ocurrido.
El Teorema de Bayes representa un buen instrumento de operacin
matemtica para establecer valores de probabilidad condicional
(conjunta, hacia atrs). Es decir, el caso en que la probabilidad de que
se manifieste un determinado fenmeno est directamente sujeto a que
previamente haya ocurrido otro. El uso del diagrama de rbol tambin
contribuye a que el teorema de Bayes, resulte mucho ms sencillo de
operar, ya que permite obtener los valores de probabilidad conjunta de
una sola vez, rama por rama. En trminos algebraicos la frmula del
Teorema de Bayes se expresa como:

T. DE BAYES = Valor de probabilidad conjunta del fenmeno especficamente determinado

Probabilidades conjuntas de todas las posibilidades relativas al fenmeno

REVISIN DE LA PROBABILIDAD USANDO EL TEOREMA DE BAYES

Formula del Teorema de Bayes

Unido a la defincion de probabilidad condicionada, obtenemos la
Formula de Bayes, tambien conocida como la Regla de Bayes:

III.

Las probabilidades P(Ai) se denominan PROBABILIDADES A

PRIORI
Las probabilidades P(Ai/B) se denominan PROBABILIDADES

APOSTERIORI.
Las probabilidades P(B/Ai) se denominan verisimilitudes.

DESCRIPCIN PASO A PASO DE LA TCNICA

El boletn 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 20%.
b) Si nieva: probabilidad de accidente del 10%
c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estbamos en
la ciudad no sabemos qu tiempo hizo (llovi, nev 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 50%,
nieve con el 30% y niebla con el 20%). 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 aposteriori"
Vamos a aplicar la frmula

Probabilidad de que estuviera lloviendo

La probabilidad de que efectivamente estuviera lloviendo el da del

accidente (probabilidad a posteriori) es del 71,4%
Probabilidad de que estuviera nevando:

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

Probabilidad de que hubiera niebla

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

IV.

EJEMPLO ORIENTADO AL TEMA INDUSTRIAL

Mrquez y Agurto (grupo A) ganaron el oro en las olimpiadas Rio 2016, tras
imponerse en la final a la dupla inti y llanca (grupo B) (por 6-2, 3-6 y 6-4) la

pareja A tuvo 16 puntos de break los cuales gano el 25% y la pareja B 5 de

los cuales gano el el 40%
Calcular:
A) La probabilidad de ganar un punto en el campeonato
B) Sabiendo que se gan el punto, la probabilidad que fuese la pareja A
SOLUCION
GRUPO A: Mrquez, Agurto
GRUPO B: Inti Llanca
16/21=0.76
5/21= 0.24

A) O.76*0.25+0.24*0.4= 0.286
La probabilidad de ganar un punto 28.6%
B)
____0.76 *0.24______ =0.667
O.76*0.25+0.24*0.4
La probabilidad que fuese la pareja A es de 66.7%

V.

CONCLUSIONES

En este captulo se introdujeron conceptos bsicos de probabilidad y se ilustr

cmo usar el an- lisis de probabilidad para obtener informacin til para la
toma de decisiones. Se describi cmo interpretar la probabilidad como una
medida numrica de la posibilidad de que ocurra un evento. Adems, se vio
que la probabilidad de un evento se puede calcular, ya sea sumando las

probabilidades de los resultados experimentales (puntos muestrales) que

comprende el evento o usando las relaciones que establecen las leyes de
probabilidad de la adicin, de la probabilidad condicional y de la multiplicacin.
En el caso de que se obtenga informacin adicional, se mostr cmo usar el
teorema de Bayes para obtener probabilidades revisadas o posteriores.
La enseanza de probabilidades en se hace cada vez ms necesaria,
especialmente hoy en donde la cantidad de informacin disponible es muy
grande y es absolutamente necesario desarrollar habilidades para poder
procesar tantos datos. Ms an, muchos de los procesos o fenmenos
cotidianos se pueden idealizar. Nos facilita encontrar por ejemplo la
probabilidad de saber en dnde radica el problema en el proceso de produccin
de una empresa, y as, poder solucionarlo ms rpidamente, en otras palabras
nos facilita el trabajo cuando ya lo aplicamos.