INTRODUCCION

El teorema de Bayes , en la teora de la probabilidad, es

una proposicin planteada por el filsofo ingls Thomas
Bayes (1702-1761)1 en 1763,2 que expresa la
probabilidad condicional de un evento aleatorio A dado B
en trminos de la distribucin de probabilidad
condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.

En trminos ms generales y menos matemticos, el

teorema de Bayes es de enorme relevancia puesto que
vincula la probabilidad de A dado B con la probabilidad
de B dado A. Es decir, por ejemplo, que sabiendo la
probabilidad de tener un dolor de cabeza dado que se
tiene gripe, se podra saber (si se tiene algn dato ms),
la probabilidad de tener gripe si se tiene un dolor de
cabeza. Muestra este sencillo ejemplo la alta relevancia
del teorema en cuestin para la ciencia en todas sus
ramas, puesto que tiene vinculacin ntima con la
comprensin de la probabilidad de aspectos causales
dados los efectos observados.
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 frmula del Teorema de Bayes es:

TEOREMA DE BAYES
Sea un espacio muestral.
Sean {Ai} () / Ai = , Ai Aj = i j, conocindose
P(Ai) i , P(Ai) > 0
Sea B un suceso tal que P(B) > 0 y del que se conocen P(B/A i) i
Entonces :

P(Ai/B) = ________ P(B/Ai) P(Ai)____________________

P(B/A1) P(A1) + P(B/A2) P(A2) + .......+ P(B/An)P(An)

Es decir:

P(Ai/B) = __P(B/Ai) P(Ai)__

P(B/Ak) P(Ak)

Demostracin:
P(Ai/B) = P(Ai B) por la probabilidad condicionada.
P(B)
Si en el numerador aplicamos el Teorema del Producto, y en el
Denominador la Probabilidad Total, queda:

P(Ai/B) = P(AiB) = P(B/Ai) P(Ai)___

P(B) P(B/Ak) P(Ak)

Ejemplo 1:
Para la extraccin de un gran lote de minerales se utilizan
3 mquinas: M1, M2 y M3. La mquina 1 extrae el 20%, la mquina 2
El 30%, y la mquina 3 el 50% restante. La mquina 1 extrae un 1% de
De impurezas, la mquina 2 un 2% de impurezas y la mquina 3 un 3%.
Se selecciona un mineral al azar y resulta tener impurezas. Calcular
la
Probabilidad de que haya sido extrado por la mquina 3.

Sean: I = IMPUREZAS
Mi = MINERAL EXTRAIDO
As: P(M1) = 0,2 P(M2) = 0,3 P(M3) = 0,5
P(I/M1) = 0,01 P(I/M2) = 0,02 P(I/M3) = 0,03
Nos piden la probabilidad del suceso M3/I . Se cumple que M1, M2
y M3 forman una particin, por lo que:

P(M3/I) = __P(I/M3) P(M3)_ = ______ 0,03 0,5__________ =

P(I/Mi) P(Mi) 0,010,2 + 0,020,3 + 0,03.0,5

= 0,015_ = 0,6522
0,023
DIAGRAMA DEL ARBOL
es una herramienta que se utiliza para determinar todos los posibles resultados
de un experimento aleatorio. En el clculo de muchas probabilidades se
requiere conocer el nmero de objetos que forman parte del espacio muestral,
estos se pueden determinar con la construccin de un diagrama de rbol.
El diagrama de rbol es una representacin grfica de los posibles resultados
del experimento, el cual consta de una serie de pasos, donde cada uno de
estos tiene un nmero finito de maneras de ser llevado a cabo. Se utiliza en los
problemas de conteo y probabilidad.
Para la construccin de un diagrama en rbol se partir poniendo una rama
para cada una de las posibilidades, acompaada de su probabilidad. Cada una
de estas ramas se conoce como rama de primera generacin.
En el final de cada rama de primera generacin se constituye a su vez, un nudo
del cual parten nuevas ramas conocidas como ramas de segunda generacin,
segn las posibilidades del siguiente paso, salvo si el nudo representa un
posible final del experiment (nudo final).
Hay que tener en cuenta que la construccin de un rbol no depende de tener
el mismo nmero de ramas de segunda generacin que salen de cada rama de
primera generacin y que la suma de probabilidades de las ramas de cada
nudo ha de dar 1.
Existe un principio sencillo de los diagramas de rbol que hace que stos sean
mucho ms tiles para los clculos rpidos de probabilidad: multiplicamos las
probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de
alumna de la primera facultad, o bien las sumamos si se trata de ramas
separadas que emergen de un mismo punto, el ejemplo de encontrar un
alumno.
DIAGRAMA DE VENN

DEFINICIN AXIOMTICA DE CONSECUENCIAS DE LOS AXIOMAS:

PROBABILIDAD PROPIEDADES

Probabilidad : funcin que asocia a

cada suceso A un nmero real P(A)
que cumple los axiomas:
Probabilidad de la unin
Probabilidad condicionada

Sucesos independientes

Teorema de la probabilidad compuesta (interseccin de

sucesos dependientes)

Tablas de contingencia.

A Total

B P ( A B ) P(B)

Total P(A) 1
 Sistema completo de sucesos.

Familia de sucesos A1, A2, ... , An de sucesos A que cumplen :

Teorema de la probabilidad total

En un sistema completo de sucesos se cumple que :

Teorema de Bayes

En un sistema completo de sucesos se cumple que :

P ( Ai ) : Probabilidaddes a priori.
P ( Ai / B ) : Probabilidades a posteriori.
P ( B / Ai ) : Verosimilitudes.