Regla de Bayes

La regla de Bayes es un caso especial de la probabilidad condicional que se aplica

cuando se desea calcular la probabilidad condicional de un evento que ocurrió
primero dado lo que ocurrió después. Requiere tres términos (una probabilidad
condicional y dos probabilidades incondicionales) sólo para calcular una probabilidad.
La expresión de la regla de Bayes para dos variables discretas es:

La regla de Bayes es útil en la práctica porque hay muchos casos donde disponemos
de buenas estimaciones probabilistas para estos tres números y necesitamos calcular
el cuarto. En una tarea como el diagnóstico médico, con frecuencia tenemos
probabilidades condicionales de relaciones causales y necesitamos deducir un
diagnóstico.
Modelando probabilísticamente una relación entre una causa y un efecto la regla de
Bayes nos da una manera de obtener la probabilidad de causa, dado que se ha
observado Efecto:
P(Causa|Efecto) = α · P(Efecto|Causa)P(Efecto)
Nos permite diagnosticar en función de nuestro conocimiento de relaciones causales y
de probabilidades a priori.

Ejemplo:
Unos psicólogos especializados en el tratamiento de trastornos de personalidad están
interesados en diagnosticar el trastorno que afecta un paciente, en el que observan un
conjunto de síntomas que indican que el paciente podría sufrir el trastorno A o el
trastorno B. Además, saben que los porcentajes de individuos afectados por los
trastornos A, B o ningún trastorno son 10, 30 y 70. También saben que el porcentaje de
individuos afectados por el trastorno A y que muestran el síntoma X es igual al 60%, el
porcentaje de individuos que sufren el trastorno B y muestran el síntoma X es el 30% y
el porcentaje de individuos no afectados que muestran los síntomas de trastorno es el
10%. ¿Cuál es la probabilidad de que el paciente sufra el trastorno A?

.6
.1 Trastorno A Síntoma X .6*.1
P(A|B) =___________________= .27
.3 .3 .6*.1 + .3*.3 + .7*.1
Trastorno B Síntoma X

.7 .1
Trastorno C Síntoma X