El Teorema de Bayes es un procedimiento que nos permite expresar la

probabilidad condicional de un evento aleatorio A dado B, en términos de la

distribución de probabilidad del evento B dado A y la distribución de probabilidad
de solo A.

Este teorema es de mucha utilidad, ya que gracias a él podemos relacionar la

probabilidad de que un evento A ocurra sabiendo que ocurrió B, con la probabilidad
de que ocurra lo contrario, es decir, que ocurra B dado A.

TEOREMA DE BAYES
El teorema de Bayes fue una proposición plateada por el reverendo Thomas Bayes,
un teólogo inglés del siglo XVIII quien también fue matemático. Fue autor de
varios trabajos en teología, pero en la actualidad es conocido por un par de
tratados matemáticos, entre los cuales destaca como resultado principal el ya
referido Teorema de Bayes.

Bayes se ocupó de este teorema en un trabajo titulado “An Essay towards solving
a Problem in the Doctrine of Chances” (Un ensayo para resolver un problema en
la doctrina de las posibilidades), publicado en 1763, y sobre el cual se han
desarrollado grandes estudios con aplicaciones en diversas áreas de conocimiento.

Explicación
Primero, para una mayor compresión de este teorema, son necesarias algunas
nociones básicas de teoría de probabilidad, especialmente el teorema de la
multiplicación para probabilidad condicional, el cual establece que

Para E y A eventos arbitrarios de un espacio muestral S.

Y la definición de particiones, la cual nos dice que si tenemos A1,A2,…, An eventos

de un espacio muestral S, estos formarán una partición de S, si los Ai son
mutuamente exclusivos y su unión es S.

Teniendo esto, sea B otro evento. Entonces podemos ver a B como

Donde las Ai intersecadas con B son eventos mutuamente exclusivos.

Luego, aplicando el teorema de la multiplicación

Por otra parte, la probabilidad condicional de Ai dado B se define por

Sustituyendo de manera adecuada tenemos que para cualquier i

Aplicaciones del Teorema de Bayes

Gracias a este resultado, grupos de investigación y corporaciones diversas han
logrado mejorar los sistemas que están basados en conocimientos.

Por ejemplo
En el estudio de enfermedades, el teorema de Bayes puede ayudar a discernir la
probabilidad de que una enfermedad sea encontrada en un grupo de personas con
una característica dada, tomando como datos las tasas globales de la enfermedad
y el predominio de dicha características en personas tanto sanas como enfermas.

Por otro lado, en el mundo de las altas tecnologías, ha influenciado a grandes

compañías que han desarrollado, gracias a este resultado, software “Basados en
el Conocimiento”.

Como ejemplo cotidiano tenemos el asistente de Microsoft Office. El teorema de

Bayes ayuda al software a evaluar los problemas que presenta el usuario y
determinar qué consejo proporcionarle y así poder ofrecer un mejor servicio según
los hábitos del usuario.

Cabe destacar que esta fórmula fue ignorada hasta tiempos recientes, esto se
debe principalmente a que cuando se desarrolló este resultado hace 200 años,
había poco uso práctico para ellos. Sin embargo, en nuestra época, gracias a los
grandes avances tecnológicos, los científicos han logrado maneras de poner en
práctica este resultado.

Ejercicio 1
Una empresa de celulares tiene dos máquinas A y B. El 54% de los celulares
producidos son hechos por la máquina A y el resto por la máquina B. No todos los
celulares producidos están en buen estado.

La proporción de celulares defectuosos hechos por A es 0.2 y por B es 0.5. ¿Cuál

es la probabilidad de que un celular de dicha fábrica sea defectuoso? ¿Cuál es la
probabilidad de que, sabiendo que un celular es defectuoso, proceda de la
máquina A?

Solución

Aquí, se tiene un experimento que se realiza en dos partes; en la primera parte

ocurren los eventos:

A: celular hecho por la máquina A.

B: celular hecho por la máquina B.

Ya que la máquina A produce el 54% de los celulares y el resto los produce la
máquina B, se tiene que la máquina B produce el 46% de los celulares. Las
probabilidades de estos eventos son dadas, a saber:

P(A)=0,54.

P(B)=0,46.

Los eventos de la segunda parte del experimento son:

D: celular defectuoso.

E: celular no defectuoso.

Como se dice en el enunciado, las probabilidades de estos eventos dependen del

resultado obtenido en la primera parte:

P(D|A)=0,2.

P(D|B)=0,5.

Utilizando estos valores, se puede determinar también las probabilidades de los

complementos de estos eventos, es decir:

P(E|A) = 1 – P(D|A)

= 1 – 0,2

= 0,8

p(E|B) = 1 – P(D|B)

= 1 – 0,5

= 0,5.

Ahora, el evento D se puede escribir como sigue:

Utilizando el Teorema de la multiplicación para probabilidad condicional resulta:

Con lo cual se responde la primera pregunta.

Ahora solo falta calcular P(A|D), para lo cual se aplica el Teorema de Bayes:

Gracias al Teorema de Bayes se puede afirmar que la probabilidad de que un

celular haya sido hecho por la máquina A, sabiendo que el celular es defectuoso,
es de 0.319.

Ejercicio 2
Tres cajas contienen bolas blancas y negras. La composición de cada una de ellas
es la siguiente: U1 = {3B, 1N}, U2 = {2B, 2N}, U3 = {1B, 3N}.
Se elige al azar una de las cajas y se extrae de ella una bola al azar la cual resulta
ser blanca. ¿Cuál es la caja con mayor probabilidad de haber sido elegida?

Solución

Mediante U1, U2 y U3, representaremos también la caja elegida.

Estos sucesos constituyen una partición de S y se verifica que P(U1) = P(U2) =

P(U3) = 1/3 ya que que la elección de la caja es al azar.

Si B={la bola extraída es blanca}, tendremos P(B|U1) = 3/4 , P(B|U2) = 2/4 ,

P(B|U3) = 1/4 .

Lo que deseamos obtener es la probabilidad de que la bola haya sido sacada de la

caja Ui sabiendo que dicha bola fue blanca, es decir, P(Ui |B), y ver cuál de los
tres valores fue el más alto para conocer de cuál caja ha sido más probable la
extracción de la bola blanca.

Aplicando el teorema de Bayes a la primera de las cajas:

Y para las otras dos:

P(U2|B) = 2/6 y P(U3|B) = 1/6.

Luego, la primera de las cajas es la que tiene una mayor probabilidad de haber
sido elegida para la extracción de la bola blanca.