Estadística Administrativa

TEOREMA DE BAYES

1
 Teorema de Bayes

La probabilidad condicional se basa en el resultado de un

hecho para describir otra probabilidad específica.

Este concepto de puede extender cada vez que se tiene

nueva información con la cual determinar si una
probabilidad se debe a una causa específica.

Este procedimiento recibe el nombre de Teorema y Bayes

y se maneja así:
2
 Teorema de Bayes

Si A es un evento simple y Bi es una sucesión de eventos,

la probabilidad de que se cumpla el evento Bi dado que ya
se cumplió el evento A es:

P( A / Bi ) P( Bi )
P( Bi / A) 
P( A / B1 ) P( B1  P( A / B2 ) P( B2 )  ...  P( A / Bn ) P( Bn )

3
 El gerente de mercadotecnia de una compañía fabricante
de juguetes estudia el lanzamiento de un juguete nuevo. En
el pasado, el 40% de los juguetes introducidos por la
compañía han tenido éxito y 60% han fracasado.

4
 Antes de lanzar el nuevo juguete se realiza un estudio de
mercado y se hace un informe, ya sea favorable o
desfavorable. En el pasado, 80% de los juguetes con éxito
tenían un informe favorable y 30% de los juguetes que
fracasaron tenían un informe favorable. El gerente de
mercadotecnia quiere conocer la probabilidad de que el
juguete tenga éxito si recibe un reporte favorable.

5
 Análisis previo

¿Qué se busca? :
La probabilidad de que el juguete tenga éxito.

¿Qué condiciones tenemos? :

Resultados de un informe favorable

P(Éxito/Favorable)

6
 Análisis previo

Juguetes con éxito : 40% P(éxito) = 0.4

Juguetes con fracaso : 60% P(fracaso) = 0.6

Datos del pasado:

Juguetes que tuvieron éxito y previamente les habían
reportado un informe favorable  80%

Juguetes que fueron un fracaso y previamente les habían

reportado un informe favorable  30%

7
 Análisis previo

Juguetes que tuvieron éxito y previamente les habían

reportado un informe favorable  80%

P(Éxito/Favorable) = 0.8

Juguetes que fueron un fracaso y previamente les habían

reportado un informe favorable  30%

P(Fracaso/Favorable) = 0.3

8
 Propósito

La aplicación del teorema de Bayes indica que se busca la

probabilidad de que un juguete sea un éxito, siendo que el
dictamen que se tiene es favorable; el enunciado es el
siguiente:

P(Éxito/Favorable) =

P( Favorable/ Éxito) P( Éxito)


P( Favorable/ Éxito) P( Éxito)  P( Favorable/ Fracaso) P( Fracaso)

9
 Desarrollo

P( Favorable/ Éxito) P( Éxito)


P( Favorable/ Éxito) P( Éxito)  P( Favorable/ Fracaso) P( Fracaso)

(0.8)(0.4)

(0.8)(0.4)  (0.3)(0.6)
(0.32)

(0.32)  (0.18)


0.32
 0.64 64%
0.5
10
La probabilidad de que una persona tenga una enfermedad
es de 0.03. Se dispone de pruebas de diagnóstico médico
para determinar si una persona en realidad padece la
enfermedad.

Si la enfermedad de hecho está presente, la probabilidad

de que la prueba de diagnóstico médico de un resultado
positivo es de 0.9. Si la enfermedad no está presente, la
probabilidad de un resultado positivo en la prueba de
diagnóstico médico es de 0.02.
11
Suponga que la prueba de diagnóstico médico ha dado un
resultado positivo. ¿Cuál es la probabilidad de que la
enfermedad esté presente en realidad.

¿Qué se busca? :
La probabilidad de que el paciente esté enfermo

¿Qué condiciones tenemos? :

Diagnóstico positivo

12
 Se busca calcular : P(Enfermo/Positivo)

Pacientes enfermos : 0.03 P(Enfermo) = 0.03

Pacientes sanos : 0.97 P(Sano) = 0.97

Datos de pacientes en el pasado:

Resultado positivo y estaban enfermos  0.90
Resultado positivo y estaban sanos  0.02
13
 Análisis previo

Resultado positivo y estaban enfermos  0.90

P(Positivo/Enfermo) = 0.9

Resultado positivo, y estaban sanos 0.02

P(Positivo/Sano) = 0.02

14
 Propósito

La aplicación del teorema de Bayes indica que se busca la

probabilidad de que un paciente dé un resultado positivo y
los datos anteriores indican que está enfermo, el
planteamiento es el siguiente:

P(Positivo/Enfermo) =
P( Enfermo / Positivo) P( Positivo)

P( Enfermo / Positivo) P( Positivo)  P( Sano / Positivo) P( Positivo)

15
 Desarrollo

P( Enfermo / Positivo) P( Positivo)


P( Enfermo / Positivo) P( Positivo)  P( Sano / Positivo) P( Positivo)

(0.9)(0.03)

(0.9)(0.03)  (0.02)(0.97)

(0.027)

(0.027  (0.0194) 58%
0.027
  0.5819
0.0464

16
Tenemos una caja con 4 bolas blancas y 7 bolas negras Extraemos dos bolas
consecutivamente y sin reemplazamiento. Si la segunda bola ha salido negra
calcular la probabilidad de que la primera bola extraída haya sido blanca.

Vamos a definir cada un o de 1os sucesos posibles:

17
18
19
En una línea de producción hay dos procesos A y B. En el proceso
A hay un 20% de defectuosos y en B hay 25%. En una muestra de
300 productos hay 200 del proceso A y 100 del B.

Hallar
a) Si se extrae un producto al azar, hallar la probabilidad que sea
defectuoso.

b) Si al extraer el producto resultó defectuoso, halle la

probabilidad de que sea del proceso A.

20
SOLUCIÓN

Sean los siguientes eventos:

A: "el producto es del proceso A"

B: "el producto es del proceso B"
D: "el producto es defectuoso"
a) La probabilidad de que sea defectuoso P(D) queda graficada
de la siguiente forma

P (D) = P (AD) + P (BD)

P (D) = (200/300) (0.20) +
(100/300)(0.25)
P (D) = 0.22

21
b) Por el teorema de Bayes se tiene:

22