1.3.4 DECISIONES BAYESIANAS.

- En algunos casos es factible de tomar decisiones

considerando eventos a priori y a posteriori. En este tipo de casos se aplica el "Teorema de
Bayes".
Sea:
1) Sea  = 1,2,............m un espacio de eventos cuyas probabilidades son conocidas.
2) Sea P las probabilidades de los eventos conocidos. Estas probabilidades son
denominadas a priori.
3) Sea Z = Z1,Z2...........Zn un espacio de eventos cuyas probabilidades no se conocen
4) Sea PZj /i las probabilidades condicionales conocidas
5) Sea Pi / Zj  las probabilidades condicionales a posteriori no conocidas
6) Entonces se conoce como probabilidad total a PZj que se calcula por medio de la
siguiente expresión:
m

PZj =  PZj /i* Pi

i=1
7) Las probabilidades a posteriori, se calculan con la fórmula del Teorema de Bayes.

Pi / Zj  =  PZj /i* Pi / PZj

Ejemplo.- Controles puntuales han demostrado en una fábrica que la probabilidad de un

defecto eléctrico es 0,2. La probabilidad de un incendio accidental si hay un defecto es de
0,7. Si los circuitos están en perfecto estado, la probabilidad de un incendio es de 0,1.
¿Cuáles son las probabilidades totales y las probabilidades a posteriori?

Solución:
1 = Defecto eléctrico
2 = No defecto eléctrico
P1 = 0,2
P2 = 0,8
PZ1 /1= 0,7
PZ1 /2= 0,1
PZ1 = ?
P1/ Z1  = ?
P2/ Z1  = ?
Una vez sacado los datos aplicamos las dos expresiones anteriores
PZ1 = PZ1 /1* P1 + PZ1 /2* P2
PZ1 = 0,7*0,2 + 0,10*0,8
PZ1 = 0,22

P1/ Z1  = PZ1 /1* P1/ PZ1

P1/ Z1  = 0,7*0,2 / 0,22
P1/ Z1  = 0,64
P2/ Z1  = PZ1 /2* P2/ PZ1
P2/ Z1  = 0,10*0,8 / 0,22
P2/ Z1  = 0,36