Teorema de Bayes:

El teorema de Bayes entiende la probabilidad de forma inversa al teorema de la

probabilidad total. El teorema de la probabilidad total hace inferencia sobre un
suceso B a partir de los resultados de los sucesos A; una vez calculado la
probabilidad del suceso A. Por su parte, Bayes calcula la probabilidad de A
condicionado a B.

Es decir, sea B1, B2,…Bn una partición del espacio muestral S, tal que cada
elemento de la partición tiene probabilidad estrictamente positiva. Sea A un evento
tal que la probabilidad de A mayor que cero P(A)>0 para cada J=1,2,…n.
Entonces, una probabilidad condicionada viene dada por:

Condición 1.
P ( B j / A ) =P ¿¿

En el caso que la partición del espacio muestral S consta de dos elementos B Y

C
B . El teorema de Bayes adquiere esta forma:
Condición 2.
P( B/ A)=P ¿ ¿

Ejemplo.
En una fábrica hay dos máquinas, la máquina “uno” realiza el 60% de la
producción total y la máquina “dos” el 40% de la producción total. La máquina uno
produce 3% de material defectuoso, la máquina dos produce el 5% de material
defectuoso. El asunto es que se ha encontrado un material defectuoso. ¿Cuál es
la probabilidad de que este material defectuoso provenga de la máquina “2”?

M1= la máquina 1 produjo el material defectuoso

M2= la máquina 2 produjo el material defectuoso
D= el material escogido es defectuoso

P ( M 2 / D¿ ¿ =?

P ( M 1 ¿=0.60 P ( D/ M 2 ¿=0.05 ¿

P ( M 2 ¿=0.40 P ( D/ M 1 ¿=0.03 ¿
0.05 × 0.40 0.02 0.02
P ( M 2 / D¿= = = =0.52
0.05× 0.40+0.03 × 0.60 0.02+ 0.018 0.038

Variables aleatorias discretas y continuas

Una variable aleatoria: es una función que asocia un valor numérico a cada
posible resultado de un experimento aleatorio.

Ejemplo

Lanzar un dado una vez. Sea la variable aleatoria X = resultado de la tirada.

¿Cuántos sucesos elementales hay? ¿Qué valores puede tomar X?

Se denotan las variables aleatorias con letras mayúsculas, y sus posibles valores
con letras minúsculas.

Variables aleatorias discretas: Una variable aleatoria es discreta si toma un

número finito o numerable de valores.

1. Función de probabilidad:

Sea X una variable aleatoria discreta con posibles valores {x1, x2, . . .}. Se llama
función de probabilidad o función de masa, al conjunto de probabilidades con las
que X toma cada uno de sus valores, es decir, pi = P[X = xi ], para i = 1, 2, . . . .

Ejemplo

X = resultado de lanzar un dado. La función de probabilidad es:

x 1 2 3 4 5 6
P[X = x] 111111
666666

Función de probabilidad. Propiedades

0≤ P [ X=x i]≤ 1

∑ P [ X =xi ] =1
i

P [X = x] = ∑ P[ X =xi]
ii x i≤ x

P [X = x]= 1 - P[ X ≤ x ]
 2. Función de distribución

La función de distribución (acumulada) de una variable aleatoria X es la función

F(x) = P [X ≤ x]. Está definida para todo x ∈ R y no sólo para los valores de X.

Ejemplo

X = resultado de lanzar un dado. La función de distribución es

x 1 2 3 4 5 6
1 1 1 11 1
P[X = x] 6 6 6 66 6
F(x) 1 2 3 45 6
6 6 6 66 6

Propiedades

F (−∞) = 0.

F (∞) = 1.

Si x ≤ y, entonces

F(x) ≤ F (y).

Para X discreta, la función de distribución

es de tipo escalón. Cada escalón corresponde a un valor posible de X y el salto
corresponde a la probabilidad.

Variables aleatorias continuas: Una variable aleatoria es continua si toma un

número infinito no numerable de valores (por ejemplo, en un intervalo de R).

 Función de distribución

Para X variables aleatorias continua, la función de distribución es la función F (x)

= P [X ≤ x], ∀x ∈ R
 No son funciones de tipo escalón, sino suaves.

Propiedades

F (−∞) = 0.

F (∞) = 1.

Si x ≤ y, entonces F (x) ≤ F (y ).

F (x) es continua.

La función de probabilidad no tiene sentido en variables aleatorias continuas,

porque

P(X = x) = 0

Para sustituir la función de probabilidad, en variables aleatorias continuas

usaremos la función de densidad.

 Función de densidad

Para una variable aleatoria continua X con función de distribución F (x), la función
de densidad de X es:

Propiedades

 F (x ) ≥ 0 ∀x ∈ R
 P(a ≤ X ≤ b) = ∫ b f (x )dx ∀a, b ∈ R
x

 F (x ) = P(X ≤ x ) = ∫ f (u) du
−∞
∞
 ∫ f ( x ) dx=1
−∞

Ejemplo

Una variable aleatoria X tiene función de densidad

f
}Si 0<x<1 si no
2
( x ) = 12 x ( 1−x )
{ 0

0,5 0,5
P ( X ≤0,5 )=∫ f ( u ) du=∫ 12u2 ( 1−u ) du=0,3125
∞ 0

0,5 0,5
P ( 0,2≤ X ≤ 0,5 )=∫ f ( u ) du=∫ 12u 2 ( 1−u ) du=0,2853
0,2 0,2
 X 0 x3 x4
−∞ { 1
3 4}
P ( X ≤ X )= ∫ f ( u ) du= 12 ( − )

Si x≤ o

Si 0≤ x ≤ 1

Si x¿ 1