3.

Teorema de Bayes

Definición.

El Teorema de Bayes enunciado por el matemático inglés Thomas Bayes (1702-

1761) es un sistema de cálculo de probabilidades pero hecho de forma inversa a
cómo se calculan habitualmente.
Tiene en cuenta la información que conocemos que se ha producido en
determinado entorno con determinados factores para saber cuáles de esos
factores han producido esas consecuencias.
Por ejemplo, si vamos en coche y deja de avanzar podemos calcular las
probabilidades de que eso suceda porque no tenemos gasolina o porque tiene una
avería; desarrollando más esto, si circulan diez coches de varias características
diferentes (cuatro son de alta gama y están bien cuidados, otros cuatro son de
gama media y se les hace más o menos un mantenimiento y dos son de cuarta
mano y sus dueños no se ocupan de ellos) y uno de ellos se queda parado por
avería o falta de gasolina podemos calcular, además, el porcentaje de probabilidad
de que el que se para pertenezca a uno de los tres grupos.

Formula del Teorema:

En esta fórmula A y B forman parte de los sucesos probables que se deben

interpretar. Para calcular el Teorema de Bayes tendremos que tener en cuenta los
siguientes datos. Por un lado, P(A) será la probabilidad a priori. Por otro lado, P(B|
A) será la probabilidad que tenga B con respecto a la hipótesis dada de A, que son
las verosimilitudes. Por último, P(A|B) serán las probabilidades a posteriori.
 Con base en la definición de probabilidad condicionada se obtiene la Fórmula
extendida de Bayes, también conocida como Regla de Bayes:

Esta fórmula nos permite calcular la probabilidad condicional P (Ai│B) de

cualquiera de los eventos Ai dando B.

Aplicación del Teorema.

Su utilidad se ha demostrado, a diferencia de la estimación estadística
tradicional, como un modo de variar nuestras expectativas según la experiencia
concreta que tenemos sobre algo, lo que tiene mucha utilidad en diversos campos,
desde la medicina, el juego de azar y hasta el tratamiento informático de datos.

Las aplicaciones del Teorema de Bayes han sido muy criticadas a lo largo del
tiempo debido a que no siempre se ha aplicado correctamente. Sin embargo, su
aplicación está garantizada siempre y cuando los sucesos tanto exhaustivos como
disjuntos se puedan cumplir correctamente. Por ello, ante la cuestión de para qué
sirve el Teorema de Bayes y cómo se puede aplicar, sabemos que es empleado
para una gran mayoría de casos en los que se desea comprobar la teoría de la
probabilidad.
Por ejemplo, este Teorema puede ser empleado para tantear qué probabilidades
subjetivas puede tiene un determinado suceso cuando hemos recibido algún tipo
de información previa. Por este, entre otros motivos, es que se considera que el
Teorema de Bayes puede emplearse para tener en cuenta qué tipo de
enfermedades puede llegar a padecer una persona, bajo una una probabilidad
aproximada en función de unas características determinadas.

Igualmente, en la gestión de datos e información en mayores cantidades, el

Teorema de Bayes tiene su aplicación informática. Es decir, puede ser empleado
para determinar los correos electrónicos considerados como spam.

Como observación, se obtiene la siguiente y su demostración resulta trivial.

Como aplicaciones puntuales:
 El diagnóstico de cáncer.
 Evaluación de probabilidades durante el desarrollo de un juego de bridge
por Dan F. Waugh y Frederick V. Waugh.
 Probabilidades a priori y a posteriori.
 Un uso controvertido en la Ley de sucesión de Laplace.3
 En el testeo de hipótesis en Ciencia Política cuando se usa metodología
process tracing.

Ejemplos.

1) En el consultorio de Rubén, el 40% de los pacientes fingen tener una

enfermedad (para obtener un descanso medico). Además, el 10% de los
pacientes del consultorio son hombres. La probabilidad de que un paciente
finja una enfermedad dado que es hombre, es del 50%. Calcular la
probabilidad de que un paciente sea hombre, dado que finge una enfermedad.

2) En un acuario se tienen solo 2 especies de peces. El 40% de los peces son de

la especie azul, y el 60% son de la especie roja. De la especie azul, el 30% son
machos, mientras que la especie roja, el 40% son hembras.
 a) si se selecciona un pez hembra, ¿Cuál es la probabilidad de que sea de la
especie azul?

b) si se selecciona un pez macho, ¿Cuál es la probabilidad de que sea de la

especie azul?
A1 → obtener pez de la especie azul

A2 → obtener pez de la especie roja

A1 ∩ A2 = S→ Colectivamente Exhaustivo
A1 U A2 = Ø→ Mutuamente Excluyente
S→ Espacio Muestral

3) Una fábrica de celulares dispone de dos maquina A y B que elaboran el 60%y

40% de la producción. El porcentaje de celulares defectuosos que produce
cada máquina es del 5% y del 10% respectivamente. A) ¿Cuál es la
probabilidad que el celular haya sido fabricado por la maquina A, sabiendo que
es defectuoso?

4) Una fábrica de juguetes dispone de dos máquinas (1 y 2) que elaboran el 65%

y 35% de la producción, el porcentaje de juguetes defectuosos es de 4% y 12%
correspondiente de cada máquina. ¿Cuál es la probabilidad de que el juguete
que sea fabricado por la maquina 1 sea defectuoso?
5) En una ciudad, el 40% de la población trabaja en el sector de servicios, el 35%
en el sector de sanidad y el resto en otros sectores, El 30% de los trabajadores
en el sector servicios son mujeres, el 60% en el sector sanidad y el 45 % en
otros sectores. Si elegida una persona al azar esta es hombre. ¿Qué
probabilidad habrá de que trabaje en el sector de sanidad?