Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOTA:
INTRODUCCIÓN
Se presenta en este trabajo la aplicación del teorema de Bayes mediante la interpretación de casos específicos y con ello poder
adquirir destreza de dicho teorema mediante el uso del programa Excel.
OBJETIVOS
Interpretar el teorema de Bayes en el desarrollo de problemas prácticos a través de la herramienta Excel.
MATERIALES (DIBUJADOS O IMÁGENES)
Para Mesa, Rivera & Romero (2011), las diferentes metodologías de inferencia se pueden ver
UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0
como un conjunto de fórmulas que resultan aplicables en determinados casos y bajo ciertas
condiciones. La metodología bayesiana está basada en la interpretación subjetiva de la
probabilidad y tiene como punto central el Teorema de Bayes.
Los modelos bayesianos primordialmente incorporan conocimiento previo para poder estimar
modelos útiles dentro de un espacio muestral y de este modo poder estimar parámetros que
provengan de la experiencia o de una teoría probabilística. La estadística bayesiana provee
cantidades tanto conocidas como desconocidas lo que permite incorporar los datos conocidos
dentro de la estimación de los parámetros dados inicialmente, logrando así un proceso de
estimación más rico en información haciendo inferencias sobre las cantidades desconocidas
(López 2011).
Thomas Bayes, un clérigo del siglo XVIII, desarrolló el siguiente teorema, que fue conocido
después de su muerte, para el cálculo de probabilidades condicionales:
Sea {A1, A2,….Ai….An} un conjunto de sucesos mutuamente excluyentes y cuya unión es el
total o sea 1, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un
suceso cualquiera del que se conocen las probabilidades condicionales P (B/Ai). Entonces la
probabilidad P (Ai/B)
viene dada por la
expresión:
Dónde: P (Ai) son las probabilidades a priori. P (B / Ai) es la probabilidad de B en la hipótesis Ai.
P (Ai / B) son las probabilidades a posteriori. Esto se cumple siempre que Este teorema es
válido en todas las aplicaciones de la teoría de la probabilidad aunque sin embargo, ha existido
mucha controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de
la estadística tradicional también denominada objetivista o frecuencialista (6) sólo admiten
probabilidades basadas en experimentos repetibles y que tengan una confirmación empírica
mientras que los llamados estadísticos bayesianos permiten y defienden la utilidad de las
probabilidades subjetivas. El teorema, que ha resurgido con gran popularidad desde hace ya
UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0
algunos años, puede servir entonces para indicar cómo debemos modificar nuestras
probabilidades subjetivas cuando recibimos información adicional de un experimento. Este
enfoque que propugna la estadística bayesiana está demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y permitir revisar esas estimaciones
en función de la evidencia, lo que está abriendo nuevas formas de hacer conocimiento
(Fernández, 2009).
Para Fernández (2009) el origen del concepto de la obtención de probabilidades posteriores con
información limitada se atribute al respetable Thomas Bayes. La fórmula básica para la
probabilidad condicional en circunstancias de dependencia se conoce como Teorema de
Bayes.6 P (A|B) = P (B∩A)/P(A) En términos más generales y menos matemáticos, el Teorema
de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Este teorema es conocido también como el teorema de las causas,
este método es utilizado para obtener diversos resultados
Pregunta 2
UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0
Pregunta 3
Análisis de Resultados
Los siguientes resultados se analizan teniendo como base una población de 50 personas:
Pregunta 1.
La probabilidad de que una persona seleccionada de 20 años, que sea del estrato 3 es del 8,33%.
Pregunta 2.
La probabilidad que una persona seleccionada de 22 años que estudie ingeniería industrial es del 20%.
Pregunta 3.
La probabilidad que una persona de 18 años, que dedica 30 horas semanales de estudio seleccionadas
de 20 años es del 25%.
CONCLUSIONES
El ejercicio permite concluir que el Teorema de Bayes tiene una gran importancia en la toma de
decisiones desde la mirada de los modelos bayesianos y el desarrollo de aplicaciones
empresariales en proporción de los costos reales y las oportunidades en que las decisiones a
menudo deben hacerse en condiciones de incertidumbre.
APLICACIÓN PROFESIONAL DE LA PRÁCTICA REALIZADA
Este ejercicio perite optimizar la toma de decisiones en cuanto a que mediante el teorema de
Bayes se expresa la probabilidad condicional de un evento aleatorio A dado B en términos de la
distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad
marginal de sólo A.
REFERENCIAS BIBLIOGRÁFICAS
Levin, R. & Rubin, D. (2004). “Estadística para administración y economía”. Séptima edición.
Pearson.
López de Castilla, Carlos. (2011). “Estadística Bayesiana. Universidad Nacional Mayor de San
Marcos. EP4066. 2011-2.
Mesa, L., Rivera, M., & Romero, J. (2011). Descripción general de la Inferencia Bayesiana y
sus aplicaciones en los procesos de gestión. Revista la simulación al servicio de la
academia, Edición 2, Universidad del Rosario. Recuperado de:
https://www.urosario.edu.co/Administracion/documentos/investigacion/laboratorio/miller_2
_2.pdf