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
INFORMACIÓN BÁSICA
INFORME DE LABORATORIO ESTADÍSTICA
(Para elaborar por el Estudiante)
Estadística y probabilidad
Trabajo individual
ESTUDIANTES
Deisy Mayerli Bastidas Pantoja
Grupo de Practica.

NOTA:

PROGRAMA: Administración de Empresas

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)

MARCO TEÓRICO (RESUMIENDO LA TEMÁTICA ABORDADA)

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.

Dentro de las aplicaciones de la teoría de la probabilidad es válido enunciar el Teorema de

Bayes como expresión de probabilidad condicional que demuestra los beneficios obtenidos en
las estimaciones basadas en conocimientos intrínsecos. La metodología bayesiana específica
un modelo de probabilidad que contiene algún tipo conocimiento previo acerca de un parámetro
investigativo, de este modo se acondiciona al modelo de probabilidad para realizar el ajuste de
los supuestos.

El fin de la estadística, específicamente de la estadística Bayesiana, es suministrar una

metodología para estudiar adecuadamente la información mediante análisis de datos y decidir
de manera acertada sobre la mejor forma de actuar.

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

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 (Levin & Rubin 2004):

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
PROCEDIMIENTO A UTILIZAR

PARTE 1. Tablas Dinámicas

• Tomando las dos variables de la encuesta (Base de datos laboratorio 2), Realice una tabla
cruzada usando tablas dinámicas (revisar los tutoriales del material de consulta del módulo
02)
PARTE 2. Determinar Probabilidades Condicionales, Probabilidad Total Y Regla De Bayes
• Con la tabla cruzada de la base de datos laboratorio 2, responder las siguientes preguntas.
1. Selecciona las variables (edad vs estrato) ¿Cuál es la probabilidad de que una persona
seleccionada de 20 años, dado que sea del estrato 3?
2. Selecciona las variables (edad vs carrera), ¿Cuál es la probabilidad de que una persona
seleccionada de 22 años dado que estudie ingeniería industrial?
3. Selecciona las variables (edad vs tiempo de estudio semanal), ¿Cuál es la probabilidad de que se
seleccione una persona de 18 años, dado que dedica 30 horas semanales de estudio?
 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

RESULTADOS Y ANÁLISIS DE RESULTADOS

Parte 1 y parte 2, pregunta 1:

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

Fernández, R. (2009). El teorema de Bayes y su utilización en la interpretación de las pruebas

diagnósticas en el laboratorio clínico. Revista Cubana de Investigaciones Biomédicas
2009; 28(3):158-165. Recuperado de: http://scielo.sld.cu/pdf/ibi/v28n3/ibi13309.pdf
 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

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