3.3 TEOREMA DE BAYES EXPLICACIÓN TEXTUAL. 1. FUNDAMENTO.

La probabilidad condicional es el antecedente del Teorema de Bayes. En los siguientes incisos, se describe el origen de la
fórmula de probabilidad condicional que se utiliza en los casos a los que está orientado el teorema de Bayes. Primeramente,
la fórmula de probabilidad condicional para los eventos A y B , en un espacio muestral B , de donde se despeja el
numerador para tener la expresión en función de la intersección de A y B . Luego, una réplica de esto mismo, con el evento
A como espacio muestral de referencia a la estimación de probabilidad condicional. Finalmente, luego de igualar las dos
expresiones de intersección de estos ejercicios, se despeja el término de probabilidad condicional para A dado B, con lo cual
se obtiene la expresión fundamental del teorema - ver el inciso f-.

a) Para los eventos A y B , f) Despejando,

d) Se tiene que
en un contexto B ,

b) De donde, e) Igualando expresiones

de los incisos "b" y "d",

c) Para los eventos A y

B , en un contexto A
 2. TEOREMA.

Consiste en reformular probabilidades previas (a priori), a partir de información adicional al caso, para dar lugar, con ello, a
probabilidades subsecuentes, o a posteriori.

La formulación, permite determinar la probabilidad condicional Pr(A∣B) , a partir de las probabilidades condicionales
inversas: Pr(B∣A) .
 3. CICLO
La diapositiva muestra la secuencia algorítmica que subyace detrás del Teorema de Bayes: En ciclo horario, empezando a las
12:00, en la parte superior, el dato de la probabilidad alrededor de la hipótesis; a la derecha, el dato de la probabilidad de la
evidencia que sustenta a la hipótesis; luego, la operación a realizar con estos datos, y origen de la probabilidad conjunta, al
centro; de donde la suma de las probabilidades alrededor de las evidencias permite obtener la probabilidad marginal de la(s)
evidencias, en la parte inferior; para finalmente ponderar estas evidencias y obtener la probabilidad de la hipótesis, dada las
evidencias:
 4. PILI Y MILY
P ili y Mili trabajan juntas las tareas de una asignatura escolar. Pili realiza el 75% del trabajo y Mili el resto. Las secciones que realiza Pili reciben 15% de
observaciones de corrección C, en tanto que Mili recibe el 20%. Si en una revisión se encuentra una observación, ¿cuál es la probabilidad de que Pili haya
realizado esa parte del trabajo?
Datos y su interpretación:
Para Pili: observaciones de corrección Pr(C|P)=0.15, por ser su trabajo: Pr(P)=0.75
Para Mili: observaciones de corrección Pr(C|M)=0.20, por ser su trabajo: Pr(M)=0.25

Solución: (La relevancia del hecho de que sea Pili la autora de un trabajo con Observaciones), se determina
mediante (la ponderación de las Observaciones al trabajo de Pili), en relación a (estas mismas Observaciones a
sus trabajos), y (las Observaciones al trabajo de Mili):

Donde Pr(C∣P)⋅Pr(P)=0.15⋅0.75=0.1125 , es la parte a ponderar, y

Pr(B)=∑Pr(C|Ti)∗Pr(Ti)=(0.15∗0.75)+(0.20∗0.25) =0.1625 es el "todo" o contexto de ponderación.

Solución Pr 𝐶 𝑃 ∗ Pr(𝑃)
Pr 𝑃 𝐶 =
Pr 𝐶 𝑃 ∗ 𝑃 𝐶 + Pr 𝐶 𝑀 ∗ Pr(𝑀)

𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛
Observación al 𝑃𝑖𝑙𝑖 𝑟𝑒𝑎𝑙𝑖𝑧ó 𝑒𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑎𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑑𝑒 𝑃𝑖𝑙𝑖
Pr 𝐶 𝑃 = 0.15 =
Trabajo de Pili que recibió observaciones 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛
Pr(P)= 0.75 +
𝑎𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑑𝑒 𝑃𝑖𝑙𝑖 𝑎𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑑𝑒 𝑀𝑖𝑙𝑖
Observación al
Pr(C|M)=0.20 Trabajo de Mili
Pr(M)=0.25 0.15 ∗ (0.75)
Pr 𝑃 𝐶 = = 0.6923
0.15 ∗ 0.75 + (0.20 ∗ 0.25)
 5. CASO PILI Y MILY, CON DIAGRAMAS DE ARBOL.
Los diagramas de árbol expanden sus ramas con la
sucesión de valores de las variables aleatorias (va)
involucradas en el problema. Cada valor de (va) se
expande con los valores de una siguiente (va) .

Para el caso de Pili y Mili, y las observaciones en trabajos, el

diagrama de árbol se inicia con los valores correspondientes
a la participación de las chicas en el desarrollo de los T
rabajos P ily, 0.75 , y M ili, 0.25 ; y prosigue, en cada una
de estas ramas, con las ramas de observaciones de C
orrecciones a los T rabajos, correcciones para Pili
(C∣P)=0.15 , y (C'∣P)=0.85 ; e igual para Mili: (C∣M)=0.20 , y
(C'∣M)=0.80
Las hojas terminales del árbol constituyen los valores de las variables conjuntas, en sus intersecciones, que cumplen en cascada con
todas las características de las ramas que le dieron lugar.

Pr(P∩C)=0.1125; Pr(P∩C′)=0.6375; Pr(M∩C)=0.05; Pr(M∩C′)=0.2

Para el cálculo de Pr(P∣C) , se localiza la parte a ponderar Pr(P,C)=Pr(P∩C)=0.1125
y se calcula el espacio muestral o valor marginal de referencia Pr(C)=Pr(P∩C)+Pr(M∩C)=0.1125+0.05=0.1625
Finalmente, se determina la probabilidad condicional con:
 Conjunta

Marginal
Pr(C)=0.1625

Pr(P|C)= 0.1125 /
0.1625=0.6923= 70%
 6. CASO PILI Y MILY, CON CONJUNTOS.

En la representación de
este caso, a través del
diagrama de Venn, se
utilizan 3 conjuntos: P ily,
M ili, y observación de C
orrecciones.

El problema indica que el

espacio muestral o todo ,
está referido a las
observaciones de C
orrecciones realizadas a
los trabajos de las chicas:
C∩P y C∩M ; y que, de
estas dos partes, la parte a
ponderar corresponde a la
sección de C∩P , esto es:

casi el 70% .
7. CASO PILI Y MILY, CON TABLAS MATRICIALES.
La solución del problema de Pili y Mili, y las observaciones de correcciones, con tablas
matriciales, tiene mucha semejanza con la solución a través de diagramas de árbol. Se inicia con
una tabla de fdp (función de distribución de probailidad ) del T rabajo, con valores de la variable
aleatoria (va) de Pr(x=P)ily=0.75 , y Pr(x=M)ili=0.25 .

En seguida, se asientan los datos correspondientes a las observaciones de C orrección

de los trabajos, en las celtas de una matriz de probabilidad condicional: observaciones
de correcciones, para P ily, Pr(C∣P)=0.15 ; y observaciones de correcciones para M ili,
Pr(C∣M)=0.20
Esta última matriz puede completarse con los valores de complemento a las
probabilidades anteriores: Pr(C'∣P)=1−0.15=0.85 , y Pr(C'∣M)=1−0.20=0.80
Con el producto de las probabilidad del T rabajo, con la matriz de probabilidad
condicional, se obtiene la matriz de probabilidad conjunta, con columnas Pr(Tx∩C) y
Pr(Tx∩C') :

Pr(P∩C)=0.1125, Pr(P∩C′)=0.6375
Pr(M∩C)=0.0500, Pr(M∩C′)=0.2000
 8. CASO PILI Y MILY, CON TABLAS MATRICIALES, CONTINUACIÓN.

La suma de las columnas de la matriz conjunta,

ofrece los espacios muestrales de C orrecciones y
sin C' orrecciones, respectivamente

Pr(C=si)=0.1125+0.0500=0.1625 ;
Pr(C=no)=0.6375+0.2000=0.8375
La división de las celdas de la matriz conjunta, entre los
elementos de la fdp marginal f(C)=Pr(Cx), recientemente
calculada, da como resultado la matriz condicional inversa,
Pr(Tx∣Cx) (por columna):

esta es la probabilidad planteada en el problema

Pr(M|C)=0.3077
Pr(P|C′)=0.7612
Pr(M|C′)=0.2388
 9. CASO PILI Y MILY, CON TABLAS MATRICIALES, CONTINUACIÓN.
Cuando las operaciones finales, de la matriz de probabilidad conjunta se realizan con la fdp marginal f(T)=Pr(Tx) , se obtiene
como resultado la matriz de probabilidad condicional, con aquellos elementos proporcionados como datos, es decir:

Pr(C|P)=0.1125/0.75=0.15
Pr(C|M)=0.0500/0.25=0.20
Y así sucesivamente...
 10. CASO PILI Y MILY, CON TABLAS MATRICIALES, RESUMEN.

En esta última diapositiva, se observan los cuatro arreglos matriciales involucrados en los cálculos:

La función marginal f(T)=Pr(Tx) , x1=Pili , x2=Mili

La matriz de probabilidades condicional Pr(Cx∣Tx) , con valores de Cx de Si y No
La matriz de probabilidad conjunta f(Tx,Cx)=Pr(Tx∩Cx)
La matriz de probabilidad condicional inversa, Pr(Tx∣Cx)

De donde se obtiene la
respuesta a la pregunta
formulada:

Pr(P∣C)=0.6923 , muy
próximo al 70% .
 11. EL PENSAMIENTO BAYESSIANO.

La Teoría de Bayes es de relevancia singular, ya que permite trazar un rumbo a seguir ante una sucesión de eventos.

Esto lo han entendido muchos emprendedores de Internet, y desarrolladores de aplicaciones de Software en general,
que han utilizado sus principios para diseñar algoritmos que permiten dar seguimiento a las preferencias que
manifiestan los usuarios, y anticiparse a la decisión que estos están por realizar.

A fin de empezar a practicar los principios de Bayes en la vida diaria, es recomendable tener en cuenta los siguientes
aspectos:

1.- Considera los antecedentes del caso.

2.- Reflexiona..., si estuvieras equivocad@, ¿cómo serían las cosas?

3.-Avanza de a poco..., agrega pequeños copos de evidencia.

RECORDAR.
 Evidencia de aprendizaje
1.- El examen de certificación de carrera, les toma a los alumnos terminarlo de 5 a 9 horas, de acuerdo a la siguiente función de distribución porcentual (horas,
%): (5, 15%), (6, 20%), (7, 25%), (8, 35%), (9, 5%)
a).- ¿Qué porcentaje de alumnos terminará entre... 6 y 8 horas, inclusive?
b).- ¿Cuál es la probabilidad de que el examen termine en más de 8 horas?

2. Una encuesta de salida del examen de certificación, indica que 35% lo consideraron fácil, 25% regular, y 40% difícil. Luego, se realizaron algunas entrevistas en la
estación de radio local sobre el particular, por lo cual se desea saber.
a).- ¿cuál es la probabilidad de que el entrevistado considere el examen fácil o difícil?

3.- El 15 de Octubre: Día mundial del lavado de manos. En el mundo, la diarrea es una de las causas principales de morbi-mortalidad,el 88% de las muertes por diarrea se deben a la falta de
acceso a facilidades de saneamiento, además de la disponibilidad de agua para higiene y para consumo. Hoy en día 2.5 billones de personas, entre los que casi un billón son niños, viven sin
saneamiento básico. Cada 20 segundos, un niño muere como resultado de un saneamiento precario, eso significa 1.5 millones de muertes al año que podrían prevenirse. Según la
Organización Mundila de Salud (OMS) el lavado de manos con agua y jabón reduciría el riesgo de las enfermedades diarreicas agudas en un 47 por ciento.

Aludiendo a este caso, se realizó una encuesta para determinar si los alumnos, de los diferentes grados escolares de una institución educativa, se lavaban las manos después de ir al baño. Los
resultados indican:
http://www.paho.org/col/index.php?option=com_content&view=article&id=1297:dia-mundial-del-lavado-de-manos-las-manos-limpias-salvan-vidas&Itemid=460

a).- ¿Qué tipo de origen se le atribuye a los datos base de este problema?
Objetiva - clásica
Objetiva - empírica
Subjetiva – Bayessiana

b).- Desde el punto de vista de "toda" la institución educativa, ¿qué porcentaje acumulan de
"práctica de lavado de manos" los dos grados escolares de mejores prácticas?
4.- La función de distribución conjunta de alumnos de grados de avance medio hacia atrás y hacia adelante, y aseo de
manos, indica que:

a) ¿Cuál es la probabilidad de que al elegir un alumno al azar, este sea de avance en grados (1 a 3), dado que no se lavó las
manos?
b) ¿Cuál es la probabilidad de que al elegir un alumno al azar, este sea de avance en grados (1 a 3), dado que sí se lavó las
manos?
c) Si en la institución, la matrícula es de 200 alumnos, ¿cuántos del primer grado se esperaría que no se lavaran las manos?