TEOREMA DE BAYES

El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee nueva información. Desarrollado por
el Reverendo Thomas Bayes en el siglo XVIII (vea la referencia 1), el teorema de Bayes es una extensión de lo que ha aprendido hasta
ahora acerca de la probabilidad condicional.

El teorema de Bayes se aplica a la siguiente situación. La empresa Consumer Electronics está considerando comercializar un nuevo
modelo de televisor. En el pasado, el 40% de los equipos de televisión que la empresa lanzó al mercado tuvieron éxito y el 60% no fueron
exitosos. Antes de lanzar al mercado el equipo de televisión, el departamento de investigación de mercados realiza un extenso estudio y
entrega un reporte, ya sea favorable o desfavorable.
En el pasado, el 80% de los equipos de televisión exitosos habían recibido un reporte de investigación favorable y el 30% de los equipos
de televisión no exitoso s habían recibido un reporte de investigación favorable. Para los nuevos modelos de televisión bajo
consideración, el departamento de investigación de mercado ha entregado un reporte favorable. ¿Cuál es la probabilidad de que el equipo
de televisión tenga éxito en el mercado?

El teorema de Bayes se desarrolla a partir de la definición de la probabilidad condicional. Para encontrar la probabilidad condicional
de B dado A, considere la ecuación (4Ab) [que se presentó en la página 132 y que de nuevo se reproduce]:

P (BIA) = P (A y B) = P (AIB) P (B)

P (A) P(A)

El teorema de Bayes se obtiene por sustitución de la ecuación (4.8) en la página 137 para P (A) en la ecuación de arriba.

Para usar la ecuación (4.9) para el ejemplo del televisor comercializado, sea
Evento S = equipo de televisión exitoso
Evento S' = equipo de televisión no exitoso
Evento F = reporte favorable
Evento F' = reporte desfavorable

P(S) = 0.40 p(FIS) = 0.80

P(S') = 0.60 p(FIS') = 0.30

Entonces, al utilizar la ecuación (4.9),

P (FIS)P(S)
P(SIF) = P(FIS)p(S) + P(FIS') P(S')

(0.80)(0.40)
= (0.80)(0.40) + (0.30)(0.60)

0.32 = 0.32

0.32 + 0.18 0.50

= 0.64
La probabilidad de un equipo de televisión exitoso, dado que se recibió un reporte favorable, es de 0.64. Así pues, la probabilidad de un
equipo de televisión no exitoso, dado que se recibió un reporte favorable, es de 1 - 0.64 = 0.36. La tabla 4.4 resume el cálculo de las
probabilidades y la figura 4.5 presenta el árbol de decisión.

TABLA 4.4 Cálculo del teorema de Bayes para el ejemplo de la comercialización del televisor.
Ejemplo 4.10
USO DEL TEOREMA DE BAYES EN UN ROBLEMA DE DIAGNOSTICO Medico

La probabilidad de que una persona tenga una determinada enfermedad es de 0.03. Existen pruebas de
diagnóstico médico disponibles para determinar si una persona tiene realmente la enfermedad. Si la
enfermedad realmente está presente, la probabilidad de que la prueba de diagnóstico médico dé un resultado
positivo (indicando la presencia de la enfermedad) es de 0.90. Si la enfermedad no está presente, la
probabilidad de obtener un resultado positivo (indicando la presencia de la enfermedad) es de 0.02. Supongo que
l. prueba de diagnóstico médico dio un resultado positivo (indicando la presenecia de la enfermedad). ¿Cual es la
probabilidad este realimente presente? ¿Cual es la probabilidad de un resultado Positivo?

SOLUCIÓN
Sea

Evento D == tiene la enfermedad Evento T == la prueba es positiva

Evento D' == no tiene la enfermedad Evento T’== la prueba es negativa

P(D) == 0.03 P(T ID) == 0.90

P(D') == 0.97 P(T ID') == 0.02

Al emplear la ecuación (4.9) de la página 140

P (TID)P(D)
P(DIT) = P(TID)p(D) + P(TID') P(D')
(0.90)(0.03)
= (0.90)(0.00) + (0.02)(0.97)

0.0270 = 0.0270

0.0270 + 0.01940.0464
= 0.582

4.33

Un directivo de publicidad estudia los hábitos de ver televisión de hombres y mujeres casados durante las horas de mayor
audiencia. Con base en los registros anteriores, el directivo ha determinado que durante las horas de mayor audiencia los
maridos ven televisión el 60% del tiempo. Cuando el marido ve televisión, la esposa también lo hace el 40% del tiempo.
Cuando el marido no ve televisión, la esposa ve televisión el 30% del tiempo.

Encuentre la probabilidad de que

a. si la esposa ve televisión, el esposo también lo haga.
b. la esposa vea televisión durante las horas de mayor audiencia.

Aplicación de conceptos
4.32 En el ejemplo 4.10 de la página 141, suponga que la probabilidad de que la prueba de diagnóstico médico dé un
resultado positivo si la enfermedad no está presente se reduce de 0.02 a 0.01. A partir de esta información,
a. Si la prueba de diagnóstico médico ha resultada positiva (indicando la presencia de la enfermedad), ¿cuál es la
probabilidad de que la enfermedad esté realmente presente?

b. Si la prueba de diagnóstico médico ha dado un resultado negativo (indicando que la enfermedad no está presente), ¿cuál
es la probabilidad de que la enfermedad no esté presente?