CARRERA MATEMÁTICA

MATERIAL DE TEOREMA DE BAYES Y ESPERANZA MATEMATICA

TEOREMA DE BAYES
Teorema de Bayes: es una forma más específica de la fórmula para la probabilidad
condicional, se aplica en el caso general de que al realizar un cierto experimento aleatorio,
se observa la presencia de un suceso A que solo puede aparecer como efecto de n causas
mutuamente excluyentes
.
En general
P (Bi / A) =

OBS.: P( es la probabilidad condicionada de que ocurra habiendo ocurrido A

EJEMPLO:
El 60% de los tornillos producidos por una fábrica proceden de la máquina A y el
40% de la máquina B. La proporción de defectuosos en A es 0.1 y en B es 0.5.
¿Cuál es la probabilidad de que un tornillo de dicha fábrica sea defectuoso?
¿Cuál es la probabilidad de que, sabiendo que un tornillo es defectuoso, proceda de la
máquina A?
En este ejemplo, tenemos un experimento en dos etapas; en la primera, los sucesos son:
A: tornillo fabricado por la máquina A
B: tornillo fabricado por la máquina B
Los valores de las probabilidades de estos sucesos son conocidos: P(A)=0,6 y P (B)=0,4.
Los resultados de la segunda etapa son:
D: tornillo defectuoso
Dn: tornillo no defectuoso
Las probabilidades de estos sucesos dependen del resultado de la primera etapa:
P(D/A)=0,1
P(D/B)=0,5
A partir de estos valores podemos determinar también:
P (Dn/A)=1- P (D/A)=1- 0,1= 0,9
P (Dn/B)=1- P (D/B)= 1- 0,5= 0,5
 CARRERA MATEMÁTICA
El suceso D se puede indicar como: D=DA+DB, que son dos sucesos mutuamente
excluyentes; luego, utilizando el teorema de las probabilidades totales:

P(D)=P(D/A)P(A)+P(D/B)P(B)=(0,1)(0,6)+(0,5)(0,4)=0,26

Esto responde a la primera pregunta.

La otra probabilidad es P(A/D), probabilidad de un resultado de la primera etapa
Condicionada a un resultado de la segunda; podemos aplicar el teorema de Bayes:

P (A / D) =
P(A) = 0,6
P(B) = 0,4
P(D/A)=0,1
P(D/B)=0,5
Reemplazamos en la fórmula
P (A / D) = = 0,23 x100 =23%
Ejemplo 2
Se tienen tres joyeros idénticos con dos cajones cada uno. En cada cajón del primer joyero
hay un reloj de oro. En cada cajón del segundo joyero hay un reloj de plata. En un cajón del
tercer joyero hay un reloj de oro, y en el otro cajón hay un reloj de plata. Si se toma al azar
uno de los joyeros, se abre uno de los cajones y se encuentra que contiene un reloj de plata,
¿Cuál es la probabilidad de que en el otro cajón se encuentre un reloj de oro?
P(I) =1/3 joyero l
P(O/I) =2/2 =1
P (II) = 1/3 joyero II
P(0/II) = 0
P (III) =1/3 joyero III
P (O/III) = ½
Se aplica teorema de bayes

P (III / 0) =

P(III/O) = = = = 0,33 X100 = 33%

 CARRERA MATEMÁTICA

Esperanza Matemática.
Si p es la probabilidad de que una persona reciba una cantidad de dinero S, pS define la
esperanza matemática (o simplemente la esperanza).
El concepto de esperanza es fácil de extender. Si X denota una variable aleatoria discreta

que puede tomar los valores con probabilidades

respectivamente, donde =

1, la esperanza matemática de X (o simplemente la esperanza de X), que se denota E(X ),

se define de la manera siguiente:

E(x) =

E(X) = en donde la i=1, 2, 3, 4, 5…….N

j= 1, 2, 3, 4,…….N
Si en esta esperanza se sustituyen las probabilidades pj por las frecuencias relativas fj/N,
donde N = la esperanza se reduce a ( /N, que es la media aritmética de una
muestra de tamaño N en la que X1, X2,...,XK se presentan con estas frecuencias relativas. A
medida que N se vuelve cada vez más grande, las frecuencias relativas fj/N se aproximan a
las probabilidades pj. Esto lleva a interpretar E(X) como la media de la población de la que
ha sido tomada la muestra. Si se denota con m a la media muestral, a la media poblacional
se le denota con la correspondiente letra griega,µ (mu)
La esperanza también puede ser definida para variables aleatorias continuas, pero esta
definición requiere el uso del cálculo.
 CARRERA MATEMÁTICA
Propiedades
La esperanza matemática de una variable discreta tiene las siguientes propiedades.
Propiedad 1. Si X ≥ 0 y existe E(X), entonces E(X) ≥ 0.
Es obvio que si X ≥ 0, los valores xn que figuran en la suma (6.1) son no-negativos, y si
dicha serie es convergente, la suma también será no-negativa.
Propiedad 2. Si X es una variable aleatoria acotada entonces existe E(X).
Decir que la variable aleatoria X es acotada es decir que existe una constante C tal que

Ejercicio 1: Sea X variable que toma los valores −1, 2 y 5 con probabilidades 1/4, 1/4 y
1/2. Calcúlese el valor esperado
xX -1 2 5
P(x) 1/4 1/4 1/2

E(X) =
E(x) = (-1) 1/4 + 2 * ¼ + 5 *1/2
E(x) = - ¼ + ½ + 5/2
E(x) = 11/4

= E(x) = 11/4 = 2,75ar

Varianza = E (x - )2* p(x) =
xx -1 2 5
P(x) 1/4 1/4 1/2
(x- ) .-3,75 -0,75 2,25
( x - )2 14,0625 0,5625 5,0625
( x - )2 * p(x) 3,52 0,14 2,53

Var = E (x - )2* p(x) = 3,52 + 0,14 + 2,53 = 6,19

Var = 6,19
 CARRERA MATEMÁTICA
Ejemplo 1: Un sindicato al negociar salarios intuye que las probabilidades están 0.40, 0.30,
0.20 y 0.10 que los trabajadores consigan un aumento de $1.50 por hora, $1 por hora,
$0.50, $ 2 por hora o ningún aumento, respectivamente. ¿Cuál es su aumento esperado?
X (Aumento) 1,50 1 0,50 2
P(X) (probabilidad) 0,40 0,30 0,20 0,10

E(X) =
E(X) = 1,50 * 0,40 + 1* 0,30 + 0,50*0,20 +2 * 0,10 =
E(X) = 0,6 +0,30 + 0,1 + 0,2 = 1,2