Antes de empezar a explicar el Teorema de Bayes, te recomendamos

leer nuestros artículos sobre el teorema de la probabilidad total y los

eventos dependientes e independientes, pues son la base para
comprender mejor el teorema de Bayes.

Este teorema fue redactado por el matemático británico Thomas

Bayes (1702-1761) y se dio a conocer en su publicación
póstuma Essay Towards Solving a Problem in the Doctrine of
Chances (1764). Bayes fue socio de la Royal Society y a partir de su
obra se desarrolló lo que se conoce como inferencia bayesiana, rama
de la estadística en la que se utilizan observaciones para inferir la
probabilidad de que un teorema (o hipóstesis) sea cierto.

 En este resumen aprenderemos qué es el teorema de Bayes.

 También revisaremos la fórmula del teorema de Bayes y las
probabilidades a priori y a posteriori.
 Finalmente, estudiaremos algunos ejemplos del teorema de
Bayes.

Deja de procrastinar al estudiar Teorema de Bayes con el

planificador de estudio
StudySmarter, gratis para smartphone y ordenador
Empezar ahora

¿Qué es el teorema de Bayes?

El teorema de Bayes es un método simple para calcular las
probabilidades de los sucesos de una partición.

Dada una partición �1,�2,... del espacio muestral, y dado un suceso

cualquiera �, el teorema de Bayes expone:
�(��|�)=�(��∩�)�(�)=�(��)·�(�|
��)�(�1)·�(�|�1)+�(�2)·�(�|�2)+....+�(��)�(�|
��)
Vamos a explicar como Thomas Bayes llegó a este resultado. En
primer lugar, recordemos brevemente el teorema de la probabilidad
total: un espacio muestral � puede dividirse
en particiones �1,�2,...,��, cuya unión suma el espacio
muestral y las probabilidades de cada una de estas particiones es
distinta de cero.

Un ejemplo de un espacio muestral y las particiones es el suceso de

lanzar un dado con cada una de sus caras: �={1,2,3,4,5,6}.
Podemos dividir este espacio muestral, por ejemplo, en dos
particiones: una que sean los sucesos de obtener una cara
par �1={2,4,6} y otra que sean los sucesos de obtener una cara
impar �2={1,3,5}. Como puedes ver, la unión de las dos particiones
da el espacio muestral completo �1∪�2=�.
Dado, entonces, un espacio muestral que puede dividirse en
particiones, si � es un suceso dentro de este espacio muestral, se
verifica que:�(�)=�(�1)·�(�|�1)+�(�2)·(�(�|�2)+...
+�(��)·�(�|��)
Este es el teorema de la probabilidad total: la probabilidad de un
suceso � en el espacio muestral � es la suma de la probabilidad de
ese suceso en cada una de las particiones.
En una heladería venden helados en tarrina y en cono, siendo la
cantidad tarrinas un 60% del total. Cada forma de helado viene en dos
sabores: fresa y vainilla. Hay un 20% de tarrinas de fresa y el resto de
tarrinas son de vainilla. En los conos, la mitad son de fresa y la otra
mitad de vainilla. Si una persona llega a la tienda y coge un helado al
azar, calcula la probabilidad de que coja un helado de fresa (ya sea
tarrina o cono).
Solución:
Vamos a asignar probabilidades a cada caso:

 Los tipos de helados son dos: tarrina � y cono �.

 La probabilidad de coger una tarrina es �(�)=0,6 y un
cono �(�)=0,4.
 Ahora, la probabilidad de coger una tarrina de fresa es �(�|
�)=0,2, una tarrina de vainilla es �(�|�)=0,8, un cono de
fresa es �(�|�)=0,5 y un cono de vainilla es �(�|�)=0,5.

Entonces:
  La probabilidad de coger un helado (cono o tarrina) de fresa
será:

�(�)=�(�)·�(�|�)+�(�)·�(�|�)=0,6·0,2+0,4·0,5=0,32

 Asimismo, La probabilidad de coger un helado cualquiera y que

sea de fresa es del 32%.

Gracias a este anuncio, StudySmarter sigue siendo

gratuito: 

Teorema de Bayes: fórmula

El teorema de Bayes se apoya en el teorema de la probabilidad total;
pero, en este caso, lo que ya sabemos es que el suceso � se ha
producido.
Por ejemplo, sabemos que en la producción de un peluche que se hace
en dos colores: rojo � y verde �. El rojo representa un 70% del total
de la producción; además el 5% de los peluches rojos son y el 3% de
los peluches verdes son defectuosos. El equipo de calidad coge un
peluche y determina que es defectuoso �, pero no nos dice de qué
color es.
La pregunta sería ¿qué probabilidad hay de este peluche defectuoso
sea de color rojo?
Respuesta:
Por la probabilidad condicionada, sabemos que:
�(�)·�(�|�)=�(�)·�(�|�)
Esto quiere decir que la probabilidad de que sea defectuoso
multiplicada por la probabilidad de que sea rojo, después de ver que es
defectuoso, es igual a la probabilidad de ser rojo multiplicada por la
probabilidad de ser defectuoso, después de saber que es rojo.
El término �(�), que es la probabilidad de ser defectuoso, se calcula
a través del teorema de la probabilidad total. Nosotros queremos saber
la probabilidad de que sea rojo, después de ver que es defectuoso, así
que despejamos este término:
\[P(R|D)=\dfrac{P(R)·P(D|R)}{P(D)}=\dfrac{0{,}7·0{,}05
{0{,}05·0{,}7+0{,}03·0{,}3}=0{,}795=79{,}5\%\]
En este ejemplo, hemos aplicado (sin saberlo) el teorema de Bayes.
Esto es porque ya sabemos que se ha producido uno de los
sucesos; en este caso, que el peluche es defectuoso.

La fórmula del teorema de Bayes es, entonces:

�(��|�)=�(��∩�)�(�)=�(��)·�(�|
��)�(�1)·�(�|�1)+�(�2)·�(�|�2)+....+�(��)�(�|
��)

Probabilidad a priori
Se llama iniciales o a priori a las probabilidades �(��) de los
sucesos que forman las particiones del espacio muestral.
En el ejemplo anterior, las probabilidades a priori serían las
probabilidades de que el peluche sea rojo o verde, es
decir: �(�) y �(�).

Probabilidad a posteriori
Se llaman probabilidades finales o a posteriori a las
probabilidades �(��|�); es decir, las probabilidades de un suceso
cuando ya se conoce que ha ocurrido.
En el ejemplo anterior, la probabilidad a posteriori sería la que
queríamos calcular: la probabilidad de que el peluche, que ya
sabíamos que era defectuoso, fuera de color rojo.
Verosimilitud
Se denominan verosimilitudes a las probabilidades �(�|��); es
decir, las probabilidades de un suceso condicionado por otro.
En el ejemplo anterior, la verosimilitud sería la probabilidad de que el
peluche sea defectuoso después de ya saber que es rojo.

Todo lo que necesitas para estudiar Teorema de Bayes en

una sola app
StudySmarter, gratis para smartphone y ordenador
Empezar ahora

Teorema de Bayes: ejemplos

Para que practiques, vamos a resolver un par de ejemplos sobre el
teorema de Bayes.
En una piscifactoría hay un tipo de especie pez que puede tener tres
colores distintos. Los peces de color verde representan el 20% del
total, los de color azul el 50% y el resto son de color rojo. Dentro de
cada tipo de color hay peces macho y peces hembra. La proporción de
machos verdes es del 60% frente a las hembras verdes. La proporción
de hembras azules es del 85% frente a los machos azules. Hay la
misma proporción de hembras rojas que de machos verdes. Si
pescamos un pez y vemos que es macho, ¿qué probabilidad hay de
que sea verde?
Solución:
En primer lugar asignamos probabilidades:

 Probabilidad peces verdes: �(�)=0,2.

 Probabilidad peces azules: �(�)=0,5.
 Probabilidad peces rojos: �(�)=0,3.
 Probabilidad macho de color verde: �(�|�)=0,6.
 Probabilidad hembra de color verde: �(�|�)=0,4.
 Probabilidad macho de color azul: �(�|�)=0,15.
 Probabilidad hembra de color azul: �(�|�)=0,85.
 Probabilidad macho de color rojo: �(�|�)=0,5.
 Probabilidad hembra de color rojo: �(�|�)=0,5.
Sabemos que hemos cogido un macho, así que vamos a calcular
la probabilidad total de elegir un macho:
�(�)=�(�)·�(�|�)+�(�)·�(�|�)+�(�)·�(�|
�)==0,2·0,6+0,5·0,15+0,3·0,5=0,345
Queremos calcular la probabilidad de que el pez que hemos cogido
sea verde, condicionado con que ya sabemos que es macho �(�|�).
Aplicando el teorema de Bayes, llegamos a:
�(�|�)=�(�)·�(�|�)�(�)=0,2·0,60,345=0,348=34,8
Por tanto, hay un 34,8% de probabilidades de que al coger un macho,
este sea verde.
En una investigación farmacológica se está estudiando la incidencia
de una enfermedad en la población. Por datos demográficos se sabe
que el 20% de la población son niños, un 30% son personas jóvenes y
el resto son adultos. Se ha visto que la incidencia de la enfermedad en
niños es del 2%, en jóvenes es del 8% y en adultos es del 15%. Se
elige un informe médico al azar, ¿qué probabilidad hay de que sea
de una persona enferma? y ¿qué probabilidad hay de que el
enfermo sea un joven?
Solución:
Como siempre, comenzamos asignando probabilidades:

 Probabilidad de ser niño: �(�)=0,2.

 Probabilidad de ser joven: �(�)=0,3.
 Probabilidad de ser adulto: �(�)=0,5.
 Probabilidad de ser niño y padecer la enfermedad: �(�|
�)=0,02.
 Probabilidad de ser niño y no padecer la enfermedad: �(�¯|
�)=0,98.
 Probabilidad de ser joven y padecer la enfermedad: �(�|
�)=0,08.
 Probabilidad de ser joven y no padecer la enfermedad: �(�¯|
�)=0,92.
 Probabilidad de ser adulto y padecer la enfermedad: �(�|
�)=0,15.
 Probabilidad de ser adulto y no padecer la enfermedad: �(�¯|
�)=0,85.
En primer lugar, lo que nos están pidiendo es la probabilidad de que la
persona elegida tenga la enfermedad.
Esto es la probabilidad total de estar enfermo:
�(�)=�(�)·�(�|�)+�(�)·�(�|�)+�(�)·�(�|
�)==0,2·0,02+0,3·0,08+0,5·0,15=0,103
Por tanto, hay una probabilidad del 10,3% de que el informe médico
sea de una persona enferma.
En segundo lugar, nos preguntan por la probabilidad de que ese
informe médico que sabemos que es de una persona enferma, además,
sea una persona joven.
Esto lo podemos calcular aplicando el teorema de Bayes:
�(�|�)=�(�)·�(�|�)�(�)=0,3·0,080,103=0,233
La probabilidad de que el informe médico elegido sea de un joven
enfermo es del 23,3%.
Teorema de Bayes - Puntos clave

 El teorema de Bayes es un método muy útil para calcular

probabilidades de una partición, una vez que se conozca un
suceso concreto ya ha ocurrido.

 La fórmula del teorema de Bayes es:�(��|

�)=�(��∩�)�(�)=�(��)·�(�|��)�(�1)·�(�|
�1)+�(�2)·�(�|�2)+....+�(��)�(�|��)

 Se llaman probabilidades iniciales o probabilidades a priori a

las probabilidades �(��) de los sucesos que forman las
particiones del espacio muestral.

 Se llaman probabilidades finales o probabilidades a
posteriori a las probabilidades �(��|�); es decir, las
probabilidades de un suceso cuando ya se conoce que ha
ocurrido.
  Se denominan verosimilitudes a las probabilidades �(�|
��); es decir, las probabilidades de un suceso condicionado
por otro.

Preguntas frecuentes sobre Teorema de Bayes

¿Qué es el Teorema de Bayes y cómo se aplica?
El teorema de Bayes es un método muy útil para calcular probabilidades
de una partición, una vez se conoce que un suceso concreto ya ha
ocurrido. 

Por tanto, si B es el suceso que ha ocurrido y A es una partición del

espacio muestral, la fórmula de este teorema es:
P(A|B)=P(A)·P(B|A)/P(B).
¿Quién y en qué año planteó el teorema de Bayes?
El teorema de Bayes fue descrito por el matemático británico Thomas
Bayes (del cual recibe su nombre). Su publicación póstuma fue en el año
1764.
¿Cuál sería un ejemplo del Teorema de Bayes? 
El teorema de Bayes se puede aplicar, por ejemplo, a situaciones en las
que durante la fabricación de un producto se ha detectado un defecto. Si
el producto se fabrica en varios sitios, en proporciones distintas, y el
porcentaje de productos defectuosos depende de la fábrica, con el
teorema de Bayes podemos saber la probabilidad de que al coger un
producto defectuoso, este sea de una fábrica concreta.
¿Qué significa probabilidad a priori?
Se llaman probabilidades iniciales o probabilidades a priori a las
probabilidades P(A ) de los sucesos que forman las particiones del
j

espacio muestral.
Por ejemplo, si nos dicen que en una bolsa hay bolas rojas, verdes y
azules, y cada una de estas se subdividen en color liso o rayado, las
probabilidades a priori serían la de sacar una pelota roja, una verde o una
azul, independientemente de si es lisa o rayada.
¿Cómo se calcula la probabilidad a posteriori?
La probabilidad a posteriori se calcula con el teorema de Bayes. Es la
probabilidad de que el suceso que hemos obtenido esté dentro de un
grupo (partición) concreto. La fórmula para calcular esta probabilidad es:

P(A|B)=P(A)·P(B|A)/P(B).
Cuestionario final de Teorema de Bayes
Pregunta

¿Cuál es la probabilidad a priori?

Mostrar respuesta
Answer

�(��).
Show question
Pregunta

¿Cuál es la probabilidad a posteriori?

Mostrar respuesta
Answer

�(��|�).
Show question
Pregunta

¿Cuál es la verosimilitud?
Mostrar respuesta
Answer
 �(�|��).
Show question
Pregunta

¿En qué otro teorema se apoya el teorema de

Bayes?
Mostrar respuesta
Answer

En el teorema de la probabilidad total.

Show question
Pregunta

¿Qué nos permite calcular el teorema de Bayes?

Mostrar respuesta
Answer

La probabilidad de que el suceso ocurrido

pertenezca a una de las particiones del espacio
muestral.
Show question
Pregunta

Tenemos un conjunto de 10 animales blancos y 30

animales negros. Dentro de los blancos, el 20% son
perros y el resto gatos. Dentro de los negros, el
40% son perros y el resto son gatos. Elegimos un
animal al azar, vemos que es un gato y queremos
saber la probabilidad de que sea blanco. ¿Cuál o
cuáles son las probabilidades a priori en este caso?
Mostrar respuesta
Answer

La probabilidad de que el animal sea blanco o

negro.
 Show question
¿Tienes miedo de tu próximo examen? Aprende con
flashcards en nuestra app de aprendizaje cuando y
donde quieras.

Regístrate gratis
Pregunta

Tenemos un conjunto de 10
animales blancos y 30 animales
negros. Dentro de los blancos, el
20% son perros y el resto gatos.
Dentro de los negros, el 40%
son perros y el resto son gatos.
Elegimos un animal al azar,
vemos que es un gato y
queremos saber la probabilidad
de que sea blanco. ¿Cuál o cuáles son
las probabilidades a posteriori en este caso?
Mostrar respuesta
Answer

La probabilidad de que el gato elegido sea blanco.

Show question
Pregunta
 Tenemos un conjunto de 10
animales blancos y 30 animales
negros. Dentro de los blancos, el
20% son perros y el resto son
gatos. Dentro de los negros, el
40% son perros y el resto son
gatos. Elegimos un animal al
azar, vemos que es un gato y
queremos saber la probabilidad
de que sea blanco. ¿Cuál o
cuáles son las
verosimilitudes en
este caso?
Mostrar respuesta
Answer

La probabilidad de que el animal sea un gato,

después de saber que es blanco.
Show question
Pregunta
Aparte del teorema de la probabilidad total, ¿qué
otra fórmula de la probabilidad se utiliza para
obtener el teorema de Bayes?
Mostrar respuesta
Answer

La fórmula de la probabilidad condicionada.

Show question
Pregunta

¿En cuál de estas situaciones se puede aplicar el

teorema de Bayes?
Mostrar respuesta
Answer

Obtener una cara o una cruz al lanzar una

moneda.
Show question
Pregunta

¿Verdadero o falso?: �(��|�) es
el inverso de �(�|��).
Mostrar respuesta
Answer

Falso.
Show question
Pregunta

¿Cómo son los sucesos � y � en el

teorema de Bayes?
Mostrar respuesta
Answer
 Dependientes.
Show question
Pregunta

¿Verdadero o falso?: En el teorema de Bayes se

cumple: �(�)·�(�)=�(�|�).
Mostrar respuesta
Answer

Falso.
Show question
Pregunta

¿Cuál es la fórmula de Bayes, siendo � la

partición y � el suceso elegido?
Mostrar respuesta
Answer

�(�|�)=�(�)·�(�|�)�(�).
Show question
Pregunta

¿Qué calculamos conla fórmula de

Bayes?
Mostrar respuesta
Answer

Las probabilidades a posteriori.

Show question
1 / 16