Probabilidad y Estadística Descriptiva

Investigación
Teorema de Bayes

Teorema de Bayes

1
El teorema de Bayes es una proposición que se emplea para calcular la probabilidad
condicional de un suceso y fue desarrollado por el matemático y teólogo británico Thomas
Bayes. El principal objetivo de este teorema es determinar la probabilidad que posee un
suceso comparada con la probabilidad de otro suceso similar.
En otras palabras, permite conocer la probabilidad condicional de un evento o suceso
determinado como A dado B, en el que se analiza la distribución de probabilidad del suceso
B dado A. [1]

Forma simple del teorema de Bayes:

P( A)∗P ( B|A )
P ( A|B )=
P(B)
Donde:
 A y B son eventos, y además: P(B) ≠ 0.
 P(A|B): es la probabilidad de que ocurra A, dado que ha ocurrido B.
 P(B|A): es la probabilidad de que ocurra B, dado que ha ocurrido A.
 P(A): es la probabilidad de que ocurra A.
 P(B): es la probabilidad de que ocurra B.

Formula extendida del teorema de Bayes (para eventos multiples)

P( Ai)∗P ( B| Ai )
P ( Ai|B )= n

∑ P( Aj)∗P ( B|Aj )
j=1

Aplicaciones
El teorema de Bayes es una herramienta muy valiosa y efectiva en cualquier cálculo de la teoría de
la probabilidad. Debido a que sirve para determinar qué probabilidades tiene un suceso de ocurrir
cuando tenemos algún tipo de característica o información precedente.
Como resultado, este método se utilizad para valorar información reciente. De igual forma, para
analizar apreciaciones anteriores apoyadas en antecedentes restringidos. Por lo tanto, permite
determinar si están en una fase u otra. Si se aplica de la manera correcta, la recolección de datos es
eficiente para elegir las mejores opciones.
Entre sus aplicaciones puntuales se encuentran:

 En el área de salud. El diagnóstico de enfermedades tales como el cáncer y la

diabetes.

2
  En deporte. Con la valoración de probabilidades durante el desarrollo de algún
juego.

 En informática. Se utiliza para organizar grandes cantidades de datos. Como por

ejemplo, un filtro para detectar los correos electrónicos catalogados como spam.
Además en esta área también se usa para realizar fusión de datos, ordenando
información representada como densidad de probabilidad.
 En las ciencias políticas. Se suele utilizar a la hora de realizar tanteos de
suposiciones o hipótesis de una metodología llamada processtracing. [2]

Ejemplos
Ejemplo 1:
En la academia de Matemóvil, la probabilidad de que a un alumno seleccionado al azar le guste
el helado es del 60 %, mientras que la probabilidad de que a un alumno le guste la torta es del
36 %. Además, se sabe que la probabilidad de que a un alumno le guste la torta dado que le
gusta el helado es del 40 %. Calcular la probabilidad de que a un alumno le guste el helado,
dado que le gusta la torta.
Solución:
Primero definimos los 2 eventos con los que vamos a trabajar:
 h: que a un alumno le guste el helado.
 t: que a un alumno le guste la torta.
Tenemos los siguientes datos:
 P(h) = 0,6.
 P(t) = 0,36.
 P(t|h) = 0,4.
Nos piden calcular P(h|t).
Aplicamos el teorema de Bayes:

Entonces, la probabilidad de que un alumno le guste el helado dado que le gusta la torta es
de 0,6667 o 66,67 %. [3]
Ejemplo 2:

3
Un ejemplo sencillo del teorema de Bayes es: una persona posee tres cajas con pelotas. En la caja 1
se encuentran diez pelotas, entre las cuales hay cuatro desinfladas; en la caja 2 están seis pelotas,
entre las cuales hay una desinflada; y en la caja 3 se encuentran ocho pelotas, estando desinfladas
tres. Si una persona recoge una pelota desinflada, ¿cuál sería la probabilidad de que sea una
perteneciente a la caja número 1?
La solución del problema es:
Las cajas se representarán de la siguiente manera:
 C1 (Caja 1)
 C2 (Caja 2)
 C3 (Caja 3)
Por otro lado, las pelotas serán representadas así:
 B (Pelotas no desinfladas)
 F (Pelotas desinfladas)
De acuerdo al teorema de Bayes, la fórmula sería:

Al reemplazarlo por los datos de las pelotas, la fórmula sería:

Eso quiere decir que la probabilidad de que una persona tome una pelota desinfladas de la caja
número 1 es de 42,5%.

Conclusión
El teorema de Bayes es de suma importancia en el estudio de las probabilidades, pues nos permite
analizar datos previos para decidir sobre eventos futuros evaluando circunstancias que pueden ser
reales o lo cual nos permitirá crear estrategias para los posibles resultados.

4
Bibliografía

[1] Concepto ABC, «Concepto ABC,» 2022. [En línea]. Available:

https://conceptoabc.com/teorema-de-bayes/. [Último acceso: 22 Octubre 2022].

[2] plataformasinc.es, «plataformasinc.es,» [En línea]. Available: https://plataformasinc.es/.

[Último acceso: 22 Octubre 2022].

[3] Matemovil.com, «Matemovl.com,» 2020. [En línea]. Available:

https://matemovil.com/teorema-de-bayes-ejercicios-resueltos/. [Último acceso: 22 Octubre
2022].