Capı́tulo 1

Teorema de Bayes

En el campo de la estadı́stica y la probabilidad, el Teorema de Bayes es

una herramienta fundamental que nos permite actualizar nuestras creencias
sobre un evento dado, a medida que obtenemos nueva evidencia o información
relevante. Este teorema establece una relación crucial entre las probabilida-
des condicionales inversas, brindándonos una manera poderosa de inferir la
probabilidad de un evento dado, dados ciertos datos observados. Para ilus-
trar la aplicación práctica del Teorema de Bayes, consideremos un ejemplo
común en el ámbito académico.
Ejemplo 1.1. Experimento de Evaluación de Estudiantes
Consideremos el experimento que consiste en observar si un estudiante aprue-
ba (A) o no la materia (N), y las caracterı́sticas asociadas a cada estudiante,
como su género (hombre (H) o mujer (M)). Seleccionamos aleatoriamente
un estudiante del grupo de 100 estudiantes y observamos si aprueba o no la
materia, ası́ como también determinamos su género.

Sobre este experimento podemos definir los siguientes eventos:

Evento H: Este evento representa que el estudiante seleccionado alea-

toriamente es un hombre.

Evento M : Este evento representa que el estudiante seleccionado alea-

toriamente es una mujer.

Evento A: Este evento representa que el estudiante seleccionado alea-

toriamente aprueba la materia.

1
 Evento N : Este evento representa que el estudiante seleccionado alea-
toriamente no aprueba la materia.

En el ejemplo que estamos por explorar, aplicaremos el Teorema de la

Probabilidad Total para calcular las probabilidades P pAq y P pN q, que re-
presentan la probabilidad de que un estudiante apruebe o no apruebe la
materia, respectivamente. Además, utilizaremos el Teorema de Bayes para
calcular las probabilidades condicionales inversas P pH|Aq, P pH|N q, P pM |Aq
y P pM |N q, que representan la probabilidad de que un estudiante sea hom-
bre o mujer dado que aprueba o no aprueba la materia. Estas probabilidades
proporcionarán información valiosa sobre la relación entre el género de los
estudiantes y su desempeño académico en esta materia especı́fica.
Las probabilidades conocidas son las siguientes: P pHq “ 0.4, P pM q “ 0.6,
P pA|Hq “ 0.25, P pN |Hq “ 0.75, P pA|M q “ 13 y P pN |M q “ 23 . Estos
datos pueden ser obtenidos, por ejemplo, al dividir inicialmente el grupo de
estudiantes por género y luego observar la otra caracterı́stica, en este caso,
si aprueban o no la materia.
El siguiente diagrama de árbol representa la situación del ejemplo, donde
los nodos del árbol representan los diferentes eventos y las ramas del árbol
representan las posibles ocurrencias de esos eventos. Comenzamos con el
evento raı́z, que es la selección de un estudiante del grupo de 100 estudiantes.
Luego, el árbol se ramifica en dos ramas principales según el género del
estudiante seleccionado: masculino (H) o femenino (M). A partir de cada
género, las ramas adicionales representan si el estudiante aprueba (A) o no
aprueba (N) la materia. Finalmente, cada hoja del árbol muestra todas las
combinaciones posibles de género y resultado de la aprobación de la materia,
junto con las probabilidades asociadas a cada una.

2
Solución 1. Para encontrar P pAq, la probabilidad de que un estudiante aprue-
be la materia, podemos utilizar el Teorema de la Probabilidad Total. Esta
probabilidad se puede calcular sumando las probabilidades de aprobar la
materia para cada género ponderadas por la probabilidad de cada género.
Utilizando la ley de la probabilidad total, tenemos:

P pAq “ P pA|Hq ¨ P pHq ` P pA|M q ¨ P pM q (1.1)

Para visualizar mejor este cálculo, presentaremos un diagrama de árbol
que represente las posibles ramas para determinar la probabilidad de que un
estudiante apruebe la materia. En el diagrama de árbol, resaltaremos en rojo

3
las ramas que corresponden a las probabilidades utilizadas en la fórmula de
la probabilidad total.

Sustituyendo los valores proporcionados:

P pAq “ P pA|Hq ¨ P pHq ` P pA|M q ¨ P pM q

ˆ ˙
1
“ p0.25q ¨ p0.4q ` ¨ p0.6q
3 (1.2)
“ 0.1 ` 0.2
“ 0.3

4
 Por lo tanto, la probabilidad de que un estudiante apruebe la materia es
P pAq “ 0.3.
Para encontrar P pN q, la probabilidad de que un estudiante no aprue-
be la materia, podemos utilizar el Teorema de la Probabilidad Total. Esta
probabilidad se puede calcular sumando las probabilidades de no aprobar la
materia para cada género ponderadas por la probabilidad de cada género.
Utilizando la ley de la probabilidad total, tenemos:

P pN q “ P pN |Hq ¨ P pHq ` P pN |M q ¨ P pM q (1.3)

Para visualizar mejor este cálculo, presentaremos un diagrama de árbol
que represente las posibles ramas para determinar la probabilidad de que
un estudiante no apruebe la materia. En el diagrama de árbol, resaltaremos
en verde las ramas que corresponden a las probabilidades utilizadas en la
fórmula de la probabilidad total.

5
 Sustituyendo los valores proporcionados:

P pN q “ P pN |Hq ¨ P pHq ` P pN |M q ¨ P pM q
ˆ ˙
2
“ p0.75q ¨ p0.4q ` ¨ p0.6q
3 (1.4)
“ 0.3 ` 0.4
“ 0.7

Por lo tanto, la probabilidad de que un estudiante no apruebe la materia

es P pN q “ 0.7.

6
 Para calcular P pH|Aq, la probabilidad de que un estudiante sea hombre
dado que aprueba la materia, utilizaremos el Teorema de Bayes:

P pA|Hq ¨ P pHq
P pH|Aq “ (1.5)
P pA|Hq ¨ P pHq ` P pA|M q ¨ P pM q
Donde:
1
P pA|Hq “ 0.25, P pHq “ 0.4, P pA|M q “ 3
y P pM q “ 0.6
Nota 1. Notemos que las ramas que corresponden a las probabilidades utili-
zadas en la formula son las mismas de las usadas en P pAq (rojas).
Sustituyendo estos valores, obtenemos:

p0.25q ¨ p0.4q
P pH|Aq “ ` ˘ (1.6)
p0.25q ¨ p0.4q ` 31 ¨ p0.6q
0.1 0.1
P pH|Aq « « « 0.333 (1.7)
0.1 ` 0.2 0.3
Por lo tanto, la probabilidad de que un estudiante sea hombre dado que
aprueba la materia es aproximadamente P pH|Aq « 0.333.
Para calcular P pH|N q, la probabilidad de que un estudiante sea hombre
dado que no aprueba la materia, utilizaremos el Teorema de Bayes:

P pN |Hq ¨ P pHq
P pH|N q “ (1.8)
P pN |Hq ¨ P pHq ` P pN |M q ¨ P pM q
Donde:
2
P pN |Hq “ 0.75, P pHq “ 0.4, P pN |M q “ 3
y P pM q “ 0.6
Nota 2. Notemos que las ramas que corresponden a las probabilidades utili-
zadas en la fórmula son las mismas de las usadas en P pN q (verdes).
Sustituyendo estos valores, obtenemos:

p0.75q ¨ p0.4q
P pH|N q “ ` ˘ (1.9)
p0.75q ¨ p0.4q ` 23 ¨ p0.6q
0.3 0.3
P pH|N q « « « 0.429 (1.10)
0.3 ` 0.4 0.7
Por lo tanto, la probabilidad de que un estudiante sea hombre dado que
no aprueba la materia es aproximadamente P pH|N q « 0.429.

7
 Para calcular P pM |Aq, la probabilidad de que un estudiante sea mujer
dado que aprueba la materia, utilizaremos el Teorema de Bayes:

P pA|M q ¨ P pM q
P pM |Aq “ (1.11)
P pA|Hq ¨ P pHq ` P pA|M q ¨ P pM q
Donde:
P pA|M q “ 13 , P pM q “ 0.6, P pA|Hq “ 0.25 y P pHq “ 0.4
Nota 3. Notemos que las ramas que corresponden a las probabilidades utili-
zadas en la fórmula son las mismas de las usadas en P pAq (rojas).
Sustituyendo estos valores, obtenemos:
`1˘
3
¨ p0.6q
P pM |Aq “ ` ˘ (1.12)
p0.25q ¨ p0.4q ` 13 ¨ p0.6q
0.2 0.2
P pM |Aq « « « 0.667 (1.13)
0.1 ` 0.2 0.3
Por lo tanto, la probabilidad de que un estudiante sea mujer dado que
aprueba la materia es aproximadamente P pM |Aq « 0.667.
Para calcular P pM |N q, la probabilidad de que un estudiante sea mujer
dado que no aprueba la materia, utilizaremos el Teorema de Bayes:

P pN |M q ¨ P pM q
P pM |N q “ (1.14)
P pN |Hq ¨ P pHq ` P pN |M q ¨ P pM q
Donde:
P pN |M q “ 23 , P pM q “ 0.6, P pN |Hq “ 0.75 y P pHq “ 0.4
Nota 4. Notemos que las ramas que corresponden a las probabilidades utili-
zadas en la fórmula son las mismas de las usadas en P pN q (verdes).
Sustituyendo estos valores, obtenemos:
`2˘
3
¨ p0.6q
P pM |N q “ ` ˘ (1.15)
p0.75q ¨ p0.4q ` 32 ¨ p0.6q
0.4 0.4
P pM |N q « « « 0.571 (1.16)
0.3 ` 0.4 0.7
Por lo tanto, la probabilidad de que un estudiante sea mujer dado que no
aprueba la materia es aproximadamente P pM |N q « 0.571.

8
Teorema 1.1. Supongamos que estamos interesados en calcular P pH|Aq, de
la definición tenemos
P pH X Aq
P pH|Aq “
P pAq
P pA|HqP pHq P pA|HqP pHq P pA|HqP pHq
P pH|Aq “ “ “
P pAq P pA X Hq ` P pA X M q P pA|HqP pHq ` P pA|M qP pM q
es decir
P pA|HqP pHq
P pH|Aq “
P pA|HqP pHq ` P pA|M qP pM q
Ejemplo 1. Las probabilidades previas de los eventos A1 y A2 son P pA1 q “ 0.4
y P pA2 q “ 0.6. Sabe también que P pA1 X A2 q “ 0.
Suponga que P pB|A1 q “ 0.2 y P pB|A2 q “ 0.05.
1. ¿A1 yA2 son eventos mutuamente excluyentes?
2. Calcule P pA1 X Bq y P pA2 X Bq.

|A 1q B | P pA1 X Bq “ 0.4 ˚ 0.2 “ 0.08

P pB
0.2
A1 P pB c
|A
A 1q 1q
Pp 0.8 Bc | P pA1 X B c q “ 0.4 ˚ 0.8 “ 0.32
0.4
¨
Pp
A2
q |A 2q B | P pA2 X Bq “ 0.6 ˚ 0.05 “ 0.03
0.6 P pB
0.05
A2 P pB c
|A2 q
0.95 Bc | P pA2 X B c q “ 0.6 ˚ 0.95 “ 0.57

3. Calcule P pBq

P pBq “ P pA1 X Bq ` P pA2 X Bq “ 0.08 ` 0.03 “ 0.11

4. Emplee el teorema de Bayes para calcular P pA1 |Bq y P pA2 |Bq.

P pA1 X Bq P pB|A1 qP pA1 q 0.2 ˚ 0.4

P pA1 |Bq “ “ “ “ 0.7272
P pBq P pB|A1 qP pA1 q ` P pB|A2 qP pA2 q 0.2 ˚ 0.4 ` 0.6 ˚ 0.05

9
Ejemplo 1.2. Considere una poblacion de 2500 en la cual 1000 personas son
del grupo I y 1500 personas del grupo D, dentro del grupo I se tiene que
400 personas son Hombres y 600 Mujeres y dentro del grupo D 800 personas
son Hombres y 700 son Mujeres.
Las probabilidades naturales dadas por esta división se presentan en la
siguiente grafica

Probabilidad/BayesGraf1.JPG

ahora, el teorema de bayes me permite hallar las otras probabilidades

condicionales, es decir, P pI|Hq, P pI|M q, P pD|Hq, P pM |Dq. para esto,

P pH|IqP pIq
P pI|Hq “
P pH|IqP pIq ` P pH|DqP pDq
0.4p0.4q
“
0.4p0.4q ` 0.6p0.53q (1.17)
0.16
“
0.16 ` 0.318
0.16
“ “ 0.3347
0.478

10