Está en la página 1de 4

Teorema de Bayes

El teorema de Bayes parte de una situacin en la que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai. A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin, porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai que haya ocurrido. Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos indica como modifica esta informacin las probabilidades de los sucesos Ai. Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea diabtica es 0,03. Obviamente la probabilidad de que no lo sea es 0,97. Si no disponemos de informacin adicional nada ms podemos decir, pero supongamos que al realizar un anlisis de sangre los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en un 2% de las personas sanas. Cul ser ahora la probabilidad de que esa persona sea diabtica? La respuesta que nos da el teorema de Bayes es que esa informacin adicional hace que la probabilidad sea ahora 0,595. Vemos as que la informacin proporcionada por el anlisis de sangre hace pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595. Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta informacin modificara las probabilidades en sentido contrario. En este caso la probabilidad de padecer diabetes se reducira a 0,0016.

Teorema de Bayes
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 17631 que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber -si se tiene algn dato ms-, la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta

relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados.

Sea

un conjunto de sucesos mutuamente excluyentes y exhaustivos,

y tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea B un suceso cualquiera del que se conocen las probabilidades condicionales probabilidad viene dada por la expresin: . Entonces, la

donde: son las probabilidades a priori. es la probabilidad de en la hiptesis .

son las probabilidades a posteriori.

Si A 1 , A

,... , A n son:

Sucesos incompatibles 2 a 2.

Y cuya unin es el espacio muestral (A

...

= E).

Y B es otro suceso.

Resulta que:

Las probabilidades p(A 1 ) se denominan probabilidades a priori .

Las posteriori .

probabilidades p(A i /B) se

denominan probabilidades

Las probabilidades p(B/A i ) se denominan verosimilitudes.

Ejemplos

El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. Cul es la

probabilidad de que un empleado directivo elegido al azar sea ingeniero?

La probabilidad de que haya un accidente en una fbrica que dispone de alarma es 0.1. La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningn incidente es 0.02.

En

el

supuesto

de

que

haya

funcionado

la

alarma,

cul

es

la

probabilidad de que no haya habido ningn incidente?

Sean los sucesos:

I = Producirse incidente.

A = Sonar la alarma.