Está en la página 1de 99

TEOREMA DE BAYES

Thomas Bayes
(1702-1761)
En el ao 1763, dos aos
despus de la muerte de Thomas
Bayes (1702-1761), se public
una memoria en la que aparece,
por
vez
primera,
la
determinacin de la probabilidad
de las causas a partir de los
efectos que han podido ser
observados. El clculo de dichas
probabilidades recibe el nombre
de teorema de Bayes.

Explicacin del Teorema de Bayes


(Fcil).
Es la probabilidad que se utiliza cuando tenemos dos
eventos dependientes, o sea la ocurrencia de uno
depende de la ocurrencia de otro. Y queremos saber la
probabilidad de ocurra el primer evento dado que se sabe
el segundo.

Evento
(A)

Evento
(B)

Este evento se
conoce y se
quiere determinar
A.

Ejemplo de usos de la Probabilidad de


Se sabe que la probabilidad Bayes.
de que llueva en Santa Cruz un dia de

marzo es 25%. cuando llueve la probabilidad de que la empresa


Toldito alquile un Toldo es 80%, mientras si no llueve la
probabilidad de alquiler es 25% Cul es la probabilidad de que
halla llovido si se sabe que se alquil un toldo?

0.
25

0
8
.
0

0.20

0.
75

0.25

0.75

Evento A Evento B

Como podemos ver nos piden la probabilidad de que halla sucedido un


evento A dicindonos que uno B que es dependiente de A ya
sucedi.

P (LL/ T) =
P( T
LL)
P(TLL) + P (T
S)
P (TLL) = P(LL) * P(T/LL)=
0.25*0.80=0.2
P (TS) = P(S) * P(T/S)= 0.75*0.25=
0.187

Respuesta) Hay un 51.67% de probabilidad que haya llovido si se


sabe que se alquilo un toldo.

Ejemplo de teorema de Bayes.


Se asume que Dunmham Manufacturing utiliza dos mquinas
para producir su producto. La mquina A produce el 60% de la
produccin total, y la mquina B produce el restante 40%. El 2%
de las unidades producidas por A son defectuosas, mientras que B
tiene una tasa de defectos del 4%. Cul es la probabilidad de
que el producto sea de la mquina A dado que se sabe
P (A) = P(A) * P(/A) = (0.6)
que es defectuoso
(0.98) = 0.588
ina A
0.98
mqu
la
=
e
d
)
A
tuosa
P ( /
defec
d no
UnUidnaid
ad

)
P (A

.60
0
=

defec

tuosa

P(D/

aA

in
qu
a
M
Ma
qu
i na
P(B
B
)=
0.4
0

de la
mqu
ina A

A) =
0.02

0.96
=
)
ina B
B
/
mqu
P(
de la

a
ctuos
o defe
n
d
a
Unid Unid
ad de
fectuo
sa

P(D/B)

de la m
quina
B

= 0.04

P (AD) = P(A) * P(D/A) = (0.6)


(0.02) = 0.012

P (B) = P(B) * P(/B) = (0.40)


(0.96) = 0.384

P (BD) = P(B) * P(D/B) = (0.40)


(0.04) = 0.016

Teorema de Bayes

Hagamos los clculos juntos:


VAMOS!!

Ejemplo de Teorema de Bayes


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.
Sean los
sucesos:
A = Sonar la
alarma.

I = Producirse
incidente.
En el supuesto de que haya funcionado la
alarma, cul es la probabilidad de que no haya
habido ningn incidente?

Ejemplo de Teorema de Bayes.


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 sea ingeniero si se sabe que es
directivo?

Ejemplo de Teorema de Bayes.


Existen 3 profesores de Estadstica Inferencial. La probabilidad que le toque
el profesor Evelio es del 35%, y la probabilidad de que usted apruebe con
Evelio es 80%. La probabilidad de que le toque con el profesor Carlos es
25% y de todos los estudiantes que pasan con este docente el 70% aprueba.
La probabilidad de que le toque con el profesor Pedro es 40%, pero a Pedro
solo le aprueba el 60% de los inscritos. Cul es la probabilidad de que
un estudiante sea del profesor Evelio si se sabe que aprob la
0.35 * 0.8 = 0.28
materia?
0

0.8
0.20

3
0.

0.25
0.4
0

0
0.7
0.30
0.60
0.4
0

0.35 * 0.2 = 0.07


0.25 * 0.7 = 0.175
0.25 * 0.3 = 0.075
0.40 * 0.6 = 0.24
0.40 * 0.4 = 0.16

0
0.8
0.20
3
0.

0.25
0.4
0

0
0.7
0.30
0.60
0.4
0

0.35 * 0.8 = 0.28


0.35 * 0.2 = 0.07
0.25 * 0.7 = 0.175
0.25 * 0.3 = 0.075
0.40 * 0.6 = 0.24
0.40 * 0.4 = 0.16

Ejemplo de Teorema de Bayes.


Ejemplo: La textilera Ecotexa, compra un
cargamento de telas de tres casas proveedoras.
Un 30% de las telas se adquieren en Casa
Ochoa, 20% a Casa Textiles del Sur, y el 50%
sobrante a Tituanatex.
Ecotexa posee informacin de las tres casas y
sabe que 3% de la mercadera de Casa Ochoa
son defectuosas,5% de telas de Casa Textiles
del Sur no son aceptables, y que 4% de telas
de Tituanatex tienen algn tipo de defecto.
Al llegar a bodega no son seleccionados y se
toma un paquete de telas que resultan ser
12
defectuosas. Cual es la probabilidad de que esta

Solucin: Existen tres eventos mutuamente


excluyentes y colectivamente exhaustivos, que son
las tres casas:
A1 mercadera de compro en Casa Ochoa,
A2 mercadera de compro en Casa Textiles del
Sur,
A3 mercadera de compro en Tituanatex.
Las probabilidades a priori son:
P(A1) =(30/100)= 0.30 probabilidad de mercadera
adquirida en Casa Ochoa,
P(A2) =(20/100)= 0.20 probabilidad de mercadera
adquirida en Casa Textiles del Sur,
13 mercadera
P(A3) =(40/100)= 0.40 probabilidad de

PROBABILIDADES CONDICIONALES:
P(B|A1) = (3/100)= 0.03 mercadera de
Casa Ochoa , sea defectuosa.
P(B|A2) = (5/100)= 0.05 mercadera de
Textiles de Sur , sea defectuosa.

P(B|A3) = (4/100)= 0.04 mercadera de


Tituanatex , sea defectuosa.

La informacin se la puede resumir en la siguiente


tabla:
Evento
Ai
Probabilid Probabilid Probabilid
Probabilidad
ad a
Priori,
P(Ai)

ad
condiciona
l, P(B1|Ai)

ad
conjunta,
P(Ai|B1)

posteriori,
P(Ai|B1)

Casa
Ochoa

0.30

0.03

0.009

Textiles de
Sur

0.20

0.05

0.010

Tituanatex

0.50

0.04

0.020

0.009/0.039=0.2
308
0.010/0.039=0.2
564
0.020/0.039=0.5
128

0.039
Para obtener la probabilidad posteriori, dividimos la probabilidad de cada
evento para el total de probabilidades conjuntas.

Aplicaciones del Teorema


de Bayes

Aplicacin del Teorema de Bayes 01


Supongamos que la probabilidad de encontrar
una mujer morocha en Sudamrica sea P(m|
s)=0.7. En Centroamrica P(m|c)= 0.9 y en
Amrica del Norte P(m|n)=0.4.
Ahora bien; se realiza un concurso de belleza
para elegir Mis Amrica. De las participantes el
30%
son
sudamericanas,
el
20%
de
Centroamrica y el 50% restante del norte.
De golpe a Ud. le presentan una morocha.
Apostara de que parte del continente proviene?

Extraemos la informacin y observamos las


siguientes probabilidades "a priori" de hallar
una mujer de c/u de las regiones del continente
del total de las participantes del concurso:
- P(s) = 0.3
- P(c) = 0.2
-P(n) = 0.5
A su vez la probabilidad de hallar una morocha
segn la regin continental ser:
P(m|s) = 0.7
P(m|c) = 0.9 P(m|n) = 0.4

Aplicando la regla de Bayes debemos hallar P(s|m), P(c|


m) , y P(n|m); bajo la certeza que ocurri el suceso :
{MOROCHA} Resulta:
P(s|m) = P(m|s) x P(s) / (P(m|s).P(s)+P(m|c).P(c)+P(m|n).P(n))
P(s|m) = 0.7 x 0.3 / (0.7x0.3 + 0.9x0.2 + 0.4x0.5)

Generando una tabla de doble entrada


como vimos en otra nota anterior, nos
queda:

As las probabilidades marginales nos


informan de la probabilidad del color de
tez independientemente del origen
geogrfico y viceversa P(origen), sin
tomar en cuenta el tipo de tez. Usando
los valores de tabla podemos hallar las
probabilidades a posteriori :
P(s|m) = 0.21 / 0.59 = 0.36
P(c|m) = 0.18 / 0.59 = 0.31
P(n|m) = 0.20 / 0.59 = 0.33
De donde se induce que lo mas probable
es que se trate de una sudamericana.

Aplicacin del Teorema de Bayes 02


A un congreso asisten 100 personas, de
las cuales 65 son hombres y 35 son
mujeres. Se sabe que el 10% de los
hombres y el 6% de las mujeres son
especialistas en computacin. Si se
selecciona al azar a un especialista en
computacin Cul es la probabilidad de
que sea mujer?
Solucin: Definamos los eventos:
H:Sea unhombre

Por lo tanto:

Aplicacin del Teorema de Bayes 03


En la UAEH se cuenta con un total de 700

alumnos; de los cuales 220 Son de


Sistemas Computacionales (120 Mujeres,
100 Hombres), 300 Son de Derecho (140
SEXO/CARRERA
SISTEMAS
ADMN. y DERECHO
TOTALde
Mujeres, 160
Hombres)
180 Son
COMP.
Administracin (95 Mujeres, 85 Hombres).
HOMBRES

100

85

160

345

MUJERES

120

95

140

355

TOTAL

220

180

300

700

Suceso A:
A(Probabilidad de que se obtenga un
alumno de Sistemas, Administracin o de
Derecho).
Suceso B:
B(que se obtenga una Mujer).
Supongamos que ya obtuvimos el
suceso B es decir a una mujer.
Calculamos por medio del teorema de

Para solucionar el problema debemos


Calcular con anticipacin cada una de las
probabilidades de las carreras en base a la
tabla anterior.
P(Sist)=(220/700)*100 = 31.42%
P(Admi)=(180/700)*100 = 25.71 %
P(Derecho)=(300/700)*100 = 42.85 %
Tambin necesitamos la probabilidad de
obtener una mujer en cada carrera
condicional.
P(M S)= ((120/700)/(220/700))*100 =
54.54%

Agrupando datos:
SISTEMAS

31.42%

54.54%

ADMINISTRACIN
DERECHO

25.71%
42.85%

52.77%
46.66%

Solucionando problema:
1. Probabilidad de que la mujer que se obtuvo
sea de Sistemas.
Aplicando formula:
P(A D)=

P(A D)=

P(A)* P(D A )
P(An)* P(D An)

31.42 * 54.54

(31.42*54.54)+ (25.71*52.77)+(42.85*46.66)

P(A D)=0.33*100= 33%


La probabilidad de que sea de sistemas la
mujer que se obtuvo es de 33%.

Aplicacin del Teorema de Bayes 04


En sorteo se rifan 1000 Automviles, de
los cuales 500 son jettas (250 Mod. 2008,
155 Mod 2009 y 95 Mod. 2010); 300 Son
Passat (150 Mod. 2008, 100 Mod 2009 y
50 Mod. 2010) y 200 son Golf (75 Mod.
2008, 60 Mod 2009 y 65 Mod. 2010).

MARCA/MO
D.

2008

2009

2010

TOTAL

JETTA

250

155

95

500

PASSAT

150

100

50

300

GOLF

75

60

65

200

TOTAL

475

315

210

1000

MODELO/MARCA

2008

TOTALES

JETTA

50%

50%

PASSAT

50%

30%

GOLF

37.5%

20%

El problema dice suponiendo que


obtuvimos un modelo 2008 cual es la
probabilidad de que sea Jetta:
Solucin:
Probabilidad de que automvil Jetta fuera
2008 es:
P(2008/J)

Aplicacin del Teorema de Bayes 05


Una fabrica tiene 3 maquinas. La maquina
1 produce el 50% del total, la maquina 2
produce el 20% y la maquina 3 produce el
30%. De la produccin se sabe que la
maquina 1 produce el 1% defectuoso, la
maquina 2 produce el 4% defectuoso y la
3 produce el 2% defectuoso. Se selecciona
aleatoriamente
un2 articulo y de3 encuentra
1
que es defectuoso Cual es la probabilidad
de que lo haya producido la maquina 1?

Si el espacio muestral
es la produccin total
que ha sido divido en
tres eventos
A1: Lo producido por
la maquina 1
P(A1)=0.50
A2: Lo producido por
la maquina 2
P(A2)=0.20
A3: Lo producido por

P(A1)
P(A2)
P(B|A2)
P(B|A3)

P(A3)

Tambin se conoce la probabilidad de que


un articulo sea defectuoso dado que lo
produjo la maquina 1 es P(B|A1)=0.01
la probabilidad de que un articulo sea
defectuoso dado que lo produjo la maquina
1 es P(B|A2)=0.04
la probabilidad de que un articulo sea
defectuoso dado que lo produjo la maquina
1 es P(B|A3)=0.02

Por lo tanto la probabilidad de que lo


haya producido la maquina 1 dado que
es defectuoso, es de acuerdo al Teorema
de Bayes

Aplicacin del Teorema de Bayes 06


Un acueducto que esta en construccin
requiere tubera de pvc hidrulico. Para
esto se contrata a 3 Plantas productoras
{1,2,3} dichas plantas surten tubera en
el
sig.
porcentaje
{60,25,15}%
respectivamente.
Las
plantas
producen
tuberas
defectuosas
en
este
porcentaje
respectivamente {1, 5.5, 3.6}%
Al realizar un control de calidad se tomo
una pieza defectuosa, el laboratorio

Por lo
Resultados
Planta P(Ai) P(B|Ai)
(i)

P(B|Ai)P(Ai)

0.60

0.01

0.006

0.25

0.055

0.0138

0.15

0.036

0.0054

tanto
probabilidad
que sea de
planta 2 es de
23.81%

la
de
la
un

Ntese como la
probabilidad
es
alta debido a que
el porcentaje que
surte es poco y su
probabilidad
de

Aplicacin del Teorema de Bayes 07


Un tiradero a cielo abierto, se va a cubrir
para poder aprovechar el biogs que este
genere.
Se estima que la cantidad de basura
orgnica es de un 58% y de inorgnica es
de un 42%, Dentro de este porcentajes
existen residuos de tipo CRETIB, los
cuales se estiman en 3% para la orgnica
y un 12% para la inorgnica.
El laboratorio se pregunta cual es la
probabilidad de que de 1m de muestra

Aplicacin del Teorema de Bayes 08


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:
SUCESO A= I ( Producirse incidente)
SUCESO B= A( Sonar la alarma)

HACIENDO UN DIAGRAMA DE ARBOL:

Aplicacin del Teorema de Bayes 09


Un Doctor dispone de tres equipos
electrnicos para realizar ecosonogramas.
El uso de cada equipo es de 25% al
primero, 35% el segundo en y 40% el
tercero. Se sabe que los aparatos tienen
probabilidades de error de 1%, 2% y 3%
respectivamente. Un paciente busca el
de que
unala ecografa
y observa
que
Seresultado
puede observar
pregunta es sobre
determinar
la
probabilidad
que un
examen errado
sea del primer
tiene un de
error.
Determine
la probabilidad
aparato, es decir, ya ha ocurrido el error. Por lo tanto,
de que se ha usado el primer aparato.
debemos recurrir al teorema de bayes. Claro est, que es
necesario de igual forma obtener la probabilidad de que
los aparatos produzcan un resultado errneo, por lo tanto:

Determine la probabilidad de que se ha usado el 1er aparato


(sabiendo que hay un error)

1 APARATO (P)
25
%
35 %

2 APARATO (S)

40
%

3 APARATO (T)

ERRO
1%
R
SIN
99%
ERROR
ERRO
2%
R
SIN
98%
ERROR
ERRO
3
R
%
97%SIN ERROR

SOLUCIN:
Se definen los sucesos:
Suceso P: seleccionar el
primer aparato
Suceso S: seleccionar el
segundo aparato
Suceso T: seleccionar el tercer
aparato
Suceso E: seleccionar un
resultado con error

Aplicacin del Teorema de Bayes 10


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

Aplicacin del Teorema de Bayes 11


En un colegio hay dos grupos de 25 alumnos
de quinto curso y dos grupos de 20 alumnos
de sexto curso. El 50 % de los alumnos de
quinto no tienen faltas de ortografa,
porcentaje que sube a 70% en los alumnos
de sexto. En un concurso de redaccin entre
alumnos de quinto y sexto se elige una
redaccin al azar.
a) Qu probabilidad hay de que sea de un
alumno de quinto?
b) Si tiene faltas de ortografa, qu

a) 5/9
b) se aplica teorema de bayes:

0.5 NO
(5) 50
90
(6) 40
90

P(5/SI) =
5/9 *0.5
= 25/37
5/9*.5 + 4/9 *0.3

0.5 SI
0.7 N0
0..3

SI

Aplicacin del Teorema de Bayes 12


1. El portero titular de un equipo de ftbol
para 8 de cada 10 penaltis, mientras que
el suplente solo para 5. el portero suplente
juega, por termino medio, 15 minutos en
cada partido (90 minutos).
a) Si en un partido se lanzan tres penaltis
contra
este
equipo,
cul
es
la
probabilidad de que se paren los tres?
b) Si se lanza un penalti y no se para cul
es la probabilidad de que estuviera
jugando el portero titular?

Tenemos
tres del
urnas:
A con de
3 bolas
rojas
Aplicacin
Teorema
Bayes
13 y
5 negras, B con 2 bolas rojas y 1 negra y
C con 2 bolas rojas y 3 negras.
Escogemos una urna al azar y extraemos
una bola. Si la bola ha sido roja, cul es
la probabilidad de haber sido extrada de
Solucin:
la urna A?
Llamamos R= "sacar bola roja" y N= "sacar bola
negra". En el diagrama de rbol adjunto pueden
verse las distintas probabilidades de ocurrencia
de los sucesos R o N para cada una de las tres
urnas.
La probabilidad pedida es P(A/R).
Utilizando el teorema de Bayes, tenemos:

Caso del Teorema de Bayes


La Fruit Computer Company fabrica chips
de memoria en lotes de diez. Segn su
experiencia, Fruit sabe que el 80% de
todos los lotes son buenos y el 20% malos.
Si se tiene un lote bueno y se extrae un
chips, hay una probabilidad de 10% de que
el chips sea defectuoso. Si se tiene un lote
malo, y se extrae un chips, hay una
probabilidad de 50% de que el chips sea
defectuoso. Si un lote es bueno, se manda
a la siguiente etapa de produccin, los

Caso del Teorema de Bayes


Fruit tiene tambin la opcin de reprocesar
un lote a un costo de 1000 dlares. Es
seguro que un lote reprocesado ser
despus un lote bueno. Otra opcin es que,
por un costo de 100 dlares, Fruit puede
probar un chip de cada lote para tratar de
determinar si es defectuoso ese lote.
Se requiere determine cmo puede Fruit
reducir al mnimo el costo total esperado
por lote aplicando el criterio bayesiano.

SOLUCIN:
Existen dos estados de naturaleza:
Lote Bueno
Lote Malo
Fruit tiene la opcin de llevar a cabo un
experimento: inspeccionar un chip por lote.

Donde:
Los resultados posibles del experimento
son:
LB =
Chip Bueno
Bueno
Chip Malo

Lote

LM = Lote
Malo

Nos proporcionan las siguientes


probabilidades con respecto a los estados
de naturaleza:
P(LB) = 0.80
P(LM) = 0.20
P(ChM/LB) = 0.10,
P(ChM/LM) = 0.50,

P(ChB/LB) = 0.90
P(ChB/LM) = 0.50

Calculamos la probabilidad de cada uno de


los resultados experimentales:
P (ChB)
(ChB/LM)
P (ChB)
P (ChB)
P (ChB)

= P (LB) P (ChB/LB) + P (LM) P


= (0, 80) (0, 90) + (0, 20) (0, 50)
= 0.72 + 0.10
= 0.82

Calculamos la probabilidad de cada uno


de los resultados experimentales:
P (ChM) = P (LB) P (ChM/LB) + P (LM) P (ChM/LM)
P (ChM) = (0, 80) (0, 10) + (0, 20) (0, 50)
P (ChM) = 0.08 + 0.10
P (ChM)
= 0.18

Podemos comprobar utilizando WinQSB

Luego tenemos lo necesario para


resolver el rbol de decisiones:

Luego tenemos lo necesario para


resolver el rbol de decisiones:

CONCLUSIO
N:

El clculo directo indica que la estrategia ptima es


probar un chip. Si resulta defectuoso, se procesa el
lote. Si no resulta defectuoso, el lote puede

Aplicacin del Teorema de Bayes 14


Una compaa de transporte explota tres
lneas de una ciudad, de forma que el 60%
de los buses cubre el servicio de la primero
lnea, el 30% cubre la segunda y el 10%
cubre el servicio de la tercera lnea. Se sabe
que la probabilidad de que, diariamente, un
bs se avere es del 2%, 4% y 1%,
Solucin:
respectivamente,
para
cada
lnea.
El
suceso "sufrir una
avera"
(Av) puede
Determina la
de que,
enL2,
un da,
producirse
enprobabilidad
las tres lneas,
(L1,
L3).
un bus el
sufra
una avera.
Segn
teorema
de la probabilidad total y
teniendo en cuenta las probabilidades del
diagrama de rbol adjunto, tenemos: P(Av) =

Aplicacin del Teorema de Bayes 15


La prevalencia de infarto cardaco para hipertensos
es del 0,3% y para no hipertensos del 0,1%. Si la
prevalencia de hipertensin en una cierta poblacin
es del 25% Cul es la prevalencia del infarto en esa
Solucin:
poblacin?
A1 = {ser hipertenso}; A2 = {no serlo}
estos sucesos constituyen un sistema competo de
sucesos
B = {padecer infarto}
datos: p(B|A1) = 0,003; p(B|A2) = 0,001; p(A1) =
0,25
evidentemente p(A2) = 1-p(A1)=0,75
p(B) = p(B|A1)x p(A1)+ p(B|A2)x p(A2) =

Si seleccionamos una persona al azar, la


Aplicacin
de Bayes
probabilidad
de del
queTeorema
sea diabtica
es 16
0,03.
Obviamente la probabilidad de que no lo sea es
0,97.
P(D)=0.03: P(NB)=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.
P(HG/D)=0.95
P(HG/ND)=0.02
Cul ser ahora la probabilidad de que esa persona

P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=
= 0.95x0.03+0.02x0.97=0.0479

P ( D) P ( HG / D ) 0.03 0.95
P ( D / HG )

0.595
P ( HG )
0.0479

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.

Aplicacin del Teorema de Bayes 17


Estudiamos 1000 alumnos en tres facultades de
la UAM. En la 1 hay un neurtico por cada 10
alumnos, en la 2 1 por cada 15 y en la 3 1 por
cada 20. El nmero de alumnos por facultad es de
200, 300 y 500. Tomamos un individuo al azar y
vemos : que es neurtico Cul es la probabilidad
Solucin
de que pertenezca a la facultad nmero 3?
Lo que tenemos que calcular es p(F3/N), por el
Teorema de Bayes tenemos

En primer lugar calculamos la probabilidad de


pertenecer a cada Facultad:
P(F1)
=
200/1000=0.2;
P(F2)=300/1000=0.3;
P(F3)=500/1000=0.5.

En segundo lugar las probabilidades de ser


neurtico en cada una de ellas:
P(N/F1)=1/10=0.1;
P(N/F2)=1/15=0.066;
P(N/F3)=1/20=0.05
Podemos calcular por tanto la Probabilidad
Total de ser neurtico
P(N)=P(F1) P(N/F1) + P(F2) P(N/F2) +
P(F3) P(N/F3) =
= 0.2 0.1 +0.3 0.066 + 0.5 0.05 = 0.064
Por ltimo, utilizando
de Bayes
P ( N / F 3) el
P ( Fteorema
3)
0.025

P( F 3 / N )

P(F1) P(N/F1) P(F2) P(N/F2) P(F3) P(N/F3)

0.064

0.3906

Aplicacin del Teorema de Bayes 18


Una prueba diagnstica para el cncer
uterino tiene un coeficiente falso-positivo
de 0,05 y falso-negativo de 0,10. Una mujer
con una probabilidad pre-prueba de
padecer la enfermedad de 0,15 tiene un
Solucin:
resultado
misma. Calcular
Sea
NE = {lanegativo
mujer nocon
estlaenferma},
la probabilidad de que no est enferma.
+ = {el resultado de la prueba es positivo}
y
-= {el resultado de la prueba es negativo}.
La pregunta pide P(NE|-).
Los datos que se dan son p(+|NE)=0,05; p(-|
E)=0,10 y p(E)=0,15. Del primero se deduce

Aplicacin del Teorema de Bayes 19


El parte meteorolgico ha anunciado tres
posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del
20%.Segn estos posibles estados
meteorolgicos, la posibilidad de que
ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del
10%.
b) Si nieva: probabilidad de accidente del
20%
c) Si hay niebla: probabilidad de

El teorema de Bayes nos permite calcular


estas
probabilidades:
Las probabilidades que manejamos antes
de conocer que ha ocurrido un accidente
se denominan "probabilidades a priori"
(lluvia con el 60%, nieve con el 30% y
niebla
con
el
10%).
Una vez que incorporamos la informacin
de
que
ha laocurrido
un accidente, las
Vamos
a aplicar
frmula:
probabilidades del suceso A cambian: son
probabilidades condicionadas P (A/B), que
se
denominan
"probabilidades
a
posteriori".

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera


lloviendo el da del accidente (probabilidad a
posteriori)
71,4%.nevando:
b) Probabilidades
de del
que estuviera

La probabilidad de que estuviera nevando es del 21,4%.


c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Aplicacin del Teorema de Bayes 20


En la sala de pediatra de un hospital, el 60% de
los pacientes son nias. De los nios el 35% son
menores de 24 meses. El 20% de las nias tienen
menos de 24 meses. Un pediatra que ingresa a la
sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que
sea menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses.
Determine la probabilidad que sea una nia.
SOLUCIN:
Se definen los sucesos:
Suceso H: seleccionar una nia.
Suceso V: seleccionar un nio.
Suceso M: infante menor de 24 meses.

a. En este caso, la poblacin es de los infantes. Y la


caracterstica en comn es que sean menores de 24
meses. Por lo tanto, la probabilidad de seleccionar un
infante menor de 24 meses es un ejemplo de
probabilidad total. Su probabilidad ser:

b. Para identificar cuando en un ejercicio se hace referencia


al Teorema de Bayes, hay que partir de reconocer esta es
una probabilidad condicionada y que la caracterstica
comn de los sucesos condicionantes ya ha ocurrido.
Entonces, la probabilidad de que sea nia una infante
menor de 24 meses ser:

Problema 01: Tres mquinas, A, B y C,


producen el 45%, 30% y 25%, respectivamente,
del total de las piezas producidas en una fbrica.
Los porcentajes de produccin defectuosa de
estas mquinas son del 3%, 4% y 5%.
Seleccionamos una pieza al azar; calcula la
probabilidad de que sea defectuosa. Tomamos,
al azar, una pieza y resulta ser defectuosa;
calcula la probabilidad de haber sido producida
por la mquina B. Qu mquina tiene la mayor
probabilidad de haber producido la citada pieza
defectuosa?
78

Solucin al problema 01: Sea


D = "la pieza es defectuosa" y
N
=
"la
pieza
no
es
defectuosa".
La informacin del problema se
expresa en el diagrama de
rbol
adjunto.
a) Para calcular la probabilidad de que la pieza
elegida sea defectuosa, P(D), por la propiedad de la
probabilidad total, P(D) = P(A) P(D/A) + P(B)
P(D/B)
+
P(C)

P(D/C)
=
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038

79

Solucin al problema 01(sigue): b) Debemos


calcular P(B/D), Por el teorema de Bayes,

c) Calculamos P(A/D) y P(C/D), comparndolas con el


valor de P(B/D) ya calculado. Aplicando el teorema
de Bayes, obtenemos:

La mquina con mayor probabilidad


producido la pieza defectuosa es A

de

haber

Problema 02: Tenemos tres urnas: A con 3


bolas rojas y 5 negras, B con 2 bolas rojas y
1 negra y C con 2 bolas rojas y 3 negras.
Escogemos una urna al azar y extraemos
una bola. Si la bola ha sido roja, cul es la
probabilidad de haber sido extrada de la
Solucin
urna
A? del Problema 02:
Llamamos R= "sacar bola
roja" y N= "sacar bola
negra". En el diagrama de
rbol adjunto pueden verse
las distintas probabilidades
de ocurrencia de los sucesos
R o N para cada una de las
tres urnas.

81

Solucin al problema 02: La probabilidad


pedida es P(A/R). Utilizando el teorema de
Bayes,
tenemos:

82

Problema 03: 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? 04: La probabilidad de que haya un
Problema
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?

partner-pu

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.

85

Problema 05: Considera una fbrica de


botellas que cuenta con dos mquinas para
producir sus botellas. En esa fbrica se
producen 10,000 botellas al da. La
mquina A produce 6,500 botellas diarias
de las cuales el 2% son defectuosas. La
mquina B produce 3,500 botellas cada da
de las cuales el 1% son defectuosas.
Si un inspector de calidad de la compaa
selecciona una botella al azar y encuentra
que
esta
defectuosa
Cul
es
la
probabilidad de que la botella haya ha sido
producida por la maquina A?

MAQUINA

BOTELLA
0.02

0.65

0.98

0.01
0.35

D
D
D

0.99

P(A D) =

P(A) P(DA)
P(DA) P(A) + P(DB)P(B)
6,500

x 0.02

10,000
P(A D) =
6,500

x 0.02 +

10,000

P(A D) =

0.013
0.013 + 0.0035

3,500
10,000

= 0.788

x 0.01

PROBLEMAS
PROPUESTOS DE
TEOREMA DE BAYES

89

1.- Una urna contiene dos monedas de bronce y tres de


cobre. Otra urna contiene cuatro monedas de bronce y
tres de cobre. Si se elige una urna al azar y se extrae una
moneda al azar, cul es la probabilidad de que la
moneda
extrada
sea
de
bronce?
2.- En tres plantas, A, B y C, fabrican el 50 %, el 30 % y
el 20 %, respectivamente, del total de los objetos de una
empresa. Los porcentajes de produccin defectuosa de
estas plantas son, respectivamente, el 3 %, el 4 % y el 5
%.
a) Si se selecciona un objeto al azar, qu probabilidad
tiene
de
salir
defectuoso?
b) Suponiendo que es defectuoso, cul es la
probabilidad de que se haya producido en la planta A?
90

3.- En un instituto se ofertan tres modalidades excluyentes, M, P


y Q, y dos idiomas excluyentes, alemn y francs. La modalidad
M es elegida por un 50 % de los alumnos, la P por un 30 % y la Q
por un 20 %.
Tambin se conoce que han elegido alemn el 80 % de los
alumnos de la modalidad M, el 90 % de la modalidad P y el 75 %
de la Q, habiendo elegido francs el resto de los alumnos.
a) Qu porcentaje de estudiantes del instituto ha elegido
francs?
b) Si se elige al azar un estudiante de francs, cul es la
probabilidad de que sea de la modalidad M?

91

4.- En un IES hay tres profesores de Matemticas. Cuando un


alumno se matricula en el centro tiene igual probabilidad de
que le asignen uno y otro profesor de Matemticas. La
probabilidad de obtener como nota final un sobresaliente con el
profesor A es 0,3: la de obtenerlo con el profesor B es de 0,28;
y la de obtenerlo con el profesor C es 0,35.
a) Calcular la probabilidad de que un alumno matriculado en
Matemticas obtenga como nota final un sobresaliente.
b) Sabiendo que un alumno ha obtenido un sobresaliente como
nota final en Matemticas, cul es la probabilidad de que le
hubiesen
asignado
al
profesor
C?

92

5.- Un club tiene un 75 % de sus miembros que son mujeres y un 25 % que son
hombres. De este club tiene celular un 25 % de las mujeres y un 50 % de las
hombres.
a) Calcular el porcentaje de miembros de este club que no tienen telfono mvil.
b) Calcular la probabilidad de que un miembro de este club elegido al azar entre
los que tienen telfono mvil sea hombre.
6.- Dos amigos comparten piso. El primero prepara la comida el 40 % de los das
y el resto de los das lo hace el segundo. El porcentaje de veces que se le
quema al primero es el 5 %, mientras que el del segundo es el 8 %. a) Calcular
la probabilidad de que un da, elegido al azar, la comida est quemada.
b)Si cierto da se ha quemado, calcular la probabilidad de que haya cocinado el
primero.

93

7.- Hay 2 cines. En el 1ero el 50% de las pelculas son de accin mientras
que en el 2do lo son el 70%. Un espectador elige al azar un cine siguiendo
un mtodo que implica que la probabilidad de elegir le primero es el triple
que la de elegir el segundo. Una vez llega al. a) Calcular la probabilidad de
que la pelcula que vea sea de accin. b) Sabiendo que la pelcula que ha
visto es de accin, obtener la probabilidad de que haya acudido al primer
cine.
8.- En una urna A hay 5 bolas blanca y 2 roja, y en otra B hay 3 bolas
verdes, 6 blancas y 5 rojas. Se lanza un dado trucado, con las caras
numeradas del 1 al 6 y en el que la probabilidad de obtener un 6 es el
doble que la de obtener cualquier otro nmero. Si al lanzar el dado sale un
nmero par, se saca una bola de la urna A, y si sale un nmero impar, la
bola se saca de la urna B. Determinar la probabilidad de que la bola que se
saque sea roja.
94

9.- Dos amigos A y B comparten un nmero de telfono. De las


llamadas que llegan, 2/5 son para A y 3/5 son para B. Sus
ocupaciones les alejan de este telfono, de modo que A est fuera de
este telfono el 50 % de l tiempo y B el 25 % . Calcula la probabilidad
de que alguien conteste el telfono cuando suene.

10.- Tenemos la urna A con 4 bolas rojas y 6 blancas la urna B con


7 bolas rojas y 3 blancas. Se selecciona una urna al azar, se
extrae una bola y se coloca en la otra urna. continuacin se
extrae una bola de la segunda urna . calcula la probabilidad de
que las dos bolas extradas sean el mismo color.

11.- En un mercado, el 70 % de las compras las realizan mujeres;


de las compras realizadas por stas, el 80% supera los 20 ,
mientras que las compras realizadas por los hombres slo el 30 %
supera
esa
cantidad.
a) Elegido un ticket de compra al azar, cul es la probabilidad de
que
supere
los
20
?
b) Si se sabe que un ticket de compra no supera los 20 , cul es
la probabilidad de que la compra haya sido hecha por una mujer?
12.- Una prueba diagnstica para el cncer uterino tiene un
coeficiente falso-positivo de 0,05 y falso-negativo de 0,10. Una
mujer con una probabilidad pre-prueba de padecer la enfermedad
de 0,15 tiene un resultado negativo con la misma. Calcular la
probabilidad de que no est enferma.

Solucin:
1. 0,485

5. a: 0,6875 b: 0,4

9. 0,65

2. a: 0,037 b: 0,405

6. a: 0,068 b: 0,294

10. 0,509

3. a: 0,18 b: 0,55

7. a: 0,55 b: 0,68

11. 0,35

4. a: 0,31 b: 0,376

8. 0,316

12. 0,982

PROBLEMA PROPUESTO
Una empresa de consultora se ha presentado a un concurso para
un gran proyecto de investigacin. Inicialmente la direccin de la
empresa pens que tena una oportunidad de 50% de obtener el
contrato. Sin embargo, la dependencia a la que fue presentada la
propuesta ha solicitado informacin adicional al respecto. Por la
experiencia se sabe que la dependencia solicit informacin
adicional en el 75% de las propuestas aceptadas y en el 40% de
las propuestas rechazadas.
1. Cul es la probabilidad previa de tener xito?
2. Cul es la probabilidad condicional de tener una solicitud de
informes adicionales, dado que al final la oferta ser
seleccionada?
3. Calcule la probabilidad posterior de que la oferta tenga xito
dado que se ha recibido informacin adicional?
98

También podría gustarte