TEOREMA DE

BAYES
El reverendo Thomas Bayes (1702-1761)
desarrolló un concepto útil al calcular ciertas
probabilidades.
O El teorema de Bayes, en la
teoría de la probabilidad, es una
proposición planteada por el
matemático inglés Thomas Bayes
(1702-1761)​en 1763,
O Que expresa la
probabilidad condicional de un
evento aleatorio A dado B en términos
de la distribución de probabilidad
condicional del evento B dado A y la
distribución de probabilidad marginal
de sólo A.
O En términos más generales y
menos matemáticos, el teorema de
Bayes es de enorme relevancia
puesto que vincula la probabilidad
de A dado B con la probabilidad
de B dado A.
O Es decir, por ejemplo, que sabiendo la
probabilidad de tener un dolor de
cabeza dado que se tiene gripe, se
podría saber (si se tiene algún dato
más), la probabilidad de tener gripe
si se tiene un dolor de cabeza.
O Muestra este sencillo ejemplo la alta
relevancia del teorema en cuestión para
la ciencia en todas sus ramas, puesto
que tiene vinculación íntima con la
comprensión de la probabilidad de
aspectos causales dados los efectos
observados.
Ejemplo:
O Dunham Manufacturing utiliza dos
máquinas para producir su producto.
La máquina A produce el 60% de la
producción total, y la máquina B el
restante 40%. El 2% de las unidades
producidas por A son defectuosas,
mientras que B tiene una tasa de defecto
del 4%.
O Esto se muestra en el diagrama de
árbol que se indica a continuación.

O Se asume que una unidad de

producción se selecciona
aleatoriamente.
O  El
O primer conjunto de “ramas” en el
árbol indica cuál máquina produjo la
unidad, muestra que la probabilidad de
que provenga de la máquina A es y que
la probabilidad de que provenga de la
máquina B es
O El segundo grupo de “ramas”
indica la calidad de la unidad, dice
que si provino de la máquina A
puede ser defectuosa o no
defectuosa.
 ´ )=𝑷 ( 𝑨 ) × 𝑷 ( 𝑫/
𝑷  ( 𝑨 ∩ 𝑫 ´ 𝑨)
 ¿ ( 0.60 ) × ( 0.98 )
  0.588

𝑷  ( 𝑨 ∩ 𝑫 )=𝑷 ( 𝑨 ) × 𝑷 ( 𝑫/ 𝑨 )
 ¿ ( 0.60 ) × ( 0.02 )
  0.012
 ´ ) =𝑷 ( 𝑩 ) × 𝑷 ( 𝑫/𝑩
𝑷  ( 𝑩 ∩ 𝑫 ´ )
 ¿ ( 0.40 ) × ( 0.96 )
  0.384

𝑷  ( 𝑩 ∩ 𝑫 ) =𝑷 ( 𝑩 ) × 𝑷 ( 𝑫 /𝑩 )
 ¿ ( 0.40 ) × ( 0.04 )
  0.016
O 
O Estas probabilidades condicionales
demuestran que la probabilidad de que
no sea defectuosa dado que provino de
la máquina A es y la probabilidad de
que sea defectuosa dado que proviene
de A es .
O 
O Las probabilidades condicionales para
B revelan que la probabilidad de que no
sea defectuosa dado que provino de B
es y la probabilidad de que sea
defectuosa con base en la condición de
que provino de B es .
DIAGRAMA DE ÁRBOL PARA DUNHAM MANUFACTURING
𝑷  ( 𝑨 ∩ 𝑫 ´ )=𝑷 ( 𝑨 ) × 𝑷 ( 𝑫/
´ 𝑨)
𝟎 . 𝟗𝟖  ¿ ( 0.60 sa ) × ( 0.98 )
/ 𝑨 ) =
  efec
t u o
0.588
´
𝑫 d
 𝑷 ( n o A
d a
nida u in
U
l a m áq
Unidad d de
de la máq𝑷
  ( 𝑨 ∩ 𝑫 )=𝑷 ( 𝑨 ) × 𝑷 ( 𝑫/ 𝑨 )
efectuosa

𝟎 . 𝟔𝟎 𝑷
  ( 𝑫/ 𝑨
uina A
 ¿ ( 0.60 ) × ( 0.02 )
𝑨 )= )= 𝟎 . 𝟎 𝟐 0.012
 𝑷 ( i naA
qu
Má ´ ) =𝑷 ( 𝑩 ) × 𝑷 ( 𝑫/𝑩
𝑷  ( 𝑩 ∩ 𝑫 ´ )
Má
qu ina 𝟎 . 𝟗𝟔 ¿ ( 0.40 ) × ( 0.96 )
𝑷
  (
𝑩 B ´ /𝑩 )= u os a
 defect 0.384
)=𝟎  𝑷 ( 𝑫 dn o
. 𝟒𝟎 Unid U nida áquina B
m
ad d de la
efect
u o sa
de la 𝑷 ( 𝑩 ∩ 𝑫 ) =𝑷 ( 𝑩 ) × 𝑷 ( 𝑫 /𝑩 )
  má qu
ina B
04  ¿ ( 0.40 ) × ( 0.04 )
  0.016
O Finalmente se observa que hay cuatro
posibles resultados para el experimento de
seleccionar una unidad de producción.

O La probabilidad de cada uno se calcula

multiplicando las probabilidades sobre cada
una de las ramas que conllevan a ella.
O  Para ilustrarlo, el primer posible resultado es
que la unidad provenga de A y que no sea
defectuosa es, .

O Utilizando la regla de la multiplicación,

O
O  Se puede observar directamente en la figura
que . Suponiendo que la unidad es defectuosa,
se desea saber la probabilidad de que la unidad
provino de la máquina A. Con esta
información adicional, se puede revisar la
probabilidad de que la unidad fue producida
por la máquina A.
O  Ahora se desea determinar no sólo .

O Recordemos la regla de la probabilidad

condicional:
O  Sin embargo no es discernible de inmediato.
Aquí es donde participa el teorema de Bayes.

O Existen dos formas en las cuales la unidad

puede ser defectuosa. Puede provenir de la
máquina A y ser defectuosa, o puede provenir
de la máquina B y ser defectuosa.
O  Utilizando la regla de la adición,
O  Si sustituimos la ecuación obtenida en la regla
de la probabilidad condicional dada, se obtiene

O
  
Ahora se puede calcular

O 

O
O  Mientras que ,

O Se nota que debido a que la máquina A

produce un porcentaje menor de defectos
que la máquina B.
Ejemplo

O El departamento de personal de una empresa

grande ha descubierto que sólo el 60% de los
candidatos entrevistados están realmente
calificados (Q) para asumir un cargo en la
compañía. Una revisión de los registros de la
firma muestran que quienes estaban calificados,
el 67% tuvo un entrenamiento previo en
estadística (T), mientras que el 20% de quienes
no estaban calificados habían recibido
instrucción estadística mucho antes. Es decir:
tuvo un entrenamiento previo en estadística (T)

candidatos
O   entrevistados calificados

quienes estaban calificados,

no estaban calificados habían recibido instrucción

estadística mucho antes

O El director de personal puede ver claramente dado que

usted está calificado, es más probable que usted tenga algo
de capacitación en estadística que si no está calificado
(0.67>0.20).
O Se perdió mucho tiempo entrevistando a los
candidatos que resultaron no calificados; sin
embargo, el director está considerando
conceder entrevistas sólo a aquellos
candidatos que tengan capacitación en
estadística. Él espera incrementar la
probabilidad de encontrar candidatos
calificados para ocupar el cargo.
O  La pregunta sería, ¿es más probable que
usted esté calificado dado que ha tenido
capacitación: ? Si es así, el departamento de
personal podría evitar demoras y costos
innecesarios restringiendo las entrevistas sólo
a aquellos candidatos que tengan
capacitación en análisis estadístico.
Solución:

O  Utilizando la regla de probabilidad

condicional
O Debido
  a que los registro de la compañía no
proporcionan , se debe utilizar el teorema de
Bayes para hallar el denominador.

O Existen dos formas en las que un candidato puede

tener entrenamiento previo:
1. El candidato puede estar calificado y tener
capacitación,
2. Y el candidato puede no estar calificado y tener
entrenamiento . Por tanto,
O 
O  Entonces

O Puesto que ,
O Interpretación
O
O Para aumentar la probabilidad de
entrevistar sólo candidatos calificados, el
departamento de personal debería
entrevistar solamente a los candidatos que
tienen capacitación en análisis estadístico.
TAREA

1. Una empresa productora de medicinas que está

probando un nuevo medicamento contra la
fiebre del heno descubrió que el 60% de
todas las personas que sufren de este mal
sienten alivio de los síntomas a las 4 semanas,
hayan o no utilizado el medicamento. De
quienes sienten alivio, el 40% ha tomado el
medicamento, mientras que el 30% de
quienes no han sentido alivio han probado el
medicamento.
O La empresa productora de medicinas desea
determinar si es aconsejable tomar el
medicamento comparando la probabilidad
de aliviarse de la fiebre del heno si quienes
la padecen sí toman el medicamento con la
probabilidad de alivio si quienes la padecen
no toman el medicamento.
𝑃 ( 𝑆/ 𝑀 )=0.10<0.30;𝑆𝐼
 
O  Datos:
2. James Business Equipment vende una amplia
gama de suministros de oficina en la región
central de Estados Unidos. El gerente de
ventas cree que ha descubierto una tendencia
que podría disparar las ventas. Los
resultados de un estudio parecen sugerir que
las firmas jurídicas están más inclinadas a
hacer pedidos que otras con otras áreas de
negocios.
O  Sus datos muestran que la probabilidad de que
la comunidad de comercio general compre sus
suministros es del 20%, . Entre otros clientes
durante varios de los últimos meses, el 50%
eran empresas jurídicas. El gerente siente que
concentrarse en las oficinas jurídicas
incrementará la probabilidad de que una
llamada al departamento de ventas termine en
una compra. ¿Cuál es su conclusión?