TEOREMA DE

BAYES
UNIV. ELIZABETH BRAVO MAMANI.
También denominada como la Regla de Bayes. Es una generalización de las reglas de
multiplicación de Probabilidad Condicional.

El Teorema es útil cuando se debe revisar una estimación tentativa anterior a la luz de una
información subsecuente.
Dados un conjunto de sucesos y y dependiendo de los sucesos condicionales, el
Teorema de Bayes esta definido de la siguiente manera:

Si la condicionante son los sucesos :

P( =

Si la condicionante son los sucesos :

P( =
Ejemplo:

En la Carrera Administración de Empresas se tienen 3 cursos superiores con 40, 70 y 90 alumnos respectivamente.
En un examen de aptitud se declaran como aptos el 25, 40 y 20 % respectivamente en cada curso.

a) ¿Cuál es la probabilidad de ser alumno del 3er. Curso, dado que es apto?
b) Si un alumno no es apto, ¿Qué probabilidad tiene de ser del 2do. Curso?

Sucesos Totales
10 30 40
28 42 70
18 72 90
Totales 56 144 200

Lo que se pide es: a) P()=? b) P(/ )=?

Solución:
P(

No se tiene la probabilidad P, entonces calculemos aplicando previamente las

probabilidades conjuntas:
Probabilidades conjuntas: Probabilidades condicionales:
P( ∩ )= P=

Suceso P() Sucesos

s 0,25 0,75 1,00
0,05 0,15 0,20 0,40 0,60 1,00
0,14 0,21 0,35 0,20 0,80 1,00
0,09 0,36 0,45
P() 0,28 0,72 1,00
Reemplazando:

P(

P( = =0.3214

b) P(

P( = =0.2917
 𝑨𝟏 P(
)= 0.20
P(

𝑨𝟐 P(
)= 0.35
P(

𝑨𝟑 P(
)= 0.45
P(
DECICIONES CON DISTRIBUCIONES DE PROBABILIDAD
Se llama Distribuciones de probabilidad a la asignación de probabilidades a cada uno
de los valores posibles de una variable aleatoria “x”.
Variables aleatorias discretas
Corresponden todos los valores posibles de la variable aleatoria que se incluyen en la
tabla con las probabilidades correspondientes. Los modelos específicos son:
• Distribución Binomial
•Poisson
•Hipergeométrica
•Bernoulli
•Geométrica
•Pascal
Variables aleatorias continuas

Corresponden todos los valores fraccionarios posibles que no se pueden enumerar y

de esta manera, las probabilidades determinadas por una función matemática.
Los modelos específicos son:
•Normal
•Exponencial
•Uniforme
•Gamma
•Beta