Reverendo Thomas Bayes

Thomas Bayes Cotton naci en 1702 Londres y falleci en Tunbridge Wells, Kent. Hijo de Joshua y Ann Bayes. En 1731 se convierte en reverendo de la iglesia presbiteriana en Tunbridge Wells. Fue un matemtico que utiliz la probabilidad

inductivamente y estableci una base para la inferencia de probabilidad, esto es, una forma de calcular, a partir del nmero de veces que un evento no se ha producido, la probabilidad de que se produzcan en los ensayos futuros. Los restos de Bayes descansan en el cementerio londinense de Bunhill Fields. En reconocimiento al trabajo realizado por Bayes en materia de probabilidades, su tumba fue restaurada en 1969 con donativos realizados por estadsticos de todo el mundo. TRABAJOS PUBLICADOS: Ensayo hacia la solucin de un problema en la Doctrina de Oportunidades ", (1763) publicado dos aos despus de su fallecimiento por la Philosophical Transactions de la Royal Society de Londres. Una introduccin a la doctrina de las fluxiones, y una defensa de los Analistas. (1736). En esta obra defiende los puntos de vista de Isaac. Newton, incluyendo un mtodo de encontrar el tiempo y lugar de la conjuncin de dos planetas, notas sobre pesos y medidas, un mtodo de diferenciacin, y los logaritmos. Divina Providencia y el gobierno es la felicidad de sus criaturas. (1731). Fue un intento de demostrar que el fin principal de la Divina Providencia y de Gobierno es la felicidad de sus criaturas

Las contribuciones de Thomas Bayes son inmortalizados por su proposicin fundamental en la probabilidad: Seguir el proceso inverso de la probabilidad total. Esta preposicin es conocida como la Regla de Bayes.

Ramirez Pulido, Victor

TEOREMA DE LA PROBABILIDAD TOTAL A partir de las probabilidades del suceso A, se deduce la probabilidad del suceso B.

TEOREMA DE BAYES

El Teorema de Bayes, dentro de la teora probabilstica, proporciona la distribucin de probabilidad condicional de un evento "A" dado otro evento "B" (probabilidad posteriori), en funcin de la distribucin de probabilidad condicional del evento "B" dado "A" y de la distribucin de probabilidad marginal del evento "A" (probabilidad simple o apriori). Es la probabilidad de un suceso condicionado por la ocurrencia de otro suceso. Con su teorema se resuelve el problema conocido como "de la probabilidad inversa". Se trata de probabilidad "inversa" en el sentido de que la "directa" sera la probabilidad de observar algo supuesto que rigen ciertas condiciones. En pocas palabras, partir de que ha ocurrido un suceso B, se deduce las probabilidades del suceso A. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Se afirma que la trascendencia de la probabilidad inversa reside en que es ella la que realmente interesa a la ciencia, dado que procura sacar conclusiones generales (enunciar leyes) a partir de lo objetivamente observado, y no viceversa.

EJEMPLOS

Ejercicio 8-1:

Ramirez Pulido, Victor

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%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa? Solucin: Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema puede

expresarse 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 b. Debemos calcular P(B/D). Por el teorema de Bayes,

Ramirez Pulido, Victor

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 de haber producido la pieza defectuosa es A

Ramirez Pulido, Victor