TEOREMA DE BAYES

Es un teorema que surge en el seno de la iglesia por Thomas Bayes, con el

propsito de intentar demostrar la existencia de Dios. Pierre-Simon Laplace
lo prefeccion dndole la forma:

P A1 P B A1

P(A 1B) P A P B A P A P B A
1
1
2
2
=
En esta frmula los eventos A1 y A2 son mutuamente excluyentes y
colectivamente exhaustivos. De ah que en este caso A1 y A2 sean
complementos.
Este teorema se apoya en dos tipos de probabilidades:
PROBABILIDAD A PRIORI: Probabilidad basada en el nivel de informacin
actual.
EJEMPLO:
Suponga
que el 3% de
los panameos
tiene
Sea A1 el
PROBABILIDAD
A POSTERIORI:
Probabilidad
revisada
a martinellitis.
partir de informacin
evento padece la enfermedad y A2 el evento no padece la enfermedad.
adicional.
Por tanto, si selecciona al azar un panameo, la probabilidad de que el
ciudadano elegido padezca la enfermedad es de 0.03; o P(A 1) = 0.03. Esta
probabilidad P(A1) = P (padece la enfermedad) = 0.03, se llama
PROBABILIDAD A PRIORI. Ello es as, porque la probabilidad se asigna antes de
obtener los datos empricos.

TEOREMA DE
BAYES

Por ende, la probabilidad A PRIORI de que un ciudadano no padezca la

enfermedad es de 1-0.03 = 0.97; o P(A2) = 0.97.
Para investigar se rueda una encuesta ciudadana , en donde B es el evento la
encuesta revela la presencia de la enfermedad. La evidencia histrica
muestra que si un ciudadano padece realmente la enfermedad , la
probabilidad de que la encuesta indique la presencia de esta es de 0.93.
Entonces; de acuerdo con las definiciones de probabilidad condicional, este
enunciado se expresa de la siguiente manera:
P(BA1) = 0.93
Si la probabilidad de que la encuesta indique la presencia de la enfermedad en
una persona que en realidad no la padece es de 0.12.
P(BA2) = 0.12
Elija al azar a un ciudadano panameo y aplique la prueba. Los resultados de
la prueba indican que la enfermedad est presente. Cul es la probabilidad
de que la persona en realidad padezca la enfermedad? Lo que se desea
saber, en forma simblica es, P(A1B), que se interpreta de la siguiente
manera:
P (padece la enfermedadla prueba resulta positiva)
La probabilidad P(A1B) recibe el nombre de probabilidad A POSTERIORI

TEOREMA DE BAYES
Determinamos la probabilidad A POSTERIORI:

P(A1B)
=

P(A1B)
=

P A1 P B A1

P A1 P B A1 P A2 P B A2

P 0.03 P 0.93
0.0279

0.1933
P 0.03 P 0.93 P 0.97 P 0.12 0.1443

La probabilidad de que la persona padezca la enfermedad, dado que la prueba sale

positiva es de 0.20. Cmo se interpreta este resultado?. Si selecciona al azar a una
persona de la poblacin, la probabilidad de que se encuentre enferma es de 0.03. Si
se le somete a la prueba y resulta positiva, la probabilidad de que el ciudadano
padezca realmente la enfermedad se incrementa 6.44 veces, de 0.03 a 0.1933.
Estos clculos se resumen en la siguiente tabla:

Evento,
A1
Padece la enfermedad,
A1

Probabili
dad
a priori
P(Ai)

0.03

Probabilid
ad
condicion
al
P(B Ai)

0.93

Probabilid
ad
conjunta,
P(Ai y B)

0.0279

.
0279/.1443=.1
933

0.1164

.
1164/.1443=.8
067

No padece la
enfermedad, A2
0.97

0.12

Probabilidad
a posteriori
P(Ai B)

TEOREMA DE BAYES
Si hay n eventos A1; A2; ; An; el teorema de Bayes se transforma en:

P(A1B)
=

P Ai P B Ai

P A1 P B A1 P A2 P B A2 ... P An P B An

EJEMPLO PG 162:
Un fabricante de reproductores de DVD, compra un microchip en particular, denominado
LS-24, a 3 proveedores: Hall Electronics, Schuller Sales y Crawford Components. 30% de
los chips LS-24 se les compra a Hall Electronics; 20% a Schuller Sales y el restante 50%, a
Crawford Components. El fabricante cuenta con amplios historiales sobre los tres
proveedores y sabe que 3% de los chips LS-24 de Hall Electronics tienen defectos, 5% de
los chips de Schuller Sales tiene defgectos y 4% de los chips que se compran Crawford
Components tienen defectos.
Cuando los chips LS-24 le llegan al fabricante, se les coloca directamente en un depsito y
no se inspeccionan ni se identifican con el nombre del proveedor. Un trabajador selecciona
un chip para instalarlo en un reproductor de DVD y lo encuentra defectuoso. Cul es la
probabilidad de que lo haya fabricado Schuller Sales?
Como primer paso, resumimos el enunciado:
Hay 3 eventos mutuamente excluyentes y colectivamente exhaustivos, es decir, 3
proveedores:
A1 = el LS-24 se le compr a Hall Electronics
A2 = el LS-24 se le compr a Schuller Sales
A3 = el LS-24 se le compr a Crawford Components
Las probabilidades a priori son:
P(A1) = 0.30 La probabilidad de que Hall Electronics haya fabricado el LS-24

TEOREMA DE
BAYES

La informacin adicional es la siguiente:

(B1) = El LS-24 parece defectuoso
(B2) = El LS-24 no parece defectuoso

Se dan las siguientes probabilidades condicionales:

P(B1A1) = 0.03 La probabilidad de que un chip LS-24 fabricado por Hal Electronics se encuentre
defectuoso
P(B1A2) = 0.05 La probabilidad de que un chip LS-24 fabricado por Schuller Sales se encuentre
defectuoso
P(B1A3) = 0.04 La probabilidad de que un chip LS-24 fabricado por Crawford Components se
encuentre defectuoso
Se selecciona un chip del depsito. Como el fabricante no identific los chips, no est seguro de
qu proveedor fabric los chips. Desea determinar la probabilidad de que el chip defectuoso haya
sido fabricado por Schuller Sales. La probabilidad se expresa como P(A 2B1)
Observe el registro de calidad de Schuller. Es el peor de los tres proveedores. Ahora que ha
encontrado un chip LS-24 defectuoso, sospecha que P(A 2B1) es mayor que P(A2) . Es decir, la
probabilidad revisada es mayor que 0.20. Pero cun mayor?. Como primer paso observe el
problema en un diagrama de rbol.
Los eventos son dependientes, as que la probabilidad a priori en la primera rama se multiplica por
la probabilidad condicional en la segunda rama para obtener la probabilidad conjunta de la ltima
columna.
El rbol es una sucesin de etapas que van desde el proveedor hcia la determinacin de si el chip
era o no aceptable.
Invirtiendo el proceso, nos desplazamos de derecha hacia la izquierda; por lo que para determinar
si el chip lo hemos comprado a Schuller Sales se debe considerar:
Primero considere las probabilidades conjuntas como frecuencias relativas de entre 1.000 casos.
Por ejemplo la posibilidad de que Hall Electronics haya fabricado un chip LS-24 es de 0.009.

TEOREMA DE BAYES
As que de 1.000 casos es de esperar 9 chips defectuosos fabricados por Hall Electronics.
Observe que en 39 de 1.000 casos, el chip LS-24 seleccionado para montarlo ser
defectuoso; lo cual se calcula sumando 9 + 10 + 20.
De estos 39 chips defectuosos, 10 fueron fabricados por Schuller & Sales. Por consiguiente,
la probabilidad de que se le haya comprado un chip LS-24 es dxe 10/39 = 0.2564.
Ha determinado la probabilidad revisada de P(A 2B1).
Antes de encontrar el chip defectuoso, la probabilidad de que se le haya comprado a
Schuller Sales era de 0.20. Esta posibilidad se ha incrementado a 0.2564; tal y como
aparece en la siguiente tabla:

Evento,
Ai

Hall
Schuller
Crawfor
d

Probabilid
ad
a priori
P(Ai)

0.30
0.20
0.50

Probabilid
ad
condicion
al
P(B1 Ai)

Probabilid
ad
conjunta,
P(Ai y B1)

Probabilidad
a posteriori
P(Ai B1)

0.03

0.009/0.039=0.2
0.009
308

0.05

0.010/0.039=0.2
0.010
564

0.04

0.020/0.039=0.5
0.020
128

P(B1) =

0.039

1.0000

TEOREMA DE BAYES
Probabilidad a
priori

Probabilidad
condicional B =
1
P(B1A1)
0.03

A1
=
Hall1)
P(A
=
0.30

A2
=
Schuller
P(A
=
2)

P(B2A1) =
0.97

P(B1A2) =
0.05

0.20
P(B2A2) =
0.95
A3
=
Crawford
P(A
=
3)
0.50

P(B1A3) =
0.04
P(B2A3) =
0.96

Defectuoso
B2 = No
defectuoso

B1 =
Defectuoso

B2 = No
defectuoso

B1 =
Defectuoso

B2 = No
defectuoso

DIAGRAMA DE RBOL DEL PROBLEMA DE LA FABRICACIN DE

REPRODUCTORES DE DVD

Probabilidad conjunta

P(A1 y B1) =
P(A1)P(B1A1)
= (0.30)(0.03)
=0.009
P(A1 y B2) =
P(A1)P(B2A1)
= (0.30)(0.97)

=0.291

P(A2 y B1) =
P(A2)P(B1A2)
= (0.20)(0.05)

=0.010

P(A2 y B2) =
P(A2)P(B2A2)
= (0.20)(0.95)

=0.190

P(A3 y B1) =
P(A3)P(B1A3)
= (0.50)(0.04)
P(A3 y B2) =
P(A3)P(B2A3)
= (0.50)(0.96)

=0.020

=0.480
Total =

1.000

EJERCICIOS
BAYES

1.

P(A1) = 0.60; P(A2)= 0.40; P(B1A1) = 0.05; y P(B1A2) = 0.10. Aplique el teorema de
Bayes para determinar P(A1B1)

2.

P(A1) = 0.20; P(A2)= 0.40; y P(A3)= 0.40. P(B1A1) = 0.25; y P(B1A2) = 0.05 y
P(B1A3)= 0.10. Aplique el teorema de Bayes para determinar P(A 3B1)

3.

El equipo de beisbol Ludlow Wildcats, un equipo de las ligas menores de la

organizacin de los Indios de Cleveland, juega 70% de sus partidos por la noche y
30% de da. El equipo gana el 50% de los juegos nocturnos y 90% de los juegos
diurnos. De acuerdo a los peridicos de hoy, ganaron el da de ayer. Cul es la
probabilidad de que el partido se haya jugado en la noche?
La doctora Stallter ha enseado estadstica bsica por varios aos. Ella sabe que el
80% de los estudiantes terminar los problemas asignados. Tambin determin que
entre quienes hacen sus tareas, 90% pasar el curso. Entre los que no hacen su
tarea, 60% pasar el curso. Mike Fishbaugh curs estadstica el semestre pasado
con la doctora Stallter y pas. Cul es la probabilidad de que haya terminado sus
tareas?
El departamento de crdito de Lions Department Store en Anaheim, California,
inform que 30% de sus ventas se paga con efectivo o con cheque; 30% se paga
con tarjeta de crdito; y 40% con tarjeta de dbito. Veinte por ciento de las
compras con efectivo o cheque; 90% de las compras con tarjetas de crdito y 60%
de las compras con tarjetas de dbito son por ms de $50. La seora Tina Stevens
acaba de comprar un vestido nuevo que le cost $120. Cul es la probabilidad de
que haya pagado en efectivo o con cheque?
Una cuarta parte de los residentes de Burning Ridge Estates dejan las puestas de
sus cocheras abiertas cuando salen de su hogar. El jefe de polica de la localidad
calcula que al 5% de las cocheras les robarn algo, pero slo al 1% de las cocheras

4.

5.

6.