Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

TEOREMA DE BAYES

En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 1763 que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber -si se tiene algn dato ms-, la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados. Sea un conjunto de sucesos mutuamente excluyentes y exhaustivos, y

tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea B un suceso cualquiera del que se conocen las probabilidades condicionales viene dada por la expresin: . Entonces, la probabilidad

Donde:

son las probabilidades a priori. es la probabilidad de en la hiptesis .

son las probabilidades a posteriori.

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

Frmula
Adems, unido a la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes, tambin conocida como la Regla de Bayes:

Teorema

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

Aplicaciones
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. 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. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso.

Como observacin, se tiene:

Y su demostracin resulta trivial.

Ejemplos

EJEMPLO 01 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.

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

Solucin: Se definen los sucesos: Suceso H: seleccionar una nia. Suceso V: seleccionar un nio. Suceso M: infante menor de 24 meses. En los ejercicios de probabilidad total y teorema de Bayes, es importante identificar los sucesos que forman la poblacin y cul es la caracterstica que tienen en comn dichos sucesos. Estos sern los sucesos condicionados. 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 una nia infante menor de 24 meses ser:

EJEMPLO 02 Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el 20% se realizan correcciones faciales, un 35% implantes mamarios y el restante en otras cirugas correctivas. Se sabe adems, que son de gnero masculino el 25% de los que se realizan correcciones faciales,

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

15% implantes mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar, determine: a. Determine la probabilidad de que sea de gnero masculino b. Si resulta que es de gnero masculino, determine la probabilidad que se haya realizado una ciruga de implantes mamarios. Solucin: Se definen los sucesos: Suceso F: pacientes que se realizan cirugas faciales Suceso M: pacientes que se realizan implantes mamarios Suceso O: pacientes que se realizan otras cirugas correctivas Suceso H: pacientes de gnero masculino a. La probabilidad de que sea de gnero masculino se refiere a un problema de probabilidad total, ya que es el suceso condicionado y las cirugas los condicionantes. Dicho valor ser:

b. Como el suceso condicionado ha ocurrido entonces se aplica el teorema de bayes, luego, el valor de la probabilidad ser:

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

EJEMPLO 03 Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a 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 resultado de una ecografa y observa que tiene un error. Determine la probabilidad de que se ha usado el primer aparato. 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 Se puede observar que la pregunta es sobre determinar la probabilidad de que un examen errado sea del primer aparato, es decir, ya ha ocurrido el error. Por lo tanto, 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:

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

EJEMPLO 04

Solucin:

EJEMPLO 05

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

Solucin:

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

EJEMPLO 06 Tres mquinas denominadas A, B y C, producen un 43%, 26% y 31% de la produccin total de una empresa respectivamente, se ha detectado que un 8%, 2% y 1.6% del producto manufacturado por estas mquinas es defectuoso, a) Se selecciona un producto al azar y se encuentra que es defectuoso, cul es la probabilidad de que el producto haya sido fabricado en la mquina B?, b) Si el producto seleccionado resulta que no es defectuoso, cul es la probabilidad de que haya sido fabricado en la mquina C? Solucin:

Para resolver este problema nos ayudaremos con un diagrama de rbol:

a. Definiremos los eventos; D = evento de que el producto seleccionado sea defectuoso (evento que condiciona) A = evento de que el producto sea fabricado en la mquina A B = evento de que el producto sea fabricado por la mquina B C = evento de que el producto sea fabricado por la mquina C

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

P(BD) = p(BD)/p(D) = p(B)p(DB)/p(A)p(DA) + p(B)p(DB) + p(C)p(DC) P(BD) = (0.26*0.02)/(0.43*0.08 + 0.26*0.02 + 0.31*0.016) = 0.0052/0.04456 =0.116697

b. ND = evento de que el producto seleccionado no sea defectuoso (evento que condiciona) A = evento de que el producto sea fabricado en la mquina A B = evento de que el producto sea fabricado por la mquina B C = evento de que el producto sea fabricado por la mquina C

P(CND)=p(CND)/p(ND)=p(C)p(NDC)/p(A)p(NDA) + p(B)p(NDB) + p(C)p(NDC) = 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984) = 0.30504/0.95544 =0.31927 EJEMPLO 07 Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una proporcin de 18.5%, 32% y 49.5% respectivamente, de los cuales se ha tenido informacin de que se les ha dado un mal servicio en un 2.8%, 1% y 4% respectivamente, a) Si se selecciona a un visitante al azar cul es la probabilidad de que no se le haya dado un mal servicio?,b) Si se selecciona a un visitante al azar y se encuentra que l no se quej del servicio prestado, cul es la probabilidad de que se haya hospedado en el Palacio del Sol?, c) Si el visitante seleccionado se quej del servicio prestado, cul es la probabilidad de que se haya hospedado en el hotel Fiesta Inn?

10

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

Solucin: Haciendo uso de un diagrama de rbol:

a. NQ = evento de que un visitante no se queje del servicio PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol S = evento de que un visitante haya sido hospedado en el hotel Sicmoro FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn

P(NQ) = p(PS)p(NQPS) + p(S)p(NQS) + p(FI)p(NQFI) = = 0.185*0.972 + 0.32*0.99 + 0.495*0.96 = 0.17982 + 0.3168 + 0.4752 = 0.97182 b. NQ = evento de que un visitante no se queje del servicio PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol S = evento de que un visitante haya sido hospedado en el hotel Sicomoro FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn

P(PSNQ)=p(PSNQ)/p(NQ)
11

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)= = 0.17982/(0.17982 + 0.3168 + 0.4752) = 0.17982/0.97182 = 0.1850342 c. Q = evento de que un visitante se queje del servicio FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn P(FIQ) = p(FIQ)/p(Q) = 0.495*0.04/(0.185*0.028 + 0.32*0.01 + 0.495*0.04) =0.0198/( 0.00518 + 0.0032 + 0.0198)

= 0.0198/0.02818 = 0.7026

EJEMPLO 08 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?

Solucin:

12

Universidad Nacional Del Santa

Ingeniera Mecnica Estadstica y probabilidades IV ciclo

EJEMPLO 09 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?

Solucin:

Sean los sucesos: I = Producirse incidente. A = Sonar la alarma.

13