TEOREMA DE BAYES

El teorema de Bayes, en la teora de la probabilidad, es una proposicin

planteada por el filsofo ingls Thomas Bayes ( 1702-1761)1 en 17632 , 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.
expresin:

. Entonces, la probabilidad

viene dada por la

Donde:

son las probabilidades a priori.

es la probabilidad de

son las probabilidades a posteriori.

FORMULA DE BAYES

en la hiptesis

Con base en la definicin de probabilidad condicionada obtenemos la Frmula de

Bayes, tambin conocida como la Regla de Bayes:

Esta frmula nos permite calcular la probabilidad condicional

cualquiera de los eventos
, dado . La frmula
especulaciones filosficas y controversias". 3

de

"ha originado muchas

APLICACIN
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.

Como aplicaciones puntuales:

1. El diagnstico de cncer.
2. Evaluacin de probabilidades durante el desarrollo de un juego de bridge
por Dan F. Waugh y Frederick V. Waugh.
3. Probabilidades a priori y a posteriori.
4. Un uso controvertido en La ley de sucesin de Laplace