ACTIVIDAD 3 SEGUNDO
PARCIAL
TEOREMA DE BAYES
Probabilidad y estadística
Integrantes:
Ojeda Melgoza Cinthya Guadalupe
Gasca Plaza Gabriel Antonio
Estrella Paredes Marcela Lorena Fecha de entrega: 06/04/2022
11:00am
DEFINICIÓN
El teorema de Bayes se ha considerado
como un método válido que permite
calcular probabilidades condicionales. El
enunciado de este postulado establece que
se puede calcular la probabilidad de que
ocurra un suceso A sabiendo que existe un
suceso B que condiciona al primero y
viceversa. Por lo general, suele ser útil
como método predictivo, causal y de
diagnóstico, tomando en cuenta información
que se conoce con anterioridad, y nueva
información que se relaciona con los
eventos.
REVISIÓN DE LA PROBABILIDAD USANDO
EL TEOREMA
Probabilidades Nueva Aplicación del Posteriores
previas información teorema probabilidades
TEOREMA DE BAYES
• Expresa la probabilidad condicional de un evento aleatorio A dado B en
términos de la distribución de probabilidad condicional del evento B dado
A y la distribución de probabilidad marginal de solo A
𝑃(𝐵|𝐴)𝑃 𝐴
𝑃 𝐴𝐵 =
𝑃 𝐵
USOS DEL TEOREMA DE BAYES
PREDICCIÓN: se busca responder interrogantes en torno a la probabilidad de un
suceso, utilizando información acerca de la ocurrencia de otros sucesos predictores.
EN SENTIDO CAUSAL: se busca calcular la probabilidad de que un evento sea
consecuencia de otro.
DIAGNOSTICO: se busca conocer la probabilidad de que ocurra alguno de los
anteriores, teniendo como información previa las consecuencias de estos
CURIOSIDADES DEL TEOREMA
Lo que hace que el teorema A pesar de considerarse un También hacen énfasis en el
de Bayes sea un método método efectivo, muchos hecho que al momento de
efectivo de usar, es que estadistas cuestionan su validez;
llevar a cabo el
puede ser aplicado para esto se debe a que consideran
que solo es aplicable procedimiento, solo se
el cálculo de distintos
únicamente en casos donde se basan en condiciones
tipos de probabilidades, y presentan eventos excluyentes y subjetivas.
en cualquier ciencia. exhaustivos.
PROBLEMA 1
• Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B
y C, que producen envases para botellas de agua. Se sabe que la máquina A
produce un 40% de la cantidad total, la máquina B un 30%, y la máquina C un 30%.
También se sabe que cada máquina produce envases defectuosos. De tal manera
que la máquina A produce un 2% de envases defectuosos sobre el total de su
producción, la máquina B un 3%, y la máquina C un 5%. Dicho esto, se plantean dos
cuestiones:
• P(A) = 0,40 P(D/A) = 0,02
• P(B) = 0,30 P(D/B) = 0,03
• P(C) = 0,30 P(D/C) = 0,05
1.Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos
¿Cuál es la probabilidad de que sea defectuoso?
• Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos la
probabilidad de que sea defectuoso.
• P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ] = [ 0,4 x 0,02 ] + [ 0,3 x
0,03 ] + [ 0,3 x 0,05 ] = 0,032
• Expresado en porcentaje, diríamos que la probabilidad de que un envase fabricado
por la fábrica de esta empresa en Estados Unidos sea defectuoso es del 3,2%.
• Siguiendo con la pregunta anterior, si se adquiere un envase y este es defectuoso
¿Cuáles es la probabilidad de que haya sido fabricado por la máquina A? ¿Y por la
máquina B? ¿Y por la máquina C?
• Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir, sabemos
que el envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber
cuál es la probabilidad de que se haya producido por una de las máquinas.
• P(A/D) = [P(A) x P(D/A)] / P(D) = [0,40 x 0,02] / 0,032 = 0,25
• P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x 0,03] / 0,032 = 0,28
• P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x 0,05] / 0,032 = 0,47
• Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido
por la máquina A es del 25%, de que haya sido producido por la máquina B es del
28% y de que haya sido producido por la máquina C es del 47%.
TEOREMA DE BAYES CON DIAGRAMA DE
ÁRBOL
• El proceso del cálculo de estas probabilidades conjuntas se representa mediante un
árbol de probabilidad
• De izquierda a derecha por el árbol, las probabilidades de cada una de las ramas del
paso 1 son probabilidades previas y las probabilidades de cada una de las ramas del
paso 2 son probabilidades condicionales.
• Para hallar la probabilidad de cada uno de los resultados experimentales,
simplemente se multiplican las probabilidades de las ramas que llevan a ese
resultado
EJERCICIO 1
• Tres máquinas denominadas A, B y C, elaboran un 42%, 28% y 30%, respectivamente
de la producción total de una empresa, se ha detectado que un 3%, 2% y 1.4% del
producto manufacturado por estas máquinas es defectuoso, al seleccionar un
producto al azar.
a) ¿Cuál es la probabilidad de que sea defectuoso?
EJERCICIO 1
DEFECTUOSO a) ¿Cuál es la probabilidad de que sea
P=(0.03)
A defectuoso?
P=(0.42) NO
DEFECTUOSO
P=(0.97) 𝐷 𝐷 𝐷
𝑃 𝐷 =𝑃 𝐴 ∙𝑃 +𝑃 𝐵 ∙𝑃 +𝑃 𝐴 ∙𝑃
DEFECTUOSO
𝐴 𝐵 𝐵
P=(0.02)
B
Maquinas
P=(0.28) NO 𝑃 𝐷 = 0.42 0.03 + 0.28 0.02 + 0.30 0.014
DEDECTUOSO
P=(0.98)
DEFECTUOSO
𝑃 𝐷 = 0.0224
P= P=(0.014)
C
P=(0.30) NO Hay 2.24% de probabilidad de elegir al azar una
DEFECTUOSO
P=(0.986) pieza defectuosa.
EJERCICIO 2
• Se sabe que el 65% de los accidentes vehiculares que ocurren durante los sábados
por la noche se deben al abuso de la ingesta de alcohol, el 25% se deben a la
imprudencia del conductor y el resto a otras causas, (falla mecánica... etc.). En estos
accidentes, el porcentaje de que alguien muera es el 30% de las veces en el primer
caso, de 20% en el segundo y de 5% en el tercero.
a) Calcula la probabilidad de que en uno de estos accidentes nadie resulte muerto.
EJERCICIO 2
a) Calcula la probabilidad de que en uno de
MUERA P=(0.3) estos accidentes nadie resulte muerto.
INGESTA DE
ALCOHOL
P=(0.65)
NO MUERA 𝐷 𝐷 𝐷
P=(0.7) 𝑃 𝐷 =𝑃 𝐴 ∙𝑃 +𝑃 𝐵 ∙𝑃 +𝑃 𝐴 ∙𝑃
𝐴 𝐵 𝐵
MUERA P=(0.2)
ACCIDENTES
𝑃 𝐷 = 0.65 0.7 + 0.25 0.80 + 0.10 0.95
IMPRUDENCIA
VEHÍCULARES
LOS SÁBADOS P=(0.25)
NO MUERA
P=(0.8) 𝑃 𝐷 = 0.75
MUERA P=(0.05) Hay 75% de probabilidad de que nadie muera
OTRAS CAUSAS en ningún accidente vehicular.
P=(0.10)
NO MUERA
P=(0.95)
MÉTODO TABULAR
Paso 1. Se harán las columnas siguientes:
• Columna 1: Para los eventos mutuamente excluyentes Ai de los que quiere tener la
probabilidad posterior
• Columna 2: Para las probabilidades previas P(Ai ) de los eventos
• Columna 3: Para las probabilidades condicionales P(B | Ai ) de la nueva información
B dado cada evento
Paso 2.
• En la columna 4 se calculan las probabilidades conjuntas P(Ai ∏ B), de cada evento y
la nueva información, empleando la ley de la multiplicación. Estas probabilidades
conjuntas se encuentran multiplicando las probabilidades previas de la columna 2
por las correspondientes probabilidades condicionales de la columna 3; es decir:
Paso 3:
Sume las probabilidades de la columna 4. Esta suma es la probabilidad de la nueva
información, P(B).
Paso 4:
En la columna 5 se calculan las probabilidades posteriores usando la relación básica
de la probabilidad condicional.
Observe que las probabilidades conjuntas P(Ai ∏ B) están en la columna 4 y que la
probabilidad P(B) es la suma de la columna 4.
EJEMPLO :
EJEMPLO 2
• El 70% del ganado de una granja en Guadalajara es inyectado para compartir
Babesia Bobina. La probabilidad de recuperarse de la enfermedad es de 1 de 20 si
no había tratamiento y de 1 en 5 si hubo tratamiento. Si un animal infectado se
recupera, ¿Cuál es la probabilidad de que haya recibido la vacuna y se recupere?
EJERCICIO 1
• V/R= evento de que haya recibido la vacuna y se recupere
𝑉
• 𝑃 = 0.9032
𝑅
REFERENCIAS
• Islas Salomón, C. A. Colín Uribe, M. P. y Morales Téllez, F. (2018). Probabilidad y
estadística. México, D.F, Grupo Editorial Éxodo. Recuperado de https://elibro-net.e-
revistas.ugto.mx/es/ereader/ugto/128557?page=89.
• https://www.sdelsol.com/glosario/teorema-de-bayes/
• https://economipedia.com/definiciones/teorema-de-bayes.html
