1.5.
Teorema de Bayes Aplica el Teorema de Bayes para
1.5.1. Diagrama de árbol resolver problemas de probabilidad
1.5.2. Probabilidad condicional condicional, utilizando diagramas de
árbol como herramienta visual para
representar y analizar eventos
dependientes.
P4. Elige una técnica de conteo (listados, diagramas de árbol, Combinaciones, Permutaciones o empleando la suma y la
multiplicación de probabilidades) para calcular la probabilidad de eventos simples y reflexiona cómo se emplea la probabilidad
como parte del sentido común y detecta en qué casos puede reducir la incertidumbre (C1M2).
P5. Identifica sucesos excluyentes e independientes para emplearlos en la determinación de probabilidades condicionales en
casos sencillos de problemas de las ciencias sociales, naturales, experimentales y tecnológicas y humanidades (C1M1, C2M3).
P6. Aplica la probabilidad Condicional, al incorporar cambios en los eventos aleatorios cuñado se adquiere nueva información o
bien ante la asociación entre variables, revisando elementos como la regresión en modelos lineales y la toma de decisiones en
condiciones de incertidumbre para emplearlo en situaciones, fenómenos o problemáticas personales, sociales o ambientales,
(c4M1).
P7. Examina y explica el contenido del artículo “surgimiento de la epidemiología” o de alguno similar para esquematizar la
utilidad del manejo de datos, por medio de la ejecución de algoritmos para resolver problemas en situaciones de gran relevancia.
(C4M2)
2|Página
El Teorema de Bayes enunciado por el matemático inglés Thomas Bayes (1702-1761)
es un sistema de cálculo de probabilidades, pero hecho de forma inversa a cómo se
calculan habitualmente.
Tiene en cuenta la información que conocemos que se ha producido en determinado
entorno con determinados factores para saber cuáles de esos factores han producido
esas consecuencias.
Por ejemplo, si vamos en coche y deja de avanzar podemos calcular las probabilidades
de que eso suceda porque no tenemos gasolina o porque tiene una avería;
desarrollando más esto, si circulan diez coches de varias características diferentes
(cuatro son de alta gama y están bien cuidados, otros cuatro son de gama media y se
les hace más o menos un mantenimiento y dos son de cuarta mano y sus dueños no se
ocupan de ellos) y uno de ellos se queda parado por avería o falta de gasolina podemos
calcular, además, el porcentaje de probabilidad de que el que se para pertenezca a uno
de los tres grupos.
Es decir, conociendo las consecuencias que se producen podemos calcular sus
orígenes (siempre en porcentajes) y la probabilidad de que se hayan producido en uno
u otro grupo. La fórmula del Teorema de Bayes es:
Donde B es el suceso que conocemos, A el conjunto de posibles causas, excluyentes
entre sí, que pueden producirlo y, por tanto, P(A/B) son las posibilidades a posteriori,
P(A) las posibilidades a priori y P(B/A) la posibilidad de que se dé B en cada hipótesis
de A.
Su utilidad se ha demostrado, a diferencia de la estimación estadística tradicional,
como un modo de variar nuestras expectativas según la experiencia concreta que
tenemos sobre algo, lo que tiene mucha utilidad en diversos campos, desde la
medicina, el juego de azar y hasta el tratamiento informático de datos.
3|Página
Un diagrama de árbol es un tipo de gráfico utilizado en estadística inferencial para
representar, visualmente, las posibles consecuencias o resultados de una acción. Se
suele usar en el análisis de probabilidades y, por esta razón, también se le conoce como
árbol de probabilidad. En este caso, se realizan cálculos porcentuales de la
probabilidad de que se obtenga uno u otro resultado.
La utilidad de un diagrama de árbol radica en su capacidad de representar la relación
de causas y efectos de un experimento y, por lo tanto, facilitar su comprensión e
interpretación en una investigación. Su objetivo es brindar un panorama del
comportamiento de unas variables en un determinado contexto.
Ejemplo. Representación con un diagrama de árbol el lanzamiento de una moneda
tres veces.
agulia
aguila
sello
aguila
aguila
sello
sello
agulia
aguila
sello
sello
aguila
sello
sello
El Teorema de Bayes es uno de los resultados más conocidos y útiles en el área de la
probabilidad y estadística, y en particular en el estudio de la probabilidad
condicional. Básicamente, el Teorema de Bayes nos dice cómo calcular la probabilidad
de un suceso teniendo información a priori sobre dicho suceso.
Este teorema es una herramienta altamente usada por su simpleza y su rápida
aplicación en distintas áreas del conocimiento, por ejemplo, en medicina, biología,
tecnología, negocios, o en cualquier área en la que se necesite tener una certeza sobre
algún suceso dada información de antemano. Además, es común utilizar dicha
4|Página
herramienta consecutivamente para obtener una mayor certeza si el problema así lo
requiere.
Sean eventos mutuamente excluyentes y cuya unión es el espacio
muestral , esto es,
Si es otro evento, entonces
ecuación (1)
donde representa la probabilidad del evento denominada probabilidad a
priori, representa la probabilidad del evento dado el
evento también conocida como probabilidad a posteriori, y
es la probabilidad total del evento La ecuación (1) es conocida como la fórmula de
Bayes.
Ejemplos resueltos del Teorema de Bayes
1. 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 también, mientras que los no ingenieros y los no economistas
solamente el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero?
Solución: Considere los siguientes eventos y sus probabilidades:
• "Los empleados son ingenieros"
• "Los empleados son economistas"
• "Los empleados tienen otra carrera"
5|Página
Además, considere el evento "el empleado ocupa un puesto directivo". El ejercicio
nos da también las siguientes probabilidades:
La información anterior puede ser resumida en el siguiente diagrama de árbol:
Estamos interesados en conocer , es decir, la probabilidad de que un
empleado sea ingeniero dado que a priori sabemos que es directivo. Siguiendo la
fórmula de Bayes tenemos que:
2. La probabilidad de que haya un accidente en una fábrica que dispone de alarma
es 0.1 La probabilidad de que suene esta sí se ha producido algún incidente es
de 0.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02
En el supuesto de que haya funcionado la alarma, ¿cuál es la probabilidad de que
no haya habido ningún incidente?
Solución: Considere los siguientes eventos y sus probabilidades:
6|Página
• "Se produce un incidente"
• "No se produce un incidente"
Además, considere el evento "Suena la alarma" y el evento "No suena la
alarma". El ejercicio nos da también las siguientes probabilidades:
La información anterior puede ser resumida en el siguiente diagrama de árbol:
Estamos interesados en conocer , es decir, la probabilidad de que no haya
ocurrido ningún incidente dado que ha sonado la alarma. Siguiendo la fórmula de
Bayes tenemos que
3. Un análisis de sangre de laboratorio tiene una eficacia del 95% para detectar una
determinada enfermedad cuando, de hecho, está presente. Sin embargo, la prueba
también arroja un resultado "falso positivo" para el 1% de las personas sanas
analizadas. (Es decir, si se hace la prueba a una persona sana, entonces, con una
probabilidad de 0.01 el resultado de la prueba implicará que tiene la enfermedad).
Si el 5% de la población en realidad tiene la enfermedad, ¿cuál es la probabilidad
de que una persona tiene la enfermedad dado que el resultado de la prueba es
positivo?
7|Página
Solución: Considere el evento "Tiene la enfermedad" cuya probabilidad
es y el evento "El resultado es positivo". Sabemos que el
laboratorio tiene una eficacia del para detectar una determinada enfermedad
cuando en realidad se tiene, entonces tenemos que Ahora
considere el evento "No tiene la enfermedad" cuya probabilidad es:
y el evento "El resultado es negativo". Las hipótesis nos indican que
Estamos interesados en conocer , es decir, la probabilidad de que una
persona esté enferma dado que la prueba haya dado positivo. Siguiendo la fórmula de
Bayes tenemos que
4. En una cierta etapa de una investigación criminal, el inspector a cargo está
convencido en un 60% de la culpabilidad de cierto sospechoso. Supongamos, sin
embargo, que se descubre una nueva prueba que muestra que el delincuente tiene
una determinada característica. Si el 20% de la población posee esta característica,
¿qué tan seguro debe estar el inspector de la culpabilidad del sospechoso ahora si
resulta que el sospechoso tiene esta característica?
Solución: Considere el evento "El sospechoso es culpable" cuya probabilidad,
según el ejercicio, es . También, considere el evento "Coincide con
la evidencia alguien inocente". De las hipótesis se sigue que
8|Página
es decir, alguien que coincide con la evidencia dado que es culpable siempre es
verdadero. Además, si el evento "El sospechoso es inocente", entonces se sigue
que
Estamos interesados en conocer , esto es, la probablidad de que sea culpable
dado que coincide con la nueva evidenica. Siguiendo la fórmula de Bayes tenemos que
5. Una fábrica de clavos dispone de máquinas que elaboran el 30% y 70% de los
clavos que producen. El porcentaje de clavos defectuosos de cada máquina es
del 2% y 3%, respectivamente. Si se selecciona al azar un clavo de la producción y
este fue defectuoso, ¿cuál es la probabilidad de que haya sido fabricado por la
máquina 1?
Solución: Considere los siguientes eventos con sus respectivas probabilidades:
• "Clavos fabricados por la máquina "
• "Clavos fabricados por la máquina "
• "Los clavos fabricados son
defectuosos"
Estamos interesados en conocer , es decir, la probabilidad de que un clavo
seleccionado al azar de la producción haya sido fabricado por la máquina dado que
ha salido defectuoso. Siguiendo la fórmula de Bayes tenemos que:
9|Página
TEOREMA DE BAYES
Fuente: Mateando. (2017, 2 de septiembre). Teorema de Bayes [Archivo de video].
Recuperado de: https://www.youtube.com/watch?v=6Z5nvY9L-
jY&ab_channel=Mateando
INSTRUCCIONES:
Resuelve los siguientes ejercicios.
1. Una moneda tiene en sus caras un gato y un perro. Si se lanza 2 veces una
moneda, calcula:
a) la probabilidad de obtener 2 gatos.
b) la probabilidad de obtener solo 1 gato.
2. En una academia hay 3 aulas: el aula roja, el aula azul y el aula negra. El aula roja
tiene al 50 % de los estudiantes de la academia, el aula azul al 30 % y el aula
negra al 20 %. Además, en cada aula hay un 40 % de hombres. Si se selecciona
un estudiante al azar, ¿cuál es la probabilidad de que sea un estudiante hombre
del aula azul?
10 | P á g i n a
3. Se tienen dos cajas, la primera contiene 3 bolas rojas y 2 azules mientras que la
segunda contiene 2 rojas y 8 azules. Se lanza una moneda, si se obtiene cara se
saca una bola de la primera caja y si se obtiene sello se saca una bola de la
segunda. Si se sabe que la bola obtenida es azul, ¿cuál es la probabilidad de que
provenga de la primera caja?
4. En un restaurante de comida rápida el 30% de los clientes es infantil. Se tienen
dos combos a la venta, siendo el combo 1 elegido un 60% por los niños y un 20%
por los adultos. Si la orden entregada es un combo 2, ¿cuál es la probabilidad de
que el pedido sea para un niño?
TEOREMA DE BAYES – PROBABILIDADES – EJERCICIOS RESUELTOS
Fuente: Matemóvil (2019, 12 de agosto) Teorema de Bayes [Archivo de video].
Recuperado de:
https://www.youtube.com/watch?v=CP4ToX5Tyvw&ab_channel=Matem%C3%B3v
il
11 | P á g i n a
1. Aranzeta, C. G. (2008). Física I. México: Mc. Graw- Hill.
2. Matemóvil (2019, 12 de agosto) Teorema de Bayes [Archivo de video].
Recuperado de: https://youtu.be/CP4ToX5Tyvw
3. Mateando. (2017, 2 de septiembre). Teorema de Bayes [Archivo de video]. Recuperado de:
https://youtu.be/6Z5nvY9L-jY
12 | P á g i n a
