You are on page 1of 11

a

m
e
r

e
d

y
a
B

Teorema de Bayes
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado
por Thomas Bayes en 17631 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.

La interpretacin ms aceptada del teorema de Bayes, es que su estructura


permite el calculo de probabilidades despus de haber sido realizado un
experimento (probabilidades aposteriori), basndose en el conocimiento de la
ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte
de probabilidades conocidas antes de efectuar el experimento (probabilidades
apriori), las cuales son afectadas por las probabilidades propias del experimento
(las que aparecen durante la ocurrencia del evento).

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.

Frmula de Bayes
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de
Bayes, tambin conocida como la Regla de Bayes:

El teorema de Bayes
Supongamos que sobre el espacio muestral S tenemos una particin Ai, con i = 1, ...,
n.
Esto significa que cualquier resultado de S necesariamente debe estar en uno y solo
uno de los eventos Ai
Por ejemplo, piense en todos los pacientes hospitalizados en una determinada
ciudad, y la ciudad tiene cuatro hospitales, digamos los hospitales 1, 2, 3 y 4. De
modo que el conjunto de pacientes hospitalizados va a estar en uno y solo uno de esos
cuatro hospitales.

Si definimos los sucesos Ai como el conjunto de


pacientes hospitalizados en el i-simo hospital, con i
= 1, 2, 3, 4. Entonces los sucesos A1, A2, A3 y A4
constituyen una particin sobre el conjunto de todos
los pacientes hospitalizados, que llamaremos S.
De otra forma, si seleccionamos al azar un paciente
hospitalizado, entonces el paciente que elegiremos
pertenecer a uno y solo uno de los Ai.

Consideremos un suceso B, que indica una determinada propiedad de los


pacientes, por ejemplo B puede ser el suceso de que el paciente seleccionado
al azar tenga un diagnstico grave.

A1
A2
w

A3

Pr( B A1 )
Pr( B A2 )
B

Pr( B A3 )

.
.

An

Pr( B) Pr( B Ai )
i 1

Resultado de la
seleccin

Pr( B An )

Sean B1, B2, ... , Br un sistema completo de sucesos. Se


llama probabilidades a posteriori a:

P(A Bi )

B1

A B1

B2

A B2

B3

A B3

Por el Teorema de la Probabilidad Total:

..
.

..
.

P (A) = P(B1) P(A / B1) + P(B2) P(A / B2) + + P(Br) P(A / Br)

Br

P(Bi / A ) =

P(A)

Sabemos que: P(A Bi) = P(Bi A) = P(Bi) P(A / Bi)

Sustituyendo ambas expresiones, sale la Frmula de Bayes:

P(Bi / A ) =

A Br

P(Bi) P(A / Bi)


P(B1) P(A / B1) + P(B2) P(A / B2) + + P(Br) P(A / Br)

Ejercicio: En el problema anterior, supongamos que un coche de esa marca se avera


en el primer ao. Nos preguntamos ahora cul es la probabilidad de que ese coche
haya sido fabricado, por ejemplo, en Portugal.
En este ejemplo se ve bien por qu se llama a este tipo de probabilidad probabilidad
a posteriori: se refiere a un suceso del pasado (pas de fabricacin) conociendo
otro suceso posterior (avera), en un razonamiento hacia atrs, inverso al que era
habitual. Divisin entre bayesianos y no bayesianos.
Aplicando el Teorema de Bayes:
P (Portugal | avera) = P (Portugal) P (avera | Portugal) / P (avera)
Habamos calculado por el teorema de la probabilidad Total, que: P (avera) = 0,0385
Luego:
P (Portugal | avera) = 0,25 0,05 / 0,0385 = 0,32
observa:

P (Portugal | avera) = 0,32 > P (Portugal) = 0,25

es una probabilidad condicionada de sucesos dependientes

You might also like