TEOREMA DE BAYES Fue un matemtico que vivi en el siglo XVIII.

El teorema nombrado en su honor describe las alternativas para calcular la probabilidad de que sucedan eventos, usando probabilidad condicional. La estrategia permite alcanzar un juicio racional a partir de datos incompletos y no del todo fiables, que, a menudo, constituyen la nica informacin disponible cuando se presentan situaciones imprevistas.

Las tcnicas de Bayes permiten abordar en forma diferente el rea de "toma de decisiones", formulndola en trminos de prdidas o ganancias econmicas y no en trminos de la probabilidad de tomar la decisin correcta. As, por ejemplo, tomar una o dos decisiones que pudieran ser incorrectas puede ser benfico en trminos econmicos.

El manejo de la probabilidad condicional nos lleva al estudio del Teorema de Bayes. Este fenmeno se emplea en la teora de la decisin, siempre que el responsable de la decisin tenga a su disposicin informacin muestral.

Con esta informacin se revisan las probabilidades. Por lo general obedece a una recoleccin que podra comprender estudios de mercado, ensayo y evaluacin de productos, etc.

Teorema: Si A1, A2, An son eventos mutuamente excluyentes uno de los cuales debe ocurrir, entonces:

P B r / D

PB r P A / B r

P( B ) P( A / B )
i 1 i r

Para r 1,2,3,...n.

Ejemplo 1.
1 de la produccin total de los 3 cuales el 5% son defectuosos mientras que la del total producido de la segunda (B) solo el 2% son defectuosos. Si escogemos un producto al azar y es defectuoso, Cul es la probabilidad de que sea de la primera lnea?

1. Un fabricante tiene dos lneas de produccin la primera (A) realiza

Solucin En las dos primeras lneas se colocan las probabilidades de cada mquina y en las segundas lneas se colocan las probabilidades ya dadas en decimales

Aplicando el teorema de Bayes tenemos que:

P A1 / D

P D / A1P A1 P D / A1P A1 P D / A2 P 2 ... P D / A3P A3

1 0,05 3 P A1 / D 1 4 0,05 0,02 3 3

P A1 / D

0,017 0,043

P A1 / D

17 0,39 43

Ejemplo 2. 2. Una fbrica tiene tres mquinas. La mquina 1 produce el 50% del total, la mquina 2 produce el 20% y la mquina 3 produce el 30%. De la produccin se sabe que la mquina 1 produce el 1%, la mquina 2 produce el 4% y la mquina 3 produce el 2% de artculos defectuosos. Se selecciona aleatoriamente un artculo y se encuentra que es defectuoso. Cul es la probabilidad de que lo haya producido la mquina1? Solucin Grficamente esto lo podramos ver de la siguiente figura:

S es el espacio muestral que ha sido dividido en tres eventos: A1 Lo producido por la mquina 1. P A1 0,50 A2 Lo producido por la mquina P A2 0,20 A1 Lo producido por la mquina 3.
P A3 0,30

El diagrama de rbol correspondiente se representa de la siguiente manera:

El diagrama anterior nos indica que: Se conoce tambin que la probabilidad de que un artculo sea defectuoso dado, que lo produjo la mquina 1, es P A1 0,01 . La probabilidad de que un artculo sea defectuoso dado, que lo produjo la mquina 2, es P A2 0,04 La probabilidad de que un artculo sea defectuoso dado, que lo produjo la mquina 3, es P A3 0,02

Por lo tanto, la probabilidad de que lo haya producido la mquina 1 dado que es defectuoso, es de acuerdo al teorema de Bayes:

P A1 / D

PD / A1P A1 PD / A1P A1 PD / A2P2 ... PD / A3P A3

P A1 / D

0,50 0,01 0,50 0,01 0,20 0,04 0,30 0,02

P A1 / D

0,005 0,005 0,008 0,006

P A1 / D

0,005 0,0019

Por lo tanto P A1 / D 0,263

Ejemplo 3. E l 2 0 % d e lo s e m p lea d o s de u n a e m p re sa son in ge n ie ro s y o t ro 2 0 % son e co no m ista s. E l 75 % de lo s in ge n ie ro s o cu p an un p u est o d ire ct ivo y e l 50 % de los e co no m ista s t a mbi n , m ien t ra s qu e lo s n o in ge n iero s y lo s n o e co n om ist a s so la me n te e l 2 0 % o cu p a u n pu e sto d ire ct ivo . Cu l e s la p ro b a b ilid a d d e qu e u n e m p le a do d ire ct ivo e le gid o a l a za r se a in ge n ie ro? Solucin del Problema:

P(ingeniero / directivo)

(0.20 )( 0.75 ) 0.405 (0.20 )( 0.75 ) (0.2)( 0.5) (0.6)( 0.2)

Ejemplo 4. Cuatro tcnicos se encargan regularmente de las reparaciones de una lnea de produccin automatizada en caso de descomposturas. Josefina, quien se ocupa del 20% de las descomposturas, realiza una reparacin incompleta de 1 vez de 20; Tomas, quien atiende el 60% de las descomposturas, realiza una reparacin incompleta 1 vez de 10; Griselda, quien atiende el 15% de las descomposturas, hace una reparacin incompleta de 1 vez de 10, y Pedro quien se ocupa del 5% de las descomposturas , realiza una reparacin incompleta 1 vez de 20. Cul es la probabilidad de que tal reparacin inicial haya sido hecha por Josefina? Solucin del Problema:

P( B 1 / A)

(0.20 )( 0.05 ) 0.114 (0.20 )( 0.05 ) (0.60 )( 0.10 ) (0.15 )( 0.10 ) (0.05 )( 0.05 )

Podemos notar que aunque josefina realice una reparacin incompleta solo de cada 20 veces, es decir, en el 5% de las descomposturas, ms del 11% de las reparaciones incompletas son responsabilidad suya.

EJERCICIOS:

2 la produccin total. De los 5 artculos producidos por la primera lnea el 4% son defectuosos en cambio la segunda el 3% son defectuosos. Si cogemos un producto al azar y es defectuoso. Cul es la probabilidad de que haya sido montado en la primera lnea?
1. Un fabricante tiene dos lneas de produccin, la primera realiza en
R/ 0.470

2. Una fbrica tiene tres mquinas. La mquina 1 produce el 60% del total, la mquina 2 produce el 15% y la mquina 3 produce el 25%. De la produccin se sabe que la mquina 1 produce el 4%, la mquina 2 produce el 1% y la mquina 3 produce el 3% de artculos defectuosos. Se selecciona aleatoriamente un artculo y se encuentra que es defectuoso. Cul es la probabilidad de que lo haya producido la mquina1?
R/ 0.727

3. La p rob ab ilid a d d e qu e h a ya u n a ccid e n te e n u na f brica qu e d isp on e de a la rm a e s 0 .1 . La p rob ab ilid a d d e qu e su en e e st a s se h a p ro du cid o a lg n in cid en t e e s d e 0. 9 7 y la p ro b ab ilid a d de qu e su en e si no ha su ce d id o n in g n in cide n te e s 0 . 02 . E n e l su p ue st o d e qu e h a ya f un cio nad o la a la rma , cul e s la p rob ab ilid ad d e qu e n o ha ya h a b id o n in g n in cid en t e? S e a n lo s su ce so s: I = P ro d u cirse in cid e n te . A = S o na r la a la rma . R/ 0. 1 57

P( I / A) __________________________

4. Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A? R/ 0 . 26

P( A / R) _____________________________

5. El parte meteorolgico ha anunciado tres posibilidades para el fin de semana: a) Que llueva: probabilidad del 50%. b) Que nieve: probabilidad del 30% c) Que haya niebla: probabilidad del 20%. Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente: a) Si llueve: probabilidad de accidente del 20%. b) Si nieva: probabilidad de accidente del 10% c) Si hay niebla: probabilidad de accidente del 5%. Resulta que efectivamente ocurre un accidente y como no estabamos en la ciudad no sabemos que tiempo hizo (llovo, nev o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades: Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan "probabilidades a priori" (lluvia con el 50%, nieve con el 30% y niebla con el 20%). Una vez que incorporamos la informacin de que ha ocurrido un accidente, entonces son probabilidades condicionadas P (A/B), que se denominan "probabilidades a posteriori". Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

R/ 0 . 71 4

P( Ai / B) ___________________________________
R/ La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del %.

b) Probabilidad de que estuviera nevando:

R/ 0 . 21 4

P( Ai / B) __________________________________

R/ La probabilidad de que estuviera nevando es del c) Probabilidad de que hubiera niebla:

%. R/ 0 . 07 1

P( Ai / B) __________________________________

R/ La probabilidad de que hubiera niebla es del