U

N
I
V
E
R
S
I
D
A
D

E
S
T
A
T
A
L

D
E
L

S
U
R

D
E
 MANABÍ
Creada el 7 de Febrero del 2001, según
registro oficial N° 261
FACULTAD DE CIENCIAS TECNICAS
CARRERA DE INGENIERIA EN
AUDITORIA

Materia:
Estadística inferencial
Profesional en formación:
Zhingre Moreira Laura Nicole
Mero Piguave María José
Alcívar Jama Lisseth
Constante Pivaque Ariana
Cobos Baque Karina
Docente:
Eco. Jaime Zavala
Nivel:
Cuarto Semestre “B”
Tema:
Teorema de Bayes

INTRODUCCIÓN Cobos
OBJETIVOS Laura
 Objetivo general
Demostrar la utilización del teorema de Bayes para calcular la probabilidad de
un suceso.
Objetivos específicos
● Analizar los subconjuntos que se deben cumplir en el condicionamiento de la
probabilidad
● Comprobar la metodología que emplea el teorema de Bayes
● Aplicar el teorema de Bayes en ejemplos teniendo información de antemano
sobre ese suceso.

MARCO TEÓRICO
Thomas Bayes, matemático, nació en Londres, Inglaterra en 1702 y murió en
Tunbridge Wells, Kent, Inglaterra el 17 de Abril de 1761. Su padre Joshua
Bayes, fue uno de los seis primeros ministros no conformistas (presbiterianos)
que fueron ordenados en Inglaterra. Su familia se trasladó a Londres cuando su
padre Joshua fue nombrado asistente en St Thomas. Fue el mayor de 7
hermanos. Posiblemente De Moivre, autor del afamado libro La doctrina de las
probabilidades, fue su maestro particular, pues se sabe que por ese entonces
ejercía como profesor en Londres. (Aznar, 2017)

Estudió el problema de la determinación de la probabilidad de las causas a

través de los efectos observados. El teorema que lleva su nombre se refiere a
la probabilidad de un suceso condicionado por la ocurrencia de otro suceso.
Más específicamente, con su teorema se resuelve el problema conocido como
"de la probabilidad inversa". Esto es, valorar probabilísticamente las posibles
condiciones que rigen supuesto que se ha observado cierto suceso. Se trata de
probabilidad "inversa" en el sentido de que la "directa" sería la probabilidad de
observar algo supuesto que rigen ciertas condiciones. Los defensores de la
inferencia bayesiana (basada en dicho teorema) afirman que la trascendencia
de la probabilidad inversa reside en que es ella la que realmente interesa a la
ciencia, dado que procura sacar conclusiones generales (enunciar leyes) a
partir de lo objetivamente observado, y no viceversa. (Aznar, 2017)

PROBABILIDAD. Majo
es la posibilidad que existe entre varias posibilidades, que un hecho o
condición se produzcan. La probabilidad, entonces, mide la frecuencia con la
cual se obtiene un resultado en oportunidad de la realización de un
experimento sobre el cual se conocen todos los resultados posibles gracias a
las condiciones de estabilidad que el contexto supone de antemano. (ABC,
2016)
El estudio científico de la probabilidad, a diferencia de lo que ha ocurrido con
otras cuestiones matemáticas (porque obviamente ambas disciplinas están
estrechamente vinculadas entre sí), no resulta ser una preocupación que se
remonta a la antigüedad, por ejemplo, tiempos en los que la mayoría de los
grandes pensadores ocupaban aparentemente sus pensamientos en otras
cuestiones más determinantes para esa época. Entonces, el estudio y la
profundización acerca de la cuestión de la probabilidad, se puede decir que es
más bien un acontecimiento moderno. (ABC, 2016)

TEOREMA DE BAYES
Se le conoce como teorema de Bayes, a la preposición recopilada de las
memorias del matemático y sacerdote de origen Inglés Thomas Bayer. Quien, a
dos años de su muerte en 1761, expresa la probabilidad (la medida de
certidumbre vinculada a un evento) de carácter condicional de un evento
aleatorio dada cierta información de antemano sobre el suceso. Es decir, dicho
teorema calcula la probabilidad “A” condicionado por la información “B”.
Logrando la determinación de la probabilidad de las causas a partir de los
efectos que han podido ser observados. (Riquelme, 2018)
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido,
principalmente, a su mala aplicación. Ya que, mientras se cumplan los
supuestos de sucesos disjuntos y exhaustivos, el teorema es totalmente válido.
(Lopéz, 2015)

FÓRMULA DEL TEOREMA DE BAYES

Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una fórmula. La fórmula se define matemáticamente como:

Donde B es el suceso sobre el que tenemos información previa y A(n) son los
distintos sucesos condicionados. En la parte del numerador tenemos la
probabilidad condicionada, y en la parte de abajo la probabilidad total. En
cualquier caso, aunque la fórmula parezca un poco abstracta, es muy sencilla.
Para demostrarlo, utilizaremos un ejemplo en el que en lugar de A (1), A (2) y A
(3), utilizaremos directamente A, B y C.
En esta operación matemática intervienen 3 clases de probabilidades, que son
las siguientes:
● P (Ai) o probabilidad a priori de un suceso “A”.
● P (Ai/B) o probabilidad a posteriori de un suceso “A”, (cuando se obtiene la
información de que ha ocurrido un suceso B).
● P (B/Ai) o verosimilitudes del suceso “B” son supuestos que habrían de ocurrir
a cada suceso Ai.

DEBILIDADES DEL PROBLEMA DE BAYES Lisseth

Los estadistas han cuestionado el teorema basándose en las limitaciones de su
aplicación, ya que es válido únicamente cuando se cumplen sucesos disjuntos
y exhaustivos.
De igual manera los especialistas en estadística tradicional ratifican que solo
pueden ser admisibles las estadísticas basadas en experimentos repetibles y
de comprobación empírica, debido a que las probabilidades estadísticas
Bayesianas admiten condiciones relativas.

APLICACIONES DEL TEOREMA DE BAYES

El teorema de Bayes sirve para calcular las posibilidades de un suceso que
está dado o no por otro suceso anterior, lo cual consiente evaluar de qué
manera se transforman las probabilidades subjetivas, mientras más información
nueva se posee de un hecho.
Además de ser aplicable a modelos basados en el conocimiento subjetivo y la
evidencia empírica. Se aplica también a modelos que se utilizan, por ejemplo,
en la fusión de datos de un sistema.
Así mismo, es considerado como un excelente modelo o método para evaluar
nueva información y revisar estimaciones anteriores sustentadas en datos
limitados, para conocer entonces si se encuentran en un estado u otro, si es
aplicado de manera idónea entonces se hace eficaz la reunión de datos para
tomar mejores decisiones.

CONDICIONES PARA APLICAR EL TEOREMA DE BAYES

Los sucesos “Ai” deben ser mutuamente excluyentes, es decir solo puede
suceder uno de ellos. La unión de sus posibilidades es el total, es decir la
unidad es decir debe ser un sistema completo. Y cada una debe ser distinta de
 cero. Está establecido un caso “B” del cual se conocen todas las
probabilidades. Se conocen todas las probabilidades condicionales P(B/Ai).

VENTAJAS DE LA APLICACIÓN DEL TEOREMA DE BAYES EN LA

COTIDIANIDAD
● Se puede enfocar de manera tal de que se obtengan beneficios en algunos
campos.
● Es posible el análisis continuo de la información, aunque si la variabilidad entre
datos es elevada es necesario algún método que permita llegar a soluciones
confiables.
● Meta-Análisis: buscar acumular información variada para llegar a una
apreciación exacta de un problema
● Evaluación de estudios a pequeña escala con la información de otros, debido a
que el desarrollo de estos a escala global no siempre es posible, y a nivel
muestra no cuenta con una total veracidad, el enfoque bayesiano permite
ratificar y refutar.
● Estudios de decisión.

IMPORTANCIA DEL TEOREMA DE BAYES

En el campo estadístico el teorema de Bayes permitió la resolución de
problemas de múltiples probabilidades, su importancia radica en la aplicación
de la misma, pues es fundamental en cualquier ciencia, ya que permite
demostrar la relación intrínseca con la comprensión de las probabilidades de
los sucesos causados una vez establecidos los efectos acontecidos.
La probabilidad Bayesiana permite convertir una probabilidad subjetiva en una
real cuando esta se va modificando en base a las nuevas informaciones.
Las evidencias empíricas que según los estadistas actúan como base para la
aplicación de este teorema tienen aplicaciones puntuales en las distintas ramas
de la medicina, desde el diagnóstico de cáncer, hasta para la prevención de la
diabetes, también tiene usos menos sofisticado como el evaluar las
posibilidades en un juego de barajas.
Recapitulando, este teorema sirve para evaluar sucesos a priori y a posteriori,
teniendo en cuenta hechos que pueden ser subjetivos o no y en base a las
posibilidades que desencadenen estos hechos, obtener un dato que como
conocimiento permitirá o no establecer un plan de acción.
CONCLUSIONES Ariana

BIBLIOGRAFÍA
ABC, D. (12 de Febrero de 2016). definicionabc. Obtenido de
https://www.definicionabc.com

Aznar, E. R. (25 de Noviembre de 2017). Universidad de Granada. Obtenido de

https://www.ugr.es

Lopéz, J. F. (05 de Agosto de 2015). Economipedia. Obtenido de

https://economipedia.com

Riquelme, M. (03 de Septiembre de 2018). Web y Empresas. Obtenido de

https://www.webyempresas.com
ANEXOS
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 20%. 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(B/A)] + [ P(C) x P(C/A)] = [ 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%.
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%.