UNIDAD IV

PROBABILIDAD


Teorema de Bayes





M. en C. Mario Arturo Vilchis Rodrguez

1

TEOREMA DE BAYES

El reverendo Thomas Bayes (1702 1761) desarroll un concepto til al
calcular ciertas probabilidades. Se asume que Dunham Manufacturing utiliza
dos mquinas para producir su producto. La mquina A produce el 60% de la
produccin total, y la maquina B produce el restante 40%. El 2% de las
unidades por A son defectuosas, mientras que B tiene una tasa de defectos del
4%.

Esto se muestra en el diagrama de rbol que acompaa la siguiente figura. Se
asume que una unidad de produccin se selecciona aleatoriamente. El primer
conjunto de ramas en el rbol que indica cul mquina produjo la unidad,
muestra que la probabilidad de que provenga de la mquina A es P(A) = 0.60 y
que la probabilidad de que provenga de la maquina B es P(B) = 0.40. El
segundo grupo de ramas que indica la calidad de la unidad dice que si provino
de la mquina A puede ser defectuosa o no defectuosa. Estas probabilidades
condicionales demuestran que la probabilidad de que no sea defectuosa dado
que provino de la mquina A es (

| = 0.98 y la probabilidad de que sea

defectuosa dado que proviene de A es ( | = 0.02. Las probabilidades
condicionales para B revelan que la probabilidad de que no sea defectuosa
dado que provino de B es (

| = 0.96 y la probabilidad de que sea

defectuosa con base en la condicin de que provino de B es ( | =0.04.

















Figura Diagrama de rbol para Dunham Manufacturing

2


Finalmente, se observa que hay cuatro posibles resultados para el experimento
de seleccionar una unidad de produccin La probabilidad de cada uno se
calcula multiplicando las probabilidades sobre cada una de las ramas que
conllevan a ella. Para ilustrarlo, el primer posible resultado es que la unidad
provenga de A y que no sea defectuosa, (

. Utilizando la regla de la
multiplicacin, (

( (

| = (0.60)(0.98) = 0.588. Las

probabilidades de los tres resultados restantes pueden determinarse de forma
similar.

Se puede observar directamente en la figura anterior que ( = 0.60.
Suponiendo que la unidad es defectuosa, se desea saber la probabilidad de
que la unidad provino de la mquina A. Con esta informacin adicional, se
puede revisar la probabilidad de que la unidad fue producida por la mquina A.
Ahora se desea determinar ( |, no slo (.

Vale la pena recordar la regla de la probabilidad condicional:

( |
(
(

( (|
(


Sin embargo, ( no es discernible de inmediato. Aqu es donde participa el
teorema de Bayes. Existen dos formas en las cuales la unidad puede ser
defectuosa. Puede provenir de la mquina A y ser defectuosa, o puede provenir
de la mquina B y ser defectuosa. Utilizando la regla de la adicin,

( ( (
( ( (| ( (|

Cuando se hace la sustitucin en el denominador de la frmula de la
probabilidad condicional anterior para (, el teorema de Bayes dice




3



( |
(
( (

Teorema de Bayes
( |
( (|
( (| ( (|


Ahora se puede hallar (|
( |
(
(


( |
(
( (


( |

( (


( |

Mientras que ( = 0.60, ( | = 0.429. Se nota que ( | ( debido
a que la mquina A produce un porcentaje menor de defectos que la mquina
B.


Ejemplo del Teorema de Bayes.

El departamento de personal de una empresa grande ha descubierto que slo
el 60% de los candidatos entrevistados estn realmente calificados (Q) para
asumir un cargo en la compaa. Una revisin de los registros de la firma
muestra que quienes estaban calificados, el 67% tuvo un entrenamiento previo
en estadstica (T), mientras que el 20% de quienes no estaban calificados
haban recibido instruccin estadstica mucho antes. Es decir,


4

( (| (|

El director de personal puede ver claramente que dado que usted est
calificado, es ms probable que usted tenga algo de capacitacin en estadstica
que si no est calificado (0.67 > 0.20). Se perdi mucho tiempo entrevistando a
los candidatos que resultaron no calificados; sin embargo, el director est
considerando conceder entrevista slo a aquellos candidatos que tengan
capacitacin en estadstica. l espera incrementar la probabilidad de encontrar
candidatos calificados para ocupar el cargo. La pregunta entonces sera, es
ms probable que usted est calificado dado que ha tenido capacitacin:
(|? Si es as, el departamento de personal podra evitar demoras y costos
innecesarios restringiendo las entrevistas slo a aquellos candidatos que
tengan capacitacin en anlisis estadstico

Solucin

Utilizando la regla de probabilidad condicional

( |
(
(

( (|
(

((
(



Debido a que los registros de la compaa no proporcionan (, se debe
utilizar el teorema de Bayes para hallar el denominador. Existen dos formas en
las que un candidato puede tener entrenamiento previo: (1) el candidato puede
estar calificado y tener capacitacin, ( , y (2) el candidato puede no
estar calificado y tener entrenamiento ( . Por tanto,

( ( (

( ( (| (

(|

( (( ((
(



5


Entonces

( |
((

( |
Puesto que

( (|

Interpretacin.
Para aumentar la probabilidad de entrevistar slo candidatos calificados, el
departamento de personal debera entrevistar solamente a los candidatos que
tienen capacitacin en anlisis estadstico.















Fuentes de informacin

Webster, Allen L., (2000)., Estadstica aplicada a los negocios y la economa.,
Editorial McGraw-Hill., Colombia.