UNIVERSIDAD NACIONAL DE

HUANCAVELICA – UNH
FACULTAD DE INGENIERÍA DE MINAS - CIVIL-AMBIENTAL

ESCUELA ACADÉMICA PROFESIONAL DE MINAS – LIRCAY

TEMA

Teorema de Bayes

CURSO : Estadística Aplicada

DOCENTE : DR. JOSÉ LUIS GAVE CHAGUA

ESTUDIANTE : Huillcas Osorio, cristian.

Lizaraso Cabezas, Smith.
Campos Pocomucha, deyvi.
Curo Tello, andersin.

CICLO : lll

LIRCAY – HUANCAVELICA
2018

1
 INTRODUCCIÓN

El teorema de Bayes se utiliza para revisar probabilidades previamente

calculadas cuando se posee nueva información. Desarrollado por el reverendo
Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensión de lo que
ha aprendido hasta ahora acerca de la probabilidad condicional.

2
 Índice
INTRODUCCIÓN ............................................................................................................................. 2
índice ............................................................................................................................................. 3
Capitulo l
biografía de bayes ......................................................................................................................... 4
THOMAS BAYES ......................................................................................................................... 4
Capitulo ll
teorema de Bayes ......................................................................................................................... 5
Definición .................................................................................................................................. 5
¿Qué tipo de probabilidad es la teoría de Bayes? .................................................................... 5
La teoría de Bayes analiza ......................................................................................................... 5
Formula de la teoría de Bayes ................................................................................................... 5
Uso de la teoría de Bayes .......................................................................................................... 5
Partes del teorema de Bayes .................................................................................................... 5
Capitulo lll
obtención del teorema de Bayes .................................................................................................. 6
El proceso para la obtención de la teoría de Bayes .................................................................. 6
Formula ..................................................................................................................................... 6
Ejemplo de teoría de teoría de Bayes ....................................................................................... 7
Capitulo lV
diagrama de árbol ......................................................................................................................... 8
Definición .................................................................................................................................. 8
¿Cómo construir un diagrama de árbol?................................................................................... 8
¿Cómo aplicar el diagrama de árbol?........................................................................................ 9
 Ejemplo.......................................................................................................................... 9
Relación con la probabilidad condicional................................................................................ 10
Conclusión ................................................................................................................................... 11
Referencia ................................................................................................................................... 12

3
 Capitulo l
biografía de bayes

THOMAS BAYES
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. En 1719, se matriculó en la universidad
Edinburgo donde estudió lógica y teología. En Oxford o Cambridge no se
permitían alumnos no conformistas. Bayes fue ordenado, al igual que su padre,
como ministro disidente, y en 1731 se convirtió en reverendo de la iglesia
presbiteriana en Tunbridge Wells; aparentemente trató de retirarse en 1749, pero
continuó ejerciendo hasta 1752, y permaneció en ese lugar hasta su muerte.

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.

Los restos de Bayes descansan en el cementerio londinense de Bunhill Fields.

La traducción de la inscripción en su tumba es "Reverendo Thomas Bayes. Hijo
de los conocidos Joshua y Ann Bayes. 7 de abril de 1761. En reconocimiento al
importante trabajo que realizó Thomas Bayes en materia de probabilidades, su
tumba fue restaurada en 1969 con donativos realizados por estadísticos de todo
el mundo.

Miembro de la Royal Society desde 1742, Bayes fue uno de los primeros en
utilizar la probabilidad inductivamente y establecer una base matemática para la
inferencia probabilística.

Actualmente, con base en su obra, se ha ha desarrollado una poderosa teoría

que ha conseguido notables aplicaciones en las más diversas áreas del
conocimiento. Especial connotación han tenido los sistemas para detección de
spam en el ambiente de Internet. En el campo sanitario, el enfoque de la

4
inferencia bayesiana experimenta un desarrollo sostenido, especialmente en lo
que concierne al análisis de ensayos clínicos, donde dicho enfoque ha venido
interesando de manera creciente a las agencias reguladoras de los
medicamentos, tales como la norteamericana FDA (Food and Drug Agency).

Capitulo ll
teorema de Bayes
Definición
El Teorema de Bayes, dentro de la teoría probabilística, proporciona la
distribución de probabilidad condicional de un evento "A" dado otro evento "B"
(probabilidad posterior), en función de la distribución de probabilidad condicional
del evento "B" dado "A" y de la distribución de probabilidad marginal del evento
"A" (probabilidad simple ).

Comúnmente se inicia un análisis de probabilidades con una asignación inicial,

probabilidad a priori. Cuando se tiene alguna información adicional se procede a
calcular las probabilidades revisadas o a posteriori.

¿Qué tipo de probabilidad es la teoría de Bayes?

Es a posteriori, es decir que se analiza después de observar el fenómeno.

La teoría de Bayes analiza

Analiza el proceso inverso, cuando sucede B ¿había sucedido A?

 Probabilidad condicional de B dado A.

Formula de la teoría de Bayes

P(Ai )P(B⁄A )
i
𝑃(𝐴𝑖 ⁄𝐵 ) = P(B)

Uso de la teoría de Bayes

Se utiliza para revisar probabilidades previamente calculadas cuando se
posee nueva información.

Se utiliza para expresar la probabilidad de ocurrencia de un evento A conociendo

que sé presentó el evento B.

Partes del teorema de Bayes

El teorema de Bayes permite calcular las probabilidades a posteriori y es:

P(Ai )P( ⁄A ) B
A
 𝑃( i⁄B) = ∑ p(𝐵 )P(𝐴i )
⁄𝐴 𝐾
𝑖
A
 Donde 𝑃( i⁄B)es la probabilidad a posteriori que buscamos.
 P(Ai ) es la probabilidad a priori. Estas probabilidades deben sumar
1 debido a que forman un sistema completo.
 P(𝐵⁄𝐴 )es la probabilidad condicional observada.
𝑖

5
  ∑ P(𝐵⁄𝐴 )P(𝐴𝐾 ) es la probabilidad total del suceso B
𝑖

Capitulo lll
obtención del teorema de Bayes
El proceso para la obtención de la teoría de Bayes
La obtención de la teoría de Bayes se obtiene de:

 Partiendo de la fórmula de probabilidad condicional.

𝑃(𝐴⋂𝐵)
𝑃(𝐴⁄𝐵 ) =
𝑃(𝐵)
 Y la probabilidad conjunta.
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)
 Para eventos estadísticamente dependiente se procederá a
enunciar el teorema de Bayes.
 Sea un evento muestral 𝐴1 , 𝐴2 ; … … … . 𝐴𝑛 eventos mutuamente
excluyentes (proceso que no ocurren a la vez) tales que, cualquier
evento “B” en el espacio muestral pertenece a uno y sólo a uno de
estos eventos. Entonces la probabilidad de que ocurra cualquier
evento 𝐴𝑖 dado que ha ocurrido el evento “B” se calculará por la
siguiente formula:
𝑃(𝐴𝑖 ∩𝐵)
𝑃(𝐴𝑖 ⁄𝐵 ) = 𝑃(𝐵)

Formula
 Por lo tanto, sustituyendo la fórmula de probabilidad condicional,
se obtiene la fórmula general para el Teorema de Bayes:

𝑃(𝐴𝑖 )𝑃(𝐵⁄𝐴 )
𝑖
𝑃(𝐴𝑖 ⁄𝐵 ) =
𝑃(𝐴1 )𝑃(𝐵⁄𝐴𝑖 ) + 𝑃(𝐴2 )𝑃(𝐵⁄𝐴2 ) + ⋯ 𝑃(𝐴𝑛 )𝑃(𝐵⁄𝐴𝑛 )

 Donde:
o El numerador es la probabilidad conjunta:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)

o El denominador es la probabilidad marginal de que ocurra

el evento “B”.

𝑃(𝐵) = 𝑃(𝐴1 )𝑃(𝐵⁄𝐴𝑖 ) + 𝑃(𝐴2 )𝑃(𝐵⁄𝐴2 ) + ⋯ 𝑃(𝐴𝑛 )𝑃(𝐵⁄𝐴𝑛 )

𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 )𝑃(𝐵⁄𝐴 )

𝑖
𝑖=1

6
Ejemplo de teoría de teoría de Bayes

El parte meteorológico 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%.

Según estos posibles estados meteorológicos, la posibilidad de que ocurra un

accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.

Resulta que efectivamente ocurre un accidente y como no estábamos en la

ciudad no sabemos que tiempo hizo (nevó, llovío 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 60%, nieve con
el 30% y niebla con el 10%).
Una vez que incorporamos la información de que ha ocurrido un accidente, las
probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B),
que se denominan "probabilidades a posteriori".
Vamos a aplicar la fórmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el día del accidente

(probabilidad a posteriori) es del 71,4%.

7
b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Capitulo lV
diagrama de árbol
Definición
Es una herramienta que se utiliza para determinar si en realidad en el
cálculo de muchas probabilidades se requiere conocer el número de objetos que
forman parte del espacio muestral, estos se pueden determinar con la
construcción de un diagrama de árbol.

El diagrama de árbol es una representación gráfica de los posibles resultados

del experimento, el cual consta de una serie de pasos, donde cada uno de estos
tiene un número infinito de maneras de ser llevado a cabo. Se utiliza en los
problemas de conteo y probabilidad.

¿Cómo construir un diagrama de árbol?

Para la construcción de un diagrama en árbol se partirá poniendo una
rama para cada una de las posibilidades, acompañada de su probabilidad. Cada
una de estas ramas se conoce como rama de primera generación.
En el final de cada rama de primera generación se constituye, un nudo del cual
parten nuevas ramas conocidas como ramas de segunda generación, según las
posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimentó (nudo final).
Hay que tener en cuenta que la construcción de un árbol no depende de tener el
mismo número de ramas de segunda generación que salen de cada rama de
primera generación y que la suma de probabilidades de las ramas de cada nudo
ha de dar 1.

8
Existe un principio sencillo de los diagramas de árbol que hace que éstos sean
mucho más útiles para los cálculos rápidos de probabilidad: multiplicamos las
probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de
alumna de la primera facultad, o bien las sumamos si se trata de ramas
separadas que emergen de un mismo punto, el ejemplo de encontrar un alumno.

¿Cómo aplicar el diagrama de árbol?

 Ejemplo
Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.

 La 2ª con el 25% de estudiantes.
 La 3ª con el 25% de estudiantes.
Las mujeres están repartidas uniformemente, siendo un 60% del total en
cada facultad.

¿Probabilidad de encontrar una alumna de la primera facultad?

9
 ¿Probabilidad de encontrar un alumno varón?

Pero también podría ser lo contrario.

Relación con la probabilidad condicional

Esta herramienta está fundamentada en el cálculo de probabilidades
condicionadas.

 Por ejemplo podemos identificar el 0,6 que encontramos en la rama que va

de 1ª facultad a mujer como la siguiente probabilidad condicionada:

P(mujer⁄1° facultada) = 0.6

 También esta herramienta se relaciona con algunos teoremas de la

probabilidad condicionada
Dado que las tres facultades forman una partición del espacio muestral
podemos indicar como:

P(alumno varon) = 0.5 ∗ 0.4 + 0.25 ∗ 0.4 + 0.25 ∗ 0.4 = 0.4

10
 Conclusión

El Teorema de Bayes se aplica cuando los eventos, para los cuales deseamos
calcular sus probabilidades posteriores, son mutuamente excluyentes, y la unión
de todos ellos es el espacio muestral.

11
 Referencia

 Matemáticas de Christopher Clapham 84-89784-566

 Bayes, Thomas (1763). «An Essay towards solving a Problem in

the Doctrine of Chances.». Philosophical Transactions of the Royal

Society of London 53: 370-418. doi:10.1098/rstl.1763.0053.

 Teoría moderna de probabilidades y sus aplicaciones de Emanuel

Parzen. Limusa Grupo Noriega Editores. ISBN 978-9681-807351

 Parzen. Obra citada

 probabilidad-total-y-teorema-bayes/probabilidad-total-y-teorema-

bayes.shtml#ixzz5J0DkRVPW

12