TEOREMA DE BAYES

El Teorema de Bayes representa un buen instrumento de operacin matemtica para

establecer valores de probabilidad condicional (conjunta, hacia atrs). Es decir, el caso
en que la probabilidad de que se manifieste un determinado fenmeno est
directamente sujeto a que previamente haya ocurrido otro.

El uso del diagrama de rbol tambin contribuye a que el teorema de Bayes, resulte
mucho ms sencillo de operar, ya que permite obtener los valores de probabilidad
conjunta de una sola vez, rama por rama.

En trminos algebraicos la frmula del Teorema de Bayes se expresa como:

T. DE BAYES =
Valor de probabilidad conjunta del fenmeno especficamente determinado
Probabilidades conjuntas de todas las posibilidades relativas al fenmeno

En otros trminos:

P (A) P (A/X)
T. DE BAYES =
P (A) P (A/X) + P (B) P (B/X) + P(C)
P(C/X) +

Que se lee:

P(A) P(A/X) = Valor de la probabilidad conjunta de que suceda el caso A,

previamente
dado el caso X

P (B) P (B/X) = Valor de la probabilidad conjunta de que suceda el caso B,

previamente
dado el caso X

P(C) P(C/X) = Valor de la probabilidad conjunta de que suceda el caso C,

previamente
dado el caso X. Etc.

El siguiente ejercicio sirve de ejemplo. Obsrvese como el diagrama de rbol es un

sencillo instrumento que contribuye a obtener los valores de probabilidad individual y
conjunta (Individual expresado en cada rama, conjunta expresada como el producto
de rama por rama, al final de cada una de ellas.
Pgina 1 de 2
Ejemplo ilustrativo

Una compaa posee tres plantas procesadoras de caf en oro (caf sin cascara). La
produccin, en quintales por hora, de cada planta es la siguiente:

a) Planta A: 400 quintales.

b) Planta B: 600 quintales.
c) Planta C: 1000 quintales.

El supervisor de control de calidad ha establecido que, por cada lote de produccin por
hora, las procesadoras cometen errores en el llenado. De los 400 producidos por la
planta A, 10 quintales resultan con cascarilla; de los producidos por la planta B, 20
resultan con cascarilla y de la planta C, 40 resultan con cascarilla.

Si se selecciona un quintal al azar (sin previa verificacin y sin saber de qu planta

proviene), y resulta ser un quintal que tiene cascarilla, determinar el valor de
probabilidad de que ste haya sido llenado por la planta A.

En este caso se est ante un tpico problema de probabilidad condicional hacia atrs,
que puede muy bien resolverse por medio del Teorema de Bayes.

Usando el Diagrama de rbol, establecemos los valores de probabilidad individual y de

conjunto de todos los posibles casos que puedes suceder.

Por supuesto que este procedimiento no es necesario ni obligatorio, pero para que el
estudiante aprenda en detalle a realizarlo se har completo; es decir, estableciendo los
valores de probabilidades individual y de conjunto de todo lo que puede suceder, de
acuerdo a la informacin con que se cuenta.

En otras palabras, si proviene de la planta A o C tambin; y si el quintal obtenido al azar

estuviera correcto, de dnde viene; ya que tal informacin es til para resolver otros
cuestionamientos que pueden estar relacionados con este problema.
Teorema de Bayes
El teorema de Bayes es un procedimiento para obtener
probabilidades condicionales (probabilidades de ocurrencia de
acontecimientos condicionadas a la ocurrencia de otros
acontecimientos). La expresin del teorema de Bayes para dos
variables discretas es:

Para variables que toman ms de dos valores, la expresin es:

El teorema de Bayes da respuesta a cuestiones de tipo causal,

predictivas y de diagnstico. En las cuestiones causales queremos
saber cul es la probabilidad de acontecimientos que son la
consecuencia de otros acontecimientos. En las cuestiones predictivas
queremos saber cul es la probabilidad de acontecimientos dada
informacin de la ocurrencia de los acontecimientos predictores. En
las cuestiones de tipo diagnstico queremos saber cul es la
probabilidad del acontecimiento (o acontecimientos) causales o
predictivos dado que tenemos informacin de las consecuencias.
Para resumir, en las situaciones causales o predictivas
desconocemos las consecuencias y tenemos evidencia de las causas.
Por el contrario, en las situaciones de diagnstico desconocemos las
causas y tenemos evidencia de las consecuencias.

Ejemplo

Unos psiclogos especializados en el tratamiento de trastornos de

personalidad estn interesados en diagnosticar el trastorno que
afecta un paciente, en el que observan un conjunto de sntomas que
indican que el paciente podra sufrir el trastorno A o el trastorno B.
Adems saben que los porcentajes de individuos afectados por los
trastornos A, B o ningn trastorno son 10, 30 y 70. Tambin saben
que el porcentaje de individuos afectados por el trastorno A y que
muestran el sntoma X es igual al 60%, el porcentaje de individuos
que sufren el trastorno B y muestran el sntoma X es el 30% y el
porcentaje de individuos no afectados que muestran los sntomas de
trastorno es el 10%. Resumiendo, la informacin que disponemos
es:

Sustituyendo en el teorema de Bayes:

la probabilidad de que el individuo padezca el trastorno A es 0.27.

Las probabilidades de que est afectado por el trastorno B o el C
son:

La conclusin es que lo ms probable es que el individuo padezca el

trastorno B, pero es un valor moderado y los psiclogos piensan que
hay que obtener ms evidencia.

El teorema de Bayes es especialmente adecuado para actualizar las

conclusiones a medida que disponemos de nueva informacin.
Pasado un tiempo observan que el paciente muestra un nuevo
sntoma (Y), y saben que presentan Y el 70% de los individuos que
sufren el trastorno A, el 20% de los individuos que sufren B y el
10% de los individuos que padecen el trastorno C. Para obtener las
probabilidades incorporando la nueva informacin hacemos que las
probabilidades posteriores pasen a ser las probabilidades previas:

Una vez hechos los clculos la probabilidad de que el individuo est

afectado por el trastorno A ha pasado de 0.27 a 0.62