ESTADISTICA I

PROFESOR WALTER LOPEZ

MDULO 6 Reglas de Probabilidad y el Teorema de Bayes
AXIOMAS DE PROBABILIDAD
Primer axioma : La probabilidad de un suceso E es un nmero real entre 0 y 1.
Segundo axioma :Ocurre un suceso de la muestra de todos los sucesos o
espacio de sucesos {e1,e2,...en} con probabilidad 1.
Tercer axioma Si A1, A2 ... son sucesos mutuamente excluyentes
2.3 PROBABILIDAD CONDICIONAL
Probabilidad condicional es la probabilidad de que ocurra un evento en
particular, dado que ocurri otro evento.
Nota: la probabilidad de que ocurra el evento A dado que ya ocurri B se denota
como
P(A|B).
Reglas bsicas de probabilidad
Si los eventos son mutuamente excluyentes, la ocurrencia de cualquier evento
impide que otro eventos ocurra.
Reglas de adicin: si dos eventos A y B son mutuamente excluyentes, la regla
especial de adicin indica que la probabilidad de que ocurra A o B es igual a la
suma de sus probabilidades respectivas:

ESTADISTICA I
PROFESOR WALTER LOPEZ
P(A o B) = P(A) + P(B)
Ejemplo

Llegada

Frecuencia

Antes de tiempo

100

A tiempo

800

Demorado

75

Cancelado

25

Total

1000

American Airlines acaba de proporcionar la siguiente informacin de sus vuelos

a Puerto Rico:

ESTADISTICA I
PROFESOR WALTER LOPEZ
Ejemplo
Si A es el evento de que un vuelo llegue antes de tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue antes de tiempo o demorado es
P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.

Teorema de bayes
El teorema de Bayes, descubierto por Thomas Bayes, en la teora de la
probabilidad, es el resultado que da la distribucin de probabilidad condicional
de una variable aleatoria A dada B en trminos de la distribucin de probabilidad
condicional de la variable B dada A y la distribucin de probabilidad marginal de
slo A.
Sea A1, A2, ...,An un conjunto de sucesos incompatibles cuya unin es el total y
tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un
suceso cualquiera del que se conocen las probabilidades condicionales P(B/Ai).
entonces la probabilidad P(Ai/B) viene dada por la expresin:

donde:

ESTADISTICA I
PROFESOR WALTER LOPEZ
P(Ai) son las probabilidades a priori.
P(B | Ai) es la probabilidad de B en la hiptesis Ai.
P(Ai | B) son las probabilidades a posteriori.
Esto se cumple
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la
probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadstica tradicional slo
admiten probabilidadades basadas en experimentos repetibles y que tengan una
confirmacin emprica mientras que los llamados estadisticos bayesianos
permiten probabilidades subjetivas. El teorema puede servir entonces para
indicar como debemos modificar nuestras probabilidades subjetivas cuando
recibimos informacin adicional de un experimento. La estadstica bayesiana
est demostrando su utilidad en ciertas estimaciones basadas en el
conocimiento subjetivo a priori y permitir revisar esas estimaciones en funcin de
la evidencia es lo que est abriendo nuevas formas de hacer conocimiento.

Como observacin, se tiene

y su demostracin resulta

evidente.