Centro de Bachillerato Tecnolgico Industrial Y De Servicios #37

TEOREMA DE BAYES Y PROBABILIDAD

CONDICIONADA
Probabilidad Y Estadstica

3ER PARCIAL

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).
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.
Se apoya en el proceso inverso al que hemos visto en el Teorema de la Probabilidad Total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que
llueva o de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un
accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos
las probabilidades del suceso A (estaba lloviendo o
haca buen tiempo?).
Formula del Teorema de Bayes:
Teorema de Bayes para dos variables discretas es:

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

Ejemplo: El parte meteorolgico 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%.
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la
siguiente:
a) Si llueve: probabilidad de accidente del 20%.

b) Si nieva: probabilidad de accidente del 10%

c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estbamos en la ciudad no sabemos
qu tiempo hizo (llovi, nev 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 50%, nieve con el 30% y niebla con el 20%).
Una vez que incorporamos la informacin 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 frmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad

a posteriori) es del 71,4%.
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%

PROBLEMAS DE TEOREMA DE BAYES:

Problema 1:

En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son
menores de 24 meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a
la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una nia.
SOLUCIN:
Se definen los sucesos:
Suceso H: seleccionar una nia.
Suceso V: seleccionar un nio.
Suceso M: infante menor de 24 meses.
En los ejercicios de probabilidad total y teorema de bayes, es importante identificar los sucesos que
forman la poblacin y cul es la caracterstica que tienen en comn dichos sucesos. Estos sern
los sucesos condicionados.
a. En este caso, la poblacin es de los infantes. Y la caracterstica en comn es que sean menores
de 24 meses. Por lo tanto, la probabilidad de seleccionar un infante menor de 24 meses es un
ejemplo de probabilidad total. Su probabilidad ser:

b. Para identificar cuando en un ejercicio se hace referencia al teorema de bayes, hay que partir de
reconocer esta es una probabilidad condicionada y que la caracterstica comn de los sucesos
condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea nia una infante menor de 24
meses ser:

Problema 2:

Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el 20% se realizan
correcciones faciales, un 35% implantes mamarios y el restante en otras cirugas correctivas. Se
sabe adems, que son de gnero masculino el 25% de los que se realizan correcciones faciales,
15% implantes mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar,
determine:
a. Determine la probabilidad de que sea de gnero masculino
b. Si resulta que es de gnero masculino, determine la probabilidad que se haya realizado una
ciruga de implantes mamarios.
SOLUCIN:
Se definen los sucesos:

Suceso F: pacientes que se realizan cirugas faciales

Suceso M: pacientes que se realizan implantes mamarios

Suceso O: pacientes que se realizan otras cirugas correctivas

Suceso H: pacientes de gnero masculino

a. La probabilidad de que sea de gnero masculino se refiere a un problema de probabilidad

total, ya que es el suceso condicionado y las cirugas los condicionantes. Dicho valor ser:

b. Como el suceso condicionado ha ocurrido entonces se aplica el teorema de bayes, luego, el

valor de la probabilidad ser:

Problema 3:

Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a
cada equipo es de 25% al primero, 35% el segundo en y 40% el tercero. Se sabe que los aparatos
tienen probabilidades de error de 1%, 2% y 3% respectivamente. Un paciente busca el resultado de
una ecografa y observa que tiene un error. Determine la probabilidad de que se ha usado el primer
aparato.
SOLUCIN:
Se definen los sucesos:
Suceso P: seleccionar el primer aparato
Suceso S: seleccionar el segundo aparato
Suceso T: seleccionar el tercer aparato
Suceso E: seleccionar un resultado con error
Se puede observar que la pregunta es sobre determinar la probabilidad de que un examen errado
sea del primer aparato, es decir, ya ha ocurrido el error. Por lo tanto, debemos recurrir al teorema
de bayes. Claro est, que es necesario de igual forma obtener la probabilidad de que los aparatos
produzcan un resultado errneo, por lo tanto:

PROBABILIDAD CONDICIONADA
Sean A y B dos sucesos de un mismo espacio muestral E.

Se llama probabilidad del suceso B condicionado a A y se representa por P(B/A) a la probabilidad

del suceso B una vez ha ocurrido el A.
Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la experiencia, el
hecho de que ocurra un suceso, puede cambiar la probabilidad de los dems. El proceso de
realizar la historia clnica, explorar y realizar pruebas complementarias ilustra este principio.
La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina probabilidad
condicionada y se define como:

Esta

definicin

es

consistente,

es

decir

cumple

los axiomas

de

probabilidad.

Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad. A veces
es ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de espacio
muestral.
Ejemplo
Imaginemos que en la experiencia de tirar un dado regular supiramos de antemano que se ha
obtenido un nmero par. Es decir, que se ha verificado el suceso: B = nmero par.
Pregunta: Cul es ahora la probabilidad de que se verifique el suceso mayor o igual a cuatro?
Lgicamente, el resultado sera : 2/3 .
Por lo tanto, la probabilidad del suceso A = mayor o igual a cuatro se ha modificado.
Evidentemente, ha pasado de ser 1/2 ( cuando no tenemos ninguna informacin previa) a ser 2/3
(cuando sabemos que se ha verificado el suceso B).
Cmo podemos anotar esta ltima probabilidad (2/3)?
Muy sencillo. Anotaremos P(A/B), que se lee como probabilidad de A condicionada a B.
As, en este ejemplo,

P(A/B) = 2/3

P(A) = 1/2

En trminos generales, estamos en condiciones de poder definir la probabilidad condicionada, y lo

hacemos como:
Podemos ahora visualizar de una manera prctica y divertida el ejemplo
anterior. Siguiendo con la notacin utilizada, el suceso A ser lo que
denominamos suceso de obtencin, mientras que el suceso B ser lo que
denominamos suceso condicionado. La pantalla nos proporcionar los casos posibles para el
condicionante elegido y los casos favorables, calculando mediante la regla de Laplace la
probabilidad del suceso.

PROBLEMAS DE TEOREMA DE PROBABILIDAD CONDICIONADA:

Problema 1: Ana elige dos nmeros entre {5, 11, 15, 27} y los suma, y Rubn escoge dos del
conjunto {5, 7, 9} y los multiplica. Qu probabilidad hay de que Ana obtenga un resultado mayor?

Resultados posibles de Ana: 5+11=16, 5+15=20, 5+27=32 , 11 + 27= 38, 15 +27 =

42.
Resultados posibles de Rubn: 5. 7 =35, 5. 9 = 45, 7. 9 = 63.
Nmero de casos posibles: = 6 .3 = 18
Hacemos el recuento de los casos favorables:
Si Ana suma 16, pierde en cualquier caso.
Si Ana suma 20, pierde en cualquier caso.
Si Ana suma 32, pierde en cualquier caso.
Si Ana suma 26, pierde en cualquier caso.
Si Ana suma 38, gana si Rubn obtiene 35.
Si Ana suma 42, gana si Rubn obtiene 35. En total hay 2 casos favorables. Entonces, aplicando
la regla de Laplace, la probabilidad de que gane Ana es de: 2/18= 1/9.

Problema 2:
En una urna hay 4 bolas iguales con las letras O, H, A y L. Se extraen sucesivamente las cuatro
bolas.
Calcula la probabilidad de que formen la palabra HOLA en los siguientes casos:
a) Devolviendo las bolas a la urna.
b) Sin devolverlas.

a) P (se forme la palabra HOLA) = P (1. H). P (2. O). P (3. L) .P (4. A) =1 .4.
1. 4. 1. 4. 1. 4 = 1 /256 = 0,004.
b) P (se forme la palabra HOLA) = P (1. H). P (2. O / 1. H) .P (3. L / (1. H
2. O) .P (4. A / 1. H 2. O 3. A) = 1 .4. 1. 3. 1. 2. 1 = 1/24 = 0,04.
Problema 3:
Si se tiran 3 dados de 6 caras, cul es la probabilidad de que en todas las
caras aparezca igual n- mero de puntos?
P (igual n. de puntos) = P [(1 1 1)U(2 2 2)U U(6 6 6)] = 6/VR
= 6/216 = 0,027v

6,3