Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Integrantes:
Natalia Ainaguano
Andrs Chafla
Mnica Pilco
Rub Jarrin
Estefana Tibn
Blanca Sangucho
Katty Andy
Jeaneth Zamora
Marcelo Quinatoa
Curso:
Quinto 2
Profesor:
Fecha:
1. Introduccin ............................................................................................................. 1
2. Objetivos ................................................................................................................ 2
2.1. General .............................................................................................................. 2
2.2. Especficos ..................................................................................................... 2
3. Marco Conceptual ................................................................................................ 3
4. Teorema de Bayes ................................................................................................. 3
4.1. Qu es el Teorema de Bayes? ........................................................................ 3
4.2. Frmula ......................................................................................................... 4
5. Resumen ................................................................................................................ 5
6. Ejercicios ............................................................................................................... 6
6.1. Ejemplo 1. ......................................................................................................... 6
6.2. Ejemplo 2. ..................................................................................................... 7
6.3. Ejercicio 3...................................................................................................... 7
6.4. Ejercicio 4...................................................................................................... 8
6.5. Ejercicio 5...................................................................................................... 9
6.6. Ejercicio 6.................................................................................................... 10
6.7. Ejercicio 7. ...................................................................................................... 11
6.8. Ejercicio 8.................................................................................................... 12
6.9. Ejercicio 9.................................................................................................... 12
6.10. Ejercicio 10.................................................................................................. 13
6.11. Ejercicio 11.................................................................................................. 14
6.12. Ejercicio 12.................................................................................................. 14
6.13. Ejercicio 13.................................................................................................. 15
6.14. Ejercicio 14.................................................................................................. 15
6.15. Ejercicio 15.................................................................................................. 16
6.16. Ejercicio 16.................................................................................................. 16
7. Conclusin .......................................................................................................... 18
8. Bibliografa ......................................................................................................... 19
Teorema de Bayes
1. Introduccin
El objeto del tema es la cuantificacin de la incertidumbre, lo cual tiene mucho que ver
con la previsibilidad del comportamiento. Hemos visto que el Anlisis de Regresin es
una tcnica para obtener predicciones, y que, excepto en el caso de covariacin perfecta,
las predicciones son ms o menos errneas. En consecuencia, hay incertidumbre en las
predicciones, y esta es la situacin habitual. La imprevisibilidad genera incertidumbre.
Los matemticos vienen estudiando esta cuestin ya hace muchos aos, y han facilitado
herramientas precisas que dan resultados exactos en situaciones relativamente sencillas y
fcilmente formalizarles. Cuando se estudia el comportamiento, sin embargo, las cosas
son diferentes porque el comportamiento se caracteriza por la complejidad, y su estudio
requiere frecuentemente tcnicas complejas. Los conceptos bsicos de la probabilidad son
de inters porque son el fundamento de procedimientos ms sofisticados que sirven para
cuantificar la incertidumbre.
Los matemticos no son los nicos que miden la incertidumbre: Todo el mundo lo hace
cada da. Por ejemplo: Un conocido nos pide un prstamo por una cantidad importante, y
de una manera intuitiva evaluamos la probabilidad de que nos devuelva el prstamo y
decidimos en consecuencia. Otro ejemplo: Tenemos un trabajo seguro en una empresa, y
nos ofrecen un trabajo mejor pagado en otra; generalmente evaluamos la incertidumbre
de la nueva situacin antes de tomar una decisin. Estas evaluaciones son ms o menos
intuitivas, y no suponen una cuantificacin precisa de la incertidumbre, pero el
fundamento de como suelen hacerse se asemeja a algunas aproximaciones formales a la
probabilidad, que la definen como la frecuencia en que ocurre el acontecimiento.
pg. 1
Teorema de Bayes
aproximacin ms precisa a la probabilidad. Por ejemplo, la de que un estudiante
seleccionado al azar obtenga "Notable". Esta probabilidad es el nmero de estudiantes
que obtienen "Notable" dividido por el nmero total de estudiantes del curso:
2. Objetivos
2.1.General
Investigar, analizar el Teorema de Bayes en libros y fuentes virtuales con la finalidad
de comprender lo investigado y poder explicar con ejemplos a nuestros compaeros de
curso
2.2.Especficos
Investigar sobre el Teorema de Bayes.
Identificar los elementos bsicos del Teorema de Bayes.
Realizar ejercicios del tema.
pg. 2
Teorema de Bayes
3. Marco Conceptual
4. Teorema de Bayes
En el siglo XVIII el respetable Thomas Bayes, planteo una pregunta, Dios realmente
existe? Dado su inters en las matemticas, intento crear una frmula para llegar a la
probabilidad de que Dios existiera en base a la evidencia que exista en la Tierra. Ms
tarde Pierre-Simn Laplace perfecciono el trabajo de Bayes y le dio el nombre de
Teorema de Bayes.(Lind, Marchal, & Wathen, 2006)
B ()
P( ) =
A ()
En todas las situaciones en las que se use el Teorema de Bayes primero utiliza los datos
histricos disponibles y despus agregue su propio juicio intuitivo al proceso. La intuicin
pg. 3
Teorema de Bayes
4.2.Frmula
Dnde:
Entonces:
pg. 4
Teorema de Bayes
5. Resumen
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:
pg. 5
Teorema de Bayes
6. Ejercicios
6.1.Ejemplo 1.
Un autor, por intermedio de la editorial enva folletos promocionando su libro de
estadstica a 72% de los profesores que ensean la asignatura en las universidades que
fueron seleccionados para la promocin. Un mes despus se constat que el 46% que
recibieron el folleto adoptaron el libro y un 16% que no lo recibieron, tambin lo
adoptaron. Cul es la probabilidad de que un profesor que adopta el libro, fue el resultado
del folleto de promocin?
(1 ) = 0,72 0,46
0,54
(2 ) = 0,28 0,16
0,84
0,72(0,46)
(1 |) = = 0.8809
0,72(0,46) + (0,28)(0,16)
pg. 6
Teorema de Bayes
6.2. Ejemplo 2.
Se tienen 3 recipientes; el primero contiene 6 bolas azules y 2 rojas; el segundo 4 azules
y 4 rojas y el tercero 6 azules. Se selecciona una de las tres urnas al azar y de ellas se
extrae una bola que resulta ser azul. Con la anterior informacin. Cul es la probabilidad
de que el recipiente escogido sea el primero?, Sea el tercero?
Solucin:
1 1 1
(1 ) = 3 (2 ) = 3 (3 ) = 3
6 3 6 3 6 3
(|1 ) = = (|2 ) = = (|3 ) = =
8 4 8 4 8 4
r// La probabilidad de que la bola azul provenga del primer recipiente ser:
(1 ) (|1 )
(1 |) =
(1 ) (|1 ) + (2 ) (|2 ) + . . (3 ) (|3 )
(1 3 )( 3/4) 1
(1 |) = = = 0,33
(13) (34) + (13)(12) + (13) (1) 3
( 13 )( 1) 4
(3 |) = = = 0,44
(13) (34) + (13)(12) + (13) (1) 9
6.3.Ejercicio 3
El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El
75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin,
mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto
directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?
pg. 7
Teorema de Bayes
6.4.Ejercicio 4.
La probabilidad de que haya un accidente en una fbrica que dispone de alarma es 0.1.
La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y la
probabilidad de que suene si no ha sucedido ningn incidente es 0.02. En el supuesto de
que haya funcionado la alarma, cul es la probabilidad de que no haya habido ningn
incidente?
I= Producirse incidente
A=Sonar la alarma
pg. 8
Teorema de Bayes
6.5.Ejercicio 5.
El parte meteorolgico ha anunciado tres posibilidades para el fin de semana:
pg. 9
Teorema de Bayes
6.6.Ejercicio 6.
Tres mquinas A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las
piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas
mquinas son del 3%, 5% y 5%.
pg. 10
Teorema de Bayes
Tomamos al azar una pieza y resulta ser defectuosa; calcula la probabilidad de haber
6.7.Ejercicio 7.
Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1negra y C con
2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha
sido roja Cul es la probabilidad de haber sido extrada de la urna A?
pg. 11
Teorema de Bayes
6.8.Ejercicio 8.
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.
Datos: Suceso H: seleccionar una nia, Suceso V: seleccionar un nio, Suceso M: infante
menor de 24 meses
b) Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una
nia.
6.9.Ejercicio 9.
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:
pg. 12
Teorema de Bayes
r// la probabilidad de que sea masculino y se haya poner implantes ser 0,19
pg. 13
Teorema de Bayes
r// Existe una probabilidad del 0,12 de que haya ocurrido un error
pg. 14
Teorema de Bayes
pg. 15
Teorema de Bayes
pg. 16
Teorema de Bayes
municipal aprueba esta autopista, hay una probabilidad de 0.90 de que la compaa
construya el centro comercial en tanto que si la autopista no es aprobada la probabilidad
es de solo 0.20, Basndose en la informacin disponible, el presidente de la compaa
estima que hay una probabilidad de 0.60 que la autopista sea aprobada.
P(B) = 0.62
pg. 17
Teorema de Bayes
7. Conclusin
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 solo admiten probabilidades basadas
en experimentos repetibles y que tengan una confirmacin emprica mientras que los
llamados estadsticos bayesianos permiten probabilidades subjetivas.
El teorema de Bayes es de gran utilidad para conocer las probabilidades de los eventos o
circunstancias que se n so presenten y se convierte en una gran herramienta para la toma
de decisiones bajo ciertas circunstancias. Es necesario ahondar ms en el tema ya que
tiene muchas aplicaciones y es bastante extenso como a la vez interesante. Por lo que
esperamos que esta aproximacin al tema se convierta en el inicio de un mayor
aprendizaje.
pg. 18
Teorema de Bayes
8. Bibliografa
Bibliogrfica, E. (2017). Enciclopedia Bibliogrfica. Recuperado el 26 de Octubre de
2017, de Enciclopedia Bibliogrfica:
https://www.biografiasyvidas.com/biografia/b/bayes.htm
Lind, D., Marchal, W., & Wathen, S. (2006). ESTADISTICA APLICADA A LOS
NEGOCIOS Y LA ECONOMIA. MCGRAW-HILL/INTERAMERICANA EDITORES,
S.A DE C.V.
Walpole, R., Myers, S., Myers, R., & Ye, K. (2009). Probalidad y estadstica. Mexico:
Printed in Mexico.
pg. 19