TEOREMA DE LA PROBABILIDAD TOTAL Y

TEOREMA DE BAYES

ALUMNOS:

CARLOS SEPÚLVEDA ROJAS – 20171032017

SERGIO GALINDO MERCHÁN - 20171032024

DOCENTE: MARIA FERNANDA GALVIS LAGOS

ESTADISTICA DESCRIPTIVA

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

BOGOTÁ D.C.

2019
SECCION 2.2.7 PROBABILIDAD TOTAL Y TEOREMA DE BAYES

TEOREMA DE LA PROBABILIDAD TOTAL:

El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a

partir de probabilidades condicionadas

En ocasiones, la probabilidad de un evento A no se puede determinar directamente,

sin embargo el acontecimiento está acompañado de otros acontecimientos o eventos
Bi, i:1.2…,n. Tal que la probabilidad de A dependerá de cuál de los eventos ha ocurrido
en Bi. Por consiguiente, la probabilidad de A será una probabilidad esperada, es decir,
la probabilidad promedio de los Bi. Este problema puede ser abordado usando el
teorema de la probabilidad total, que puede derivarse de la definición de probabilidad
condicional.

Considere un conjunto de eventos mutuamente excluyentes y colectivamente

exhaustivos, Bi , donde i = 1, 2,..., n. Esto significa que Bi Bj = Ø, un evento nulo para
cualquier i = j con i, j = 1, 2,..., n, que B1 +···+ Bn = Espacio muestra. La probabilidad
de un evento A puede dares usando este conjunto de la siguiente manera:

𝑛
P[A] = P[AB1] + P[AB2] +···+ P[ABn] = ∑𝑖=1 P(ABi)

P(AB)=P(A|B)P(B)=P(B|A)P(A)

Expandiendo cada término de la suma se llega a:

𝑛
P(A) = ∑𝑖=1 Pr[A|Bi] Pr[Bi]

Si Bi, donde i=1.2…,n es un conjunto de eventos mutuamente excluidos y

colectivamente exhaustivos, la probabilidad de que un evento A ocurra
simultáneamente con un evento Bi, es igual a la suma de los productos de la
probabilidad condicional de A dado Bi, y la probabilidad marginal Bi.
EJEMPLO 2.21: FUERZA DE LA MADERA:

Considere los datos de resistencia de la madera de la tabla, y los de distribución de

frecuencia de la siguiente tabla, el espacio muestra está dado por los eventos
mutuamente excluyentes y colectivamente exhaustivos:

 B1 ≡ {0 ≤ ηt < 25 N/mm2 }
 B2 ≡ {25 ≤ ηt < 45 N/mm2 }
 B3 ≡ {45 ≤ ηt < 65 N/mm2 }
 B4 ≡ {ηt ≥ 65 N/mm2 }

“nt” muestra el módulo de ruptura 𝑁/𝑚𝑚2 , Se calculan las probabilidades de estos

eventos, de frecuencias relativas, de la siguiente manera:

P[B1] = (nB1/n) = 11/165

Eventos para la aplicación del teorema de probabilidad total, de acuerdo a las

fortalezas de la madera (a).

Diagrama de ven en el que las áreas son proporcionales a las probabilidades (b)

 P[B2] = (nB2/n) = 116/165,

 P[B3] = (nB3/n) = 34/165,
 P[B4] = (nB4/n) = 4/165,

Donde:

P[B1 + B2 + B3 + B4] = (11 + 116 + 34 + 4)/165 = 1.

Supongamos que un ingeniero está interesado en estimar la probabilidad de que el

módulo de la ruptura oscila entre 40 y 50 N/mm2, es decir el evento A ≡ {40 ≤ ηt < 50
N/mm2 }
Ya que:

 P[A|B1] = P[AB1]/ P[B1] = (n AB1/n)/(nB1/n) = (0/165)/(11/165) = 0,

 P[A|B2] = P[AB2]/ P[B2] = (n AB2/n)/(nB2/n) = (34/165)/(116/165) = 34/116,
 P[A|B3] = P[AB3]/ P[B3] = (n AB3/n)/(nB3/n) = (20/165)/(34/165) = 20/34,
 P[A|B4] = P[AB4]/ P[B4] = (n AB4/n)/(nB4/n) = (0/165)/(4/165) = 0,

El teorema de la probabilidad resulta ser:

P[A] = P[A|B1] P[B1] + P[A|B2] P[B2] + P[A|B3] P[B3] + P[A|B4] P[B4]

P[A] = 0 + (34/116) × (116/165) + (20/34) × (34/165) + 0 = (34 + 20)/165 = 54/165.

Esto puede verificar en este ejemplo en particular, porque el mismo resultado se da en

considerar la frecuencia relativa en el rango 40-50 𝑁/𝑚𝑚2

TEOREMA DE BAYES:

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo

información de antemano sobre ese suceso.
Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A cumple
cierta característica que condiciona su probabilidad. El teorema de Bayes entiende la
probabilidad de forma inversa al teorema de la probabilidad total. El teorema de la
probabilidad total hace inferencia sobre un suceso B, a partir de los resultados de los
sucesos A. Por su parte, Bayes calcula la probabilidad de A condicionado a B.

El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a

su mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y
exhaustivos, el teorema es totalmente válido.

Como en el caso del teorema de la probabilidad total, el teorema de bayes es muy útil,
para experimentos realizados en etapas. Esto tiene un papel potencialmente
importante en la ingeniería, ya que proporciona continuamente nueva información
con datos anteriores.

Si se define como estado la cuantificación desconocida de la población y se considera

que está disponible una muestra de observaciones, el teorema de bayes se puede
escribir como:
 Muestra
𝑒𝑠𝑡𝑎𝑑𝑜 P( ) ∗ P(Estado)
𝑃( )= estado
𝑚𝑢𝑒𝑠𝑡𝑟𝑎 muestra
Σ todos los estados P ( ) ∗ P(estado)
estado

Donde B es el suceso sobre el que tenemos información previa y A(n) son los distintos
sucesos condicionados. En la parte del numerador tenemos la probabilidad
condicionada, y en la parte de abajo la probabilidad total.

Por medio del teorema de bayes se puede entonces estimular la probabilidad

condicional de un estado de esa población con la que se trabaje después de que una
muestra haya sido observada.

EJEMPLO:

Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B y
C, que producen envases para botellas de agua. Se sabe que la máquina A produce un
40% de la cantidad total, la máquina B un 30% , y la máquina C un 30%. También se
sabe que cada máquina produce envases defectuosos. De tal manera que la máquina A
produce un 2% de envases defectuosos sobre el total de su producción, la máquina B
un 3%, y la máquina C un 5%. Dicho esto, se plantean dos cuestiones:

 P(A) = 0,40 P(D/A) = 0,02

 P(B) = 0,30 P(D/B) = 0,03
 P(C) = 0,30 P(D/C) = 0,05

1) Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos

¿Cuál es la probabilidad de que sea defectuoso?
Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos la
probabilidad de que sea defectuoso.

 P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ]

 P(D) =[ [ 0,4 x 0,02 ] + [ 0,3 x 0,03 ] + [ 0,3 x 0,05 ] = 0,032

Expresado en porcentaje, diríamos que la probabilidad de que un envase fabricado por

la fábrica de esta empresa en Estados Unidos sea defectuoso es del 3,2%.
2) Siguiendo con la pregunta anterior, si se adquiere un envase y este es defectuoso
¿Cuáles es la probabilidad de que haya sido fabricado por la máquina A?¿Y por la
máquina B?¿Y por la máquina C?
Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir, sabemos
que el envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber
cual es la probabilidad de que se haya producido por una de las máquinas.

P(A/D) = [P(A) x P(D/A)] / P(D) = [0,40 x 0,02] / 0,032 = 0,25

P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x 0,03] / 0,032 = 0,28

P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x 0,05] / 0,032 = 0,47

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido

por la máquina A es del 25%, de que haya sido producido por la máquina B es del 28%
y de que haya sido producido por la máquina C es del 47%.

BIBLIOGRAFIA:

 APPLIED STATISTICS FOR CIVIL AND ENVIRONMENTAL ENGINEERS

Segunda Edicion Nathabandu T. Kottegoda (Department of Hydraulic,
Environmental, and Surveying Engineering Politecnico di Milano, Italy) Renzo
Rosso (Department of Hydraulic, Environmental, and Surveying Engineering
Politecnico di Milano, Italy) publicado en 2008 por Blackwell Publishing Ltd.