Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

TEOREMA DE BAYES El autor R.L. Mills (5) hace una interesante introduccin al Teorema de Bayes, citando a su vez al libro de Will Durant: La Epoca de Voltaire. Leemos lo siguiente: Describe W. Durant el periodo entre 1715 y 1789 de la siguiente manera: "La ciencia estaba ofreciendo una nueva revelacin ..Dos sacerdocios se enfrentaban en conflicto: el uno dedicado al moldeamiento del carcter mediante la religion, el otro a la educacin del intelecto mediante la ciencia." El Reverendo Thomas Bayes estaba dividido en ese conflicto. Como sacerdote y como matemtico, estaba afectado por las relaciones causa - efecto. Tanto el teorema que lleva su nombre como el concepto de "probabilidad subjetiva" de l derivado han producido una revolucin en nuestro tiempo.' La regla de Bayes es solo una tcnica para calcular probabilidades condicionales, y como regla de probabilidad es indiscutible as como su validez. A partir de un conjunto de probabilidades llamadas "a priori" o "sin corregir", calcula un conjunto de probabilidades "a posteriori" o "corregidas" que no son mas que una modificacin de las primeras ante la evidencia de que un determinado suceso ha ocurrido. Para aclarar estos conceptos, observemos a continuacin la diferencia entre el planteo de probabilidad condicional realizado hasta este momento y el de Bayes. Cuando nosotros escribimos: P(B|A) decimos que esto es - la probabilidad de que habiendo ocurrido el suceso A, ocurra B. Probabilidad condicional. El planteo que hace la Regla de Bayes es: - el suceso B ha ocurrido, cual es la probabilidad de que provenga de A. Que A sea causa de B. O sea debo hallar P(A|B). De una manera mas general podemos decir : El evento B ha ocurrido, cual es la probabilidad de que haya sido generado por el suceso A1, el A2, etc.; causas posibles y excluyentes entre si. Sabemos que P(B|A1) = P(B ^ A1)/P(A1) y P(A1|B) = P(B ^ A1)/P(B ) De lo que se deduce, Despejando P(A1|B) , P(A1|B).P(B) = P(B|A1).P(A1) (ii) P(A1|B) = P(B|A1).P(A1)/P(B) Para calcular P(B), supongamos que hay N eventos (A1,A2,A3,..An) mutuamente excluyentes entre si que podran causar el evento B(efecto). El efecto

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

B debera ser generado por una de esas causas; entonces la probabilidad de que B ocurra puede estar dada por: P(B) = P[(A1^B) U (A2^B) U (A3 ^ B) U...U (An^B)] Como los sucesos Ai son mutuamente excluyentes, entonces: (Ai^B) y (Aj^B) deben serlo para todo i distinto de j. Por la regla de adicin obtenemos: P(B) = P(A1).P(B|A1) + P(A2).P(B|A2) +...+ P(An).P(B|An) Reemplazando este resultado en la ecuacin (ii) obtenemos la REGLA DE BAYES P(A1|B) = P(A1).P(B|A1) / { P(A1).P(B|A1)+....+P(An)P(B|An) } De un modo ms general: P(Ai|B) = P(Ai).P(B|Ai) / { P(Ak).P(B|Ak) } para i=1...n Repasemos el significado de estos trminos: P(Ai|B) = Dado que ya ocurri el evento B(efecto), probabilidad de que lo causara Ai. P(Ai) = Probabilidad de ocurrencia del evento Ai ; probabilidad a priori o sin corregir. P(B|Ai) = Probabilidad del evento B dado que Ai ocurre. Analicemos el siguiente ejemplo: Supongamos que la probabilidad de encontrar una mujer morocha en Sudamrica sea P(m|s)=0.7. En Centroamrica P(m|c)= 0.9 y en Amrica del Norte P(m|n)=0.4. Ahora bien; se realiza un concurso de belleza para elegir Mis Amrica. De las participantes el 30% son sudamericanas, el 20% de Centroamrica y el 50% restante del norte. De golpe a Ud. le presentan una morocha. Apostara de que parte del continente proviene? Extractamos la informacin y observamos las siguientes probabilidades "a priori" de hallar una mujer de c/u de las regiones del continente del total de las participantes del concurso: P(s) = 0.3 P(c) = 0.2 P(n) = 0.5 A su vez la probabilidad de hallar una morocha segn la regin continental ser : P(m|s) = 0.7 P(m|c) = 0.9

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

P(m|n) = 0.4 Aplicando la regla de Bayes debemos hallar P(s|m), P(c|m) , y P(n|m); bajo la certeza que ocurri el suceso : {MOROCHA} Resulta: P(s|m) = P(m|s) x P(s) / (P(m|s).P(s)+P(m|c).P(c)+P(m|n).P(n)) P(s|m) = 0.7 x 0.3 / (0.7x0.3 + 0.9x0.2 + 0.4x0.5) Generando una tabla de doble entrada como vimos en otra nota anterior, nos queda: sud. m. mor. P (origen) 0.21 0.30 m. no mor. 0.09 cent. 0.18 0.02 0.20 nort. P (tez) 0.20 0.30 0.50 0.59 0.41 1

As las probabilidades marginales nos informan de la probabilidad del color de tez independientemente del origen geogrfico y viceversa P(origen), sin tomar en cuenta el tipo de tez. Usando los valores de tabla podemos hallar las probabilidades a posteriori : P(s|m) = 0.21 / 0.59 = 0.36 P(c|m) = 0.18 / 0.59 = 0.31 P(n|m) = 0.20 / 0.59 = 0.33 De donde se induce que lo mas probable es que se trate de una sudamericana. Los dems valores de tabla fueron calculados como la probabilidad de una interseccin de sucesos o probabilidad conjunta como se vio anteriormente (iii, y jjj), P(A^B)=P(A|B) x P(B), numerador en la regla de Bayes). BREVE DISCUSION La regla de Bayes es lo esperable de un mdico al diagnosticar. El Dr. X supuestamente conoce la frecuencia relativa de cada enfermedad, P(Ai), y los sntomas asociados a ella P(B|Ai donde B es el sntoma o efecto. Lo que debe evaluar el mdico es la probabilidad de una cierta enfermedad P(Ai|B) a partir de la presencia de ese sntoma. En este y en otros casos no siempre existe un valor aproximado de las probabilidades 'a priori' e incluso puede ocurrir que no sean comprobables empricamente, por lo que se realiza una evaluacin subjetiva de ellas. La aplicabilidad del teorema de Bayes en estas circunstancias es el nudo polmico con respecto a la regla.

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

Para aclarar brevemente este punto imaginemos el caso del mdico ante una sintomatologa S: {trastornos gstricos} en un paciente en dos pocas diferentes del ao: El sntoma S el 22 de Junio : inducir a pensar al galeno, en primera instancia en una enfermedad virsica o enfriamiento . El sntoma S el 2 de enero : Lo primero que dir es que paliza se habr dado ste para las fiestas En el primer caso ha considerado: P(indigestin)=0 En el segundo: P(virsica o enfr.)=0 Si bien las frecuencias relativas de esas enfermedades no son las mismas para las distintas pocas del periodo anual, no ha basado el especialista en ningn dato numrico su primera evaluacin, y si bien la regla de decisin responde al pensamiento Bayesiano; se parte de apreciaciones extremas y subjetivas; en otras palabras del grado de creencia asignado por el individuo a la ocurrencia de un suceso particular. En nuestros ejemplos analizaremos solo datos objetivos, obtenibles empricamente. ANALISIS DEL PROCEDIMIENTO COMO DIAGRAMA Y COMO ARBOL En algunas oportunidades con el objeto de sintetizar la informacin, antes de encarar la resolucin de un problema de Bayes, puede convenir la realizacion de una grfica o diagrama como se ver a continuacin. Para ello regresemos al problema del concurso de belleza: Observamos sobre el eje de abcisas las probabilidades iniciales P(Bi) o "a priori". Mientras que sobre el de las ordenadas se representan las probabilidades condicionales. El rea total graficada (sumando la superficie de cada uno de los rectangulos) representa la probabilidad de hallar una mujer morocha entre todas las concursantes (denominador de la frmula de Bayes); mientras que las areas A1, A2, A3 representan los distintos numeradores para hallar P(s|m), P(c|m), y P(n|m), las probabilidades de la interseccin de que sea moroca y la nacionalidad.

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

P(m/Bi) 0,9
A1

0,7

A1=0.2*0.9 A2=0.3*0.7 A3=05*0.4

A2

0,4

A3

0,2

0,3

0,5

P(Bi)

De otra manera podemos analizar los datos en forma de un rbol. Observamos la siguiente grfica:

En los puntos finales de la ramificacin observamos los sucesos {MUJER MOROCHA DENTRO DE CADA REGION} , {MUJER NO MOROCHA DENTRO DE CADA REGION}. Al aplicar la regla lo que nosotros hicimos fue un anlisis "en retroceso" a partir de que el evento {MUJER MOROCHA} haba ocurrido.

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

Esto es : a partir de {MM} , qu tan probable es que proviniera de Sudamrica, P (S/M) = P( M S) / P(M) = 0.21 / 0.59 = 0.35 Ejercicios 1)Tres damas cerca de jubilarse escriben pedidos en la librera universitaria. Sabemos que la Sra. Eduviges escribe el 50% de los pedidos. La Sra. Clotilde el 20% y la Sra. Gertrudis,30%. Sabemos que Sra. Eduviges comete un error por cada 100 pedidos; Clotilde se equivoca el 4% de las veces. y Gertrudis la mitad de las veces que Clotilde. Un estudiante recibe un libro equivocado e inocentemente cree que hubo un error al solicitarlo. Cul es la probabilidad de que la Sra. Eduviges escribiera el pedido?. Tomemos F= {error}. 2)Suponga que las dos emisoras de radio de su zona tienen la siguiente programacin en porcentaje: EMISORA DE RADIO Golfo Nuevo Radio Chubut Noticias y pronsticos 2% 10% Asuntos comunitarios 8% 20% Novelas 0% 15% Msica 80% 50% Deportes 10% 5% a)Si Ud. sintoniza Golfo Nuevo : cual es la probabilidad de que est trasmitiendo msica o novela. b)Un mdico escucha radio mientras opera una peritonitis. estimamos que las probabilidades de que sintonice una determinada emisora son P(GN)=0.40 P(NoGN)=0.60.A travs de la puerta de la sala de operaciones se oye un partido de ftbol. Cul de las dos emisoras apostaria Ud. que escucha el Dr.? 3)Segn los datos de una revista de modas El 50% de los hombres de Canad usa ropa interior de color, pero solo el 20% de los norteamericanos la usa. En un hotel de Bermudas hay hospedados cuatro veces mas de norteamericanos que de canadienses. Una de las camareras descubre en una habitacin un slip naranja. Cul es la probabilidad de que el ocupante sea canadiense? 4)Una empresa estudia la comercializacin de un nuevo producto. Se desea que resulte superior a su mas cercano competidor. En base a evaluaciones a preliminares se determina una probabilidad del 50% que el producto sea superior al competidor, de un 30% que posea igual calidad y de un 20% que resulte inferior. Un estudio de mercado concluye que el producto es superior a la competencia. En base a la experiencia en encuestas, se sabe que si un producto es superior, la probabilidad de que la encuesta alcance igual resultado es 0.7.Si el producto es de igual calidad, la probabilidad de que la encuesta d un producto superior es de
6

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

0.4, y la probabilidad. de que la encuesta indique un producto superior siendo en realidad inferior es de 0.2. Dado el resultado de la encuesta: Cul es la probabilidad de que el producto sea superior?. 5)Una planta armadora de androides recibe microcircuitos provenientes de tres fabricantes F1, F2, F3. El 50% se compra a F1 y a F2, F3 un 25% a cada uno. El porcentaje de circuitos defectuosos es de 5, 10 y 12% respectivamente para F1, F2, F3. Si los circuitos se almacenan en la planta sin identificar el proveedor: a)Determinar la probabilidad de que salga un androide asesino, o sea, tenga un circuito defectuoso. b)Si un circuito es bueno, Cul es la probabilidad. que provenga del fabricante F2 ?. 6)Cuatro ayudantes de una estacin de servicio deben limpiar los parabrisas de los clientes. Juan atiende el 20% de los clientes y cumple su cometido una vez cada 20 autos. Toms atiende el 60% de los autos y no limpia el parabrisas una vez cada 10 autos. Jorge atiende el 20% de la clientela y no limpia una vez cada 20 autos. Si un cliente se queja de que su parabrisas no fue lavado: Cul es la probabilidad que lo haya atendido Juan ? Bibliografia de la cual se ha tomado. 1) CANAVOS G.C. (**) Probabilidad y Estadstica, aplicaciones y mtodos. Mc Graw-Hill - 1988 2) KALBFLEISCH J.C. (*) Probabilidad e inferencia estadstica. Editorial AC - Madrid - 1984 3) MEYER P.L. (**) Probabilidades y aplicaciones estadsticas. Fondo Educativo Interamericano - 1973 4) MILLER I. y FREUND J.E.(*) Probabilidad y estadistica para ingenieros. Prentice Hall - 1986 5) MILLS R.L. (***) Estadstica para la economa y la administracin. Mc Graw-Hill 1977 Se indican con mayor nmero de asteriscos a los textos que mas han aportado a esta nota. Con el objeto de ampliar acerca del tema se observ material en la siguiente bibliografa: CANAVOS(1) : Estimacin Bayesiana - Capitulo 4 MILLER Y FREUND.(4) : Estimacin Bayesiana - Capitulos 7 y 9 De aplicacin: MILLS(5): Teoria moderna de la decisin - Cap. 14 -

Universidad Nacional De La Patagonia Catedra: Analisis De Sistemas I

Facultad De Ciencias Economicas Sede Trelew

MAXWELL M.A. Anlisis estadstico de datos cualitativos. Capitulo 10, "Procedimientos de clasificacin basados en el teorema de Bayes y Teora de la decisin. UTEHA - 1966