Escolar Documentos
Profissional Documentos
Cultura Documentos
P A1 P B A1
P(A 1B) P A P B A P A P B A
1
1
2
2
=
En esta frmula los eventos A1 y A2 son mutuamente excluyentes y
colectivamente exhaustivos. De ah que en este caso A1 y A2 sean
complementos.
Este teorema se apoya en dos tipos de probabilidades:
PROBABILIDAD A PRIORI: Probabilidad basada en el nivel de informacin
actual.
EJEMPLO:
Suponga
que el 3% de
los panameos
tiene
Sea A1 el
PROBABILIDAD
A POSTERIORI:
Probabilidad
revisada
a martinellitis.
partir de informacin
evento padece la enfermedad y A2 el evento no padece la enfermedad.
adicional.
Por tanto, si selecciona al azar un panameo, la probabilidad de que el
ciudadano elegido padezca la enfermedad es de 0.03; o P(A 1) = 0.03. Esta
probabilidad P(A1) = P (padece la enfermedad) = 0.03, se llama
PROBABILIDAD A PRIORI. Ello es as, porque la probabilidad se asigna antes de
obtener los datos empricos.
TEOREMA DE
BAYES
TEOREMA DE BAYES
Determinamos la probabilidad A POSTERIORI:
P(A1B)
=
P(A1B)
=
P A1 P B A1
P A1 P B A1 P A2 P B A2
P 0.03 P 0.93
0.0279
0.1933
P 0.03 P 0.93 P 0.97 P 0.12 0.1443
Evento,
A1
Padece la enfermedad,
A1
Probabili
dad
a priori
P(Ai)
0.03
Probabilid
ad
condicion
al
P(B Ai)
0.93
Probabilid
ad
conjunta,
P(Ai y B)
0.0279
.
0279/.1443=.1
933
0.1164
.
1164/.1443=.8
067
No padece la
enfermedad, A2
0.97
0.12
Probabilidad
a posteriori
P(Ai B)
TEOREMA DE BAYES
Si hay n eventos A1; A2; ; An; el teorema de Bayes se transforma en:
P(A1B)
=
P Ai P B Ai
P A1 P B A1 P A2 P B A2 ... P An P B An
EJEMPLO PG 162:
Un fabricante de reproductores de DVD, compra un microchip en particular, denominado
LS-24, a 3 proveedores: Hall Electronics, Schuller Sales y Crawford Components. 30% de
los chips LS-24 se les compra a Hall Electronics; 20% a Schuller Sales y el restante 50%, a
Crawford Components. El fabricante cuenta con amplios historiales sobre los tres
proveedores y sabe que 3% de los chips LS-24 de Hall Electronics tienen defectos, 5% de
los chips de Schuller Sales tiene defgectos y 4% de los chips que se compran Crawford
Components tienen defectos.
Cuando los chips LS-24 le llegan al fabricante, se les coloca directamente en un depsito y
no se inspeccionan ni se identifican con el nombre del proveedor. Un trabajador selecciona
un chip para instalarlo en un reproductor de DVD y lo encuentra defectuoso. Cul es la
probabilidad de que lo haya fabricado Schuller Sales?
Como primer paso, resumimos el enunciado:
Hay 3 eventos mutuamente excluyentes y colectivamente exhaustivos, es decir, 3
proveedores:
A1 = el LS-24 se le compr a Hall Electronics
A2 = el LS-24 se le compr a Schuller Sales
A3 = el LS-24 se le compr a Crawford Components
Las probabilidades a priori son:
P(A1) = 0.30 La probabilidad de que Hall Electronics haya fabricado el LS-24
TEOREMA DE
BAYES
TEOREMA DE BAYES
As que de 1.000 casos es de esperar 9 chips defectuosos fabricados por Hall Electronics.
Observe que en 39 de 1.000 casos, el chip LS-24 seleccionado para montarlo ser
defectuoso; lo cual se calcula sumando 9 + 10 + 20.
De estos 39 chips defectuosos, 10 fueron fabricados por Schuller & Sales. Por consiguiente,
la probabilidad de que se le haya comprado un chip LS-24 es dxe 10/39 = 0.2564.
Ha determinado la probabilidad revisada de P(A 2B1).
Antes de encontrar el chip defectuoso, la probabilidad de que se le haya comprado a
Schuller Sales era de 0.20. Esta posibilidad se ha incrementado a 0.2564; tal y como
aparece en la siguiente tabla:
Evento,
Ai
Hall
Schuller
Crawfor
d
Probabilid
ad
a priori
P(Ai)
0.30
0.20
0.50
Probabilid
ad
condicion
al
P(B1 Ai)
Probabilid
ad
conjunta,
P(Ai y B1)
Probabilidad
a posteriori
P(Ai B1)
0.03
0.009/0.039=0.2
0.009
308
0.05
0.010/0.039=0.2
0.010
564
0.04
0.020/0.039=0.5
0.020
128
P(B1) =
0.039
1.0000
TEOREMA DE BAYES
Probabilidad a
priori
Probabilidad
condicional B =
1
P(B1A1)
0.03
A1
=
Hall1)
P(A
=
0.30
A2
=
Schuller
P(A
=
2)
P(B2A1) =
0.97
P(B1A2) =
0.05
0.20
P(B2A2) =
0.95
A3
=
Crawford
P(A
=
3)
0.50
P(B1A3) =
0.04
P(B2A3) =
0.96
Defectuoso
B2 = No
defectuoso
B1 =
Defectuoso
B2 = No
defectuoso
B1 =
Defectuoso
B2 = No
defectuoso
Probabilidad conjunta
P(A1 y B1) =
P(A1)P(B1A1)
= (0.30)(0.03)
=0.009
P(A1 y B2) =
P(A1)P(B2A1)
= (0.30)(0.97)
=0.291
P(A2 y B1) =
P(A2)P(B1A2)
= (0.20)(0.05)
=0.010
P(A2 y B2) =
P(A2)P(B2A2)
= (0.20)(0.95)
=0.190
P(A3 y B1) =
P(A3)P(B1A3)
= (0.50)(0.04)
P(A3 y B2) =
P(A3)P(B2A3)
= (0.50)(0.96)
=0.020
=0.480
Total =
1.000
EJERCICIOS
BAYES
1.
P(A1) = 0.60; P(A2)= 0.40; P(B1A1) = 0.05; y P(B1A2) = 0.10. Aplique el teorema de
Bayes para determinar P(A1B1)
2.
P(A1) = 0.20; P(A2)= 0.40; y P(A3)= 0.40. P(B1A1) = 0.25; y P(B1A2) = 0.05 y
P(B1A3)= 0.10. Aplique el teorema de Bayes para determinar P(A 3B1)
3.
4.
5.
6.