UNIVERSIDAD NACIONAL DE CHIMBORAZO

FACULTAD DE CIENCIAS POLTICAS Y

ADMINISTRATIVAS
CARRERA DE CONTABILIDAD Y AUDITORA
NOMBRE: DOMNICA BARRENO LOZA.
SEMESTRE: 02 de mayo 2016
DOCENTE: Ms. Gabriel Pacheco

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). La expresin del teorema de Bayes para dos variables discretas es:

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

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.

EJEMPLO
Unos psiclogos especializados en el tratamiento de trastornos de personalidad estn
interesados en diagnosticar el trastorno que afecta un paciente, en el que observan un
conjunto de sntomas que indican que el paciente podra sufrir el trastorno A o el trastorno
B. Adems saben que los porcentajes de individuos afectados por los trastornos A, B o
ningn trastorno son 10, 30 y 70. Tambin saben que el porcentaje de individuos
afectados por el trastorno A y que muestran el sntoma X es igual al 60%, el porcentaje de
individuos que sufren el trastorno B y muestran el sntoma X es el 30% y el porcentaje de
individuos no afectados que muestran los sntomas de trastorno es el 10%. Resumiendo, la
informacin que disponemos es:

Sustituyendo en el teorema de Bayes:

La probabilidad de que el individuo padezca el trastorno A es 0.27. Las probabilidades de

que est afectado por el trastorno B o el C son:

La conclusin es que lo ms probable es que el individuo padezca el trastorno B, pero es

un valor moderado y los psiclogos piensan que hay que obtener ms evidencia.
El teorema de Bayes es especialmente adecuado para actualizar las conclusiones a
medida que disponemos de nueva informacin. Pasado un tiempo observan que el
paciente muestra un nuevo sntoma (Y), y saben que presentan Y el 70% de los individuos
que sufren el trastorno A, el 20% de los individuos que sufren B y el 10% de los individuos
que padecen el trastorno C. Para obtener las probabilidades incorporando la nueva
informacin hacemos que las probabilidades posteriores pasen a ser las probabilidades
previas:

Una vez hechos los clculos la probabilidad de que el individuo est afectado por el
trastorno A ha pasado de 0.27 a 0.62

ANLISIS
A m me parece que el teorema de Bayes es muy importante para calcular probabilidades,
pero al investigar este tema me he dado cuenta que esto aplica teniendo en cuenta el tipo
de probabilidad que se trata. Para nuestra materia que es Estadstica tambin es muy til
cuando las probabilidades estn basadas en experimentos repetibles y que tengan una
confirmacin emprica. El teorema puede servir entonces para indicar cmo debemos
modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de
un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar
esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas
formas de hacer conocimiento.

REFERENCIAS

Canavos, G. C., & Medal, E. G. U. (1987). Probabilidad y estadstica. McGraw Hill.

Daz, C., & de la Fuente, I. (2006). Enseanza del teorema de Bayes con apoyo
tecnolgico. Investigacin en el aula de matemticas. Estadstica y Azar.