ESCUELA SUPERIOR POLITECNICA

DE CHIMBORAZO

GRUPO N3
Integrantes:
- George Bermeo

TEOREMA DE BAYES
El Teorema de Bayes, dentro de la teora
probabilstica, proporciona la distribucin
de probabilidad condicional de un evento
"A" dado otro evento "B" (probabilidad
posterior), en funcin de la distribucin de
probabilidad condicional del evento "B"
dado "A" y de la distribucin de
probabilidad marginal del evento "A"
(probabilidad simple ).

TEOREMA DE BAYES
DEFINICION.
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.
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.

TEOREMA DE BAYES
FRMULA.
Partiendo de las frmulas de probabilidad condicional

y probabilidad conjunta

para eventos estadsticamente dependientes se proceder a enunciar

el Teorema de Bayes.

TEOREMA DE BAYES
FRMULA.

Sean
eventos mutuamente excluyentes tales que,
cualquier evento B en el espacio muestral pertenece a uno y slo a
uno de estos eventos. Entonces la probabilidad de que ocurra
cualquier evento
dado que ha ocurrido el evento B se
calcular por la siguiente frmula:

TEOREMA DE BAYES
FRMULA.
Por lo tanto, sustituyendo la frmula de probabilidad condicional, se obtiene la
frmula general para el Teorema de Bayes:

Donde:
El numerador es la probabilidad conjunta:

El denominador es la probabilidad marginal de que ocurra el evento B

TEOREMA DE BAYES
EJEMPLO 1.
El parte meteorolgico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Segn estos posibles estados meteorolgicos, la posibilidad de
que ocurra un accidente es la siguiente:
d)Si llueve: probabilidad de accidente del 20%.
e) Si nieva: probabilidad de accidente del 10%
f) Si hay niebla: probabilidad de accidente del 5%.

TEOREMA DE BAYES
Resulta que efectivamente ocurre un accidente y como no estbamos en la
ciudad no sabemos que tiempo hizo (llovi, nev o hubo niebla). El teorema
de Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades apriori" (lluvia con el 50%, nieve con
el 30% y niebla con el 20%).
Una vez que incorporamos la informacin de que ha ocurrido un accidente, las
probabilidades del suceso A cambian: son probabilidades condicionadas P
(A/B), que se denominan "probabilidades a posteriori".
Se aplica la frmula:

TEOREMA DE BAYES
a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el

da del accidente (probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del

21,4%.
c) Probabilidad de que hubiera niebla:
La probabilidad de que hubiera niebla es del
7,1%

TEOREMA DE BAYES
EJEMPLO 2

TEOREMA DE BAYES

PERMUTACIONES Y
COMBINACIONES

PERMUTACION Y
COMBINACION
Qu diferencia hay?
Normalmente usamos la palabra "combinacin" descuidadamente, sin
pensar en si el orden de las cosas es importante. En otras
palabras:
"Mi ensalada de frutas es una combinacin de
manzanas, uvas y bananas": no importa en qu orden
pusimos las frutas, podra ser "bananas, uvas y
manzanas" o "uvas, manzanas y bananas", es la
misma ensalada.
"La combinacin de la cerradura es 472": ahora s
importa el orden. "724" no funcionara, ni "247".
Tiene que ser exactamente 4-7-2.

COMBINACIONES Y PERMUTACIONES
As que en matemticas se
usa un lenguaje ms preciso:
Si el orden no importa, es
una combinacin
Si el orden s importa, es
una permutacin.

PERMUTACIONES Y COMBINACIONES
Para entender lo que son las permutaciones es necesario definir lo que es una combinacin y lo que
es una permutacin para establecer su diferencia y de esta manera entender claramente cuando es
posible utilizar una combinacin y cuando utilizar una permutacin al momento de querer
cuantificar los elementos de algn evento.
COMBINACIN:
Es todo arreglo de elementos en donde no nos interesa el lugar o posicin que ocupa cada uno
de los elementos que constituyen dicho arreglo.
PERMUTACIN:
Es todo arreglo de elementos en donde nos interesa el lugar o posicin que ocupa cada uno de
los elementos que constituyen dicho arreglo.

15

PERMUTACIONES Y COMBINACIONES

Para ver de una manera objetiva la diferencia entre una combinacin y una
permutacin, plantearemos cierta situacin.
Suponga que un curso est constituido por 35 alumnos.
a) El profesor desea que tres de los alumnos lo ayuden en actividades
rutinarias tales como mantener el sala limpia o entregar material a los
alumnos cuando as sea necesario.
b) El profesor desea que se nombre a los representantes del curso
(Presidente, Secretario y Tesorero).
Para a) es Es importante el orden como se selecciona a los elementos que
forma el grupo de tres personas?
Este ejemplo es una combinacin, quiere decir esto que las combinaciones
nos permiten formar grupos o muestras de elementos en donde lo nico que
nos interesa es el contenido de los mismos

PERMUTACIONES Y COMBINACIONES
PRESIDENTE

Daniel Arturo

Rafael

Daniel

SECRETARIO

Arturo Daniel

Daniel

Rafael

TESORERO

Rafael Rafael

Arturo

Arturo

Para b) Importa el orden de los elementos en la seleccin?

Definitivamente s, por lo tanto las representaciones antes definidas son
diferentes ya que el orden o la forma en que se asignan las funciones s
importa, por lo tanto es este caso estamos tratando con permutaciones.

Permutaciones
Cuntas maneras hay de asignar los cuatro primeros lugares de un concurso de
creatividad que se verifica en las instalaciones de nuestro universidad, si hay 14
participantes?.
Por el principio multiplicativo: 14x13x12x11 = 24.024 maneras.
Si n es el total de participantes en el concurso y r es el nmero de participantes que
van a ser premiados, y partiendo de la expresin anterior, entonces:
14x13x12x11= n x (n - 1) x (n - 2) x .......... x (n r + 1)
= n x (n 1 ) x (n 2) x ......... x (n r + 1) (n r)! / (n r)!
= n!/ (n r)!

n!
n Pr
( n r )!

PERMUTACIONES

0! = 1 ( por definicin)

COMBINACIONES
Como ya se mencion anteriormente, una combinacin, es un arreglo de
elementos en donde no nos interesa el lugar o posicin que ocupan los
mismos dentro del arreglo. En una combinacin nos interesa formar grupos
y el contenido de los mismos.
La frmula para determinar el nmero de combinaciones es:

n!
n Cr
( n r )! r!
20

COMBINACIONES

Distribucin de Probabilidad
Una distribucin o densidad de probabilidad de una variable
aleatoria x es la funcin de distribucin de la probabilidad de
dicha variable
rea de curva entre 2 puntos representa la probabilidad de que ocurra un
suceso entre esos dos puntos.

Distribuciones probabilidad pueden ser discretas o continuas,

de acuerdo al tipo de funcin.
Hay infinidad distribuciones probabilidad, (1 c/poblacin), pero
hay ciertas distribuciones modelo:

Normal
Binomial
Ji-cuadrado
"t" de Student,
F de Fisher

-1

+1

La Distribucin Binomial
Ejemplo distribucin probabilidad discreta.
Formada por serie experimentos Bernoulli.
Resultados de cada experimento son mutuamente
excluyentes.
Para construirla necesitamos:
1. La cantidad de pruebas n
2. La probabilidad de xitos p
3. Utilizar la funcin matemtica P(x=k).

La funcin P(x=k)
Funcin de la distribucin de Bernoulli:

k = nmero de aciertos.
n = nmero de experimentos.
p = probabilidad de xito, como por ejemplo, que salga "cara" al lanzar la
moneda.
1-p = q

Excel =DISTR.BINOM(k , n, p, acumulado)

Acumulado = falso : solo para x=k
Acumulado = Verdadero : para xk

Ejercicio03 - DistribucionBinomial.xlsx

Ejemplo 1
Probabilidad de obtener 6 caras al lanzar una moneda 10
veces?
El nmero de aciertos k es 6. Esto es x=6
El nmero de experimentos n son 10
La probabilidad de xito p = 0.50
La frmula quedara:

P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10
veces una moneda es de 20.5% .