El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total:

Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que haga buen tiempo)
deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades del suceso A
(estaba lloviendo o haca buen tiempo?).
La frmula del Teorema de Bayes es:

Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a intentar explicarla con un ejemplo. De todos modos,
antes de entrar en el ejercicio, recordar que este teorema tambin exige que el suceso A forme un sistema completo.

EJEMPLO 1
En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son menores de 24 meses. El 20% de las
nias tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una nia.
SOLUCIN:
Se definen los sucesos:
Suceso H: seleccionar una nia.
Suceso V: seleccionar un nio.
Suceso M: infante menor de 24 meses.
En los ejercicios de probabilidad total y teorema de bayes, es importante identificar los sucesos que forman la poblacin y cul es la
caracterstica que tienen en comn dichos sucesos. Estos sern los sucesos condicionados.
a. En este caso, la poblacin es de los infantes. Y la caracterstica en comn es que sean menores de 24 meses. Por lo tanto, la
probabilidad de seleccionar un infante menor de 24 meses es un ejemplo de probabilidad total. Su probabilidad ser:

b. Para identificar cuando en un ejercicio se hace referencia al teorema de bayes, hay que partir de reconocer esta es una probabilidad
condicionada y que la caracterstica comn de los sucesos condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea nia
una infante menor de 24 meses ser:

EJEMPLO 2

Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el 20% se realizan correcciones faciales, un 35%
implantes mamarios y el restante en otras cirugas correctivas. Se sabe adems, que son de genero masculino el 25% de los que se
realizan correcciones faciales, 15% implantes mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar,
determine:
a. Determine la probabilidad de que sea de gnero masculino
b. Si resulta que es de gnero masculino, determine la probabilidad que se haya realizado una ciruga de implantes mamarios.
SOLUCIN:
Se definen los sucesos:
Suceso F: pacientes que se realizan cirugas faciales
Suceso M: pacientes que se realizan implantes mamarios
Suceso O: pacientes que se realizan otras cirugas correctivas
Suceso H: pacientes de gnero masculino
a. La probabilidad de que sea de gnero masculino se refiere a un problema de probabilidad total, ya que es el suceso condicionado y
las cirugas los condicionantes. Dicho valor ser:

b. Como el suceso condicionado ha ocurrido entonces se aplica el teorema de bayes, luego, el valor de la probabilidad ser:

EJEMPLO 3
Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a cada equipo es de 25% al primero,
35% el segundo en y 40% el tercero. Se sabe que los aparatos tienen probabilidades de error de 1%, 2% y 3% respectivamente. Un
paciente busca el resultado de una ecografa y observa que tiene un error. Determine la probabilidad de que se ha usado el primer
aparato.
SOLUCIN:
Se definen los sucesos:
Suceso P: seleccionar el primer aparato
Suceso S: seleccionar el segundo aparato
Suceso T: seleccionar el tercer aparato
Suceso E: seleccionar un resultado con error

Se puede observar que la pregunta es sobre determinar la probabilidad de que un examen errado sea del primer aparato, es decir, ya ha
ocurrido el error. Por lo tanto, debemos recurrir al teorema de bayes. Claro est, que es necesario de igual forma obtener la
probabilidad de que los aparatos produzcan un resultado errneo, por lo tanto:

5) DISTRIBUCIN DE POISSON.

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro
producto dado.