Académique Documents
Professionnel Documents
Culture Documents
ARTCULO DE INVESTIGACIN
FECHA DE RECEPCIN: 17 DE SEPTIEMBRE DE 2014
FECHA DE EVALUACIN: 9 DE OCTUBRE DE 2014
ACERCA DE LA
ENSEANZA DEL
TEOREMA DE BAYES
About teaching Bayes Theorem
Sobre a ensinana do teorema de Bayes
* Licenciada en matemticas y fsica Universidad del Tolima. Especialista en estadstica (Universidad Nacional de
Colombia), Maestra en Tecnologa Educativa Tecnolgico de Monterrey (Mxico). Profesor Asistente. Coordinadora
de Probabilidad. Correo electrnico: Susana.rondon@escuelaing.edu.co
** Fsico de la Universidad Nacional de Colombia. Maestra en Fsica Universidad Nacional de Colombia. Doctor en Fsi-
ca Universidad de Kentucky (USA). Profesor Asociado. Coordinador de Laboratorios de Fsica en Escuela Colombia-
na de Ingeniera Julio Garavito. Correo electrnico: luis.ladino@escuelaing.edu.co
*** Ingeniera Electricista de la Escuela Colombia de Ingeniera Julio Garavito. Especialista en distribucin de energa de
la Universidad Nacional de Colombia. Profesor Asistente, Coordinadora de Laboratorios de Fsica en Escuela Colom-
biana de Ingeniera Julio Garavito Correo: patricia.orduz@escuelaing.edu.co
144 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 145
ABSTRACT RESUMO
In most probability texts for undergradu- Na maioria dos textos de probabilidade para
ates, exercises on Bayes theorem are solved estudantes de pre-graduao, os exerccios so-
by applying directly. This arid way of present- bre o Teorema de Bayes resolvem-se aplicando
ing the subject makes unatractive and diffi- diretamente o Teorema; esta forma rida de apre-
cult to understand, and instead of capturing sentar o assunto torna-o mais difcil para a sua
the interest of the students, a lack of motiva- compreenso, sem atrativos, e em vez capturar o
tion is the result. As a result there will be no interesse dos alunos consegue uma desmotiva-
interest on knowing what this theorem can of- o e como consequncia no haver preocupa-
fer in solving real life problems. The aim of this o por saber alm do que pode oferecer este te-
paper is to present an alternative and effective orema na soluo de problemas da vida real. O
way to introduce Bayes theorem. To this end, objetivo deste artigo apresentar uma forma al-
we first use tree diagrams, which naturally gen- ternativa e eficaz da introduo do Teorema de
erate Bayes theorem. Additionally, through the Bayes. Para fazer isso, comea-se usando os dia-
use of two-way tables the student can imme- gramas da rvore, que geram de maneira natural
diately verify the answer to the problem, since o Teorema de Bayes. Alm disso, atravs do uso
the same results are generated. To illustrate the de tabelas de duas vias o aluno pode conferir ime-
proposed methodology, we solve the problem diatamente a resposta para o problema; por quan-
of determining the probability that a person in- to se geram os mesmos resultados. Para ilustrar
fected with AIDS got the virus through one of a metodologia proposta, soluciona-se o problema
three possible ways: sexual transmission, blood de determinar a probabilidade de que uma pes-
transfusions or needles in drug use, when the soa infectada com o vrus tenha sido adquirido a
respective infection probabilities are known. Fi- partir de uma das seguintes trs possveis formas:
nally, the results of this methodology showed a transmisso sexual, transfuses de sangue e o
positive impact on student response, because uso de seringas em drogas quando so conheci-
they developed greater ability, interest and mo- das as respectivas probabilidades de contgio. Fi-
tivation in the subject. Furthermore, it was pos- nalmente, os resultados desta metodologia mos-
sible to introduce the first step towards learn- traram um grande impacto positivo nas respostas
ing decision trees, which are an application of dos alunos, porque eles desenvolveram maior ca-
Bayes Theorem. pacidade, interesse e motivao no assunto. Alm
disso, foi possvel introduzir o primeiro passo para
Keywords: decision trees, tree diagrams, two-
a aprendizagem das rvores de deciso, que so
way contingency tables, Bayes theorem
uma aplicao do Teorema de Bayes.
146 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
La clasificacin bayesiana ha sido muy utili- logran una mejor comprensin sobre el Teo-
zada en diversos campos tales como sistemas rema de Bayes cuando se inicia esta temtica
(Sucar, L.E. 2003) en clasificacin de informa- resolviendo los ejercicios mediante los diagra-
cin, en fsica (Mora, C. 2007) en procesos de mas de rbol. Luego s conviene hacer uso del
imgenes, y en medicina en seleccin embrio- Teorema que ahora ser simplemente cuestin
naria (Morales, 2008) y en el campo del cncer de reemplazar los valores del diagrama del r-
de mama (Quiones, 2010), entre otros. Un tema bol y finalmente utilizar las tablas de doble en-
preliminar a la clasificacin bayesiana es el de trada o de contingencia. Esta metodologa fa-
los rboles de decisin que podra ser visto des- cilita el aprendizaje para los estudiantes y les
pus del Teorema de Bayes. confirma si el ejercicio que hicieron est bien o
no, al lograr la misma respuesta por cualquiera
Tradicionalmente los ejemplos resueltos so-
de los tres mtodos y sin importar a qu pro-
bre el Teorema de Bayes, que vienen en los li-
grama de estudio pertenezca el estudiante.
bros de probabilidad y estadstica son resueltos:
por el Teorema como en los libros de Mend- El presente artculo plantea la posibilidad
enhall (2010), Montgomery (2004) y Sheldon de resolver un ejercicio empleando la metodo-
(2000); o por el Teorema y diagramas de rbol loga propuesta en el prrafo anterior, con base
como los de en Devore (2012), Navidi (2006), en los buenos resultados que se han logrado
Seymor (1991) y Walpole (2012); o por el Teo- desde el punto de vista didctico y de motiva-
rema y tablas de doble entrada como en el de cin hacia el estudio de esta temtica. Se in-
Levin (1996); y por los tres mtodos (Teorema, tenta tambin ir ms all, al introducir el tema
diagramas de rbol y tablas de doble entrada) sobre rboles de decisin una vez visto el Teo-
como en los de Anderson (2008), Freund & Ga- rema de Bayes. Los diagramas de rbol per-
ray (1992), Lind, William Robert (2004), Nieves & miten dar el primer paso hacia el aprendizaje
Federico, (2010) y Kazmier & Daz (1993). de los rboles de decisin. Adems de ser una
aplicacin del Teorema de Bayes, estos ltimos
Cualquiera que sea el mtodo presentado tie-
son la primera forma de clasificacin bayesiana
ne como desventaja que no presenta un ejercicio
y son de gran aplicabilidad en diversas reas
resuelto por los tres mtodos que conduzca a dar
del conocimiento.
respuesta a la misma pregunta; de igual forma no
permite que los estudiantes establezcan compa-
raciones entre las metodologas empleadas, con- EL TEOREMA DE BAYES
siderando que son estudiantes que hasta ahora
En su forma algebraica ms simple, el Teore-
estn familiarizndose con el tema y que muchos
ma de Bayes se refiere al clculo de la probabili-
de los ejercicios tiene cierto grado de dificultad.
dad condicional del evento A dado que ha ocurri-
A lo largo de los aos de experiencia docen- do el evento B. La forma general del Teorema de
te se ha podido observar que los estudiantes Bayes es (Walpole, 2012, p. 72-80):
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 147
Si son eventos exhaustivos y ex- est abriendo nuevas formas de hacer conoci-
clusivos tales que > 0, miento. Una aplicacin de esto son los clasifica-
dores bayesianos que son frecuentemente usa-
i = 1, 2,....n entonces para cualquier evento
dos en medicina (Silva & Muoz, 2007).
A tal que P(A) > 0, se cumple:
A continuacin se plantear y resolver un
Dos eventos A y B son excluyen-
problema inicial sobre el Teorema de Bayes,
tes si , Una familia de eventos:
por tres mtodos: En primer lugar, el diagra-
es exhaustiva si
ma de rbol, en segunda instancia aplicando el
Teorema y finalmente por tabla de doble entra-
da o de contingencia.
148 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
= 0,3636 = 36,36 %
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 149
Una vez resuelto el problema por diagrama de
rbol, se pasa a dar solucin por el segundo m-
todo (aplicando el Teorema). Este paso ser ahora
ms sencillo porque se pueden apreciar en el dia-
El Teorema de Bayes grama de rbol de la Figura 1 las probabilidades
es vlido en todas que son requeridas en la utilizacin del Teorema,
los seguidores de la
estadstica tradicional
nicamente admiten Se puede apreciar que la probabilidad conjun-
ta es reemplazada por las probabilidades margi-
probabilidades nales (a priori) y las probabilidades condicionales,
experimentos
repetibles y (5)
150 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
por transmisin sexual, transfusin de sangre y virus por transfusin de sangre, dado que la
por uso de jeringas, estos tres eventos confor- persona est en estado terminal. De la Tabla 1,
man omega, el espacio muestral). se tiene que:
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 151
CONCLUSIN FINAL Bayes. Bien es sabido que retomar temas vis-
tos en otros apartados y usarlos permite que los
La probabilidad de haber adquirido el virus estudiantes se apropien de los conceptos y ad-
por transfusin de sangre, dado que el paciente quieran dominio sobre stos.
est en periodo terminal, es del 36.36 %. Se pue-
A continuacin se describir un aspecto rele-
de apreciar que por cualquiera de los tres mto-
vante de aplicacin del Teorema de Bayes como
dos la respuesta es la misma 36,36%.
lo son los rboles de decisin, para el cual se
Lo que se quiere hacer notar es que casi mostrar un ejemplo mediante la utilizacin del
siempre en un curso regular de probabilidad, la programa WinQSB, en el que se presentarn los
solucin que se da a un problema sobre el Teo- pantallazos logrados mediante la utilizacin de
rema de Bayes es aplicando directamente la re- este software as como la interpretacin de los
gla de Bayes (el Teorema) pero para el estudiante resultados. Lo anterior con el propsito de moti-
ste puede resultar el mtodo menos sencillo de var de alguna manera al docente para que pueda
comprender. Se sugiere entonces empezar este encontrarle utilidad a la temtica de los rboles
tema utilizando los diagramas de rbol, para lue- de decisin, por considerar que es una aplica-
go hacer ver de dnde sale la regla (el Teorema). cin sobre el Teorema de Bayes y de gran rele-
Se asume que para los estudiantes resulta vancia por cuanto es muy utilizada en situaciones
ms sencillo comprender el Teorema partiendo reales y en muchos campos del conocimiento
de los diagramas de rbol lo que hace ms mo- como se mencin en la introduccin.
tivante su aprendizaje. Si adems se utilizan las Se quiere mostrar mediante un ejemplo sen-
tablas de doble entrada o de contingencia, los cillo, y haciendo uso de software, que es posi-
estudiantes descubrirn que utilizando cual- ble lograr buenos resultados en el aula de cla-
quiera de los mtodos el resultado es el mis- se, teniendo en cuenta que el estudiante de hoy
mo y sabrn con certeza si lo que hicieron est en da es ms amigo del uso de la computado-
bien o no al comparar las metodologas em- ra para resolver ejercicios la cual se ha converti-
pleadas en la solucin del problema. Se consi- do en su principal fuente de aprendizaje y esta-
dera que esto puede ser enriquecedor desde el r ms motivado hacia el estudio de una nueva
punto de vista didctico. temtica si hace uso de la tecnologa. Adems,
El hecho de emplear las tablas de doble en- teniendo en cuenta que muchos estudiantes de
trada o de contingencia les permite adems dar- las carreras de Ingeniera Industrial, Elctrica y
se cuenta de que lo aprendido en temas anterio- Administracin se vern enfrentados con pro-
res como probabilidades a priori o marginales, blemas de mayor complejidad sobre rboles de
condicionales, conjuntas e independencia esta- decisin, si ellos alcanzan a tener sus prime-
dstica, entre otros, en donde resolvieron ejer- ras bases en el curso de probabilidad, podrn
cicios que hacan uso de estas tablas, tambin abordar sin tantos inconvenientes las asignatu-
les es til en esta nueva temtica: el Teorema de ras en donde vern esta temtica.
152 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 153
valores esperados y finalmente los valores de pro- El valor esperado para el nodo 4 es de 18 por-
babilidad. Ver Tabla 2. Algunos valores esperados que se toma el mismo valor esperado del nodo 5
se deben calcular de la siguiente manera: que fue de 14, debido a que es el mayor valor es-
perado entre los nodos 5 y 6 (el del nodo 6 fue de
Recordemos que los valores esperados se
10, valores que dio el enunciado del problema).
calculan teniendo en cuenta el siguiente algoritmo:
18 x 0.75 + 4 x 0.25 = 14.5 (corresponde al va-
(6) lor esperado para el nodo 2)
$18
4 5 Jugador Activo
0.75
Admitido 6 En el Banco
2 $18 $10
0.25 7
$4
1
Real Madrid No admitido
14.5
8
$14
Contina
3
0.75
Decisin $6 9
14.5
No contina
Mnaco 0.25
12
Figura 2. rbol de Decisin Elaborado a Mano con los Valores
154 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
1 Decisin D 2,3
3 Mnaco C 8,9
5 Jugador Activo 18
6 En el Banco 10
7 No Admitido 4 0,25
8 Continua 14 0,75
9 No continua 6 0,25
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 155
es tener la posibilidad de ser un jugador activo,
el valor esperado es de 14.50 miles de euros
que le pagar el Real Madrid.
Figura 5. Pantallazo de Resultado del Anlisis de Decisin Arrojado por el Programa WinQSB
156 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 157
El rbol de decisin es un algoritmo de
minera de datos de tipo clasificacin.
ste conforma una estructura grfica en la
cual cada nodo representa un factor, los
nodos van apareciendo en orden jerrquico
y se derivan de un conjunto de datos.
158 Universidad Militar Nueva Granada // Bogot D.C. // Enero - Junio 2015
Hermilda Susana Rondn Troncoso
ACERCA DE LA ENSEANZA DEL TEOREMA DE BAYES Luis Alejandro Ladino Gaspar
Patricia Orduz Camacho
REFERENCIAS
Anderson, S. W. (2008). Estadstica para administra- Navidi, W. (2006). Estadstica para ingenieros y cien-
cin y economa. CENGAGE Learning. tficos. Mc Graw Hill.
Devore, J. L. (2012). Probabilidad y estadstica para in- Nieves, A. D. & Federico, C. D. (2010). Probabilidad
geniera y ciencias. CENGAGE Learnig. y estadstica para ingeniera un enfoque moderno.
Freund, J. E & Simon, G. A. (1992). Estadstica ele- Mc Graw Hill.
mental. Prentice Hall. Quiones, F. (2010). Diagnstico de cncer de mama
Garca. (2012). Cmo realizar un rbol de decisin en mediante redes bayesianas. Recuperado el 29 de di-
WinQSB. [Video]. Disponible en: https://www.youtu- ciembre del 2013 de: http://fdquinones.wordpress.
be.com/watch?v=zyWrC0v0jtw com/2010/06/01/diagnostico-de-cancer-de-mama-
mediante-redes-bayesianas/
Kazmier, L. (1993). Estadstica aplicada a la adminis-
tracin y a la economa. McGraw Hill. Snchez, D.; Miranda, M. y Cerda, L. (2004). Reglas
de asociacin aplicadas a la deteccin de fraude con
Levin, R. R. (1996). Estadstica para administradores tarjetas de crdito. XII Congreso Espaol sobre Tec-
Schaum. Prentice Hall. nologas y Lgica Fuzzy.
Lind, D. M., William, M. & Robert, D. M. (2004). Estadsti- Seymour, L. (1991). Probabilidad. Schaum. Mc Graw Hill.
ca para administracin y economa. Alfaomega.
Silva, L.C., Muoz, V. (2007). XVII Reunin Cientfica
Mendenhall, W., Robert, j. B. & Barbara, M. B. SEE. Santiago de Compostela. Debate sobre mto-
(2010). Introduccin a la probabilidad estadstica. dos frecuentistas vs bayesianos. Recuperado en di-
CENGAGE Learnig. ciembre 15 de 2013 de http://lcsilva.sbhac.net/De-
Montgomery, R. (2004). Probabilidad y estadstica bate%20frec-bayes.pdf
aplicada a la ingeniera. Limusa Wiley. Sheldon, M. R. (2000). Prbabilidad y estadstica para
Mora, C. (2007). Latin American journal of physics ingenieros. Mc Graw Hill.
education. Vol. 1, No. 1, recuperado el 15 de enero de Sucar, L.E. (2003). Redes bayesianas: principios
2014 de www.journal.lapen.org.mx y aplicaciones. Puebla. Recuperado el 15 de abril
Morales, V. D. (2008). Clasificadores bayesianos en la de 2014 de http://ccc.inaoep.mx/~esucar/Clases-
seleccin embrionaria en tratamientos de reproduc- mgp/caprb.pdf.
cin asistida. Tesis doctoral. Departamento de Cien- Walpole, R., Myers, R., & Myers, S. (2012). Probabi-
cias de la Computacin e Inteligencia Artificial. Del lidad y estadstica para ingeniera y ciencias. Pear-
pas vasco. Donostia. Recuperado el 29 de diciembre son Education.
de 2013 de: http://www.sc.ehu.es/ccwbayes/mem-
bers/dinora/archivos/tesisDinora.pdf
Revista Educacin y Desarrollo Social // Vol. 9 No. 1 // ISSN 2011 - 5318 // Pginas 144-159 159