Teorema de Bayes

Martin Javier Nava Callejas.

Escuela Superior de Física y Matemáticas. Instituto Politécnico Nacional.
navacallejasm@gmail.com

11 de agosto del 2018

El teorema de Bayes, también llamado de la probabilidad total, es una herramienta muy

útil para conocer la probabilidad de cualquier evento. . .siempre que se cuente con un espacio
muestral dividido en “fragmentos”. Aunque no cualquier clase de fragmentos! Y para llegar a
discutir el teorema de Bayes, debemos hablar acerca de ellos, aunque con un nombre que puede
traer buenos o malos recuerdos: partición.

1. Partición
La integral de Riemann. . .un momento! ¿No era este un apunte de probabilidad?
Sí. Sin embargo, en este punto la teoría de la integral y de la probabilidad coinciden: aun más,
para definir otra clase de integral (de Lebesgue), esta última teoría juega un papel crucial,
aunque por ahora no ahondaremos en ella.
El propósito de la definición de la integral de Riemann es medir áreas. Y para hacerlo, conviene
dividir el espacio a medir en trozos aun más pequeños, los cuales satisfagan dos condiciones:
no se traslapan, pero su suma nos devuelve el panorama completo.
Pensemos en un rompecabezas: ninguna pieza se encima sobre otra, y todas ellas son necesarias
para conformar la imagen completa. Esa idea es la que tenemos en mente al definir particiones.
Al respecto de esto último, deben decirse particiones, ya que mientras cumplan los dos requisitos
citados, no importa el tamaño de los fragmentos.
No podemos ir más allá de esta sección sin antes formalizar nuestras ideas:
Definición: Dado un conjunto A, se dice que los subconjuntos A1 , A2 , . . . , An son partición si
satisfacen dos condiciones:
Ai ∩ Aj = ∅ ; ∀i 6= j
n
[
Ai = A
i=1

2. Dividiendo al espacio muestral

Pensar en un espacio muestral como un rectángulo, un círculo (típico diagrama de Venn)
puede ser un obstáculo para futuras abstracciones. No obstante, para una primera visita a estos
conceptos, es extremadamente útil tener esta representación en la mente.
Así, volvamos a la segura idea del espacio muestral como un rectángulo. Si disponemos de (al
menos) una partición, tal que a ella le hemos asignado una función de probabilidad P , entonces

1
nuestro objetivo será escribir la probabilidad de cualquier otro evento (sea que pertenezca o no
a la partición) en términos de las probabilidades de la partición. Para ello, la siguiente condición
que debemos añadir es que, dado cualquier evento B de nuestro espacio, exista ∀n, An ∩ B.
¿Por qué es crucial este paso? Primero, notemos que:

(Ai ∩ B) ∩ (Aj ∩ B) = ∅

para todo i 6= j. De los axiomas de probabilidad, se sigue que

n
X
P (B) = P (Ai ∩ B)
i=1

Pero, hey! Un minuto. También tenemos la probabilidad condicional, esto es,

P (B ∩ A)
P (B|A) =
P (A)

Mezclando ambas expresiones, tenemos

n
X
P (B) = P (B|Ai )P (Ai )
i=1

¿Qué nos dice esta expresión? Que la probabilidad de un evento B puede ser escrita como com-
binación lineal de las probabilidades de las particiones, y cuyos coeficientes son probabilidades
condicionales: que ocurra B dado que nos encontramos en la casa de Ai .
Aquí, recordemos: la notación nos dice qué ocurre primero.

Referencias
[1] Shankar, Ramamurti, “Principles of Quantum Mechanics. Second Edition”. Plenum Press,
1994.

[2] Sakurai,J.J. “Modern Quantum Mechanics. First Edition”. Addison Wesley,1994.

[3] Schwabl, Franz. “Advanced Quantum Mechanics. Third Edition”, Springer, 2000.

[4] Arfken, George.“Mathematical Methods for Physicists. Six Edition”, Elsevier Academic
Press, 2005.