Teorema de Bayes

El Teorema de Bayes es una técnica que se utiliza para verificar las estimaciones iniciales de la
probabilidad con base en los datos de la muestra. En otras palabras, también podemos decir que es un método
para verificar las probabilidades (anteriores), existentes, con base en la información obtenida por el muestreo.
Se usa para revisar probabilidades previamente calculadas con base en información nueva. Creado por
Thomas Bayes. Este teorema es una extensión de la probabilidad condicional
Las fórmulas de Rayes nos permiten bajo las mismas condiciones planteadas en el cálculo de la
probabilidad total (que tengamos los sucesos A1,A2,...An que son mutuamente excluyentes y que forman un
grupo completo). Calcular la probabilidad condicional de uno cualquiera de estos sucesos. Si sabemos que ha
ocurrido el suceso B. dadas por conocidas las probabilidades P(A¡) y P(B/ A¡).
Su fórmula es:
𝑷(𝑨𝒊) ∗ 𝑷(𝑩/𝑨𝒊)
𝑷(𝑨𝒊/𝑩) =
𝑷(𝑨𝒊) ∗ 𝑷(𝑩/𝑨𝒊) + 𝑷(𝑨𝒊) ∗ 𝑷(𝑩/𝑨𝒊)
La esencia del Teorema de Bayes es la revisión de las estimaciones iniciales de la probabilidad (a
priori), dada la evidencia de la muestra. Las estimaciones revisadas reciben el nombre de probabilidades a
posteriori. Las bases para la verificación son los resultados de una muestra particular más el conocimiento de
las probabilidades condicionales.
 Probabilidad a priori: probabilidad basada en el nivel de información actual. Se le da este
nombre, porque la probabilidad se asigna antes de obtener los datos empíricos.
 Probabilidad a posteriori: probabilidad revisada a partir de información adicional.
Tabla de contingencia
Una tabla de contingencias consiste en una tabulación cruzada que resume simultáneamente dos
variables de interés, así como la relación entre éstas. El nivel de medición puede ser nominal.

Evento A1 Probabilidad Probabilidad Probabilidad Probabilidad

previa P(A1) conjunta P(B|A1) relativa
condicional P(A1) P(A1|B)
P(B|A1)

A1

Árbol de decisión
Es una gráfica útil para organizar cálculos que implican varias etapas. Cada segmento del árbol
constituye una etapa del problema. Las ramas del árbol se ponderan por medio de probabilidades.
1. Para construirlo, comenzamos dibujando un punto grueso a la izquierda para representar la raíz del
árbol
2. En este problema, dos ramas principales salen de la raíz: la rama superior representa el evento
“permanecería” y la rama inferior el evento “no permanecería”.
3. De cada una de las ramas principales salen cuatro ramas: probabilidades condicionales (rama
superior e inferior).
4. Por último, las probabilidades conjuntas relativas al hecho de que los eventos A1 y Bi o los eventos
A2 y Bi ocurrirán al mismo tiempo aparecen al lado derecho.
 P(A Y B) = P (B|A) P(A)
Formula:
(A)

P(A Y B1) = P (B1|A) P(A)

P (A1 y B) = P (B|A1) P (A1)

(A1) P
P (A1 Y B1) = P (B1|A1) P (A1)
(A1)

Aplicación
A continuación se explicará el tema expuesto a través de un caso de estudio, para lo cual se ha
seleccionado una base de datos del Banco Central del Ecuador, relacionada con la Carrera Contabilidad y
Auditoría. Se trabajará con los datos del salario real.
Salario unificado y componentes salariales del sector privado

Décimo
Décimo
Remuneracione tercera Salario
Período cuarta Total IPC
s unificadas remuneració real (1)
remuneración
n
201
4 Enero 340,00 340,00 97,78 338,21
Febrero 340,00 340,00 97,89 338,83
Marzo 340,00 340,00 98,57 339,51
Abril 340,00 340,00 342,31
Mayo 340,00 340,00 343,69
Junio 340,00 340,00 98,86 343,90
Julio 340,00 340,00 98,82 344,05
Agosto 340,00 340,00 680,00 99,53 344,92
100,1
Septiembre 340,00 340,00 4 347,32
100,3
Octubre 340,00 340,00 5 347,70
100,5
Noviembre 340,00 340,00 3 673,83
100,6
Diciembre 340,00 338,17 678,17 4 683,19

DISTRIBUCIÓN DE PROBABILIDADES
Distribución teórica de probabilidad
Una distribución de probabilidad muestra todos los resultados posibles de un experimento, y la
probabilidad de cada resultado.
Indica una lista de todos los resultados posibles de un experimento junto con la posibilidad
correspondiente de cada uno de ellos.
 Característica de una distribución de probabilidad
1. La probabilidad de un resultado en particular se encuentra entre 0 y 1
2. Los resultados son eventos mutuamente excluyentes
3. La lista es exhaustiva, por lo tanto, la suma de las probabilidades de los diversos eventos es
igual a 1.
Variables aleatorias.
Cantidad que es el resultado de un experimento, y debido al azar, puede tomar valores diferentes. Cada
valor de la variable aleatoria se relaciona, con una probabilidad que indica la posibilidad de un resultado
determinado. Es el valor o magnitud que cambia de una ocurrencia a otra sin seguir una secuencia predecible,
es decir en forma aleatoria.
Cabe recordar que un experimento aleatorio es aquel del cual se conocen sus resultados (espacio
muestral), pero no se sabe cuál de ellos (que punto muestra) es el que sucederá; es decir, el resultado del
experimento está libre de una determinación, lo que significa que es aleatorio. Puede ser discreta o continua.
Variable aleatoria discreta.
Solo puede tomar ciertos valores claramente separados. Una variable aleatoria X es discreta si el
conjunto de valores que puede tomar X con probabilidad no nula es discreto (finito o infinito numerable). Son
productos de un conteo.

P X: R → [0, 1]
Variable aleatoria continúa.
Es aquella que toma cualquier valor numérico producto de una medición, el cual está referido a un
rango o intervalo de valores, es decir, es aquella variable que puede tomar un valor entero, un entero y una
fracción, o bien una fracción de una unidad.

P (a X b) =ab f (x) dx

Con esta variable discreta, la probabilidad de una variable aleatoria continua puede resumirse en una
distribución de probabilidad.
Una distribución de probabilidades de una variable aleatoria discreta es el conjunto de todos los
posibles resultados numéricos de un experimento a los que se puede asignar un valor de ocurrencia o
probabilidad. Este conjunto de resultados son mutuamente excluyentes y pueden expresarse mediante una
fórmula, una gráfica o por medio de un cuadro estadístico.
Matemáticamente hablando, la distribución de probabilidades de una variable aleatoria discreta X es
una función Px (x) que da un valor de probabilidad a cada valor x que forma la variable aleatoria X.
Esta distribución de probabilidades de una variable aleatoria discreta X tiene las siguientes
propiedades:
- La probabilidad Px (x) de cada valor que presenta la variable X debe tomar un valor numérico
en el intervalo 0  Px (x)  1
- La suma de las probabilidades para todos los valores ( xi) de X es igual a 1; es decir, i-1 ∑n Px
(Xi) = 1 para toda i= 1, 2, 3, ..., n
- Como cada valor de X es un suceso mutuamente excluyente, sus probabilidades son aditivas,
es decir,
P (X = x1 U X = x2) = Px ( x1) + Px ( x2)
Media, varianza y desviación estándar de una distribución de probabilidad
Media
La media es un valor típico que sirve para representar una distribución de probabilidad. También es el
valor promedio, a lo largo, de la variable aleatoria. A la media de una distribución de probabilidad se le conoce
también como su “valor esperado”. Esta media es un valor promedio ponderado en el que los valores posibles
se ponderan mediante sus probabilidades correspondientes de ocurrencia
 Se calcula con la siguiente formula

𝛍 = 𝐱 𝐏(𝐱)
Donde P (x) es la probabilidad de cada valor que puede tomar la variable aleatoria x. en otras palabras,
se multiplica cada valor de x por su respectiva probabilidad de ocurrencia, y luego se suman estos productos.

Varianza y desviación estándar

La media es un valor característico que se utiliza para representar una distribución de probabilidad
discreta. Sin embargo, no describe el grado de dispersión (o varianza) en una distribución. La varianza si lo
hace. La fórmula de varianza de una distribución de probabilidad es:

σ2 = (x-μ)2 P(x)
Los pasos para calcular la varianza son:
1. Restar la media a cada valor y elevar la diferencia al cuadrado.
2. Multiplicar el cuadro de cada diferencia, por su probabilidad.
3. Sumar los productos restantes para obtener finalmente la varianza.

La desviación estándar, se determina tomando la raíz cuadrada de σ2, es decir σ=σ2