ESTADÍSTICA BAYESIANA

PARA EL ANÁLISIS DE
DECISIONES
I.C. CLAUDIA ELISA ORIHUELA LAGUNA
 El teorema de Bayes dentro de la teoría probabilística, proporciona la distribución de
probabilidad condicional de un evento A, dado otro evento B (probabilidad
posterior), en función de la distribución de probabilidad condicional del evento B
dado A y de la distribución de probabilidad marginal del evento A (probabilidad
simple.
 Partiendo de las fórmulas de probabilidad condicional

𝐴 𝑃(𝐴 ∩ 𝐵)
𝑃 =
𝐵 𝑃(𝐵)
 Y probabilidad conjunta

𝐴
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃
𝐵

 Para eventos estadísticamente dependientes se procederá a enunciar el Teorema de

Bayes.
 Sean 𝐴1 , 𝐴2 , 𝐴3 , . . . , 𝐴𝑛 eventos mutuamente excluyentes tales que, cualquier evento B
es el espacio muestral pertenece a uno y solo uno de estos eventos.
 Entonces la probabilidad de que ocurra el evento 𝐴1 dado que ha ocurrido el evento
B se calculara por la siguiente fórmula:

𝐴 𝑃(𝐴 ∩ 𝐵)
𝑃 =
𝐵 𝑃(𝐵)

 Por lo tanto, sustituyendo la fórmula de probabilidad condicional, se obtiene la

fórmula general para el Teorema de Bayes:

𝑃(𝐴𝑛 )𝑃(𝐵|𝐴𝑛 )
𝑃(𝐴𝑛 |𝐵) =
𝑃(𝐴1 )𝑃(𝐵|𝐴1 ) + 𝑃(𝐴2 )𝑃(𝐵|𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 )𝑃(𝐵|𝐴𝑛 )
 Donde:
 El numerador es la probabilidad conjunta:

𝐴
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃
𝐵

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

𝑃(𝐵) = 𝑃(𝐴1 )𝑃(𝐵|𝐴1 ) + 𝑃(𝐴2 )𝑃(𝐵|𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 )𝑃(𝐵|𝐴𝑛 )

 Ejemplo:
 El parte del meteorológico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva 50%
b) Que nieve 30%
c) Que haya niebla 20%
 Según estos estados meteorológicos, la posibilidad de que ocurra un accidente es la
siguiente:
a) Si llueve 20%
b) Si nieva 10%
c) Si hay niebla 5%
 Supongamos que no nos encontramos en la cuidad y ocurre un accidente
 El Teorema de Bayes, nos permitirá calcular esas probabilidades.
 Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente
se denominan A priori
 Las que manejamos cuan han ocurrido los accidentes se llaman A posteriori
 Para esto aplicaremos la fórmula:

𝐴𝑛 𝑃(𝐴𝑛 )𝑃(𝐵|𝐴𝑛 )
𝑃 =
𝐵 σ 𝑃(𝐴𝑛 ) 𝑃(𝐵|𝐴𝑛 )
a) Probabilidad de que estuviera lloviendo:

𝐴𝑛 0.50 ∙ 0.20
𝑃 = = 0.714
𝐵 (0.50 ∙ 0.20) + (0.30 ∙ 0.10) + (0.20 ∙ 0.05)

La probabilidad de que estuviera lloviendo el día del accidente (a

posteriori) es de 71.4%
b) Probabilidad de que estuviera nevando:

𝐴𝑛 0.30 ∙ 0.10
𝑃 = = 0.214
𝐵 (0.50 ∙ 0.20) + (0.30 ∙ 0.20) + (0.20 ∙ 0.05)

La probabilidad de que estuviera lloviendo el día del accidente (a

posteriori) es de 21.4%
c) Probabilidad de que hubiera niebla:

𝐴𝑛 0.20 ∙ 0.05
𝑃 = = 0.071
𝐵 (0.50 ∙ 0.20) + (0.30 ∙ 0.20) + (0.20 ∙ 0.05)

La probabilidad de que estuviera lloviendo el día del accidente (a

posteriori) es de 7.1%
 VALOR ESPERADO DE LA
INFORMACIÓN DE LA MUESTRA
 𝑉𝐸𝐼𝑀 = 𝐺𝐸𝐶𝐼𝑀 − 𝐺𝐸𝑆𝐼𝑀
 Donde:

 𝑉𝐸𝐼𝑀 = 𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙

 𝐺𝐸𝐶𝐼𝑀 = 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑐𝑜𝑛 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
 𝐺𝐸𝑆𝐼𝑀 = 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑠𝑖𝑛 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
 Ejemplo: ESTADOS DE LA NATURALEZA
 Proceso de decisión DEMANDA DEMANDA
para la CURSOS DE ACCIÓN
DEMANDA BAJA
GANANCIAS ($)
MEDIA
GANANCIAS
ALTA
GANANCIAS
comercialización de ($) ($)

pulpa de frutas PROBABILIDADES A

0.17 0.48 0.35
PRIORI σ = 1

Proceso A 29353 65885 23809

Proceso B 27868 74361 12860

Proceso C 65080 43170 97352

 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐴 = (29353 ∙ 0.17) + (65885 ∙ 0.48) + (23809 ∙ 0.35) = 44948.96
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐵 = (27868 ∙ 0.17) + (74361 ∙ 0.48) + (12860 ∙ 0.35) = 44931.84
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑐 = (65080 ∙ 0.17) + (43170 ∙ 0.48) + (97352 ∙ 0.35) = 65858.40

ESTADOS DE LA NATURALEZA
DEMANDA DEMANDA DEMANDA VALOR
CURSOS DE BAJA MEDIA ALTA MONETARIO
ACCIÓN GANANCIAS GANANCIAS GANANCIAS ESPERADO
($) ($) ($) VME Ganancia
PROBABILIDAD esperada sin
ES información de la
0.17 0.48 0.35 1
A PRIORI muestra.
σ=1 Se selecciona
Proceso A 29353 65885 23809 44948.96 este valor por ser
el más alto bajo
Proceso B 27868 74361 12860 44931.84 cualquier valor de
Proceso C 65080 43170 97352 65858.40 probabilidad.
 GESIM = ganancia esperada sin información de la muestra, es el
mayor valor monetario esperado.
GESIM = 65858.4
 PROBABILIDAD SEGÚN TEOREMA DE
BAYES
 Ahora calcularemos la ganancia esperada, con la in formación de la muestra:
 Tabla de indicadores de investigación de mercados.

DEMANDA DEMANDA DEMANDA

INDICADORES ෍
BAJA MEDIA ALTA P P
(favorable) (desfavorable)
I1 Reporte
0.2543 0.6574 0.0833 1 0.55 0.45
favorable
I2 Reporte
0.0649 0.2588 0.6763 1
desfavorable

 Conocemos los datos de un estudio de mercado, así como la probabilidad de reporte

favorable y desfavorable.
 PROBABILIDAD MARGINAL TEOREMA DE BAYES

Reporte favorable
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐴 = (29353 ∙ 0.2543) + (65885 ∙ 0.6574) + (23809 ∙ 0.0883) = 52879.01
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐵 = (27868 ∙ 0.2543) + (74361 ∙ 0.6574) + (12860 ∙ 0.0883) = 57106.73
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐶 = (65080 ∙ 0.2543) + (43170 ∙ 0.6574) + (97352 ∙ 0.0883) = 53524.68

Reporte desfavorable
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐴 = (29353 ∙ 0.0649) + (65885 ∙ 0.2588) + (23809 ∙ 0.6763) = 35057.78
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐵 = (27868 ∙ 0.0649) + (74361 ∙ 0.2588) + (12860 ∙ 0.6763) = 29750.74
𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝐶 = (65080 ∙ 0.0649) + (43170 ∙ 0.2588) + (97352 ∙ 0.6763) = 81232.46
 ESTADOS DE LA NATURALEZA
VALOR VALOR
DEMANDA DEMANDA DEMANDA
MONETARIO MONETARIO
CURSOS DE BAJA MEDIA ALTA
ESPERADO ESPERADO
ACCIÓN GANANCI GANANCIA GANANCIA
VME VME
AS ($) S ($) S ($)
FAVORABLE DESFAVORABLE
Proceso A 29353 65885 23809 52879.01 35057.78
Proceso B 27868 74361 12860 57106.73 29750.74
Proceso C 65080 43170 97352 53524.68 81232.46

 Una vez hecho el cálculo, se selecciona el VME mayor, para cada indicador.
 𝐺𝐸𝐶𝐼𝑀 = 57106.73 ∙ 0.55 + 81232.46 ∙ 0.45 = 67963.31
𝐺𝐸𝐶𝐼𝑀 = 𝟔𝟕𝟗𝟔𝟑. 𝟑𝟏
ESTADOS DE LA NATURALEZA
VALOR
DEMANDA DEMANDA DEMANDA VALOR
MONETARIO
CURSOS DE BAJA MEDIA ALTA MONETARIO
ESPERADO
ACCIÓN GANANCIAS GANANCIAS GANANCIAS ESPERADO
VME
($) ($) ($) VME FAVORABLE
DESFAVORABLE
Proceso A 29353 65885 23809 52879.01 35057.78
Proceso B 27868 74361 12860 57106.73 29750.74
Proceso C 65080 43170 97352 53524.68 81232.46
 𝑉𝐸𝐼𝑀 = 𝐺𝐸𝐶𝐼𝑀 − 𝐺𝐸𝑆𝐼𝑀

𝑉𝐸𝐼𝑀 = 67963.31 − 65858.40 = 𝟐𝟏𝟎𝟒. 𝟗𝟏

 Si la empresa de investigación de mercados vende la

información de reporte favorable o desfavorable con las
respectivas probabilidades, lo que vale esta información es
como máximo 2104.91