You are on page 1of 12

Teorema de Bayes

Una visión divina de la personalización


Thomas Bayes, 1702 - 1761
Por Ricci Graham
Knowledge Management. Enero 2001.

siguió el llamado de su padre, siendo ordenado en la


iglesia presbiteriana en Tunbridge Wells a finales de la
década de 1720; sin embargo él retuvo su pasión por las
matemáticas, particularmente en el área de probabilidad
y estadística.

Bayes fue autor de trabajos en teología, pero


actualmente es mejor conocido por un par de tratados
matemáticos. "Introducción a la Doctrina de Fluxiones"
(1736) defiende las bases lógicas de los cálculos de
Isaac Newton en contra del ataque del Arzobispo George
Berkeley. "Ensayo para Resolver un Problema en la
Nació: 1702 en Londres, Inglanterra Doctrina de Probabilidad" (publicación póstuma en
Murió: 17 de Abril 1761 en Tunbridge 1763), generalmente se dice ser su trabajo más
Wells, Kent, Inglanterra convincente, el cual intenta establecer una fórmula
para calcular probabilidades entre diferentes variables
que están relacionadas casualmente pero para las cuales
las relaciones no pueden ser fácilmente derivadas por
medio de la experimentación.
Muchos grandes hombres parecen haber nacido
anticipados a su época. Este axioma es particularmente Aquí en el siglo XXI, las fórmulas de probabilidad
apto cuando se aplica al reverendo Thomas Bayes, un que una vez parecieron tan esotéricas son la base para
teólogo inglés del siglo XVIII quien fue además un aplicaciones en negocios marcadamente innovadores.
matemático. Sus esfuerzos eclesiásticos para salvar las Corporaciones y grupos de investigación han aplicado
almas de los protestantes ingleses han desaparecido la base de los teoremas de probabilidad de Bayes, para
gradualmente de la memoria del publico; pero sus incrementar la estimación y mejorar los sistemas de
exploraciones matemáticas –irrelevantes hace 200 años- basados en conocimiento y agregar contexto a la
son considerablemente significativas ahora. información. Por ejemplo, cuando se aplica a la
epidemiología, su trabajo puede ayudar a discernir la
Las teorías que él desarrolló durante los años de probabilidad de que una enfermedad sea encontrada en
1700 en el área de probabilidad y estadística subrayan un grupo de personas con una característica dada, en la
algunos sistemas "inteligentes" de Software que base de las tasas globales de esa enfermedad y el
aprenden del input del usuario para personalizar predominio de esa característica tanto en individuos
información. Estas teorías además han sido acreditadas saludables como enfermos. Su uso más común es en
por avances en investigaciones legales y médicas. Visto decisiones de análisis clínico, estimando la probabilidad
como un excéntrico durante su tiempo de vida, Bayes es de un diagnóstico particular dada la aparición de algún
ahora percibido como un visionario. síntoma o resultado de un examen.

Nacido en Londres en 1702, Thomas Bayes fue el En el mundo de la alta tecnología, las matemáticas
hijo de un ministro, un disidente que se oponía a las Bayesianas han influenciado compañías como Microsoft
doctrinas y practicas de la iglesia de Inglaterra. Bayes Corp. y Autonomy Corp. en el desarrollo de softwares

132
Teorema de Bayes
«Basado en el Conocimiento». En el asistente de Si las fórmulas de Bayes son útiles ahora, ¿por qué
Microsoft Office –el módulo de ayuda para la adecuada fueron ignoradas tanto tiempo? Cuando él desarrolló
productividad de su negocio- los teoremas de Bayes los teoremas hace 200 años, había poco uso práctico
ayudan al software a evaluar los problemas de los para ellos; algunos estudiantes de probabilidad los
usuarios y a determinar qué consejo proporcionarle. De aplicaron en discusiones concernientes a la existencia
este modo, el asistente de Office puede modificar la de Dios, mientras que otros usaron sus teorías para
elección de avisos que ofrece, mientras gana evaluar las probabilidades en apuestas.
conocimiento de los hábitos del individuo.
Sin embargo, en esta época de avances tecnológicos
En Autonomy Corp., sus teoremas apoyan softwares bruscos, con la escalada del poder de las computadoras
que pueden automáticamente organizar extensos e y el desarrollo de ecuaciones matemáticas claves, los
inestructurados volúmenes de información, en científicos han descubierto maneras más directas de
información relevante que ayuda a agruparse en lugares poner los principios de Bayes a trabajar. Parece que el
de internet y sitios comerciales en la Web los cuales conocimiento, se encuentra en el ojo del espectador.
sirven a las necesidades de cambio de los usuarios.

133
Teorema de Bayes

Revisión de las estimaciones anteriores. Teorema de Bayes

satisfactorio en el trabajo, si un solicitante escogido


Los conceptos teóricos al azar pasa el test?. O sea, ¿cuál es la probabilidad
de este tema se de que el rendimiento de un solicitante sea
encuentran en el libro satisfactorio si aprueba el test?
de texto en el capitulo b. ¿Cuál es la probabilidad posterior del rendimiento
4.7 (páginas 196-201) satisfactorio en el trabajo, si un solicitante escogido
al azar reprueba el test? O sea, ¿cuál es la
probabilidad de que el rendimiento de un solicitante
2.1 Un dado está cargado, de tal forma que el 40% de sea satisfactorio si reprueba el test?
las veces marca «1». Otro dado «B» está cargado y
marca «1» un 70% de las veces. Si se selecciona al 2.4- Se realiza una nueva película. La compañia
azar un dado y este da un «1». productora juzga la probabilidad de un éxito arrollador
a) ¿Cuál es la probabilidad de que el dado sea el dado en p =.0.30. También sabe que cierto crítico gusta del
A? 75% de todas las películas que al final resultaron
grandes éxitos, así como él expresó su desatisfacción
2.2- La compañia Beck’s utiliza tres políticas para con el 25% de las películas que al final resultaron ser
recuperar las cuentas por cobrar: Visitas personales 70% éxito. Por otra parte, el crítico expresó que no le
con un 75% de éxito. Llamadas telefónicas 20% con gustaban el 90% de todas las que al final resultaron
un 60% de recuperación. A través de carta 10% con un rotundos fracasos, sin embargo, expresó su opinión
65% de efectividad. favorable en el 10% de las películas que resultaron ser
un fracaso. Si la compañía utiliza el método de Bayes,
a. Calcule la efectividad conjunta para recuperar la
mora como porcentaje de personas que han pagado a. ¿Cómo corregiría su cifra de probabilidad de éxito
su mora si supiera que el crítico elogió la película?
b. Refierase al resultado del inciso «a», donde el primer
crítico dio una opinión favorable. Un segundo crítico
2.3- Un gerente de personal ha establecido que el 50% da también una opinión favorable. ¿Cómo cambian
de los trabajadores que fueron contratados sin test de las probabilidades posteriores?
aptitud trabajan en forma satisfactoria en su puesto y Olvide los incisos «a» y «b» y replantee el siguiente
el otro 50% no hace un trabajo satisfactorio. Así mismo, escenario:
del otro grupo de empleados que se sometieron al test c. ¿Qué pasaría con las probabilidades posteriores si
de aptitud el gerente obtuvo la siguiente información: el primer crítico reprueba la película severamente
(o sea, da una opinión desfavorable?
- Del 100% de los trabajadores que hoy día hacen d. Posteriormente al primer crítico que dio una opinión
bien su trabajo (opinión de su jefe inmediato): desfavorable, un segundo crítico da una opinión
- El 90% de ellos aprobaron dicho test de aptitud. favorable. ¿Cómo cambian las probabilidades
- El 10% de ellos reprobaron dicho test de aptitud. posteriores?

- Del 100% de los trabajadores que hoy día no hacen 2.5- Un productor de vino ha diseñado una nueva y
bien su trabajo, (opinión de su jefe inmediato): distintiva botella con la esperanza de aumentar sus
- El 85% de ellos reprobaron dicho test de aptitud. ventas. El gerente ha estimado la probabilidad de éxito
- El 15% de ellos aprobaron dicho test de aptitud. en 0.50. A fin de informarse mejor de la percepción de
los clientes, pide un estudios de mercado.
a. ¿Cuál es la probabilidad posterior del rendimiento

134
Teorema de Bayes
El sabe que cuando la economía están por elevarse, Al realizar un nuevo estudio, éste muestra gran
(la demanda de este tipo de producto sube), los entusiasmo y optimismo por parte de los consumidores
consumidores muestran estar motivados y confiados
en la economía en un 90% de los estudio. Pero también a. ¿Cuál es la probabilidad posterior de éxito?
en un 10% de los estudios dirán lo contrario (o sea, los b. ¿Cuál es la probabilidad posterior de fracaso?
consumidores entrevistados dirán estar desmotivados
y pesimistas con la economía). Al realizar un segundo estudio, éste muestra gran
entusiasmo y optimismo por parte de los consumidores
Así mismo, cuando la economía están en recesión,
(la demanda de este tipo de producto baja ) los c. ¿Cuál es la probabilidad posterior de éxito?
consumidores no se impresionan, se muestran d. ¿Cuál es la probabilidad posterior de fracaso?
desmotivados en un 60% de los estudios, y en un 40%
de los casos dirá lo contrario. (o sea, los consumidores
entrevistados dirán estar motivados y confiados con la
economía).

135
Teorema de Bayes

Resolución de Ejercicios propuestos

Ejercicio 2.1

Probabilidad de que el
dado seleccionado sea
P(B/1) = P(B1)/P(1) P(A/1) = P(A1)/P(1) el “x” y que el número
obtenido sea “1”

Evento Probabilidad P(“1”/evento P(“1”,evento Probabilidad


Elemental del evento elemental) elemental) (Dado X/”1”)
Dado A 0.5 0.4 0.4*0.5=0.20 0.2/0.55= 0.36
Dado B 0.5 0.7 0.7*0.5=0.35 0.35/0.55=0.64
1.0 P(“1”) = 0.55 1.00

Probabilidad de obtener Probabilidad de que


Probabilidad de escoger
un “1” en el dado el resultado de lanzar
aleatoriamente el
“X” el dado sea “1”
dado “X” de una caja

Ejercicio 2.2

Evento Probabilidad P(“Pague” P(“pague” y P (Evento/


(Política) del evento /evento) suceda evento) ”Pagó”)
Visita 0.7 0.75 0.7*0.75 = 0.525 0.525/0.71= 0.74
Teléfono 0.2 0.60 0.2*0.6 = 0.120 0.12/0.71 = 0.17
Carta 0.1 0.65 0.1*0.65 = 0.065 0.065/0.71= 0.09
1.00 P(“pague”) = 0.71 1.00

136
Teorema de Bayes

Tabla de Ayuda para ejercicio #2.3

Evento. P(evento) P( P(evento P(evento /


y

/ evento) ) )

Total La probabilidad del 1.00


evento "
"=

137
Teorema de Bayes

Tabla de Ayuda para ejercicio #2.4

Evento. P(evento) P( P(evento P(evento /


y

/ evento) ) )

Total La probabilidad del 1.00


evento "
"=

138
Teorema de Bayes

Tabla de Ayuda para ejercicio #2.5

Evento. P(evento) P( P(evento P(evento /


y

/ evento) ) )

Total La probabilidad del 1.00


evento "
"=

139
Teorema de Bayes

Tabla de Ayuda extra

Evento. P(evento) P( P(evento P(evento /


y

/ evento) ) )

Total La probabilidad del 1.00


evento "
"=

140
Ejercicio 2.3. Pruebas de aptitud a empleados “Tip”
Al final, el En el test de aptitud, el candidato
rendimiento del ……….. el test.
empleado es … Aprueba Reprueba
Satisfactorio 0.90 0.10

No satisfactorio 0.15 0.85

Evento. P(evento) P(reprobar P(evento P(evento / Evento. P(evento) P(aprobar P(evento P(evento /
El el test / y reprobar El el test/ y aprobar aprobar el
rendimiento evento) reprobar el test) rendimiento evento) el test) test)
final del el test) final del
empleado es.. empleado es..
Satisfactorio 0.50 0.10 0.05 0.11 Satisfactorio 0.50 0.90 0.45 0.86

No 0.50 0.85 0.425 0.89 No 0.50 0.15 0.075 0.14


satisfactorio satisfactorio

Total La probabilidad del 0.475 1.00 Total La probabilidad del 0.525 1.00
evento "reprobar la evento "aprobar la
prueba" es = prueba" es =

141
Teorema de Bayes
Ejercicio 2.4. La nueva película y el crítico. Tip
Al final, las La opinión del crítico respecto a las
películas películas fue:
resultaron en …
Favorable Desfavorable

Un éxito 0.75 0.25

Un fracaso 0.10 0.90

Evento. P(evento) P(crítico P(evento y P(evento / Evento. P(evento) P(crítico da P(evento P(evento /
La de opinión crítico) crítico de La opinión no y crítico) crítico da
película favorable/ opinión película favorable / opinión no
resulta en: evento) favorable) resulta en: evento) favorable)
Un éxito 0.3 0.75 0.225 0.76 Un éxito 0.3 0.25 0.075 0.11
arrollador arrollador

Un 0.7 0.10 0.070 0.24 Un 0.7 0.90 0.630 0.89


fracaso fracaso

Total La probabilidad del 0.295 1.00 Total La probabilidad del 0.705 1.00
evento "crítico de una evento "crítico de una
opinión favorable" es opinión no favorable"
= es =

142
Teorema de Bayes
Ejercicio 2.5. Nuevo diseño Al final el Los consumidores se mostraron en el
mercado …….. estudio…
de la botella
Motivados, No motivados,
interesados, creen indiferentes, creen
que Ventas (Gral.) que Ventas (Gral.)
subirán bajarán
Respondió 0.90 0.10
positivamente.
Ventas altas ‡ Éxito
Respondió 0.40 0.60
negativamente.
Ventas bajas ‡
Fracaso

Evento. P(evento) P(resultado P(evento P(evento / Evento. P(evento) P( P(evento P(evento /


El resultado de estudios es y resultado y
del nuevo favorable / resultado de
Producto evento) del estudios es
(botella) estudio) favorable) / evento) ) )
es..
Un éxito 0.50 0.90 0.45 0.69

Un fracaso 0.50 0.40 0.20 0.31

Total La probabilidad del 0.65 1.00 Total La probabilidad del 1.00


evento "estudio con evento "
opinión favorable" es = "=

143
Teorema de Bayes