Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Analisis de Teorema de Bayes

    Cargado por

    LUIS MANUEL RODRIGUEZ CARBO
    43 vistas3 páginas
    Este documento presenta una explicación del Teorema de Bayes, una herramienta estadística que permite calcular la probabilidad de un evento dado información adicional. Explica que el teorema permite pasar de probabilidades iniciales a probabilidades condicionadas a nueva evidencia. También provee un ejemplo numérico de cómo el teorema cambia la probabilidad de diabetes de una persona basado en los resultados de una prueba de sangre. Finalmente, destaca aplicaciones del teorema en investigación médica y desarrollo de software.

    Descripción original:

    Muestra un análisis breve del teorema de Bayes

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento presenta una explicación del Teorema de Bayes, una herramienta estadística que permite calcular la probabilidad de un evento dado información adicional. Explica que el teorema permite pasar de probabilidades iniciales a probabilidades condicionadas a nueva evidencia. También provee un ejemplo numérico de cómo el teorema cambia la probabilidad de diabetes de una persona basado en los resultados de una prueba de sangre. Finalmente, destaca aplicaciones del teorema en investigación médica y desarrollo de software.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como pdf o txt
    43 vistas3 páginas

    Analisis de Teorema de Bayes

    Cargado por

    LUIS MANUEL RODRIGUEZ CARBO
    Este documento presenta una explicación del Teorema de Bayes, una herramienta estadística que permite calcular la probabilidad de un evento dado información adicional. Explica que el teorema permite pasar de probabilidades iniciales a probabilidades condicionadas a nueva evidencia. También provee un ejemplo numérico de cómo el teorema cambia la probabilidad de diabetes de una persona basado en los resultados de una prueba de sangre. Finalmente, destaca aplicaciones del teorema en investigación médica y desarrollo de software.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como pdf o txt
    de 3

    ESTADÍSTICA Y DEMOCRAFIA II

    PROFESOR: Dr. Luis Fernando Villegas Vásquez

    Alumno: Carlos Raul Hernández

    Sección: Segundo año

    Análisis Crítico Teorema De Bayes

    La probabilidad surge a partir del deseo del ser humano por conocer con
    certeza los eventos que sucederán en el futuro. El diccionario de la Real Academia
    Española (R.A.E) afirma que la probabilidad está íntimamente ligada a la idea de
    azar y nos ayuda a comprender nuestras posibilidades de ganar un juego de azar
    o analizar las encuestas. No obstante es notable que una ciencia que comenzó
    con consideraciones sobre juegos de azar haya llegado a ser el objeto más
    importante del conocimiento humano. Por ende a través de la historia se han
    desarrollado diferentes enfoques, para tener un concepto de la probabilidad y
    determinar sus valores como el conocido teorema de Bayes en la teoría de
    probabilidad rama de la matemática que se encarga de estudiar fenómenos
    aleatorios y no deterministas.

    El teorema de Bayes planteado por el matemático Thomas Bayes (1702-1761)


    y publicada póstumamente en 1763, expresa la probabilidad condicional de
    un evento aleatorio A dado B términos de la distribución de probabilidad
    condicional del evento B dado A y la distribución de probabilidad marginal de
    solo A. Esto quiere decir que este teorema permite calcular la probabilidad de
    cualquier suceso de A condicionado por B P= (A/B). Entonces de acuerdo con la
    definición de la probabilidad condicionada y el teorema de la probabilidad total se
    convierte en teorema de Bayes: P (A/B)= P(Ai). P(A/Bi) / ԐPAi . P (B/Ai).
    La esencia de este teorema Bayesiano es que permite ir pasando de unas
    probabilidades evaluadas a priori a otras a posteriori acondicionadas en la medida
    en que va conociéndose mejor los factores condicionantes del suceso cuya
    probabilidad quiere evaluarse. Para mejor comprensión cito un ejemplo si
    selecciono una persona al azar, la probabilidad de que sea diabética es 0,03 ya
    que desconozco información adicional nada más puedo decir la probabilidad de
    que no lo sea es 0,97. Pero en un supuesto que al realizar un análisis de sangre
    los niveles de glucosa son superiores a 1.000 mg/l, lo que ocurre en el 95% de los
    diabéticos y sólo en un 2% de las personas sanas. Surge la interrogante:

    ¿Cuál será ahora la probabilidad de que esa persona sea diabética?

    De acuerdo con el teorema de Bayes es que esa información adicional hace


    que la probabilidad sea ahora 0,595. Demostrando así que la información
    proporcionada por el análisis de sangre hace pasar la probabilidad inicial de
    padecer diabetes de 0,03, a 0,595. Evidentemente si la prueba del análisis de
    sangre hubiese sido negativa, esta información modificaría las probabilidades en
    sentido contrario.

    En síntesis este teorema es de mucha utilidad, ya que gracias a él podemos


    relacionar la probabilidad de que un evento A ocurra sabiendo que ocurrió B, con
    la probabilidad de que ocurra lo contrario. Ha sido de gran ayuda a grupos de
    investigación por ejemplo en el estudio de enfermedades, ya que permite discernir
    la probabilidad de que una enfermedad sea encontrada en un grupo de personas
    con una característica dada, tomando como datos las tasas globales de la
    enfermedad y el predominio de dicha características en personas tanto sanas
    como enfermas.

    Así como también en corporaciones diversas en el mundo de las altas


    tecnologías, ha influenciado a grandes compañías que han desarrollado, gracias a
    este resultado, software basados en el conocimiento. Como ejemplo cotidiano
    tenemos el asistente de Microsoft Office. El teorema de Bayes ayuda al software a
    evaluar los problemas que presenta el usuario y determinar qué consejo
    proporcionarle y así poder ofrecer un mejor servicio según los hábitos del usuario.

    También podría gustarte