Teorema de Bayes y Enfoque Frecuentista

[XS-1130 Principios de Inferencia]

Christopher Torres Rojas
christopher.torres@ucr.ac.cr

Escuela de Estadística, Universidad de Costa Rica

Probabilidad Condicional - Idea

Suponga que estamos lanzando un dado y queremos ver el resultado de la cara obtenida, es decir, \(\Omega = \{1,2,3,4,5,6\}.\)

¿Cuál es la probabilidad de que sea par?

\(P(\text{El Dado sea Par}) = \frac{\mid\{2,4,6 \} \mid}{\mid\Omega \mid} = \frac{3}{6} = 0.5\)

Ahora suponga que sabemos que el resultado ha sido un número primo y nos hacemos la misma pregunta “¿Cuál es la probabilidad de que sea par?”

¿Esta probabilidad cambia? -> Sí

Cómo ha sido un número primo el espacio muestral ha sido modificado: \(\Omega_{primo} = \{1,2,3,5\}.\)

\(P(\text{El Dado sea Par}\mid \text{Primo}) = \frac{\mid\{2 \} \mid}{\mid\Omega_{primo} \mid} = \frac{1}{4} = 0.25\)

Probabilidad Condicional

Esquema Probabilidad Condicional

Probabilidad Condicional

Definición (Probabilidad Condicional)

Sean A y B dos eventos cualesquiera de un espacio muestral \(\Omega\), la probabilidad condicional de A dado que ha ocurrido B, denotada por \(P(A\mid B)\) es:

\[P(A\mid B) = \frac{P(A\cap B)}{P(B)} \quad \tiny{\text{; si }P(B) >0}\]

Nota: La idea intuitiva es que nuestro espacio muestral original \(\Omega\) , se ha actualizado a \(B\).
Todas los resultados (o eventos) posteriores se calibran entonces con respecto a su relación con \(B\).

Probabilidad Condicional

Probabilidad Condicional

Propiedades: Sea \(P\) una función de probabilidad sobre \(\Omega\). Dado los eventos \(A\), \(B\) y \(C\) , se tiene que:

  1. \(P(A^c\mid B)=1-P(A\mid B)\)

  2. \(P(\emptyset\mid B)=0\)

  3. \(P[(A\cup B)\mid C]=P(A\mid C)+P(B\mid C)- P((A \cap B)\mid C)\)

  4. \(A \subseteq B \Rightarrow P(A\mid C) \leq P(B\mid C)\)

Ejercicio

Si dos eventos, A y B, son tales que \(P(A)=0.5\), \(P(B)=0.3\) y \(P(A\cap B)=0.1\), encuentre lo siguiente:

  1. \(P(A\mid B)\)

  2. \(P(B\mid A)\)

  3. \(P(A\mid (A\cup B))\)

  4. \(P(A\mid (A \cap B))\)

  5. \(P(A \cap B \mid (A \cup B))\)

Ejercicio

Considere la siguiente tabla que muestra el resultado de 112 estudiantes del curso de Cálculo I antes de realizar ampliación.

Resultado Rural Urbano Total
Aprobado 24 36 60
Ampliación 8 4 12
Reprobado 16 24 40
Total 48 64 112

  1. Si se selecciona un estudiante al azar, cuál es la probabilidad de que sea de zona Rural y haya Aprobado inicialmente.

  2. Si se selecciona un estudiante al azar, cuál es la probabilidad de que sea de zona Urbana dado que haya Aprobado el curso en un inicio.
    Sea M = Evento “Urbano” y A = Evento “Aprobado”

    \(P(M\mid A) = \frac{P(M\cap A)}{P(A)} = \frac{\frac{36}{112}}{\frac{60}{112}} = \frac{36}{60} = 0.6\)

  3. Si se selecciona un estudiante al azar, cuál es la probabilidad de que sea de zona Rural dado que no haya Aprobado el curso en un inicio.

Ley Multiplicativa de Probabilidad

Teorema:

La probabilidad de la intersección de dos eventos A y B es:

\[ P(A\cap B) = P(A\mid B)\cdot P(B) = P(B\mid A)\cdot P(A)\]

Si A y B son independientes, entonces

\[ P(A\cap B) = P(A)\cdot P(B) \] Este teorema se deduce a partir de la definición de probabilidad condicional.

Ley Multiplicativa de Probabilidad

Ejemplo: Suponga que en una bolsa tenemos 10 libros, 4 de matemáticas, 3 de ciencias y 3 de Inglés.

Si seleccionamos dos libros (sin reemplazo) y queremos que ambos sean de matemáticas. ¿Cuál sería la probabilidad de dicho evento?

Usando probabilidad condicional tendríamos:

\(M_1 = \text{La primera selección es un libro de matemáticas}\)
\(M_2 = \text{La segunda selección es un libro de matemáticas}\)

\(P(M_1\cap M_2) = P(M_2\mid M_1)\cdot P(M_1) = \frac{3}{9}\cdot \frac{4}{10} = \frac{2}{15} = 0.1333\)

Note que esto lo podríamos haber resuelto usando métodos de conteo: \(\frac{\binom{4}{2}}{\binom{10}{2}} = \frac{2}{15}= 0.1333\)

Teorema

Sea A y B dos eventos independientes, entonces se cumple que:

  1. \(A^c \text{ y } B \text{ son independientes}\)

  2. \(A \text{ y } B^c \text{ son independientes}\)

  3. \(A^c \text{ y } B^c \text{ son independientes}\)

Probabilidad Total

El método de composición de evento para resolver problemas de probabilidad en ocasiones se facilita al ver \(\Omega\), como una unión de subconjuntos mutuamente excluyentes y usar la siguiente ley de probabilidad total.

Definición:

Para algún entero positivo \(k\), sean los conjuntos \(B_1, B_2, \cdots B_k\) tales que

  1. \(\Omega = B_1 \cup B_2 \cup \cdots B_k\)

  2. \(B_i \cap B_j = \emptyset, \quad\text{para } i \neq j\)

Entonces se dice que la colección de conjuntos \(B_1, B_2, \cdots B_k\) es una partición de \(\Omega\),.

Si \(A\), es cualquier subconjunto de \(\Omega\), y \(B_1, B_2, \cdots B_k\) es una partición de \(\Omega\), entonces \(A\) puede descomponerse como sigue:

\[A = (A\cap B_1) \cup (A\cap B_2) \cup \cdots \cup (A\cap B_K)\]

Probabilidad Total

Partición de Omega

Teorema de Probabilidad Total

Suponga que \(B_1, B_2, \cdots B_k\) es una partición de \(\Omega\) tal que \(P(B_i) > 0, \forall i \in 1,2,\cdots ,k.\) Entonces, para cualquier evento \(A\)

\[P(A) = \sum_{i=1}^{k} {P(A\mid B_i)\cdot P(B_i)}\]

Prueba:

\(P(A) = P(A \cap \Omega) = P(A \cap [ B_1 \cup B_2 \cup \cdots B_k])\)

\(=P([A \cap B_1] \cup [A\cap B_2] \cup \cdots [A \cap B_k]) \quad \text{Distributividad}\)

\(=P(A \cap B_1) + P(A\cap B_2) + \cdots + P(A \cap B_k) \quad \text{Cada }B_i\text{ es disjunto}\)

\(=P(A \mid B_1)\cdot P(B_1) + P(A\mid B_2)\cdot P(B_2) + \cdots + P(A \mid B_k)\cdot P(B_k) \quad \text{Def Prob Condicional}\)

\(= \sum_{i=1}^{k} {P(A\mid B_i)\cdot P(B_i)}\)

Teorema de Probabilidad Total

Probabilidad Total

Teorema de Probabilidad Total (Ejemplo)

1) Se dispone de tres cajas con bombillas. La primera contiene 10 bombillas de las cuales cuatro están fundidas; en la segunda hay seis bombillas de las cuales hay una fundida, y la tercera caja contiene tres bombillas fundidas de un total de ocho. Si seleccionar cada caja tiene la misma probabilidad. ¿Cuál es la probabilidad de que, al tomar una bombilla al azar de alguna caja, esta esté fundida?

\(P(A) = P(A \mid B_1)\cdot P(B_1) + P(A\mid B_2)\cdot P(B_2) +P(A\mid B_3)\cdot P(B_3)\)

\(P(A) = \frac{1}{3}\cdot \frac{4}{10} +\frac{1}{3}\cdot \frac{1}{6}+\frac{1}{3}\cdot \frac{3}{8} \approx 0.31\)

¿Qué pasaría si la probabilidad de seleccionar la primera caja es del 50%, la segunda del 10% y la tercerca del 40%?

Teorema de Probabilidad Total (Ejemplo)

2) Hay dos métodos, A y B, para enseñar cierta habilidad industrial. El porcentaje de no aprobados es 20% para A y 10% para B, pero B es más costoso y por tanto se usa sólo 30% del tiempo. (A es empleado el otro 70%.) A una trabajadora se le enseñó la habilidad por uno de los dos métodos. ¿Cuál es la probabilidad de que la haya aprendido correctamente?

\(P(Aprender) = P(Aprender \mid métodoA)\cdot P(métodoA) + P(Aprender\mid métodoB)\cdot P(métodoB)\)

\(P(Aprender) = 0.80\cdot 0.70 +0.90\cdot 0.30 = 0.83\)

¿Cuánto es \(P(Aprender \cap MétodoB)\)?

Regla de Bayes

Suponga que \(B_1, B_2, \cdots B_k\) es una partición de \(\Omega\) tal que \(P(B_i) > 0, \forall i \in 1,2,\cdots ,k\) y se \(A\) un evento cualquiera de \(\Omega\). Entonces:

\[ P(B_j\mid A) = \frac{P(A \mid B_j)\cdot P(B_j)}{\sum_{i=1}^{k} {P(A\mid B_i)\cdot P(B_i)}} \]

Prueba:

\[ P(B_j\mid A) = \frac{P(A \cap B_j)}{P(A)} \quad \small\text{definición condicional}\]

\[ \quad = \frac{P(A \mid B_j)\cdot P(B_j)}{P(A)} \quad \small\text{definición de intercepción}\]

\[ \quad = \frac{P(A \mid B_j)\cdot P(B_j)}{\sum_{i=1}^{k} {P(A\mid B_i)\cdot P(B_i)}} \quad \small\text{Teorema Prob Total}\]

Regla de Bayes (Ejemplo)

1)Hay dos métodos, A y B, para enseñar cierta habilidad industrial. El porcentaje de no aprobados es 20% para A y 10% para B, pero B es más costoso y por tanto se usa sólo 30% del tiempo. (A es empleado el otro 70%.) A una trabajadora se le enseñó la habilidad por uno de los dos métodos pero no la aprendió correctamente. ¿Cuál es la probabilidad de que se le haya enseñado por el método A?

\(P(\text{Método A}\mid \text{No Aprendió})\)

Usando la regla de Bayes tenemos: \(\small P(B_j\mid A) = \frac{P(A \mid B_j)\cdot P(B_j)}{\sum_{i=1}^{k} {P(A\mid B_i)\cdot P(B_i)}}\)

Es decir: \(\small P(\text{Método A}\mid \text{No Aprendió}) = \frac{P(\text{No Aprender} \mid \text{Método A})\cdot P(\text{Método A})}{P(\text{No Aprender} \mid \text{Método A})\cdot P(\text{Método A})+ P(\text{No Aprender} \mid \text{Método B})\cdot P(\text{Método B})}\)

Note que el denominador es igual a \(\small P(\text{No Aprender}) = 1 - P(\text{Aprender}) = 1 - 0.83 = 0.17\) (ver diapositva 16)

Por ende: \(\small P(\text{Método A}\mid \text{No Aprendió}) = \frac{0.20\cdot0.70}{0.17} \approx 0.8235\)

Regla de Bayes (Ejemplo)

2) Una prueba de diagnóstico para una enfermedad es tal que (correctamente) detecta la enfermedad en 90% de los individuos que en realidad tienen la enfermedad. También, si una persona no tiene la enfermedad, la prueba reportará que él o ella no la tiene con probabilidad 0.85 . Sólo 1% de la población tiene la enfermedad en cuestión. Si una persona es seleccionada al azar de la población y la prueba de diagnóstico indica que tiene la enfermedad.

  • ¿cuál es la probabilidad condicional de que tenga, en realidad, la enfermedad? \(R \approx 0.0571\)

  • Debido al resultado anterior, esta persona vuelve hacerse la prueba y el diagnostico vuelve a indicar que tiene la enfermedad. ¿cuál es la probabilidad condicional de que tenga, en realidad, la enfermedad?

Ejercicios

1) Una población de electores contiene 40% de republicanos y 60% de demócratas. Se publica que 30% de los republicanos y 70% de los demócratas están a favor de un tema de elección. Se encuentra que una persona seleccionada al azar de esta población está a favor del tema en cuestión. Encuentre la probabilidad condicional de que esta persona sea un demócrata.

2) De los viajeros que llegan a un pequeño aeropuerto, 60% vuelan en líneas aéreas importantes, 30% en aviones de propiedad privada y el resto en aviones comerciales que no pertenecen a una línea aérea importante. De quienes viajan en líneas aéreas importantes, 50% viajan por negocios en tanto que 60% de quienes llegan en aviones privados y 90% de quienes llegan en otros aviones comerciales viajan por negocios. Suponga que seleccionamos al azar una persona que llega a este aeropuerto. ¿Cuál es la probabilidad de que la persona:

  • Viaje por Negocios?

  • Viaje por Negocio en un un avión privado?

  • llegue en un avión privado, dado que la persona viaja por negocios?

  • viaja por negocio, dado que vuela en un avión comercial?

Ejercicios

3) Un director de personal tiene dos listas de solicitantes para trabajos. La lista 1 contiene los nombres de cinco mujeres y dos hombres, mientras que la lista 2 contiene los nombres de dos mujeres y seis hombres. Un nombre se selecciona al azar de la lista 1 y se agrega a la lista 2. A continuación se selecciona al azar un nombre de la lista 2 aumentada. Dado que el nombre seleccionado es de un hombre, ¿cuál es la probabilidad de que un nombre de mujer se haya seleccionado originalmente de la lista 1?

4) Una empresa que fabrica camisetas posee tres máquinas, A, B y C, producen el 45 %, 30 % y 25 %, respectivamente, del total de las piezas producidas en la fábrica. Los porcentajes de producción defectuosa de estas máquinas son del 3 %, 4 % y 5 % respectivamente.

  • Si se selecciona una camiseta al azar ¿Cuál es la probabilidad de que salga defectuosa?

  • ¿Qué máquina tiene la mayor probabilidad de haber producido una camiseta defectuosa?

  • ¿Qué máquina tiene la mayor probabilidad de haber producido una camiseta defectuosa?

Ejercicios

5) En la empresa “Alimentos Mr. Pollo” el 20 % de los empleados son ingenieros y otro 20 % son economistas. El 75 % de los ingenieros ocupan un cargo directivo y el 50 % de los economistas también, mientras que los demás trabajadores (no ingenieros y no economistas) solamente el 20 % ocupa un puesto directivo. ¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?

6)** Cinco tazones idénticos están marcados\(1,2,\cdots,5\). El tazón \(i\) contiene \(i\) bolas blancas y \(5-i\) bolas negras, con \(i=1,2,\cdots,5\). Un tazón se selecciona al azar y dos bolas se seleccionan al azar (sin restitución) de él.

  • ¿Cuál es la probabilidad de que ambas bolas seleccionadas sean blancas?

  • Dado que ambas bolas seleccionadas son blancas, ¿cuál es la probabilidad de que el tazón 3 haya sido seleccionado?

Ejercicios

7) Considere la siguiente tabla que muestra el resultado de 100 pacientes después de recibir uno de dos tratamientos experimentales para una afección respiratoria.

Resultado Tratamiento A Tratamiento B Total
Recuperado 30 20 50
Estable 10 20 30
Empeoró 10 10 20
Total 50 50 100

  • Si se selecciona un paciente al azar, ¿cuál es la probabilidad de que haya recibido el Tratamiento A y se haya Recuperado?

  • Si se selecciona un paciente al azar, ¿cuál es la probabilidad de que haya recibido el Tratamiento B dado que su estado es Estable?

Ejercicios

8) Considere la siguiente tabla que resume el rendimiento financiero trimestral de 120 empresas, separadas por su sector comercial.

Resultado Tecnología Retail Total
Ganancia 40 20 60
Punto de Equilibrio 15 25 40
Pérdida 5 15 20
Total 60 60 120

  • Si se selecciona una empresa al azar, ¿cuál es la probabilidad de que sea del sector Retail y haya reportado una Pérdida?

  • Si se selecciona una empresa al azar, ¿cuál es la probabilidad de que sea del sector Tecnología dado que reportó Ganancia en el trimestre?

Ejercicios

9) Considere el caso de un centro de alto rendimiento deportivo que cuenta con 300 atletas inscritos. La siguiente tabla clasifica a estos atletas según la disciplina que practican y su categoría actual de rendimiento.

Disciplina \ Categoría Élite (E) Competitivo (C) Aficionado (F) Total
Natación (\(N\)) 15 30 55 100
Atletismo (\(A\)) 20 40 60 120
Gimnasia (\(G\)) 10 25 45 80
Total 45 95 160 300

Si se selecciona el expediente de un atleta completamente al azar, determine las siguientes probabilidades:

  1. ¿Cuál es la probabilidad de que el atleta practique Natación y pertenezca a la categoría Élite?

  2. ¿Cuál es la probabilidad de que el atleta no sea de Atletismo y esté en la categoría Competitiva?

  3. ¿Cuál es la probabilidad de que el atleta practique Gimnasia o sea de la categoría Aficionado?

Ejercicios

  1. Si se sabe de antemano que el atleta es de categoría Élite, ¿cuál es la probabilidad de que practique Atletismo?

  2. Dado que el atleta no practica Atletismo, ¿cuál es la probabilidad de que pertenezca a la categoría Élite?

  3. Suponga que la base de datos seleccionó a un atleta de la categoría Competitiva. Utilizando la regla de Bayes, ¿cuál es la probabilidad de que este atleta practique Gimnasia?

Videos

Fundamentos y Razonamiento Lógico (Divulgativos)

Resolución de Problemas (Ejemplos Prácticos)