Regla de Bayes Ing. Raúl Alvarez Guale, MPC Probabilidad Total La estadística bayesiana es un conjunto de herramientas que se utiliza en un tipo especial de inferencia estadística que se aplica en el análisis de datos experimentales en muchas situaciones practicas de ciencia e ingeniería. La regla de Bayes es una de las normas más importantes de la teoría de probabilidad, ya que es el fundamento de la inferencia bayesiana. Teorema Si los eventos B1, B2,... Bk constituyen una partición del espacio muestral S, tal que P(Bi) β 0 para i = 1, 2,..., k, entonces, para cualquier evento A de S, π π(π΄) = π π(π΅π β© π΄) = π=1 π(π΅π)(π΄|π΅π) π=1 Ejemplo 1 Tres maquinas de cierta planta de ensamble, B1, B2 y B3, montan 30%, 45% y 25% de los productos, respectivamente. Se sabe por experiencia que 2%, 3% y 2% de los productos ensamblados por cada maquina, respectivamente, tienen defectos. Ahora bien, suponga que se selecciona de forma aleatoria un producto terminado. ¿Cuál es la probabilidad de que este defectuoso? Ejemplo 1 Solución: Considere los siguientes eventos: A: el producto esta defectuoso, B1: el producto fue ensamblado con la maquina B1, B2: el producto fue ensamblado con la maquina B2, B3: el producto fue ensamblado con la maquina B3. Podemos aplicar la regla de eliminación y escribir: P(A) = P(B1)P(A|B1) + P(B2)P(A|B2) + P(B3)P(A|B3). Ejemplo 1 % Montaje x máquina % defectuoso P(A|B1)=0.02 P B1 P A B1 =(0.3)(0.02)=0.006 P(A|B2)=0.03 P B2 P A B2 =(0.45)(0.03)=0.0135 P(B1)=0.3 P(B2)=0.45 P(B3)=0.45 P(A|B3)=0.02 P B3 P A B3 =(0.25)(0.02)=0.005 P(A) = 0.006 + 0.0135 + 0.005 = 0.0245 Ejemplo 2 Resolver el Ejemplo 1: ¿Cuál es la probabilidad defectuoso? de que este Ejemplo 2 % Montaje x máquina % defectuoso P(A|B1)=0.02 P(B1)=0.3 P(B2)=0.45 P(Aβ|B1)=0.98 P(A|B2)=0.03 P(Aβ|B2)=0.97 P(B3)=0.45 P B1 P Aβ² B1 =(0.3)(0.98)=0.294 P B2 P Aβ² B2 =(0.45)(0.97)=0.4365 P(A|B3)=0.02 P(A|B3)=0.98 P B3 P Aβ² B3 =(0.25)(0.98)=0.245 P(A) = 0.294 + 0.4365 + 0.245 = 0.9755 Teorema (Regla de Bayes) Si los eventos B1, B2,..., Bk constituyen una partición del espacio muestral S, donde P(Bi) β 0 para i = 1, 2,...,k, entonces, para cualquier evento A en S, tal que P(A) β 0, π(π΅π β© π΄) π(π΅π β© π΄) π π΅π π΄ = = π π(π΄) π=1 π(π΅π β© π΄) π π΅π π(π΄|π΅π) = π ππππ π = 1,2 β¦ π π=1 π π΅π π(π΄|π΅π) Ejemplo 3 Con referencia al ejemplo 1, si se elige al azar un producto y se encuentra que esta defectuoso, ¿cuál es la probabilidad de que haya sido ensamblado con la máquina B3? Ejemplo 3 Solución: π(π΅3 β© π΄) π π΅3 π΄ = = π(π΄) π π΅π π΄ π(π΅3 β© π΄) 3 π=1 π(π΅π β© π΄) P (B3 )P (A|B3 ) = P (B1)P (A|B1) + P (B2 )P (A|B2) + P (B3)P (A|B3) Ejemplo 3 0.005 0.005 π π΅π π΄ = = 0.006 + 0.0135 +0.005 0.0245 Ejemplo 3 % Montaje x máquina % defectuoso P(A|B1)=0.02 P B1 P A B1 =(0.3)(0.02)=0.006 P(A|B2)=0.03 P B2 P A B2 =(0.45)(0.03)=0.0135 P(B1)=0.3 P(B2)=0.45 P(B3)=0.45 π(π΅π β© π΄) = 0.005 P(A|B3)=0.02 P(A) = 0.0245 P B3 P A B3 =(0.25)(0.02)=0.005 π π΅3 π΄ = π π΅π β© π΄ /P(A) Ejemplo 4 Una empresa de manufactura emplea tres planos analíticos para el diseño y desarrollo de un producto especifico. Por razones de costos los tres se utilizan en momentos diferentes. De hecho, los planos 1, 2 y 3 se utilizan para 30%, 20% y 50% de los productos, respectivamente. La tasa de defectos difiere en los tres procedimientos de la siguiente manera, P(D|P1) = 0.01, P(D|P2) = 0.03, P(D|P3) = 0.02 Ejemplo 4 en donde P(D|Pj) es la probabilidad de que un producto este defectuoso, dado el plano j. Si se observa un producto al azar y se descubre que esta defectuoso, ¿cual de los planos tiene mas probabilidades de haberse utilizado y, por lo tanto, de ser el responsable? Ejemplo 4 Solución: A partir del planteamiento del problema P(P1) = 0.30, P(P2) = 0.20 y P(P3) = 0.50, debemos calcular P(Pj|D) para j = 1, 2, 3. La regla de Bayes (teorema) muestra Ejemplo 4 Solución: π(π1 β© π·) π π1 π· = = π(π·) π(π1 β© π·) 3 π=1 π(ππ β© π·) P (P1 )P (A|P1 ) π π1 π· = P (P1)P (A|P1) + P (P2 )P (A|P2) + P (P3)P (P|P3) (0.30) (0.01 ) = = 0.158 (0.30) (0.01)+(0.20) (0.03 )+(0.50) (0.02 ) Ejemplo 4 Solución: π(π2 β© π·) π π2 π· = = π(π·) π(π2 β© π·) 3 π=1 π(ππ β© π·) P (P2 )P (A|P2 ) π π2 π· = P (P1)P (A|P1) + P (P2 )P (A|P2) + P (P3)P (P|P3) (0.03) (0.20 ) = = 0.316 (0.30) (0.01)+(0.20) (0.03 )+(0.50) (0.02 ) Ejemplo 4 Solución: π(π3 β© π·) π π3 π· = = π(π·) π(π3 β© π·) 3 π=1 π(ππ β© π·) P (P3 )P (A|P3 ) π π3 π· = P (P1)P (A|P1) + P (P2 )P (A|P2) + P (P3)P (P|P3) (0.02) (0.50 ) = = 0.526 (0.30) (0.01)+(0.20) (0.03 )+(0.50) (0.02 ) Gracias
© Copyright 2024