Teorema de Bayes: Probabilidad Total, Diagramas de Árbol y Ejercicios Resueltos

¡Qué tal amigos! El día de hoy exploraremos una de las herramientas intelectuales más poderosas de la matemática moderna y la inteligencia artificial: el Teorema de Bayes. ¿Te has preguntado cómo sabe tu correo electrónico si un mensaje entrante es Spam o legítimo? ¿O por qué si te realizas una prueba médica de laboratorio con un 99% de precisión y das positivo, tu probabilidad real de estar enfermo podría ser menor al 5%? La respuesta radica en cómo actualizamos nuestras creencias cuando aparece nueva evidencia en el mundo real. Formulado por el reverendo y matemático británico Thomas Bayes en el siglo XVIII, este teorema es la piedra angular del aprendizaje automático, la epidemiología clínica, las decisiones financieras y la ciencia forense. En esta guía completa aprenderás la teoría de probabilidad condicional, la Ley de Probabilidad Total, el uso de diagramas de árbol y 9 ejercicios resueltos paso a paso con rigor analítico.

¿Qué es el Teorema de Bayes y cuál es su intuición?

El Teorema de Bayes es una regla matemática que describe cómo recalcular o actualizar la probabilidad de una hipótesis a medida que disponemos de nueva información o evidencia observable. A diferencia del enfoque clásico frecuentista que calcula probabilidades directas hacia adelante (¿cuál es la probabilidad de que una pieza salga defectuosa si la fabricó la máquina A?), Bayes resuelve el problema inverso: sabiendo que encontramos una pieza defectuosa, ¿cuál es la probabilidad de que haya sido fabricada por la máquina A?

Fórmula General del Teorema de Bayes

La expresión analítica que sintetiza la actualización de creencias es:

donde cada término cumple una función epistémica precisa:

• \( P(A_j) \) (Prior): Probabilidad inicial asignada a la hipótesis antes de conocer los datos.
• \( P(B|A_j) \) (Verosimilitud / Likelihood): Compatibilidad de la hipótesis con la evidencia observada.
• \( P(B) \) (Evidencia marginal): Probabilidad total de observar el dato considerando todas las hipótesis posibles.
• \( P(A_j|B) \) (Posterior): Probabilidad actualizada de la hipótesis a la luz del nuevo dato.

Partición del Espacio Muestral y Ley de Probabilidad Total

Para comprender el denominador de la fórmula de Bayes, es necesario estudiar la Ley de Probabilidad Total. Imaginemos que el espacio muestral global \( \Omega \) está dividido en parcelas disjuntas \( A_1, A_2, \dots, A_k \) como un rompecabezas. Cuando ocurre un evento transversal \( B \), dicho evento se nutre de pequeñas porciones de cada parcela: \( B = (B \cap A_1) \cup (B \cap A_2) \cup \dots \cup (B \cap A_k) \).

Diagramas de Árbol de Probabilidades

El diagrama de árbol es la representación gráfica más intuitiva para resolver problemas bayesianos sin enredarse en fórmulas complejas. Cada nivel del árbol representa una etapa cronológica o lógica:

1. Primer nivel (Ramas principales): Representa las causas iniciales con sus probabilidades a priori \( P(A_i) \). La suma de las probabilidades de estas ramas debe ser exactamente 1.0.
2. Segundo nivel (Ramificaciones condicionales): Representa los resultados posibles de cada causa con sus probabilidades condicionales \( P(B|A_i) \) y \( P(\bar{B}|A_i) \).
3. Extremos de las ramas: Se calcula la probabilidad conjunta multiplicando a lo largo del camino: \( P(A_i \cap B) = P(A_i) \times P(B|A_i) \).

Pruebas Médicas y la Paradoja de la Tasa Base

Uno de los errores conceptuales más frecuentes en la medicina y en la vida cotidiana es confundir la sensibilidad de una prueba con el valor predictivo positivo:

• Sensibilidad (\( S \)): \( P(+|E) \) = Probabilidad de dar positivo si el paciente realmente está enfermo.
• Especificidad (\( E \)): \( P(-|\bar{E}) \) = Probabilidad de dar negativo si el paciente está sano.
• Tasa de falsos positivos: \( P(+|\bar{E}) = 1 - E \).
• Prevalencia (\( P_v \)): \( P(E) \) = Proporción de la población general que tiene la enfermedad (la tasa base).

Cuando una enfermedad es rara (prevalencia baja, por ejemplo 0.1%), la enorme cantidad de personas sanas genera más falsos positivos absolutos que los verdaderos positivos detectados, haciendo que la mayoría de los resultados positivos correspondan en realidad a personas sanas.

9 Ejercicios Resueltos Paso a Paso

Solución:

Datos:

• Espacio muestral original: \( \Omega = \{1, 2, 3, 4, 5, 6\} \)
• Evento B (número mayor que 3): \( B = \{4, 5, 6\} \implies n(B) = 3 \)
• Evento A (número primo): \( A = \{2, 3, 5\} \)
• Intersección \( A \cap B \) (mayor que 3 y primo): \( A \cap B = \{5\} \implies n(A \cap B) = 1 \)

Fórmula:

\[ P(A|B) = \frac{P(A \cap B)}{P(B)} = \frac{n(A \cap B)}{n(B)} \]

Sustitución y Operaciones:

Calculamos las probabilidades marginales:

\[ P(B) = \frac{3}{6} = \frac{1}{2}, \quad P(A \cap B) = \frac{1}{6} \]

Sustituimos en la definición de probabilidad condicional:

\[ P(A|B) = \frac{1/6}{3/6} = \frac{1}{3} \approx 0.3333 \]

Resultado:

\[ P(A|B) = \frac{1}{3} \approx 33.33\% \]

Interpretación Probabilística: La condición de que el número sea mayor que 3 reduce el espacio muestral a únicamente tres opciones equiprobables \( \{4, 5, 6\} \), de las cuales solo una (el número 5) es primo.

Solución:

Datos:

• Participación de producción: \( P(A) = 0.70 \), \( P(B) = 0.30 \)
• Tasas de falla condicional: \( P(D|A) = 0.03 \), \( P(D|B) = 0.08 \)

Fórmula:

\[ P(D) = P(A) P(D|A) + P(B) P(D|B) \]

Sustitución y Operaciones:

Calculamos la contribución defectuosa de cada planta:

\[ P(A \cap D) = (0.70)(0.03) = 0.0210 \]

\[ P(B \cap D) = (0.30)(0.08) = 0.0240 \]

Sumamos según la Ley de Probabilidad Total:

\[ P(D) = 0.0210 + 0.0240 = 0.0450 \]

Resultado:

\[ P(D) = 0.045 = 4.50\% \]

Interpretación Probabilística: En promedio, 45 de cada 1000 camisetas producidas por la marca presentan defectos de costura.

Solución:

Datos:

• Probabilidades a priori: \( P(A) = 0.70 \), \( P(B) = 0.30 \)
• Verosimilitudes: \( P(D|A) = 0.03 \), \( P(D|B) = 0.08 \)
• Probabilidad total del evento observado: \( P(D) = 0.045 \)

Fórmula:

\[ P(B|D) = \frac{P(B) P(D|B)}{P(D)} \]

Sustitución y Operaciones:

\[ P(B|D) = \frac{(0.30)(0.08)}{0.045} = \frac{0.024}{0.045} = \frac{24}{45} = \frac{8}{15} \approx 0.5333 \]

Resultado:

\[ P(B|D) = \frac{8}{15} \approx 53.33\% \]

Interpretación Probabilística: Aunque la planta B solo fabrica el 30% del volumen total, su elevada tasa de defectos hace que sea responsable de más del 53% de las devoluciones por prendas dañadas.

Solución:

Datos:

• Prevalencia a priori: \( P(E) = 0.002 \), \( P(S) = 0.998 \)
• Sensibilidad: \( P(+|E) = 0.98 \)
• Tasa de falsos positivos: \( P(+|S) = 1 - 0.95 = 0.05 \)

Fórmula:

\[ P(E|+) = \frac{P(E) P(+|E)}{P(E) P(+|E) + P(S) P(+|S)} \]

Sustitución y Operaciones:

Calculamos los numeradores y la probabilidad total del positivo \( P(+) \):

\[ P(E \cap +) = (0.002)(0.98) = 0.00196 \]

\[ P(S \cap +) = (0.998)(0.05) = 0.04990 \]

\[ P(+) = 0.00196 + 0.04990 = 0.05186 \]

Calculamos el valor predictivo positivo \( P(E|+) \):

\[ P(E|+) = \frac{0.00196}{0.05186} = \frac{196}{5186} \approx 0.03779 \]

Resultado:

\[ P(E|+) \approx 3.78\% \]

Interpretación Probabilística: A pesar de que la prueba tiene un 98% de sensibilidad, solo el 3.78% de las personas que dan positivo están realmente enfermas. Más del 96% de los positivos son falsos positivos, lo que exige siempre una prueba confirmatoria de PCR.

Solución:

Datos:

• \( P(R_1) = 0.50 \), \( P(R_2) = 0.30 \), \( P(R_3) = 0.20 \)
• \( P(D|R_1) = 0.01 \), \( P(D|R_2) = 0.02 \), \( P(D|R_3) = 0.05 \)

Fórmula:

\[ P(R_3|D) = \frac{P(R_3) P(D|R_3)}{P(R_1)P(D|R_1) + P(R_2)P(D|R_2) + P(R_3)P(D|R_3)} \]

Sustitución y Operaciones:

Calculamos las probabilidades de defecto de cada robot:

\[ P(R_1 \cap D) = (0.50)(0.01) = 0.005 \]

\[ P(R_2 \cap D) = (0.30)(0.02) = 0.006 \]

\[ P(R_3 \cap D) = (0.20)(0.05) = 0.010 \]

Probabilidad total de defecto:

\[ P(D) = 0.005 + 0.006 + 0.010 = 0.021 \]

Calculamos \( P(R_3|D) \):

\[ P(R_3|D) = \frac{0.010}{0.021} = \frac{10}{21} \approx 0.4762 \]

Resultado:

\[ P(R_3|D) = \frac{10}{21} \approx 47.62\% \]

Interpretación Probabilística: El robot R3, a pesar de ensamblar únicamente 1 de cada 5 placas, produce casi la mitad (47.6%) de todos los defectos encontrados en la fábrica, señalando la necesidad urgente de recalibrar su brazo mecánico.

Solución:

Datos:

• \( P(S) = 0.30 \), \( P(L) = 0.70 \)
• \( P(W|S) = 0.80 \), \( P(W|L) = 0.05 \) donde \( W = \text{"DESCUENTO"} \)

Fórmula:

\[ P(S|W) = \frac{P(S) P(W|S)}{P(S) P(W|S) + P(L) P(W|L)} \]

Sustitución y Operaciones:

Calculamos la probabilidad total de que un correo contenga la palabra clave:

\[ P(W) = (0.30)(0.80) + (0.70)(0.05) = 0.240 + 0.035 = 0.275 \]

Aplicamos Bayes:

\[ P(S|W) = \frac{0.240}{0.275} = \frac{240}{275} = \frac{48}{55} \approx 0.8727 \]

Resultado:

\[ P(S|W) = \frac{48}{55} \approx 87.27\% \]

Interpretación Probabilística: Al detectar la palabra clave, el filtro eleva su estimación de que el mensaje sea spam de un 30% inicial a más del 87%, decidiendo enviarlo a la carpeta de correo no deseado.

Solución:

Datos:

• \( P(F) = 0.001 \), \( P(\bar{F}) = 0.999 \)
• \( P(A|F) = 0.99 \), \( P(A|\bar{F}) = 0.01 \)

Fórmula:

\[ P(F|A) = \frac{P(F) P(A|F)}{P(F) P(A|F) + P(\bar{F}) P(A|\bar{F})} \]

Sustitución y Operaciones:

Calculamos la probabilidad total de que suene la alarma \( P(A) \):

\[ P(A) = (0.001)(0.99) + (0.999)(0.01) = 0.00099 + 0.00999 = 0.01098 \]

Calculamos \( P(F|A) \):

\[ P(F|A) = \frac{0.00099}{0.01098} = \frac{99}{1098} \approx 0.09016 \]

Resultado:

\[ P(F|A) \approx 9.02\% \]

Interpretación Probabilística: Aproximadamente el 91% de las veces que suena la campana de alarma se trata de una falsa alarma generada por vapor de cocina o polvo, debido a la gran rareza de los incendios reales.

Solución:

Datos:

• A priori: \( P(C_1) = P(C_2) = P(C_3) = 1/3 \) donde \( C_i \) significa que el auto está en la puerta \( i \).
• El presentador Monty conoce dónde está el auto y nunca revela el coche ni la puerta elegida por el jugador:
• Si el auto está en \( C_1 \), Monty puede abrir \( P_2 \) o \( P_3 \) al azar: \( P(M_3|C_1) = 1/2 \).
• Si el auto está en \( C_2 \), Monty está obligado a abrir \( P_3 \): \( P(M_3|C_2) = 1 \).
• Si el auto está en \( C_3 \), Monty no puede abrirla: \( P(M_3|C_3) = 0 \).

Fórmula:

\[ P(C_2|M_3) = \frac{P(C_2) P(M_3|C_2)}{P(C_1)P(M_3|C_1) + P(C_2)P(M_3|C_2) + P(C_3)P(M_3|C_3)} \]

Sustitución y Operaciones:

Calculamos la probabilidad total de que Monty abra la puerta 3:

\[ P(M_3) = \left(\frac{1}{3}\right)\left(\frac{1}{2}\right) + \left(\frac{1}{3}\right)(1) + \left(\frac{1}{3}\right)(0) = \frac{1}{6} + \frac{1}{3} = \frac{1}{2} \]

Calculamos la probabilidad posterior para la puerta 2:

\[ P(C_2|M_3) = \frac{(1/3)(1)}{1/2} = \frac{1/3}{1/2} = \frac{2}{3} \approx 0.6667 \]

Calculamos la probabilidad de quedarse en la puerta 1:

\[ P(C_1|M_3) = \frac{(1/3)(1/2)}{1/2} = \frac{1/6}{1/2} = \frac{1}{3} \approx 0.3333 \]

Resultado:

\[ P(C_2|M_3) = \frac{2}{3} \approx 66.67\%, \quad P(C_1|M_3) = \frac{1}{3} \approx 33.33\% \]

Interpretación Probabilística: Cambiar de puerta duplica exactamente la probabilidad de ganar el auto (sube de 1/3 a 2/3), ya que la acción de Monty traslada toda la incertidumbre residual a la puerta no elegida.

Solución:

Datos:

• A priori: \( P(X=0) = 0.65 \), \( P(X=1) = 0.35 \)
• Probabilidades del canal: \( P(Y=1|X=1) = 1 - 0.04 = 0.96 \), \( P(Y=1|X=0) = 0.04 \)

Fórmula:

\[ P(X=1|Y=1) = \frac{P(X=1) P(Y=1|X=1)}{P(X=0)P(Y=1|X=0) + P(X=1)P(Y=1|X=1)} \]

Sustitución y Operaciones:

Calculamos las ramas:

\[ P(X=1 \cap Y=1) = (0.35)(0.96) = 0.3360 \]

\[ P(X=0 \cap Y=1) = (0.65)(0.04) = 0.0260 \]

Probabilidad total de recibir un '1':

\[ P(Y=1) = 0.3360 + 0.0260 = 0.3620 \]

Calculamos la probabilidad posterior de emisión correcta:

\[ P(X=1|Y=1) = \frac{0.3360}{0.3620} = \frac{336}{362} = \frac{168}{181} \approx 0.9282 \]

Resultado:

\[ P(X=1|Y=1) = \frac{168}{181} \approx 92.82\% \]

Interpretación Probabilística: Aunque el canal tiene solo 4% de error, la probabilidad a posteriori de que el bit recibido sea auténtico es de 92.82% debido al desbalance a priori entre ceros y unos emitidos.

Problemas Prácticos de Autoevaluación

Preguntas Frecuentes sobre el Teorema de Bayes

1. ¿Cuál es la diferencia fundamental entre P(A|B) y P(B|A)?
Representan condicionalidades completamente opuestas. Por ejemplo, si \( A \) es "tener gripe" y \( B \) es "tener fiebre", \( P(B|A) \) es la probabilidad de tener fiebre dado que tienes gripe (muy alta, tal vez 90%), mientras que \( P(A|B) \) es la probabilidad de que tu fiebre se deba específicamente a la gripe y no a una infección bacteriana, insolación o neumonía (mucho menor, quizá 20%). Confundirlas se conoce como la falacia del condicional transpuesto.

2. ¿Qué es la inferencia bayesiana en inteligencia artificial y ciencia de datos?
Es el marco conceptual donde los parámetros de un modelo estadístico o red neuronal se tratan como variables aleatorias con distribuciones de probabilidad. El algoritmo comienza con creencias previas (priors) y, a medida que ingiere millones de datos de entrenamiento, actualiza continuamente su matriz de pesos para mejorar sus predicciones sobre nuevos datos.

3. ¿Por qué una tabla de contingencia 2x2 ayuda tanto a entender Bayes?
Porque en lugar de operar con porcentajes abstractos que engañan a la mente humana, traduce el problema a frecuencias naturales concretas (por ejemplo, 10,000 personas). Esto permite visualizar de inmediato cuántos individuos son verdaderos positivos frente a los falsos positivos dividiendo dos números enteros sin fórmulas intimidantes.