Anda di halaman 1dari 5

TEOREMA DE BAYES EN LA TOMA DE DECISIONES

yemmy perez valverde

No es mucho lo que se sabe de la vida del reverendo Thomas Bayes, naci en 1702 y falleci

en 1761 en Inglaterra , este ministro presbiteriano y matemtico, dedico su vida a estudiar las

causas de los hechos, no lleg a hacer pblicos sus principales trabajos en vida.

probablemente, nunca lleg a ser consciente de la importancia que iba a tener su teorema. (1)

En esos aos Bayes publico una memoria en la que aparece, por primera vez, la

determinacin de la probabilidad de las causas a partir de los efectos que han podido ser

observados, Al calculo de dichas probabilidades se le puso el nombre de teorema de Bayes.

El teorema de Bayes es un resultado enunciado por Thomas Bayes en el que expresa la

probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de

probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de

solo A.

El origen del concepto de la obtencin de probabilidades posteriores con informacin

limitada se atribute a Thomas Bayes. la formula bsica para la probabilidad condicional en

circunstancias de dependencia se conoce como : (2)

p (A|B) = p (BA)/p(A)

En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme

relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A.

Este teorema es conocido tambin como el teorema de las causas, este mtodo es utilizado

para obtener diversos resultados por ejemplo, en el rea financiera, la salud, en el campo de la

ingeniera.
El teorema de Bayes ofrece un potente mtodo estadstico para evaluar nueva informacin y

revisar estimaciones que se expresaron con anterioridad basadas en limitada informacin de

probabilidad en donde los datos se encuentran en un solo, cantidades de datos en un lapso

amplio de tiempo con el fin de tomar mejores decisiones basadas en probabilidad.

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. sin

embargo, hay una controversia sobre el tipo de probabilidades que emplea. en ciertas

condiciones, los partidarios de la estadstica tradicional solo admiten probabilidades basadas

en experimentos repetibles y que tengan una confirmacin emprica mientras que los

llamados estadsticos bayesianos permiten probabilidades subjetivas.

El teorema puede ser adecuado para indicar como debemos modificar nuestras probabilidades

subjetivas cuando se recibe informacin adicional de un experimento.

El mejor tratamiento que se le ha podido dar al manejo de la incertidumbre es la probabilidad,

y dentro de la informtica es notable el uso del Teorema de Bayes como herramienta

principal para la definicin de hiptesis resultantes del manejo de inferencias dentro del

marco del manejo de informacin probabilstica.

El teorema es de gran utilidad por que utiliza modos de decisin y modos de utilidad; los

cuales permiten resolver problemas de toma de decisiones. Para gestionarla de forma

adecuada es necesario procesar y descifrar grandes cantidades de datos, tal que sea posible

extraer el conocimiento necesario para una adecuada toma de decisiones. (3)

En la actualidad hay proyectos que permiten medir el grado de incertidumbre de las

relaciones de dependencia de entre las variables, un ejemplo que se puede consultar para este

caso es la red bayesiana para la concesin de crditos bancarios capaz de aprender a partir de

las fuentes de datos sobre prestamos bancarios.

La toma de decisiones es tratada como un proceso de optimizacin en donde se recomienda la

mejor alternativa que optimice la utilidad esperada, dadas las observaciones de los factores
externos y preferencias que haga la toma de decisiones. En el proceso de creacin de

programas informticos para la toma de decisiones, es importante definir el problema

teniendo claras todas las caractersticas del conflicto, tal que, posteriormente sea posible

recolectar los datos que sern las variables fundamentales en el desarrollo del proyecto y se

plantee un modelo

es por eso que se crean las redes bayesianas, que representan la incertidumbre con

probabilidades, ofreciendo una idea de que tan fuertemente puede ocurrir un evento, usando

la comparacin como medio de informacin sobre posibles consecuencias de una situacin.

La capacidad del proceso creacin de las redes bayesianas apunta su aplicacin a tcticas de

toma de decisiones estratgicas. Utilizando la estructura bayesiana para la optimizacin de

problemas, los expertos trabajan como un grupo de toma de decisiones ofreciendo diferentes

opiniones sobre la misma situacin; esto permite tener diferentes soluciones para que permita

identificar variables y las relaciones entre ellas en el modelo y la cuantificacin de los

grficos con probabilidades numricas.

Debido a las limitaciones de probabilidad para la inferencia de una red bayesiana, usualmente

no es posible evitar contradicciones entre las diferentes soluciones de los expertos en la toma

de decisiones en grupo; ya que se necesita identificar un conjunto de alternativas en el que

grupo de expertos tienen opiniones que consideran el problema segn el orden de

preferencias.

La ecuacin matemtica para la elaboracin de la red bayesiana se obtiene sobre la base de

los conocimientos obtenidos a partir de la decisin final del grupo de expertos, teniendo en

cuenta el conjunto de parmetros, de acuerdo con la distribucin de variables.

Asi como se usa el teorema en el campo de la informtica se usa en la medicina, esta como

es una disciplina compleja que mezcla el humanismo, la lgica, el conocimiento de

evidencias, el conocimiento transmitido de colegas y maestros, as como la propia


experiencia y el juicio clnico. Los mdicos son tan buenos o malos como las decisiones que

toman. (4)

Las decisiones mdicas derivan del razonamiento clnico que se construye con los bloques de

informacin tradicionales: el interrogatorio, la exploracin fsica y los estudios auxiliares,

conjuntados con el conocimiento del mdico.

El clculo de la probabilidad post-prueba recibe el nombre de teorema de Bayes y es un buen

modelo de cmo se procede en la clnica, toda vez que la informacin previa va modificando

las probabilidades de los diagnsticos, haciendo ms o menos verosmiles nuestras hiptesis.

En otras palabras, el teorema de Bayes nos proporciona la herramienta matemtica para

calcular cmo una prueba diagnstica cambia la probabilidad pre-prueba a un nuevo valor

post-prueba.

el uso del Teorema de Bayes es vlido en todas las aplicaciones de la teora de la

probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea.

En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas

en experimentos repetibles y que tengan una confirmacin emprica mientras que los

llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir

entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando

recibimos informacin adicional de un experimento. La estadstica bayesiana est

demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori

y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que

est abriendo nuevas formas de hacer conocimiento.


BIBLIOGRAFIA:

1.- M.L. BERENSON.(1992). Estadisticas para Administracion y Economia, Conceptos y

Obligaciones, McGraw Hill, .

2.- SILVA LC, BENAVIDES A. (2001). El enfoque bayesiano: otra manera de inferir. Gac

Sanit.

3.- BASEL COMITE ON BANKING SUPERVISION. (2001).Sound Practices for the

Management and Supervision of Operational Risk. (Publication numero. 86).

4.- Mark DB. (2005). Decision-making in clinical medicine. In: Kapser DL, Braunwald E,

Fauci AS, et al., Eds. Harrisons Principles of Internal Medicine.16th. Ed. New York;6-13

Anda mungkin juga menyukai