Product Design, Manufacturing & Innovation Resources
Hogar » Teorema de Bayes

Teorema de Bayes

1763-12-23
  • Thomas Bayes
  • Pierre-Simon Laplace
Historical study room with mathematician calculating Bayes' theorem.

(Imagen generada únicamente con fines ilustrativos)

Bayes’ theorem describes the probability of an event based on prior knowledge of conditions that might be related to the event. It is a fundamental concept in probability theory and statistics. Mathematically, it is stated as [latex]P(A|B) = \frac{P(B|A)P(A)}{P(B)}[/latex], where A and B are events and [latex]P(B) \neq 0[/latex]. It relates the conditional and marginal probabilities of two random events.

Bayes’ Theorem provides a mathematical way to update existing beliefs with new evidence. In the formula [latex]P(A|B) = \frac{P(B|A)P(A)}{P(B)}[/latex], [latex]P(A|B)[/latex] is the posterior probability: the probability of hypothesis A given the evidence B. [latex]P(B|A)[/latex] is the likelihood: the probability of observing evidence B if hypothesis A is true. [latex]P(A)[/latex] is the prior probability: the initial belief in hypothesis A before seeing evidence B. Finally, [latex]P(B)[/latex] is the marginal likelihood or evidence: the total probability of observing the evidence B under all possible hypotheses. This term serves as a normalization constant, ensuring the posterior probabilities sum to one.

El teorema fue presentado por primera vez en el ensayo de Thomas Bayes, «Un ensayo para resolver un problema en la doctrina de las probabilidades», que fue leído ante la Royal Society en 1763 después de su muerte. Sin embargo, fue Pierre-Simon Laplace Quienes desarrollaron y popularizaron de forma independiente el teorema, aplicándolo a problemas de mecánica celeste, estadística médica y jurisprudencia. La novedad del teorema radicaba en la formalización de la probabilidad inversa: el razonamiento que va de los efectos a sus causas. Mientras que la estadística clásica (frecuentista) se centra en la probabilidad de los datos dada una hipótesis, la estadística bayesiana se centra en la probabilidad de la hipótesis dados los datos, lo que suele ser una respuesta más intuitiva y directa a las preguntas científicas.

UNESCO Nomenclature: 1208
- Estadísticas

Tipo

Sistema abstracto

Ruptura

Revolucionario

Uso

Uso generalizado

Precursores

  • Teoría general de la probabilidad (desarrollada por Pascal, Fermat, Bernoulli)
  • Concepto de probabilidad condicional
  • Trabajos sobre problemas de probabilidad inversa realizados por matemáticos anteriores

Aplicaciones

  • Filtrado de spam en clientes de correo electrónico
  • Pruebas de diagnóstico médico
  • Algoritmos de aprendizaje automático (por ejemplo, clasificadores Naive Bayes)
  • Operaciones de búsqueda y rescate
  • Modelado ecológico
  • Predicción del mercado financiero

Patentes:

NA

Ideas para posibles innovaciones

  • Medicina genómica personalizada basada en la actualización del riesgo de enfermedad con marcadores genéticos
  • Sistemas de control de tráfico adaptativos en tiempo real que actualizan la sincronización de las señales en función del flujo de tráfico en vivo
  • Plataformas automatizadas de descubrimiento científico que formulan y prueban hipótesis basadas en datos experimentales
  • Modelos dinámicos de precios de seguros que ajustan las primas en función de datos de comportamiento en tiempo real
  • AI-driven legal assistants that assess the probability of a case’s success based on precedent and evidence
  • Modelos climáticos avanzados que actualizan las predicciones a medida que hay nuevos datos satelitales y de sensores disponibles
  • Sistemas de mantenimiento predictivo para maquinaria compleja que actualizan las probabilidades de falla con lecturas de sensores
  • Bots comerciales algorítmicos que actualizan las predicciones del mercado en función de las noticias y los movimientos de precios.
  • Sistemas domésticos inteligentes que aprenden y predicen el comportamiento de los ocupantes para optimizar el uso de energía
  • Mejorado procesamiento del lenguaje natural models that update their understanding of context based on conversational flow
Relacionado con: teorema de Bayes, probabilidad condicional, posterior, previa, verosimilitud, estadística bayesiana, probabilidad inversa, Thomas Bayes, Laplace, evidencia.

Contexto histórico

Teorema de Bayes

1650
1736
1750
1763-12-23
1780
1805
1822
1640
1650
1747
1758
1777
1799
1812
1822

(Si la fecha es desconocida o no es relevante, por ejemplo "mecánica de fluidos", se proporciona una estimación redondeada de su aparición notable)

décimo año aniversario

Las imágenes en tamaño completo y las descargas solo están disponibles, de forma totalmente gratuita, para los miembros registrados.

> Acceso <