Publication:
Acerca de la enseñanza del Teorema de Bayes

Thumbnail Image
Files

Files

Acerca de la enseñanza del Teorema de Bayes.pdf (1.3 MB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Rondón Troncoso, Hermilda Susana
Ladino Gaspar, Luis
Orduz Camacho, Patricia
Abstract (Spanish)
En la mayoría de los textos de probabilidad para estudiantes de pregrado, los ejercicios sobre el Teorema de Bayes se resuelven aplicándolo directamente. Esta forma árida de presentar el tema lo hace difícil de comprender y poco atractivo y, en lugar de captar el interés de los estudiantes, se logra una desmotivación. Como consecuencia no habrá preocupación por conocer más de lo que puede ofrecer este teorema en la solución de problemas de la vida real. El objetivo de este artículo es presentar una forma alternativa y efectiva para introducir el teorema de Bayes. Para ello, se comienza usando los diagramas de árbol, que generan de manera natural el teorema de Bayes. Adicionalmente, mediante el uso de las tablas de doble entrada el estudiante puede verificar inmediatamente la respuesta al problema, por cuanto se generan los mismos resultados. A modo de ilustración de la metodología propuesta, se soluciona el problema de determinar la probabilidad de que una persona contagiada del virus del SIDA lo haya adquirido de una de las siguientes tres posibles formas: transmisión sexual, transfusiones de sangre y uso de jeringas en drogas, cuando se conocen las respectivas probabilidades de contagio. Finalmente, los resultados de esta metodología mostraron un gran impacto positivo en la respuesta de los estudiantes, por cuanto desarrollaron mayor habilidad, interés y motivación en el tema. Además, se logró introducir el primer paso hacia el aprendizaje de los árboles de decisión, que son una aplicación del Teorema de Bayes.
Abstract (English)
In most probability texts for undergraduates, exercises on Bayes theorem are solved by applying directly. This arid way of presenting the subject makes unatractive and difficult to understand, and instead of capturing the interest of the students, a lack of motivation is the result. As a result there will be no interest on knowing what this theorem can offer in solving real life problems. The aim of this paper is to present an alternative and effective way to introduce Bayes theorem. To this end, we first use tree diagrams, which naturally generate Bayes theorem. Additionally, through the use of two-way tables the student can immediately verify the answer to the problem, since the same results are generated. To illustrate the proposed methodology, we solve the problem of determining the probability that a person infected with AIDS got the virus through one of three possible ways: sexual transmission, blood transfusions or needles in drug use, when the respective infection probabilities are known. Finally, the results of this methodology showed a positive impact on student response, because they developed greater ability, interest and motivation in the subject. Furthermore, it was possible to introduce the first step towards learning decision trees, which are an application of Bayes’ Theorem.
Extent
16 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/2457
Collections

Collections

AP - Innovación Docente e Investigación Educativa – INNOVAD-IE
References

Anderson, S. W. (2008). Estadística para administración y economía. CENGAGE Learning.

Freund, J. E & Simon, G. A. (1992). Estadística elemental. Prentice Hall.

Devore, J. L. (2012). Probabilidad y estadística para ingeniería y ciencias. CENGAGE Learnig.

García. (2012). Cómo realizar un árbol de decisión en WinQSB. [Video]. Disponible en: https://www.youtube.com/watch?v=zyWrC0v0jtw

Kazmier, L. (1993). Estadística aplicada a la administración y a la economía. McGraw Hill.

Levin, R. R. (1996). Estadística para administradores Schaum. Prentice Hall.

Lind, D. M., William, M. & Robert, D. M. (2004). Estadística para administración y economía. Alfaomega.

Mendenhall, W., Robert, j. B. & Barbara, M. B. (2010). Introducción a la probabilidad estadística. CENGAGE Learnig.

Montgomery, R. (2004). Probabilidad y estadística aplicada a la ingeniería. Limusa Wiley.

Mora, C. (2007). Latin American journal of physics education. Vol. 1, No. 1, recuperado el 15 de enero de 2014 de www.journal.lapen.org.mx

Morales, V. D. (2008). Clasificadores bayesianos en la selección embrionaria en tratamientos de reproducción asistida. Tesis doctoral. Departamento de Ciencias de la Computación e Inteligencia Artificial. Del país vasco. Donostia. Recuperado el 29 de diciembre de 2013 de: http://www.sc.ehu.es/ccwbayes/members/dinora/archivos/tesisDinora.pdf

Navidi, W. (2006). Estadística para ingenieros y científicos. Mc Graw Hill.

Nieves, A. D. & Federico, C. D. (2010). Probabilidad y estadística para ingeniería un enfoque moderno. Mc Graw Hill.

Quiñones, F. (2010). Diagnóstico de cáncer de mama mediante redes bayesianas. Recuperado el 29 de diciembre del 2013 de: http://fdquinones.wordpress. com/2010/06/01/diagnostico-de-cancer-de-mamamediante-redes-bayesianas/

Sánchez, D.; Miranda, M. y Cerda, L. (2004). Reglas de asociación aplicadas a la detección de fraude con tarjetas de crédito. XII Congreso Español sobre Tecnologías y Lógica Fuzzy.

Seymour, L. (1991). Probabilidad. Schaum. Mc Graw Hill.

Silva, L.C., Muñoz, V. (2007). XVII Reunión Científica SEE. Santiago de Compostela. Debate sobre métodos frecuentistas vs bayesianos. Recuperado en diciembre 15 de 2013 de http://lcsilva.sbhac.net/Debate%20frec-bayes.pdf

Sheldon, M. R. (2000). Prbabilidad y estadística para ingenieros. Mc Graw Hill.

Sucar, L.E. (2003). Redes bayesianas: principios y aplicaciones. Puebla. Recuperado el 15 de abril de 2014 de http://ccc.inaoep.mx/~esucar/Clasesmgp/caprb.pdf.

Walpole, R., Myers, R., & Myers, S. (2012). Probabilidad y estadística para ingeniería y ciencias. Pearson Education.