El teorema de Bayes para mejorar tu forecast

El uso del teorema de Bayes permite mejorar la predicción gracias al uso de la probabilidad a priori que permite tener en cuenta el panorama genera. Este método se puede utilizar en muchos en muchas predicciones, incluso la de descubrir engaños (desde el ejemplo de Nate Silver en “The Signal and the Noise“).

El autor presenta un ejemplo en el que una mujer que vive con una pareja encuentra unas bragas en su cajón que no es de ella. La mujer puede llegar a la conclusión de que su pareja la está engañando. Pero si usas el teorema de Bayes, la respuesta será muy diferente. En primer lugar, se define la probabilidad a priori, es decir la probabilidad de que la pareja la engañe en general (sin tener en cuenta las bragas). Entonces tienes el nuevo evento: ella ha encontrado unas bragas. Ahora tienes que definir la probabilidad de que ella encuentre las bragas en caso de que la pareja realmente la esté engañando y la probabilidad en caso de que no la esté engañando. Con esto, puedes aplicar la fórmula y descubrirás que la probabilidad de que la pareja la engañe es de sólo el 29%. Esta se llama probabilidad a posteriori. Observa que la probabilidad previa es fundamental para definir la probabilidad posterior. De hecho, cuando la probabilidad previa es baja, tendemos a cometer el error de falsos – positivos (la está engañando) ya que damos demasiado peso al nuevo evento (encontrar las bragas). Esta tendencia puede ser explotada por ejemplo en el juego, cuando las personas o casas de apuestas ponen demasiado peso en los acontecimientos recientes y se olvidan de las probabilidades anteriores.