L04 — Bayes intro para decisiones de producto

~5 h · Semana 1

Aplicas el teorema de Bayes en un mini escenario (spam, fraude o diagnóstico de bug) y cierras la semana 1 con evidencia P1 casi lista.

Objetivo

Calcular un posterior P(causa|evidencia) con números concretos y explicar por qué el prior importa en alertas de monitoring.

Teorema (recordatorio)

[ P(H|E) = \frac{P(E|H),P(H)}{P(E)} ]

En código suele ser más claro con una tabla o con conteos.

Pasos

1. Ejemplo numérico clásico (40 min)

Prior P(spam) = 0.4. Si es spam, P(palabra “gratis”|spam) = 0.8; si no, 0.1. Calcula P(spam|“gratis”) con Bayes. Haz el mismo cálculo en una hoja antes de codear.

2. src/bayes-spam.ts (60 min)

export function bayes(
  pH: number,
  pEH: number,
  pENotH: number,
): number {
  const pE = pEH * pH + pENotH * (1 - pH);
  if (pE === 0) return NaN;
  return (pEH * pH) / pE;
}

Exporta el ejemplo numérico como test o console.assert aproximado.

3. Traducción a producto (45 min)

notas/bayes-producto.md:

# Bayes en alertas

## Escenario
Alerta de error 500: prior de incidente real, tasa de falsos positivos del umbral.

## Posterior después de 3 alertas seguidas
-

## Decisión
¿Silenciar, escalar o investigar? (1 párrafo, sin ML)

4. Cierre P1 (30 min)

Revisa checklist P1 en projects/m04-stats/README.md:

• Moneda 10k ✓ (L01)
• Otro experimento (dado o Bayes) ✓
• Conclusión escrita ✓

Si falta algo, complétalo antes de marcar P1 en la UI (interfaz de usuario).

5. Lectura (50 min)

Walpole: teorema de Bayes y ejercicios cortos (2–3).

6. Commit

git commit -am "feat(m04): Bayes intro y cierre semana 1"

Lectura de esta lección

Fuente	Foco
Walpole	Cap. 2 — Bayes
OpenStax	Ch. 3 — Bayes’ theorem
Catálogo	Bibliografía · M04

Hecho cuando

1. bayes-spam.ts implementa bayes y un ejemplo numérico verificado.
2. Nota con escenario de alertas y decisión.
3. Evidencia P1 revisada (moneda + segundo experimento + texto).
4. Commit.

Errores comunes

• Ignorar el prior cuando la evidencia es rara pero dramática.
• Marcar P1 sin 10_000 lanzamientos documentados.

Siguiente

L05 — Variables aleatorias y Bernoulli