PRESENTADO POR
CARLA BOLENA SUAREZ
LUZ KARIME CASTILLO
VICTOR ALFONSO ORTEGA ROJAS
CAROLINA OBANDO
GRUPO: 100402A_291
PRESENTADO A
EDWIN ORTIZ
Introduccin
Con el desarrollo de este trabajo se quiere comprender los principios de la
probabilidad conceptualizados y explicados en la unidad uno, en temas relacionados con
axiomas de probabilidad, probabilidad condicional y teorema de bayes, aplicando estos
temas y conceptos encontraremos un cuadro sinptico, al igual que los procedimientos de
una serie de casos con sus respectivas soluciones.
Objetivos
Objetivo general
Aplicar los temas vistos en la unidad uno en los casos de estudio del trabajo colaborativo
nmero 1.
Objetivos especficos
Resumen
Cuadro sinptico
La probabilidad busca
establecer cuantitativamente
la posibilidad de que ocurra un
acontecimiento determinado.
Existen tres (3) formas de
establecer las probabilidades:
CONTEO: El
principio fundamental en
el proceso de contar ofrece
un mtodo general para
contar el nmero de posibles
arreglos de objetos dentro
de un solo conjunto o entre
varios conjuntos. Las
tcnicas de conteo son
aquellas que son usadas
para enumerar eventos
difciles
dede
cuantificar.
Teorema
Bayes. Es el
procedimiento que se utiliza para
encontrar resultados, con base en
resultados previos. El teorema de
Bayes consiste en un mtodo para
encontrar la probabilidad de una
causa especfica cuando se
observa un efecto particular
probabilidad
LEYES DE LA
PROBABILIDAD
Ley de nmeros
grandes.
Ley de sustraccin
Ley de la
multiplicacin
La
Probabilidad
Clsica:
cuando todos
los
resultados
posibles que
se
consideran
igualmente
probables.
Relativa o
probabilidad
emprica: se
refiere a la
estimacin
con base en
un nmero
de
experimentos
repetidos en
las mismas
condiciones.
El enfoque
subjetivo:
basado en
situaciones
especiales,
en las cuales
no es posible
repetir el
experimento
y slo usa un
grado de
ESTUDIO DE CASO 1
En una universidad de Bogot se realiz un informe sobre el rendimiento acadmico
de los estudiantes que cursaron asignaturas en el rea de matemticas en el periodo 2015 -
I. Los resultados obtenidos muestran el rendimiento por curso, por programa, y por
profesor.
Datos: La base de datos incluye la compilacin de la informacin reportada por los
docentes del rea, incluye 2755 registros de estudiantes inscritos en alguna de las
asignaturas ofrecidas por el rea. Los profesores reportaron la valoracin (notas) de cada
corte, y con ellas se hizo seguimiento durante el semestre.
APROB: Estudiantes que finalizaron el curso con una nota superior o igual a 3.0.
REPROB: Estudiantes que finalizaron el curso con una nota inferior a 3.0 sin contar a
quienes ya perdieron por fallas, o fueron reportados por cancelacin de semestre.
CANCELO O PERDIO POR FALLAS: Estudiantes que perdieron por fallas, o fueron
reportados por cancelacin de semestre
Curso
Aprob
Reprob
Cancelo o perdi
Total
por fallas
Algebra lineal
178
10
30
218
Anlisis numrico
146
15
21
182
Clculo infinitesimal
252
37
39
328
Calculo integral
56
15
79
Clculo multivariado
244
49
64
357
Calculo negocios
226
44
61
331
47
40
265
Estadstica bsica
33
11
53
Estadstica inferencial
269
70
98
437
Matemticas avanzadas
199
53
73
325
Matemticas discretas
44
13
23
80
Precalculo
42
24
17
83
Probabilidad
17
TOTAL
1873
389
493
2755
Cancelo o perdi
Programa
Aprob
Reprob
Administracin
ambiental
146
15
21
182
Admn. empresas
295
44
41
380
Arquitectura
297
53
71
421
Contadura
99
23
19
141
Economa
99
19
24
142
Ing Mecatrnica
515
118
154
787
Ing. Civil
88
20
27
135
Ing. Financiera
83
29
22
134
Ing. Sistemas
127
26
53
206
Ing.
32
Telecomunicaciones
15
56
Negocios
Internacionales
69
21
33
123
Psicologa
23
12
13
48
Total
1873
389
493
2755
Reprob
Total
por fallas
Cancelo o perdi
Profesor
Aprob
Csar r.
52
53
Claudia v.
31
36
Diana m.
97
18
119
Ernesto s.
166
17
21
204
Diego v.
36
45
Eduardo m.
154
17
26
197
Enrique p
118
25
13
156
Fernando m.
125
21
21
167
Gloria a.
151
32
20
203
por fallas
Total
Jairo a.
116
19
26
161
Javier b.
98
10
29
137
Jos c.
49
16
74
Luz p.
142
23
44
209
Marcela f.
60
19
21
100
Mara a.
93
27
37
157
Mario g
90
16
46
152
Mercedes s.
60
15
27
102
Oscar n.
111
48
45
204
Patricia m.
37
14
22
73
Ricardo o.
57
31
46
134
Sandra m.
30
37
72
Total
1873
389
493
2755
Con el propsito de evaluar el resultado acadmico en los cursos del rea de matemticas, a
usted le han llamado para que ayude en el anlisis de datos. Utilice su conocimiento de la
probabilidad para ayudar a realizar el informe solicitado.
Solucin
Prepare un informe en el que debe incluir como mnimo lo siguiente:
1. La probabilidad de que un estudiante apruebe un curso del rea de matemticas
P = Total estudiantes que aprobaron matemticas
N = Total estudiantes que cursaron matemticas
P/N
*100
Csar r.
52
53
0,98113208 98,11%
Claudia v.
31
36
0,86111111 86,11%
Diana m.
97
119
0,81512605 81,51%
Ernesto s.
166
204
0,81372549 81,37%
Diego v.
36
45
0,8
Eduardo m.
154
197
0,78172589 78,17%
Enrique p
118
156
0,75641026 75,64%
Fernando m.
125
167
0,74850299 74,85%
Gloria a.
151
203
0,74384236 74,38%
Jairo a.
116
161
0,72049689 72,05%
Javier b.
98
137
0,71532847 71,53%
80,00%
Jos c.
49
74
0,66216216 66,22%
Luz p.
142
209
0,67942584 67,94%
Marcela f.
60
100
0,6
Mara a .
93
157
0,59235669 59,24%
Mario g
90
152
0,59210526 59,21%
Mercedes s.
60
102
0,58823529 58,82%
Oscar n.
111
204
0,54411765 54,41%
Patricia m.
37
73
0,50684932 50,68%
Ricardo o.
57
134
0,42537313 42,54%
Sandra m.
30
72
0,41666667 41,67%
60,00%
4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno de los
cursos del rea.
P/N
Algebra lineal
178
218
0,81651376 81,65%
Anlisis numrico
146
182
0,8021978
Clculo infinitesimal
252
328
0,76829268 76,83%
Calculo integral
56
79
0,70886076 70,89%
Clculo multivariado
244
357
0,68347339 68,35%
Calculo negocios
226
331
0,68277946 68,28%
Ecuaciones
diferenciales
178
Estadstica bsica
33
53
0,62264151 62,26%
Estadstica inferencial
269
437
0,61556064 61,56%
265
0,67169811
*100
80,22%
67,17%
10
325
0,61230769 61,23%
Matemticas discretas
44
80
0,55
55,00%
Precalculo
42
83
0,5060241
50,60%
Probabilidad
17
0,35294118 35,29%
5. Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin.
Los cursos se clasificarn de acuerdo al porcentaje de probabilidad de aprobacin: Alto,
Medio, Aceptable y Bajo. De esta forma podr identificar en qu nivel de aprobacin se
encuentran la mayora de los cursos
Alto son los cursos que tienen un nivel de aprobacin entre el 80% y el 100%
Medio son los cursos que tienen un nivel de aprobacin entre el 60% y el 79%
Aceptable son los cursos que tienen un nivel de aprobacin entre el 30 % y el 59%
Bajo son los cursos que tienen un nivel de aprobacin entre el 10% y el 2
Curso
Porcentaje
Algebra lineal
82
Anlisis numrico
80
Clculo infinitesimal
77
Calculo integral
71
Clculo multivariado
68
Calculo negocios
68
Ecuaciones diferenciales
67
Estadstica bsica
62
Estadstica inferencial
62
Matemticas avanzadas
61
Matemticas discretas
55
Precalculo
51
11
Probabilidad
35
Alto son los cursos que tienen un nivel de aprobacin entre el 80% y el 100%
Medio son los cursos que tienen un nivel de aprobacin entre el 60% y el 79%
Aceptable son los cursos que tienen un nivel de aprobacin entre el 30 % y el 59%
Bajo son los cursos que tienen un nivel de aprobacin entre el 10% y el 29%
Profesor
Porcentaje
Csar r.
98
Claudia v.
86
Diana m.
82
Ernesto s.
81
Diego v.
80
Eduardo m.
78
Enrique p
76
12
Fernando m.
75
Gloria a.
74
Jairo a.
72
Javier b.
72
Jos c.
66
Luz p.
68
Marcela f.
60
Mara a .
59
Mario g
59
Mercedes s.
59
Oscar n.
54
Patricia m.
51
Ricardo o.
43
Sandra m.
42
ESTUDIO DE CASO 2
Con frecuencia es necesario hallar la probabilidad incondicional de un evento B, dado que
un evento A ha ocurrido. Una de estas situaciones ocurre al hacer exmenes de seleccin,
que solan estar asociados principalmente con exmenes mdicos de diagnstico pero que
ahora estn encontrando aplicaciones en varios campos de actividad. Los exmenes de
esteroides en atletas, los exmenes caseros de embarazo y los exmenes para detectar sida
son algunas otras aplicaciones. Los exmenes de seleccin se evalan sobre la probabilidad
de un falso negativo o un falso positivo y stas dos son probabilidades condicionales. Un
falso positivo es el evento de que el examen sea positivo para una condicin determinada,
13
dado que la persona no tiene la condicin. Un falso negativo es el evento de que el examen
sea negativo para una condicin determinada, dado que la persona tiene la condicin.
Se pueden evaluar estas probabilidades condicionales usando una frmula derivada por el
probabilista Thomas Bayes, llamada el Teorema de Bayes. El teorema se utiliza para revisar
probabilidades previamente calculadas cuando se posee nueva informacin y fue
desarrollado por el reverendo Thomas Bayes en el siglo XVII.
Suponga que cierta enfermedad est presente en el 10% de la poblacin, y que hay un
examen de seleccin diseado para detectar si esta enfermedad est presente. El examen no
siempre funciona a la perfeccin. A veces, es negativo cuando la enfermedad est presente
y otras es positivo en ausencia de ella. La tabla siguiente muestra la proporcin en que el
examen produce varios resultados:
Resultado del examen positivo
Resultado del examen Negativo
Enfermedad presente 8 % 2 %
Enfermedad Ausente 5 % 85 %
Con base en esta informacin y usando el Teorema de Bayes, elabore un informe que como
mnimo, debe incluir:
1. Probabilidad de que la enfermedad este presente
2. Probabilidad de que la enfermedad est ausente
3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la
persona no tiene la enfermedad
4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la
persona tiene la enfermedad
5. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto positivo
6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resulto
negativo
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de
seleccin para detectar la enfermedad?
Solucin
1. Probabilidad que la enfermedad este presente
P (P)=0.08+0.02=0.1
14
= 0.05
0.9
= 0.056
P= probabilidad
Pos= positivo
A=ausente
El cual nos dice que es igual a la probabilidad de un falso positivo intersectado
con una enfermedad ausente, sobre la probabilidad ausente.
4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que
la persona tiene la enfermedad
P ( P)= P (P)
P (P)
= 0.02
0.3
=0.2
15
P (P)
= 0.08
=0.8
0.1
P (P| Pos)=0.80.1
0.13
= 0.6154
P ( A)= P(A)
P(A)
=0.85
=0.9444
0.9
7. De acuerdo con las probabilidades encontradas, que tan confiable es este
examen de seleccin para detectar la enfermedad?
Para determinar qu tan confiable puede ser un examen para poder detectar la
enfermedad, se puede evidenciar tanto en el ejercicio 5 donde dio positivo con
61,54% y el 6 donde dio negativo con 94,4%, donde claramente se podra decir
que el ejercicio seis nos dar un resultado ms confiable de que la persona no
tiene la enfermedad, pero es algo no tan 100% seguro.
Para el desarrollo de estos ejercicios emplee el teorema de bayes el cual nos dice;
parte de una situacin en la que es posible conocer las probabilidades de que
ocurran una serie de sucesos Ai.
A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin,
porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai que
haya ocurrido.
Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos
indica como modifica esta informacin las probabilidades de los sucesos Ai.
Estudio de Caso 3
16
17
Planteamiento
Ei
P (Ei) = 0,7980
E
P (E/Ei) = 0,9943
1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar su salto
con xito?
P (E1) = 0,7980
P (E1E2.E12) = (0,7980)12 = 0,0666
R/ La probabilidad de que uno de los 12 miembros del equipo, complete su salto con xito
es de 0,0666.
2. Si la probabilidad de que los 12 miembros del equipo tengan un salto exitoso es de
0.7980, cual es la probabilidad de que un solo miembro del equipo pueda completar el salto
con xito?
P(E1E2.E12) = (0,7980)
Si P (E1) = P (E2) = = P (E12)
E/Ei =
= 0,98137
R/ Como probabilidad de un miembro del equipo que puede completar el salto exitoso es de
0,98137
3. En el relato se afirma que: esa probabilidad de 0,7980 significaba que haba casi una
posibilidad entre cinco de que alguien se hiera seriamente en un salto. Concuerda usted
con esa afirmacin? Si o no. Por qu?
P(Ei) = 1 P(Ei) = 1 0,7980
= 0,2020
R/. El salto con xito est representado en aproximadamente el 80%, es decir que al dar un
resultado aplicando el axioma de 0,2020, o sea el 20%, indica que es la 5 parte de
miembros que pueden herirse seriamente en el salto. O sea que existe la probabilidad entre
5 miembros que 1 se lesione.
ESTUDIO DE CASO 4
18
Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al ao. En la gran
mayora de los casos presentados, la sentencia permanece como se present. Sin embargo,
algunos casos son apelados y en algunos de estos se revoca la sentencia. Una periodista del
diario Cincinnati Times realiz un estudio de los casos manejados por los jueces del
condado de Hamilton durante un periodo de tres aos En la siguiente tabla se muestran los
resultados de 182908 casos presentados a 38 jueces del Tribunal Penal, del Tribunal de
Familia y del Tribunal Civil. Dos de los jueces (Dinkelacker y Hogan) no trabajaron en el
mismo tribunal durante todo el periodo de tres aos.
El propsito del estudio es evaluar el desempeo de los jueces. Las apelaciones con
frecuencia son resultado de errores cometidos por los jueces y el diario quera saber cules
jueces estaban haciendo un buen trabajo y cules cometan demasiados errores. A usted le
han llamado para que ayude en el anlisis de datos. Utilice su conocimiento de la
probabilidad y la probabilidad condicional para ayudar a calificar a los jueces. Tal vez
pueda analizar la probabilidad de los casos que se apelaron y revocaron manejados en los
diferentes tribunales.
Prepare un informe con las calificaciones de los jueces. Incluya tambin un anlisis de la
probabilidad de la apelacin y la revocacin de casos en los tres tribunales. Como mnimo,
su informe debe incluir lo siguiente:
1. La probabilidad de casos que se apelan y revocan en los tres tribunales
19
Casos
Casos
presentados apelados
Casos
revocados
Pro a
apelar
Pro a
revocar
Revocar
dada una
apelacin
Mike allen
6149
43
0.006993
0.000651
0,093023
Nadien
allen
7812
34
0,004352
0,000768
0,176471
Timothy
black
7954
41
0,005155
0,000754
0,146341
43
0,005558
0,000646
0,116279
Lasile
isaiah
gaines
35
13
0,006626
0,002461
0,371429
0,001142
0,000000
0,000000
Deidra hair
2532
0,001975
0,000000
0,000000
Dennis
helmick
7900
29
0,003671
0,000633
0,172414
Timothy
hogan
2308
13
0,005633
0,000867
0,153846
James
Patrick
kenney
2798
0,002144
0,000357
0,166667
Joseph
luebbers
4968
25
0,005321
0,001703
0,320000
Willian
mayori
8277
38
0,004591
0,001087
0,236842
5282
20
Melba
marsh
8219
34
0,004137
0,000852
0,205882
Beth
mattingly
2971
13
0,004376
0,000337
0,076923
Albert
4975
mestemaker
28
0,005628
0,001809
0,321429
Mark
painter
2239
0,003126
0,001340
0,428571
Jack rosen
7790
41
13
0,005283
0,001669
0,317073
Mark
schweikert
5403
33
0,006108
0,001110
0,1818181
David
stockdale
5371
22
0,004096
0,000745
0,181818
John a.
west
2797
0,001430
0,000715
0,500000
total
108464
500
104
0,087326
0,018504
4,160827
2.
Juez
tribunal
panal
Casos
Casos
presentados apelados
Casos
revocados
Pro a
apelar
Pro a
revocar
Pro a
revocar
dada una
apelacion
Fred
cartolano
3037
137
12
0,045110
0,003951
0,087591
Tomas
crush
3372
119
10
0,035291
0,002966
0,084034
Patrick
1258
44
0,034976
0,006359
0,181818
Timothy
hogan
1954
60
0.030706
0,003582
0,116667
Roberth
kraft
3138
127
0,040472
0,002231
0,055118
Willian
matews
2264
91
18
0,040194
0,007951
0,197802
Norbert
2959
131
20
0,044272
0,006759
0,152672
21
nadel
Arthur ney 3219
125
14
0,038832
0,004349
0,112000
Richard
niehaus
3353
137
16
0,040859
0,004772
0,116778
Thomas
nurre
3000
121
0,040333
0,002000
0,049587
Jhon o
conor
2969
129
12
0,0494401
0,004042
0,093023
Robert
ruehlman
3205
145
18
0,045242
0,0056116
0,124138
Howard
955
60
10
0,062827
0,017471
0,166667
127
13
0,040433
0,004139
0,102362
Ralph
winkler
3089
88
0,028488
0,001942
0,068182
Willian
morrisew
3032
121
22
0,039908
0,007256
0,181818
total
43945
1762
199
0,651392
0,078386
1,890267
3.
Juez
tribunal
de familia
Casos
Casos
presentados apelados
Casos
revocados
Pro a
apelar
Pro a
revocar
Pro a
revocar
dada una
apelacion
Penelope
2229
0,002565
0,000366
0,142857
Patrick
6001
19
0,003166
0,000667
0,210526
Deborah
8799
48
0,005455
0,001023
0,187500
ronaldh
12970
32
0,002467
0,000231
0,093750
total
30499
106
17
0,013654
0,002287
0,634633
4. Y 5.
John west
2797
0,0143
0,000715
0,5
22
j. horward
j. horward
William morrissey
Robert rusehiman
Ronald panioto
955
60
955
60
3032
10
0,062827 0,010471
0,166667
10
0,062827 0,010471
0,166667
0,124138
0,124138
0,09375
ESTUDIO DE CASO 51
Un fabricante de reproductores de DVD compra un microchip en
particular, denominado LS-24, a tres proveedores: Hall Electrnicos,
Schuller Sales y Crawford Componentes.
Los registros de la compaa muestran que el Veinticinco por ciento
de los chips LS-24 se le compran a Hall Electronics; el treinta por
ciento a Schuller Sales y el restante, a Crawford Components. El
fabricante cuenta con amplios historiales sobre los tres proveedores y sabe que 2% de los
chips LS-24 de Hall Electronics tiene defectos, 4% de los de Schuller Sales tambin y6 %
de los que vende Crawford Components son defectuosos. Cuando los chips LS-24 se
reciben, se les coloca directamente en un depsito y no se inspeccionan ni se identifican
con el nombre del proveedor.
Un trabajador selecciona un chip para instalarlo en un reproductor de DVD y lo encuentra
defectuoso. Como el fabricante no identific los chips, no se est seguro de qu proveedor
los fabric. Con el propsito de evaluar con que proveedor hay mayor probabilidad de
tener chips defectuosos, usted ha sido llamado para que ayude en el anlisis de datos.
Utilice su conocimiento de la probabilidad para ayudar a realizar el informe solicitado.
1.- Un diagrama de rbol que represente las probabilidades encontradas.
23
P (Hall Electronics) =
P (Schuller Sales) =
24
P (Crawford Components) =
En este evento se aplica el teorema de bayes para analizar los supuestos que resultaran
de cada empresa, se toma los datos de cada empresa y se divide por el valor porcentual de
que un chip salga defectuoso que es del 0.044, entonces tenemos que la probabilidad ms
alta de que un chip haya salido defectuoso ser de la empresa cawford Components el
cual supera con un 61.36%. Tenemos que es un evento mutuamente excluyente.
5.- Si el chip seleccionado est en buenas condiciones, debe encontrar la Probabilidad de
que haya sido fabricado por cada uno de los proveedores.
P (Hall Electronics) =
P (Schuller Sales) =
P (Crawford Components) =
Igual que en el evento anterior se aplica el teorema de bayes para analizar los supuestos
que resultaran de cada empresa, se toma los datos de cada empresa y se divide por el
valor porcentual de que un chip salga en buenas condiciones que es del 0.956, entonces
tenemos que la probabilidad ms alta de que un chip haya salido defectuoso ser de la
empresa cawford Components dao el resultado de un 44.24%. Tenemos que es un evento
mutuamente excluyente.
Estos resultados se dan de acuerdo a las cantidades compradas a cada empresa.
25
Conclusin
Con la elaboracin de este trabajo podemos apreciar ms los conceptos del curso de
probabilidad ya que al ser aplicados en cada caso de la actividad, nos dia pautas de cmo
usar esta ciencia en nuestra vida cotidiana, bien sea para escenarios del azar o de casos de
investigacin, basndonos en un concepto de probabilidad que se podra decir es una
medicin numrica que va de 0 a 1 de la posibilidad de que un evento ocurra. Si da cerca de
0 es improbable que ocurra el evento y si da cerca de uno es casi seguro que ocurra.
Por lo anterior se infiere que el objetivo de esta actividad fue de un resultado positivo para
los participantes.
26
Bibliografas
27