1

TRABAJO COLABORATIVO FASE 1

UNIDAD 1: AXIOMAS DE PROBABILIDAD
CURSO: PROBABILIDAD

PRESENTADO POR
CARLA BOLENA SUAREZ
LUZ KARIME CASTILLO
VICTOR ALFONSO ORTEGA ROJAS
CAROLINA OBANDO

GRUPO: 100402A_291

PRESENTADO A
EDWIN ORTIZ

UNIVERSIDAD ABIERTA Y A DISTANCIA (UNAD)

ADMINISTRACION DE EMPRESAS
VALLE DEL CAUCA
2016

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

Profundizar en los temas de los materiales de apoyo.

Conocer los distintos aspectos y conceptos tericos de la probabilidad.
Aplicar los conocimientos adquiridos en problemas cotidianos de nuestra vida.
Proponer soluciones a los 5 casos establecidos previamente identificados, mediante
la aplicacin de los temas vistos en la unidad axiomas de probabilidad cuya utilidad
ser para demostrar los resultados solicitados.

Resumen

Posee una importancia esencial aplicable a varias ramas del

conocimiento, esto es gracias a su capacidad para estimar o
predecir algn evento. Cuanto mayor sea la cantidad de
datos disponibles para calcular la probabilidad de un
acontecimiento, ms preciso ser el resultado calculado.

Cuadro sinptico

Todo esto gira en torno a los

Experimentos

Pueden ser determinsticos: es

decir mismas condiciones y
resultados se repiten.
Aleatorios: al
azar

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

Ecuaciones diferenciales 178

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

La posibilidad que un estudiante apruebe un curso en el rea de matemticas es de 67,98% .

2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.

Q= Total estudiantes que reprobaron matemticas

N = Total estudiantes que cursaron matemticas

La posibilidad que un estudiante apruebe un curso en el rea de matemticas es de 14,11%

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del
rea de matemticas.

P = Estudiantes que aprobaron matemticas con cada profesor

N = No. de estudiantes que estudiaron matemticas con cada profesor
Profesor

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 = Estudiantes que aprobaron en cada curso

N = No. de estudiantes de los cursos de matemticas.
Curso

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

Matemticas avanzadas 199

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

Total cursos de matemtica: 13

2 *100/13 = 15 % Nivel alto
8 * 100/13 = 62% Nivel medio
3 * 100/13 = 23% Nivel aceptable
Se puede observar que la mayora de los cursos se encuentran en un nivel de aprobacin
Medio con un 62% y el 15% el nivel alto, en el que se puede concluir que el rea de las
matemticas aunque es considerada una materia difcil, la gran mayora de los estudiantes
logran aprobarla satisfactoriamente.
6. Califique los profesores 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 en los
cursos: Alto, Medio, Aceptable y Bajo. De esta forma podr identificar el nivel de
aprobacin en el que se encuentran sus alumnos.

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

Total profesores de matemticas: 21

5 *100/21 = 24 % Nivel alto
12 * 100/21 = 57% Nivel medio
4 * 100/21= 19% Nivel aceptable
En el anterior cuadro, se puede identificar que al 57% de los profesores los
alumnos aprueban los cursos siendo un nivel medio de aprobacin y el nivel alto solo
con el 24. Aunque todos estn en un nivel de aprobacin, tan solo el 19% de los
profesores presentan un porcentaje crtico de aprobacin en sus estudiantes.

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

En este punto P hace referencia a probabilidad y la otra P a que este presente

dicha enfermedad, y se toman los valores establecidos en dicha tabla como
enfermedad presente y se realiza la operacin la cual nos da 0.1.
2. Probabilidad de que la enfermedad est ausente
P(A)=0.05+0.85=0.9
En este punto al igual que en el anterior P se refiere a probabilidad y A ausente,
y se emplean valores de la tabla que indica enfermedad ausente.
3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la
persona no tiene la enfermedad
P (Pos| A)= P (PosA)
P(A)

= 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

Al igual del ejercicio tres se emplean la letra P como probabilidad, y el falso

negativo sobre esa probabilidad.
5. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto
positivo

P (P| Pos)= P (PosP) P (P)

P (Pos)
P (Pos| P)=P (PosP)

15

P (P)

= 0.08

=0.8

0.1

P (P| Pos)=0.80.1
0.13

= 0.6154

6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resulto

negativo
A
|
P

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.

El estudiante presenta en el foro un resumen de los conceptos tericos de la

unidad que le permitieron solucionar el estudio de caso seleccionado.

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

En su excitante novela Congo, Michael Crichton describe la bsqueda de depsitos de

diamantes azules cubiertos de boro llevada a cabo por Earth Resources Technology
Services (ERTS), una compaa dedicada a estudios geolgicos. Segn ERTS los diamantes
son la clave para una nueva generacin de computadoras pticas. En la novela ERTS
compite contra un consorcio internacional por encontrar la cuidad perdida de Zinj, que
prosper dada la minera de diamantes hace varios miles de aos (segn la leyenda
africana) y se ubica en lo ms profundo de la selva tropical de Zaire Oriental.
Despus de la misteriosa destruccin de su primera expedicin, ERTS lanza una segunda
expedicin dirigida por Karen Ross, una experta en computacin de 24 aos de edad,
acompaada por el profesor Peter Eliot, un antroplogo; Amy, un gorila parlante; y el
afamado mercenario y lder de la expedicin, el capitn Charles Munro. Las acciones
ofensivas del consorcio, la mortal selva tropical y las hordas de gorilas parlantes
asesinos, que percibieron que su misin era defender las minas de diamantes, bloquean los
esfuerzos de Ross para encontrar la ciudad. Para superar estos obstculos Ross utiliza
computadoras de la era espacial para evaluar las probabilidades de xito en todas las
circunstancias posibles y las acciones que pudiera llevar a cabo la expedicin. En cada
etapa de la expedicin, ella evala rpidamente las probabilidades de xito.
En una etapa de la expedicin Ross recibe informes de su oficina principal en Houston,
de que sus computadoras estiman que tiene 18 horas y 20 minutos de retraso en relacin
con el equipo competidor euro-japons, en lugar de 40 horas de ventaja. Cambia los
planes y decide que 12 miembros de su equipo desciendan en paracadas en una regin
volcnica cerca de la ubicacin estimada de Zinj. Segn el relato de Crichton, Ross
haba vuelto a revisar las probabilidades de la computadora de Houston y los resultados
eran inequvocos. La probabilidad de un salto exitoso era 0,7980; sin embargo, dado un
salto exitoso, la probabilidad de xito de la expedicin era de 0,9943 con lo cual casi se
aseguraba de que venceran al consorcio
Sin olvidar que se trata de la cita de una novela, examine las probabilidades mencionadas y
determine:
1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar su
salto con xito?
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?
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?
Desarrollo

17

Planteamiento
Ei
P (Ei) = 0,7980
E
P (E/Ei) = 0,9943

el integrante i tuvo un salto exitoso

Probabilidad de un salto exitoso
La expedicin tiene xito
Probabilidad de xito de la expedicin

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

2. La probabilidad de que se apele un caso, por cada juez

3. La probabilidad de que se revoque un caso, por cada juez
4. La probabilidad de una revocacin dada una apelacin, por cada juez
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y d
las razones de su eleccin.
Solucin
1.
Juez
tribunal
civil

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

David Davis 7736

43

0,005558

0,000646

0,116279

Lasile
isaiah
gaines

35

13

0,006626

0,002461

0,371429

Carla grady 5253

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

Ann Marie 3141

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.

mayor probabilidad de revocar dada una apelacion

John west

2797

0,0143

0,000715

0,5

22

Mayo probabilidad de revocar

j. horward

Mayor probabilidad de apelar

j. horward

Mayor cantidad de casos revocados

William morrissey

Mayor cantidad casos apelados

Robert rusehiman

Mayor cantidad de casos presentados

Ronald panioto

955

60

955

60

3032

10

0,062827 0,010471

0,166667

10

0,062827 0,010471

0,166667

121 22 0,039908 0,007256 0,181818

3205 145 18 0,005616

0,124138

12970 32 3 0,002467 0,000231

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

Mediante el diagrama de rbol se

expresa
dos
variables
del
experimento a realizar en trminos
cuantificables para realizacin de
los procedimientos probabilsticos y
as hallar los eventos de las 3
empresas. Se puede decir que es
expresado mediante el uso de la
probabilidad a priori.

2.- Probabilidad de que un chip este defectuoso

P (d)= (0,25) (0,02) + (0,30) (0,04) + (0,45) (0,06)
P (d) = 0.044
Para este evento se toma el valor porcentual de cada empresa y se aplica la tasa
porcentual de defectuosos de cada uno, danto esto como resultado la probabilidad de que
un chip salga defectuoso en algn caso dado, esto equivale al 4.4%. Probabilidad
condicional.
3- Probabilidad de que el chip este en buenas condiciones.
P (b) = 1- 0,044= 0,956
Para este proceso tome la unidad porcentual que equivale a 1 y le reste la probabilidad
de salir defectuoso 0.044 resultado del ejercicio anterior, de esa manera halle el valor
porcentual de que un chip salga en buenas condiciones, por lo cual es una probabilidad
condicional, y en valor porcentual seria del 95.6%.
4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya
sido fabricado por cada uno de los proveedores.

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

Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin.

Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11013767&ppg=177.

Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico

Nacional. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604&ppg=128.

Martn, J. y Ruiz, L. (2004). Estadstica I: Probabilidad. 2nd ed. Madrid:

Paraninfo. vii-viii. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE
%7CCX4052400005&inPS=true&prodId=GVRL&userGroupName=unad&
resultClickType=AboutThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE
%7C3BDC.

Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica:

Probabilidad e inferencia. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10995669&ppg=19.

27

Martnez, C. (2011). Estadstica Bsica Aplicada. Ecoe, 4a edicin.

Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=342&docID=1624529&tm=1470687447720.

M. Pliego Lpez, R. M. Prez, Estadstica I (2004) 2nd ed., pp. 27-94.

Madrid: Paraninfo. Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE
%7CCX4052400006&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b039a
a4c3b2b62b99f8129c3bb3ab609.

Pea, D. (2014). Fundamentos de Estadstica. Alianza Editorial S.A. Edicin

electrnica. Disponible en la base de datos de la biblioteca de la UNAD:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=121&docID=11028686&tm=1470689905871