PRESENTADO POR
GRUPO: 100402_178
OCTUBRE, 2017
OBJETIVOS
Cuando tomamos decisiones, siempre hay incertidumbre, es importante evaluar todas las
variables involucradas en la situacin que estamos estudiando. En esta evaluacin usamos la
Teora de la Propensin para tomar decisiones con la informacin de los eventos que
analizamos y evaluamos los riesgos.
I. CUADRO SINPTICO.
II. SOLUCION A CASOS.
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
Cancelo o perdi
Curso Aprob Reprob Total
por fallas
Algebra lineal 178 10 30 218
Anlisis numrico 146 15 21 182
Clculoi nfinitesimal 252 37 39 328
Calculo integral 56 8 15 79
Clculo multivariado 244 49 64 357
Calculo negocios 226 44 61 331
Ecuaciones diferenciales 178 47 40 265
Estadstica bsica 33 11 9 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 6 8 3 17
TOTAL 1873 389 493 2755
Csar r. 52 1 53
Claudia v. 31 5 36
Diana m. 97 4 18 119
Ernesto s. 166 17 21 204
Diego v. 36 5 4 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
Jairo a. 116 19 26 161
Javier b. 98 10 29 137
Jos c. 49 9 16 74
Luz p. 142 23 44 209
Marcela f. 60 19 21 100
Maria 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 5 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
P= 1.873
N= 2.755
1873
P= = 0,67985481
2755
Q=389
N=2755
389
P= = 0,14119782
2755
Probabilidad de
Profesor Aprob (Q) Total (N)
aprobar (P = Q/N)
Csar r. 52 53 0,981
Claudia v. 31 36 0,861
Diana m. 97 119 0,815
Ernesto s. 166 204 0,814
Diego v. 36 45 0,800
Eduardo m. 154 197 0,782
Enrique p 118 156 0,756
Fernando m. 125 167
0,749
Gloria a. 151 203 0,744
Jairo a. 116 161 0,720
Javier b. 98 137 0,715
Jos c. 49 74 0,662
Luz p. 142 209 0,679
Marcela f. 60 100 0,600
Mara a. 93 157 0,592
Mario g 90 152 0,592
Mercedes s. 60 102 0,588
Oscar n. 111 204 0,544
Patricia m. 37 73 0,507
Ricardo o. 57 134 0,425
Sandra m. 30 72 0,417
Total 1873 2755 0,680
En esta clasificacin se ha tomado en cuenta las probabilidades de ganar por cada curso,
siendo as el curso que mejor se entiende o se asimila por parte de los estudiantes el que
tiene mayores probabilidades de ser aprobado. Para este caso, los he organizado de mayor a
menor probabilidad de aprobar:
Probabilidad de aprobar
Curso Aprob Total
(P=Q/N)
5. Para calificar a los profesores del rea de acuerdo con sus resultados obtenidos, se
estableci que los que tienen alumnos mayores probabilidades de aprobar son los que
tienen mejor desempeo, puesto que las notas reflejan la comprensin por parte de
los estudiantes.
Calificacin
Probabilidad de
Profesor Aprob (Q) Total (N) Docente (1 a 10)
aprobar (P = Q/N)
C=10P
Csar r. 52 53 0,981 9,8
Claudia v. 31 36 0,861 8,6
Diana m. 97 119 0,815 8,2
Ernesto s. 166 204 0,814 8,1
Diego v. 36 45 0,800 8,0
Eduardo m. 154 197 0,782 7,8
Enrique p 118 156 0,756 7,6
Fernando m. 125 167 0,749 7,5
Gloria a. 151 203 0,744 7,4
Jairo a. 116 161 0,720 7,2
Javier b. 98 137 0,715 7,2
Luz p. 142 209 0,679 6,8
Jos c. 49 74 0,662 6,6
Marcela f. 60 100 0,600 6,0
Mara a. 93 157 0,592 5,9
Mario g 90 152 0,592 5,9
Mercedes s. 60 102 0,588 5,9
Oscar n. 111 204 0,544 5,4
Patricia m. 37 73 0,507 5,1
Ricardo o. 57 134 0,425 4,3
Sandra m. 30 72 0,417 4,2
Probabilidad de aprobar
Programa Aprob (Q) Total (N)
(P=Q/N)
Administracin 146 182 0,802
ambiental
Admn. empresas 295 380 0,776
Arquitectura 297 421 0,705
Contadura 99 141 0,702
Economa 99 142 0,697
Ing Mecatrnica 515 787 0,654
Ing.Civil 88 135 0,652
Ing.Financiera 83 134 0,619
Ing.Sistemas 127 206 0,617
Ing.Telecomunicaciones 32 56 0,571
Negocios Internacionales 69 123 0,561
Psicologa 23 48 0,479
SOLUCIN AL ESTUDIO DE CASO #2
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
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:
Tribunal Penal
Tribunal Familia
20499 106 17
casos revocados 17
Probabilidad de casos que se revoquen equivale a: = = 0.000829
casos presntados 20499
Tribunal Civil
Es necesario calcular el nmero de casos que fueron apelados sobre el nmero de casos
presentados en los tribunales
En los casos de los jueces Patrick Dinkelacker Timothy Hogan, se debe realizar la sumatoria
de cada participacin realizada en los distintos tribunales para finalmente obtener el valor
de la probabilidad de apelacin por cada juez.
3. La probabilidad de que se revoque un caso, por cada juez
Casos Casos
Juez Tribunal Penal Probabilidad
Presentados Revocados
En los casos de los jueces Patrick Dinkelacker Timothy Hogan, se debe realizar la sumatoria
de cada participacin realizada en los distintos tribunales para finalmente obtener el valor
de la probabilidad de revocatoria por cada juez.
Casos Casos
Juez Tribunal Penal Probabilidad
apelados Revocados
Fred Cartolano 137 12 0,0876
Thomas Crush 119 10 0,0840
44 8
Patrick Dinkelacker 0,1905
19 4
60 7
Timothy Hogan 0,1233
13 2
Robert Kraft 127 7 0,0551
William Mathews 91 18 0,1978
William Morrissey 121 22 0,1818
Norbert Nadel 131 20 0,1527
Arthur Ney, Jr. 125 14 0,1120
Richard Niehaus 137 16 0,1168
Thomas Nurre 121 6 0,0496
John OConnor 129 12 0,0930
Robert Ruehlman 145 18 0,1241
J. Howard Sundermann 60 10 0,1667
Ann Marie Tracey 127 13 0,1024
Ralph Winkler 88 6 0,0682
Penelope Cunningham 7 1 0,1429
Deborah Gaines 48 9 0,1875
Ronald Panioto 32 3 0,0938
Mike Allen 43 4 0,0930
Nadine Allen 34 6 0,1765
Timothy Black 41 6 0,1463
David Davis 43 5 0,1163
Leslie Isaiah Gaines 35 13 0,3714
Karla Grady 6 0 0,0000
Deidra Hair 5 0 0,0000
Dennis Helmick 29 5 0,1724
James Patrick Kenney 6 1 0,1667
Joseph Luebbers 25 8 0,3200
William Mallory 38 9 0,2368
Melba Marsh 34 7 0,2059
Beth Mattingly 13 1 0,0769
Albert Mestemaker 28 9 0,3214
Mark Painter 7 3 0,4286
Jack Rosen 41 13 0,3171
Mark Schweikert 33 6 0,1818
David Stockdale 22 4 0,1818
John A. West 4 2 0,5000
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y
d las razones de su eleccin
Casos
Juez Tribunal Casos Juez Tribunal Casos Juez Tribunal revocados
Penal Apelados Penal Revocados Penal dada la
apelacin
J. Howard J. Howard William
0,062827 0,010471 0,197802
Sundermann Sundermann Mathews
Robert William Patrick
0,045242 0,007951 0,181818
Ruehlman Mathews Dinkelacker
William William
Fred Cartolano 0,045110 0,007256 0,181818
Morrissey Morrissey
J. Howard
Norbert Nadel 0,044272 Norbert Nadel 0,006759 0,166667
Sundermann
Patrick
John OConnor 0,043449 0,006359 Norbert Nadel 0,152672
Dinkelacker
Robert Robert
Richard Niehaus 0,040859 0,005616 0,124138
Ruehlman Ruehlman
Richard
Robert Kraft 0,040472 0,004772 Richard Niehaus 0,116788
Niehaus
Ann Marie
0,040433 Arthur Ney, Jr. 0,004349 Timothy Hogan 0,116667
Tracey
Ann Marie
Thomas Nurre 0,040333 0,004139 Arthur Ney, Jr. 0,112000
Tracey
Ann Marie
William Mathews 0,040194 John OConnor 0,004042 0,102362
Tracey
William
0,039908 Fred Cartolano 0,003951 John OConnor 0,093023
Morrissey
Arthur Ney, Jr. 0,038832 Timothy Hogan 0,003582 Fred Cartolano 0,087591
Thomas Crush 0,035291 Thomas Crush 0,002966 Thomas Crush 0,084034
Patrick
0,034976 Robert Kraft 0,002231 Ralph Winkler 0,068182
Dinkelacker
Timothy Hogan 0,030706 Thomas Nurre 0,002000 Robert Kraft 0,055118
Ralph Winkler 0,028488 Ralph Winkler 0,001942 Thomas Nurre 0,049587
MEDIANA 0,040383 MEDIANA 0,004244 MEDIANA 0,1143335
Se supone que una cierta prueba detecta cierto tipo de cncer con probabilidad del 80% entre
gente que lo padece, y no detecta el 20% restante. Si una persona no padece este tipo de
cncer la prueba indicar este hecho un 90% de las veces e indicar que lo tiene un 10% de
ellas. Por estudios realizados se supone que el 5% de la Poblacin padece este tipo de cncer.
Con base en esta informacin y usando el Teorema de Bayes, elabore un informe que como
mnimo, debe incluir: (se sugiere elaborar un diagrama de rbol)
1. Probabilidad de que una persona tenga este tipo de cncer: Probabilidad de que NO
tenga este tipo de cncer
2. Probabilidad de un falso positivo, es decir que el examen indique que la persona tiene
cncer dado que la persona no tiene la enfermedad
3. Probabilidad de un falso negativo, es decir, que el examen indique que la persona tiene
cncer dado que la persona no tiene la enfermedad
4. Probabilidad de que el examen indique que la persona tiene cncer
5. Probabilidad de que la persona tenga cncer dado que el examen indico que tiene
cncer
6. Probabilidad de que la persona NO tenga cncer dado que el examen indico que NO
tiene cncer
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen para
detectar este tipo de cncer
SOLUCIN
A continuacin, se definen las letras que representan cada situacin en este problema:
La probabilidad de que una persona tenga este tipo de cncer viene dada por P=0.05 y la
probabilidad de que no tenga este tipo de cncer es de 0.95.
2. Probabilidad de un falso positivo, es decir que el examen indique que la persona tiene
cncer dado que la persona no tiene la enfermedad.
P = (0.95)(0.1) = 0.095
3. Probabilidad de un falso negativo, es decir, que el examen indique que la persona tiene
cncer dado que la persona no tiene la enfermedad.
En este item se define el falso negativo como que el examen indique que la persona tiene
cncer dado que la persona no tiene la enfermedad, pero en el enunciado del problema se
define el falso negativo como que el examen indique que la persona no tiene cncer dado que
la persona tiene la enfermedad. Por esto, se utiliza esta ltima definicin para calcular la
probabilidad que piden.
P = (0.05)(0.2) = 0.01
4. Probabilidad de que el examen indique que la persona tiene cncer.
Para calcular esta probabilidad, se deben debe tener en cuenta la probabilidad de que
el examen indique que si tiene cncer la persona primero dado que la persona tiene
cncer y despus dado que la persona no tiene cncer.
5. Probabilidad de que la persona tenga cncer dado que el examen indic que tiene
cncer.
(0.05)(0.8)
P(TCSi) =
(0.05)(0.8) + (0.95)(0.1)
P(TCSi) 0.3
Esta probabilidad es un indicador de que tan confiable es el examen para detectar este tipo
de cncer.
6. Probabilidad de que la persona NO tenga cncer dado que el examen indic que NO
tiene cncer.
(0.95)(0.9)
P(BD) =
(0.05)(0.2) + (0.95)(0.9)
P(BD) 0.99
Esta probabilidad tambin se puede ver como un indicador que la confiabilidad de la prueba.
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen
para detectar este tipo de cncer.
Los dos conceptos que se utilizaron para encontrar la solucin de este problema son:
Teorema de Bayes: este teorema se utiliz en los casos donde pedan calcular
probabilidades que estuvieran sometidas a alguna condicin de antemano
(probabilidad condicional).
SOLUCIN
Identificacin de Eventos.
Probabilidad Probabilidad
Compra Defectuoso
Apriori Condicional
Resultado
Apriori Condicional P(A1)
(P(A1) *P(D|A1) /
P(A1) P(D|A1) *P(D|A1)
P(T)
Hall Electronics
0,25 0,02 0,005 0,114
(H)
Schuller Sales (S) 0,3 0,04 0,012 0,273
Crawford
0,45 0,06 0,027 0,614
Components (C)
P (B) = 0,956
(0,25 * 0,02)
P (H|A) =
(0,25 * 0,02) + (0,3 * 0,04) + (0,45 * 0,06)
0.005
P (H|A) =
0,005 + 0,012+ 0,027
0.005
P (H|A) = = 0,114
0,044
R/ La probabilidad de que el chip defectuoso haya sido fabricado por Hall Electronics
(H) es del 11.4%
Schuller Sales (S)
(0,3 * 0,04)
P (S|A) =
(0,25 * 0,02) + (0,3 * 0,04) + (0,45 * 0,06)
0.012
P (S|A) =
0,005 + 0,012+ 0,027
0.012
P (S|A) = = 0,273
0,044
R/ La probabilidad de que el chip defectuoso haya sido fabricado por Schuller Sales
(S) es del 27.3%
(0,45 * 0,06)
P (S|A) =
(0,25 * 0,02) + (0,3 * 0,04) + (0,45 * 0,06)
0.027
P (S|A) =
0,005 + 0,012+ 0,027
0.027
P (S|A) = = 0,614
0,044
(0,025 * 0,98)
P (H|A) =
(0,25 * 0,98) + (0,3 * 0,96) + (0,45 * 0,94)
0.245
P (H|A) =
0,245 + 0,288+ 0,423
0.245
P (H|A) = = 0,256
0,956
(0,025 * 0,96)
P (H|A) =
(0,25 * 0,98) + (0,3 * 0,96) + (0,45 * 0,94)
0.288
P (H|A) =
0,245 + 0,288+ 0,423
0.288
P (H|A) = = 0,301
0,956
(0,025 * 0,94)
P (H|A) =
(0,25 * 0,98) + (0,3 * 0,96) + (0,45 * 0,94)
0.423
P (H|A) =
0,245 + 0,288+ 0,423
0.423
P (H|A) = = 0,442
0,956
R/ La probabilidad de que el chip se encuentre en buenas condiciones y que haya
sido fabricado por Crawford Components (C) es del 44%
Se logr identificar una poblacin y una muestra, reconocer diferentes tipos de datos y
variables y construir tablas de frecuencias unidimensionales y grficos, adems de calcular e
interpretar medidas estadsticas de tendencia central, de posicin, de variabilidad y de
forma.
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%7CCX4052
400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=AboutThi
sPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BDC
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=b039aa4c3b2b62b99f8129c3bb3ab609
Snchez, S. E. A., Inzunza, C. S., & vila, A. R. (2015). Probabilidad y estadstica 1. Distrito
Federal, MXICO: Grupo Editorial Patria. Retrieved from Recuperado de
: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=148&docI
D=11230886&tm=1489689899405