PRINCIPIOS BASICOS DE PROBABABILIDAD: AXIOMAS DE PROBABILIDAD

PRESENTADO POR

JOSE NEISER PLAZA

FRANCISCO JAVIER SAENZ

DIANA PATRICIA FLOREZ

HAROLD ALBERTO SAAVEDRA

GRUPO: 100402_178

TUTOR: MARCELA ALEJANDRA PRADO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA, UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

OCTUBRE, 2017
 OBJETIVOS

Identificar una poblacin y una muestra, reconoce diferentes tipos de datos y

variables y construye tablas de frecuencias unidimensionales y grficos.
Calcular e interpretar medidas estadsticas de tendencia central, de posicin, de
variabilidad y de forma.
Tabular e interpretar datos bidimensionales.
Comprender el concepto de probabilidad, conoce y aplica propiedades de eventos.
 INTRODUCCIN

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.

Vamos a comenzar a estudiar los axiomas de la probabilidad., Si en un experimento o evento

todos los resultados tienen la misma posibilidad, se hace uso de este mtodo, de forma
general se denota como 1/n, donde n es el total de resultados posibles.
 DESARROLLO DE LA ACTIVIDAD

I. CUADRO SINPTICO.
 II. SOLUCION A CASOS.

SOLUCIN AL 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

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

Programa Aprob Reprob Cancel o perdi por fallas Total

Administracin 146 15 21 182
ambiental
Admn. empresas 295 44 41 380
Arquitectura 217 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.Telecomunicaciones 32 9 15 56
Negocios 69 21 33 123
Internacionales
Psicologa 23 12 13 48
Total 1873 389 493 2755

Profesor Aprob Reprob Cancel o perdi por fallas Total

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.

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

2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso
del rea de matemticas.
4. Clasifique los cursos del rea de acuerdo con los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin.
 5. Califique los profesores del rea de acuerdo con los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin
6. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las
razones de su eleccin.

SOLUCIN

1. La probabilidad de que un estudiante apruebe un curso del rea de matemticas

P= 1.873
N= 2.755

1873
P= = 0,67985481
2755

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

Q=389
N=2755

389
P= = 0,14119782
2755

3. Probabilidad de aprobar por cada profesor

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

4. Clasificacin de los cursos de acuerdo con los resultados obtenidos

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)

Algebra lineal 178 218 0,817

Anlisis numrico 146 182 0,802
Clculo infinitesimal 252 328 0,768
Calculo integral 56 79 0,709
Clculo multivariado 244 357 0,683
Calculo negocios 226 331 0,683
Ecuaciones diferenciales 178 265 0,672
Estadstica bsica 33 53 0,623
Estadstica inferencial 269 437 0,616
Matemticas avanzadas 199 325 0,612
Matemticas discretas 44 80 0,550
Precalculo 42 83 0,506
Probabilidad 6 17 0,353

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

6. El programa en el que hay mejores resultados es en el que hay mayores probabilidades

de aprobar, es decir, Administracin ambiental. Porque la efectividad del programa se
ha medido con base en la razn de alumnos que aprueban en relacin con el nmero
de estudiantes.

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

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.

CASOS PRESENTADOS, APELADOS Y REVOCADOS EN LOS TRIBUNALES DEL

CONDADO DE HAMILTON

Casos Casos Casos

Juez Tribunal Penal
Presentados apelados Revocados
Fred Cartolano 3037 137 12
Thomas Crush 3372 119 10
Patrick Dinkelacker 1258 44 8
Timothy Hogan 1954 60 7
Robert Kraft 3138 127 7
William Mathews 2264 91 18
William Morrissey 3032 121 22
Norbert Nadel 2959 131 20
Arthur Ney, Jr. 3219 125 14
Richard Niehaus 3353 137 16
Thomas Nurre 3000 121 6
John OConnor 2969 129 12
Robert Ruehlman 3205 145 18
J. Howard Sundermann 955 60 10
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
 Juez Tribunal de Casos Casos Casos
Familia Presentados apelados Revocados
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 2,970 32 3

Casos Casos Casos

Juez Tribunal Civil
Presentados apelados Revocados
Mike Allen 6149 43 4
Nadine Allen 7812 34 6
Timothy Black 7954 41 6
David Davis 7736 43 5
Leslie Isaiah Gaines 5282 35 13
Karla Grady 5253 6 0
Deidra Hair 2532 5 0
Dennis Helmick 7900 29 5
Timothy Hogan 2308 13 2
James Patrick Kenney 2798 6 1
Joseph Luebbers 4698 25 8
William Mallory 8277 38 9
Melba Marsh 8219 34 7
Beth Mattingly 2971 13 1
Albert Mestemaker 4975 28 9
Mark Painter 2239 7 3
Jack Rosen 7790 41 13
Mark Schweikert 5403 33 6
David Stockdale 5371 22 4
John A. West 2797 4 2

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

Tribunal Penal

Casos Casos Casos

Presentados Apelados Revocados

43945 1762 199

casos apelados 1762

Probabilidad de casos que se apelen equivale a: = = 0,040
casos presntados 43945
 casos revocados 199
Probabilidad de casos que se revoquen equivale a: = = 0,0045
casos presntados 43945

Tribunal Familia

Casos Casos Casos

Presentados Apelados Revocados

20499 106 17

casos apelados 106

Probabilidad de casos que se apelen equivale a: = = 0,00517
casos presntados 20499

casos revocados 17
Probabilidad de casos que se revoquen equivale a: = = 0.000829
casos presntados 20499

Tribunal Civil

Casos Casos Casos

Presentados Apelados Revocados

108464 500 104

casos apelados 500

Probabilidad de casos que se apelen equivale a: = = 0,00460
casos presntados 108464

casos revocados 104

Probabilidad de casos que se revoquen equivale a: = = 0.000958
casos presntados 108464

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

Es necesario calcular el nmero de casos que fueron apelados sobre el nmero de casos
presentados en los tribunales

Juez de cada Casos

Casos apelados Probabilidad
Tribunal Presentados
Fred Cartolano 3037 137 0,0451
Thomas Crush 3372 119 0,0353
6001 19
Patrick Dinkelacker 0,0087
1258 44
1954 60
Timothy Hogan 0,0171
2308 13
Robert Kraft 3138 127 0,0405
William Mathews 2264 91 0,0402
William Morrissey 3032 121 0,0399
Norbert Nadel 2959 131 0,0443
Arthur Ney, Jr. 3219 125 0,0388
Richard Niehaus 3353 137 0,0409
Thomas Nurre 3000 121 0,0403
John OConnor 2969 129 0,0434
Robert Ruehlman 3205 145 0,0452
J. Howard Sundermann 955 60 0,0628
Ann Marie Tracey 3141 127 0,0404
Ralph Winkler 3089 88 0,0285
Penelope Cunningham 2729 7 0,0026
Deborah Gaines 8799 48 0,0055
Ronald Panioto 2,97 32 10,7744
Mike Allen 6149 43 0,0070
Nadine Allen 7812 34 0,0044
Timothy Black 7954 41 0,0052
David Davis 7736 43 0,0056
Leslie Isaiah Gaines 5282 35 0,0066
Karla Grady 5253 6 0,0011
Deidra Hair 2532 5 0,0020
Dennis Helmick 7900 29 0,0037
James Patrick Kenney 2798 6 0,0021
Joseph Luebbers 4698 25 0,0053
William Mallory 8277 38 0,0046
Melba Marsh 8219 34 0,0041
Beth Mattingly 2971 13 0,0044
Albert Mestemaker 4975 28 0,0056
Mark Painter 2239 7 0,0031
Jack Rosen 7790 41 0,0053
Mark Schweikert 5403 33 0,0061
David Stockdale 5371 22 0,0041
John A. West 2797 4 0,0014

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

Fred Cartolano 3037 12 0,0040

Thomas Crush 3372 10 0,0030
1258 8
Patrick Dinkelacker 0,0017
6001 4
1954 7
Timothy Hogan 0,0021
2308 2
Robert Kraft 3138 7 0,0022
William Mathews 2264 18 0,0080
William Morrissey 3032 22 0,0073
Norbert Nadel 2959 20 0,0068
Arthur Ney, Jr. 3219 14 0,0043
Richard Niehaus 3353 16 0,0048
Thomas Nurre 3000 6 0,0020
John OConnor 2969 12 0,0040
Robert Ruehlman 3205 18 0,0056
J. Howard Sundermann 955 10 0,0105
Ann Marie Tracey 3141 13 0,0041
Ralph Winkler 3089 6 0,0019
Penelope Cunningham 2729 1 0,0004
Deborah Gaines 8799 9 0,0010
Ronald Panioto 2,97 3 1,0101
Mike Allen 6149 4 0,0007
Nadine Allen 7812 6 0,0008
Timothy Black 7954 6 0,0008
David Davis 7736 5 0,0006
Leslie Isaiah Gaines 5282 13 0,0025
Karla Grady 5253 0 0,0000
Deidra Hair 2532 0 0,0000
Dennis Helmick 7900 5 0,0006
James Patrick Kenney 2798 1 0,0004
Joseph Luebbers 4698 8 0,0017
William Mallory 8277 9 0,0011
Melba Marsh 8219 7 0,0009
 Beth Mattingly 2971 1 0,0003
Albert Mestemaker 4975 9 0,0018
Mark Painter 2239 3 0,0013
Jack Rosen 7790 13 0,0017
Mark Schweikert 5403 6 0,0011
David Stockdale 5371 4 0,0007
John A. West 2797 2 0,0007

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.

4. La probabilidad de una revocacin dada una apelacin, 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

Al analizar la situacin de los tribunales evaluados se encuentra que:

- Por encima de la media en cada tribunal el juez J. Sundermann tiene el rcord ms

alto de casos apelados y revocados, en cuanto a los casos revocados de la apelacin,
se encuentra en la cuarta posicin, esto demuestra el mal rendimiento durante su
funcin con juez del estado para los tres tribunales.
- En los tres tribunales se puede apreciar cuatro jueces que aparecen con un alto
porcentaje de procesos con resultados inadecuados lo cual en seal de que durante
el ejercicio del juez se presentan falencias que deben ser resueltas con prontitud con
el fin de evitar un aumento de casos fallidos por un mal veredicto.
- El juez R. Winkler es uno de los jueces con mejor desempeo, presenta en el menos
nmero de apelaciones, el menor nmero de revocacin de los fallos y est entre los
tres jueces con el menor nmero de revocacin por una apelacin, su desempeo
demuestra el grado de profesionalismo en su labor y sirve como ejemplo para los
dems jueces que en este informe fueron analizados. Cabe considerar que los casos
intervenidos por los jueces pueden haber presentado un mayor o menor grado de
complejidad entre uno y otro lo cual igualmente puede haber influido en el fallo final
del juez

SOLUCIN AL ESTUDIO DE CASO 3

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, 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.

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:

Que una persona tenga cncer---TC

Que una persona no tenga cncer--NTC
Que el examen diga que tiene cncer--Si
Que el examen diga que no tiene cncer--No
 1. Probabilidad de que una persona tenga este tipo de cncer: Probabilidad de que NO
tenga este tipo de cncer.

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.

La probabilidad de que suceda un falso positivo es igual a la probabilidad de que la persona

no tenga la enfermedad por la probabilidad de que el examen indique que tiene cncer

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.

P(Si) = (0.05)(0.8) + (0.95)(0.1) 0.14

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.

Con la probabilidad obtenida anteriormente se puede ver claramente que la prueba

tiene un 99% de confiabilidad al momento de decir que una persona no tiene cncer
cuando en realidad no tiene cncer, pero tiene una confiabilidad aproximada del 30%
para decir que una persona tiene cncer cuando tiene 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).

Probabilidad total: Este concepto se utiliz cuando pedan la probabilidad de que

ocurriera un suceso teniendo en cuenta todas las condiciones posibles para que
ocurriera. Un ejemplo se observa cuando pidieron calcular la probabilidad de
que el examen indique que una persona tiene cncer.
SOLUCIN AL ESTUDIO DE CASO 4

Un fabricante de reproductores de DVD compra un microchip en

particular, denominado LS-24, a tres proveedores: Hall Electronics,
Schuller Sales y Crawford Components.

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.

SOLUCIN

Identificacin de Eventos.

Probabilidad Probabilidad
Compra Defectuoso
Apriori Condicional

Hall Electronics 25% 0,25 2% 0,02

Schuller Sales 30% 0,3 4% 0,04

CrawfordComponents 45% 0,45 6% 0,06

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)

Probabilidad Total: P (T) 0,044 1

Prepare un informe en el que debe incluir como mnimo lo siguiente:

1. Probabilidad de que un chip este defectuoso. P (D)

Aplicamos la probabilidad total.

P (D) = P (D|A1). P (A1) + P (D|A2). P (A2) + P (D|An). P (An)

P (D) = (0,02 * 0,25) + (0,04 * 0,3) + (0,06 * 0,45) =

P (D) = 0,005 + 0,012 + 0,027 =

P (D) = 0.044 R/ La probabilidad de que un chip este defectuosa es del 4.4%

2. Probabilidad de que el chip este en buenas condiciones. P (B)

Aplicamos la probabilidad total.

P (B) = P (B|A1). P (A1) + P (B|A2). P (A2) + P (B|An). P (An)

P (B) = (0,98 * 0,25) + (0,96 * 0,3) + (0,94 * 0,45) =

P (B) = 0,245 + 0,288 + 0423 =

P (B) = 0,956

R/ La probabilidad de que un chip este en buenas condiciones es del 95.6%

3. Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de

que haya sido fabricado por cada uno de los proveedores.

Aplicamos el teorema de Bayes, para calcular la fabricacin de cada proveedor.

Hall Electronics (H)

(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%

Crawford Components (C)

(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

R/ La probabilidad de que el chip defectuoso haya sido fabricado por Crawford

Components (C) es del 61.4%

4. Si el chip seleccionado est en buenas condiciones, debe encontrar la

Probabilidad de que haya sido fabricado por cada uno de los proveedores

Aplicamos el teorema de Bayes, para calcular la fabricacin de cada proveedor.

 Hall Electronics (H)

(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

R/ La probabilidad de que el chip se encuentre en buenas condiciones y que haya

sido fabricado por Hall Electronics (H) es del 26%

Schuller Sales (S)

(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

R/ La probabilidad de que el chip se encuentre en buenas condiciones y que haya

sido fabricado por Schuller Sales (S) es del 30%

Crawford Components (C)

(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%

5. Elabore un diagrama de rbol que represente las probabilidades encontradas.

 CONCLUSIONES

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.

Aprendimos a tabular e interpretar datos bidimensionales, comprender el concepto de

probabilidad, conocer y aplicar propiedades de eventos y reconocer una variable aleatoria
unidimensional, clasificar y calcular e interpretar su valor esperado y varianza.

Conocimos y aplicamos distintas distribuciones de probabilidades discretas y continuas,

reconocimos variables aleatorias bidimensionales y su clasificacin, adems de obtener y
aplicar distribuciones de probabilidades conjuntas, marginales y condicionales y determinar
la independencia entre variables aleatorias bidimensionales.
 BIBLIOGRAFIA

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

de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=177

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

Nacional. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436
604&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%7CCX4052
400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=AboutThi
sPublication
&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=10995
669&ppg=19

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

de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=199&do
cID=10560355&tm=1489689688328

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

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

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