PROBABILIDAD

UNIDAD 1 FASE 1 AXIOMAS DE PROBABILIDAD

PRESENTADO POR

JAIRO ANDRES MENDOZA JIMENEZ CC: 1122237604

YENEIBI TIQUE LOSADA CC: 1.120.572.083

JOSE ANTONIO MARROQUIN CC:

YOLANDA ESCOBAR CC: 1120558150

GRUPO: 100402_ 237

TUTOR:

FRANCISCO JAVIER PEREIRA LOPEZ

UNIVERSIDAD MACIONAL ABIERTA Y A DISTANCIA UNAD

CCAV SAN JOSE DEL GUAVIRE

01 DE ABRIL DE 2017
 INTRODUCCION

En la presentacin del siguiente trabajo se demostrara la alianza cooperativa de diferentes

estudiantes que dieron solucin a varios casos relacionados con la probabilidad que se pueden
presentar en el aspecto de desempeo de las diferentes carreras de estudio segn cada
estudiante involucrado en este caso, ya que se requiri de la comprensin y asimilacin de
diferentes reas de estudio, las cuales se convergen dentro de una materia de estudio como
lo es la probabilidad.
 OBJETIVOS

GENERAL

Asimilar los diferentes conceptos que involucran la probabilidad en la posible

prediccin de hechos que se relacionan con un evento en especfico.

ESPECFICOS

Comprender diferentes conceptos relacionados con la estadstica de la

administracin y descriptiva.
Aplicar los conocimientos adquiridos de la probabilidad a problemas bsicos de la
realidad
Realizacin de ejercicios de probabilidad propuestos segn cada caso expuesto.
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.CUADRO SINOPTICO
 CASO 1

Jos Antonio Marroqun

Solucin

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
Clculo infinitesimal 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
Pre calculo 42 24 17 83
Probabilidad 6 8 3 17
TOTAL 1873 389 493 2755

Cancelo o perdi
Programa Aprob Reprob Total
por fallas
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. Telecomunicaciones 32 9 15 56
Negocios Internacionales 69 21 33 123
Psicologa 23 12 13 48
Total 1873 389 493 2755
 Cancelo o perdi
Profesor Aprob Reprob Total
por fallas
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
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 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

Se aplica la frmula de probabilidad clsica:

() = / = , % = %.

La probabilidad que un estudiante apruebe el curso del rea de matemticas es del 68 %.

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

Se aplica la frmula de probabilidad clsica:

 () = / = , % = %.

La probabilidad que un estudiante repruebe el curso del rea de matemticas es del 14 %.

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

del rea de matemticas.

Cancelo o % Probabilidad
Profesor Aprob Reprob perdi Total que un estudiante
por fallas apruebe
52 1 53 98%
Csar r.
31 5 36 86%
Claudia v.
97 4 18 119 82%
Diana m.
166 17 21 204 81%
Ernesto s.
36 5 4 45 80%
Diego v.
154 17 26 197 78%
Eduardo m.
118 25 13 156 76%
Enrique p
125 21 21 167 75%
Fernando m.
151 32 20 203 74%
Gloria a.
116 19 26 161 72%
Jairo a.
98 10 29 137 72%
Javier b.
49 9 16 74 66%
Jos c.
142 23 44 209 68%
Luz p.
60 19 21 100 60%
Marcela f.
93 27 37 157 59%
Mara a .
90 16 46 152 59%
Mario g
60 15 27 102 59%
Mercedes s.
111 48 45 204 54%
Oscar n.
37 14 22 73 51%
Patricia m.
57 31 46 134 43%
Ricardo o.
 30 37 5 72 42%
Sandra m.

Se aplica la frmula de probabilidad clsica:

= / = , % = %.
4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno
de los cursos del rea

probabilidad de que sea cada uno % Probabilidad que un

Profesor
de los cursos del rea estudiante apruebe

Csar r. P:(52/53)=0.98*100 98%

Claudia v. P:(31/36)=0.86*100 86%
Diana m. P:(97/119)=0.82*100 82%
Ernesto s. P:(166/204)=0.81*100 81%
Diego v. P:(36/45)=0.80*100 80%
Eduardo m. P:(154/197)=0.78*100 78%
Enrique p P:(118/156)=0.76*100 76%
Fernando m. P:(125/167)=0.75*100 75%
Gloria a. P:(151/203)=0.74*100 74%
Jairo a. P:(116/161)=0.72*100 72%
Javier b. P:(98/137)=0.72*100 72%
Jos c. P:(49/74)=0.66*100 66%
Luz p. P:(142/209)=0.68*100 68%
Marcela f. P:(60/100)=0.60*100 60%
Mara a . P:(93/157)=0.59*100 59%
Mario g P:(90/152)=0.59*100 59%
Mercedes s. P:(60/102)=0.59*100 59%
Oscar n. P:(111/204)=0.54*100 54%
Patricia m. P:(37/73)=0.51*100 51%
Ricardo o. P:(57/134)=0.43*100 43%
Sandra m. P:(30/72)=0.42*100 42%

Para cada profesor la frmula es = ( / ) = .

5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin.
%
Cancelo o perdi Probabilidad
Curso Aprob Reprob Total
por fallas aprueba el
curso
178 10 30 218 82%
Algebra lineal
Anlisis 80%
146 15 21 182
numrico
Clculo 77%
252 37 39 328
infinitesimal
56 8 15 79 71%
Calculo integral
Clculo 68%
244 49 64 357
multivariado
226 44 61 331 68%
Calculo negocios
Ecuaciones 67%
178 47 40 265
diferenciales
Estadstica 62%
33 11 9 53
bsica
Estadstica 62%
269 70 98 437
inferencial
Matemticas 61%
199 53 73 325
avanzadas
Matemticas 55%
44 13 23 80
discretas
42 24 17 83 51%
Pre calculo
6 8 3 17 35%
Probabilidad

Se debe clasificar de acuerdo a su nivel de aprobacin y de desertados colocando en

primera instancia aquellas materias cuyo margen de aprobacin fue mayor; utilizando la
misma frmula: P = (Aprobados por materia / Total) = Resultado * 100

6. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin
 Cancelo o % Probabilidad
Profesor Aprob Reprob perdi Total que un estudiante
por fallas apruebe
52 1 53 98%
Csar r.
31 5 36 86%
Claudia v.
97 4 18 119 82%
Diana m.
166 17 21 204 81%
Ernesto s.
36 5 4 45 80%
Diego v.
154 17 26 197 78%
Eduardo m.
118 25 13 156 76%
Enrique p
125 21 21 167 75%
Fernando m.
151 32 20 203 74%
Gloria a.
116 19 26 161 72%
Jairo a.
98 10 29 137 72%
Javier b.
49 9 16 74 66%
Jos c.
142 23 44 209 68%
Luz p.
60 19 21 100 60%
Marcela f.
93 27 37 157 59%
Mara a .
90 16 46 152 59%
Mario g
60 15 27 102 59%
Mercedes s.
111 48 45 204 54%
Oscar n.
37 14 22 73 51%
Patricia m.
57 31 46 134 43%
Ricardo o.
30 37 5 72 42%
Sandra m.

En este caso el mejor profesor es CESAR R., toda vez que fue el que obtuvo el mayor
porcentaje en cuanto probabilidad que un estudiante apruebe las materias que orienta, con un
porcentaje del % .
7. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las
razones de su eleccin

Cancelo o % mejores
Programa Aprob Reprob perdi Total resultados
por fallas
Administracin 80%
146 15 21 182
ambiental
295 44 41 380 78%
Admn. empresas
297 53 71 421 71%
Arquitectura
99 23 19 141 70%
Contadura
99 19 24 142 70%
Economa
515 118 154 787 65%
Ing. Mecatrnica
88 20 27 135 65%
Ing. Civil
83 29 22 134 62%
Ing. Financiera
127 26 53 206 62%
Ing. Sistemas
Ing. 57%
32 9 15 56
Telecomunicaciones
Negocios 56%
69 21 33 123
Internacionales
23 12 13 48 48%
Psicologa

El programa que presenta los mejores resultados, es el programa de administracin

ambiental, con un porcentaje del 80 % de aprobacin.

= ( )/ ( )
= . = %
 CASO 2

Jairo Andrs Mendoza Jimnez

Solucin

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,

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 Resultado del examen

positivo Negativo
Enfermedad presente 8% (2 %) 22 %
Enfermedad Ausente 5% 85 %

CORRECCION: Durante el proceso de esta probabilidad se realiza una breve correccin en

la anterior tabla, ya que dentro del enunciado menciona que el 10 % de la poblacin posee
una enfermedad, pero en la tabla original, dicha cantidad es de 8 %, ms, el 22% que es igual
al 30 %. Esto debido a que el anterior enunciado mencionado tiene una irregularidad dentro
de los datos, lo que afectara el resultado.

Con base en esta informacin y usando el Teorema de Bayes, elabore un informe que como
mnimo, debe incluir:

1. Un diagrama de rbol que represente las probabilidades dadas y las

probabilidades encontradas
2. Probabilidad de que la enfermedad este presente y la Probabilidad de que la
enfermedad est ausente
A: Enfermedad ausente
P: Enfermedad presente

Pos: Resultado del examen positivo

Neg: Resultado del examen negativo
Las probabilidades ofrecidas por la tabla son
() = 0.13
() = 0.87

Probabilidad de que la enfermedad este presente

() = 0.08 + 0.02 = 0.1

Probabilidad de que la enfermedad est ausente

() = 0.05 + 0.85 = 0.9

3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que
la persona no tiene la enfermedad.

( ) 0.05
(|) = = = 0.056
() 0.9

4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado

que la persona tiene la enfermedad.

( ) 0.02
(|) = = = 0.2
() 0.3

5. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto

positivo.
 ()()
(|) =
()

( ) 0.08
(|) = = = 0.8
() 0.1

0.8 0.1
(|) = = 0.6154
0.13

La probabilidad de que una persona tenga la enfermedad as es resultado haya salido

positivo es de 0.6154

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

resulto negativo

(|)()
(|) =
()

( ) 0.85
(|) = = = 0.9444
() 0.9

0.9444 0.9
(|) = = 0.977
0.87

La probabilidad de que la persona NO tenga la enfermedad, as el resultado del examen

haya salido negativo es de 0.997

7. De acuerdo con las probabilidades encontradas, que tan confiable es este

examen de seleccin para detectar la enfermedad?
Teniendo en cuenta a los puntos anteriores 5 y 6, podemos concluir que la pregunta 5
responde a la probabilidad de que una persona se encuentre enferma, teniendo en cuenta el
resultado que fue positivo, y en la respuesta de la pregunta 6 nos permite establecer una cierta
cantidad de confianza pues el resultado obtenido fue negativo.

Dentro de la solucin al primer punto podemos ver que la probabilidad da un 61.54 %, lo que
nos indica que el resultado obtenido no es un resultado definitivo como para confiar en un
100 %, pero dentro de la solucin al caso siguiente, los resultados arrojados son de un 97.7%,
lo cual nos presenta una mejor perspectiva de confiabilidad de que no existe presencia de la
enfermedad.

Por lo anterior expuesto, podemos considerar que los resultados de las pruebas son una
indicacin de buena confiabilidad para lograr determinar si una persona no presenta la
enfermedad, pero no determina del todo cual persona est enferma.

CASO 4

Yeneibi Tique

Solucin

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.
Juez Tribunal Penal Casos Presentados Casos apelados Casos 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 955 60 10
Sundermann
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
Total 43945 1762 199

Juez Tribunal de Casos Presentados Casos apelados Casos Revocados

Familia
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12,970 32 3

Juez Tribunal Civil Casos Presentados Casos apelados Casos 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
Total 108464 500 104

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

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

Juez tribunal civil Casos Casos Casos Probabilida Probabilida Probabilidad

presentado apelados revocados d de apelar d de revocacin dada
s revocar una apelacin
Mike Allen 6149 43 4 0,006993 0,000651 0,093023
Nadine Allen 7812 34 6 0,004352 0,000768 0,176471
Timothy Black 7954 41 6 0,005155 0,000754 0,146341
David Davis 7736 43 5 0,005558 0,000646 0,116279
Leslie Isaiah Gaines 5282 35 13 0,006626 0,002461 0,371429
Karla Grady 5253 6 0 0,001142 0,000000 0,000000
Deidra Hair 2532 5 0 0,001975 0,000000 0,000000
Dennis Helmick 7900 29 5 0,003671 0,000633 0,172414
Timothy Hogan 2308 13 2 0,005633 0,000867 0,153846
James Patrick Kenney 2798 6 1 0,002144 0,000357 0,166667
Joseph Luebbers 4698 25 8 0,005321 0,001703 0,320000
William Mallory 8277 38 9 0,004591 0,001087 0,236842
Melba Marsh 8219 34 7 0,004137 0,000852 0,205882
Beth Mattingly 2971 13 1 0,004376 0,000337 0,076923
Albert Mestemaker 4975 28 9 0,005628 0,001809 0,321429
Mark Painter 2239 7 3 0,003126 0,001340 0,428571
Jack Rosen 7790 41 13 0,005263 0,001669 0,317073
Mark Schweikert 5403 33 6 0,006108 0,001110 0,181818
David Stockdale 5371 22 4 0,004096 0,000745 0,181818
John A. West 2797 4 2 0,001430 0,000715 0,500000
TOTAL 108.464 500 104 0,087326 0,018504 4,166827

Juez Tribunal Casos Casos Casos Probabilidad Probabilidad Probabilidad

Penal Presentados apelados Revocados de apelar de revocar revocacin
dada una
apelacin
Fred Cartolano 3037 137 12 0,045110 0,003951 0,087591
Thomas Crush 3372 119 10 0,035291 0,002966 0,084034
Patrick Dinkelacker 1258 44 8 0,034976 0,006359 0,181818
Timothy Hogan 1954 60 7 0,030706 0,003582 0,116667
Robert Kraft 3138 127 7 0,040472 0,002231 0,055118
William Mathews 2264 91 18 0,040194 0,007951 0,197802
William Morrissey 3032 121 22 0,039908 0,007256 0,181818
Norbert Nadel 2959 131 20 0,044272 0,006759 0,152672
Arthur Ney, Jr. 3219 125 14 0,038832 0,004349 0,112000
Richard Niehaus 3353 137 16 0,040859 0,004772 0,116788
Thomas Nurre 3000 121 6 0,040333 0,002000 0,049587
John OConnor 2969 129 12 0,043449 0,004042 0,093023
Robert Ruehlman 3205 145 18 0,045242 0,005616 0,124138
J. Howard 955 60 10 0,062827 0,010471 0,166667
Sundermann
Ann Marie Tracey 3141 127 13 0,040433 0,004139 0,102362
Ralph Winkler 3089 88 6 0,028488 0,001942 1,890267
TOTAL 43945 1762 199 0,651392 0,078386 1,890267

Juez Tribunal de Casos Casos Casos Probabilid Probabilida Probabilidad

Familia Presentado apelados Revocados ad de d de revocar revocacin
s apelar dada una
apelacin
Penelope Cunningham 2729 7 1 0,002565 0,000366 0,142857

Patrick Dinkelacker 6001 19 4 0,003166 0,000667 0,210526

Deborah Gaines 8799 48 9 0,005455 0,001023 0,187500

Ronald Panioto 12,970 32 3 0,002467 0,000231 0,093750

TOTAL 30499 106 17 0,013654 0,002287 0,634633

Mayor probabilidad de revocar dada una apelacin

Jon A. West 2797 4 2 0,00143 0,000715 0,500000

Mayor probabilidad de revocar
J. Howard 955 60 10 0,062827 0,010471 0,166667
Sundermann
Mayor probabilidad de Apelar
J. Howard 955 60 10 0,062827 0,010471 0,166667
Sundermann
Mayor cantidad de casos revocados
William Morrissey 3032 121 22 0,039908 0,007256 0,181818
Mayor cantidad de casos apelados

Robert Ruehlman 3205 145 18 0,045242 0,005616 0,124138

Mayor cantidad de casos presentados

Ronald Panioto 12,970 32 3 0,002467 0,000231 0,093750

2. 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 dar solucin al caso N 4 de probabilidad estudie y analice simplemente qu tan posible
es que ocurra un evento determinado, porque cuando no conocemos de fondo un tema es
mejor estudiar y aclarar tus dudas. Cuando no se est seguro del resultado de un evento como
en mi caso los jueces del condado Hamilton, podemos hablar de la probabilidad de ciertos
resultados, qu tan comn es que ocurran, al analizar los eventos presentados en mi caso me
fue de mucha ayuda estudiar la parte terica de la estadstica, ya que la estadstica va muy de
la mano con los casos de estudios de esta actividad.

CASO 5

Yolanda Escobar

Solucin

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.

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

1.- Un diagrama de rbol que represente las probabilidades dadas y las probabilidades
encontradas.

2.- Probabilidad de que un chip este defectuoso

3- Probabilidad de que el chip este en buenas condiciones

4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya
sido fabricado por cada uno de los proveedores

5.- Si el chip seleccionado est en buenas condiciones, debe encontrar la Probabilidad de que
haya sido fabricado por cada uno de los proveedores

Para el desarrollo del informe se recomienda:

a. Identificar los eventos mutuamente excluyentes

b. Identificar las probabilidades de los eventos mutuamente excluyentes (probabilidades a

priori)

c. Identificar la probabilidad condicional presentada

DESARROLLO DE LA ACTIVIDAD:

Identificacin eventos.

P= probabilidad

Evento Co p Defec P Apriori Condici P(A1)*P(D|A1 Resultado

mpr Apriori tuoso Condic P(A1) onal ) (P(A1)*P(D|A
a ional P(D|A1) 1) /
P(T)
Hall 25% 0,25 2% 0,02 0,25 0,02 0,005 0,114
Electro
nics
Schulle 30% 0,3 4% 0,04 0,3 0,04 0,012 0,273
r Sales
Schulle 45% 0,45 6% 0,06 0,45 0,06 0,027 0,614
r Sales

La probabilidad total de que el LS-24 es defectuoso es de P (T) = 0,044 con un porcentaje

de:
1.- Probabilidad de que un chip este defectuoso. P (D)
Se desarrolla con 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
Rt/ la probabilidad de que el chip este defectos es del 4.4%

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

Se desarrolla con 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
Rt/ 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

Utilizamos el teorema de Bayes, para encontrar la probabilidad de fabricacin de cada

proveedor.
 ( ). ( / )
( / ) =
( ). (/ ) + ( 2 ). (/ 2 ) + + ( ). (/ )

1. Hall Electronics (H)

(0,25 0,02)
( /) =
(0,25 0,02) + ( 0,3 0,04) + ( 0,45 0,06)
0.005
( /) =
0,005 + 0,012 + 0,027
0.005
( /) = = 0,114
0,044
Rt/ La probabilidad de que un chip sea defectuoso por Hall Electronics es de 11,4%
2. Schuller Sales (S)

(0,3 0,04)
( /) =
(0,25 0,02) + ( 0,3 0,04) + ( 0,45 0,06)
0.012
( /) =
0,005 + 0,012 + 0,027
0,012
( /) = = 0,273
0,044
R/t La probabilidad de que un chip sea defectuoso por Schuller Sales des de 27,3%

3. Crawford Components ( C)

(0,45 0,06)
( /) =
(0,25 0,02) + ( 0,3 0,04) + ( 0,45 0,06)
0.027
( /) =
0,005 + 0,012 + 0,027
0.027
( /) = = 0,614
0,044
Rt/ La probabilidad de que un chip sea defectuoso por Crawford Components des de 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
Utilizamos el teorema de Bayes.
1. Hall Electronics (H)

( ). ( / )
( / ) =
( ). (/ ) + ( 2 ). (/ 2 ) + + ( ). (/ )
(0,025 0,98)
( /) =
(0,25 0,98) + ( 0,3 0,96) + ( 0,45 0,94)
0.245
( /) =
0,245 + 0,288 + 0,423
0.245
( /) = = 0,256
0,956
R/ La probabilidad de que el chip se encuentre en buenas condiciones y que haya sido
fabricado por Hall Electronics es del 26%
2. Schuller Sales (S)

(0,025 0,96)
( /) =
(0,25 0,98) + ( 0,3 0,96) + ( 0,45 0,94)
0.288
( /) =
0,245 + 0,288 + 0,423
0.288
( /) = = 0,301
0,956
Rt/ La probabilidad de que el chip se encuentre en buenas condiciones y que haya sido
fabricado por Schuller Sales es del 30%

3. Crawford Components ( C)

(0,025 0,94)
( /) =
(0,25 0,98) + ( 0,3 0,96) + ( 0,45 0,94)
0.423
( /) =
0,245 + 0,288 + 0,423
 0.423
( /) = = 0,442
0,956
R/t La probabilidad de que el chip se encuentre en buenas condiciones y que haya sido
fabricado por Crawford Components es del 44%

1. Un diagrama de rbol que represente las probabilidades dadas y las probabilidades

encontradas.

Defectuoso 0,02
0,25 Hall
Electroni Buen estado 0,98
cs (H)
P 0,3

Schuller Defectuoso 0,04

0,45 Sales (S)

Buen estado 0,96

Crawford
Component
s ( C) Defectuoso 0,06

Buen estado 0,94

CONCLUSIONES

La probabilidad constituye un importante parmetro en la determinacin de

las diversas casualidades obtenidas tras una serie de eventos esperados
dentro de un rango estadstico.

En el desarrollo de este trabajo nos podemos dar cuenta que las variables
aleatorias y las distribuciones de probabilidad son de gran utilidad para
nuestras vidas tanto personal como profesionales, ya que dando un buen uso
de las frmulas que estas nos ofrecen podemos dar solucin rpida a
 problemas que se nos puedan presentar en cualquier rea de nuestro trabajo
o en la vida cotidiana.

BIBLIOGRAFIA

Evelio Hernndez, Teorema de Bayes. Nunca ms lo complicado!!!!!-Publicado 14-

04-2013- Consultado 03-03-2017.
https://www.youtube.com/watch?v=MrX1pS0wiU0&t=76s

INTRODUCCION AL CLCULO DE PROBABILIDADES-1. Consultado 04-03-

2017.
 http://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII/tema1.p
df

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

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%7CCX40
52400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=
AboutThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3B
DC