PROBABILIDAD

Unidad 1: Fase 1 - Axiomas de Probabilidad

Curso 100402A_361
Grupo Visible_ 100402_60

TUTOR

JOHN FREDDY RUANO

AUTORES

LUIS GLEIMER LAMBRAO NORIEGA

CRISTIAN ALEXIS GIL
SAMUEL NORBEY GUTIRREZ CARO
AMPARO GUTIERREZ
YARLY LORENA VILLARRAGA

25 de abril de 2017

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
 INTRODUCCIN

Para indicar el grado de incertidumbre de un evento, sta debe expresarse

en trminos numricos; para ello se requiere conocer las reglas y
operaciones de la probabilidad. Es as como, en esta primera unidad
didctica, se tratarn los principios bsicos de Probabilidad.
La probabilidad proporciona una descripcin matemtica de lo aleatorio.
Pese a que en un fenmeno aleatorio interviene la incertidumbre de los
resultados, dicho fenmeno frecuentemente sigue patrones reconocibles.
Esto es, un fenmeno aleatorio puede ser descrito matemticamente.

La teora de probabilidad abarca el estudio y desarrollo de metodologas

para describir las variaciones aleatorias en un sistema.
Los mtodos estadsticos se utilizan para tomar decisiones basadas en el
anlisis de datos recopilados en experimentos de diseo minucioso.
Puesto que la ciencia experimental no puede tener en cuenta toda posible
contingencia, siempre habr algo de incertidumbre, los mtodos
estadsticos sirven para evaluar el grado de incertidumbre de los
resultados.
 Experimento aleatorio es aquel que no se puede
predecir o reproducir el resultado exacto de cada
experiencia particular.

Espacio maestral consiste en el conjunto de todos

los posibles resultados individuales de un
Experimento
experimento aleatorio.
Aleatorio, Espacio
Muestra, Eventos Eventos es un subconjunto de un espacio
maestral el cual consiste en un conjunto de
posibles resultados que se pueden dar en un
experimento aleatorio

Son aquellas que son utilizadas para

enumerar eventos difciles de cuantificar.

Tcnicas La tcnica de la multiplicacin

del Conteo La tcnica aditiva
La tcnica de la suma o Adicin
Unidad 1 La tcnica de la permutacin
La tcnica de la combinacin.
Principios
De
Probabilidad Se definen como las condiciones
mnimas que deben ser verificadas
para que una funcin definida sobre un
conjunto de sucesos determine
consistentemente sus probabilidades
Axioma 1: La probabilidad de cualquier
evento es un nmero real no
negativo.
Axioma 2: La probabilidad del evento
seguro , es igual a 1.
Axiomas de
Probabilidad Axioma 3: Si son eventos
mutuamente excluyentes
(incompatibles dos a dos), entonces:
 ANEXO 2

SOLUCIN AL ESTUDIO DE CASO 1:

POR CRISTIAN ALEXIS GIL

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
Curso Aprob Reprob 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 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
 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
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. Si un estudiante aprueba un curso, establezca la probabilidad de que sea
cada uno de los cursos del rea
5. Clasique los cursos del rea de acuerdo a los resultados obtenidos.
Establezca los criterios que utiliz y d las razones de su eleccin.
6. Califique los profesores del rea de acuerdo a los resultados obtenidos.
Establezca los criterios que utiliz y d las razones de su eleccin
7. En que programa hay mejores resultados. Establezca los criterios que utiliz
y d las razones de su eleccin

POR CRISTIAN ALEXIS GIL

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

matemticas

Formula

Total aprobados/total*100% 68%

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

matemticas.

Formula

Total reprobados/total*100% 14%

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

apruebe un curso del rea de matemticas.

Formula

Total aprobabas/total*100
 4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea
cada uno de los cursos del rea

Formula

Total aprobabas/total*100
 5. Clasique los cursos del rea de acuerdo a los resultados obtenidos.
Establezca los criterios que utiliz y d las razones de su eleccin.

Formula

Total aprobabas/total*100

Se clasifica de manera ascendente, ya que para la observacin es ms fcil

analizar de esta manera

6. Califique los profesores del rea de acuerdo a los resultados obtenidos.

Establezca los criterios que utiliz y d las razones de su eleccin

Formula

Total aprobabas/total*100

Se clasifica de manera ascendente, ya que para la observacin es ms fcil

analizar de esta manera
7. En que programa hay mejores resultados. Establezca los criterios que utiliz
y d las razones de su eleccin

Se clasifica de mayor a menor, dando como resultado que los programas

de mayor aprobacin son los de mejores resultados obtenidos
 Deterministico: es aquel
que al ser realizado con las
mismas condiciones
iniciales produce los
mismos resultados

Expermento Aleatorio Aleatorio: es aquel que

Discreto: son espacios
muestrales cuyos
elementos resultan de
hacer conteos, siendo por
lo general subconjuntos de
los nmeros enteros
Espacio Muestral
seguro: es aquel que tiene
todos los posibles
resultados
Imposible: es aquel que no
tiene un posible resultado
Eventos
Dependientes: dos eventos,
A y B, son dependientes
Unidad 1, Principios de la cuando la probabilidad de
que suceda A se ve
Probabilidad
afectada porque haya
sucedido o no B
Tcnicas del Conteo
Contrario: el evento
contrario a A es otro evento
que se realiza cuando no se
realiza A
Las tcnicas de conteo son
aquellas que son usadas
para enumerar eventos
difciles de cuantificar
puede producir resultados
diferentes, aun cuando se
repita siempre de la misma
manera
Continuo: son espacios
muestrales cuyos
elementos resultan de
hacer mediciones, siendo
por lo general intervalos en
el conjunto de los nmeros
reales. dos eventos,
Compatibles:
A y B, son compatibles
cuando tienen
algn eventos elemental
comn
Incompatibles: dos eventos,
A y B, son incompatibles
cuando no tienen ningn
elemento en comn
Independientes: dos
eventos, A y B, son
independientes cuando la
probabilidad de que suceda
A no se ve afectada porque
haya sucedido o no B

Axioma 3: Si son eventos

mutuamente excluyentes
(incompatibles dos a dos),

Axiomas de Probabilidad

Un axioma es el elemento
bsico de un sistema de
lgica formal y junto con las
reglas de inferencia definen
un sistema deductivo
Axioma 2: La probabilidad
del evento seguro , es igual
a1

Axioma 1: La probabilidad
de cualquier evento es un
nmero real no negativo
 SOLUCIN AL ESTUDIO DE CASO 2

POR GUTIERREZ CARO

Teorema de Bayes

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 15% 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 Resultado del

examen positivo examen Negativo

Enfermedad presente 12 % 3%

Enfermedad Ausente 5% 80 %

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

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
 SOLUCIN AL ESTUDIO DE CASO 3

POR LUIS GLEIMER LAMBRAO N

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-japones, en lugar de 40
horas de ventaja. Cambia los planes y decide que 10 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 0,7850; sin embargo,
dado un salto exitoso, la probabilidad de xito de la expedicin era de 0,9534
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 10 miembros del equipo, cual es la
probabilidad de completar su salto con xito?
0,7850
= 0,07850
10
La probabilidad es que 1 de los 10 complete el salto
2. Si la probabilidad de que los 10 miembros del equipo tengan
un salto exitoso es de 0.7850, cual es la probabilidad de que
un solo miembro del equipo pueda completar el salto con
xito?
10 = 0,7850

= 0,7850 110
= .

3. En el relato se afirma que: esa probabilidad de 0,7850 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?

= ,
,

= ,
= ,

= , = ,

=

,

.
 SOLUCIN AL ESTUDIO DE CASO 4

POR YARLY LORENA VILLARRAGA

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 calicar 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 955 60 10
Sundermann
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
Total 43945 1762 199
 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 12,970 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
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. Clasique a los jueces dentro de cada tribunal. Establezca los criterios que
utiliz y d las razones de su eleccin.
 SOLUCIN POR LUIS GLEIMER LAMBRAO

Probabilid
Juez Casos Casos Casos
Probabilid Probabilid ad Revocar
Tribunal Presentad Apelad Revocad
ad Apelar ad Revocar dada una
Civil os os os
apelacin
Mike Allen 6149 43 4 0.006993 0.000651 0.093023
Nadine Allen 7812 34 6 0.004352 0.000768 0.176471
Timothy
7954 41 6 0.005155 0.000754 0.146341
Black
David Davis 7736 43 5 0.005558 0.000646 0.116279
Leslie Isaiah
5282 35 13 0.006626 0.002461 0.371429
Gaines
Karla Grady 5253 6 0 0.001142 0.000000 0.000000
Deidra Hair 2532 5 0 0.001975 0.000000 0.000000
Dennis
7900 29 5 0.003671 0.000633 0.172414
Helmick
Timothy
2308 13 2 0.005633 0.000867 0.153846
Hogan
James Patrick
2798 6 1 0.002144 0.000357 0.166667
Kenney
Joseph
4698 25 8 0.005321 0.001703 0.320000
Luebbers
William
8277 38 9 0.004591 0.001087 0.236842
Mallory
Melba Marsh 8219 34 7 0.004137 0.000852 0.205882
Beth
2971 13 1 0.004376 0.000337 0.076923
Mattingly
Albert
4975 28 9 0.005628 0.001809 0.321429
Mestemaker
Mark Painter 2239 7 3 0.003126 0.001340 0.428571
Jack Rosen 7790 41 13 0.005263 0.001669 0.317073
Mark
5403 33 6 0.006108 0.001110 0.181818
Schweikert
David
5371 22 4 0.004096 0.000745 0.181818
Stockdale
John A. West 2797 4 2 0.001430 0.000715 0.500000
Total 108464 500 104 0,087326 0,018504 4,166827
 Probabilida
Juez Casos Casos Casos
Probabilida Probabilida d Revocar
Tribunal Presentad Apelado Revocad
d Apelar d Revocar dada una
Penal os s os
apelacin
Fred Cartolano 3037 137 12 0.045110 0.003951 0.087591
Thomas Crush 3372 119 10 0.035291 0.002966 0.084034
Patrick
1258 44 8 0.034976 0.006359 0.181818
Dinkelacker
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
3032 121 22 0.039908 0.007256 0.181818
Morrissey
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
3205 145 18 0.045242 0.005616 0.124138
Ruehlman
J. Howard
955 60 10 0.062827 0.010471 0.166667
Sundermann
Ann Marie
3141 127 13 0.040433 0.004139 0.102362
Tracey
Ralph Winkler 3089 88 6 0.028488 0.001942 0.068182
Total 43945 1762 199 0.651392 0.078386 1.890267

Juez Probabilidad
Casos Casos Casos
Probabilida Probabilida Revocar
Tribunal Presentad Apelado Revocado
d Apelar d Revocar dada una
os s s
Familia apelacin

Penelope
Cunningha 2729 7 1 0.002565 0.000366 0.142857
m
Patrick
6001 19 4 0.003166 0.000667 0.210526
Dinkelacker
Deborah
8799 48 9 0.005455 0.001023 0.187500
Gaines
Ronald
12970 32 3 0.002467 0.000231 0.093750
Panioto
Total 30499 106 17 0.013654 0.002287 0.634633
 La que presenta Mayor probabilidad de revocar dada una apelacin

Jhon A. West 2797 4 2 0.00143 0.000715 0.5

La que presenta 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
3032 121 22 0.039908 0.007256 0.181818
Morrissey

Mayor Cantidad de Casos Apelados

Robert
3205 145 18 0.045242 0.005616 0.124138
Ruehlman

Mayor Cantidad de Casos Presentados

Ronald
12970 32 3 0.002467 0.000231 0.093750
Panioto
 SOLUCIN AL ESTUDIO DE CASO 5

POR AMPARO GUTIERREZ

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 y el

teorema de Bayes, para ayudar a realizar el informe solicitado.

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

 1. Probabilidad de que un chip este defectuoso

Para establecer la probabilidad de que un chip este defectuoso,

tomamos los porcentajes de compra de chips que representa cada

proveedor y hacemos la operacin con el porcentaje de los

defectuosos por cada uno.

P (A) = Chips defectuosos

() = 0.25 (0.02) + (0.30) (0.04) + (0.45) (0.06) = 0.044

Se evidencia que el 4.4% de los chips salen defectuosos

2. Probabilidad de que el chip este en buenas condiciones

1 () = 1 0.044 = 0.956

Se identifica que el 95.6% de los chips salen en buenas condiciones

3. Si el chip seleccionado resulta defectuoso, debe

encontrar la Probabilidad de que haya sido fabricado por

cada uno de los proveedores

Para este ejercicio vamos a identificar a cada proveedor as:

Hall Electronics = HE
Schuller Sales = SS

Crawford Components = CC

(0.25)(0.02) 0.005
a. ( | ) = = =
(0.25)(0.02)+(0.30)(0.04)+(0.45)(0.06) 0.044

0.1136

Por lo tanto el 11.36% de los chips defectuosos provienen de Hall

Electronics

(0.30)(0.04) 0.012
b. (| ) = = =
(0.25)(0.02)+(0.30)(0.04)+(0.45)(0.06) 0.044

0.2727

Por lo tanto el 27.27% de los chips defectuosos provienen de Schuller

Sales

(0.45)(0.06) 0.027
c. ( | ) = = =
(0.25)(0.02)+(0.30)(0.04)+(0.45)(0.06) 0.044

0.6136

Por lo tanto el 61.36% de los chips defectuosos provienen de

Crawford Components

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

encontrar la Probabilidad de que haya sido fabricado por

cada uno de los proveedores

 (0.25)(0.98) 0.245
a. HE: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.2562 =
0.956
25.62%

Se identifica que el 25.62% de chips estn en buenas condiciones y

son correspondientes a Hall Electronics

(0.3)(0.96) 0.288
b. SS: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.3012 =
0.956
30.12%

Se identifica que el 30.12% de chips estn en buenas condiciones y

son correspondientes a Schuller Sales

(0.45)(0.94) 0.423
c. CC: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.4424 =
0.956
44.24%

Se identifica que el 44.24% de chips estn en buenas condiciones y

son correspondientes a Crawford Components

5. Elabore un diagrama de rbol que represente las

probabilidades encontradas.

HE = Hall Electronics

SS = Schuller Sales

CC = Crawford Components
 D
2%

ND
HE 98%
0.25

0.30 4% D

SS
ND
0.45 96%

CC 6%
D

94%
ND
 BIBLIOGRAFIA

Bioestadistica. (2016). Tomado de:

http://www.bioestadistica.uma.es/baron/apuntes/ficheros/estad_uma_04.pdf.
Recuperado el 15 de Marzo 2016.

Probabilidad y Estadstica. Tomado de:

http://www.mat.uda.cl/hgomez/Apuntes/lect3.pdf. Recuperado el 15 de Marzo de 2016.

Tecnicas de conteo. (2016). Tomado de:

http://www.unalmed.edu.co/~estadist/esta_inv/APENDICE.%20TECNICAS%20DE%2
0CONTEO%29.pdf. Recuperado el 15 de Marzo de 2015.

http://tsu-estadistica.blogspot.com.co/2013/02/eventos-aleatorios-y-
espacio-muestral.html
http://probabilidadestadistic.blogspot.com.co/2010/09/tecnicas-de-
conteo.html
http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/21definici
n_axiomas_y_teoremas.html