PROBABILIDAD

UNIDAD 1: FASE 1 AXIOMAS DE PROBABILIDAD

CODIGO: 100402A_360

PRESENTADO POR

JORGE IVAN RAMIREZ LOPEZ C.C. 1.093.214.613

JUAN SEBASTIAN LÓPEZ MARÍN C.C. 1.088.294.891

DAVID ESTEBAN SOLORZANO

YEISON ORLANDO RUIZ C.C. 1.094.888.136

LUIS ALBERTO RINCON BETANCOURT C.C 1093215539

TUTOR

FRANCISCO JAVIER PEREIRA LOPEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

INGENIERIA DE SISTEMAS

MARZO 2017
 INTRODUCCION

En la vida cotidiana, en todos los campos existen eventos de los cuales no podemos predecir con
exactitud sus resultados, establecemos entonces que es el azar quien nos determina el resultado
de algún suceso o evento ocasionando de esta manera incertidumbre.

Para reducir los grados de incertidumbre en los diferentes sucesos cuyo resultado depende del
azar se genera el pensamiento probabilístico, el cual nos brinda múltiples herramientas y técnicas
de conteo para determinar con cierto grado de certeza los posibles resultados de los eventos que
nos interesan.

En el presente informe se hace uso de algunas de las herramientas probabilísticas con las cuales
podemos establecer los posibles resultados de un acontecimiento determinado.
 Objetivos

 Desarrollar y analizar las diferentes técnicas de conteo que permiten concluir las
probabilidades a ocurrir en situaciones de azar para tomar decisiones en las situaciones de
incertidumbre.
 ESTUDIO DE CASO 1

1. La probabilidad de que un estudiante apruebe un curso del área de matemáticas.

2. La probabilidad de que un estudiante repruebe un curso del área de matemáticas.

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

del área de matemáticas.

Profesor Aprobó Reprobó Cancelo Total Probabilidad

César r. 52 1 53 98,11%
Claudia v. 31 5 36 86,11%
Diana m. 97 4 18 119 81,51%
Ernesto s. 166 17 21 204 81,37%
Diego v. 36 5 4 45 80,00%
Eduardo m. 154 17 26 197 78,17%
Enrique p 118 25 13 156 75,64%
Fernando
m. 125 21 21 167 74,85%
Gloria a. 151 32 20 203 74,38%
Jairo a. 116 19 26 161 72,05%
Javier b. 98 10 29 137 71,53%
José c. 49 9 16 74 66,22%
Luz p. 142 23 44 209 67,94%
Marcela f. 60 19 21 100 60,00%
María a. 93 27 37 157 59,24%
Mario g 90 16 46 152 59,21%
Mercedes
s. 60 15 27 102 58,82%
Oscar n. 111 48 45 204 54,41%
Patricia m. 37 14 22 73 50,68%
Ricardo o. 57 31 46 134 42,54%
Sandra m. 30 37 5 72 41,67%
Total 1873 389 493 2755
 4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno
de los cursos del área

Curso Aprobó Reprobó Cancelo Total Probabilidad

Algebra lineal 178 10 30 218 81,65%
Análisis numérico 146 15 21 182 80,22%
Cálculo infinitesimal 252 37 39 328 76,83%
Calculo integral 56 8 15 79 70,89%
Cálculo multivariado 244 49 64 357 68,35%
Calculo negocios 226 44 61 331 68,28%
Ecuaciones
diferenciales 178 47 40 265 67,17%
Estadística básica 33 11 9 53 62,26%
Estadística inferencial 269 70 98 437 61,56%
Matemáticas avanzadas 199 53 73 325 61,23%
Matemáticas discretas 44 13 23 80 55,00%
Precalculo 42 24 17 83 50,60%
Probabilidad 6 8 3 17 35,29%
Total 1873 389 493 2755

5. Clasifique los cursos del área de acuerdo a los resultados obtenidos. Establezca los
criterios que utilizó y dé las razones de su elección.

Curso Aprobó Reprobó Cancelo Total Probabilidad

Algebra lineal 178 10 30 218 81,65%
Análisis numérico 146 15 21 182 80,22%
Cálculo infinitesimal 252 37 39 328 76,83%
Calculo integral 56 8 15 79 70,89%
Cálculo multivariado 244 49 64 357 68,35%
Calculo negocios 226 44 61 331 68,28%
Ecuaciones
diferenciales 178 47 40 265 67,17%
Estadística básica 33 11 9 53 62,26%
Estadística inferencial 269 70 98 437 61,56%
Matemáticas avanzadas 199 53 73 325 61,23%
Matemáticas discretas 44 13 23 80 55,00%
Precalculo 42 24 17 83 50,60%
Probabilidad 6 8 3 17 35,29%
Total 1873 389 493 2755
 Se aplica la fórmula de probabilidad clásica donde los casos favorables al evento se
dividen entre el número de casos posibles

P=casos favorables/casos totales

En este caso tomamos los estudiantes que aprobaron el área de matemáticas dividido el
número de estudiantes totales, obteniendo como resultado que el mayor porcentaje de
aprobación por parte de los estudiantes es Algebra lineal.

6. Califique los profesores del área de acuerdo a los resultados obtenidos. Establezca
los criterios que utilizó y dé las razones de su elección

Profesor Aprobó Reprobó Cancelo Total Probabilidad

César r. 52 1 53 98,11%
Claudia v. 31 5 36 86,11%
Diana m. 97 4 18 119 81,51%
Ernesto s. 166 17 21 204 81,37%
Diego v. 36 5 4 45 80,00%
Eduardo m. 154 17 26 197 78,17%
Enrique p 118 25 13 156 75,64%
Fernando
m. 125 21 21 167 74,85%
Gloria a. 151 32 20 203 74,38%
Jairo a. 116 19 26 161 72,05%
Javier b. 98 10 29 137 71,53%
José c. 49 9 16 74 66,22%
Luz p. 142 23 44 209 67,94%
Marcela f. 60 19 21 100 60,00%
María a . 93 27 37 157 59,24%
Mario g 90 16 46 152 59,21%
Mercedes
s. 60 15 27 102 58,82%
Oscar n. 111 48 45 204 54,41%
Patricia m. 37 14 22 73 50,68%
Ricardo o. 57 31 46 134 42,54%
Sandra m. 30 37 5 72 41,67%
Total 1873 389 493 2755

Se aplica la fórmula de probabilidad clásica donde los casos favorables al evento se

dividen entre el número de casos posibles

P=casos favorables/casos totales

 En este caso tomamos los estudiantes que aprobaron dividido el número de estudiantes
totales, obteniendo como resultado que el mayor porcentaje de aprobación por parte de los
profesores es Cesar r.

7. En que programa hay mejores resultados. Establezca los criterios que utilizó y dé las
razones de su elección

Este ejercicio dio como resultado que la materia de Algebra lineal tiene el mayor
porcentaje de aprobación entre los estudiantes. Se aplica la fórmula de probabilidad
clásica, donde los casos favorables se dividen entre el número de casos posibles en este
caso el número de los que aprobaron, dividido el número total de estudiantes.

Estudio de caso 2

Con frecuencia es necesario hallar la probabilidad incondicional de un evento B, dado que un

evento A ha ocurrido. Una de estas situaciones ocurre al hacer exámenes de selección, que solían
estar asociados principalmente con exámenes médicos de diagnóstico pero que ahora están
encontrando aplicaciones en varios campos de actividad. Los exámenes de esteroides en atletas,
los exámenes caseros de embarazo y los exámenes para detectar sida son algunas otras
aplicaciones. Los exámenes de selección se evalúan sobre la probabilidad de un falso negativo o
un falso positivo y éstas dos son probabilidades condicionales. Un falso positivo es el evento de
que el examen sea positivo para una condición determinada, dado que la persona no tiene la
condición. Un falso negativo es el evento de que el examen sea negativo para una condición
determinada, dado que la persona tiene la condición. Se pueden evaluar estas probabilidades
condicionales usando una fórmula derivada por el probabilista Thomas Bayes, llamada el
Teorema de Bayes. El teorema se utiliza para revisar probabilidades previamente calculadas
cuando se posee nueva información y fue desarrollado por el reverendo Thomas Bayes en el
siglo XVII. Suponga que cierta enfermedad está presente en el 10% de la población, y que hay
un examen de selección diseñado para detectar si esta enfermedad está presente. El examen no
siempre funciona a la perfección. A veces, es negativo cuando la enfermedad está presente y
otras es positivo en ausencia de ella. La tabla siguiente muestra la proporción en que el examen
produce varios resultados:
 Resultado del examen positivo Resultado del examen Negativo

Enfermedad presente 8% 2%

Enfermedad Ausente 5% 85%

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

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

encontradas.
2. Probabilidad de que la enfermedad esté presente y la Probabilidad de que la enfermedad
esté ausente.

De acuerdo al enunciado, la enfermedad se encuentra presente en un 10%, por ende el

90% de la población no posee la enfermedad.

Enfermedad Presente: 10%

Enfermedad Ausente: 90%

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

0.90 * 0.05

(0.90 * + (0.10 *
P(Pos/Aus) = 0.05) 0.08)

0.045 0.045
(0.045) +
=
P(Pos/Aus) = (0.008) 0.053
0.045
P(Pos/Aus) = 0.053 = 0.8490 = 84.90%
4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la
persona tiene la enfermedad

0.10 * 0.02

(0.10 * + (0.90 *
P(Neg/Pre) = 0.02) 0.85)

0.002 0.002

(0.002) +
=
P(Neg/Pre) = (0.765) 0.767
0.002
P(Neg/Pre) = 0.767 = 0.0026 = 0.26%

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

0.10 * 0.08

(0.10 * + (0.90 *
P(Pos/Pre) = 0.08) 0.05)

0.008 0.008
(0.008) +
=
P(Pos/Pre) = (0.045) 0.053
0.008
P(Pos/Pre) = 0.053 = 0.1509 = 15.09%

6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resultó negativo
0.90 * 0.85

(0.90 * + (0.10 *
P(Neg/Aus) = 0.85) 0.02)

0.765 0.765
(0.765) +
=
P(Neg/Aus) = (0.002) 0.767
0.765
P(Neg/Aus) = 0.767 = 0.9973 = 99.73%

11
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de
selección para detectar la enfermedad?

Teniendo en cuenta los resultados arrojados con las probabilidades encontradas, podemos
determinar que el examen realizado a los individuos no es confiable, dado que las estadísticas
muestran datos que no se acercan a los dados por el estudio realizado, por lo tanto se puede
afirmar que la proporción dada por el examen no se puede tener en cuenta para determinar
datos estadísticos reales.

ESTUDIO DE CASO 3

En su excitante novela “Congo”, Michael Crichton describe la búsqueda de depósitos de

diamantes azules cubiertos de boro llevada a cabo por Earth Resources Technology Services
(ERTS), una compañía dedicada a estudios geológicos. Según ERTS los diamantes son la clave
para una nueva generación de computadoras ópticas. En la novela ERTS compite contra un
consorcio internacional por encontrar la cuidad perdida de Zinj, que prosperó dada la minería de
diamantes hace varios miles de años (según la leyenda africana) y se ubica en lo más profundo
de la selva tropical de Zaire Oriental.

Después de la misteriosa destrucción de su primera expedición, ERTS lanza una segunda

expedición dirigida por Karen Ross, una experta en computación de 24 años de edad,
acompañada por el profesor Peter Eliot, un antropólogo; Amy, un gorila parlante; y el afamado
mercenario y líder de la expedición, el “capitán” Charles Munro. Las acciones ofensivas del
consorcio, la mortal selva tropical y las hordas de gorilas “parlantes” asesinos, que percibieron
que su misión era defender las minas de diamantes, bloquean los esfuerzos de Ross para
encontrar la ciudad. Para superar estos obstáculos Ross utiliza computadoras de la era espacial
para evaluar las probabilidades de éxito en todas las circunstancias posibles y las acciones que
pudiera llevar a cabo la expedición. En cada etapa de la expedición, ella evalúa rápidamente las
probabilidades de éxito.

12
En una etapa de la expedición Ross recibe informes de su oficina principal en Houston, de que
sus computadoras estiman que tiene 18 horas y 20 minutos de retraso en relación con el equipo
competidor euro-japones, en lugar de 40 horas de ventaja. Cambia los planes y decide que 12
miembros de su equipo desciendan en paracaídas en una región volcánica cerca de la ubicación
estimada de Zinj. Según el relato de Crichton, “Ross había vuelto a revisar las probabilidades de
la computadora de Houston y los resultados eran inequívocos. La probabilidad de un salto
exitoso era 0,7980; sin embargo, dado un salto exitoso, la probabilidad de éxito de la expedición
era de 0,9943 con lo cual casi se aseguraba de que vencerían al consorcio”

Sin olvidar que se trata de la cita de una novela, examine las probabilidades mencionadas y
determine:

1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar su salto
con éxito?

2. Si la probabilidad de que los 12 miembros del equipo tengan un salto exitoso es de

0.7980, cual es la probabilidad de que un solo miembro del equipo pueda completar el salto con
éxito?

3. En el relato se afirma que: “esa probabilidad de 0,7980 significaba que había casi una
posibilidad entre cinco de que alguien se hiera seriamente en un salto”. Concuerda usted con esa
afirmación? Si o no. ¿Por qué?

Solución

1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar su salto con
éxito?

Teniendo en cuenta que el valor de un salto exitoso de los 12 miembros en conjunto es de

0,7980, debemos Aplicar la siguiente ecuación para determinar la probabilidad buscada:

( ) ( ) 0,9814

13
P^12 = 0.7980p = (0.798) ^ (1/12) = 0.9814

2. Si la probabilidad de que los 12 miembros del equipo tengan un salto exitoso es de0.7980,
cual es la probabilidad de que un solo miembro del equipo pueda completar el salto con
éxito?
Debemos hallar la probabilidad de un salto exitoso entre 12 miembros, partiendo de que la
probabilidad total es de 0,7980, por lo tanto:

( )

( )

( )

La probabilidad de que un solo miembro del grupo pueda completar su salto con éxito es de
6,65%

3. En el relato se afirma que: “esa probabilidad de 0,7980 significaba que había casi una
posibilidad entre cinco de que alguien se hiera seriamente en un salto”. Concuerda usted con
esa afirmación? Si o no. ¿Por qué?
Utilizo la técnica del complemento: Si P(A) es la probabilidad de que ocurra un evento A,
entonces la probabilidad de que NO ocurra A es:

P (A') = 1 - P (A)

1/5 = 0,2P

(A') = 1 - P (A)

P (A) = 0,7980

P (A') = 1 – 0,7980

P (A') = 0,202

Si tomamos como probabilidad de fracaso igual a que quede seriamente herido, efectivamente se
puede decir que aproximadamente 1 de cada 5 puede fracasar en el salto y presentar lesiones.

14
 ESTUDIO DE CASO 41

Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al año. En la gran mayoría
de los casos presentados, la sentencia permanece como se presentó. Sin embargo, algunos casos
son apelados y en algunos de estos se revoca la sentencia. Una periodista del diario Cincinnati
Times realizó un estudio de los casos manejados por los jueces del condado de Hamilton durante
un periodo de tres años 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 años.

El propósito del estudio es evaluar el desempeño de los jueces. Las apelaciones con frecuencia
son resultado de errores cometidos por los jueces y el diario quería saber cuáles jueces estaban
haciendo un buen trabajo y cuáles cometían demasiados errores. A usted le han llamado para que
ayude en el análisis 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
Juez Tribunal Penal Casos apelados Casos Revocados
Presentados
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
NorbertNadel 2959 131 20
Arthur Ney, Jr. 3219 125 14
Richard Niehaus 3353 137 16
Thomas Nurre 3000 121 6
John O’Connor 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
Total 43945 1762 199

15
 Casos
Juez Tribunal Penal Casos apelados Casos Revocados
Presentados

Casos
Juez Tribunal de Familia Casos apelados Casos Revocados
Presentados
PenelopeCunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12,970 32 3
Total 30499 106 17
Casos
Juez Tribunal Civil Casos apelados Casos Revocados
Presentados
Mike Allen 6149 43 4
Nadine Allen 7812 34 6
Timothy Black 7954 41 6
David Davis 7736 43 5
Leslie IsaiahGaines 5282 35 13
Karla Grady 5253 6 0
DeidraHair 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 también un análisis de la
probabilidad de la apelación y la revocación de casos en los tres tribunales. Como mínimo, 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 revocación dada una apelación, por cada juez

16
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizó y dé las
razones de su elección.

SOLUCIÓN:

1. La probabilidad de casos que se apelan y revocan en los tres tribunales:

Tribunal penal:
*Apelados:

*Revocados:

Tribunal familiar:
*Apelados:

*Revocados:

Tribunal civil:
*Apelados:

*Revocados:

TRIBUNAL APELADOS REVOCADOS

Penal 0.04009 0.00453
Familiar 0.00347 0.00056
Civil 0.00460 0.00096

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

17
Para obtener la probabilidad de que los casos sean apelados, utilizamos la siguiente fórmula:

Juez Tribunal Penal Casos Casos Probabilidad casos

Presentados apelados apelados
Fred Cartolano 3037 137 22,167883
Thomas Crush 3372 119 28,336134
Patrick Dinkelacker 1258 44 28,590909
Timothy Hogan 1954 60 32,566666
Robert Kraft 3138 127 24,708661
William Mathews 2264 91 24,879120
William Morrissey 3032 121 25,057851
NorbertNadel 2959 131 22,587786
Arthur Ney, Jr. 3219 125 25,752
Richard Niehaus 3353 137 24,474452
Thomas Nurre 3000 121 24,793388
John O’Connor 2969 129 23,015503
Robert Ruehlman 3205 145 22,103448
J. Howard Sundermann 955 60 15,916666
Ann Marie Tracey 3141 127 24,732283
Ralph Winkler 3089 88 35,102272

Juez Tribunal de Familia Casos Casos apelados Probabilidad

Presentados casos apelados
PenelopeCunningham 2729 7 0.002565
Patrick Dinkelacker 6001 19 0.003166
Deborah Gaines 8799 48 0.005455
Ronald Panioto 12,970 32 0.002467

Juez Tribunal Civil Casos Casos apelados Probabilidad

Presentados casos apelados
Mike Allen 6149 43 0.006993
Nadine Allen 7812 34 0.004352

18
Timothy Black 7954 41 0.005154
David Davis 7736 43 0.005558
Leslie IsaiahGaines 5282 35 0.006626
Karla Grady 5253 6 0.001142
DeidraHair 2532 5 0.001974
Dennis Helmick 7900 29 0.003670
Timothy Hogan 2308 13 0.005632
James Patrick Kenney 2798 6 0.002144
Joseph Luebbers 4698 25 0.005321
William Mallory 8277 38 0.004591
Melba Marsh 8219 34 0.004136
Beth Mattingly 2971 13 0.004375
Albert Mestemaker 4975 28 0.005628
Mark Painter 2239 7 0.003126
Jack Rosen 7790 41 0.005263
Mark Schweikert 5403 33 0.006107
David Stockdale 5371 22 0.004096
John A. West 2797 4 0.001430

3. La probabilidad de que se revoque un caso, por cada juez

Juez Tribunal Penal Casos Casos Probabilidad casos

Presentados revocados revocados
Fred Cartolano 3037 12 0.003951
Thomas Crush 3372 10 0.002965
Patrick Dinkelacker 1258 8 0.006359
Timothy Hogan 1954 7 0.003582
Robert Kraft 3138 7 0.002230
William Mathews 2264 18 0.007950
William Morrissey 3032 22 0.007225
NorbertNadel 2959 20 0.006759
Arthur Ney, Jr. 3219 14 0.004349
Richard Niehaus 3353 16 0.004771
Thomas Nurre 3000 6 0.002
John O’Connor 2969 12 0.004041
Robert Ruehlman 3205 18 0.005616
J. Howard Sundermann 955 10 0.010471
Ann Marie Tracey 3141 13 0.004138
Ralph Winkler 3089 6 0.001942

19
 Juez Tribunal de Familia Casos Casos Probabilidad
Presentados revocados casos revocados
PenelopeCunningham 2729 1 0.000366
Patrick Dinkelacker 6001 4 0.000666
Deborah Gaines 8799 9 0.001022
Ronald Panioto 12,970 3 0.000231

Juez Tribunal Civil Casos Casos apelados Probabilidad

Presentados casos apelados
Mike Allen 6149 4 0.000650
Nadine Allen 7812 6 0.000768
Timothy Black 7954 6 0.000754
David Davis 7736 5 0.000646
Leslie IsaiahGaines 5282 13 0.002461
Karla Grady 5253 0 0
DeidraHair 2532 0 0
Dennis Helmick 7900 5 0.000632
Timothy Hogan 2308 2 0.000866
James Patrick Kenney 2798 1 0.000357
Joseph Luebbers 4698 8 0.001702
William Mallory 8277 9 0.001087
Melba Marsh 8219 7 0.000851
Beth Mattingly 2971 1 0.000336
Albert Mestemaker 4975 9 0.001809
Mark Painter 2239 3 0.001339
Jack Rosen 7790 13 0.001668
Mark Schweikert 5403 6 0.001110
David Stockdale 5371 4 0.000744
John A. West 2797 2 0.000715

4. La probabilidad de una revocación dada una apelación, por cada juez

20
 Casos Casos Casos Probabilidad
Juez Tribunal Penal Presentados apelados Revocados de una
revocación
dada una
apelación
Fred Cartolano 3037 137 12 0.087591
Thomas Crush 3372 119 10 0.084033
Patrick Dinkelacker 1258 44 8 0.181818
Timothy Hogan 1954 60 7 0.116666
Robert Kraft 3138 127 7 0.055118
William Mathews 2264 91 18 0.197802
William Morrissey 3032 121 22 0.181818
NorbertNadel 2959 131 20 0.152671
Arthur Ney, Jr. 3219 125 14 0.112
Richard Niehaus 3353 137 16 0.116788
Thomas Nurre 3000 121 6 0.049586
John O’Connor 2969 129 12 0.093023
Robert Ruehlman 3205 145 18 0.124137
J.HowardSundermann 955 60 10 0.166666
Ann Marie Tracey 3141 127 13 0.102362
Ralph Winkler 3089 88 6 0.0681

Juez Tribunal de Casos Casos Casos Probabilidad

Familia Presentados apelados Revocados de una
revocación
dada una
apelación
PenelopeCunningham 2729 7 1 0.142857
Patrick Dinkelacker 6001 19 4 0.210526
Deborah Gaines 8799 48 9 0.1875
Ronald Panioto 12,970 32 3 0.09375

Juez Tribunal Civil Casos Casos Casos Probabilidad

Presentados apelados Revocados de una
revocación
21
 dada una
apelación
Mike Allen 6149 43 4 0.093023
Nadine Allen 7812 34 6 0.176470
Timothy Black 7954 41 6 0.146341
David Davis 7736 43 5 0.116279
Leslie IsaiahGaines 5282 35 13 0.371428
Karla Grady 5253 6 0 0
DeidraHair 2532 5 0 0
Dennis Helmick 7900 29 5 0.172413
Timothy Hogan 2308 13 2 0.153846
James Patrick Kenney 2798 6 1 0.166666
Joseph Luebbers 4698 25 8 0.32
William Mallory 8277 38 9 0.236842
Melba Marsh 8219 34 7 0.205882
Beth Mattingly 2971 13 1 0.076923
Albert Mestemaker 4975 28 9 0.321428
Mark Painter 2239 7 3 0.428571
Jack Rosen 7790 41 13 0.317073
Mark Schweikert 5403 33 6 0.181818
David Stockdale 5371 22 4 0.181818
John A. West 2797 4 2 0.5

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizó y dé las
razones de su elección.

Mayor probabilidad de revocar dada una apelación:

John A. West 2797 4 2 0,00143 0,000715 0,5

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:

22
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 0,09375
Panioto

ESTUDIO DE CASO 5

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
compañía 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 también y6 % de los que
vende Crawford Components son defectuosos. Cuando los chips LS-24 se reciben, se les coloca
directamente en un depósito 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 identificó los chips, no se está seguro de qué proveedor los
fabricó. Con el propósito de evaluar con que proveedor hay mayor probabilidad de tener chips
defectuosos, usted ha sido llamado para que ayude en el análisis de datos. Utilice su
conocimiento de la probabilidad para ayudar a realizar el informe solicitado.

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

1. Un diagrama de árbol 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 está 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:

23
 a) Identificar los eventos mutuamente excluyentes
b) Identificar las probabilidades de los eventos mutuamente excluyentes (probabilidades a
priori)
c) Identificar las probabilidades condicionales presentadas

Desarrollo

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

encontradas.

2. Probabilidad de que un chip este defectuoso.

Probabilidad Probabilidad
Probabilidad Probabilidad a
Evento A1 condicional Conjunta P(Ai y
a Priori P(Ai) Posteiori P(Ai y B1)
P(B1|Ai) B1)
Hall Electronics 0,25 0,02 0,005 4
Schuller Sales 0,3 0,04 0,012 3,333333333
Crawford 0,45 0,06 0,027 2,222222222

24
Components
P(B1) 0,044 9,555555556

La Probabilidad de que el LS-24 este Defectuoso es de P(B1) = 0.044 para un porcentaje del
4.4%

3. Probabilidad de que el chip este en buenas condiciones

Probabilidad Probabilidad Probabilidad a

Probabilidad
Evento A2 condicional Conjunta Posteiori P(Ai y
a Priori Ai
P(B2|Ai) P(Ai y B2) B2)
Halls Electronics. 0,25 0,98 0,25 4
Schulers Sales. 0,30 0,96 0,29 3,333333333
Crawford
0,45 0,94 0,42 2,222222222
Components
P(B2) 0,96 9,555555556

Probabilidad de que el LS-24 este en buenas condiciones es = a P(B2) =0.986 para un

porcentaje del 98.6%

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

haya sido fabricado por cada uno de los proveedores.

microchip LS-24
25% Hall Electronics 2% defectusos
30% Schuller Sales 4% defectusos
45% Crawford Components 6% defectusos

Datos
25% Hall Electronis 0.25 A1
30% Schuller Sales 0.3 A2
45% Crawford Components 0.45 A3

Datos defectos de fabricante

2% Hall Electronis 0.02 B1

25
4% Schuller Sales 0.04 B2
6% Crawford Components 0.06 B3

( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

( )

( )

Existe una probabilidad 1.136% de que el chip fabricado por Hall Electronis sea defectuoso.

( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

( )

( )

Existe una probabilidad de que el chip fabricado por Schuller Sales sea defectuoso.

26
 ( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

( )

( )

Existe una probabilidad de que el chip fabricado por Crawford Components sea
defectuoso.

5. Si el chip seleccionado está en buenas condiciones, debe encontrar la Probabilidad

de que haya sido fabricado por cada uno de los proveedores.
( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

( )

( )

Existe una probabilidad % de que el chip fabricado por Hall Electroniseste en buenas
condiciones.

( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

27
 ( )

( )

Existe una probabilidad de que el chip fabricado por Schuller Sales este en buenas
condiciones.

( ) ( )
( )
( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )( ) ( )( )
( )
( )
( ) ( ) ( )

( )

( )

Existe una probabilidad de que el chip fabricado por Crawford Componentseste en

buenas condiciones.

28
 Conclusión

 Con el inicio de esta primera actividad se logra el reconocimiento de los términos y

metodología del curso, además de un acercamiento con los integrantes del grupo
colaborativo.

 De la buena aplicación que le demos a las herramientas presentadas en este curso

lograremos desempeñarnos mejor en nuestras actividades laborales, ya que hacemos
referencia a un curso con el cual forjaremos algunas bases en el reconocimiento de
situaciones cotidianas.

 Mediante las técnicas de conteo vistas en la unidad y aplicadas en esta actividad,

podemos concluir la probabilidad de los eventos al azar y en base a estos resultados
probabilísticos tomar decisiones correspondientes en situaciones de incertidumbre.

29
 Referencias Bibliográficas

 Rodríguez, F. &Pierdant, A. (2014). Estadística para administración. Recuperado

de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013767&
ppg=177
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604&
ppg=128
 Martín, J. y Ruiz, L. (2004). Estadística I: Probabilidad. 2nd ed. Madrid: Paraninfo. vii-
viii. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX405240
0005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=AboutThis
Publication&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%
7C3BDC
 Rodríguez, F. &Pierdant, A. (2014). Estadística para administración. Recuperado
de:http://bibliotecavirtual.
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad
e inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995669&ppg
=19
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de:http://bibliotecavirtual.unad.

30