PROBABILIDAD

Experimento Aleatoriao y Espacio Muestral.

Eventos Sucesos.
Tcncias de Conteo.
Axiomas de Probabilidad.
Teorema de Bayes.

Integrantes:

Deicy Magaly Puliche cdigo: 34331678

Gimena Velasco cdigo: 1064427596
Mauren Gisela Reyes cdigo: 1061715996
Yanncy Milena Fernndez cdigo:1061726036

Curso:
100402_119

Tutor:
Luis Alexander Saravia

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ADMINISTRACION DE EMPRESAS
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA UNIDAD DE
CIENCIAS BSICAS

POPAYAN
MARZO
2016
 INTRODUCCION

La probabilidad es cosiderara una herramienta fundamental de ayuda para la

toma de decisiones ya que brinda inforamcin y soluciones en las formas de
medir, expresar y analizar incertidumbres asociadas con eventos futuros de
razones entre el nmero de casos favorables y el nmero de casos posibles , sta
es un amedida numrica de posibilidades de que ocurrir un evento y sus valores
se asignan en una escala de 0 a 1.

La Estadstica es un mtodo eficaz de descripcin, relacin y anlisis de valores y

datos del entorno tanto a nivel social, como cultural, poltico, econmico
etc;adems del anlisis y tabulacin de datos se brinda la posibilidad de la toma
de desiciones acertadas y a tiempo y realizar la respectivas proyecciones. Muchos
de los eventos que ocurren en el entorno cotidiano del ser humano no se pueden
predecir con exactitud, ya que la mayora de los hechos estn influenciados por el
azar, es decir, por procesos inciertos, en los que no se est seguro de lo que va a
ocurrir, no podemos afirmar que vivimos en un mundo determinista, en donde no
hay influencia del azar y la incertidumbre; Es por ello que la Probabilidad permite
un acercamiento a estos sucesos, ponderando las posibilidades de su ocurrencia y
proporcionando mtodos para tales ponderaciones, creando as modelos
Probabilsticos. Precisamente, algunos de esos mtodos proporcionados por la
teora de la Probabilidad llevan a descubrir que ciertos eventos tienen una mayor o
menor probabilidad de ocurrir que la apreciacin hecha a travs del sentido
comn.

En el desarrollo de la Siguiente Actividad y mediante lo estudiado en la Unidad 1

sobre :

Definicin de Experimento aleatorio y espacio Muestral.

Eventos o Sucesos, Operaciones entre eventos
Tcnicas de conteo: permutaciones, combinaciones, etc.
Axiomas de probabilidad: Regla de la adicin, regla de la multiplicacin
Probabilidad condicional
Teorema de Bayes.

Se aplicarn dichos conocimientos en la solucin de los ejercicios Caso

propuestos.
Desarrollo del Trabajo:
Cuadro Sinptico: Experimento Aleatorio:
Dan lugar a varios resultados, sin ser
predecible enuciar con certeza cual de
los dos va a ser observado en la
EXPERIMENTO ALEATORIO Y
ESPACO MUESTRAL realizacind el experimento.

Espacio Muestral:
Conjunto formado por todo slos
posbles resultados de un experimento
aleatorio y se desigan por S, a la
coleccin de resultados que se
obtienen en los experimentos
aleatorios.

Sucesos o Eventos:
EVENTOS OSUCESOS
PROBABILIDAD De un fenmeno o experimento
UNIDAD 1 aleatorio son cada uno de los
subconjuntos del Espacio Muestral
S,los elementos del espacio muestral
se llaman sucesos individuales o
elementales, tambin son sucesos el
suceso vaco o suceso imposible, y el
propio S,suceso seguro.

OPERACIONES CON EVENTOS:

Los sucesos o eventos son

subconjuntos, entonces es posible
emplear las operaciones bsicas de
conjuntos como:

Unin= (AUB)
Interseccin= ( A B)
Diferencia = (A-B)
Suceso Complementario=
A = E-A, suceso
complementario de A.
Desarrollo del Trabajo:
Cuadro Sinptico: Principios :
Multiplicativo:
Si un evento determinado puede
TCNICAS DE CONTEO
realizarse de n1 maneras

diferentes y si un segundo evento

puede realizarse de n2 maneras

diferentes y si adicional un evento

puede realizarse de n3 y asi

sucesivamente y si al mismo
tiempo cada evento es
independiente del otro, entonces el
nmero de maneras en que los
eventos pueden realizarse en el
orden indicado es el producto:

3
n1 x n2 x n

Principio Aditivo:

Este principio tiene las mismas

premisas del principio multiplicativo,
pero con la condicin no de que los
PROBABILIDAD eventos sean independientes sino de
que sean mutuamente excluyentes, es
UNIDAD 1 decir que cada uno ocurra sin la
necesidad de que otro lo haga. El
nmero total de maneras en las que
pueden realizarse los eventos es la
adicin:

3
n1 +n2 +n

Factorial de un Nmero:

En el anlisis combinatorio interviene

con mucha frecuencia el concepto de
factorial de un entero no negativo n.
Este se denota por el smbolo n! y se
define como el producto de n por
todos los enteros que le preceden
hasta llegar al uno.

Simblicamente queda expresado

como:
Desarrollo del Trabajo:
Cuadro Sinptico: PERMUTACIONES Y
VARIACIONES

PERMUTACIONES Y Considere un conjunto de elementos

VARIACIONES . Una permutacin de los
elementos es un acomodo u
ORDENAMIENTO de ellos. As:

abc acb bac bca cab cba

Son las permutaciones de los elementos del

conjunto S y son en total 6 posibles
acomodos. Esto es:

El nmero de permutaciones
(acomodos u ordenaciones)
de n elementos distintos, tomados
todos de una vez, se denota
por n!

Una ordenacin de un
nmero r de elementos del
conjunto de n elementos, ,
PROBABILIDAD es denominada variacin. Son
UNIDAD 1 permutaciones en las que implica
un orden en la colocacin de los
elementos, tomando nicamente
una parte de los elementos. Una
variacin puede construirse
seleccionando el elemento que
ser colocado en la primera
posicin del arreglo de entre
los n elementos, para luego
seleccionar el elemento de la
segunda posicin de entre los n-
1 elementos restantes, para
seleccionar despus el tercer
elemento de entre los n-
2 restantes, y as sucesivamente.
Se trata pues de una permutacin
de n elementos tomando r a la
vez.

El nmero de permutaciones
de n elementos tomados r a la
vez se define como:
Desarrollo del Trabajo:
Cuadro Sinptico:
Si se tiene que tiene un
conjunto de n elementos.
COMBINATORIAS
Una combinacin de ellos,
tomados r a la vez, es un
subconjunto de r elementos
donde el orden no se tiene en
cuenta. El nmero de
combinaciones de n elementos
tomados r a la vez, , sin
tener en cuenta el orden, es:

Los Axiomas AXIOMAS DE PROBABILIDAD

de probabilidad que
satisfacen la probabilidad de cualquier
experimento aleatorio. Estos axiomas
no determinan las probabilidades, lo
que hacen es facilitar el clculo de las
probabilidades de algunos eventos a
partir del conocimiento de las
probabilidades de otros.Entendiendo
la probabilidad de cualquier evento
PROBABILIDAD
como un nmero entre 0 y 1, ella
UNIDAD 1 satisface las siguientes propiedades:

Si S es el espacio muestral y A es
cualquier evento del experimento
aleatorio, entonces:

1. P(S)= 1

2.

Estos axiomas implican los siguientes

resultados.

La probabilidad de un
evento imposible es 0
P()=0.

La probabilidad de que un
evento ocurra con certeza
es 1.

Para cualquier evento A,

P(At)=1-P(A).

Si el evento A1 est
Desarrollo del Trabajo:
Cuadro Sinptico:

Regla dela adiccin:

AXIOMAS DE PROBABILIDAD

Para eventos mutuamente excluyentes.

A menudo, estamos interesados en la

probabilidad de que una cosa u otra
suceda; es decir nos interesa la
probabilidad de la unin de dos eventos. Si
estos dos eventos son mutuamente
excluyentes, podemos expresar esta
probabilidad haciendo uso de la regla de
adicin para eventos mutuamente
excluyentes:

P (A U B) = P (A) + P (B)

Existe un caso especial, para cualquier

evento A, tenemos que ste sucede o no
sucede. De modo que los eventos A y A'
son mutuamente excluyentes y exhaustivos:

P(A) + P(A') = 1

PROBABILIDADP(A') = 1 - P(A)
UNIDAD 1
Eventos que no son mutuamente
excluyentes.

Si dos eventos no son mutuamente

excluyentes, es posible que ambos se
presenten al mismo tiempo. En tales casos,
debemos modificar la regla de la adicin
para evitar el conteo doble:

P(A U B) = P(A) + P(B) - P(AnB)

REGLA DE LA MULTIPLICACIN

Cuando se presentan dos eventos, el

resultado del primero puede tener un efecto
en el resultado del segundo, o puede no
tenerlo. Esto es, los eventos pueden ser
dependientes o independientes. Existen
tres tipos de probabilidades que se
presentan bajo independencia estadstica:

Marginal.
Conjunta.
Condicional.
Desarrollo del Trabajo:
Cuadro Sinptico:

Sea A1, A2, ...,An un sistema

TEOREMA DE BAYES
completo de sucesos, tales que la
probabilidad de cada uno de ellos
es distinta de cero, y sea B un
suceso cualquier del que se
conocen las probabilidades
condicionales P(B/Ai). entonces la
probabilidad P(Ai/B) viene dada
por la expresin:

Resulta que:

el denominador corresponde a
encontrar la Probabilidad Total de
B.
PROBABILIDAD
UNIDAD 1 En los problemas relacionados con
la probabilidad, y en particular con
la probabilidad condicionada, as
como con la probabilidad total y el
teorema de Bayes, es recomdable
que con la informacin del
problema, se construya una tabla
de contingencia o diagrama de
rbol.
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
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
Programa
Aprob Reprob perdi por Total
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. Meca trnica 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. Clasifique 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
 Solucin:

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

Probabilidad de que un estudiante apruebe un curso del rea de matemticas:

total de Aprobados
P: 100
Nmero total de estudiantes

1873
P: 100
2755

P: 0,68100

P: 0,68100

P 68

La Probabilidad de 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.

 Solucin:

total de Reprobados
P: 100
Nmero total de estudiantes

389
P: 100
2755

P: 0,14100

P: 0,14100

P:14

La Probabilidad de 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.

Profesor Aprob Probabilidad de Aprobar Total

Csar r. 52 P(A) = 52/53 = 0,98 % * 100 = 98% 53

Claudia v. 31 P(A) = 31/36 = 0,86 % *100 = 86% 36
Diana m. 97 P(A) = 97/119 = 0,82 % *100 = 82% 119
Ernesto s. 166 P(A) = 166/204 = 0,81 % *100 = 81% 204
Diego v. 36 P(A) = 36/45 = 0,80 % * 100= 80% 45
Eduardo 154 197
m. P(A) = 154/197 = 0,78 % *100 = 78%
Enrique p 118 P(A) = 118/156 = 0,76 % *100 = 76% 156
Fernando 125 P(A) = 125/167 = 0,75 % *100 = 75% 167
m.
Gloria a. 151 P(A) = 151/203 = 0,74 % *100 = 74% 203
Jairo a. 116 P(A) = 116/161 = 0,72% *100 = 72% 161
Javier b. 98 P(A) = 98/137 = 0,72 % *100 = 72% 137
Jos c. 49 P(A) = 49/74 = 0,66 % *100 = 66% 74
Luz p. 142 P(A) = 142/209 = 0,68 % *100 = 68% 209
Marcela f. 60 P(A) = 60/100 = 0,60 % *100 = 60% 100
Mara a. 93 P(A) = 93/157 = 0,59 % *100 = 59% 157
Mario g 90 P(A) = 90/152 = 0,59 % *100 = 59% 152
Mercedes 60 P(A) = 60/102 = 0,58 % *100 = 58% 102
s.
Oscar n. 111 P(A) = 11/204 = 0,05% *100 = 5% 204
Patricia 37 P(A) = 37/73 = 0,51 % *100 = 51% 73
m.
Ricardo 57 P(A) = 57/100 = 0,43 % *100 = 43% 134
o.
Sandra 30 P(A) = 30/72 = 0,41% *100 = 41% 72
m.
Total 1873 P(A) = 1837/2755= 0,66 % *100 = 66% 2755

4. Si un estudiante aprueba un curso, establezca la probabilidad de que

sea cada uno de los cursos del rea

Curso Aprob Probabilidad de Aprobar Total

Algebra lineal 178 P(A) = 178/218 = 0,82 % * 100 = 82% 218

Anlisis numrico 146 P(A) = 146/182 = 0,80 % * 100 = 80% 182
Clculo infinitesimal 252 P(A) = 252/328 = 0,77 % * 100 = 77% 328
Calculo integral 56 P(A) = 56/79 = 0,71 % * 100 = 71% 79
Clculo multivariado 244 P(A) = 244/357 = 0,68 % * 100 = 68% 357
Calculo negocios 226 P(A) = 226/331 = 0,68 % * 100 = 68% 331
Ecuaciones diferenciales 178 P(A) = 178/265 = 0,67 % * 100 = 67% 265
Estadstica bsica 33 P(A) = 33/53 = 0,62 % * 100 = 62% 53
Estadstica inferencial 269 P(A) = 269/437 = 0,62 % * 100 = 62% 437
Matemticas avanzadas 199 P(A) = 199/325 = 0,61 % * 100 = 61% 325
Matemticas discretas 44 P(A) = 44/80 = 0,55 % * 100 = 55% 80
Pre calculo 42 P(A) = 42/83 = 0,51 % * 100 = 51% 83
Probabilidad 6 P(A) = 6/17 = 0,35 % * 100 = 35% 17
TOTAL 1873 2755
5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.

Se aplica la frmula de Probabilidad Clsica, en donde los caso favorables al

Evento A se dividen entre el nmero de casos posibles, para este caso el nmero
de los que aprobaron, y se divide entre el nmero total de estudiantes.
De esta manera se analiza que ALGEBRA LINEAL, tiene el mayor porcentaje de
aporbacin en estudiantes.

Probabilidad Probabilidad Cancelo Probabilidad

de Aprobar Reprob de Reprobar o perdi por fallas
Curso Aprob Total
por
fallas
Algebra 178 P(A) 10 P(A) 30 P(A) 218
lineal 178/218: 10/218: 30/218: (7)
0,82% *100: 0,05% *100: 0,14% *100:
82% 5% 14%
Anlisis 146 P(A) 15 P(A) 21 P(A) 182
numrico 146/182: 15/182: 21/182: (6)
0,80% *100: 0,08% *100: 0,11% *100:
80% 8% 11%
Clculo 252 P(A) 37 P(A) 39 P(A) 328
infinitesimal 252/328: 37/328: 39/328: (10)
0,77% *100: 0,11% *100: 0,12% *100:
77% 11% 12%
Calculo 56 P(A) 56/79: 8 P(A) 8/79: 15 P(A) 15/79: 79
integral 0,71% *100: 0,10% *100: 0,18% *100: (3)
71% 10% 18%
Clculo 244 P(A) 49 P(A) 64 P(A) 357
multivariado 244/357: 49/357: 64/357: (12)
0,68% *100: 0,14% *100: 0,18% *100:
68% 14% 18%
Calculo 226 P(A) 44 P(A) 61 P(A) 331
negocios 226/331: 44/331: 61/331: (11)
0,68% *100: 0,14% *100: 0,18% *100:
68% 14% 18%
Ecuaciones 178 P(A) 47 P(A) 40 P(A) 265
diferenciales 178/265: 47/265: 40/265: (8)
 0,67% *100: 0,18% *100: 0,15% *100:
67% 18% 15%
Estadstica 33 P(A) 33/53: 11 P(A) 11/53: 9 P(A) 9/53: 53
bsica 0,62% *100: 0,21% *100: 0,17% *100: (2)
62% 21% 17%
Estadstica 269 P(A) 70 P(A) 98 P(A) 437
inferencial 269/437: 70/437: 98/437: (13)
0,62% *100: 0,16% *100: 0,22% *100:
62% 16% 22%
Matemtica 199 P(A) 53 P(A) 73 P(A) 325
s avanzadas 199/325: 53/325: 73/325: (9)
0,61% *100: 0,16% *100: 0,22% *100:
61% 16% 22%
Matemtica 44 P(A) 44/80: 13 P(A) 13/80: 23 P(A) 23/80: 80
s discretas 0,55% *100: 0,16% *100: 0,29% *100: (4)
55% 16% 29%
Pre calculo 42 P(A) 42/83: 24 P(A) 24/83: 17 P(A) 17/83: 83
0,51% *100: 0,29% *100: 0,21% *100: (5)
51% 29% 21%
Probabilidad 6 P(A) 6/17: 8 P(A) 8/17: 3 P(A) 3/17: 17(1)
0,35% *100: 0,47% *100: 0,18% *100:
35% 47% 18%
TOTAL 1873 389 493 2755

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

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

Con la Frmula de Probabilidad Clsica, los casos favorables al evento A se

dividen entre el nmero de casos posibles, para este caso el nmero de los que
aprobaron dividido el nmero total de estudiantes.
Con el siguiente anlisis podemos ver que le Profesor Csar,obtiene el mayor
porcentaje de probabilidad de que los estudiantes aprueben las materias que el
dicta.
Probabilidad Probabilidad Cancelo Probabilidad
Aprob de Aprobar Reprob de Reprobar o perdi por fallas
Profesor Total
por
fallas
Csar r. 52 P(A) 52/53: 1 P(A) 1/53: 53
0,98% *100: 0,02% *100:
98% 2%
Claudia v. 31 P(A) 31/36: 5 P(A) 5/36: 36
0,86% *100: 0,14% *100:
86% 14%
Diana m. 97 P(A) 97/119: 4 P(A) 4/119: 18 P(A) 18/119: 119
0,82% *100: 0,03% *100: 0,15% *100:
82% 3% 15%
Ernesto 166 P(A) 17 P(A) 17/204: 21 P(A) 21/204: 204
s. 166/204: 0,08% *100: 0,10% *100:
0,81% *100: 8% 10%
81%
Diego v. 36 P(A) 36/45: 5 P(A) 5/45: 4 P(A) 4/45: 45
0,8% *100: 0,01% *100: 0,08% *100:
80% 1% 8%
Eduardo 154 P(A) 17 P(A) 17/197: 26 P(A) 26/197: 197
m. 154/197: 0,09% *100: 0,13% *100:
0,78% *100: 9% 13%
78%
Enrique p 118 P(A) 25 P(A) 25/156: 13 P(A) 13/156: 156
118/156: 0,16% *100: 0,08% *100:
0,76% *100: 16% 8%
76%
Fernando 125 P(A) 21 P(A) 21/167: 21 P(A) 21/167: 167
m. 125/167: 0,13% *100: 0,13% *100:
0,75% *100: 13% 13%
75%
Gloria a. 151 P(A) 32 P(A) 32/203: 20 P(A) 20/203: 203
151/203: 0,16% *100: 0,10% *100:
0,74% *100: 16% 10%
74%
Jairo a. 116 P(A) 19 P(A) 19/161: 26 P(A) 26/161: 161
116/161: 0,12% *100: 0,10% *100:
0,72% *100: 12% 10%
72%
Javier b. 98 P(A) 10 P(A) 10/137: 29 P(A) 29/137: 137
98/137: 0,07% *100: 0,21% *100:
0,72% *100: 7% 21%
72%
Jos c. 49 P(A) 49/74: 9 P(A) 9/74: 16 P(A) 16/74: 74
0,66% *100: 0,12% *100: 0,22% *100:
66% 12% 22%
Luz p. 142 P(A) 23 P(A) 23/209: 44 P(A) 44/209: 209
142/209: 0,11% *100: 0,21% *100:
 0,68% *100: 11% 21%
68%
Marcela f. 60 P(A) 19 P(A) 19/100: 21 P(A) 21/100: 100
60/100: 0,19% *100: 0,21% *100:
0,6% *100: 19% 21%
60%
Mara a. 93 P(A) 27 P(A) 27/157: 37 P(A) 37/157: 157
93/157: 0,17% *100: 0,30% *100:
0,59% *100: 17% 30%
59%
Mario g 90 P(A) 16 P(A) 16/152: 46 P(A) 46/152: 152
90/152: 0,11% *100: 0,11% *100:
0,59% *100: 11% 11%
59%
Mercedes 60 P(A) 15 P(A) 15/102: 27 P(A) 27/102: 102
s. 60/102: 0,15% *100: 0,26% *100:
0,58% *100: 15% 26%
58%
Oscar n. 111 P(A) 48 P(A) 48/204: 45 P(A) 45/204: 204
111/204: 0,24% *100: 0,22% *100:
0,554% 24% 22%
*100: 54%
Patricia 37 P(A) 37/73: 14 P(A) 14/73: 22 P(A) 22/73: 73
m. 0,51% *100: 0,19% *100: 0,30% *100:
51% 19% 30%
Ricardo 57 P(A) 31 P(A) 31/134: 46 P(A) 46/134: 134
o. 57/134: 0,23% *100: 0,34% *100:
0,43% *100: 23% 34%
43%
Sandra 30 P(A) 52/53: 37 P(A) 37/72: 5 P(A) 5/72: 72
m. 0,42% *100: 0,51% *100: 0,07% *100:
42% 51% 7%
Total 1873 389 493 2755

7. En que programa hay mejores resultados. Establezca los criterios que

utiliz y d las razones de su eleccin

Da como resultado que el Programa que mejores resultados de Aprobacin tiene

es Administracin Ambiental, resultado obtenido de la aplicacin de la frmual de
Porbabilidad Clsica, donde los casos favorables al Evento A, se dividen entre el
 nmero de casos posibles, para este caso el nmero de los que aprobaron,
dividido el total de estudiantes.
Cancel
oo
Programa Aprob Reprob
perdi Total

por
fallas
Administracin 146 P(A) 15 P(A) 21 P(A) 182
ambiental 146/182: 15/182: 21/182:
0,80% 0,08% 0,11%
*100: 80% *100: 8% *100: 11%
Admn. empresas 295 P(A) 44 P(A) 41 P(A) 380
295/380: 44/380: 41/380:
0,77% 0,12% 0,11%
*100: 77% *100: 12% *100: 11%
Arquitectura 297 P(A) 53 P(A) 71 P(A) 421
297/421: 53/421: 71/421:
0,71% 0,13% 0,29%
*100: 71% *100: 13% *100: 29%
Contadura 99 P(A) 23 P(A) 19 P(A) 141
99/141: 23/141: 19/141:
0,70% 0,16% 0,13%
*100: 70% *100: 16% *100: 13%
Economa 99 P(A) 19 P(A) 24 P(A) 142
99/142: 19/142: 24/142:
0,70% 0,13% 0,17%
*100: 70% *100: 13% *100: 17%
Ing. Meca trnica 515 P(A) 118 P(A) 154 P(A) 787
515/787: 118/787: 154/787:
0,65% 0,15% 0,20%
*100: 65% *100: 65% *100: 20%
Ing. Civil 88 P(A) 20 P(A) 27 P(A) 135
88/135: 20/135: 27/135:
0,65% 0,15% 0,2% *100:
*100: 65% *100: 15% 20%
Ing. Financiera 83 P(A) 29 P(A) 22 P(A) 134
83/134: 29/134: 22/134:
0,62% 0,22% 0,16%
*100: 62% *100: 22% *100: 16%
Ing. Sistemas 127 P(A) 26 P(A) 53 P(A) 206
127/206: 26/206: 53/206:
 0,62% 0,13% 0,26%
*100: 62% *100: 13% *100: 26%
Ing. 32 P(A) 32/56: 9 P(A) 9/56: 15 P(A) 15/56: 56
Telecomunicacione 0,57% 0,16% 0,27%
s *100: 57% *100: 16% *100: 27%
Negocios 69 P(A)69/123 21 P(A)21/123 33 P(A)33/123 123
Internacionales : 0,56% : 0,17% : 0,27%
*100: 56% *100: 17% *100: 27%
Psicologa 23 P(A) 23/48: 12 P(A) 12/48: 13 P(A) 13/48: 48
0,48% 0,25% 0,27%
*100: 48% *100: 48% *100: 27%
Total 1873 389 493 275
5
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
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% 22 %
Enfermedad Ausente 5% 85 %

Con base en esta informacin y usando el Teorema de Bayes, elabore un informe

que como mnimo, debe incluir:
1. Probabilidad de que la enfermedad este presente
2. 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 positivo
7. Probabilidad de que la persona tenga la enfermedad dado que el examen
resulto negativo
8. Probabilidad de que la persona NO tenga la enfermedad dado que el
examen resulto negativo
9. De acuerdo con las probabilidades encontradas, que tan confiable es este
examen de seleccin para detectar la enfermedad?

Positivo Negativo
(O) (N)
Presente
(P) 0.08 0.02
Ausente
(A) 0.05 0.85
 P ( P )=0.1

P ( A )=10.1=0.9

P ( NA )= P (PN( A )A ) = 0.85
0.9
=0.944

P ( NP )= P (PN( P )P ) = 0.02
0.1
=0.2

P ( P )P ( NP )
P ( NP )= P ( P )P N + P ( A )P N
( P) (A)
P ( NP )= 0.10.2+
0.10.2
0.90.944
=0.023

P ( OA )= P (PO( A )A ) = 0.05
0.9
=0.056

El caso nos presenta un problema en el falso negativo, pues es bastante alto y

puede causar confianza en las personas y no realizar ningn tratamiento.
ESTUDIO DE CASO 3

En su excitante novela Congo, Michael Chichn 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 12 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 0,7980; sin embargo, dado un salto exitoso, la probabilidad de
xito de la expedicin era de 0,9943 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 12 miembros del equipo, cual es la probabilidad de

completar su salto con xito?

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 xito?

3. En el relato se afirma que: esa probabilidad de 0,7980 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:

1. 0,7980*0,9943 = 0.7934514
0.7934514 sera la probabilidad de terminar el salto con xito, pero al no saber de
paracaidismo esta probabilidad se volvera a 0 ya que sin tener este conocimiento
o destreza se podra perder la expedicin.

2. 0.7934514 es la probabilidad de salto con xito de una persona del equipo.

3. Si, ya que el rango de error es de 20% el cual nos dice que pueden haber
entre 2 o 3 personas heridas en el equipo.
Bueno en este caso yo desarrolle el tema de probabilidad es la probabilidad de
que ocurra un evento A, sabiendo que tambin sucede otro evento B. La
probabilidad condicional se escribe P(A|B), y se lee la probabilidad de A dado B.
No tiene por qu haber una relacin causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede
causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o
temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden
desempear un papel o no dependiendo de la interpretacin que se le d a los
eventos.
Un ejemplo clsico es el lanzamiento de una moneda para luego lanzar un dado.
Cul es la probabilidad de obtener una cara (moneda) y luego un 6 (dado)? Pues
eso se escribira como P (Cara | 6).
El condicionamiento de probabilidades puede lograrse aplicando el teorema de
Bayes.
El teorema de Bayes, en la teora de la probabilidad, es una proposicin planteada
por el filsofo ingls Thomas Bayes (1702-1761)1 en 1763,2 que expresa la
probabilidad condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir, que sabiendo la probabilidad de tener un dolor
de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la
probabilidad de tener gripe si se tiene un dolor de cabeza. Muestra este sencillo
ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus
ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad
de aspectos causales dados los efectos observados.
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de
Bayes, tambin conocida como la Regla de Bayes:

Esta frmula nos permite calcular la probabilidad condicional de cualquiera de los

eventos , dado .

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la

probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten
probabilidades basadas en experimentos repetibles y que tengan una confirmacin
emprica mientras que los llamados estadsticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para indicar cmo
debemos modificar nuestras probabilidades subjetivas cuando recibimos
informacin adicional de un experimento. La estadstica bayesiana est
demostrando su utilidad en ciertas estimaciones basadas en el conocimiento
subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la
evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento.
Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente
usados en implementaciones de filtros de correo basura o spam, que se adaptan
con el uso. Otra aplicacin se encuentra en la fusin de datos, combinando
informacin expresada en trminos de densidad de probabilidad proveniente de
distintos sensores.
Como observacin, se tiene y su demostracin resulta trivial.

.
ESTUDIO DE CASO N 4

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
Total 43945 1762 199

Casos Casos Casos

C
Presentados apelados Revocados
Penelope
Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12970 32 3
Total 30499 106 17

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.
.

Anlisis:
Sea Espacio Muestral, S = {A, B, C] Sea A = Tribunal Penal
Sea B = Tribunal Familiar
Sea C = Tribunal Civil

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

a. Sea P(A) = 1 / n Los casos que se apelan del tribunal penal

Respuesta: P(A) = 1762 / 43945 = 0,04009 Casos que se apelan
Sea P(A) = 1 / n Los casos que se revocan del tribunal penal
Respuesta: P(A) = 199 / 43945 = 0,00453 Casos que se revocan

b. Sea P(B) = 1 / n Los casos que se apelan del tribunal familiar

Respuesta: P(B) = 106 / 30499 = 0,00347 Casos que se apelan

Sea P(B) = 1 / n Los casos que se revocan del tribunal familiar

Respuesta: P(B) = 17 / 30499 = 0,00056 Casos que se revocan

c. Sea P(C) = 1 / n Los casos que se apelan del tribunal civil

Respuesta: P(C) = 500 / 108464 = 0,00460 Casos que se apelan

Sea P(C) = 1 / n Los casos que se revocan del tribunal civil

 Respuesta: P(C) = 104 / 108464 = 0,00096 Casos que se revocan

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

Sea P(A + B+ C) / 3, Probabilidad de apelacin por cada juez

P(A + B+ C) / 3 = (0,04009 + 0,00347 + 0,00460) / 3
P(A + B+ C) / 3 = (0,04818) / 3

Respuesta: P(A + B+ C) / 3 = 0,16053 Probabilidad de apelacin por cada

juez.

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

Sea P(A + B+ C) / 3, Probabilidad que se revoque por cada juez

P(A + B+ C) / 3 = (0,00453 + 0,00056 + 0,00096) / 3
P(A + B+ C) / 3 = (0,00605) / 3

Respuesta: P(A + B+ C) / 3 = 0,00202 Probabilidad de revoque por cada

juez.

4. La probabilidad de una revocacin dada una apelacin, por cada juez

Sea [(P(A + B+ C) / 3) / (P(A + B+ C) / 3) = Apelacin / Revocacin

Respuesta: 0,00202 / 0,16053 = 0,01258

Probabilidad de revocacin por apelacin por cada juez.

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que
utiliz y de las razones de su eleccin.
 Clasificacin jueces - anlisis

a. Tribunal penal

P(A) = 1762 / 43945 = 0,04009 Casos apelados = 4%

P(A) = 199 / 43945 = 0,00453 Casos revocados = 0,4 %

b. Tribunal familiar

P(B) = 106 / 30499 = 0,00347 Casos apelados = 0,3 %

P(B) = 17 / 30499 = 0,00056 Casos revocados = 0,06 %

c. Tribunal civil

P(C) = 500 / 108464 = 0,00460 Casos apelados = 0,5 %

P(C) = 104 / 108464 = 0,00096 Casos revocados = 0,01 %

Razones
El juez civil es el que ms trabaja con 108464 casos y en comparacin con el
nmero de casos el ms eficiente con 0,5% casos apelados y 0,001 de casos
revocados.
El juez penal es el menos eficiente con ms casos apelados = 4 % y revocados =
0,4 %, pero es el segundo que ms trabaja.
El juez familiar es el que menos traba.

Criterios
Los porcentajes de atencin de casos, ms los porcentajes de eficiencia en casos
apelados y revocados.
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 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.- Probabilidad de que un chip este defectuoso

A1= 2% Hall Electronics
A2=4% Schuller Sales
A3=6% Crawford Components
A= 12% de los chips defectuosos

B(1)= chips LS-24 defectuoso

P(B1/A)=0,12

Hay una probabilidad de que salgan 0,12 del total defectuosos

2.- Probabilidad de que el chip este en buenas condiciones
B(2)= chips LS-24 NO defectuoso
A= 88% buenas condiciones
P(B2/A)= 0,88
La probabilidad de que los chips salgan en buenas condiciones es del 0,88

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

que haya sido fabricado por cada uno de los proveedores

A1= chips LS-24 se le compra a Hall Electronics

B1
P(
A1
P ( A 1) P( A1 )
B1 )
=
B1 B1 B1
P ( A 1) P ( ) + P ( A 2) P ( ) + P ( A 3) P (
A1 A2 A3 )

P ( AB 11 )= 0,250,02+ 0,250,02
0,300,04 +0,450,06

P ( AB 11 )= 0,005+O0,005
,012+ 0,027

P ( AB 11 )= 0,005
0,044

P ( AB 11 )= 0,005
0,044

P ( AB 11 )=0,1136
La probabilidad de que un chip defectuoso sea elaborado por Hall Electronics es
del 11,36% o 11%

A2= chips LS-24 se le compra a Schuller Sales

 B1
P(
A2 (
P ( A 2) P
A 2)
B1 )
=
B1 B1 B1
P( A 1) P ( )+ P ( A 2) P ( )+ P ( A 3) P (
A1 A2 A3 )

P ( AB 12 )= 0,250,02+ 0,300,04
0,300,04+0,450,06

P ( AB 12 )= 0,005+O0,012
, 012+ 0,027

P ( AB 12 )= 0,012
0,044

P ( AB 12 )= 0,012
0,044

P ( AB 12 )=0,2727
La probabilidad de que un chip defectuoso sea elaborado por Schuller Sales es del
27,27% o 27%

A3= chips LS-24 se le compra a Crawford Components

B1
P(
A3
P(A3)P ( A3)
B1 )
=
B1 B1 B1
P ( A 1) P ( ) + P( A 2) P( ) + P ( A 3) P (
A1 A2 A 3)

P ( AB 13 )= 0,250,02+0,300,04+0,450,06
0,450,06

P ( AB 12 )= 0,005+O0,027
, 012+ 0,027

P ( AB 12 )= 0,027
0,044
 P ( AB 12 )=0,6136
La probabilidad de que un chip defectuoso sea elaborado por Crawford
Components es del 61,36% o del 61%

4.- 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

Hay tres eventos mutuamente excluyentes
A1= chips LS-24 se le compra a Hall Electronics
A2= chips LS-24 se le compra a Schuller Sales
A3= chips LS-24 se le compra a Crawford Components

b. Identificar las probabilidad de los eventos mutuamente excluyentes

(probabilidades a priori)
la probabilidad se asigna antes de obtener los datos empricos.
P(A1)= 0,25
P(A2)= 0,30
P(A3)= 0,45

c. Identificar las probabilidades condicionales presentadas

Caractersticas
B(1)= chips LS-24 defectuoso
B(2)= chips LS-24 NO defectuoso

Probabilidades de que los LS-24 salgan defectuosos

P(B1/A1)= 0,02 Hall Electronics
P(B1/A2)=0,04 Schuller Sales
P(B1/A3)=0,06 Crawford Components

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

A1= chips LS-24 se le compra a Hall Electronics

A2= chips LS-24 se le compra a Schuller Sales
A3= chips LS-24 se le compra a Crawford Components
B(1)= chips LS-24 defectuoso
B(2)= chips LS-24 NO defectuoso
 CONCLUSIONES

Con el desarrollo de la anterior Actividad se consolida la Teora estudiada

en la Unidad 1, al aplicar y estudiar cada uno de los casos propuestos en la
Gua, ya que en la solcuin de los mismos de manera prctica desarrollo
cada caso.

Se empelaron cada una de los temas de la Unidad 1 para resolver de

manera particular cada ejercicio, aprendiendo de esta forma lo concerniente
a procedimientos frmulas, Axiomas, etc.
 REFERENCIAS BIBLIOGRFICAS

UNAD. (2016). Entorno de Conocimiento:Principios de Probabilidad. Recuperado

el 02 de Marzo de 2016 de From :
http://campus03.unad.edu.co/ecbti04/mod/book/view.php?
id=6223&chapterid=1712

UNAD. (2016). Entorno de Conocimiento:Experimento Aleatorio, Espacio Muestral

y Eventos. Recuperado el 02 de Marzo de 2016 de From :
http://campus03.unad.edu.co/ecbti04/mod/book/view.php?
id=6223&chapterid=1557

UNAD. (2016). Entorno de Conocimiento:Tcnicas de Conteo. Recuperado el 07

de Marzo de 2016 de From : http://u.jimdo.com/

UNAD. (2016). Entorno de Conocimiento:Axiomas de Probabilidad. Recuperado el

10 de Marzo de 2016 de From :
http://datateca.unad.edu.co/contenidos/301014/axiomas_de_la_probabilida
d.pdf