TRABAJO COLABORATIVO

Por:
KEVIN MONTENEGRO DE LA HOZ CD. 1.065.598.168
MAIRA ALEJANDRA CASTRO COD: 1.007.316.924
EDINSON PEREZ PEREZ CD. 1.010.035.486
FABIAN Y. GARCIA COD: 77.171.435

TUTOR:
LUIS ALEXANDER SARAVIA ROA

GRUPO N 100402_226

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

VALLEDUPAR
2016
 INTRODUCCION

El principal objetivo del siguiente trabajo es comprender algunos conceptos bsicos de la

probabilidad concernientes a la unidad 1, por medio de la realizacin de un cuadro sinptico
y la solucin de unos casos propuestos. Con nuestros compaeros trabajamos activamente
desarrollando los ejercicios propuestos para la comprensin de esta unidad, nosotros los
estudiantes al solucionar los casos planteados logramos adquirir destrezas en el desarrollo
adecuado de problemas lo cual nos puede servir tanto a nivel personal como profesional.
 DESARROLLO DE LA ACTIVIDAD

CUADRO SINOPTICO UNIDAD UNO

ESTUDIO DE CONCEPTOS TERICOS

CASO UNIDAD 1
Conceptos bsicos de Probabilidad: La probabilidad es simplemente qu tan
posible es que ocurra un evento determinado.
Cuando no estamos seguros acerca del resultado de un evento, podemos hablar
acerca de la probabilidad de ciertos resultados: qu tan probables son.
Caso 1
Probabilidad Clsica: Laplace define la probabilidad de un suceso como el
cociente entre el nmero de casos favorables y el nmero total de casos, siempre
que todos sean igualmente posibles.

Teorema de Bayes

El teorema de bayes se utiliza para encontrar la probabilidad de una causa

especfica cuando se observa un efecto particular.

Es el procedimiento que se utiliza para encontrar las probabilidades posteriores,

Caso 2 a partir de probabilidades previas(a priori), las probabilidades a priori se
conocen antes de obtener informacin del experimento

El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir

en ms de una forma.

Eventos Aleatorios y Espacio Muestral:

La probabilidad es la ciencia que trata de cuantificar los posibles resultados de
un experimento en el cual est presente la incertidumbre o la aleatoriedad. La

Caso 3 teora de la probabilidad se usa extensamente en reas como la estadstica, la

fsica, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre la
probabilidad de sucesos potenciales y la mecnica subyacente de sistemas
complejos.
 Un experimento es un proceso que se observa con el fin de establecer una
relacin entre condiciones en que se realizan y los resultados que se obtienen.
Se clasifican en: determinstico y aleatorio.
Espacio Muestral: se le llama espacio muestral al conjunto de todos los
resultados posibles de un experimento aleatorio. El espacio muestral se denota
como S. Se clasifican en Espacio muestral discreto y continuo.
Sucesos: Suceso de un fenmeno aleatorio es cada uno de los subconjuntos del
espacio muestral . Para designar cualquier suceso, tambin llamado suceso
aleatorio, de un experimento aleatorio utilizaremos letras maysculas.
Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le
llama espacio de sucesos y se designa por .
Tipos de sucesos:
Sucesos elementales son los que estn formados por un solo resultado del
experimento; es decir, estn formados por un slo elemento del espacio
muestral, por ejemplo, al lanzar un dado que ocurra el suceso "sacar n 3" {3}
Sucesos compuestos son los que estn formados por dos o ms resultados del
experimento; es decir, por dos o ms sucesos elementales. Por ejemplo: "sacar
nmero impar al lanzar un dado" {1, 3, 5}
Suceso seguro es el que se verifica al realizar el experimento aleatorio. Est
formado por todos los resultados posibles del experimento y, por tanto, coincide
con el espacio muestral.
Suceso imposible es aquel suceso que nunca se cumple cuando se realiza el
experimento. Se representa por .

Caso 4

Caso 5
 DESARROLLO CASO N 1
EDINSON PEREZ
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
 Cancelo o
Curso Aprob Reprob perdi Total
por fallas
Preclculo 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 cual debe incluir como mnimo lo siguiente:

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

100

1873
100
2755
0,679 100 = 67,9%
La probabilidad de que un estudiante apruebe un curso en el rea de matemticas es de 67,9
68%

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

RTA.

100

389
100
2755

0,141 100 = 14,1%

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

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

del rea de matemticas
RTA.

100

Probabilidad de que apruebe un
Profesor Aprob Total
curso en el rea de matemticas
52
52 53 = 100 = 98,1 98%
Csar r. 53
31
31 36 = 100 = 86,1 86%
Claudia v. 36
97
97 119 = 100 = 81,5 82%
Diana m. 119
166
166 204 = 100 = 81,3 81%
Ernesto s. 204
36
36 45 = 100 = 80%
Diego v. 45
154
154 197 = 100 = 78,1 78%
Eduardo m. 197
 118
118 156 = 100 = 75,6 76%
Enrique p 156
125
125 167 = 100 = 74,8 75%
Fernando m. 167
151
151 203 = 100 = 74,3 74%
Gloria a. 203
116
116 161 = 100 = 72%
Jairo a. 161
98
98 137 = 100 = 71,5 72%
Javier b. 137
49
49 74 = 100 = 66,2 66%
Jos c. 74
142
142 209 = 100 = 67,9 68%
Luz p. 209
60
60 100 = 100 = 60%
Marcela f. 100
93
93 157 = 100 = 59,2 59%
Mara a . 157
90
90 152 = 100 = 59,2 59%
Mario g 152
60
60 102 = 100 = 58,8 59%
Mercedes s. 102
111
111 204 = 100 = 54,4 54%
Oscar n. 204
37
37 73 = 100 = 50,6 51%
Patricia m. 73
57
57 134 = 100 = 42,5 43%
Ricardo o. 134
30
30 72 = 100 = 41,6 42%
Sandra m. 72

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

los cursos del rea de matemticas

100

 Probabilidad que apruebe cada
Curso Aprob Total uno de los cursos del rea de
matemticas
Algebra lineal 178 218 178
= 100 = 81,6 82%
218
Anlisis numrico 146 182 146
= 100 = 80,2 80%
182
Clculo infinitesimal 252 328 252
= 100 = 76,8 77%
328
Calculo integral 56 79 56
= 100 = 70,8 71%
79
Clculo multivariado 244 357 244
= 100 = 68,3 68%
357
Calculo negocios 226 331 226
= 100 = 68,2 68%
331
Ecuaciones diferenciales 178 265 178
= 100 = 67,1 61%
265
Estadstica bsica 33 53 33
= 100 = 62,2 62%
53
Estadstica inferencial 269 437 269
= 100 = 61,5 62%
437
Matemticas avanzadas 199 325 199
= 100 = 61,2 61%
325
Matemticas discretas 44 80 44
= 100 = 55%
80
Preclculo 42 83 42
= 100 = 50,6 51%
83
Probabilidad 6 17 6
= 100 = 35,2 35%
17

5. Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin.
 Cancelo o
perdi %
Curso Aprob Reprob Total
Probabilidad
por fallas

Algebra lineal 178 10 30 218 82

Anlisis numrico 146 15 21 182 80

Clculo infinitesimal 252 37 39 328 77

Calculo integral 56 8 15 79 71

Clculo multivariado 244 49 64 357 68

Calculo negocios 226 44 61 331 68

Estadstica bsica 33 11 9 53 62

Estadstica inferencial 269 70 98 437 62

Ecuaciones diferenciales 178 47 40 265 61

Matemticas avanzadas 199 53 73 325 61

Matemticas discretas 44 13 23 80 55

Preclculo 42 24 17 83 51

Probabilidad 6 8 3 17 35

La frmula que se aplic fue la de Probabilidad Clsica, donde los casos favorables al evento
A se dividen entre el nmero de casos posibles, en este caso el nmero de los que aprobaron,
dividido el nmero total de estudiantes; de esta manera tenemos entonces que el curso de
Algebra Lineal tiene el porcentaje ms alto y el de probabilidad el menor porcentaje.

6. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin
Cancelo o
perdi %
Profesor Aprob Reprob Total
Probabilidad
por fallas

Csar r. 52 1 53 98

Claudia v. 31 5 36 86

Diana m. 97 4 18 119 82

Ernesto s. 166 17 21 204 81

 Diego v. 36 5 4 45 80

Eduardo m. 154 17 26 197 78

Enrique p 118 25 13 156 76

Fernando m. 125 21 21 167 75

Gloria a. 151 32 20 203 74

Jairo a. 116 19 26 161 72

Javier b. 98 10 29 137 72

Jos c. 49 9 16 74 66

Luz p. 142 23 44 209 68

Marcela f. 60 19 21 100 60

Mara a . 93 27 37 157 59

Mario g 90 16 46 152 59

Mercedes s. 60 15 27 102 59

Oscar n. 111 48 45 204 54

Patricia m. 37 14 22 73 51

Ricardo o. 57 31 46 134 43

Sandra m. 30 37 5 72 42

La frmula que se aplic fue la de Probabilidad Clsica, donde los casos favorables al evento
A se dividen entre el nmero de casos posibles, en este caso el nmero de los que aprobaron,
dividido el nmero total de estudiantes; de esta manera tenemos entonces que el profesor Cesar
R. obtuvo los mejores resultados de probabilidad que los estudiantes aprobaran el curso.

7. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las
razones de su eleccin
La frmula que se aplic fue la de Probabilidad Clsica, donde los casos favorables al evento
A se dividen entre el nmero de casos posibles, en este caso el nmero de los que aprobaron,
dividido el nmero total de estudiantes; de esta manera tenemos entonces que el programa con
mejores resultados lgebra Lineal con un porcentaje de 82%.
 ESTUDIO DE CASO 2
FABIAN Y. GARCIA

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 Bayas, 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 veces es positivo en ausencia de ella. La tabla siguiente muestra la
proporcin en que el examen produce varios resultados:
Resultados del examen Resultado del examen Total
positivo negativo
Enfermedad presente 8% 2% 10%
Enfermedad ausente 5% 85% 90%

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?

SOLUCION:
De acuerdo a lo planteado en el caso de estudio tenemos:
A = Probabilidad que la enfermedad est presente.
P = Probabilidad que la enfermedad est ausente.

=
=
Por lo tanto para resolver y elaborar el informe:
1. Probabilidad de que la enfermedad este presente

() = 0.08 + 0.02 = 0.1

2. Probabilidad de que la enfermedad est ausente

() = 0.05 + 0.85 = 0.9

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

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

4. Probabilidad de un falso negativo, es decir que el examen resulte negativo dado que
la persona tiene la enfermedad.

( ) 0.02
(|) = = = 0.2
() 0.3
 5. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto
positivo.

()()
(|) =
()
( )
(|) =
()
0.08
= = 0.8
0.1
0.8 0.1
(|) = = 0.6154
0.13

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

negativo

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

0.9444 0.9
(|) = = 0.977
0.87

7. De acuerdo con las probabilidades encontradas, qu tan confiable es este examen de

seleccin para detectar la enfermedad?

Por los resultados podemos inferir que este examen es ms confiable para determinar que las
personas que les dio negativo en la prueba, tienen el 97.7% de probabilidad de no estar
enfermos, sin embargo para las personas que resultaron positivo en el examen tienen una
probabilidad del 61.5% de padecer la enfermedad, por tanto el examen es ms confiable para
descartar la enfermedad que para confirmarla.

Para la solucin del caso, se adquirieron los conocimientos sobres los axiomas de
probabilidad, probabilidad condicional, probabilidad total y teoremas de bayes,
adicionalmente de otras fuentes bibliogrficas encontradas dentro de las referencias
propuestas, as como tambin videos sobre el teorema de bayes.

Se propone una metodologa basada en el enfoque estadstico bayesiano para estimar la

probabilidad de enfermedad en un paciente determinado con una prueba diagnstica de
laboratorio positiva, y a partir tambin del conocimiento de la prevalencia de la enfermedad,
o asignando una probabilidad a priori para un determinado paciente.
Tomado de: http://www.bvs.sld.cu/revistas/ibi/vol28_3_09/ibi13309.htm
 DESARROLLO CASO N 3
MAIRA ALEJANDRA CASTRO

En su excitante novela Congo, Michael Crichton describe la bsqueda de depsitos de

diamantes azules cubiertos de boro llevada a cabo por EarthResourcesTechnologyServices
(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. 5 Tomado y adaptado de Anderson, D., Sweeney D., Estadstica para Negocios.
CengageLearning 2011 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?

P12= P = 0,7980
12 Ind (P) = Ind (0,7980)
(0,7980)
Ind (P)= =
12
(0,7980)
P = e = P= 0,9813
12

Es decir, que la probabilidad es del 98,13% que un miembro del equipo complete el
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?

Pgf +pg = 1
Pgf + 0,7980 = 1
1
Pgf = 1 + 0,7980 = 0,202 = 0,2
5
0,202 = 0,2
La probabilidad de que un solo miembro del equipo pueda completar el saldo es de
0,2%

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?

Analizando los resultados anteriores, se puede decir que 1 de cada 5 podra salir
seriamente herido.
 DESARROLLO CASO N 5
KEVIN MONTENEGRO

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. 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

2. 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

3. 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

4. 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

5. 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 = 30.12%
0.956

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
 CONCLUSIONES

De acuerdo con el desarrollo de la actividad colaborativa Fase 1, se abordaron conceptos

referentes a la unidad 1 de los marcos tericos que permitieron solucionar cada uno de los
casos seleccionados, colocando en prctica los conocimientos a travs de los ejercicios
planteados en la gua de actividades. Cada uno de los casos permite aplicar los temas de
probabilidad clsica, sucesos, azar, probabilidad condicional e incondicional, probabilidad a
priori y teora bayesiana entre otros conceptos; para la solucin de los interrogantes de cada
Caso de estudio.

Es importante la comprensin de los temas estudiados en la Unidad 1, ya que ello permitir

solucionar situaciones que no sern ajenas a nuestro diario vivir.

.
 BIBLIOGRAFIA

M. Pliego Lpez, R. M. Prez, Estadstica I (2004) 2nd ed., pp. 27-94. Madrid:
Paraninfo. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE%7CCX4052400006&v=2.1&u=
unad&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb3ab609

Pea, D. (2014). Fundamentos de Estadstica. Alianza Editorial S.A. Edicin electrnica.

Disponible en la base de datos de la biblioteca de la UNAD:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=121&docID=110286
86&tm=1470689905871

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

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=342&docID=162452
9&tm=1470687447720

Bioestadstica. (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.

Tcnicas de conteo. (2016). Tomado de:

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

Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica: Probabilidad e

inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995669&ppg=1
9
El teorema de Bayes y su utilizacin en la interpretacin de las pruebas diagnsticas en el
laboratorio clnico, Recuperado de:
http://www.bvs.sld.cu/revistas/ibi/vol28_3_09/ibi13309.htm

Problema 3 de teorema de Bayes, ejercicio resuelto de probabilidad profesor10demates, 12

mayo 2013, video, Recuperado de: https://www.youtube.com/watch?v=850a--CribU,