1Trabajo Colaborativo

Fase 1: Axiomas de Probabilidad

Presentado por:

Erwin Contreras Hernndez - Cdigo: 1.033.741.961

Fabio Nelson Suta Arandia - Cdigo: 11523820
Roger Alberto Garca - Cdigo: 5135166
Samuel Bautista Pea - Cdigo: 1091805031
Yohaine Mndez S - Cdigo: 11224055

Grupo: 100402_336

Tutor

Luz Ana Abad

Universidad Nacional Abierta y a distancia UNAD.

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera (ECBTI)
Probabilidad 100402A_360
Marzo 31 de 2017.
 2
Introduccin

Gracias al planteamiento de este trabajo se logr profundizar en los axiomas de la probabilidad

ya que estos como bien se conocen son condiciones mnimas que corresponden de primera mano
a verificarse para que una funcin concrete sobre un conjunto de sucesos y as establezca
consistentemente sus probabilidades, gracias a este factor se logr plantear cada uno de los casos
propuestos a lo largo del trabajo, de igual forma tiene como objeto mostrar las soluciones
presentadas por los integrantes del grupo a los diferentes estudios de caso planteados, cada caso
presenta un anlisis y una propuesta de solucin a los diferentes interrogantes usando los
teoremas y axiomas de probabilidad, los cuales son objeto de estudio en la unidad 1. Con ello se
relaciona mediante un cuadro sinptico sustentando la solucin del desarrollo del caso escogido,
el grupo colaborativo desarrollo cuatro estudios de casos en los que encontraremos dentro del
documento.
 Cuadro sinptico

Dos o mas sucesos a la

vez: P(AUB)=P(A)+P(B)
Axiomas de probabilidad Regla de la adicin

Para conjuntos con interseccin:

P(AUB)=P(A)+P(B)-P(AB)

Se llama probabilidad del

suceso B condicionado a A
y se representa por P(B/A) a la probabilidad del
Probabilidad
suceso B una vez ha ocurrido 10
condicionada el A.
PROBABILIDAD

Parte de una situacin en

la que es posible conocer
UNIDAD 1

las probabilidades de que Conociendo que ha ocurrido el

ocurran una serie de
sucesos Ai
Teorema de Bayes
Se aade un suceso B cuya
ocurrencia proporciona
cierta informacin
suceso B, la frmula del teorema
de Bayes nos indica como
modifica esta informacin las
probabilidades de los sucesos Ai
Esta propiedad es conocida como
ley de los grandes nmeros,
establecida por Jacob Bernouilli.

Un caso aleatorio se caracteriza

Frecuencia Relativa por ser repetido muchas veces
y en idnticas condiciones el
cociente entre el nmero de
veces que aparece un resultado
(suceso)
El nmero total de veces que se El nmero que obtenemos como
realiza el experimento tiende a un probabilidad adquirir mayor
nmero fijo. precisin a medida que
aumentan las observaciones.
 ESTUDIOS DE CASO

2. ESTUDIO DE CASO 1-PRESENTADO POR: ROGER ALBERTO GARCA BELTRAN

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.
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

Teniendo en cuenta los dos casos posibles, la probabilidad de aprobar entre los estudiantes
que terminaron cada curso y la probabilidad de aprobar entre el nmero de inscritos
incluyendo al que Cancelo o perdi por fallas
A) El nmero. De aprobados, estudiantes con notas igual o superior a 3,0 y
B) El nmero. De no aprobados menor a 3,0
Para la cual se utilizara la formula

Total aprobados
P= 100
No. Total de alumnos que terminaron

Total aprobados
P= 100
No. Total de alumnos inscritos
Datos
Aprobados: 1873
Reprobados: 389
Cancelo o perdi por fallas: 493
Total: 2755
a)
Total aprobados
P= 100
No. Total de alumnos que terminaron

1873
P= 100
2262
P=0,828100
P=82.8
En el primer caso La probabilidad de aprobar el curso dentro de los estudiantes que
terminaron es de 82.8%, esto quiere decir que aproximadamente 83 estudiantes de cada
100 aprobaron

b)

Total aprobados
P= 100
No. Total de alumnos inscritos

1873
P= 100
2755
P=0,679100
P=67.9
En el segundo caso que es probabilidad de aprobar el curso dentro del total de estudiantes
inscritos (incluyendo a los que Cancelaron o perdieron por fallas) es de 67.9%, por esto se
pude comprobar que aproximadamente 68 estudiantes de cada 100 inscritos aprueban un
curso
2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.

Tenemos dos casos, la probabilidad de reprobar entre los estudiantes que terminaron cada
curso y la probabilidad de reprobar entre el nmero de inscritos (incluyendo al que
Cancelo o perdi por fallas).
A) El nmero. De aprobados, estudiantes con notas igual o superior a 3,0 y
B) El nmero. De no aprobados menor a 3,0

Para la cual se utilizara la formula

Total reprobados
P= 100
No. Total de alumnos que terminaron

Total reprobados
P= 100
No. Total de alumnos inscritos

Datos
Aprobados: 1873
Reprobados: 389
Cancelo o perdi por fallas: 493
Total: 2755

Total reprobados
P= 100
No. Total de alumnos que terminaron
389
P= 100
2262
P=0,172100
P=17.2
Para el caso de los estudiantes que reprobaron La probabilidad de los estudiantes que
terminaron es del 17.2%, lo que quiere decir que aproximadamente 17 estudiantes de cada
100 terminan un curso y lo reprueban.
a)

Total reprobados
P= 100
No. Total de alumnos inscritos
 882
P= 100
2755
P=0,32100
P=32
Solo el 32%, es la probabilidad de reprobar el curso dentro del total de estudiantes
inscritos (incluyendo a los que Cancelaron o perdieron por fallas) esto nos decir, que
aproximadamente 32 estudiantes de cada 100 inscritos reprueban un curso por no alcanzar
una nota igual o superior a 3,0 o porque cancelaron o perdieron por fallas.

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

curso del rea de matemticas.

Igual que en los dos puntos anteriores hay que establecer la probabilidad de que un
estudiante apruebe cuando termina todas las actividades del curso y la probabilidad de
aprobar dentro de todos los inscritos (incluyendo los que cancelaron o perdieron por fallas)

Tenemos:

Total aprobados
P= 100
No. Total de alumnos que terminaron

Total aprobados
P= 100
No. Total de alumnos inscritos
Dentro de la probabilidad de aprobar dentro de estudiantes que terminan el curso, por
profesores tienen mayor probabilidad de aprobar con:
1. CSAR R.,
2. CLAUDIA V
3. DIANA M.

Y menor probabilidad de aprobar con

1. RICARDO O

2. SANDRA M.
4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno
de los cursos del rea.

Para poder establecer esta probabilidad

Tenemos:
Total aprobados
P= 100
No. Total de alumnos que terminaron
Total aprobados
P= 100
No. Total de alumnos inscritos

Se puede notar que el nmero de estudiantes que cancel o perdi por fallas es mayor a
los reprobados. Siendo algebra lineal y anlisis numrico los cursos con mayor
probabilidad de aprobacin por cada estudiante, mientras que pre clculo y probabilidad
son los cursos con menor probabilidad de aprobacin por cada estudiante.
5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los
criterios que utiliz y d las razones de su eleccin.

a) Clasificacin por porcentaje de aprobados

Se utilizan los porcentajes porque existen diferencias en la cantidad de estudiantes por

curso, por ejemplo: existen ms reprobados en estadstica inferencial con 70 pero se tiene
en cuenta que existen 339 estudiantes que terminan el curso, esto en su valor porcentual
tiene a 79 de cada 100 estudiantes aprobados. Por otro lado vemos que el curso
probabilidad slo tiene a 8 reprobados pero slo cuenta con 14 estudiantes que terminan el
curso, esto en su valor porcentual 43% que si tuviera 100 estudiantes slo 43 aprobaran.

b) Clasificacin por porcentaje de aprobados teniendo en cuenta la totalidad de

estudiantes inscritos de mayor a menor.

Se utilizan los porcentajes porque existen diferencias en la cantidad de estudiantes

por curso, por ejemplo: existen ms reprobados, cancelados y perdidos por fallas en
estadstica inferencial con 168 pero se tiene en cuenta que existen 437 estudiantes
inscritos, esto en su valor porcentual tiene a 61 de cada 100 estudiantes aprobados.
Por otro lado vemos que probabilidad slo tiene a 11 reprobados ,cancelados y
perdidos por fallas pero slo cuenta con 17 estudiantes inscritos, esto en su valor
porcentual 35% que si tuviera 100 estudiantes inscritos slo 35 aprobaran.

Algebra lineal presenta el menor porcentaje de reprobados y desertados al igual que

el curso anlisis numrico, por otro lado Pre clculo y Probabilidad presenta mayor
porcentaje de reprobados y desertados.

6. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.
A los profesores de igual manera se los puede clasificar por el porcentaje de estudiantes
activos (que terminaron el curso y aprobaron o reprobaron), porque quienes cancelaron y
perdieron por faltas se alejan por algn motivo a la orientacin del docente, y solo se puede
calificar su desempeo entre quienes recibieron la totalidad del curso y por otro lado se
califica por porcentaje por la cantidad de estudiantes vara para cada docente.
7. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las
razones de su eleccin

A continuacin se determina la probabilidad de que los estudiantes aprueben en un

determinado programa, para definir los mejores resultados en un programa se define por su
porcentaje de aprobados dentro de todos sus inscritos.

La probabilidad de un estudiante de aprobar en cada rea establece porcentajes dentro de los

que terminan y aprueban los cursos, la mayor probabilidad de un estudiante es en
Administracin Ambiental con el 91 % (91 de 100) y la menor probabilidad en el rea de
Psicologa con 66% (66 de 100)

La probabilidad de un estudiante de aprobar en cada rea establece porcentajes dentro del

total de estudiantes inscritos (incluyendo los que cancelaron o perdieron por fallas) se
establecen porcentajes de estudiantes aprobados, siendo administracin ambiental con el 80%
(80 de 100), es decir, hay ms probabilidad en esta rea de inscribirse y aprobar, y en
Psicologa con el 48% (48 de 100) con menos probabilidad de inscribirse y aprobar.
3. ESTUDIO DE CASO 2- PRESENTADO POR: YOHAINE MNDEZ

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

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

probabilidades encontradas.

2. Probabilidad de que la enfermedad este presente y la Probabilidad de que la

enfermedad est ausente

a) P(P) = 10 * 0.08 = 0,8 = 8 b). P (A) = 90 * 0.05 = 4,5 = 45

Rta:= la probabilidad de que la enfermedad este presente es del 8%, y la probabilidad

de que la enfermedad est ausente es del 45%.

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

P
P 100.08 0.8
P(A/P) = = = = 0,177 = 1,77
0.0590 4,5
P

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

que la persona tiene la enfermedad

N
A ( 900.85 )
P (A/N) = = = 7.65
P (10)

 Rta.\ la 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

P
P 100.08
P (P\P ) = = = 0,08%
10
P

Rta.: \ La probabilidad de que la persona tenga la enfermedad dado que el examen

resulto positivo.

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

resulto negativo

N
A 900.85
P (A\N) = = = 900,85%
10
P

Rta.:\ La probabilidad de que la persona NO tenga la enfermedad dado que el examen

resulto negativo.

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

P/ A . P( A) 10
( 90)
P (P/A) = = 90 = 0,9 = 9%
P
10

Rta.:\ De acuerdo con las probabilidades encontradas, se puede establecer que el 9%

del examen es tan fiable para detectar la enfermedad.
4. ESTUDIO DE CASO 3 PRESENTADO POR: SAMUEL BAUTISTA PEA

En su excitante novela Congo, Michael Crichton describe

la bsqueda de depsitos de diamantes azules cubiertos de
boro llevada a cabo por Earth Resources Technology
Services (ERTS), una compaa dedicada a estudios
geolgicos. Segn ERTS los diamantes son la clave para
una nueva generacin de computadoras pticas. En la
novela ERTS compite contra un consorcio internacional por
encontrar la cuidad perdida de Zinj, que prosper dada la
minera de diamantes hace varios miles de aos (segn la
leyenda africana) y se ubica en lo ms profundo de la selva
tropical de Zaire Oriental.

Despus de la misteriosa destruccin de su primera

expedicin, ERTS lanza una segunda expedicin dirigida por Karen Ross, una experta en
computacin de 24 aos de edad, acompaada por el profesor Peter Eliot, un antroplogo;
Amy, un gorila parlante; y el afamado mercenario y lder de la expedicin, el capitn
Charles Munro. Las acciones ofensivas del consorcio, la mortal selva tropical y las hordas de
gorilas parlantes asesinos, que percibieron que su misin era defender las minas de
diamantes, bloquean los esfuerzos de Ross para encontrar la ciudad. Para superar estos
obstculos Ross utiliza computadoras de la era espacial para evaluar las probabilidades de
xito en todas las circunstancias posibles y las acciones que pudiera llevar a cabo la
expedicin. En cada etapa de la expedicin, ella evala rpidamente las probabilidades de
xito.

En una etapa de la expedicin Ross recibe informes de su oficina principal en Houston, de

que sus computadoras estiman que tiene 18 horas y 20 minutos de retraso en relacin con el
equipo competidor euro-japons, 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, cul es la probabilidad de

completar su salto con xito?

Para los 12 miembros del equipo seria

P=0.7980

La probabilidad individual P si todos los lanzamientos son independientes seria:

P12=P=0.7980

12 lnd(P) = lnd(0.7980)

lnd (0.7980)
lnd (P) =
12

Ind ( 0.7980)
P= e(
12

P=0.9813

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

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

Pgf + pg = 1

Pgf+0.7980 = 1

Pgf=1+ 0.7980= 0.202

1
= 0.2
5

0.202~ 0.2

La probabilidad que un miembro de los 12 pueda completar el salto es de 0.2%

La probabilidad de que un solo miembro del equipo pueda completar el salto con xito es del 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?

S, la afirmacin es correcta, porque si tenemos en cuenta que la probabilidad de que el salto

fuera exitoso era solo de 0.7980, tenemos un 0.202 de probabilidades que alguien salga
seriamente herido.
5. ESTUDIO DE CASO 4 PRESENTADO POR: ERWIN CONTRERAS

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
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.

1.1 casos apelados

El total de casos en el tribunal de penalidad es de 43.945. El total de casos apelados es de

1762, siendo as el porcentaje de casos apelados es de 4,0%.

Se puede calcular as:

Casos apelados 1762

Tribunal penal : P ( A )= = =0,040095574
Casos presentados 43945

El total de casos en el tribunal de familia es de 17.529. El total de casos apelados es de

106, siendo as el porcentaje de casos apelados es de 6,0%.

Casos apelados 106

Tribunal de familia : P ( A )= = =0,006047122
Casos presentados 17529
El total de casos en el tribunal civil es de 108.464. El total de casos apelados es de 500,
siendo as el porcentaje de casos apelados es de 4,6%.

Casos apelados 500

Tribunal civil : P ( A )= = =0,004609824
Casos presentados 108464

1.2 Casos revocados

El total de casos revocados en el tribunal de penalidad es de 199. El total de casos apelados es

de 1762, siendo as el porcentaje de casos revocados es de 11,29 %.

Se puede calcular as:

Casos revocados 199

Tribunal penal: P ( A )= = =0,112939841
Casos apelados 1762

El total de casos revocados en el tribunal de familia es de 17. El total de casos apelados es de

106, siendo as el porcentaje de casos revocados es de 16,03%.

Casos revocados 17
Tribunal de familia : P ( A )= = =0,160377358
Casos apelados 106

El total de casos revocados en el tribunal civil es de 104. El total de casos apelados es de 500,
siendo as el porcentaje de casos revocados es de 20,8 %.

Casos revocados 104

Tribunal civil : P ( A )= = =0,208
Casos apelados 500
2. La probabilidad de que se apele un caso, por cada juez.
3. La probabilidad de que se revoque un caso, por cada juez
4. La probabilidad de una revocacin dada una apelacin, por cada juez
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz
y d las razones de su eleccin.

Para la clasificacin de los jueces determin el porcentaje de los casos de jueces por el
total de los juzgados, de esta forma se podr definir la productividad de cada juez. En
las tablas se puede ver la productividad de cada juez del menos productivo al mejor en
cada uno de los juzgados.
ESTUDIO DE CASO 5- PRESENTADO POR: FABIO NELSON SUTA

Un fabricante de reproductores de DVD compra un microchip en particular, denominado LS-

24, a tres proveedores: Hall Electronics, Schuller Sales y Crawford Components.

Los registros de la compaa muestran que el Veinticinco por ciento de los chips LS-24 se le
compran a Hall Electronics; el treinta por ciento a Schuller Sales y el restante, a Crawford
Components. El fabricante cuenta con amplios historiales sobre los tres proveedores y sabe
que 2% de los chips LS-24 de Hall Electronics tiene defectos, 4% de los de Schuller Sales
tambin y6 % de los que vende Crawford Components son defectuosos. Cuando los chips LS-
24 se reciben, se les coloca directamente en un depsito y no se inspeccionan ni se identifican
con el nombre del proveedor.

Un trabajador selecciona un chip para instalarlo en un reproductor de DVD y lo encuentra

defectuoso. Como el fabricante no identific los chips, no se est seguro de qu proveedor los
fabric. Con el propsito de evaluar con que proveedor hay mayor probabilidad de tener chips
defectuosos, usted ha sido llamado para que ayude en el anlisis de datos. Utilice su
conocimiento de la probabilidad para ayudar a realizar el informe solicitado.

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

1.- Un diagrama de rbol que represente las probabilidades dadas y las probabilidades
encontradas.
2.- Probabilidad de que un chip este defectuoso
3- Probabilidad de que el chip este en buenas condiciones
4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya sido
fabricado por cada uno de los proveedores
5.- Si el chip seleccionado est en buenas condiciones, debe encontrar la Probabilidad de que
haya sido fabricado por cada uno de los proveedores

Para el desarrollo del informe se recomienda:

a. Identificar los eventos mutuamente excluyentes

b. Identificar la probabilidad de los eventos mutuamente excluyentes (probabilidades a priori)
c. Identificar las probabilidades condicionales presentadas
1.- Un diagrama de rbol que represente las probabilidades dadas y las probabilidades
encontradas.

Defectuoso
0.02
Hall Electronics
0.25
No
Defectuoso

Defectuoso
0.04
Schuller Sales
p
0.30
No
Defectuoso

Defectuoso
Crawford 0.06
Components
0.45 No
Defectuoso

a. Se identifican los eventos mutuamente excluyentes.

Se encuentran tres eventos mutuamente excluyentes que son los tres proveedores.

A 1 el LS-24 comprado a Hall Electonics

A 2 el LS-24 comprado a Schuller Sales
A 3 el LS-24 comprado a Crawford Components

b. Se identifican las probabilidades de los eventos mutuamente excluyentes

(Probabilidades a priori):

P( A 1 ) = 0.25 La probabilidad de que Hall Electronics haya fabricado el microchip

P( A 2 ) = 0.30 La probabilidad de que Schuller Sales haya fabricado el microchip

P( A 3 ) = 0.45 La probabilidad de que Crawford Components haya fabricado el microchip

 c. Se identifican tambin las probabilidades condicionales:

P(B1/ A 1 ) = 0.02 La probabilidad de que un chip LS-24 fabricado por Hall Electronics este
defectuoso.

P(B1/ A 2 ) = 0.04 La probabilidad de que un chip LS-24 fabricado por Schuller Sales este
defectuoso.

P(B1/ A 3 ) = 0.06 La probabilidad de que un chip LS-24 fabricado por Crawford

Components este defectuoso.

Como informacin adicional se puede establecer que:

B1 el LS-24 parece defectuoso;

B2 el LS-24 no parece defectuoso.

2.- Probabilidad de que un chip este defectuoso

Para este punto se pueden organizar las probabilidades dadas y encontradas en una tabla de
contingencia.

Tambin se puede organizar la informacin de la siguiente forma:

P(A)=Chips defectuosos

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

La probabilidad de que un chip este defectuoso es de 0.044, por lo tanto el 4.4% corresponde
al chip que sale defectuoso.

3- Probabilidad de que el chip este en buenas condiciones

Una vez identificada la probabilidad del chip que sale defectuoso, el chip que este en buenas
condiciones se puede encontrar as:

1P ( A )=10.044=0.956

La probabilidad de que un chip este en en buenas condiciones es de 0.956, por lo tanto el

95.6% corresponde al chip que est 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

Con el teorema de Bayes se encuentra la probabilidad de que el chip haya sido fabricado por
el proveedor Hall Electronics.

B1

P(
A (
P ( A 1) P
A )
B1)
1 1
=
P( A ) P
2
( BA1 )+ P ( A ) P ( B1A )+ P ( A ) P ( BA1 )
2
1
1
3
3

P ( BA1 )= ( 0.30 )( 0.04 ) +(0.25)(0.02)

1
=
0.005
=
0.005
( 0.25 ) ( 0.02 ) +( 0.45)(0.06) 0.012+0.005+0.027 0.044
=0.1136

Se encuentra entonces que el 11.36% de los chips defectuosos provienen de Hall Electronics.

Con el teorema de Bayes se encuentra la probabilidad de que el chip haya sido fabricado por
el proveedor Schuller Sales.

B1

P(
A ( A )
P ( A 2) P

B1)
2 2
=
B1 B1 B1
P( A ) P
1
(A ) +P( A ) P
1
(A )
2 +P( A )P
2
(A ) 3
3
 A2
P ( ) =
(0.30)(0.04)
=
0.012
=
0.012
B 1 ( 0.25 )( 0.02 ) + ( 0.30 )( 0.04 ) +( 0.45)(0.06) 0.005+0.012+0.027 0.044
=0.2727

Se encuentra entonces que el 27.27% de los chips defectuosos provienen de Schuller Sales.

Usando el teorema de Bayes tambin se encuentra la probabilidad de que el chip haya sido
fabricado por el proveedor Crawford Components.

B1
A3 ( )
P ( A3 ) P
A3
P ( ) P ( A ) P B 1 + P ( A ) P B1 + P ( A ) P B 1
B1
=
(A )
1
1
(A )
3
3
(A )2
2

P ( BA1 )= ( 0.25 )( 0.02 ) +(0.45)(0.06)

3
=
0.027
=
0.027
( 0.45 )( 0.06 )+ ( 0.30 ) ( 0.04 ) 0.005+0.027+ 0.012 0.044
=0.6136

Se encuentra que 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

Nuevamente podemos usar la tabla de contingencia.

Para Hall Electronics

B1
P ( )
A1
=10.02=0.98
Para Shuller Sales

B1
P ( )
A2
=10.04=0.96

Para Crawford Components

B1
P ( )
A3
=10.06=0.94

Para encontrar si el chip seleccionado que est en buenas condiciones fue fabricado por Hall
Electronics

A1
P ( ) =
(0.25)(0.98)
=
0.245
=
0.245
B 1 ( 0.30 )( 0.96 )+ ( 0.25 ) ( 0.98 ) +( 0.45)(0.94) 0.288+ 0.245+0.423 0.956
=0.2562

Se encuentra que la probabilidad que el chip que est en buenas condiciones y fue fabricado
por Hall Electronics es 0.2562

Para encontrar si el chip seleccionado que est en buenas condiciones fue fabricado por
Shuller Sales.

A2
P ( ) =
(0.30)(0.96)
=
0.288
=
0.288
B 1 ( 0.25 )( 0.98 )+ ( 0.30 ) ( 0.96 ) +( 0.45)(0.94) 0.245+ 0.288+0.423 0.956
=0.3012

Se encuentra que la probabilidad que el chip que est en buenas condiciones y fue fabricado
por Hall Electronics es 0.3012.

Para encontrar si el chip seleccionado que est en buenas condiciones fue fabricado por
Crawford Components

A3
P ( )
=
(0.45)(0.94)
=
0.423
=
0.423
B 1 ( 0.25 )( 0.98 )+ ( 0.45 ) ( 0.94 ) + ( 0.30 )( 0.96 ) 0.245+0.423+ 0.288 0.956
=0.4424
Se encuentra que la probabilidad que el chip que est en buenas condiciones y fue fabricado
por Crawford Components es 0.4424.

Conclusiones
Despus De haber realizado este trabajo aprendimos a como los axiomas pueden ayudar en
una muestra y as hallar diferentes probabilidades, tambin aprendimos los deferentes
mtodos, condiciones y reglas para realizar cada caso propuesto y as tambin poder realizar
la evaluacin y cumplir con los objetivos planteados para esta parte del curso y avanzar en el.

Tambin aprendimos que en cualquier situacin, se puede aplicar las probabilidades y que a
partir de ellas se pueden pronosticar ciertos eventos, y que puede suceder en cada uno y que
porcentaje esta de que se cumpla.

Bibliografa.
Blade1.uniquindio.edu.co. (2017). Regla de la Adicion. [En lnea] Disponible en:
http://blade1.uniquindio.edu.co/uniquindio/ntic/trabajos/6/grupo3/probabilidad/paginas/reglas
pro.htm [Fecha de consulta 5 Mar. 2017].

Colposfesz.galeon.com. (2017). DEFINICIONES DE PROBABILIDAD. [En lnea]

Disponible en: http://colposfesz.galeon.com/est501/probabi/teo/cap308/cap308.htm [Fecha de
consulta 5 Mar. 2017].

Colposfesz.galeon.com. (2017). DEFINICIONES DE PROBABILIDAD. [En lnea]

Disponible en: http://colposfesz.galeon.com/est501/probabi/teo/cap308/cap308.htm [Fecha de
consulta 5 Mar. 2017].

Vitutor.com. (2017). Diagramas de rbol - Vitutor. [En lnea] Disponible en:

http://www.vitutor.com/pro/2/a_15.html [Fecha de consulta 8 Mar. 2017].

Ugr.es. (2017). TEOREMA DE BAYES. [En lnea] Disponible at:

http://www.ugr.es/~jsalinas/bayes.htm [Fecha de consulta 8 Mar. 2017].

Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional. Recuperado

de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604&ppg=128

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=11028686&tm=1470689905871

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=19