Está en la página 1de 20

PROBABILIDAD

UNIDAD 1: FASE 1 AXIOMAS DE PROBABILIDAD

Grupo: 100402_133

Presentado por:
Andres Felipe Rios Losada COD.1075297470
Carol Vanesa Caviedes COD.
Luis ngel Gutirrez COD.
Luceidy Joven COD.

Presentado a: Diana Milena Caliman

UNAD-Universidad Nacional Abierta y a Distancia


Neiva-Huila
2017
INTRODUCCION

En la vida cotidiana aparecen muchas situaciones en las que los resultados


observados son diferentes, aunque las condiciones iniciales en las que se produce
la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultar cara y otra cruz. Estos fenmenos, denominados aleatorios, se ven
afectados por la incertidumbre, la probabilidad es una herramienta de ayuda para la
toma de decisiones porque proporciona una forma de medir, expresar y analizar las
incertidumbres asociadas con eventos futuros de razones entre el nmero de casos
favorables y el nmero de casos posibles.
Determinista: Un experimento que siempre que se repita
con las mismas condiciones iniciales se obtiene igual
resultado
Clases
Aleatorio: Cuando al repetirse con las mismas
condiciones, no se puede predecir el resultado

EXPERIMENTO
ALEATORIOS, Es el conjunto formado por todos los resultados
ESPACIO Espacio Muestral posibles de un experimento o fenomeno aleatorio. Lo
MUESTRAL denotamos con una letra.

Sucesos Elementales: Estan formado


spor un solo elemento del espacio
muestral.
Es cada uno de los
subconjuntos del espacio
Sucesos Compuestos: Son los que
muestral. Para designar
Sucesos estan formados por dos o mas sucesos
cualquier suceso, tambien
elementales.
llamado suceso aleatorio, de un
experimento aleatorio
utilizaremos letras mayusculas. Suceso Seguro: Es el que se verifica al
realizar el experimento aleatorio. Esta
formado por todos los resultados
posibles del experimento
Si un evento A puede ocurrir de n1 maneras y una vez que este ha
ocurrido, otro evento B puede n2 maneras diferentes entonces, el
numero total de formas diferentes es que ambos eventos pueden
ocurrir en el orden indicado, es igual a n1 x n2.
TECNICAS DE
CONTEO *La tecnica de la multiplicacion
*La tecnica aditiva
PROBABILIDAD
*La tecnica de la suma o adicion
*La tecnica de la permutacion
*La tecnica de la combinacion

La Probabilidad clasica de un evento es la razon


Probabilidad
entre el numero de casos favorables(suceso y el
Clasica numero total de casos posibles (sucesos)

Probabilidad Es aquella que se determina de forma


TIPOS DE Empirica o experimental, al repetir un experimento bajo
PROBABILIDAD Frecuencial las mismas condiciones

Probabilidad Se refiere a la probabilidad de ocurrencia de un


Subjetiva suceso basado en la experiencia previa, la
opinion personal o la intuicion del individuo

Es la suma exhaustiva de las probabilidades de


Probabilidad Total todos los casos mutuamente excluyentes que
TEOREMAS DE conducen a dicho evento
PROBABILIDAD
Nos expresa la posibiblidad que ocurra un
Teorema de Bayes suceso determinado, condicionado a que el
suceso ya ha ocurrido
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
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
Pre clculo 42 24 17 83
Probabilidad 6 8 3 17
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

() =

1873
() = = 0,67 100 = 67% .
2755

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


matemticas.

389
() = = 0,14 100 = 14%
2755
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un
curso del rea de matemticas.
Porcentaje
Profesor Probabilidad por profesor

Csar r. P= 52/53= 0.98 98%


Claudia v. P=31/36= 0.86 86%
Diana m. P= 97/119= 0.81 81%
Ernesto s. P=166/204= 0.81 81%
Diego v. P=36/45= 0.8 8%
Eduardo m. P= 154/197= 0.78 78%
Enrique p P=118/156= 0.76 76%
Fernando m. P=125/167= 0.74 74%
Gloria a. P=151/203= 0.74 74%
Jairo a. P=116/161= 0.72 72%
Javier b. P=98/137= 0.71 71%
Jos c. P=49/74= 0.66 66%
Luz p. P=142/209= 0.67 67%
Marcela f. P=60/100= 0.6 6%
Mara a. P=93/157= 0.59 59%
Mario g P=90/152= 0.59 59%
Mercedes s. P= 60/102=0.58 58%
Oscar n. P=111/204= 0.54 54%
Patricia m. P=37/73= 0.50 50%
Ricardo o. P=57/134= 0.46 46%
Sandra m. P=30/72= 0.41 41%
Total

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


uno de los cursos del rea

Curso Aprob Porcentaje

Algebra lineal P=178/218=0.81 81%


Anlisis numrico P=146/182=0.80 80%
Clculo infinitesimal P=252/328=0.72 72%
Calculo integral P=56/79=0.73 73%
Clculo multivariado P=244/357=0.68 68%
Calculo negocios P=226/331=0.80 80%
Ecuaciones diferenciales P=178/265=0.67 67%
Estadstica bsica P=33/53=0.62 62%
Estadstica inferencial P=269/437=0.61 61%
Matemticas avanzadas P=199/325=0.61 61%
Matemticas discretas P=44/80=0.55 55%
Pre calculo P=42/83=0.50 50%
Probabilidad P=6/17=0.35 35%

5. Califique los cursos del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.
Los cursos con menor cantidad de estudiantes tienen poca probabilidad de pasar
los cursos,

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

Los mejores resultados son los que tiene gran cantidad de alumnos.

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
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:

Resumen del Examen Resumen del Examen


Positivo Negativo
Enfermedad Presente 8% 2%
Enfermedad Ausente 5% 85%

Con base en esta informacin y usando el teorema de Bayes, elabore un informa


que como mnimo debe incluir:

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


probabilidades encontradas.

A: Enfermedad ausente
P: Enfermedad presente
Pos: Resultado del examen positivo
Neg: Resultado del examen negativo

Las probabilidades ofrecidas por las tablas son:


|| = 0.13

P

2. Probabilidad de que la enfermedad este presente


R/ () = 0.08 + 0.02 = 0.1

Probabilidad de que la enfermedad est ausente


R/ () = 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
R/ (|) = = = 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
R/ ( ) = = = 0.2
() 0.1

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


resulto positivo
(|)()
R/ (|) = ()

() 0.08 0.80.1
(|) = = = 0.8 (|) = = 0.6153
() 0.1 0.13
6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen
resulto negativo
A
| A
() 0.85
( ) = = = 0.9444 |
() 0.9
P

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


examen de seleccin para detectar la enfermedad?

Podemos considerar las preguntas 5 y 6. La pregunta 5 nos dice acerca de la


probabilidad de que la persona est enferma dado que el resultado fue positivo,
mientras que la 6 nos informa de la confianza que podemos tener en la prueba dado
que el resultado dio negativo. En la pregunta 5 observamos que la probabilidad es
61.53% lo cual no es un resultado tan decisivo como debe esperarse; en el otro
caso, la prueba nos dice que podemos estar al 97.7% seguros de que no tenemos
la enfermedad. Por lo tanto, concluimos que la prueba nos indica una informacin
ms confiable para determinar si una persona NO est enferma, pero se queda corta
para indicar cul s lo est.

Resumen de los conceptos tericos de la unidad que me permitieron


solucionar el estudio de caso seleccionado
Para dar solucin a los puntos solicitados en el caso 2 fue necesario leer y
apropiarme de los contenidos encontrados en la unidad 1-Conceptos bsicos de
Probabilidad. En donde est la definicin del teorema de Bayes. En referencias
complementarias ms sobre axiomas de probabilidad.

TEOREMA DE BAYES
El teorema de Bayes es un mtodo para encontrar la probabilidad de una causa
especifica cuando se observa un efecto partculas.
Es el procedimiento que se utiliza para encontrar 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 de ms de una forma.
ESTUDIO CASO 3

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?

- Se aplica una regla de 3 para la solucin del ejercicio, teniendo en cuenta la


informacin presentada en el texto anterior.
12 0,7980
1 x

0.7980 .1 0.7980
= = = 0.0665
12 12

La probabilidad que tendra de completar el salto con xito si fuera uno de los 12
miembros del grupo seria el 0.0665 %

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?

Rta: La probabilidad de que un solo miembro del grupo complete el salto con xito
seria del 0.0665 %, teniendo en cuenta la formula aplicada anteriormente.

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?

Rta: Respecto a lo citado anteriormente, no se concuerda con la informacin, ya


que no est dentro del texto expuesto anteriormente, se realizar un breve anlisis
para dar solucin a lo cuestionado:

XITO: 0.7980

El fracaso, se definir restndole 1 al valor anterior

FRACASO: 1 0.7980 = 0.202

Si se toma en cuenta el resultado anterior, se define que probablemente 1 de


cada 5 podra sufrir un accidente serio al realizar el salto.
ESTUDIO CASO 4

Los jueces del condado Hamilton (EE. UU) procesan miles de caso al ao en la gran
Mayora de los casos presentados. a cada sentencia pertenece, algunos de estos
casos apelados y en algunos de estos casos se revoca la sentencia. Una periodista
del diario Cincinnati times realizo un estudio de los casos manejados por los jueces
del condado
Durante un periodo de 3 aos en la siguiente tabla la mostramos los resultados de
182908
casos presentados a 38 jueces del tribunal penal de familia y del tribunal de familia
Y de tribunal civil. Dos de los jueces (dinkelaker y hogan) no trabajaron en el tribunal
Durante el periodo de 3 aos.

Este propsito de estudios evaluar el desempeo de los jueces las apelaciones con
frecuencia son resultados de errores cometidos por los jueces y el diario quedara
a saber
Cuales jueces estaban realizando un buen trabajo y cuales cometan errores
A usted le han llamado para que en el anlisis de datos utilice su conocimiento de
la probabilidad condicional para ayudar a calificar los jueces, tal vez pueda analizar
los casos que se apelaron y revocaron manejados en los diferentes tribunales.

Ralph 3089 88 6 0,02848 0,00194 0,06818


winkler 8 2 2

total 43945 1762 199 0,65139 0,07838 1,89026


2 6 7

Juez Casos Casos Casos Proba Proba Proba


tribunal presentado apelado revocado apelar revocar revocar
de familia s s s dada
una
apelaci
n
Penlope 2729 7 1 0,00256 0,00036 0,14285
cunningha 5 6 7
m
Patrick 6001 19 4 0,00316 0,00066 0,21052
dinkelacker 6 7 6
Deborah 8799 48 9 0,00545 0,00102 0,18750
gaines 5 3 0
Ronald 12970 32 3 0,00246 0,00023 0,09375
panioto 7 1 0
total 30499 106 17 0,01365 0,00228 0,63463
4 7 3

Clasificacin

Mayor probabilidad de revocar dada una apelacin


John A 2797 4 2 0,00143 0,000715 0,5
west
Mayor probabilidad de revocar
J Howard 955 60 10 0,062827 0,010471 0,1666667
sundermann
Mayor probabilidad de apelar
J Howard 955 60 10 0,062827 0,010471 0,165667
sundermann
Mayor cantidad de casos revocados

Casos presentados, apelados y revocados en los tribunales del condado de


Hamilton

Juez tribunal penal Casos Casos aprobados Casos revocados


presentados
Fred cartolano 3037 137 12
Thomas crush 3372 119 10
Patrick dinkelacker 1258 44 8
Timothy hogan 1954 60 7
Robert kraft 3138 127 7
William matherws 2264 91 18
William morrissey 3032 121 22
Norbet nadel 2959 131 20
Arthurney jr 3219 125 14
Richard niehaus 3353 137 16
Thomas nurre 3000 121 6
John oconnor 2959 129 12
Robert ruehlman 3205 145 18
J haward 955 60 10
sunderman
Ann marie tracey 3141 127 18
Ralph winkler 3389 88 6

Juez tribunal de Casos Casos apelados Casos revocados


familia presentados

Penlope 2729 7 1
cunningham
Patrick dinkelacker 6001 19 4
Deborah gaines 8799 48 9
Ronald panioto 12970 32 3

Juez tribunal civil Casos Casos apelados Casos revocados


presentados
Mike Allen 6149 43 4
Nadine allen 7812 34 6
Timothy Black 7954 41 6
David Davis 7736 48 5
Lessille isalah 5282 35 12
gaines
Karla Grady 5253 6 0
Diedra hair 2532 5 0
Dennis helmick 7990 29 5
Timothy hogan 2908 13 2
James Patrick 2798 6 1
kenney
Joseph luebbers 4698 25 8
William mallory 8277 38 9
Melba marsh 8219 34 7
Beth mattinghy 2971 13 1
Albert mestemaker 4975 28 9
Mark painter 2239 7 3
Jack rosen 7790 41 13
Mark schwekert 5403 33 6
David stockdale 5371 22 4
John a west 2797 4 2
Informe a presentar:

Prepare el siguiente informe con las calificaciones de los jueces incluya tambin un
anlisis de la probabilidad de la apelacin y la revocacin de casos con 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-clasifique los jueces dentro de cada tribunal, establezca los criterios que utilizo y
de las razones de su eleccin

Solucin

Juez tribunal Casos Casos Casos Proba Proba Proba revocar


civil presentados apelados revocados apelar revocar desde una
apelacin
Mike Allen 6149 43 4 0,006993 0,000651 0,093023
Nadine allen 7812 34 6 0,004352 0,000768 0,176471
Timothy black 7954 41 6 0,005155 0,000754 0,146341
David Davis 7736 43 5 0,005558 0,000646 0,117269
Lessille isalah 5282 35 13 0,006626 0,002461 0,371429
gaines
Karla Grady 5253 6 0 0,001142 0,000000 0,000000
Diedra hair 2532 5 0 0,001975 0,000000 0,000000
Dennis helmick 7900 29 5 0,003671 0,000633 0,172414
Timothy hogan 2308 13 2 0,005633 0,000867 0,153846
James Patrick 2798 6 1 0,002144 0,000357 0,166667
kenney
Joseph 4698 25 8 0,005321 0,001703 0,320000
luebbers
William mallory 8277 38 9 0,004591 0,001887 0,236842
Melba marsh 8219 34 7 0,004137 0,000852 0,205882
Beth mattinghy 2971 13 1 0,004376 0,000337 0,076923
Albert 4975 28 9 0,005628 0,001809 0,321429
mestemaker
Mark painter 2239 7 3 0,003126 0,001340 0,428571
Jack rosen 7790 41 13 0,005263 0,001669 0,317073
Mark 5403 33 6 0,006108 0,001110 0,181818
schwekert
David 5371 22 4 0,004096 0,000745 0,181818
stockdale
John a west 2797 4 2 0,001430 0,000715 0,500000
total 108464 500 104 0,087327 0,018504 4,166827

Juez tribunal Casos Casos Casos Proba Proba Proba revocar


civil presentados apelados revocados apelar revocar desde una
apelacin
Fred cartolano 3037 137 12 0,005633 0,000867 0,153846
Thomas crush 3372 6 1 0,002144 0,000357 0,166667
Patrick 1258 44 8 0,034976 0,006359 0,181818
dinkelacker
Timothy hogan 1954 60 7 0,030706 0,003582 0,116667
Robert kraft 3138 127 7 0,040472 0,002231 0,055118
William 2264 91 18 0,040194 0,007951 0,197802
matherws
William 3032 121 22 0,039908 0,007256 0,181818
morrissey
Norbet nadel 2959 131 20 0,044272 0,006739 0,152672
Arthurney jr 3219 125 14 0,036632 0,004349 0,112000
Richard 3353 137 16 0,040859 0,004773 0,116788
niehaus
Thomas nurre 3000 121 6 0,040333 0,092000 0,049547
John oconnor 2959 129 12 0,043449 0,004042 0,093023
Robert 3205 145 18 0,4525242 0,005616 0,124138
ruehlman
J haward 955 60 10 0,062827 0,010471 0,166667
sunderman
Ann marie 3141 127 18 0,040433 0,004139 0,102242
tracey
Ralph winkler 3389 88 6 0,025488 0,001942 0,068182
total 43945 1162 199 0,651392 0,078366 1.890167
Juez Casos Casos Casos Proba Proba Proba revocar
tribunal civil presentados apelados revocados apelar revocar desde una
apelacin
Penlope 2729 7 1 0.002565 0,000366 0,142857
cunningham
Patrick 6001 19 4 0,003166 0,000667 0,210526
dinkelacker
Deborah 8799 48 9 0,005455 0,001023 0,187500
gaines
Ronald 12970 32 3 0,002467 0,000231 0,093750
panioto
total 30499 106 17 0,013654 0,002287 0,634633

Clasificacin

Mayor probabilidad de revocar dada una apelacin


John a 2797 4 2 0,00143 0,000715 0.5
West
Mayor probabilidad de revocar
J haward 955 60 10 0,062827 0,010471 0,166667
Sundermann
Mayor probabilidad de revocar
J haward 955 60 10 0,062827 0,010471 0,166667
Sundermann
Mayor cantidad de revocados
William 3032 121 22 0,039908 0,007256 0,181818
morrissey
Mayor cantidad de casos apelados
Robert 3205 145 18 0,045242 0,005616 0,124138
Ruehlman
Mayor cantidad de casos presentados
Ronald 12970 32 3 0,002467 0,000231 0,09375
Panioto
CONCLUSION

La probabilidad constituye un importante parmetro en la determinacin de las


diversas casualidades obtenidas tras una serie de eventos esperados dentro de un
rango estadstico.

Existen diversas formas de calcular estas probabilidades como mtodo abstracto,


como la teora Dempster-Shafer y la teora de la relatividad numrica, esta ltima
con un alto grado de aceptacin si se toma en cuenta que disminuye
considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas
las antiguas reglas a una simple ley de relatividad.
BIBLIOGRAFIA

*Calculo o Medicin de la Probabilidad, Recuperado de:


http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm
* Probabilidad, Recuperado de: https://es.wikipedia.org/wiki/Probabilidad
* Teorema de BAYES (estadstica Bayesiana), Recuperado de:
http://nutriserver.com/cursos/bioestadistica/Teorema_Bayes.html
*Teorema de Bayes, Recuperado de: https://es.slideshare.net/psy-roman/teorema-
de-bayes-7796271
*Probabilidad, Recuperado de: http://www.vitutor.com/pro/2/probabilidad.html