UNIDAD 1: FASE 3 - AXIOMAS DE PROBABILIDAD

PROBABILIDAD

PRESENTADO POR:
CARLOS ANDRES GONZALEZ CDIGO: 1113637910
JORGE ELIECER CARDONA CDIGO: 94473399
DENNYS ELIAS CAICEDO CDIGO: 14636719
JOHN JAIRO VILLALOBOS CDIGO:6646447
HILTON FERNANDO VALLEJO CDIGO:

TUTOR:
MARCELA ALEJANDRA PRADO

GRUPO: 100402_192

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

OCTUBRE DE 2017

1
 2. INTRODUCCIN

En este momento vamos a trabajar temas aplicados en la probabilidad y sus

diferentes interpretaciones, trabajaremos los axiomas que satisfacen las
probabilidades de cualquier experimento aleatorio, las reglas de adicin y de
multiplicacin para probabilidades, la probabilidad condicional y la independencia de
eventos.

Con la realizacin de cada uno de los casos. Logramos comprender los principios
bsicos de la probabilidad, conceptos de la probabilidad: trminos bsicos y los
fundamentos necesarios para el estudio de la teora de probabilidad.

2
3. DESARROLLO DE LA ACTIVIDAD:

CUADRO SINPTICO

Primer axioma:

La probabilidad de que
ocurra un evento A
cualquiera se encuentra
entre cero y uno.

0 () 1
AXIOMAS.

Son las condiciones Segundo Axioma:

mnimas que deben
La probabilidad de que
verificarse para que una
ocurra el espacio
funcin definida sobre un
muestral debe de ser 1.
conjunto de sucesos
determine =1
consistentemente sus
probabilidades.
Formulados por Tercer Axioma:
Kolmogrov en 1933.
Si A y B son eventos
mutuamente excluyentes,
entonces la,

AXIOMAS Y = + ()
TEOREMAS DE
PROBABILIDAD

La probabilidad indica el
grado de certidumbre o Primer Teorema
certeza de un suceso o
fenmeno estudiado, en la Si f es un evento nulo o
investigacin vaco, entonces la
cientfica existen muchos
fenmenos en los cuales es
probabilidad de que
necesario determinar la ocurra f debe ser cero
probabilidad de que un
evento(s) ocurra(n) o dejen = 0
de ocurrir

Segundo Teorema

La probabilidad del
complemento de A, Ac
debe ser,

( ) = 1 ()

Tercer Teorema

Si un evento AB,
TEOREMAS entonces la p(A) p(B).

Cuarto Teorema

La p( A/B )= p(A)
p(AB)

Quinto Teorema

Para dos eventos A y B,

= + (
) = 0

3
SOLUCIN AL 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

4
 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

5
 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
Se aplica la frmula de probabilidad clsica:

1873
( ): = 0,67% 100 = % De probabilidad de que un estudiante Apruebe.
2755

389
( ): = 0,14% 100 = % De probabilidad de que un estudiante Repruebe.
2755

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

Cancelo o % de probabilidad que
Curso Aprob Reprob perdi Total aprueben
por fallas
178 10 30 218 81,65%
Algebra lineal
146 15 21 182 80,22%
Anlisis numrico
252 37 39 328 76,83%
Clculo infinitesimal
56 8 15 79 70,89%
Calculo integral
244 49 64 357 68,35%
Clculo multivariado
226 44 61 331 68,28%
Calculo negocios
178 47 40 265 67,17%
Ecuaciones diferenciales
33 11 9 53 62,26%
Estadstica bsica
269 70 98 437 61,56%
Estadstica inferencial
199 53 73 325 61,23%
Matemticas avanzadas
44 13 23 80 55,00%
Matemticas discretas
42 24 17 83 50,60%
Pre clculo
6 8 3 17 35,29%
Probabilidad

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

curso del rea de matemticas.
Cancelo o % Probabilidad de aprobar por
Profesor Aprob Reprob perdi Total profesor
por fallas

6
 52 1 53 98,11%
Csar r.
31 5 36 86,11%
Claudia v.
97 4 18 119 81,51%
Diana m.
166 17 21 204 81,37%
Ernesto s.
36 5 4 45 80,00%
Diego v.
154 17 26 197 78,17%
Eduardo m.
118 25 13 156 75,64%
Enrique p
125 21 21 167 74,85%
Fernando m.
151 32 20 203 74,38%
Gloria a.
116 19 26 161 72,05%
Jairo a.
98 10 29 137 71,53%
Javier b.
49 9 16 74 66,22%
Jos c.
142 23 44 209 67,94%
Luz p.
60 19 21 100 60,00%
Marcela f.
93 27 37 157 59,24%
Mara a .
90 16 46 152 59,21%
Mario g
60 15 27 102 58,82%
Mercedes s.
111 48 45 204 54,41%
Oscar n.
37 14 22 73 50,68%
Patricia m.
57 31 46 134 42,54%
Ricardo o.
30 37 5 72 41,67%
Sandra m.

4. 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 % de probabilidad que
Curso Aprob Reprob perdi Total aprueben
por fallas
178 10 30 218 81,65%
Algebra lineal
146 15 21 182 80,22%
Anlisis numrico

7
 Cancelo o % de probabilidad que
Curso Aprob Reprob perdi Total aprueben
por fallas
252 37 39 328 76,83%
Clculo infinitesimal
56 8 15 79 70,89%
Calculo integral
244 49 64 357 68,35%
Clculo multivariado
226 44 61 331 68,28%
Calculo negocios
178 47 40 265 67,17%
Ecuaciones diferenciales
33 11 9 53 62,26%
Estadstica bsica
269 70 98 437 61,56%
Estadstica inferencial
199 53 73 325 61,23%
Matemticas avanzadas
44 13 23 80 55,00%
Matemticas discretas
42 24 17 83 50,60%
Pre clculo
6 8 3 17 35,29%
Probabilidad

Se aplic la frmula 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 .Este ejercicio dio como resultado
que la materia de Algebra Lineal, tiene el mayor porcentaje de aprobacin entre los
estudiantes

5. 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 % Probabilidad de aprobar por
Profesor Aprob Reprob perdi Total profesor
por fallas
52 1 53 98,11%
Csar r.
31 5 36 86,11%
Claudia v.
97 4 18 119 81,51%
Diana m.
166 17 21 204 81,37%
Ernesto s.
36 5 4 45 80,00%
Diego v.
154 17 26 197 78,17%
Eduardo m.

8
 118 25 13 156 75,64%
Enrique p
125 21 21 167 74,85%
Fernando m.
151 32 20 203 74,38%
Gloria a.
116 19 26 161 72,05%
Jairo a.
98 10 29 137 71,53%
Javier b.
49 9 16 74 66,22%
Jos c.
142 23 44 209 67,94%
Luz p.
60 19 21 100 60,00%
Marcela f.
93 27 37 157 59,24%
Mara a .
90 16 46 152 59,21%
Mario g
60 15 27 102 58,82%
Mercedes s.
111 48 45 204 54,41%
Oscar n.
37 14 22 73 50,68%
Patricia m.
57 31 46 134 42,54%
Ricardo o.
30 37 5 72 41,67%
Sandra m.
En este caso el mejor profesor es CESAR R., toda vez que fue el que obtuvo el
porcentaje ms alto de probabilidad que un estudiante apruebe las materias que dicta.
Se aplic la frmula 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.

6. En que programa hay mejores resultados. Establezca los criterios que utiliz y d
las razones de su eleccin
Cancelo % de % de % de
o Cancelacin Reprobacin Aprobacin
Programa Aprob Reprob perdi Total
por
fallas
Administracin 11,54% 8,24% 80,22%
146 15 21 182
ambiental
295 44 41 380 10,79% 11,58% 77,63%
Admn. empresas
297 53 71 421 16,86% 12,59% 70,55%
Arquitectura
99 23 19 141 13,48% 16,31% 70,21%
Contadura

9
 Cancelo % de % de % de
o Cancelacin Reprobacin Aprobacin
Programa Aprob Reprob perdi Total
por
fallas
99 19 24 142 16,90% 13,38% 69,72%
Economa
515 118 154 787 19,57% 14,99% 65,44%
Ing. Mecatrnica
88 20 27 135 20,00% 14,81% 65,19%
Ing. Civil
83 29 22 134 16,42% 21,64% 61,94%
Ing. Financiera
127 26 53 206 25,73% 12,62% 61,65%
Ing. Sistemas
Ing. 26,79% 16,07% 57,14%
32 9 15 56
Telecomunicaciones
Negocios 26,83% 17,07% 56,10%
69 21 33 123
Internacionales
23 12 13 48 27,08% 25,00% 47,92%
Psicologa

El programa en el que hay mejor resultados es Admn. empresas ya que el

porcentaje de cancelacin o de prdida por fallas es bajo, el criterio que se utiliza es el
cancelado o perdido por fallas dividido sobre el total de personas matriculadas, ya que
si son pocas las personas que abandonan el programa es porque dicho programas es
bueno.

SOLUCIN AL ESTUDIO DE CASO 2:

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

10
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 calicar 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
Juez Tribunal Penal Casos Revocados
Presentados apelados
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

Casos Casos
Juez Tribunal de Familia Casos Revocados
Presentados apelados
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 2,970 32 3

Casos Casos
Juez Tribunal Civil Casos Revocados
Presentados apelados

11
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

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

Para identificar cuantos casos son apelados en cada uno de los tribunales debemos
identificar la cantidad total de casos Juzgados y apelados y aplicamos la
probabilidad.

Casos Casos
Casos Presentados
apelados Revocados

Tribunal Penal 43945 1762 199

Tribunal de Familia 20499 106 17
Tribunal Civil 108464 500 104

=
Casos jusgados

Tribunal Penal:

12
 1762
= = 0.0400
43945

Tribunal de Familia:

106
= = 0.00517
20499

Tribunal civil:

500
= = 0.004609
108464

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

=
Casos jusgados

Probabilidad de
Juez Tribunal de Casos
apelados por
Familia Presentados
Jueces
Penelope
2729
Cunningham 0,002565042

Patrick Dinkelacker 6001

0,003166139
Deborah Gaines 8799 0,005455165
Ronald Panioto 2970 0,010774411

Probabilidad de
Casos
Juez Tribunal Penal apelados por
Presentados
Jueces
Fred Cartolano 3037 0,002565042
Thomas Crush 3372 0,035290629

Patrick Dinkelacker 1258

0,034976153
Timothy Hogan 1954 0,030706244

13
Robert Kraft 3138 0,040471638
William Mathews 2264 0,040194346
William Morrissey 3032 0,039907652
Norbert Nadel 2959 0,044271713
Arthur Ney, Jr. 3219 0,038831935
Richard Niehaus 3353 0,040858932
Thomas Nurre 3000 0,040333333
John OConnor 2969 0,043448973
Robert Ruehlman 3205 0,04524181
J. Howard
955
Sundermann 0,062827225
Ann Marie Tracey 3141 0,040432983
Ralph Winkler 3089 0,028488184

Probabilidad de
Casos
Juez Tribunal Civil apelados por
Presentados
Jueces
Mike Allen 6149 0,002565042
Nadine Allen 7812 0,004352279
Timothy Black 7954 0,005154639
David Davis 7736 0,005558428

Leslie Isaiah Gaines 5282

0,006626278
Karla Grady 5253 0,001142204
Deidra Hair 2532 0,001974724
Dennis Helmick 7900 0,003670886
Timothy Hogan 2308 0,005632582

James Patrick Kenney 2798

0,002144389
Joseph Luebbers 4698 0,005321413
William Mallory 8277 0,004591035
Melba Marsh 8219 0,004136756
Beth Mattingly 2971 0,004375631

Albert Mestemaker 4975

0,005628141
Mark Painter 2239 0,003126396
Jack Rosen 7790 0,005263158
Mark Schweikert 5403 0,006107718

14
David Stockdale 5371 0,004096071
John A. West 2797 0,001430104

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

=
Casos jusgados

Probabilidad
Casos Casos
Juez Tribunal Penal revocados por
Presentados Revocados
Jueces
Fred Cartolano 3037 12 0,003951268
Thomas Crush 3372 10 0,002965599

Patrick Dinkelacker 1258 8

0,0063593
Timothy Hogan 1954 7 0,003582395
Robert Kraft 3138 7 0,00223072
William Mathews 2264 18 0,00795053
William Morrissey 3032 22 0,007255937
Norbert Nadel 2959 20 0,00675904
Arthur Ney, Jr. 3219 14 0,004349177
Richard Niehaus 3353 16 0,004771846
Thomas Nurre 3000 6 0,002
John OConnor 2969 12 0,004041765
Robert Ruehlman 3205 18 0,005616225
J. Howard
955 10
Sundermann 0,010471204
Ann Marie Tracey 3141 13 0,004138809
Ralph Winkler 3089 6 0,001942376

15
 Probabilidad
Juez Tribunal de Casos Casos
revocados por
Familia Presentados Revocados
Jueces
Penelope
2729 1
Cunningham 0,000366435

Patrick Dinkelacker 6001 4

0,000666556
Deborah Gaines 8799 9 0,001022844
Ronald Panioto 2970 3 0,001010101

Probabilidad
Casos Casos
Juez Tribunal Civil revocados por
Presentados Revocados
Jueces
Mike Allen 6149 4 0,000650512
Nadine Allen 7812 6 0,000768049
Timothy Black 7954 6 0,000754337
David Davis 7736 5 0,000646329

Leslie Isaiah Gaines 5282 13

0,002461189
Karla Grady 5253 0 0
Deidra Hair 2532 0 0
Dennis Helmick 7900 5 0,000632911
Timothy Hogan 2308 2 0,000866551

James Patrick Kenney 2798 1

0,000357398
Joseph Luebbers 4698 8 0,001702852
William Mallory 8277 9 0,00108735
Melba Marsh 8219 7 0,000851685
Beth Mattingly 2971 1 0,000336587

Albert Mestemaker 4975 9

0,001809045
Mark Painter 2239 3 0,001339884
Jack Rosen 7790 13 0,001668806
Mark Schweikert 5403 6 0,001110494
David Stockdale 5371 4 0,00074474

16
John A. West 2797 2 0,000715052

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

=
probabilidad apelados

Probabilidad Probabilidad Probabilidad

Juez Tribunal
apelados revocados por revocados dada
Penal
por Jueces Jueces una apelacion

Fred Cartolano 0,045110306 0,003951268 0,087591241

Thomas Crush 0,035290629 0,002965599 0,084033613
Patrick
Dinkelacker 0,034976153 0,0063593 0,181818182
Timothy Hogan 0,030706244 0,003582395 0,116666667
Robert Kraft 0,040471638 0,00223072 0,05511811
William Mathews 0,040194346 0,00795053 0,197802198
William Morrissey 0,039907652 0,007255937 0,181818182
Norbert Nadel 0,044271713 0,00675904 0,152671756
Arthur Ney, Jr. 0,038831935 0,004349177 0,112
Richard Niehaus 0,040858932 0,004771846 0,116788321
Thomas Nurre 0,040333333 0,002 0,049586777
John OConnor 0,043448973 0,004041765 0,093023256
Robert Ruehlman 0,04524181 0,005616225 0,124137931
J. Howard
Sundermann 0,062827225 0,010471204 0,166666667
Ann Marie Tracey 0,040432983 0,004138809 0,102362205
Ralph Winkler 0,028488184 0,001942376 0,068181818

17
 Probabilidad Probabilidad Probabilidad
Juez Tribunal de
apelados revocados por revocados dada
Familia
por Jueces Jueces una apelacion

Penelope
Cunningham 0,002565042 0,000366435 0,142857143
Patrick
Dinkelacker 0,003166139 0,000666556 0,210526316
Deborah Gaines 0,005455165 0,001022844 0,1875
Ronald Panioto 0,010774411 0,001010101 0,09375

Probabilidad Probabilidad Probabilidad

Juez Tribunal
apelados revocados por revocados dada
Civil
por Jueces Jueces una apelacin

Mike Allen 0,006993007 0,000650512 0,093023256

Nadine Allen 0,004352279 0,000768049 0,176470588
Timothy Black 0,005154639 0,000754337 0,146341463
David Davis 0,005558428 0,000646329 0,11627907
Leslie Isaiah
Gaines 0,006626278 0,002461189 0,371428571
Karla Grady 0,001142204 0 0
Deidra Hair 0,001974724 0 0
Dennis Helmick 0,003670886 0,000632911 0,172413793
Timothy Hogan 0,005632582 0,000866551 0,153846154
James Patrick
Kenney 0,002144389 0,000357398 0,166666667
Joseph Luebbers 0,005321413 0,001702852 0,32
William Mallory 0,004591035 0,00108735 0,236842105
Melba Marsh 0,004136756 0,000851685 0,205882353
Beth Mattingly 0,004375631 0,000336587 0,076923077

Albert Mestemaker
0,005628141 0,001809045 0,321428571
Mark Painter 0,003126396 0,001339884 0,428571429
Jack Rosen 0,005263158 0,001668806 0,317073171
Mark Schweikert 0,006107718 0,001110494 0,181818182

18
 David Stockdale 0,004096071 0,00074474 0,181818182
John A. West 0,001430104 0,000715052 0,5

5. Clasique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y
d las razones de su eleccin.

Para clasificar a cada uno de los jueces por cada tribunal, se tendr en cuenta la
probabilidad de revocacin de casos tras la apelacin, debido a que este dato nos
ofrece las equivocaciones que cada juez tubo durante el transcurso de los meses
laborados.

Probabilidad
Juez Probabilidad Probabilidad
Casos Casos Casos revocados
Tribunal apelados revocados
Presentados apelados Revocados dada una
Penal por Jueces por Jueces
apelacion
#
Thomas
3000 121 6
1 Nurre 0,04033333 0,002 0,049586777
2 Robert Kraft 3138 127 7 0,04047164 0,00223072 0,05511811
Ralph
3089 88 6
3 Winkler 0,02848818 0,001942376 0,068181818
Thomas
3372 119 10
4 Crush 0,03529063 0,002965599 0,084033613
Fred
3037 137 12
5 Cartolano 0,04511031 0,003951268 0,087591241
John
2969 129 12
6 OConnor 0,04344897 0,004041765 0,093023256
Ann Marie
3141 127 13
7 Tracey 0,04043298 0,004138809 0,102362205
Arthur Ney,
3219 125 14
8 Jr. 0,03883194 0,004349177 0,112
Timothy
1954 60 7
9 Hogan 0,03070624 0,003582395 0,116666667
Richard
3353 137 16
10 Niehaus 0,04085893 0,004771846 0,116788321
Robert
3205 145 18
11 Ruehlman 0,04524181 0,005616225 0,124137931
Norbert
2959 131 20
12 Nadel 0,04427171 0,00675904 0,152671756
J. Howard
955 60 10
13 Sundermann 0,06282723 0,010471204 0,166666667
William
3032 121 22
14 Morrissey 0,03990765 0,007255937 0,181818182

19
 Patrick
1258 44 8
15 Dinkelacker 0,03497615 0,0063593 0,181818182
William
2264 91 18
16 Mathews 0,04019435 0,00795053 0,197802198

Probabilidad
Juez Probabilidad Probabilidad
Casos Casos Casos revocados
Tribunal apelados revocados
Presentados apelados Revocados dada una
Civil por Jueces por Jueces
apelacion
#
1 Karla Grady 5253 6 0 0,0011422 0 0
2 Deidra Hair 2532 5 0 0,00197472 0 0
Beth
2971 13 1
3 Mattingly 0,00437563 0,000336587 0,076923077
4 Mike Allen 6149 43 4 0,00699301 0,000650512 0,093023256
5 David Davis 7736 43 5 0,00555843 0,000646329 0,11627907
Timothy
7954 41 6
6 Black 0,00515464 0,000754337 0,146341463
Timothy
2308 13 2
7 Hogan 0,00563258 0,000866551 0,153846154
James
Patrick 2798 6 1
8 Kenney 0,00214439 0,000357398 0,166666667
Dennis
7900 29 5
9 Helmick 0,00367089 0,000632911 0,172413793
Nadine
7812 34 6
10 Allen 0,00435228 0,000768049 0,176470588
David
5371 22 4
11 Stockdale 0,00409607 0,00074474 0,181818182
Mark
5403 33 6
12 Schweikert 0,00610772 0,001110494 0,181818182
Melba
8219 34 7
13 Marsh 0,00413676 0,000851685 0,205882353
William
8277 38 9
14 Mallory 0,00459104 0,00108735 0,236842105
15 Jack Rosen 7790 41 13 0,00526316 0,001668806 0,317073171
Joseph
4698 25 8
16 Luebbers 0,00532141 0,001702852 0,32
Albert
4975 28 9
17 Mestemaker 0,00562814 0,001809045 0,321428571
Leslie
Isaiah 5282 35 13
18 Gaines 0,00662628 0,002461189 0,371428571
Mark
2239 7 3
19 Painter 0,0031264 0,001339884 0,428571429

20
 John A.
2797 4 2
20 West 0,0014301 0,000715052 0,5

Probabilidad
Juez Probabilidad Probabilidad
Casos Casos Casos revocados
Tribunal apelados revocados
Presentados apelados Revocados dada una
de Familia por Jueces por Jueces
apelacion
#
Ronald
2970 32 3
1 Panioto 0,01077441 0,001010101 0,09375
Penelope
2729 7 1
2 Cunningham 0,00256504 0,000366435 0,142857143
Deborah
8799 48 9
3 Gaines 0,00545517 0,001022844 0,1875
Patrick
6001 19 4
4 Dinkelacker 0,00316614 0,000666556 0,210526316

SOLUCIN AL CASO DE ESTUDIO DE CASO 3

21
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.
Se supone que una cierta prueba detecta cierto tipo de cncer con probabilidad del
80% entre gente que lo padece, y no detecta el 20% restante. Si una persona no
padece este tipo de cncer la prueba indicar este hecho un 90% de las veces e
indicar que lo tiene un 10% de ellas. Por estudios realizados se supone que el 5% de
la Poblacin padece este tipo de cncer. Con base en esta informacin y usando el
Teorema de Bayes, elabore un informe que como mnimo, debe incluir: (se sugiere
elaborar un diagrama de rbol)

1. Probabilidad de que una persona tenga este tipo de cncer:

Probabilidad de que NO tenga este tipo de cncer

R/ 1Definimos la variable X = "estado de salud", con los valores X = S (sano) y X = E

(enfermo de cncer), y la variable Y = "resultado de la prueba" con los valores Y = SI
(la prueba indica que la persona padece cncer) e Y = NO (la prueba indica que la
persona no padece cncer).
De los datos proporcionados deducimos las siguientes probabilidades
P(Y = SI / X = E) = 0,80
P(Y = NO / X = E) = 0,20
P(Y = SI / X = S) = 0,10
P(Y = NO / X = S) = 0,90
P(X = E) = 0,05
P(X = S) = 0,95
Se pide la probabilidad P(X = E / Y = SI)
Aplicando el teorema de Bayes resulta
P(X = E / Y = SI) =
P(X = E) P(Y = SI / X = E) / P(Y = SI) =
P(X = E) P(Y = SI / X = E) / [P(X = E) P(Y = SI / X = E) + P(X = S) P(Y = SI / X =
S)] =
0,05 * 0,80 / (0,05 * 0,80 + 0,95 * 0,10) = 0,04 / 0,135 = 0,296 = 29,6%
La probabilidad de que tenga este tipo de cncer es del 29,6%

Ahora, Se pide la probabilidad P(X = S/ Y = NO)

Aplicando el teorema de Bayes resulta

22
P(X = S/ Y = NO) =
P(X = S) P(Y = NO / X = S) / P(Y = NO) =
P(X = S) P(Y = NO / X = S) / [P(X = S) P(Y = NO / X = S) + P(X = E) P(Y = NO / X =
E)] =
0,95 * 0,90 / (0,95 * 0,90 + 0,05 * 0,20) = 0,855 / 0,135 = 0,98 = 98%
La probabilidad de que no tenga este tipo de cncer es del 98%

2. Probabilidad de un falso positivo, es decir que el examen indique que la persona

tiene cncer dado que la persona no tiene la enfermedad

R/.2 Probabilidad P(X = S/ Y = SI)

Teorema de Bayes:
P(X = S/ Y = SI) =
P(X = S) P(Y = SI / X = S) / P(Y = SI) =
P(X = S) P(Y = SI / X = S) / [P(X = S) P(Y = SI / X = S) + P(X = E) P(Y = SI / X =
E)] =
0,95 * 0,10 / (0,95 * 0,10 + 0,05 * 0,80) = 0.7037= 70%

3. Probabilidad de un falso negativo, es decir, que el examen indique que la persona

tiene cncer dado que la persona no tiene la enfermedad

R/ 3. Probabilidad P(X = S/ Y = NO)

Teorema de Bayes:
P(X = S/ Y = NO) =
P(X = S) P(Y = NO / X = S) / P(Y = NO) =
P(X = S) P(Y = NO / X = S) / [P(X = S) P(Y = NO / X = S) + P(X = E) P(Y = NO / X =
E)] =
0,95 * 0,90 / (0,95 * 0,90 + 0,05 * 0,20) = 0,855 / 0,135 = 0,98 = 98%

4. Probabilidad de que el examen indique que la persona tiene cncer

R/ 4. Probabilidad P(X = E/ Y = SI)

Teorema de Bayes:
P(X = S/ Y = SI) =
P(X = S) P(Y = NO / X = S) / P(Y = NO) =
P(X = S) P(Y = NO / X = S) / [P(X = S) P(Y = NO / X = S) + P(X = E) P(Y = NO / X =
E)] =
0,95 * 0,90 / (0,95 * 0,90 + 0,05 * 0,20) = 0,855 / 0,135 = 0,98 = 98%

5. Probabilidad de que la persona tenga cncer dado que el examen ndico que tiene
cncer

R/ 5. Probabilidad P(X = E/ Y = SI)

Teorema de Bayes:
P(X = S/ Y = SI) =
P(X = S) P(Y = NO / X = S) / P(Y = NO) =
P(X = S) P(Y = NO / X = S) / [P(X = S) P(Y = NO / X = S) + P(X = E) P(Y = NO / X =
E)] =

23
0,95 * 0,90 / (0,95 * 0,90 + 0,05 * 0,20) = 0,855 / 0,135 = 0,98 = 98%

6. Probabilidad de que la persona NO tenga cncer dado que el examen ndico que
NO tiene cncer

R/ 6. Probabilidad P(X = S/ Y = NO)

Teorema de Bayes:
P(X = S/ Y = NO) =
P(X = S) P(Y = NO / X = S) / P(Y = NO) =
P(X = S) P(Y = NO / X = S) / [P(X = S) P(Y = NO / X = S) + P(X = E) P(Y = NO / X =
E)] =
0,95 * 0,90 / (0,95 * 0,90 + 0,05 * 0,20) = 0,855 / 0,135 = 0,98 = 98%

7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen
para detectar este tipo de cncer

R/ Conclusin, el examen es muy confiable debido a que genera un alto porcentaje de

precisin.

SOLUCION AL ESTUDIO DE CASO 4 1

24
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 y las aplicaciones del
Teorema de Bayes 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 (probabilidades a
priori) y las probabilidades encontradas (probabilidades a posteriori)
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

DESARROLLO

Para el desarrollo de este caso fue necesario utilizar la probabilidad simple, la

probabilidad condicional y el teorema de bayes, tambin conocido como
frmula para la probabilidad de causas :

( )
=

( ) + ( ) + ( )

25
 1. PROBABILIDAD A PRIORI CON DIAGRAMA DE ARBOL

DISTRIBUCION
DISTRIBUCION
DE COMPRAS
CHIPS
PROVEEDORES
2% P (D/HE)
Defectuoso
HE=25%
98% Bueno P (B/HE)

4% P (D/SS)
fabricante Defectuoso
SS=30%
DVD
96% Bueno P(B/SS)

CC=45% 6% P(D/CC)
Defectuoso
94%
Bueno
P(B/CC)

El suceso D asociado al espacio muestral que representa la probabilidad de chips

defectuosos por cada proveedor.

P(HE)=25% P(SS)=30% P(CC)=45%

P(D/HE) P(D/SS) P(D/CC)

2% 4% 6%

26
Cuadro de Probabilidades

% %
Proveedor Compra defectuoso % bueno P(D) P(B)
HE 0,25 0,02 0,98 0,005 0,245
SS 0,30 0,04 0,96 0,012 0,288
CC 0,45 0,06 0,94 0,027 0,423

2. Probabilidad de que un chip este defectuoso

P(D) = P(HE)*(P(D/HE)+P(SS)*P(D/SS)+P(CC)*P(D/CC)

P(D) =((0.25*0.02)+(0.30*0.04)+(0.45*0.06))

P(D) = 0.005+ 0.012 + 0.027

P(D) = 0.044 = 4.4%

R/ Hay una probabilidad del 4,4% de que al comprar un chip este salga defectuoso.

3. Probabilidad de que el chip este en buenas condiciones

P(B) = P(HE)*(P(B/HE)+P(SS)*P(B/SS)+P(CC)*P(B/CC)

P(B) =((0.25*0.98)+(0.30*0.96)+(0.45*0.94))

P(B) =0.245+0.288+ 0.423

P(B) = 0.956 = 95.6%

R/ Hay una probabilidad del 95.6% de que al comprar un chip , est salga 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

27
 4.1 Probabilidad de que el chip seleccionado este defectuoso y que haya sido
fabricado por Hall Electronics:

( )
=

( ) + ( ) + ( )

0,02 0,25
=
0.02 0.25 + 0.040 0.30 + 0.06 0.45

0.005
=
0.005 + 0.012 + 0.027

( ) = 11,36%

R/ la probabilidad de que un chip seleccionado este defectuoso y que haya sido

fabricado por Hall Electronics es del 11.36%

4.2 Probabilidad de que el chip seleccionado este defectuoso y que haya sido
fabricado por Schuller Sales:

( )
=

( ) + ( ) + ( )

0,04 0,30
=
0.02 0.25 + 0.040 0.30 + 0.06 0.45

0.012
=
0.005 + 0.012 + 0.027

( ) = 27%

R/ la probabilidad de que un chip seleccionado este defectuoso y que haya sido

fabricado por Schuller Sales es del 27%.

4.3 Probabilidad de que el chip seleccionado este defectuoso y que haya sido
fabricado por Crawford Components:

( )
=

( ) + ( ) + ( )

28
 0,06 0,45
=
0.02 0.25 + 0.040 0.30 + 0.06 0.45

0.027
=
0.005 + 0.012 + 0.027

( ) = 61%

R/ la probabilidad de que un chip seleccionado este defectuoso y que haya sido

fabricado por Crawford Components es del 61%.

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

Probabilidad de que haya sido fabricado por cada uno de los proveedores

5.1 Probabilidad de que el chip seleccionado est en buenas condiciones y que

haya sido fabricado por Hall Electronics:

( )
=

( ) + ( ) + ( )

0,98 0,25
=
0.98 0.25 + 0.96 0.30 + 0.94 0.45

0.245
=
0.245 + 0.288 + 0.423

( ) = 26%

R/ la probabilidad de que un chip seleccionado este en buenas condiciones y que haya

sido fabricado por Hall Electronics es del 26%.

5.2 Probabilidad de que el chip seleccionado est en buenas condiciones y que

haya sido fabricado por Schuller Sales:

( )
=

( ) + ( ) + ( )

29
 0,96 0,30
=
0.98 0.25 + 0.96 0.30 + 0.94 0.45

0.288
=
0.245 + 0.288 + 0.423

( ) = 30%

R/ la probabilidad de que un chip seleccionado este en buenas condiciones y que haya

sido fabricado por Schuller Sales es del 30%.

5.3 Probabilidad de que el chip seleccionado est en buenas condiciones y que

haya sido fabricado por Crawford Components:

( )
=

( ) + ( ) + ( )

0.94 0.45
=
0.98 0.25 + 0.96 0.30 + 0.94 0.45

0.423
=
0.245 + 0.288 + 0.423

( ) = 44%

R/ la probabilidad de que un chip seleccionado este en buenas condiciones y que haya

sido fabricado por Crawford Components es del 44%.

SOLUCION Al ESTUDIO DE CASO 52

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

2
Tomado y adaptado de Anderson, D., Sweeney D., Estadstica para Negocios.Cengage Learning 2011

30
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 10 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
0,8790; sin embargo, dado un salto exitoso, la probabilidad de xito de la expedicin
era de 0,9483 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:

Solucin al ejercicio:

1. Si fuera uno de los 10 miembros del equipo, cual es la probabilidad de

completar su salto con xito?

PROBABILIDAD = 1 0.8790 = 0,121

La probabilidad de completar su salto es: 0,121

2. Si la probabilidad de que los 10 miembros del equipo tengan un salto exitoso

es de 0.8790, cual es la probabilidad de que un solo miembro del equipo pueda
completar el salto con xito?

Si 10 = 0.8790, 1 =?

31
 10 0.8790
1 = =
10 10

0.8790
PROBABILIDAD 1= = 0.0879
10

La probabilidad que un solo miembro del equipo pueda completar el salto con
xito es de: 0,0879

3. En el relato se afirma que: esa probabilidad de 0,8790 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

= 0.8790

= 1

= 1 0.8790
1
= 0.191
5

0.8790 0.8790
Probabilidad 1 = = = 0.1758 0.18
10 5

Concuerda usted con esa afirmacin? Si o no. Por qu?

S, estoy de acuerdo con la afirmacin porque la probabilidad de 1 entre 5 es

0,18 que se aproxima a 0,2

4. REFERENCIAS

Morales, A. (2017) Axiomas de probabilidad. Recuperado

de:http://hdl.handle.net/10596/11774
Martn, J. y Ruiz, L. (2004). Estadstica I: Probabilidad. 2nd ed. Madrid: Paraninfo.
vii-viii. Recuperado de:

32
http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX40524
00005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=About
ThisPublication&contentModuleId=GVRL&searchType=BasicSearchForm&docId=
GALE%7C3BDC.
Maronna, R. (1995). Probabilidad y estadisticas para estudiantes de ciencias. La
Plata: Universidad nacional de la plata .

33