Trabajo Colaborativo Fase 3-2

TRABAJO PROBABILIDAD
Presentado por:
Yenifer Daza Nuez Cod. 55.223.742
Gustavo Jose Del Vechio Cod.72273941
Malka Irina Martinleyes Cod. 55312807
Elizabet Mediado Cod. 55.245.357
Heriberto Alcides Noriega
Tutor
Jorge Eduardo Royero
Grupo No 100402_4
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS ECONOMICAS, ADMINISTRATIVAS Y DE NEGOCIOS
2017
INTRODUCION
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.
Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir un evento en la

que sus valores se asignan en una escala de 0 a 1.
La teora de la probabilidad es la parte de las matemticas que se encarga del estudio de los
fenmenos o experimentos aleatorios. Por experimento aleatorio entenderemos todo aquel
experimento que cuando se le repite bajo las mismas condiciones iniciales, el resultado que se
obtiene no siempre es el mismo.
El ejemplo ms sencillo y cotidiano de un experimento aleatorio es el de lanzar una moneda o un

dado, y aunque estos experimentos pueden parecer muy sencillos, algunas personas los utilizan
para tomar decisiones en sus vidas. En principio no sabemos cul ser el resultado del experimento
aleatorio, as que por lo menos conviene agrupar en un conjunto a todos los resultados posibles
Resumen temticas revisadas Unidad 1 Probabilidad
Axiomas de probabilidad
Axiomas de la adicin:
Esta nos permite la probabilidad de encontrar que ocurra un evento A o un Evento B. Por lo cual
podemos encontrar entonces de 2 maneras:
1- Si los eventos son mutuamente excluyentes: Se suman la probabilidad de que ocurra con la
probabilidad de que ocurra B.
2- Si no son excluyentes: A la probabilidad de que ocurra A ms la probabilidad que ocurra B Se le

resta la probabilidad de que ocurra a y b al mismo tiempo
Axiomas de la multiplicacin:
Es la probabilidad conjunta sea la probabilidad de que ocurra A y B al mismo tiempo, Y se

determina por el producto de las probabilidades entre a y b. Si son independientes, pero si no
dependientes Los eventos, tendremos que Encontrar primero la probabilidad de que ocurra A Y
luego la probabilidad de que ocurra B, Dado que ya se supone que ocurri A o tambin podemos
encontrar primero la probabilidad de que ocurra B y luego de que ocurra A dado que ya se supone
que ocurri B.
Axioma condicional:
La probabilidad de B dado a A, Se conoce como la probabilidad condicional En donde se tiene en

cuenta la probabilidad de que ocurra uno de los dos eventos al mismo tiempo Hay de probabilidad
conjunta Sobre la probabilidad de que estamos suponiendo de que ya ocurri B.
Probabilidad total:
n
P(B) = P(Ai )P(B|Ai )

f=1
Teorema de Bayes:
P(Ai )P(B|Ai )
P(Ai |B) = n
f=1 P(Ai )P(B|Ai )
ESTUDIO DE CASO 1 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
1
Tomado y adaptado de Roa, E. (2015)Informe de rendimiento Acadmico U.P.C..
Cancelo o
Curso Aprob Reprob perdi Total
por fallas
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
Programa Aprob Reprob Total
por fallas
Administracin ambiental 146 15 21 182
Admn. empresas 295 44 41 380
Arquitectura 297 53 71 421
Contadura 99 23 19 141
Economa 99 19 24 142
Ing Mecatrnica 515 118 154 787
Ing. Civil 88 20 27 135
Ing. Financiera 83 29 22 134
Ing. Sistemas 127 26 53 206
Ing. Telecomunicaciones 32 9 15 56
Negocios Internacionales 69 21 33 123
Psicologa 23 12 13 48
Total 1873 389 493 2755
Cancelo o perdi
Profesor Aprob Reprob Total
por fallas
Csar r. 52 1 53
Claudia v. 31 5 36
Diana m. 97 4 18 119
Ernesto s. 166 17 21 204
Diego v. 36 5 4 45
Eduardo m. 154 17 26 197
Enrique p 118 25 13 156
Fernando m. 125 21 21 167
Gloria a. 151 32 20 203
Jairo a. 116 19 26 161
Javier b. 98 10 29 137
Jos c. 49 9 16 74
Luz p. 142 23 44 209
Marcela f. 60 19 21 100
Mara a . 93 27 37 157
Mario g 90 16 46 152
Mercedes s. 60 15 27 102
Oscar n. 111 48 45 204
Patricia m. 37 14 22 73
Ricardo o. 57 31 46 134
Sandra m. 30 37 5 72
Total 1873 389 493 2755
Con el propsito de evaluar el resultado acadmico en los cursos del rea de matemticas, a usted
le han llamado para que ayude en el anlisis de datos. Utilice su conocimiento de la probabilidad
para ayudar a realizar el informe solicitado.
Prepare un informe en el que debe incluir como mnimo lo siguiente:

1. La probabilidad de que un estudiante apruebe un curso del rea de matemticas
La probabilidad de que un estudiante apruebe un curso del rea de matemticas est dada por el
cociente entre la cantidad de estudiantes aprobados en el rea y el total de estudiantes
matriculados.
Aprobados
P= Total
1873
P= = 0,679854809
2755
P = 0,679854809
2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.
La probabilidad de que un estudiante repruebe un curso del rea de matemticas est dada por el
cociente entre la cantidad de estudiantes reprobados en el rea y el total de estudiantes
matriculados.
Reprobados
P=
Total
389
P= = 0,141197822
2755
P = 0,141197822
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del rea de
matemticas.
La probabilidad en este caso est dada por el cociente entre el nmero de estudiantes
reprobados y el total de estudiantes por profesor.
Profesor Probabilidad
Claudia v. 86,11%
Diana m. 81,51%
Ernesto s. 81,37%
Diego v. 80,00%
Eduardo m. 78,17%
Enrique p 75,64%
Fernando m. 74,85%
Gloria a. 74,38%
Jairo a. 72,05%
Javier b. 71,53%
Jos c. 66,22%
Luz p. 67,94%
Marcela f. 60,00%
Mara a . 59,24%
Mario g 59,21%
Mercedes s. 58,82%
Oscar n. 54,41%
Patricia m. 50,68%
Ricardo o. 42,54%
Sandra m. 41,67%
4. Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los criterios que
utiliz y d las razones de su eleccin.
Para la clasificacin se tuvo en cuenta la probabilidad de reprobacin de cada curso del rea y
posteriormente se organizaron de menor a mayor. Fue la opcin escogida puesto que permite
visualizar de manera clara el curso con mayor ndice de reprobacin que fue probabilidad y el de
menor tasa de reprobacin que fue algebra lineal.
Probabilidad de
Curso Reprob Total
Reprobar
Algebra lineal 10 218 4,59%
Anlisis numrico 15 182 8,24%
Calculo integral 8 79 10,13%
Clculo infinitesimal 37 328 11,28%
Calculo negocios 44 331 13,29%
Clculo multivariado 49 357 13,73%
Estadstica inferencial 70 437 16,02%
Matemticas discretas 13 80 16,25%
Matemticas avanzadas 53 325 16,31%
Ecuaciones diferenciales 47 265 17,74%
Estadstica bsica 11 53 20,75%
Pre clculo 24 83 28,92%
Probabilidad 8 17 47,06%
5. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca los criterios
que utiliz y d las razones de su eleccin
Profesor
Probabilidad de reprobar
Sandra m. 41,67%
Ricardo o. 42,54%
Patricia m. 50,68%
Oscar n. 54,41%
Mercedes s. 58,82%
Mario g 59,21%
Mara a . 59,24%
Marcela f. 60,00%
Jos c. 66,22%
Luz p. 67,94%
Javier b. 71,53%
Jairo a. 72,05%
Gloria a. 74,38%
Fernando m. 74,85%
Enrique p 75,64%
Eduardo m. 78,17%
Diego v. 80,00%
Ernesto s. 81,37%
Diana m. 81,51%
Claudia v. 86,11%
La mejor calificacin la obtiene la docente Sandra M, teniendo en cuenta que presenta la

probabilidad ms baja de que un estudiante repruebe. Siguiendo este orden la docente con menor
calificacin resulta ser Claudia V, con la probabilidad mas alta de reprobacin del curso por parte de
sus estudiantes.
6. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las razones de
su eleccin
Programa Aprob Total Probabilidad de aprobar
Administracin ambiental 146 182 80,22%
El programa con mejores resultados es Administracin ambiental puesto que tiene la ms alta
probabilidad de aprobacin respecto a los dems.
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 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
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
Tribunal penal
Casos Casos Casos

Presentados apelados Revocados
43945 1762 199
1762
: = 0.040096
43945
199
: = 0.004528
43945
Tribunal de familia
Casos Casos Casos

30499 106 17
106
: = 0.003476
30499
17
: = 0.000557
30499
Tribunal civil
Casos Casos Casos

108464 500 104
500
: = 0.004610
108464
104
: = 0.000959
108464
2. La probabilidad de que se apele un caso, por cada juez
Se calcula: (casos apelados) / (casos presentados). En el caso de los jueces Dinkelacker

y Hogan se consolida la informacin de los tribunales en que actua cada uno.
Jueces Casos Casos Probabilidad

(los tres tribunales) Presentados apelados casos se apelen
Fred Cartolano 3037 137 0,04511

Thomas Crush 3372 119 0,03529
1258+6001 44+19
Patrick Dinkelacker 0,00868
7259 63
1954+2308 60+13
Timothy Hogan 0,01713
4262 73
Robert Kraft 3138 127 0,04047
William Mathews 2264 91 0,04019
William Morrissey 3032 121 0,03991
Norbert Nadel 2959 131 0,04427
Arthur Ney, Jr. 3219 125 0,03883
Richard Niehaus 3353 137 0,04086
Thomas Nurre 3000 121 0,04033
John OConnor 2969 129 0,04345
Robert Ruehlman 3205 145 0,04524
J. Howard Sundermann 955 60 0,06283
Ann Marie Tracey 3141 127 0,04043
Ralph Winkler 3089 88 0,02849
Penelope Cunningham 2729 7 0,00257
Deborah Gaines 8799 48 0,00546
Ronald Panioto 12970 32 0,00247
Mike Allen 6149 43 0,00699
Nadine Allen 7812 34 0,00435
Timothy Black 7954 41 0,00515
David Davis 7736 43 0,00556
Leslie Isaiah Gaines 5282 35 0,00663
Karla Grady 5253 6 0,00114
Deidra Hair 2532 5 0,00197
Dennis Helmick 7900 29 0,00367
James Patrick Kenney 2798 6 0,00214
Joseph Luebbers 4698 25 0,00532
William Mallory 8277 38 0,00459
Melba Marsh 8219 34 0,00414
Beth Mattingly 2971 13 0,00438
Albert Mestemaker 4975 28 0,00563
Mark Painter 2239 7 0,00313
Jack Rosen 7790 41 0,00526
Mark Schweikert 5403 33 0,00611
David Stockdale 5371 22 0,00410
John A. West 2797 4 0,00143
3. La probabilidad de que se revoque un caso, por cada juez
Se calcula: (casos revocados) / (casos presentados). En el caso de los jueces Dinkelacker

y Hogan se consolida la informacin de los tribunales en que acta cada uno.
Jueces Casos Casos Probabilidad

(los tres tribunales) Presentados Revocados casos se revoquen
Thomas Crush 3372 10 0,00297
1258+6001 8+4
7259 12
1954+2308 7+2
4262 9
Robert Kraft 3138 7 0,00223
Arthur Ney, Jr. 3219 14 0,00435
Thomas Nurre 3000 6 0,00200
John OConnor 2969 12 0,00404
Mike Allen 6149 4 0,00065
Nadine Allen 7812 6 0,00077
David Davis 7736 5 0,00065
Karla Grady 5253 0 0,00000
Deidra Hair 2532 0 0,00000
Melba Marsh 8219 7 0,00085
Jack Rosen 7790 13 0,00167
John A. West 2797 2 0,00072
4. La probabilidad de una revocacin dada una apelacin, por cada juez
Se calcula: (casos revocados) / (casos apelados). En el caso de los jueces Dinkelacker y

Hogan se consolida la informacin de los tribunales en que acta cada uno.
Jueces Casos Casos Probabilidad revocacin

(los tres tribunales) apelados Revocados dada apelacin
Thomas Crush 119 10 0,08403
44+19 8+4
63 12
60+13 7+2
73 9
Robert Kraft 127 7 0,05512
Arthur Ney, Jr. 125 14 0,11200
Thomas Nurre 121 6 0,04959
John OConnor 129 12 0,09302
Mike Allen 43 4 0,09302
Nadine Allen 34 6 0,17647
David Davis 43 5 0,11628
Karla Grady 6 0 0,00000
Deidra Hair 5 0 0,00000
Melba Marsh 34 7 0,20588
Jack Rosen 41 13 0,31707
John A. West 4 2 0,50000
5. Clasique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y d
las razones de su eleccin.
Los jueces dentro de cada tribunal estn clasificados de mayor a menor segn la
probabilidad que tiene cada juez de que se apelen casos, la probabilidad de que se
revoquen los casos y la probabilidad de revocacin del caso dada una apelacin.
Despus en color rojo se clasificaron los jueces que tienen valor de probabilidades
superiores a las del grupo. Tambin en color amarillo se resaltaron los nombres de los
jueces que se repiten dos o ms veces en las probabilidades halladas en cada tribunal y
que cumplen la clasificacin en rojo.
Al ordenar las probabilidades de mayor a menor se puede determinar cules son los
jueces con peores desempeos en cada tribunal segn las probabilidades calculadas. El
color rojo nos permite ver si tienen desempeos individuales peores que el desempeo
grupal y el color amarillo nos permite ver si este comportamiento se repite en las
probabilidades calculadas por cada tribunal.
Tribunal penal
Prob.
Juez Tribunal Prob. casos Juez Tribunal Proba. casos Juez Tribunal
revocacin
Penal se apelen Penal se revoquen Penal dada apelacin
J. Howard Sundermann0,062827 J. Howard Sundermann0,010471 William Mathews 0,197802
Robert Ruehlman 0,045242 William Mathews 0,007951 Patrick Dinkelacker 0,181818
Fred Cartolano 0,045110 William Morrissey 0,007256 William Morrissey 0,181818
Norbert Nadel 0,044272 Norbert Nadel 0,006759 J. Howard Sundermann0,166667
John OConnor 0,043449 Patrick Dinkelacker 0,006359 Norbert Nadel 0,152672
Richard Niehaus 0,040859 Robert Ruehlman 0,005616 Robert Ruehlman 0,124138
Robert Kraft 0,040472 Richard Niehaus 0,004772 Richard Niehaus 0,116788
Ann Marie Tracey 0,040433 Arthur Ney, Jr. 0,004349 Timothy Hogan 0,116667
Thomas Nurre 0,040333 Ann Marie Tracey 0,004139 Arthur Ney, Jr. 0,112000
William Mathews 0,040194 John OConnor 0,004042 Ann Marie Tracey 0,102362
William Morrissey 0,039908 Fred Cartolano 0,003951 John OConnor 0,093023
Arthur Ney, Jr. 0,038832 Timothy Hogan 0,003582 Fred Cartolano 0,087591
Thomas Crush 0,035291 Thomas Crush 0,002966 Thomas Crush 0,084034
Patrick 0,034976 Robert Kraft 0,002231 Ralph Winkler 0,068182
Timothy Hogan 0,030706 Thomas Nurre 0,002000 Robert Kraft 0,055118
Ralph Winkler 0,028488 Ralph Winkler 0,001942 Thomas Nurre 0,049587
Total 0,040096 Total 0,004528 Total 0,112940
Tribunal de familia
Prob.
Juez Tribunal de Prob. casos Juez Tribunal de Proba. casos Juez Tribunal de
revocacin
Familia se apelen Familia se revoquen Familia dada apelacin
Deborah Gaines 0,005455 Deborah Gaines 0,001023 Patrick Dinkelacker 0,210526
Patrick Dinkelacker 0,003166 Patrick Dinkelacker 0,000667 Deborah Gaines 0,187500
Penelope Cunningham0,002565 Penelope Cunningham0,000366 Penelope Cunningham0,142857
Ronald Panioto 0,002467 Ronald Panioto 0,000231 Ronald Panioto 0,093750
Tribunal civil
Prob.
Prob. casos Proba. casos
Juez Tribunal Civil Juez Tribunal Civil Juez Tribunal Civil revocacin
se apelen se revoquen dada apelacin
Mike Allen 0,006993 Leslie Isaiah Gaines 0,002461 John A. West 0,500000
Leslie Isaiah Gaines 0,006626 Albert Mestemaker 0,001809 Mark Painter 0,428571
Mark Schweikert 0,006108 Joseph Luebbers 0,001703 Leslie Isaiah Gaines 0,371429
Timothy Hogan 0,005633 Jack Rosen 0,001669 Albert Mestemaker 0,321429
Albert Mestemaker 0,005628 Mark Painter 0,001340 Joseph Luebbers 0,320000
David Davis 0,005558 Mark Schweikert 0,001110 Jack Rosen 0,317073
Joseph Luebbers 0,005321 William Mallory 0,001087 William Mallory 0,236842
Jack Rosen 0,005263 Timothy Hogan 0,000867 Melba Marsh 0,205882
Timothy Black 0,005155 Melba Marsh 0,000852 Mark Schweikert 0,181818
William Mallory 0,004591 Nadine Allen 0,000768 David Stockdale 0,181818
Beth Mattingly 0,004376 Timothy Black 0,000754 Nadine Allen 0,176471
Nadine Allen 0,004352 David Stockdale 0,000745 Dennis Helmick 0,172414
Melba Marsh 0,004137 John A. West 0,000715 James Patrick Kenney 0,166667
David Stockdale 0,004096 Mike Allen 0,000651 Timothy Hogan 0,153846
Dennis Helmick 0,003671 David Davis 0,000646 Timothy Black 0,146341
Mark Painter 0,003126 Dennis Helmick 0,000633 David Davis 0,116279
James Patrick Kenney 0,002144 James Patrick Kenney 0,000357 Mike Allen 0,093023
Deidra Hair 0,001975 Beth Mattingly 0,000337 Beth Mattingly 0,076923
John A. West 0,001430 Karla Grady 0,000000 Karla Grady 0,000000
Karla Grady 0,001142 Deidra Hair 0,000000 Deidra Hair 0,000000
ANLISIS
El tribunal penal con un 4% es el que tiene mayor probabilidad de que se apelen casos y
tambin es el de mayor probabilidad de que se revoquen los casos con 0.45%
Cuando se produce una apelacin la probabilidad de que el caso se revoque supera el
10% en los tres tribunales, siendo el tribunal civil el que tiene peor desempeo en este
tem con un 20.8%
El juez Mike Allen del tribunal civil es quien tiene mayor probabilidad de casos apelados
con 7% aproximadamente, seguido por el juez J. Howard Sundermann del tribunal penal
con 6.3%. Este ltimo a su vez tiene las mayores probabilidades de que se revoquen los
casos con un 1%.
Los 7 peores resultados (mayores probabilidades) de revocacin de un caso dada una

apelacin, se encuentran en el tribunal civil con valores del 23,7% al 50%.
Los jueces con mejores resultados son Deidra Hair y Karla Grady del tribunal civil con
muy bajos porcentajes de probabilidades de casos apelados (0.2% y 0.11%
respectivamente) y 0 casos revocados y 0 casos revocados dada una apelacin.
Si se desea mejorar el desempeo general, habra que prestar mayor atencin a los
jueces resaltados en color amarillo del punto 5, dado que son ellos quienes tienen malos
resultados en ms de un tem analizado.
Los desempeos buenos o malos se dan con respecto a estos tres tribunales, pero se
necesita un contexto ms grande (por ejemplo, los rangos a nivel nacional o mundial) para
saber si en realidad se hace una buena gestin, si el desempeo es negativo o si se
encuentra dentro de lo normal.
ESTUDIO DE CASO 3
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
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
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
4. Probabilidad de que el examen indique que la persona tiene cncer
5. Probabilidad de que la persona tenga cncer dado que el examen ndico que tiene cncer
6. Probabilidad de que la persona NO tenga cncer dado que el examen ndico que NO tiene cncer
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen para detectar
este tipo de cncer.
R//
Definimos las variables:
X = "estado de salud"
X = S (sano)
X = E (enfermo de cncer)
Y = "resultado de la prueba"
Y = SI (la prueba indica que la persona padece cncer)
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
1. Se pide la probabilidad: P(X = E / Y = NO)
Aplicando el teorema de Bayes resulta:
P(X=E)P(Y=NO,X=E) P(X=E)P(Y=NO,X=E)
= P(X=E)P(Y=NO,X=E)+P(X=S)P(Y=NO,X=S)=
P(Y=NO)
0.050.8 0.04
=
(0.050.2)+(0.950.9) 0.865
= 0.046 = 4.6%
2. Se pide la probabilidad: P(X = S / Y = SI)

P(X=S)P(Y=SI,X=S) P(X=S)P(Y=SI,X=S)
= P(X=S)P(Y=SI,X=S)+P(X=S)P(Y=NO,X=S)=
P(Y=SI)
0.950.1 0.095
=
(0.950.1)+(0.950.9) 0.95
= 0.1= 10%
3. Se pide la probabilidad: P(X = S / Y = SI)

P(X=S)P(Y=SI,X=S) P(X=S)P(Y=SI,X=S)
= P(X=S)P(Y=SI,X=S)+P(X=S)P(Y=NO,X=S)=
P(Y=SI)
0.950.1 0.095
=
(0.950.1)+(0.950.9) 0.95
= 0.1= 10%
4. Se pide la probabilidad: P( Y = SI)

P(X=E)P(Y=SI,X=E) P(X=E)P(Y=SI,X=E)
= P(X=E)P(Y=SI,X=E)+P(X=S)P(Y=SI,X=S)=
P(Y=SI)
0.050.8 0.04
=
(0.050.8)+(0.950.1) 0.95
= 0.135= 13.5%
5. Se pide la probabilidad: (X = E / Y = SI)
P(X=E)P(Y=SI,X=E) P(X=E)P(Y=SI,X=E)
= P(X=E)P(Y=SI,X=E)+P(X=S)P(Y=SI,X=S)=
P(Y=SI)
0.050.8 0.04
= =
(0.050.8)+(0.950.1) 0.95
0.135= 13.5%
6. Se pide la probabilidad: (X = S / Y = NO)

P(X=S)P(Y=NO,X=S) P(X=S)P(Y=NO,X=S)
= P(X=S)P(Y=NO,X=S)+P(X=E)P(Y=NO,X=E)=
P(Y=NO)
0.950.9 0.855
=
(0.950.9)+(0.050.2) 0.865
= 0.988= 98.8%
ESTUDIO DE CASO 4
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 CASO 4
Proveedores y su porcentaje de participacin:
Hall Electronics Schuller Sales Crawford Components
25% 30% 45%
Defectuosos: 2% 4% 6%
2.- Probabilidad de un chip este defectuoso
= P (A)
P ( B1 A ) = Probabilidad de que el chip seleccionado proviene del fabricante Hall electronic y

que este defectuoso.
P ( B2 A ) = Probabilidad de que el chip seleccionado proviene del fabricante Schuller sales y
que este defectuoso.
P ( B3 A ) = Probabilidad de que el chip seleccionado proviene del fabricante Crawford
components y que este defectuoso.
Entonces la probabilidad de que un chip salga defectuoso es la unin de las probabilidades

anteriores, es decir la probabilidad de que el chip seleccionado provenga de hall electronic s y este
defectuoso o la probabilidad de que provenga de schuller sales y este defectuoso o la probabilidad
de que venga de crawford componets y este defectuoso, esto se representa como:
P(A) = P[(B1A) U ( B A) U ( B3 A)]
Ahora si se tiene que por regla de multiplicacin la probabilidad de que suceda un evento AyB es
igual a la probabilidad de que suceda a P (A) multiplicada por la probabilidad de que sucede B si se
daba que A ocurri ( P (B/A) as:
P (AB) = P(A) P (B/A)

Asi se hallan cada una de las probabilidades anteriores
P ( B1 A) = P (B1) P( A/B1)
P(B1) = La probabilidad de que el chip seleccionado proviene del fabricante hall electronics .
25
P (B1) = 100 = 0.25%
P (A/B1) = Probabilidad de que el chip seleccionado este defectuoso y que adems venga de hall
electronics.
2
P (A1/B1) = 100 = 0.02 %
Entonces P ( B1 A) = P (B1) X P( A /B1 ) = 0.25 X 0.02
P ( B1 A) = 0.005 = 0.5%
P (B2 A) = P ( B2 X P ( A/B2)
P(B2) = Probabilidad de que el chip seleccionado proviene de schuller sales

4
P (B2) = 100 = 0.3%
P (A/ B2) = Probabilidad de que el chip seleccionado este defectuoso si se sabe que viene del
fabricante schuller sales
4
P ( A/B2) 100 = 0.04 %
Entonces P ( B2 A) = P (B2) X P( A /B2 ) = 0.3 X0.04
P ( B2 A) = 0.012 = 1.2 %
P (B3 A) = P ( B3) X P ( A/B3)
P (B3) = Probabilidad de que el chip seleccionado proviene de Crawford componets.

45
P ( B3) = 100 = 0.45%
P ( B3/A) = Probabilidad de que el chip seleccionado este defectuoso si se sabe que

proviene de Crawford componets.
6
P B3/ A) = 100 = 0.06%
Entonces P ( B3 A) = P (B3) X P( A /B3 ) = = 0.45 X 0.06
P ( B3 A) = 0.027 = 2.7 %
Finalmente la probabilidad de que el chip este defectuoso es:
P (A) = P (B1 A) + P( B2 A ) + P (B3 A)
P ( A) = 0.005+ 0.012+0.027 = 0.044
P( A) = 4.4 %
3- Probabilidad de que el chip este en buenas condiciones.
Aplicando la regla del complemento :
P( A`) = Probabilidad de que el chip este en buenas condiciones
P( A`) = 1- P ( A)
Donde P (a) es la probabilidad de que el chip este defectuoso
P( A`) = 1- 0.044 = 0.956
P( A`) = 95.6%
4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya sido
fabricado por cada uno de los proveedores.
Probabilidad que haya sido fabricado por hall electronics
P(AB1)
P ( B1/A) = P (A)
P ( AB1) = P (B1 A) = 0.005
P (A) = 0.044
0.005
P ( B1 / A) 00 = 0.114 = 11.4 %
0.004
Probabilidad que haya sido fabricado por Schuller sales
P(AB2)
P ( B2/A) = P (A)
P ( AB2) = P (B2 A) = 0.012
P (A) = 0.044
0.012
P ( B2 / A) 00 0.044 = 0.273 = 27.3 %
Probabilidad que haya sido fabricado por Crawford components
P(AB3)
P ( B3/A) = P (A)
P ( AB3) = P (B3 A) = 0.027
P (A) = 0.044
0.027
P ( B3 / A) 00 0.044 = 0.614 = 61.4 %
5.- Si el chip seleccionado est en buenas condiciones, debe encontrar la Probabilidad de que haya
sido fabricado por cada uno de los proveedores
Probabilidad de que el chip este en buenas condiciones y haya sido fabricado por Hall
electronics.
P( A`B1)
P( B1/ A`) = P( A`) =0.956 %
P( A`)
P( A` B1) = P( B1 A`) = P( B1) X P (A` / B1)
P(B1) = 0.25 %
P(A`/ B1)= Probabilidad de que el chip seleccionado este en buenas condiciones si se sabe que
proviene de hall electronics.
P(A`/ B1 ) = 1- P ( A /B1) = 1-0.02 =0.98 %
P(A` /B1) = 98%
P( A` B1) = 0.25 X 0.98 = 0.245 %

0.245
P( B1/ A`) = 0.956 = 0.256 % = 25.6%
Probabilidad de que el chip este en buenas condiciones y haya sido fabricado por Schuller
sales.
P( A`B2)
P( B2/ A`) = P( A`)
P( A` B2) = P( B2 A`) = P( B2) X P (A` / B2)
P(A`/ B2)= Probabilidad de que el chip seleccionado este en buenas condiciones si se sabe
que proviene de Schuller sales.
P(A`/ B2) = 1- P (A /B2) = 1-0.04 =0.96 %
P( A` B2) = 0.3 X 0.96 = 0.288 %

0.288
P( B2/ A`) = 0.956 = 0.3 % = 30%
Probabilidad de que el chip este en buenas condiciones y haya sido fabricado por Crawford
components.
P( A`B3)
P( B3/ A`) = P( A`)
P( A` B3) = P( B3 A`) = P( B2) X P (A` / B3)
P(A`/ B3)= Probabilidad de que el chip seleccionado este en buenas condiciones si se sabe
que proviene de Crawford components.
P(A`/ B3) = 1- P (A1 /B3) = 1-0.06 =0.94 %
P( A` B3) = 0.45 X 0.94 = 0.423 %

0.423
P( B2/ A`) = 0.956 = 0.4425 % = 44.25%
ESTUDIO DE CASO 5
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-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:
1. Si fuera uno de los 10 miembros del equipo, cual es la probabilidad de completar su salto con
xito?
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?
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?
Solucin
1. Todo el equipo P = 0.8790

La probabilidad individual p (si suponemos todos los lanzamientos como acontecimientos
independientes) debera cumplir
p^10 = P = 0.8790
Entonces 10 ln(p) = ln(0. 0.8790) ln(p) = ln(0.8790)/10

p = e^(ln(0.8790)/10)
Probabilidad individual de salto exitoso.
p = 0.8335557
0,8790*0,9483 = 0.8335557
2. 0.8335557 sera la probabilidad de terminar el salto con xito, pero la probabilidad es 0 por
que no sabe de paracaidismo, es importante tener este conocimiento.
0.8335557 es la probabilidad de salto con xito de una persona del equipo.

3. Si, Teniendo en cuenta un margen de error del 20 % lo cual quiere decir que puede haber
entre 2 o 3 personas heridas en el equipo.
BIBLIOGRAFAS
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado

de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013767&ppg=177
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional. Recuperado
Martn, J. y Ruiz, L. (2004). Estadstica I: Probabilidad. 2nd ed. Madrid: Paraninfo. vii-viii.
Recuperado
de:http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX4052400005&inPS=tr
ue&prodId=GVRL&userGroupName=unad&resultClickType=AboutThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BDC
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica: Probabilidad e
inferencia. Recuperado
http://metodosunoydos.galeon.com/enlaces2221651.html
http://lya.fciencias.unam.mx/lars/libros/pe-agosto-2006.pdf

Trabajo Colaborativo Fase 3-2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Colaborativo Fase 3-2

Cargado por

Copyright:

Formatos disponibles

TRABAJO PROBABILIDAD

Yenifer Daza Nuez Cod. 55.223.742

Gustavo Jose Del Vechio Cod.72273941

Malka Irina Martinleyes Cod. 55312807

Elizabet Mediado Cod. 55.245.357

Heriberto Alcides Noriega

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir un evento en la

El ejemplo ms sencillo y cotidiano de un experimento aleatorio es el de lanzar una moneda o un

2- Si no son excluyentes: A la probabilidad de que ocurra A ms la probabilidad que ocurra B Se le

Es la probabilidad conjunta sea la probabilidad de que ocurra A y B al mismo tiempo, Y se

La probabilidad de B dado a A, Se conoce como la probabilidad condicional En donde se tiene en

P(B) = P(Ai )P(B|Ai )

En una universidad de Bogot se realiz un informe sobre el rendimiento acadmico de los

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

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

La mejor calificacin la obtiene la docente Sandra M, teniendo en cuenta que presenta la

Programa Aprob Total Probabilidad de aprobar

Administracin ambiental 146 182 80,22%

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

Casos Casos Casos

Casos Casos Casos

Casos Casos Casos

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

Se calcula: (casos apelados) / (casos presentados). En el caso de los jueces Dinkelacker

Jueces Casos Casos Probabilidad

Fred Cartolano 3037 137 0,04511

Se calcula: (casos revocados) / (casos presentados). En el caso de los jueces Dinkelacker

Jueces Casos Casos Probabilidad

Se calcula: (casos revocados) / (casos apelados). En el caso de los jueces Dinkelacker y

Jueces Casos Casos Probabilidad revocacin

Los 7 peores resultados (mayores probabilidades) de revocacin de un caso dada una

Definimos las variables:

De los datos proporcionados deducimos las siguientes probabilidades:

1. Se pide la probabilidad: P(X = E / Y = NO)

Aplicando el teorema de Bayes resulta:

2. Se pide la probabilidad: P(X = S / Y = SI)

Aplicando el teorema de Bayes resulta:

3. Se pide la probabilidad: P(X = S / Y = SI)

4. Se pide la probabilidad: P( Y = SI)

Aplicando el teorema de Bayes resulta:

5. Se pide la probabilidad: (X = E / Y = SI)

Aplicando el teorema de Bayes resulta:

6. Se pide la probabilidad: (X = S / Y = NO)

Aplicando el teorema de Bayes resulta:

Un fabricante de reproductores de DVD compra un microchip en particular,

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

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

Proveedores y su porcentaje de participacin:

Hall Electronics Schuller Sales Crawford Components

25% 30% 45%

2.- Probabilidad de un chip este defectuoso

P ( B1 A ) = Probabilidad de que el chip seleccionado proviene del fabricante Hall electronic y

Entonces la probabilidad de que un chip salga defectuoso es la unin de las probabilidades

P(A) = P[(B1A) U ( B A) U ( B3 A)]

P (AB) = P(A) P (B/A)

Entonces P ( B1 A) = P (B1) X P( A /B1 ) = 0.25 X 0.02

P(B2) = Probabilidad de que el chip seleccionado proviene de schuller sales

Entonces P ( B2 A) = P (B2) X P( A /B2 ) = 0.3 X0.04

P (B3 A) = P ( B3) X P ( A/B3)

P (B3) = Probabilidad de que el chip seleccionado proviene de Crawford componets.

P ( B3/A) = Probabilidad de que el chip seleccionado este defectuoso si se sabe que

Entonces P ( B3 A) = P (B3) X P( A /B3 ) = = 0.45 X 0.06

Finalmente la probabilidad de que el chip este defectuoso es: