TRABAJO COLABORATIVO FASE 1

Probabilidad

Presentado por:

John Alexander Ortiz Renza (Código: 10007551)

Wanderley Villalobos
Mayerli Vargas Suarez (Código: 1083894033)
Yebir Aldair Ortiz Gaviria

Grupo: 224

Tutor:

Elkin Orlando Vélez

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

PROGRAMA DE INGENIERÍA DE SISTEMAS

PROBABILIDAD

Pitalito, octubre de 2015

 INTRODUCCION

La probabilidad es una disciplina teórico practica que ha estado presente durante muchos
años, esto no es ajeno a todas las actividades que realizamos en nuestro diario vivir pues en
muchos casos hemos hecho uso de la probabilidad para predecir ciertos acontecimientos, de ahí
la importancia del estudio de este curso que nos lleva a conocer gran cantidad de situaciones y a
realizar ejercicios prácticos que aplican las temáticas estudiadas en la primera unidad del módulo.

Por lo anterior, los conocimientos y competencias que desarrollaremos al final del curso, nos
permitirán profundizar, afianzar y complementar conceptos de la probabilidad para aplicar en el
futuro inmediato en el desarrollo de la vida laboral y en el desarrollo del ejercicio profesional. Este
trabajo es también nuestra primera experiencia colaborativa en el curso y demuestra lo
enriquecedor que puede llegar a ser el trabajar en esta modalidad que nos permite ver, que a
pesar de estar distantes entre los compañeros es posible intercambiar ideas, pensamientos y en
general todo lo que permita que el resultado sea un trabajo colectivo bien realizado.
 RESUMEN DE TEMAS CAPITULOS 1, 2 Y 3

TEMA: SUCESOS O EVENTOS

Un suceso es cada uno de los subconjuntos de un espacio muestra en un experimento aleatorio.

Por ej. Espacio muestra (S) de la suma de los puntos obtenidos en el lanzamiento de tres dados:
S = {3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
Sucesos de S pueden ser:
- Salir múltiplo de 5 A = {5,10,15}
- Salir número primo B = {2,3,5,7,11,13,17}
- Salir mayor o igual que 12 C = {12,13,14,15,16,17,18}
También son sucesos, el suceso imposible, Ø y el propio S, que es el suceso seguro.
Para contar los sucesos posibles en un experimento aleatorio se cuenta, cuando sea posible, el
número de elementos (n) y se potencia 2 a a la n.
Por ej. En una moneda hay 22 (4) sucesos, que son: S={Ø,{C},{+},{C,+}}

TEMA: OPERACIONES CON SUCESOS

Con los sucesos pueden desarrollarse las operaciones básicas de conjuntos, tales como unión,
intersección, diferencia y suceso complementario, debido a que los sucesos son subconjuntos de
un espacio muestra.

- Unión. A Ս B. Todos los sucesos de A y todos los sucesos de B.

- Intersección. A Ո B. Todos los sucesos que son de A y de B simultáneamente.

Diferencia. A – B. Todos los sucesos de A que no son de B.

- Suceso complementario. A' = E – A. Todo los sucesos del espacio muestral que no son parte
de A.

Espacio muestral: se denomina como un suceso seguro

Experimento aleatorio
Son todos los resultados posibles de un experimento denominando el experimento como una
situación de azar o suerte que siempre será un resultado distinto o se puede repetir pero es poco
probable

Eventos o Sucesos operaciones entre eventos

Encontramos varios sucesos importantes

Suceso elemental: todo aquel constituido por un solo punto muestral
Suceso compuesto: es todo suceso formado por más de un punto muestral es decir, por
más de un resultado dl experimento
Suceso seguro: es el propio espacio muestral E
Suceso imposible: es el conjunto vacío, es decir, el suceso que no tiene puntos muéstrales
(Juna C, 2006)

Técnicas de conteo
Permutación: es un sub conjunto ordenado
Combinación: es un subconjunto desordenado se denota 𝐶𝑘𝑛

Axiomas de probabilidad:

Regla de adicción: Regla de la adición

a.- Regla de la adición para eventos mutuamente excluyentes.

A menudo, estamos interesados en la probabilidad de que una cosa u otra suceda; es decir
nos interesa la probabilidad de la unión de dos eventos. Si estos dos eventos son mutuamente
excluyentes, podemos expresar esta probabilidad haciendo uso de la regla de adición para
eventos mutuamente excluyentes:

P (A U B) = P (A) + P (B) (Mario F, 2004)

Existe un caso especial, para cualquier evento A, tenemos que éste sucede o no sucede. De
modo que los eventos A y A' son mutuamente excluyentes y exhaustivos:

P(A) + P(A') = 1

P(A') = 1 - P(A)
 b.- Regla de adición para eventos que no son mutuamente excluyentes.

Si dos eventos no son mutuamente excluyentes, es posible que ambos se presenten al

mismo tiempo. En tales casos, debemos modificar la regla de la adición para evitar el conteo
doble:

P(A U B) = P(A) + P(B) - P(AnB)

El siguiente diagrama de flujo[1], resume las reglas de adición para el cálculo de la

probabilidad de dos eventos dados A y B.

Figura 3.7

Diagrama de flujo de la regla de adición

Regla de multiplicación:

Reglas de multiplicación

En el tema anterior se presentó la regla de la adición para calcular P(AUB). En esta sección
se desarrollará una regla para determinar P(AnB), esto es, la probabilidad de que el evento A
ocurra en un primer experimento y el evento B ocurra en un segundo experimento. (Mario F,
2004)

a.- Probabilidades bajo condiciones de independencia estadística.

Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el
resultado del segundo, o puede no tenerlo. Esto es, los eventos pueden ser dependientes o
independientes. Existen tres tipos de probabilidades que se presentan bajo independencia
estadística:

 Marginal.
 Conjunta.
 Condicional.

Probabilidades marginales bajo independencia estadística.

Una probabilidad marginal o incondicional es la probabilidad simple de presentación

de un evento.

 Probabilidades conjuntas bajo condiciones de independencia estadística.

La probabilidad de dos o más eventos independientes que se presentan juntos o en sucesión

es el producto de sus probabilidades marginales:

P (A Ç B) = P(A) X P(B)

Probabilidades condicionales bajo independencia estadística.

Simbólicamente, la probabilidad condicional se escribe P(B/A) y se lee "la probabilidad de que

se presente el evento B, dado que el evento A se ha presentado". La probabilidad condicional es
la probabilidad de que un segundo evento (B) se presente, si un primer evento (A) ya ha
sucedido.
 Para eventos estadísticamente independientes, la probabilidad condicional de que suceda el
evento B dado que el evento A se ha presentado, es simplemente la probabilidad del evento B:

P(B/A) = P(B) (Mario F, 2004)

b.- Probabilidades bajo condiciones de dependencia estadística.

La dependencia estadística existe cuando la probabilidad de que se presente algún suceso

depende o se ve afectada por la presentación de algún otro evento. Los tipos de probabilidad bajo
condiciones de dependencia estadística son:

 Condicional.
 Conjunta.
 Marginal.

Probabilidad condicional bajo dependencia estadística.

P(B / A) = P(BnA) / P(A)

Probabilidades conjuntas bajo condiciones de dependencia estadística.

P( B n A) = P(B / A) x P(A)

P( B n A) = P(A / B) x P(B)

Ejemplo 3.1.5

Retome el ejemplo de las características de las orquídeas de un vivero y calcule la

probabilidad de que la orquídea que se seleccione sea de color lila dado que se ha tomado una
orquídea de tamaño de pétalo grande.

Sean los eventos:

A: la orquídea es de pétalo grande.

B: la orquídea es de color lila.

Se pide entonces: P(B/A)= P(AnB)/P(A)

P(AnB)= 40/49

P(A)=42/49

Así:

P(B/A)=( 40/49)/(42/49)=0,925=92,5%

Calcule ahora la probabilidad de que la orquídea seleccionada sea de pétalo grande dado
que es de color lila.

Observe que esta probabilidad es diferente a la calculada arriba, se pide:

P(A/B)= P(AnB)/P(B)
P(A/B)= (40/49)/(44/49)=0,909=90,9%

En este caso, P(A) y P(A/B) son las probabilidades del mismo evento (la orquídea es de
pétalo grande) pero calculadas bajo dos diferentes estados de conocimiento: la primera, sin la
condición de su color y la segunda, condicionada a que su color sea lila. De manera similar, P(B)
y P(B/A) son las probabilidades del mismo evento (la orquídea es de color lila) calculadas bajo
dos estados diferentes de conocimiento: sin condicionar su tamaño de pétalo para la primera y la
segunda condicionada a que su tamaño de pétalo sea grande. (Mario F, 2004)
 La regla de la multiplicación se puede resumir en el siguiente diagrama de flujo para el
cálculo de la probabilidad de la intersección de dos eventos dados A yB. (Mario F, 2004)

Figura 3.8.

Diagrama de flujo de la regla de multiplicación

RECOMENDACIONES PRÁCTICAS:

 Cuando se aplica la regla de la adición de probabilidades, determinar previamente si

los eventos son excluyentes o no.
 Cuando se usa la regla de la multiplicación, determinar si los eventos son
dependientes o independientes.
 Siempre que sea posible, apoyar la interpretación del problema mediante el empleo
de diagramas de Venn. (Mario F, 2004)

La probabilidad es un número que nunca puede tener valor negativo, ni ser mayor que 1

Probabilidad condicional: se la probabilidad del evento A, dada información acerca de la

ocurrencia de otro evento B. (David M. Levine, 2006)

Teorema de Bayes

En el año 1763, dos años después de la muerte de Thomas Bayes (1702-1761), se publicó
una memoria en la que aparece, por vez primera, la determinación de la probabilidad de las
causas a partir de los efectos que han podido ser observados. El cálculo de dichas probabilidades
recibe el nombre de teorema de Bayes.

Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades
condicionales P(B/Ai). entonces la probabilidad P(Ai/B)

En los problemas relacionados con la probabilidad, y en particular con la probabilidad

condicionada, así como con la probabilidad total y el teorema de Bayes, es aconsejable que, con
la información del problema, construyas una tabla de contingencia o un diagrama de árbol. (Mario
F, 2004)
 PRINCIPIOS DE PROBABILIDAD

INTERPRETACIONES DE
FUNDAMENTOS TEORÍA DE CONTEO
PROBABILIDADES

Principio de multiplicación Principio aditivo Definición Clásica de

EXPERIMENTOS ALEATORIOS o multiplicativo Probabilidad Definición de probabilidad
Y ESPACIO MUESTRAL. según el concepto de
Dan lugar a varios resultados, sin frecuencia relativa
Que pueda ser previsible enun- Este principio nos dice que si se
El planteamiento clásico
ciar Con certeza cuál de éstosEnvageneral, puede decirse que si un desea llevar a efecto una actividad,
supone un mundo que no existe, supone
a ser observado en la realización A se puede hacer
evento la cual tiene formas alternativas
de m maneras y un evento B se que no existen situaciones que son
Del experimento. para ser realizada, donde la
bastante improbables pero que
ESPACIO MUESTRAL puede hacer de n maneras, entonces primera de esas alternativas puede Este método utiliza la frecuencia
podemos concebir como reales. La
existen m · n formas de realizar A y a ser realizada de M maneras, la relativa de las presentaciones
probabilidad clásica supone también una
Conjunto formado por todos continuación realizar B. pasadas de un evento
segunda alternativa puede especie de simetría en el mundo. como una probabilidad.
los posibles resultados de un
Experimento aleatorio. realizarse de N formas y la ultima
Esto se conoce como el principio
de las alternativas puede ser
multiplicativo.
SUCESOS O EVENTOS realizada de W maneras, entonces
esa actividad puede ser llevada a
Es dicho espacio muestral divido PROPIEDADES BÁSICAS DE LAS
cabo de: M+ N + W… maneras PROBABILIDADES
en subconjuntos.

DIAGRAMAS DE VENN
Y DIAGRAMASDE ÁRBOL
Probabilidades subjetivas. Probabilidad PROBABILIDAD TOTAL Y
DIAGRAMAS DE VENN: TÉCNICAS DE CONTEO condicional TEOREMA DE BAYES
Representan un espacio
muestral y sus eventos. Las probabilidades La probabilidad
FACTORIAL DE UN PERMUTACIONES COMBINACIONES REGLA DEL La probabilidad total de un
subjetivas están basadas condicional es la
evento es la suma exhaustiva
DIAGRAMAS DE ÁRBOL: es NÚMERO
una Y VARIACIONES EXPONENTE en las creencias de las probabilidad de que
personas que un segundo evento de las probabilidades de todos
Especie de mapa de acontecimi-
efectúan la estimación (B) se presente, si un los casos mutuamente
entos en donde se describe los
Se
Una permutación de probabilidad. primer excluyentes que conducen a
eventos básicos que ocurre representa Es la relación Es un tipo de
de los elementos combinación o evento (A) ya ha dicho evento.
en un experimento aleatorio con el de un conjunto
es un acomodo u arreglo sucedido. TEOREMA DE BAYES
símbolo de n
ordenamiento de ordenado en AXIOMAS DE PROBABILIDA
(n!).se define elementos con
como el dicho conjunto. donde siempre - Regla de la adición Determina la probabilidad
un de las causas a partir de los
producto de n Variación: Son hay
permutaciones en subconjunto r efectos que han podido ser
por todos los reemplazo del - Reglas de multiplicación
enteros que las que implica un elementos sin observados.
elemento que
le preceden orden en la tener en
se toma.
hasta llegar al Colocación de los cuenta el
uno. elementos. orden.
 ESTUDIO DE CASO 1:

CASO 1

En una universidad de Bogotá se realizó un informe sobre el rendimiento

académico de los estudiantes que cursaron asignaturas en el área de matemáticas
en el periodo 2014 - II. Los resultados obtenidos muestran el rendimiento por
curso, por programa, y por profesor. Datos:

La base de datos incluye la compilación de la información reportada por los

docentes del área, incluye 2780 registros de estudiantes inscritos en alguna de las
asignaturas ofrecidas por el área.

Los profesores reportaron la valoración (notas) de cada corte, y con ellas se

hizo seguimiento durante el semestre.

APROBÓ: Estudiantes que finalizaron el curso con una nota superior o igual a
3.0.

REPROBÓ: Estudiantes que finalizaron el curso con una nota inferior a 3.0 sin
contar a quienes ya perdieron por fallas, o fueron reportados por cancelación de
semestre.

CANCELO O PERDIO POR FALLAS: Estudiantes que perdieron por fallas, o

fueron reportados por cancelación de semestre.
 Apro Cancelo o
Curso Total
bó Reprobó perdió por
fallas
Algebra lineal 178 10 30 218
Análisis numérico 146 15 21 182
Arte y matemáticas 20 2 3 25
Cálculo infinitesimal 252 37 39 328
Calculo integral 56 8 15 79
Cálculo multivariado 244 49 64 357
Calculo negocios 226 44 61 331
Ecuaciones diferenciales 178 47 40 265
Estadística básica 33 11 9 53
Estadística inferencial 269 70 98 437
Matemáticas avanzadas 199 53 73 325
Matemáticas discretas 44 13 23 80
Precalculo 42 24 17 83
Probabilidad 6 8 3 17
TOTAL 1893 391 496 2780

Cance
Repro lo o
Programa
Aprobó bó perdió Total
por fallas
Administración ambiental 146 15 21 182
Admón. empresas 295 44 41 380
Arquitectura 317 55 74 446
Contaduría 99 23 19 141
Economía 99 19 24 142
Ing. Mecatrónica 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
Psicología 23 12 13 48
TOTAL 1893 391 496 2780
 Cance
Reprob lo o
Profesor
Aprobó ó perdió Total
por fallas
César r. 52 0 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
José c. 69 11 19 99
Luz p. 142 23 44 209
Marcela f. 60 19 21 100
María 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 1893 391 496 2780

Con el propósito de evaluar el resultado académico en los cursos del área de

matemáticas. A usted le han llamado para que ayude en el análisis de datos.
Utilice su conocimiento de la probabilidad para ayudar a realizar el informe
solicitado.
Prepare un informe en el que debe incluir como mínimo lo siguiente:
1. La probabilidad de que un estudiante apruebe y la probabilidad de
que un estudiante repruebe un curso del área de matemáticas.

Total de estudiantes en cursos de matemáticas = 2780

Suceso 1=probabilidad de aprobación = A = 1893= 68%
 Suceso 2=probabilidad de desaprobación = B = 391 = 14%
Suceso 3=probabilidad de cancelación o pérdidas por falla = C = 496 =17.8%
Entonces:
1893
𝑃(𝐴) = = 0.68 = 68%
2780
391
𝑃(𝐵) = = 0.14 = 14%
2780
496
𝑃(𝐶) = = 0.178 = 17.8%
2780

Rta: la probabilidad de que en su totalidad de estudiantes que apruebe es de

68% que lo hemos llamado A y la probabilidad de que reprueben es de 31.8%
teniendo en cuenta que la cancelación o perdidas por falla también hace parte de
la desaprobación.

2. La
probabilidad de que un estudiante apruebe cada curso del área de
matemática
Entonces:
Teniendo en cuenta que el total de aprobaciones es de 1893, y queremos
saber cuál es la probabilidad de aprobaciones entonces hacemos con cada área la
división del número de aprobación del área dividido el número total de
aprobaciones de todas las áreas de matemáticas que seria asi:

Apr Probabilidad de
Curso
obó que apruebe
P(A)=178/1 0,
Algebra lineal 178
893 094
P(A)=146/1 0,
Análisis numérico 146
893 077
P(A)=20/18 0,
Arte y matemáticas 20
93 01
P(A)=252/1 0,
Cálculo infinitesimal 252
893 13
Calculo integral 56 P(A)=56/18 0,
 93 029
P(A)=244/1 0,
Cálculo multivariado 244
893 12
P(A)=226/1 0,
Calculo negocios 226
893 119
Ecuaciones P(A)=178/1 0,
178
diferenciales 893 094
P(A)=33/18 0,
Estadística básica 33
93 017
Estadística P(A)=269/1 0.
269
inferencial 893 14
Matemáticas P(A)=199/1 0,
199
avanzadas 893 105
Matemáticas P(A)=44/18 0,
44
discretas 93 023
P(A)=42/18 0,
Pre calculo 42
93 022
P(A)=6/189 0,
Probabilidad 6
3 0032
189
TOTAL
3

Así damos respuesta cada área

En algebra lineal la probabilidad de aprobación es de 9.4%
En análisis numérico la probabilidad de aprobación es de 7.7%
En arte y matemática la probabilidad de aprobación es de 1%
En cálculo infinitesimal la probabilidad de aprobación es de 13%
En cálculo integral la probabilidad de aprobación es del 3%
En cálculo multiplicativo la probabilidad de aprobación es de 12%
En cálculo de negocios la probabilidad de aprobación es de 12%
En ecuaciones diferenciales la probabilidad de aprobación es del 9.4%
En estadística básica la probabilidad de es de 1.7% de aprobación
En estadística inferencial la probabilidad de aprobación es de 14%
En matemáticas avanzadas la probabilidad de aprobación es de 10.5%
En matemáticas directas la probabilidad de aprobación es de 2.3%
En pre calculo la probabilidad de aprobación es de 2.2%
En Probabilidad la redundancia la probabilidad de aprobar es de
0.031%
 3. La probabilidad de que un estudiante apruebe un curso del área de
matemáticas por cada profesor. Si un estudiante aprueba un curso,
establezca la probabilidad de que sea cada uno de los cursos del área

La probabilidad de
Alg
apr aprobación de un estudiante
Profesor ebra
obó en algebra lineal por cada
lineal
profesor

P 1 5 0
César r. 52 178 = / =
(A) 78 2 ,3
P 1 3 0
Claudia v. 31 178 = / =
(A) 78 1 ,2
P 1 9 0
Diana m. 97 178 = / =
(A) 78 7 ,5
P 1 3 0
Diego v. 36 178 = / =
(A) 78 6 ,2
Eduardo P 1 0
154 178 = / # =
m. (A) 78 ,9
P 1 0
Enrique p 118 178 = / # =
(A) 78 ,7
P 1 0
Ernesto s. 166 178 = / # =
(A) 78 ,9
Fernando P 1 0
125 178 = / # =
m. (A) 78 ,7
P 1 0
Gloria a. 151 178 = / # =
(A) 78 ,8
P 1 0
Jairo a. 116 178 = / # =
(A) 78 ,7
P 1 9 0
Javier b. 98 178 = / =
(A) 78 8 ,6
P 1 6 0
José c. 69 178 = / =
(A) 78 9 ,4
P 1 0
Luz p. 142 178 = / # =
(A) 78 ,8
P 1 6 0
Marcela f. 60 178 = / =
(A) 78 0 ,3
P 1 9 0
María a . 93 178 = / =
(A) 78 3 ,5
P 1 9 0
Mario g 90 178 = / =
(A) 78 0 ,5
Mercedes P 1 6 0
60 178 = / =
s. (A) 78 0 ,3
 P 1 0
Oscar n. 111 178 = / # =
(A) 78 ,6
Patricia P 1 3 0
37 178 = / =
m. (A) 78 7 ,2
P 1 5 0
Ricardo o. 57 178 = / =
(A) 78 7 ,3
P 1 3 0
Sandra m. 30 178 = / =
(A) 78 0 ,2

La probabilidad de
Análi
apr aprobación de un estudiante en
Profesor sis
obó análisis numérico por cada
numérico
profesor

P 1 5 0
César r. 52 146 = / =
(A) 46 2 ,4
P 1 3 0
Claudia v. 31 147 = / =
(A) 47 1 ,2
P 1 9 0
Diana m. 97 148 = / =
(A) 48 7 ,7
P 1 3 0
Diego v. 36 149 = / =
(A) 49 6 ,2
Eduardo 15 P 1 1 1
150 = / =
m. 4 (A) 50 54 ,0
11 P 1 1 0
Enrique p 151 = / =
8 (A) 51 18 ,8
16 P 1 1 1
Ernesto s. 152 = / =
6 (A) 52 66 ,1
Fernando 12 P 1 1 0
153 = / =
m. 5 (A) 53 25 ,8
15 P 1 1 1
Gloria a. 154 = / =
1 (A) 54 51 ,0
11 P 1 1 0
Jairo a. 155 = / =
6 (A) 55 16 ,7
P 1 9 0
Javier b. 98 156 = / =
(A) 56 8 ,6
P 1 6 0
José c. 69 157 = / =
(A) 57 9 ,4
14 P 1 1 0
Luz p. 158 = / =
2 (A) 58 42 ,9
P 1 6 0
Marcela f. 60 159 = / =
(A) 59 0 ,4
 P 1 9 0
María a . 93 160 = / =
(A) 60 3 ,6
P 1 9 0
Mario g 90 161 = / =
(A) 61 0 ,6
Mercedes P 1 6 0
60 162 = / =
s. (A) 62 0 ,4
11 P 1 1 0
Oscar n. 163 = / =
1 (A) 63 11 ,7
P 1 3 0
Patricia m. 37 164 = / =
(A) 64 7 ,2
P 1 5 0
Ricardo o. 57 165 = / =
(A) 65 7 ,3
P 1 3 0
Sandra m. 30 166 = / =
(A) 66 0 ,2

4. Clasifique los cursos del área de acuerdo a los resultados obtenidos.

Establezca los criterios que utilizo y de las razones de su elección.
5.
Marcela f. P(a)=60/100=0,6
Diego V. P(a)=36/45=0,8
César r. P(a)=52/53=0,9

Sandra m. P(a)=30/72=0,41
Ricardo o. P(a)=57/134=0,42
Patricia m. P(a)=37/73=0,50
Oscar n. P(a)=111/204=0,54
Mercedes s. P(a)=60/102=0,58
Mario g. P(a)=90/152=0,59
María a. P(a)=93/157=0,59
Javier b. P(a)=98/137=0,71
Jairo a.
P(a)=116/161=0,72
Gloria a. P(a)=151/203=0,74
Fernando m. P(a)=125/167=0,74
Enrique p. P(a)=118/156=0,75
Eduardo m. P(a)=154/197=0,78
Ernesto s. P(a)=166/204=0,81
Diana m. P(a)=97/119=0,81
Claudia v. P(a) =31/35=0,86
6.
 7. Califique los profesores del área de acuerdo a los resultados
obtenidos. Establezca los criterios que utilizó y dé las razones de su
elección

porcentaje de
profeso ap t Calificación de
tener una buena
r robó otal tutores
calificación
Sandra 7 P(B)=30/70=0,41 P 0 2
30
m. 2 6 (B) ,42
= * 5 =,1
Claudia 3 P(B)=31/36=0,86 P 0 4
31
v. 6 1 (B) ,86
= * 5 =,3
Diego 4 P 0 4
36
v. 5 P(B)=36/45=0,8 (B) ,80
= * 5 =,0
Patricia 7 P(B)=37/73=0,50 P 0 2
37
m. 3 68 (B) ,51
= * 5 =,5
5 P 0 4
César r. 52
3 P(B)=52/53=0,98 (B) ,98
= * 5 =,9
Ricardo 1 P(B)=57/134=0,4 P 0 2
57
o. 34 25 (B) ,43
= * 5 =,1
Marcela 1 P 0 3
60
f. 00 P(B)=60/100=0,6 (B) ,60
= * 5 =,0
Merced 1 P(B)=60/102=0,5 P 0 2
60
es s. 02 88 (B) ,59
= * 5 =,9
9 P 0 3
José c. 69
9 P(B)=69/99=0,7 (B) ,70
= * 5 =,5
1 P(B)=90/152=0,5 P 0 3
Mario g 90
52 9 (B) ,59
= * 5 =,0
María a 1 P(B)=93/157=0,5 P 0 3
93
. 57 9 (B) ,59
= * 5 =,0
Diana 1 P(B)=97/119=0,8 P 0 4
97
m. 19 1 (B) ,82
= * 5 =,1
Javier 1 P(B)=98/137=0,7 P 0 3
98
b. 37 1 (B) ,72
= * 5 =,6
Oscar 11 2 P(B)=111/202=0, P 0 2
n. 1 04 54 (B) ,54
= * 5 =,7
11 1 P(B)=116/161=0, P 0 3
Jairo a.
6 61 72 (B) ,72
= * 5 =,6
Enrique 11 1 P(B)=118/156=0, P 0 3
p 8 56 76 (B) ,76
= * 5 =,8
Fernan 12 1 P(B)=125/167=0, P = 0 * 5 = 3
do m. 5 67 75 (B) ,75 ,7
14 2 P(B)=142/209=0, P 0 3
Luz p.
2 09 679 (B) ,68
= * 5 =,4
Gloria 15 2 P(B)=151/203=0, P 0 3
a. 1 03 7438 (B) ,74
= * 5 =,7
Eduard 15 1 P(B)=154/197=0, P 0 3
o m. 4 97 78 (B) ,78
= * 5 =,9
Ernesto 16 2 P(B)=166/204=0, P 0 4
s. 6 04 8137 (B) ,81
= * 5 =,1
18 2 P(BT)1893/2780= P 0 3
Total
93 780 0,68 (B) ,68
= * 5 =,4

Criterio de calificación de los profesores es según el porcentaje de

aprobación de sus estudiantes con una calificación de 1 a 5 donde de 4 a
4,9 es excelente 3 a 3,9 es buena, de 2 a 2,9 es regular y de 1 a 2 es malo.
Teniendo en cuenta las calificaciones los separaremos por los criterios
mencionados

Excel
entes Buena
César 4 Eduardo 3
r. ,9 m. ,9
Claudi 4 Enrique 3
a v. ,3 p ,8
Diana 4 Fernand 3
m. ,1 o m. ,7
Ernest 4 3
Gloria a.
o s. ,1 ,7
Diego 4 3
Jairo a.
v. ,0 ,6
3
Javier b.
,6
3
José c.
regular ,5
Mercede 2 3
Luz p.
s s. ,9 ,4
2 Marcela 3
Oscar n.
,7 f. ,0
Patricia 2 María a 3
m. ,5 . ,0
Ricardo 2 3
Mario g
o. ,1 ,0
 Sandra 2
m. ,1

Teniendo en cuenta todos los resultados concluimos que en general es

buena con una calificación de 3,4

8. En que programa hay mejores resultados. Establezca los criterios

que utilizó y dé las razones de su elección

Probabilidad de mejor
Programa
Aprobó resultado

Administración 14 P 1 1 0
/ =
ambiental 6 (B)= 46 82 ,80
29 P 2 3 0
Admón. empresas / =
5 (B)= 95 80 ,78
31 P 3 4 0
Arquitectura / =
7 (B)= 17 46 ,71
P 9 1 0
Contaduría 99 / =
(B)= 9 41 ,70
P 9 1 0
Economía 99 / =
(B)= 9 42 ,70
51 P 5 7 0
Ing. Mecatrónica / =
5 (B)= 15 87 ,65
P 8 1 0
Ing. Civil 88 / =
(B)= 8 35 ,65
P 8 1 0
Ing. Financiera 83 / =
(B)= 3 34 ,62
12 P 1 2 0
Ing. Sistemas / =
7 (B)= 27 06 ,62
Ing. P 3 5 0
32 / =
Telecomunicaciones (B)= 2 6 ,57
Negocios P 6 1 0
69 / =
Internacionales (B)= 9 23 ,56
P 2 4 0
Psicología 23 / =
(B)= 3 8 ,48
18 P 1 2 0
TOTAL / =
93 (B)= 893 780 ,7
 En el programa que ha mejores resultaos es en la ingeniería ambiental porque
tiene un porcentaje de aprobación del 80%

ESTUDIO DE CASO 2

ESTUDIO DE CASO 2

En su excitante novela “Congo”, Michael Crichton describe la búsqueda

de depósitos de diamantes azules cubiertos de boro llevada a cabo por
Earth Resources Technology Services (ERTS), una compañía dedicada a
estudios geológicos. Según ERTS los diamantes son la clave para una
nueva generación de computadoras ópticas. En la novela ERTS compite
contra un consorcio internacional por encontrar la cuidad perdida de Zinj,
que prosperó dada la minería de diamantes hace varios miles de años
(según la leyenda africana) y se ubica en lo más profundo de la selva
tropical de Zaire Oriental.
Después de la misteriosa destrucción de su primera expedición, ERTS
lanza una segunda expedición dirigida por Karen Ross, una experta en
computación de 24 años de edad, acompañada por el profesor Peter Eliot,
un antropólogo; Amy, un gorila parlante; y el afamado mercenario y líder de
la expedición, el “capitán” Charles Munro. Las acciones ofensivas del
consorcio, la mortal selva tropical y las hordas de gorilas “parlantes”
asesinos, que percibieron que su misión era defender las minas de
diamantes, bloquean los esfuerzos de Ross para encontrar la ciudad. Para
superar estos obstáculos Ross utiliza computadoras de la era espacial para
evaluar las probabilidades de éxito en todas las circunstancias posibles y
las acciones que pudiera llevar a cabo la expedición. En cada etapa de la
expedición, ella evalúa rápidamente las probabilidades de éxito.
En una etapa de la expedición Ross recibe informes de su oficina
principal en Houston, de que sus computadoras estiman que tiene 18 horas
y 20 minutos de retraso en relación con el equipo competidor euro-japones,
en lugar de 40 horas de ventaja. Cambia los planes y decide que 12
miembros de su equipo desciendan en paracaídas en una región volcánica
cerca de la ubicación estimada de Zinj. Según el relato de Crichton, “Ross
había vuelto a revisar las probabilidades de la computadora de Houston y
los resultados eran inequívocos. La probabilidad de un salto exitoso era
0,7980; sin embargo, dado un salto exitoso, la probabilidad de éxito de la
expedición era de 0,9943 con lo cual casi se aseguraba de que vencerían al
consorcio”
Sin olvidar que se trata de la cita de una novela, examine las
probabilidades mencionadas y determine:

1. Si fuera uno de los 12 miembros del equipo, cual es la

probabilidad de completar su salto con éxito?
08se multiplican las dos

Teniendo en cuenta que todos los doce tienen las mismas

probabilidades entonces:
Probabilidad de A=0.7980
Probabilidad de B= 0.9943
Probabilidad de éxito =E

0.7980
𝑃(𝐸) = = 0.80 = 80%
0.9943

Rta: La probabilidad de completar el salto con éxito todos los

miembros del equipo es de 80%

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 éxito?

Teniendo en cuenta que la probabilidad de completar su salto con

éxito es de 0.7980 podemos decir que la probabilidad es de 8 en 10
entonces si 12 es 100% cuanto es 80%

80
12 ∗ = 9.6
100

La probabilidad es del 80% de éxito lo que quiere decir que la

probabilidad es de 9.6 de los 12; ósea que el 2.4 que es equivalente del
20% de no completar con éxito el salto

3. En el relato se afirma que: “esa probabilidad de 0,7980

significaba que había casi una posibilidad entre cinco de que alguien se
hiera seriamente en un salto”. Concuerda usted con esa afirmación? Si
o no. ¿Por qué?
 Si estoy de acurdo por que la probabilidad que hagan bien un salto
será del 80% que serían 2.6 redondeando a 3 personas de los
miembros del equipo que podrían fallar.
Bibliografía

David M. Levine, M. L. (2006). Estadística para administración. En M. L. David M.

Levine, Estadística para administración. Mexico: Pearson Educación, 2006 -
619 pages.

Juna C, B. a. (2006). Matemáticas avanzadas y estadística para ciencias e

ingenierías. En J. C. Acevedo, Matemáticas avanzadas y estadística para
ciencias e ingenierías. Sevilla : Volumen 68 de Manuales Universitarios.

Mario F. (2004). universidad abierta y a distancia uand. Obtenido de Modificado de

Probabilidad y estadística:
http://datateca.unad.edu.co/contenidos/100402/moduloexe/leccin_12_axiom
as_de_probabilidad__regla_de_la_adicin.html