Unidad 1: fase 3 – Axiomas de probabilidad

Probabilidad
-PRODUCTO COLABORATIVA-

- 100402_314–
Presentado por:

Angel Enrique Aponte

Fabio Hernández
Fabian Martínez
Anderson gamboa
Rubén Darío Tamayo

Tutor

Tutor de curso
Francisco Javier Pereira López

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

-UNAD-

Octubre de 2017
 Introducción

El tema que desarrollar en esta nueva actividad es sobre la solución de los estados de caso
propuesto, utilizando la distribución de probabilidades, esto busca que los estudiantes consulten
los diferentes soluciones para resolverlas y realicen aportes significativos y así queden estos
aportes plasmados de acuerdo con la rúbrica y el syllabus.

Podremos determinar en base a esta actividad el desenvolvimiento del estudiante aplicando la

probabilidad en el caso escogido.

El aso escogido por cada uno se debe exponer en el foro para que así podamos realizar
comentarios y recibir retroalimentación por parte del tutor y realizar la respectiva consolidación.
Este trabajo se realizó aplicando normas apa, resolviendo casos expuestos y escogiendo el rol que
indica la guía.
Cuadro sinóptico:
Un experimento que siempre que se repita con
Determinista

las mismas condiciones iniciales se obtiene igual resultado

EXPERIMENTO
Cuando al repetirse con las mismas condiciones
Aleatorio

iniciales, no se puede predecir el resultado

Espacio muestral es el conjunto formado por todos los

ESPACIO MUESTRAL

resultados posibles de un experimento o fenómeno aleatorio

Suceso de un fenómeno aleatorio es cada uno de los subconjuntos

del espacio muestral E

SUCESOS
Al conjunto de todos los sucesos que ocurren en un experimento aleatorio

se le llama espacio de sucesos y se designa por S

El principio fundamental en el proceso de contar ofrece un

TÉCNICAS DE CONTEO
método general para contar el número de posibles arreglos de

la probabilidad del suceso seguro

Axioma 1

(E) es igual p(E)=1

la probabilidad de todo suceso s es mayor

Axioma 2
AXIOMAS o igual a 0 es decir no hay probabilidades negativas

La probabilidad de la union de dos sucesos

mutuamente excluyentes es la suma de sus

Axioma 3
PROBABILIDAD
Main Idea probabilidades. p (AuB)=p(A)+p(B) AnB=ø

Eventos mutuamente excluyentes

P(AuB)=P(A)+P(B)
ADICION
Eventos que no son mutuamente

excluyentes

CONDICIONAL
Independencia Estadistica

p(AnB)=p(A).p(B)
MULTIPLICACION
Dependencia Estadistica

p(BnA)=p(B/A)xp(A) o

suma exhaustiva de todos los casos

P(B) = P(A1)*P(B/A1)
TOTAL mutuamente excluyentes que conducen

+ P(A2)*P(B/A2) + … + P(An)*P(B/An)
a dicho evento

dos variables discretas

la distribución de probabilidad condicional de un evento "A"

dado otro evento "B" (probabilidad posterior), en función

TEORIA DE BAYES
de la distribución de probabilidad condicional del evento "B" más de dos valores
SOLUCION ESTUDIO DE CASO 1
Angel aponte

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 2015 - I. 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 2755 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

Cancelo o
Curso Aprobó Reprobó perdió Total
por fallas
Algebra lineal 178 10 30 218
Análisis numérico 146 15 21 182
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
Pre cálculo 42 24 17 83
Probabilidad 6 8 3 17
TOTAL 1873 389 493 2755

Cancelo o perdió
Programa Aprobó Reprobó Total
por fallas

Administración ambiental 146 15 21 182

Admón. empresas 295 44 41 380
Arquitectura 297 53 71 421
Contaduría 99 23 19 141
Economía 99 19 24 142
Ing. Mecatrónica 515 118 154 787
Ing. Civil 88 20 27 135
 Cancelo o perdió
Programa Aprobó Reprobó Total
por fallas

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 1873 389 493 2755

Cancelo o perdió
Profesor Aprobó Reprobó Total
por fallas

César 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
José c. 49 9 16 74
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 1873 389 493 2755

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 un curso del área de matemáticas

 P(A): 1873/2755=69% de probabilidad de que un estudiante apruebe.

 P(A): 389/2755=14% de probabilidad de que un estudiante repruebe.
2. La probabilidad de que un estudiante repruebe un curso del área de matemáticas.

Cancelo o perdió por %

Curso Aprobó Reprobó Total
fallas Probabilidad

Algebra lineal 178 10 30 218 82%

Análisis numérico 146 15 21 182 80%
Cálculo infinitesimal 252 37 39 328 77%
Calculo integral 56 8 15 79 71%
Cálculo multivariado 244 49 64 357 68%
Calculo negocios 226 44 61 331 68%
Ecuaciones diferenciales 178 47 40 265 67%
Estadística básica 33 11 9 53 62%
Estadística inferencial 269 70 98 437 62%
Matemáticas avanzadas 199 53 73 325 61%
Matemáticas discretas 44 13 23 80 55%
Pre cálculo 42 24 17 83 51%
Probabilidad 6 8 3 17 35%

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del área
de matemáticas.

Cancelo o perdió por

Profesor Aprobó Reprobó Total %
fallas
Probabilidad
César r. 52 1 53 98%
Claudia v. 31 5 36 86%
Diana m. 97 4 18 119 82%
Ernesto s. 166 17 21 204 81%
Diego v. 36 5 4 45 80%
Eduardo m. 154 17 26 197 78%
Enrique p 118 25 13 156 76%
Fernando m. 125 21 21 167 75%
Gloria a. 151 32 20 203 74%
Jairo a. 116 19 26 161 72%
Javier b. 98 10 29 137 72%
José c. 49 9 16 74 66%
Luz p. 142 23 44 209 68%
Marcela f. 60 19 21 100 60%
María a. 93 27 37 157 59%
Mario g 90 16 46 152 59%
Mercedes s. 60 15 27 102 59%
Oscar n. 111 48 45 204 54%
Patricia m. 37 14 22 73 51%
Ricardo o. 57 31 46 134 43%
Sandra m. 30 37 5 72 42%
4. Clasifique los cursos del área de acuerdo con los resultados obtenidos. Establezca los criterios
que utilizó y dé las razones de su elección.

Cancelo o perdió por %

Curso Aprobó Reprobó Total
fallas Probabilidad

Algebra lineal 178 10 30 218 82%

Análisis numérico 146 15 21 182 80%
Cálculo infinitesimal 252 37 39 328 77%
Calculo integral 56 8 15 79 71%
Cálculo multivariado 244 49 64 357 68%
Calculo negocios 226 44 61 331 68%
Ecuaciones diferenciales 178 47 40 265 67%
Estadística básica 33 11 9 53 62%
Estadística inferencial 269 70 98 437 62%
Matemáticas avanzadas 199 53 73 325 61%
Matemáticas discretas 44 13 23 80 55%
Pre cálculo 42 24 17 83 51%
Probabilidad 6 8 3 17 35%

Este ejercicio dio como resultado que la materia de Algebra Lineal, tiene el mayor porcentaje de
aprobación entre los estudiantes.
Se clasifica los cursos del área de acuerdo con su nivel de aprobación, organizando la materia con
el mayor porcentaje ala de menor de aprobados.

5. Califique los profesores del área de acuerdo con los resultados obtenidos. Establezca los
criterios que utilizó y dé las razones de su elección

Cancelo o perdió por

Profesor Aprobó Reprobó Total %
fallas
Probabilidad
César r. 52 1 53 98%
Claudia v. 31 5 36 86%
Diana m. 97 4 18 119 82%
Ernesto s. 166 17 21 204 81%
Diego v. 36 5 4 45 80%
Eduardo m. 154 17 26 197 78%
Enrique p 118 25 13 156 76%
Fernando m. 125 21 21 167 75%
Gloria a. 151 32 20 203 74%
Jairo a. 116 19 26 161 72%
Javier b. 98 10 29 137 72%
José c. 49 9 16 74 66%
Luz p. 142 23 44 209 68%
Marcela f. 60 19 21 100 60%
María a. 93 27 37 157 59%
Mario g 90 16 46 152 59%
Mercedes s. 60 15 27 102 59%
Oscar n. 111 48 45 204 54%
Patricia m. 37 14 22 73 51%
Ricardo o. 57 31 46 134 43%
Sandra m. 30 37 5 72 42%

Se aplicó la fórmula de Probabilidad Clásica, donde los casos favorables al evento

A se dividen entre el número de casos posibles, en este caso el número de los que
aprobaron, dividido el número total de estudiantes.

En este caso el mejor profesor es CESAR R., toda vez que fue el que obtuvo el
porcentaje más alto de probabilidad que un estudiante apruebe las materias que
dicta.

6. En que programa hay mejores resultados. Establezca los criterios que utilizó y dé las razones
de su elección

Cancelo o perdió por %

Profesor Aprobó Reprobó Total
fallas Probabilidad

César r. 52 1 53 2%
Claudia v. 31 5 36 14%
Diana m. 97 4 18 119 15%
Ernesto s. 166 17 21 204 10%
Diego v. 36 5 4 45 9%
Eduardo m. 154 17 26 197 13%
Enrique p 118 25 13 156 8%
Fernando m. 125 21 21 167 13%
Gloria a. 151 32 20 203 10%
Jairo a. 116 19 26 161 16%
Javier b. 98 10 29 137 21%
José c. 49 9 16 74 22%
Luz p. 142 23 44 209 21%
Marcela f. 60 19 21 100 21%
María a. 93 27 37 157 24%
Mario g 90 16 46 152 30%
Mercedes s. 60 15 27 102 26%
Oscar n. 111 48 45 204 22%
Patricia m. 37 14 22 73 30%
Ricardo o. 57 31 46 134 34%
Sandra m. 30 37 5 72 7%
El programa que tiene mejores resultados es en el que menos estudiantes tienen cancelado el
programa o perdió el criterio que se utiliza es el cancelado o perdido por fallas, ya que si son
pocas las personas que abandonan el programa son porque es bueno.

SOLUCION ESTUDIO DE CASO 2

Fabio Hernández
Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al año. En la gran mayoría de
los casos presentados, la sentencia permanece como se presentó. Sin embargo, algunos casos
son apelados y en algunos de estos se revoca la sentencia. Una periodista del diario Cincinnati
Times realizó un estudio de los casos manejados por los jueces del condado de Hamilton durante
un periodo de tres años 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
años.

El propósito del estudio es evaluar el desempeño de los jueces. Las apelaciones con frecuencia
son resultado de errores cometidos por los jueces y el diario quería saber cuáles jueces estaban
haciendo un buen trabajo y cuáles cometían demasiados errores. A usted le han llamado para que
ayude en el análisis de datos. Utilice su conocimiento de la probabilidad y la probabilidad
condicional para ayudar a calificar a los jueces. Tal vez pueda analizar la probabilidad de los casos
que se apelaron y revocaron manejados en los diferentes tribunales

CASOS PRESENTADOS, APELADOS Y REVOCADOS EN LOS TRIBUNALES DEL CONDADO

DE HAMILTON
Casos
Juez Tribunal Penal Casos apelados Casos Revocados
Presentados
Fred Cartolano 3037 137 12
Thomas Crush 3372 119 10
Patrick Dinkelacker 1258 44 8
Timothy Hogan 1954 60 7
Robert Kraft 3138 127 7
William 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 O’Connor 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
Juez Tribunal de Familia Casos apelados Casos Revocados
Presentados
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 2970 32 3

Casos
Juez Tribunal Civil Casos apelados Casos Revocados
Presentados
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 también un análisis de la
probabilidad de la apelación y la revocación de casos en los tres tribunales. Como mínimo, su
informe debe incluir lo siguiente:
1. La probabilidad de casos que se apelan y revocan en los tres tribunales
2. La probabilidad de que se apele un caso, por cada juez
3. La probabilidad de que se revoque un caso, por cada juez
4. La probabilidad de una revocación dada una apelación, por cada juez
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizó y dé las
razones de su elección.

NOTA ACLARATORIA:
En el ejercicio habla de que son 182908 casos, pero, las realidades según las tablas
son de 172908
 DESARROLLO

Para resolver el caso y generar el informe, acudo a la probabilidad clásica, la probabilidad

condicional y el principio de consistencia de la probabilidad subjetiva:

1.6 CONCEPTO DE PROBABILIDAD – 1.6.1 PROBABILIDAD CLASICA (pg 37 de

Estadística, probabilidad) …El cociente entre el número de casos favorables y el
número total de casos, siempre que todos sean igualmente posibles.
1.9 PROBABILIDAD CONDICIONAL (pg 54 de Estadística, probabilidad) … La
probabilidad de que exista un suceso depende de que ya haya sucedido.
1.12 PROBABILIDAD SUBJETIVA – Principio de consistencia (pg 69 de Estadística,
probabilidad) …Si la situación S1 es más probable que la S2 y ésta, a su vez, es más
probable que S3, entonces S1 será más probable que S3. Es decir, la ordenación de
los sucesos por sus diferentes grados de creencia personal tiene la propiedad
transitiva.

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

Indagando:
¿Conozco el número de casos favorables en los 3 tribunales?
SI. Tenemos 2 tipos de casos favorables: la sumatoria total de casos apelados y sumatoria total
de casos revocados, de cada tribunal.
¿Conozco el número total de casos en los 3 tribunales?
SI. Es el total de casos presentados, de cada tribunal.

Definamos:
S = Espacio muestral
𝑆1 =Evento1 de S = Tribunal Penal
𝑆2 =Evento2 de S = Tribunal de Familia
𝑆3 =Evento3 de S = Tribunal Civil
A=Casos apelados
R=Casos revocados
𝒏
Formula: 𝑷(𝑺) =
𝑵

n = número de casos (frecuencia absoluta)

N =total de casos (número total de datos)

Recordemos que cuando dividimos la frecuencia absoluta por el número total de casos, estamos
obteniendo la frecuencia relativa, por lo tanto, los resultados están expresados en frecuencia
relativa.

Datos:
Casos Casos Casos
Juez Tribunal Penal Presentados apelados Revocados
TOTAL 43945 1762 199

Juez Tribunal de Casos Casos Casos

Familia Presentados apelados Revocados
TOTAL 20499 106 17

Casos Casos Casos

Juez Tribunal Civil Presentados apelados Revocados
TOTAL 108464 500 104

1762
𝑃(𝑆1 𝐴) = = 0.04009557 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑎𝑝𝑒𝑙𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑝𝑒𝑛𝑎𝑙
43945

199
𝑃(𝑆1 𝑅) = = 0.00452838 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑣𝑜𝑐𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑝𝑒𝑛𝑎𝑙
43945

106
𝑃(𝑆2 𝐴) = = 0.00517098 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑎𝑝𝑒𝑙𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑑𝑒 𝑓𝑎𝑚𝑖𝑙𝑖𝑎
20499
17
𝑃(𝑆2 𝑅) = = 0.00082930 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑣𝑜𝑐𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑑𝑒 𝑓𝑎𝑚𝑖𝑙𝑖𝑎
20499

500
𝑃(𝑆3 𝐴) = = 0.0046098 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑎𝑝𝑒𝑙𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑐𝑖𝑣𝑖𝑙
108464

104
𝑃(𝑆3 𝑅) = = 0.0009588 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑣𝑜𝑐𝑎𝑛 𝑡𝑟𝑖𝑏𝑢𝑛𝑎𝑙 𝑐𝑖𝑣𝑖𝑙
108464
Ya tenemos las probabilidades de casos que se apelan y revocan de cada espacio muestral, es
decir, de cada tribunal; Ahora bien, el objetivo es hallar la probabilidad de casos que se apelan y
revocan en los tres tribunales.

Recordemos la afirmación: “..algunos casos son apelados y en algunos de estos se revoca la

sentencia…”

Eso quiere decir que los casos revocados, son el producto del estudio de los apelados.

En este orden de ideas, el concepto lógico usando la unión e intersección de sucesos, quedaría:

𝑃(𝑆) = (𝑆1 𝐴 ∩ 𝑆1 𝑅) ∪ (𝑆2 𝐴 ∩ 𝑆2 𝑅) ∪ (𝑆3 𝐴 ∩ 𝑆3 𝑅)

𝑃(𝑆) = 0.00452838 + 0.00082930 + 0.0009588 = 0.00631648

Multiplicamos la frecuencia relativa obtenida en el resultado x 100, para obtener su porcentaje.

𝑃(𝑆) = 0.00631648 𝑥 100 = 0.631648%

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

Para resolver el numeral 2 y 3, hay que tener presente primero ciertas consideraciones:
*Nos piden la probabilidad de cada juez, por lo tanto la información debe ser tomada de manera
individual.
*Hay 2 jueces (Dinkelacker y Hogan) que no trabajaron en el mismo tribunal durante todo el
periodo de tres años, es decir, estuvieron presentes en más de 1 tribunal; si el objetivo es
calcular la probabilidad por cada juez, lo que hay que hacer es la unión de los datos de los
tribunales en los que estuvieron presente.

Indagando:
¿Conozco el número de casos favorables por cada juez?
SI. Tenemos 2 tipos de casos favorables: el total de casos apelados y el total de casos revocados,
por cada juez.
¿Conozco el número total de casos por cada juez?
SI. El total de casos presentados, por cada juez.

Definamos:
S = Espacio muestral (Como es por cada juez, el espacio muestral es el total de casos de ese
juez, es decir, cada juez tiene su propio espacio muestral.)
A=Casos apelados
R=Casos revocados
𝒏
Formula: 𝑷(𝑺) =
𝑵

n = número de casos (frecuencia absoluta)

N =total de casos (número total de datos)

Recordemos que cuando dividimos la frecuencia absoluta por el número total de casos, estamos
obteniendo la frecuencia relativa, por lo tanto, los resultados están expresados en frecuencia
relativa.

Para entender la tabla que a continuación se presenta con sus resultados, me permito explicar
cómo obtenemos las probabilidades solicitadas.
Ejemplo de interpretación de la tabla principal:
Tomando los datos del juez Fred Cartolano, tenemos:

Casos Casos
Juez Tribunal Penal Presentados Casos apelados Revocados
Fred Cartolano 3037 137 12

Para responder La probabilidad de que se apele un caso, por cada juez (Fred)

137
𝑃(𝑆𝐴) = = 0.04511030 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑠𝑒 𝑎𝑝𝑒𝑙𝑒 𝑢𝑛 𝑐𝑎𝑠𝑜 𝑑𝑒𝑙 𝑗𝑢𝑒𝑧 𝐹𝑟𝑒𝑑
3037

Para responder La probabilidad de que se revoque un caso, por cada juez (Fred)

12
𝑃(𝑆𝑅) = = 0.00395126 − 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑣𝑜𝑞𝑢𝑒 𝑢𝑛 𝑐𝑎𝑠𝑜 𝑑𝑒𝑙 𝑗𝑢𝑒𝑧 𝐹𝑟𝑒𝑑
3037

Multiplicamos la frecuencia relativa obtenida en el resultado x 100, para obtener su porcentaje.

𝑃(𝑆𝐴) = 0.04511030 𝑥 100 = 4.5110 %
𝑃(𝑆𝑅) = 0.00395126 𝑥 100 = 0.3951%

A continuación la tabla de resultados del numeral 2 y 3, según lo explicado.

probabilidad probabilidad
de que se de que se (%)probabilid (%)probabilid
Juez Casos Casos apele 1 caso revoque 1 ad de que se ad de que se
Tribunal Presentado Casos Revocado por cada caso por apele 1 caso revoque 1 caso
Penal s apelados s juez cada juez por cada juez por cada juez
Fred
Cartolano 3037 137 12 0.04511031 0.00395127 4.51 0.40
Thomas
Crush 3372 119 10 0.03529063 0.00296560 3.53 0.30
Patrick
Dinkelacker 1258 44 8 0.03497615 0.00635930 3.50 0.64
Timothy
Hogan 1954 60 7 0.03070624 0.00358240 3.07 0.36
Robert Kraft 3138 127 7 0.04047164 0.00223072 4.05 0.22
William
Mathews 2264 91 18 0.04019435 0.00795053 4.02 0.80
William
Morrissey 3032 121 22 0.03990765 0.00725594 3.99 0.73
Norbert
Nadel 2959 131 20 0.04427171 0.00675904 4.43 0.68
Arthur Ney,
Jr. 3219 125 14 0.03883194 0.00434918 3.88 0.43
Richard
Niehaus 3353 137 16 0.04085893 0.00477185 4.09 0.48
Thomas
Nurre 3000 121 6 0.04033333 0.00200000 4.03 0.20
John
O’Connor 2969 129 12 0.04344897 0.00404176 4.34 0.40
Robert
Ruehlman 3205 145 18 0.04524181 0.00561622 4.52 0.56
J. Howard
Sundermann 955 60 10 0.06282723 0.01047120 6.28 1.05
Ann Marie
Tracey 3141 127 13 0.04043298 0.00413881 4.04 0.41
Ralph
Winkler 3089 88 6 0.02848818 0.00194238 2.85 0.19

probabilidad probabilidad
de que se de que se (%)probabilid (%)probabilid
Juez Casos Casos apele 1 caso revoque 1 ad de que se ad de que se
Tribunal de Presentado Casos Revocado por cada caso por apele 1 caso revoque 1 caso
Familia s apelados s juez cada juez por cada juez por cada juez
Penelope
Cunningham 2729 7 1 0.00256504 0.00036643 0.26 0.04
Patrick
Dinkelacker 6001 19 4 0.00316614 0.00066656 0.32 0.07
Deborah
Gaines 8799 48 9 0.00545517 0.00102284 0.55 0.10
Ronald
Panioto 2970 32 3 0.01077441 0.00101010 1.08 0.10

probabilidad probabilidad
de que se de que se (%)probabilid (%)probabilid
Juez Casos Casos apele 1 caso revoque 1 ad de que se ad de que se
Tribunal Presentado Casos Revocado por cada caso por apele 1 caso revoque 1 caso
Civil s apelados s juez cada juez por cada juez por cada juez
Mike Allen 6149 43 4 0.00699301 0.00065051 0.70 0.07
 Nadine Allen 7812 34 6 0.00435228 0.00076805 0.44 0.08
Timothy
Black 7954 41 6 0.00515464 0.00075434 0.52 0.08
David Davis 7736 43 5 0.00555843 0.00064633 0.56 0.06
Leslie Isaiah
Gaines 5282 35 13 0.00662628 0.00246119 0.66 0.25
Karla Grady 5253 6 0 0.00114220 0.00000000 0.11 0.00
Deidra Hair 2532 5 0 0.00197472 0.00000000 0.20 0.00
Dennis
Helmick 7900 29 5 0.00367089 0.00063291 0.37 0.06
Timothy
Hogan 2308 13 2 0.00563258 0.00086655 0.56 0.09
James Patrick
Kenney 2798 6 1 0.00214439 0.00035740 0.21 0.04
Joseph
Luebbers 4698 25 8 0.00532141 0.00170285 0.53 0.17
William
Mallory 8277 38 9 0.00459104 0.00108735 0.46 0.11
Melba Marsh 8219 34 7 0.00413676 0.00085169 0.41 0.09
Beth
Mattingly 2971 13 1 0.00437563 0.00033659 0.44 0.03
Albert
Mestemaker 4975 28 9 0.00562814 0.00180905 0.56 0.18
Mark Painter 2239 7 3 0.00312640 0.00133988 0.31 0.13
Jack Rosen 7790 41 13 0.00526316 0.00166881 0.53 0.17
Mark
Schweikert 5403 33 6 0.00610772 0.00111049 0.61 0.11
David
Stockdale 5371 22 4 0.00409607 0.00074474 0.41 0.07
John A. West 2797 4 2 0.00143010 0.00071505 0.14 0.07

Los resultados de los jueces resaltados, obecen según tribunal, sin embargo, como el objetivo es
la probabilidad por juez, debemos realizar la respectiva unión, por lo tanto procedemos:

Juez Patrick Casos Casos Casos

Dinkelacker Presentados apelados Revocados
Tribunal Penal 1258 44 8
Tribunal de Familia 6001 19 4
TOTAL 7259 63 12

probabilidad de que probabilidad de que (%)probabilidad de

se apele 1 caso se revoque 1 caso que se apele 1 juez (%)probabilidad de que se
juez Patrick juez Patrick Patrick revoque 1 caso juez Patrick
0.00867888 0.00165312 0.87 0.17

Casos Casos Casos

Juez Timothy Hogan Presentados apelados Revocados
Tribunal Penal 1954 60 7
Tribunal Civil 2308 13 2
TOTAL 4262 73 9
probabilidad de que probabilidad de que (%)probabilidad de
se apele 1 caso se revoque 1 caso que se apele 1 juez (%)probabilidad de que se
juez Hogan juez Hogan Hogan revoque 1 caso juez Hogan
0.01712811 0.00211168 1.71 0.21

4. La probabilidad de una revocación dada una apelación, por cada juez

Para resolver el numeral 4, observamos que las condiciones de la solicitud son diferentes; nos
piden la probabilidad de una revocación dada una apelación por cada juez; para hallarlo,
necesitamos primero los datos de revocación por cada juez y de apelación por cada juez, en
donde, en los ejercicios de numerales 2 y 3 ya tenemos esta información.

A raíz de esta característica, el concepto de probabilidad que más se ajusta para obtener esta
probabilidad, es el de probabilidad condicional, ya que la probabilidad buscada depende de una
probabilidad que ya haya sucedido.

Indagando:
¿Conozco el resultado del suceso que es el condicionante para la búsqueda del siguiente suceso?
SI. Para esto se necesita el resultado de 2 sucesos las cuales fueron la probabilidad de revocación
por cada juez y la probabilidad de apelación por cada juez.

Definamos:
𝑆1 = Suceso1 = Resultado de la probabilidad de apelación de 1 caso
𝑆2 = Suceso2 = Resultado de la probabilidad de revocación de 1 caso

(𝑺𝟏 ∩𝑺𝟐 )
Formula: 𝑷(𝑺𝟐 /𝑺𝟏 ) =
(𝑺𝟏 )

Recordemos que los datos tomados de 𝑆1 𝑦𝑆2 , están expresados en frecuencia relativa.

Para entender la tabla que a continuación se presenta con sus resultados, me permito explicar
cómo obtenemos las probabilidades solicitadas.

Tomando los datos del juez Fred Cartolano, tenemos:

probabili
probabili dad de
dad de que se (%)probabili (%)probabili
que se revoque dad de que dad de que
Juez Casos Casos Casos apele 1 1 caso se apele 1 se revoque 1
Tribuna Presenta apelad Revocad caso por por cada caso por caso por
l Penal dos os os cada juez juez cada juez cada juez
Fred
Cartolan 0.0451103 0.0039512
o 3037 137 12 1 7 4.51 0.40

Trabajaremos con los datos resaltados.

 0.00395127
𝑃(𝑆2 /𝑆1 ) = = 0.08759128
0.04511031

Tenemos el resultado de la probabilidad de una revocación dada una apelación del juez Fred.

Multiplicamos la frecuencia relativa obtenida en el resultado x 100, para obtener su porcentaje.

𝑃(𝑆2 /𝑆1 ) = 0.08759128 𝑥 100 = 8.76%

A continuación la tabla de resultados del numeral 4, según lo explicado.

probabili
probabili dad de
probabili dad de una
dad de que se revocaci (%)probabil
que se revoque ón dada idad de una
Casos Casos Casos apele 1 1 caso una revocación
Presenta apelad Revoca caso por por cada apelació dada una
Tribunal Juez dos os dos cada juez juez n apelación
Fred 0.045110 0.003951 0.087591
Penal Cartolano 3037 137 12 31 27 24 8.76
Thomas 0.035290 0.002965 0.084033
Penal Crush 3372 119 10 63 60 61 8.40
0.040471 0.002230 0.055118
Penal Robert Kraft 3138 127 7 64 72 11 5.51
William 0.040194 0.007950 0.197802
Penal Mathews 2264 91 18 35 53 20 19.78
William 0.039907 0.007255 0.181818
Penal Morrissey 3032 121 22 65 94 18 18.18
Norbert 0.044271 0.006759 0.152671
Penal Nadel 2959 131 20 71 04 76 15.27
Arthur Ney, 0.038831 0.004349 0.112000
Penal Jr. 3219 125 14 94 18 00 11.20
Richard 0.040858 0.004771 0.116788
Penal Niehaus 3353 137 16 93 85 32 11.68
Thomas 0.040333 0.002000 0.049586
Penal Nurre 3000 121 6 33 00 78 4.96
John 0.043448 0.004041 0.093023
Penal O’Connor 2969 129 12 97 76 26 9.30
Robert 0.045241 0.005616 0.124137
Penal Ruehlman 3205 145 18 81 22 93 12.41
J. Howard
Sunderman 0.062827 0.010471 0.166666
Penal n 955 60 10 23 20 67 16.67
Ann Marie 0.040432 0.004138 0.102362
Penal Tracey 3141 127 13 98 81 20 10.24
Ralph 0.028488 0.001942 0.068181
Penal Winkler 3089 88 6 18 38 82 6.82
Penelope
Cunningha 0.002565 0.000366 0.142857
Familia m 2729 7 1 04 43 14 14.29
Deborah 0.005455 0.001022 0.187500
Familia Gaines 8799 48 9 17 84 00 18.75
 Ronald 0.010774 0.001010 0.093750
Familia Panioto 2970 32 3 41 10 00 9.38
0.006993 0.000650 0.093023
Civil Mike Allen 6149 43 4 01 51 26 9.30
Nadine 0.004352 0.000768 0.176470
Civil Allen 7812 34 6 28 05 59 17.65
Timothy 0.005154 0.000754 0.146341
Civil Black 7954 41 6 64 34 46 14.63
0.005558 0.000646 0.116279
Civil David Davis 7736 43 5 43 33 07 11.63
Leslie
Isaiah 0.006626 0.002461 0.371428
Civil Gaines 5282 35 13 28 19 57 37.14
0.001142 0.000000 0.000000
Civil Karla Grady 5253 6 0 20 00 00 0.00
0.001974 0.000000 0.000000
Civil Deidra Hair 2532 5 0 72 00 00 0.00
Dennis 0.003670 0.000632 0.172413
Civil Helmick 7900 29 5 89 91 79 17.24
James
Patrick 0.002144 0.000357 0.166666
Civil Kenney 2798 6 1 39 40 67 16.67
Joseph 0.005321 0.001702 0.320000
Civil Luebbers 4698 25 8 41 85 00 32.00
William 0.004591 0.001087 0.236842
Civil Mallory 8277 38 9 04 35 11 23.68
Melba 0.004136 0.000851 0.205882
Civil Marsh 8219 34 7 76 69 35 20.59
Beth 0.004375 0.000336 0.076923
Civil Mattingly 2971 13 1 63 59 08 7.69
Albert 0.005628 0.001809 0.321428
Civil Mestemaker 4975 28 9 14 05 57 32.14
Mark 0.003126 0.001339 0.428571
Civil Painter 2239 7 3 40 88 43 42.86
0.005263 0.001668 0.317073
Civil Jack Rosen 7790 41 13 16 81 17 31.71
Mark 0.006107 0.001110 0.181818
Civil Schweikert 5403 33 6 72 49 18 18.18
David 0.004096 0.000744 0.181818
Civil Stockdale 5371 22 4 07 74 18 18.18
John A. 0.001430 0.000715 0.500000
Civil West 2797 4 2 10 05 00 50.00
Penal/Fa Patrick 0.008678 0.001653 0.190476
milia Dinkelacker 7259 63 12 88 12 19 19.05
Penal/Civi Timothy 0.017128 0.002111 0.123287
l Hogan 4262 73 9 11 68 67 12.33

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizó y
dé las razones de su elección.
Como NO me solicitan la probabilidad, sino más bien una clasificación de los jueces dentro de
cada tribunal, vamos a realizar una revisión de los resultados obtenidos y a clasificarlos bajo el
principio de consistencia explicando sus razones, teniendo en cuenta el propósito del estudio.

Tribunal Penal:
Juez más productivo: Thomas Crush con 3372 casos presentados
Juez menos productivo: J. Howard Sundermann con 955 casos presentados

Juez con mayor probabilidad que se apele 1 caso: J. Howard Sundermann con 6.28%
Juez con menor probabilidad que se apele 1 caso: Ralph Winkler 2.85%

Juez con mayor probabilidad que se revoque 1 caso: J. Howard Sundermann con 1.05%
Juez con menor probabilidad que se revoque 1 caso: Ralph Winkler con 0.19%

Juez con mayor probabilidad de revocación dada una apelación: William Mathews con 19.78%
Juez con menor probabilidad de revocación dada una apelación: Thomas Nurre con 4.96%

El título de PEOR juez del tribunal penal, se lo lleva J. Howard Sundermann por los siguientes
criterios:
Menor productividad en el tribunal, con tan solo 955 casos, muy por debajo del promedio que está
en 2746.56 casos/juez, además de esos poquitos casos que atiende, tiene una probabilidad alta
de 6.28% de que sus casos sean apelados y por si fuera poco, con un 16.67% de que se haga
efectiva la revocación dada una apelación, es decir, que se reconozca el error cometido y se
revoque la decisión.

El título de MEJOR juez del tribunal penal, se lo lleva Thomas Crush por los siguientes criterios:
Tiene la mayor productividad en el tribunal, con 3372 casos, muy por encima del promedio que
está en 2746.56 casos/juez, además tiene una probabilidad por debajo del promedio de 3.53% de
que sus casos sean apelados, con un 8.40% de que se haga efectiva la revocación dada una
apelación, la cual también está por debajo del promedio.

Tribunal de Familia:
Juez más productivo: Deborah Gaines con 8799 casos
Juez menos productivo: Penelope Cunningham con 2729 casos

Juez con mayor probabilidad que se apele 1 caso: Ronald Panioto con 1.08%
Juez con menor probabilidad que se apele 1 caso: Penelope Cunningham con 0.26%

Juez con mayor probabilidad que se revoque 1 caso: Deborah Gaines Con 0.10%
Juez con menor probabilidad que se revoque 1 caso: Penelope Cunningham con 0.04%

Juez con mayor probabilidad de revocación dada una apelación: Patrick Dinkelacker con 21.05%
Juez con menor probabilidad de revocación dada una apelación: Ronald Panioto con 9.38%

Si bien es cierto que el juez Patrick Dinkelacker tiene la mayor probabilidad de revocación dada
una apelación, es decir, que se reconozca el error cometido y se revoque la decisión, NO puede
considerarse un MAL juez, ya que su tasa de probabilidad de que se apele 1 caso es de las más
bajas, además, el juez es de los más productivos; ¿esta situación como lo podemos visualizar? El
juez Patrick Dinkelacker es uno de los más productivos en el tribunal de familia, en donde las
pocas apelaciones presentadas, justifican el 21.05% la necesidad de revocar.

En general, en este tribunal, NO puede considerarse que tenga malos jueces, ya que todos
cuentan con una probabilidad de apelación baja frente al tribunal penal y ligeramente cercano
frente al tribunal civil; lo que si debería revisarse, es la desproporcionada diferencia entre la
productividad de los jueces del tribunal de familia.

Tribunal Civil:
Juez más productivo: William Mallory con 8277 casos
Juez menos productivo: Mark Painter con 2239 casos

Juez con mayor probabilidad que se apele 1 caso: Mike Allen con 0.70%
Juez con menor probabilidad que se apele 1 caso: Karla Grady con 0.11%

Juez con mayor probabilidad que se revoque 1 caso: Leslie Isaiah Gaines con 0.25%
Juez con menor probabilidad que se revoque 1 caso: Karla Grady y Deidra Hair con 0.00%

Juez con mayor probabilidad de revocación dada una apelación: John A. West con 50.00%
Juez con menor probabilidad de revocación dada una apelación: Karla Grady y Deidra Hair con
0.00%

El tribunal civil en general, cuenta con la probabilidad más baja de apelación entre todos los
tribunales, lo que lo convierte en el tribunal con menos riesgo de apelación; cuenta con la
productividad promedio/juez más alta, lo que lo convierte en el tribunal más productivo, sin
embargo, este tribunal cuenta con las cifras más altas de probabilidad de revocación dada una
apelación, es decir, que de los casos apelados, existe una alta probabilidad de que sean
revocados; llama la atención los extremos del tribunal, en donde el 50% de los casos apelados del
juez John A. West son revocados y en los jueces Karla Grady y Deidra Hair, en donde sus casos
apelados NO son revocados NINGUNO.

MEJOR JUEZ ENTRE TODOS LOS TRIBUNALES

Karla Grady – productividad 5253 – Probabilidad apelación 0.11% - probabilidad revocación dada
una apelación 0.00%
PEOR JUEZ ENTRE TODOS LOS TRIBUNALES
J. Howard Sundermann – productividad 955 – Probabilidad apelación 6.28% - probabilidad
revocación dada una apelación 16.67%
SOLUCION ESTUDIO DE CASO 3
Rubén Darío Tamayo

SOLUCION ESTUDIO DE CASO 4

Anderson Gamboa

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 compañía 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 también y6 % de los que vende Crawford Components son
defectuosos. Cuando los chips LS-24 se reciben, se les coloca directamente en un depósito 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 identificó los chips, no se está seguro de qué proveedor los
fabricó. Con el propósito de evaluar con que proveedor hay mayor probabilidad de tener chips
defectuosos, usted ha sido llamado para que ayude en el análisis 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 mínimo lo siguiente:

Probabilidad de que un chip este defectuoso

Para establecer la probabilidad de que un chip este defectuoso, tomamos los porcentajes de
compra de chips que representa cada proveedor y hacemos la operación con el porcentaje de los
defectuosos por cada uno.

P (A) = Chips defectuosos

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

Se evidencia que el 4.4% de los chips salen defectuosos

Probabilidad de que el chip este en buenas condiciones

1 − 𝑃 (𝐴) = 1 − 0.044 = 0.956

Se identifica que el 95.6% de los chips salen en buenas condiciones

Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya

sido fabricado por cada uno de los proveedores

Para este ejercicio vamos a identificar a cada proveedor así:

Hall Electronics = HE
Schuller Sales = SS
Crawford Components = CC

(0.25)(0.02) 0.005
𝑃 (𝐻𝐸|𝐷) = = = 0.1136
(0.25)(0.02) + (0.30)(0.04) + (0.45)(0.06) 0.044
Por lo tanto, el 11.36% de los chips defectuosos provienen de Hall Electronics

(0.30)(0.04) 0.012
𝑃 (𝑆𝑆|𝐷) = = = 0.2727
(0.25)(0.02) + (0.30)(0.04) + (0.45)(0.06) 0.044

Por lo tanto, el 27.27% de los chips defectuosos provienen de Schuller Sales

(0.45)(0.06) 0.027
𝑃 (𝐶𝐶|𝐷) = = = 0.6136
(0.25)(0.02) + (0.30)(0.04) + (0.45)(0.06) 0.044
Por lo tanto, el 61.36% de los chips defectuosos provienen de Crawford Components

Si el chip seleccionado está en buenas condiciones, debe encontrar la Probabilidad de

que haya sido fabricado por cada uno de los proveedores

(0.25)(0.98) 0.245
HE: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.2562 = 25.62%
0.956

Se identifica que el 25.62% de chips están en buenas condiciones y son correspondientes a Hall
Electronics

(0.3)(0.96) 0.288
SS: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.3012 = 30.12%
0.956

Se identifica que el 30.12% de chips están en buenas condiciones y son correspondientes a

Schuller Sales

(0.45)(0.94) 0.423
CC: (0.25)(0.98)+(0.30)(0.96)+(0.45)(0.94)
= = 0.4424 = 44.24%
0.956

Se identifica que el 44.24% de chips están en buenas condiciones y son correspondientes a

Crawford Components
SOLUCION ESTUDIO DE CASO 5
Fabian Martínez

Probabilidad de eventos independientes

Dos sucesos son independientes entre si cuando la probabilidad de cada uno de ellos no está
influida por que el otro suceso ocurra o no, es decir, cuando ambos sucesos no están
correlacionados. (Silva, 2012)
p(A B) = p(A) · p(B)

Probabilidad de éxito o fracaso

Esta probabilidad esta basada en el caso de Bernouilli donde se plantea que solo hay dos posibles
resultados el del éxito o el del fracaso.
P(A' ) = 1 - P(A)

Distribución Binomial
La distribución binomial se aplica cuando se realizan un número "n" de veces el experimento de
Bernouilli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre 0
(si todos los experimentos han sido fracaso) y n (si todos los experimentos han sido éxitos).
(Ecured, s.f.)

ESTUDIO DE CASO 5

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 10
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 0,8790; sin embargo, dado un salto exitoso, la probabilidad de éxito de la expedición era de
0,9483 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:
¿Si fuera uno de los 10 miembros del equipo, cual es la probabilidad de completar su salto con
éxito?
p(A B) = p(A) · p(B)
p(A)=1
p(B)=10
p(A B)=(1).(10)=10
La probabilidad de 1 de los miembros de completar el salto con éxito es del 10%.
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 éxito?

p^10 = 0.8790
p(A)=0.8790
p(B)=(1/10)
p(s)=p(A) ^p(B)
p(s)= (0.8790) ^(1/10)
p(s)= (0.8790) ^0.1=0.9871
p(1)*p(2)*p(3)*p(4)*p(5)*p(6)*p(7)*p(8)*p(9)*p(10)=0.8790
0.9871*0.9871*0.9871*0.9871*0.9871*0.9871*0.9871*0.9871*0.9871*0.9871=0.8790
La probabilidad de que un solo miembro realice un salto exitoso es del 0.9871

En el relato se afirma que: “esa probabilidad de 0,8790 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?
p(Ā)=1-p(A)
p(A)= 0,8790 PROBABILIDAD DE EXITO
p(Ā)=1-0,8790=0,121 PROBABILIDAD DE FRACASO
Distribución binomial
p=0.8790 probabilidad de éxito
q=0.121probabilidad de fracaso
n= 5 total de experimentos
k=1 total de éxitos

p(x=k)=(5¦1)(〖0.8790)〗^1 (〖0.121)〗^(5-1)=5(0.8790)(0.000214)=0.00094053
No concuerdo con la afirmación ya que según la fórmula la probabilidad que una persona se
Hiriera es mínima con el 0,09% y el 0.8790 es la probabilidad de un salto exitoso que es el 87%
frente a la posibilidad de fracaso que es de 12%.
 Conclusiones
Durante el desarrollo de la unidad 1 y la resolución de los estudios de casos de los principios de
probabilidad, da la percepción en principio de ser un estudio analítico subjetivo, ya que los
problemas NO inician de una manera que pudiésemos encontrar con un planteamiento de
problema más del orden de una ecuación; durante su desarrollo y profundización de los
conceptos, concluimos que la probabilidad es medible, por lo tanto no tiene de nada subjetivo,
además, según lo establezca el planteamiento del problema, se rige bajo ciertos principios, reglas
y fórmulas a aplicar. Concluimos en definitiva que la solución del problema/caso estudio NO está
en su resolución y finalización, sino que la solución se encuentra desde el mismo momento en
analizar el estudio de caso para tomar la mejor decisión en el teorema a aplicar, ya que, al NO
encontrarse el planteamiento del problema en forma de ecuación, exige un mayor nivel en su
análisis inicial, ya que, de lo contrario, dará resultados no deseados.
 Bibliografía
Hernández E., [Evelio Hernández]. (2013, abril 14). Teorema de Bayes. ¡Nunca más lo
complicado!!!!! [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=MrX1pS0wiU0

Estadística Útil., [Estadística útil]. (2014, agosto 3). Teorema de Bayes [Archivo de video].
Recuperado de https://www.youtube.com/watch?v=yWUTaQOwjxU

Estadística Útil., [Estadística útil]. (2014, enero 18). Probabilidad condicional [Archivo de video].
Recuperado de https://www.youtube.com/watch?v=lk9NPdNgXhQ

ACADEMATICA. (14 de 2 de 2014). YOUTUBE. Obtenido de

https://www.youtube.com/watch?v=m8-MPxS06qc

AEDO, D. M. (22 de 9 de 2012). LinkedIn Corporation. Obtenido de

https://es.slideshare.net/danielamoyaaedo/probabilidad-condicional-14405646

AEDO, D. M. (22 de 9 de 2012). SLIDE SHARE. Obtenido de

https://es.slideshare.net/danielamoyaaedo/probabilidad-condicional-14405646

ESCOBAR, C. (11 de 9 de 2009). DICCIONARIO MATEMATICAS. Obtenido de http://diccio-

mates.blogspot.com.co/2009/09/probabilidad-del-complemento-de-un.html