Fase 2 Gustavo Reyes

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
1 de Noviembre del 2019 -Melgar (Tolima)
Unidad 1: Fase 2 - Diseño y c

Estadística y Probabilidad - 211
Desarrollo del paso 3 Desarrollo del paso 4
Presentado por: Gustavo Adolfo Reyes Merchán

Código: 1106890797
Grupo: 211622_12
Presentado a : Liliana García (Tutora)
se 2 - Diseño y construcción
dística y Probabilidad - 211622
Desarrollo del paso 4 Referencias Bibliográficas

CANTIDAD SO2 Toma de decisión Concepto
1 432.2 NO CUMPLE ALTO
2 121.9 NO CUMPLE BAJO
3 68 CUMPLE BAJO
4 9.1 CUMPLE BAJO
5 76.3 CUMPLE BAJO
7 144 NO CUMPLE BAJO
9 181.8 NO CUMPLE MEDIO
10 36.9 CUMPLE BAJO
12 11.7 CUMPLE BAJO
15 15.6 CUMPLE BAJO
18 111.9 NO CUMPLE BAJO P(A)
19 115.4 NO CUMPLE BAJO P(A∩B)
20 142.6 NO CUMPLE BAJO P(D)
21 258.2 NO CUMPLE MEDIO P(AUBUC)
22 195.5 NO CUMPLE MEDIO P(AUB)
23 344.1 NO CUMPLE ALTO P(HUC)
25 7.9 CUMPLE BAJO Qué probabilidad hay de que el dato
26 235.7 NO CUMPLE MEDIO TEORE
27 240.3 NO CUMPLE MEDIO P(A)
28 280.1 NO CUMPLE MEDIO P(B)
29 105.2 NO CUMPLE BAJO P(M)
35 78.6 CUMPLE BAJO
38 206 NO CUMPLE MEDIO
40 313 NO CUMPLE ALTO
41 42.5 CUMPLE BAJO
44 43.8 CUMPLE BAJO
47 84.7 CUMPLE BAJO
60 77.5 CUMPLE BAJO
65 0.5 CUMPLE BAJO
69 6 CUMPLE BAJO
77 46.1 CUMPLE BAJO
79 25.4 CUMPLE BAJO
84 77.3 CUMPLE BAJO
91 76.9 CUMPLE BAJO
93 72.8 CUMPLE BAJO
95 47.7 CUMPLE BAJO
99 34 CUMPLE BAJO
105 50.8 CUMPLE BAJO
136 1.2 CUMPLE BAJO
190 6.9 CUMPLE BAJO
229 31 CUMPLE BAJO
255 2.1 CUMPLE BAJO
269 78 CUMPLE BAJO
291 65 CUMPLE BAJO
302 44 CUMPLE BAJO
309 58 CUMPLE BAJO
324 1.6 CUMPLE BAJO
328 65 CUMPLE BAJO
332 6.9 CUMPLE BAJO
337 35 CUMPLE BAJO
362 78 CUMPLE BAJO
367 86 CUMPLE BAJO
380 84 CUMPLE BAJO
444 1.9 CUMPLE BAJO
473 81 CUMPLE BAJO
492 23 CUMPLE BAJO
497 6.3 CUMPLE BAJO
MINIMO 0.5 NIVELES
MAXIMO 434.9 BAJO 145.3
RANGO 434.4 MEDIO 290.1
RANGO/3 144.8 ALTO 434.9
Cumple si es menor que 100
Cuenta de Toma de decisiónEtiquetas de columna

Etiquetas de fila CUMPLE NO CUMPLE Total general
ALTO 115 115
BAJO 99 76 175
MEDIO 210 210
Total general 99 401 500
CÁLCULO DE PROBABILIDADES
Evento simple Probabilidad de encontrar un valor alto 23%
Evento compuesto Probabilidad de encontrar un valor de nivel medio que no cumple 42%
Evento imposible Probabilidad de encontrar un valor de 0 0%
Evento seguro Probabilidad de encontrar un dato con concepto alto, medio o bajo 100%
Evento Mutuamente Excluyente Probabilidad de encontrar un dato alto y bajo 58%
Evento No Mutuamente Excluyente Probabilidad de encontrar un valor que no cumple, de nivel medio 80%
ué probabilidad hay de que el dato sea de concepto medio sabiendo que no cumple?
TEOREMA DE BAYES
0.23 P(D/A) 0.23
0.35 P(D/B) 0.152
0.42 P(D/M) 0.42
P(D) 356% probabilidad de que no cumpla

Link Diagrama de Arbol
0.77 P(S/A)
P(A) S
0.23
A
volver 0.23 P(N/M).P(M)
N P(N/A) P(M/N) = P(N)
0.58 P(S/M)
P(M) S 0,42.0,42
0.42 P(M/N) = 0,23.0,23 + 0,42.0,42 + 0,
M
0.42 P(N/M)
N P(M/N) = 356%
0.85 P(S/B)
P(B) S
0.35
B
0.15
N P(N/B)
P(N/M).P(M)
P(N)
0,42.0,42
0,23.0,23 + 0,42.0,42 + 0,35.0,152
356%
Paso 4. Explicación del concepto
volver
En términos de probabilidad, el Teorema de Bayes hace referencia a aquella información que es

empleada para saber cuál es la probabilidad condicional que tiene un suceso. Este concepto de Teorema
de Bayes fue desarrollado por el matemático Thomas Bayes. Su intención era determinar la probabilidad
de un suceso con respecto a la probabilidad de otro suceso diferente.
En esta fórmula A y B forman parte de los sucesos probables que se deben interpretar. Para calcular el
Teorema de Bayes tendremos que tener en cuenta los isguientes datos. Por un lado, P(A) será la
probabilidad a priori. Por otro lado, P(B|A) será la probabilidad que tenga B con respecto a la hipótesis
dada de A, que son las verosimilitudes. Por último, P(A|B) serán las probabilidades a posteriori.
¿Cómo se aplica el Teorema de Bayes?

Las aplicaciones del Teorema de Bayes han sido muy criticadas a lo largo del tiempo debido a que no
siempre se ha aplicado correctamente. Sin embargo, su aplicación está garantizada siempre y cuando los
sucesos tanto exhaustivos como disjuntos se puedan cumplir correctamente.
Por ello, ante la cuestión de para qué sirve el Teorema de Bayes y cómo se puede aplicar, sabemos que
es empleado para una gran mayoría de casos en los que se desea comprobar la teoría de la
probabilidad. Por ejemplo, este Teorema puede ser empleado para tantear qué probabilidades
subjetivas puede tiene un determinado suceso cuando hemos recibido algún tipo de información previa.
Por este, entre otros motivos, es que se considera que el Teorema de Bayes puede emplearse para tener
en cuenta qué tipo de enfermedades puede llegar a padecer una persona, bajo una una probabilidad
aproximada en función de unas características determinadas.
concepto
información que es
te concepto de Teorema
terminar la probabilidad
erente.
rpretar. Para calcular el

un lado, P(A) será la
n respecto a la hipótesis
lidades a posteriori.
empo debido a que no

da siempre y cuando los
ectamente.
de aplicar, sabemos que

bar la teoría de la
qué probabilidades
o de información previa.
de emplearse para tener
o una una probabilidad
as.
Referencias Bibliográficas
volver
Martínez, C. (2011). Reglas de multiplicación, permutaciones y combinaciones. En:
Estadística y muestreo, 13th ed. [Online] Bogotá: Ecoe Ediciones. (pp. 188 – 193).
Recuperado de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=210&docID=10560355&tm=1498541573067
Monroy, S. (2008). Conceptos básicos en probabilidad. En: Estadística Descriptiva. [Online]

Editorial: Instituto Técnico Nacional. (pp. 128 – 140). Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=129&docID=10436604&tm=1498541453661
Martínez, C. (2011). Reglas básicas de probabilidad. En: Estadística y muestreo, 13th ed.
[Online] Bogotá: Ecoe Ediciones. (pp. 196 – 203). Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=218&docID=10560355&tm=1498541623497
Martínez, C. (2011). Probabilidad condicional y Teorema de Bayes. En: Estadística y

muestreo, 13th ed. [Online] Bogotá: Ecoe Ediciones. (pp. 207 – 211). Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
docID=3199239&ppg=229
https://www.economiasimple.net/glosario/teorema-de-bayes
cas
binaciones. En:
p. 188 – 193).
dsp/reader.action?
ca Descriptiva. [Online]
e
n?
y muestreo, 13th ed.

n?
En: Estadística y
). Recuperado de
n?

Fase 2 Gustavo Reyes

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

Fase 2 Gustavo Reyes

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

1 de Noviembre del 2019 -Melgar (Tolima)

Unidad 1: Fase 2 - Diseño y c

Desarrollo del paso 3 Desarrollo del paso 4

Presentado por: Gustavo Adolfo Reyes Merchán

Desarrollo del paso 4 Referencias Bibliográficas

Cumple si es menor que 100

Cuenta de Toma de decisiónEtiquetas de columna

P(D) 356% probabilidad de que no cumpla

En términos de probabilidad, el Teorema de Bayes hace referencia a aquella información que es

¿Cómo se aplica el Teorema de Bayes?

rpretar. Para calcular el

empo debido a que no

de aplicar, sabemos que

Monroy, S. (2008). Conceptos básicos en probabilidad. En: Estadística Descriptiva. [Online]

Martínez, C. (2011). Probabilidad condicional y Teorema de Bayes. En: Estadística y

y muestreo, 13th ed.

También podría gustarte