Fase 2

Universidad Nacional Abierta y a Distancia
Vicerrectoría Académica y de Investigación

Unidad 2: Guía de actividades y rúbrica de evaluación – Fase 2 –
Diseño y construcción
ESTADISTICA Y PROBABILIDAD
ELABORADO POR:
DIANA ROCIO NIETO

ID 1122121194
PRESENTADO AL TUTOR:
LILIANA GARCIA
Apr-20
e2–
Paso 3. Construcción y cálculo de probabilidades
1. Teniendo en cuenta el Anexo – Situación Problema, verifique el nivel máximo permisible de la variable objeto de estudio (pá
variable adicional que le permita tomar una decisión, cuando los valores superen o no los parámetros establecidos.
¿Encuentre la probabilidad que al elegir la variable cumpla con el nivel máximo permisible en la variable o
PH CUMPLE NO CUMPLE TOTAL MIN 3.74

BAJA 0 17 17 MAX 9.93
MEDIA 431 63 494 RANGO 6.19
ALTA 64 8 72 RANGO /3 2.06333333
TOTAL 495 88 583
CUMPLE 495 BAJA 5.8

NO CUMPLE 88 MEDIA 7.9
ALTA 9.93
2. Construya una tabla de contingencia2 (máximo de tres niveles) entre la variable objeto de estudio y otra variable “Toma de
anterior
a. Escriba un evento simple y un evento compuesto de la tabla de contingencia. Luego, encuentre sus probabilidades
EVENTO SIMPLE EVENTO COMPUESTO

Probabilidad que el dato PH este dentro de bajo = 17 Probabilidad que el dato PH este por debajo
P(A)=17/583 = 0.029 O 2.9% P(A)= 510/583
P(A)= 0,874 o 87,4%
EVENTO IMPOSIBLE EVENTO SEGURO
Probabilidad que el NIVEL MAXIMO Probabilidad que el dato PH cumpla o no cum

PERMISIBLE de PH supere los 9,93 niveles permisibles
P(A)= ø P(C)= 495/583 = 0.849
P(N.C)=88/583 = 0.150
TOTAL = 0.999 aprox. 1 O 100%
3. Usando la tabla de contingencia que construyó:

Diseñe dos ejemplos con probabilidades usando la suma (pregunta y solución). Estos ejemplos deben cumplir que uno sea cua
excluyente y otro ejemplo cuando no sean mutuamente excluyentes.
Diseñe dos ejemplos usando probabilidad condicional. (pregunta y solución), es decir cuando los eventos sean dependientes
3. Usando la tabla de contingencia que construyó:
Diseñe dos ejemplos con probabilidades usando la suma (pregunta y solución). Estos ejemplos deben cumplir que uno sea cua
excluyente y otro ejemplo cuando no sean mutuamente excluyentes.
Diseñe dos ejemplos usando probabilidad condicional. (pregunta y solución), es decir cuando los eventos sean dependientes
E. MUTUAMENTE EXCLUYENTE E. NO MUTUAMENTE EXCLUYENTE
Probabilidad que el nivel del dato PH este dentro de Probabilidad que el dato PH este en MEDIA
bajo o medio = 17 + 494
P(A)=17/583 = 0.029 O 2.9% NO CUMPLE con los niveles maximos perm
P(M)+P(NC)-P(MnNC)= (494/583)+(88/58
P(B)= 494/583 = 0.84 O 84%
P(AUB)= 86.9% (63/583)= 0.890 O 89%
E. DEPENDIENTE E. DEPENDIENTE
Probabilidad que el PH no cumpla con los n

Probabilidad que el dato de PH cumpla con los niveles permisibles sabiendo que estan ALTO
permisibles sabiendo que estan en BAJO. P(A/B)= P(A∩B)/P(B)
P(A/B)= P(A∩B)/P(B) P(A∩B)=8/583 = 0,013
P(A∩B)=0/583 = 0 P(B)= 72/583= 0,123
P(B)= 17/583= 0,029 =0 / 0,029 = 0% =0,136 o 13,6%
4. ¿Es posible usar el teorema de Bayes en la tabla de contingencia? Explique utilizando el diagrama de árbol y dé un ejemplo
contingencia.
P(Cumple/Bajo) 0.00
BAJA
0.029 P(Nocumple/Bajo) 1.00
P(Cumple/Medio) 0.87
PH MEDIA
0.85
P(NoCumple/Medio) 0.13
P(Cumple/alto) 0.89
ALTA
0.12
P(NoCumple/alto) 0.11
e probabilidades
variable objeto de estudio (página 4) para que construya una

metros establecidos.
mo permisible en la variable objeto de estudio?
PH T.D CONCEPTO
1 6.75 CUMPLE MEDIO
2 6.85 CUMPLE MEDIO
3 6.9 CUMPLE MEDIO
4 6.29 NO CUMPLE MEDIO
8 6.91 CUMPLE MEDIO
10 6.56 CUMPLE MEDIO
12 7.2 CUMPLE MEDIO
udio y otra variable “Toma de decisión” obtenida del punto
re sus probabilidades 16 7.07 CUMPLE MEDIO
EVENTO COMPUESTO 18 7.33 CUMPLE MEDIO
ue el dato PH este por debajo de 7,9 19 7.94 CUMPLE ALTO
P(A)= 510/583 7.23
P(A)= 0,874 o 87,4% 20 CUMPLE MEDIO
EVENTO SEGURO 24 6.88 CUMPLE MEDIO
ue el dato PH cumpla o no cumple los 26 7.01 CUMPLE MEDIO
niveles permisibles 27 7.08 CUMPLE MEDIO
P(C)= 495/583 = 0.849
P(N.C)=88/583 = 0.150 28 7.06 CUMPLE MEDIO
AL = 0.999 aprox. 1 O 100% 29 6.6 CUMPLE MEDIO
eben cumplir que uno sea cuando los eventos sean mutuamente
s eventos sean dependientes
36 7.1 CUMPLE MEDIO
MUTUAMENTE EXCLUYENTE 37 7.27 CUMPLE MEDIO
40 8.17 CUMPLE ALTO
que el dato PH este en MEDIA, pero
con los niveles maximos permisibles 41 8.02 CUMPLE ALTO
C)-P(MnNC)= (494/583)+(88/583)- 42 8.22 CUMPLE ALTO
(63/583)= 0.890 O 89%
43 8.2 CUMPLE ALTO
44 8.66 CUMPLE ALTO
45 8.14 CUMPLE ALTO
E. DEPENDIENTE 47 6.8 CUMPLE MEDIO
49 6.6 CUMPLE MEDIO
que el PH no cumpla con los niveles
bles sabiendo que estan ALTO. 50 6.84 CUMPLE MEDIO
P(A/B)= P(A∩B)/P(B) 51 6.73 CUMPLE MEDIO
P(A∩B)=8/583 = 0,013
P(B)= 72/583= 0,123
=0,136 o 13,6% 53 7.02 CUMPLE MEDIO
ama de árbol y dé un ejemplo teniendo en cuenta la tabla de
0 59 6.68 CUMPLE MEDIO
0.029 64 6.86 CUMPLE MEDIO
65 6.8 CUMPLE MEDIO
0.85 0.15 66 7.23 CUMPLE MEDIO
72 7.3 CUMPLE MEDIO
76 7.6 CUMPLE MEDIO
80 7.6 CUMPLE MEDIO
82 6.9 CUMPLE MEDIO
90 8.01 CUMPLE ALTO
91 8 CUMPLE ALTO
98 7.9 CUMPLE MEDIO
99 7.91 CUMPLE ALTO
7.43
101 CUMPLE MEDIO
109 7 CUMPLE MEDIO
113 5.09 NO CUMPLE BAJO
160 9.06 NO CUMPLE ALTO
165 8.17 CUMPLE ALTO
172 7 CUMPLE MEDIO
211 7 CUMPLE MEDIO
242 7 CUMPLE MEDIO
306 6 NO CUMPLE MEDIO
338 8.1 CUMPLE ALTO
341 8.2 CUMPLE ALTO
355 8.1 CUMPLE ALTO
462 8.2 CUMPLE ALTO
473 7 CUMPLE MEDIO
484 8.5 CUMPLE ALTO
506 8.1 CUMPLE ALTO
521 9 CUMPLE ALTO
551 7 CUMPLE MEDIO
Toma de
T.D decisión
Paso 4. Explicación del concepto
TEOREMA DE BAYES
El Teorema de Bayes es una técnica que se utiliza para verificar las estimaciones iniciales de la probabilidad con base
en los datos de la muestra. En otras palabras, también podemos decir que es un método para verificar las
probabilidades (anteriores), existentes, con base en la información obtenida por el muestreo.
La esencia del Teorema de Bayes es la revisión de las estimaciones iniciales de la probabilidad (a priori), dada la
evidencia de la muestra. Las estimaciones revisadas reciben el nombre de probabilidades a posteriori. Las bases para
la verificación son los resultados de una muestra particular más el conocimiento de las probabilidades condicionales.
Formula
El caso general se puede entender como la fórmula del Teorema de Bayes

probabilidad con base
verificar las
(a priori), dada la
steriori. Las bases para
ilidades condicionales.
BIBLIOGRAFIA
Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e infostat en problemas de agronomía.
Recuperado de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?
docID=3221775&query=bioestadistica
Yair Lion, P. ( 25,11,2014). 100105 Tutorial instalar Infostat en 5 min. [Archivo de video]. Recuperado de:
https://www.youtube.com/watch?v=8CStN1tijTQ
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

Fase 2

Cargado por

Información del documento

Título original

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

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

DIANA ROCIO NIETO

PH CUMPLE NO CUMPLE TOTAL MIN 3.74

CUMPLE 495 BAJA 5.8

EVENTO SIMPLE EVENTO COMPUESTO

EVENTO IMPOSIBLE EVENTO SEGURO

Probabilidad que el NIVEL MAXIMO Probabilidad que el dato PH cumpla o no cum

3. Usando la tabla de contingencia que construyó:

E. MUTUAMENTE EXCLUYENTE E. NO MUTUAMENTE EXCLUYENTE

Probabilidad que el PH no cumpla con los n

variable objeto de estudio (página 4) para que construya una

mo permisible en la variable objeto de estudio?

El caso general se puede entender como la fórmula del Teorema de Bayes

También podría gustarte