Unidad 1 – Técnicas de conteo y Teoría de probabilidad

Tarea-1-Espacio muestral, eventos, operaciones y axiomas de probabilidad.

Aplicar los conceptos básicos de probabilidad en la solución de problemas.

Presentado por:
Esteban Saavedra Montenegro
1015996213

Luis Carlos Aponza Varon

1130655927
Andres Camilo Tautiva Vargas
1016107393

Grupo 100402_68

Presentado a:
Francisco Javier Pereira López
Tutor de Curso

Universidad Nacional Abierta y a Distancia UNAD

Programa Ingeniería de Sistemas
Probabilidad
CEAD José Acevedo y Gómez
Marzo de 2019
 Introducción

El presente documento tiene por objeto poner en evidencia los conceptos adquiridos de la

unidad 1 durante el desarrollo de la tarea 1. En el escrito se recompila la solución a

ejercicios prácticos enfocados a situaciones reales donde se aplican las técnicas de conteo y

la probabilidad condicional (teorema de bayes).

A través del ejercicio colaborativo cada participante elaboro una propuesta de Mentefacto

sobre los temas vistos durante la presente fase del curso, a través del debate se logra

concretar una propuesta final que da muestra de la aprehensión de conceptos.

Para finalizar, se presenta una serie de conclusiones del trabajo realizado.

 Objetivos

Aplicar conceptos básicos de probabilidad con el fin dar solución a problemas cotidianos

aplicando técnicas de conteo.

Concretar ideas de la unidad 1 con el fin de poner en evidencia los conceptos adquiridos

mediante la elaboración de un Mentefacto conceptual.

 Contenido

Introducción............................................................................................................................2

Objetivos.................................................................................................................................3

Ejercicio 2...............................................................................................................................5

Estudio de Caso 5...............................................................................................................7

Teorema de Bayes...................................................................................................................8

Estudio de caso 10............................................................................................................10

Ejercicio 3.............................................................................................................................12

Conclusiones.........................................................................................................................13

Referencias Bibliográficas....................................................................................................14
 Ejercicio 2

Estudio de caso 1

Numerosas compañías ahora están examinando candidatos a empleados para saber si

consumen drogas. No obstante, los opositores afirman que este procedimiento es injusto

porque los exámenes en si no son 100% confiables. Suponga que una compañía utiliza un

examen que es 98% confiable, es decir identifica correctamente a un consumidor de drogas

o a quien no las consume con probabilidad de 0.98 y para reducir la probabilidad de error,

se requiere que cada solicitante de empleo se someta a dos veces al examen. Si los

resultados de los exámenes en la misma persona son eventos independientes. Construya un

diagrama de árbol que le permita responder las siguientes preguntas:

a. ¿Cuál es el espacio muestral de este experimento?

A = Examen Exitoso Consumidor Identificado

B = Examen Errado
S={ A , B }
Cuáles son las probabilidades de los siguientes eventos

b. Un no consumidor falla en ambos exámenes.

Evento Independiente
P ( A y B ) = P ( A ) · P ( B )

P ( B ∩ B )=P ( B ) ∙ P ( B )

P ( D∩ D )=P ( 0.02 ) ∙ P ( 0.02 ) =0,0004=0,04 %

c. Un consumidor es detectado (es decir, no pasa al menos un examen).

Evento Independiente
P ( A y B ) = P ( A ) · P ( B )
P ( A ∩ A )=P ( 0.98 ) ∙ P ( 0.98 ) =0.9604

P ( A ∩ B )=P ( 0.98 ) ∙ P ( 0.02 )=0.0196

P ( B ∩ A )=P ( 0.02 ) ∙ P ( 0.98 )=0.0196

¿ 0.9604+ 0.0196+0.0196=0.9996=99.9 %

d. Un consumidor pasa ambos exámenes, siendo identificado como no consumidor.

P ( A y B ) = P ( A ) · P ( B )

P ( A ∩ A )=P ( A ) ∙ P ( A )

P ( A ∩ A )=P ( 0.98 ) ∙ P ( 0.98 ) =96.04

Estudio de caso 3

Numerosas compañías ahora están examinando candidatos a empleados

Para saber si consumen drogas. No obstante, los opositores afirman que
Este procedimiento es injusto porque los exámenes en sí no son 100%
confiables. Suponga que una compañía utiliza un examen que es 98%
confiable, es decir, identifica correctamente a un consumidor de drogas
o a quien no las consume con probabilidad 0,98, y para reducir la
probabilidad de error, se requiere que cada solicitante de empleo se
Someta a dos exámenes. Si los resultados en la misma persona son
eventos independientes, ¿cuáles son las probabilidades de estos
eventos?

                                                            

a. Un consumidor es detectado(es decir, no pasa al menos un

examen).
Consume drogas (50%)

Consume drogas (50%)

Candidato:     No consume (50%)

Consume drogas (2%)

 No consume drogas (50%)

No consume (98%)

b. Un consumidor falla en ambos exámenes.

 P=0,5∗0,5=0,25=25 %
c. Un consumidor pasa ambos exámenes.
 P=0,5∗0,98=0,49=49 %
Estudio de caso 4

Suponga que un conjunto de propuestas de investigación fue evaluado

por un grupo de expertos en cuanto a si las propuestas merecían ser
financiadas. Cuando estas mismas propuestas se enviaron a un segundo
grupo independiente de expertos, la decisión para financiar se revirtió
en 30% de los casos. Si la probabilidad es 0,2 de que una propuesta sea
juzgada por el primer grupo como digna de ser financiada, ¿cuáles son
las probabilidades de estos eventos?

Explicación pasó a paso:

p: probabilidad del primer grupo que las propuestas deben ser

financiadas

q: probabilidad del segundo grupo de que las propuestas no pueden ser

financiadas

q / p=0,3

q=0,3 p

p=0,2

Si la probabilidad es 0,2 de que una propuesta sea juzgada por el primer grupo como digna
de ser financiada, ¿cuáles son las probabilidades de estos eventos?

a. Una propuesta digna es aprobada por ambos grupos.

P (aprobada por ambos grupos) = 0,2+0,3∗0,2
P (aprobada por ambos grupos) = 0,26=26 %

b. Una propuesta digna es desaprobada por ambos grupos.

P (desaprobada por ambos grupos) = 1-P (aprobada por ambos grupos)

P (desaprobada por ambos grupos) = 1−0,26=0,74=74 %

c. Una propuesta digna es aprobada por un grupo.

p=0,2=20 %
q=0,3∗0,2=0,06=6 %
Estudio de Caso 5

Es frecuente que hombres y mujeres no estén de acuerdo sobre cómo piensan seleccionar
una pareja. Suponga que una encuesta hecha a 1000 personas de entre 20 y 30 años dio las
siguientes respuestas, a la pregunta de si es más importante para su futura pareja ser capaz
de comunicar sus sentimientos (F) de lo que es para una persona vivir bien (G).

  Sentimientos(F) Vivir bien (G) Totales

Hombres (M) 0.35 0.20 0.55
Mujeres(W) 0.36 0.09 0.45
0.71 0.29 1.00

Si se selecciona al azar una persona de este grupo de 1000, calcule las siguientes
probabilidades:
a. P(F)
b. P(G)
c. P(F/M)
d. P(F/W)
e. P(M/F)
f. P(W/G)

Respuesta

a) P (F) Probabilidad de que con los sentimientos se selecciona la pareja, se toma

directamente de la tabla

P( F)=0,71

b) P(G) Probabilidad de que con vivir bien se selecciona la pareja, se toma directamente de

la tabla

P ( G )=0,29
C . P(F /M )

P( F−M )=0,35/0,55=0,6363

d . P( F /W )

P( F /W )=0,36 /0,45=0,8

e . P(M / F)

P( M / F)=0,35/0,71=0,493

f . P(W /G)

P(W /G)=0,09/0,29=0,31

a) 71%

b)29%

c)64%

d) 82%

e) 49%

f) 31%

Teorema de Bayes

Estudio de caso 6
Suponga que en una ciudad particular, el aeropuerto A maneja 50% de todo el tráfico aéreo

y los aeropuertos B y C manejan 30% y 20% respectivamente. Los porcentajes de

detención de armas en los tres aeropuertos son 0.9, 0.8 y 8.5, respectivamente. Si se

encuentra un pasajero en uno de los aeropuertos llevando un arma por la puerta de abordar,

¿Cuál es la probabilidad de que el pasajero esté usando el aeropuerto A? ¿Y el aeropuerto

C?

Definición de sucesos

Aeropuerto A

Aeropuerto B

Aeropuerto C

Detención de armas D

P ( A )=0,5 P ( D/ A )=0,9
P ( B )=0,3 P ( D /B )=0,8
P ( C ) =0,2 P ( D/C )=0,85
 P(D∨ A) ∙ P (A )
P ( A|D )=
P(D)
P ( Á )=1−P( A)

P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ]

P ( D )=[ 0.5∗0.9 ] + [ 0.3∗0.8 ] +[0.2∗0.85]
P ( D )=0.45+0.24 +0.17
P ( D )=0.86=86 %

P ( DA )= 0.5∗0.9
0.86
=0.523=52 %

C 0.2∗0.85
P ( )= =0.197=19.7 %
D 0.86

Estudio de caso 10

Suponga que el 5% de todas las personas que presentan el formato largo de pago de

impuestos buscan deducciones que saben que son ilegales, y un adicional 2% anota

deducciones incorrectamente porque no están familiarizados con los reglamentos de

impuestos al ingreso. Del 5% que son culpables de engañar, 80% negará saber del error si
se confronta a un investigador. Si quien presenta el formato largo se confronta a una

deducción no justificada y niega saber del error, ¿cuál es la probabilidad de que sea

culpable?

p: personas que realizan deducciones ilegales de impuesto

q:  personas que anota deducciones incorrectamente porque no están familiarizados con los

reglamentos de impuestos al ingreso

            80% niegan saber del error

p= 5%

             20% afirman ser culpables

q = 2%

Si quien presenta el formato largo se confronta a una deducción no justificada y niega saber

del error, ¿cuál es la probabilidad de que sea culpable?

P = (5%+2%)*80% = 7%*80%
 P = 0,07 *0,8 =  0,056 = 5,6%

Probabilidad de ser culpable es:

P = 0,2 -0,056 =0,144 = 14,4%

Ejercicio 3

Mentefacto

Fórmulas Matemáticas Técnicas

Adivinar TEORIA DE LA Procedimientos de análisis.
Especulación Inferencia Estadística
PROBABILIDAD Espacio Muestral Discreto y
Continuo

Conceptos
Técnica de Probabilidad
Básicos Conteo Condicional

Propiedades Relativas a
Experimentos Reglas de Multiplicación Teorema de Bayes
Eventos Regla de Adición Dos sucesos A y B donde
Permutaciones
Conclusiones
Espacio Maestral P(B)>0, se define la
Combinaciones
Equivalencia de Eventos Axiomas de Probabilidad. probabilidad condicionada
Axioma 1 de A dado B.
Composición de Eventos
Axioma 2
Axioma 3
Operaciones:
Unión
Intersección
Diferencia
Complementario
 Conclusiones.

Las técnicas de conteo son una serie de métodos de probabilidad para contar el número

posible de arreglos dentro de un conjunto. Usar esta técnica sirve para evitar el trabajo

dispendioso de realizar las cuentas de forma manual, lo cual a su vez resulta muy

complicado debido a la gran cantidad de variables.

La probabilidad pone a disposición un conjunto de métodos, normas, reglas y principios

para la observación, toma, organización, descripción, presentación y análisis del

comportamiento de un grupo de datos para la conclusión sobre un experimento o fenómeno.

La probabilidad condicional se usa para casos donde un evento depende de otro.

 Referencias Bibliográficas

García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. Primer curso. (Pp. 29-

50).  Recuperado

de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?

docID=4722054

Lopez, Jose Francisco. Teorema de Bayes.  Recuperado

de https://economipedia.com/definiciones/teorema-de-bayes.html