Estadística y probabilidad - Fase 2: Diseño y construcción

Presentando por:
Leidy Alexandra castillo Holguín

Presentado a (tutor):
Liliana García

Carrera: tecnología en regencia de farmacia

Código: 1121948375
Grupo: 211622_209

Universidad nacional abierta y a distancia (UNAD)

Escuela ciencias de la salud (ECISALUD)
Fecha: 10/04/2020
Año: 2020
onstrucción
1. construya una 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 objeto de
estudio?
Respuesta
•Nueva Variable: Cumple valor aceptable
•Probabilidad cumplir valor aceptable= N cumplimientos/Total=583/583=1
Asi la probabilidad de que la variable Cloruros cumpla el valor aceptable es del 100%

2.Construya una tabla de contingencia (máximo de tres niveles) entre la variable objeto de estudio y otra variable
“Toma de decisión” obtenida del punto anterior. Con la tabla de contingencia establezca:

Respuesta

sacamos de la base de datos estos valores clasificandolos en los que cumplen con el valor acepable y los que no.
Tambien observamos la columna de cloruros para poder crear la tabla de contingencia, clasificamos los valores en bajos,
medios y altos con los siguientes valores

Bajo≤83,3
Medio≤166,6
Alto≤250

•Escriba un evento simple y un evento compuesto de la tabla de contingencia. Luego, encuentre sus probabilidades.

Evento simple, la probabilidad y el % de cloruros no cumple con el valor aceptable es: 0/583=0=0%

Evento compuesto, La probabilidad y el % de cloruros que tenga nivel medio y cumpla con el valor aceptable.
41/583=0.070=7%

•Escriba un evento imposible y un evento seguro. Encuentre sus probabilidades.

Evento imposible, un cloruro que no cumpla con el valor aceptable y su probabilidad es de 0
Evento seguro, El cloruro cumple con el valor aceptable y su probabilidad es de 1

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
cuando los eventos sean mutuamente excluyente y otro ejemplo cuando no sean mutuamente excluyentes.

• ¿Cuál es la probabilidad de que el cloruro sea de nivel bajo o alto?

A= Cloruro bajo y B= Cloruro alto

Por lo tanto,

P=P(A)+P(B)=541/583 + 1/583 =542/583 =0.9296

•  ¿Cuál es la probabilidad de que el cloruro sea de nivel Medio o alto?

A= Cloruro medio y B= Cloruro alto

Por lo tanto,
P=P(A)+P(B)=41/583+1/583=42/583=0.072

•Diseñe dos ejemplos usando probabilidad condicional. (pregunta y solución), es decir cuando los eventos sean
dependientes.

•¿Cuál es la probabilidad de que sabiendo de que el cloruro es de nivel bajo, este cumpla el valor aceptable?

Se consideran dos sucesos A “Cloruro nivel bajo” y B “cumple valor aceptable” y se requiere saber

P(B∩A)/P(A), Entonces

P(B∩A)=541/583 y P(A)=541/583

P(B∩A)/P(A)= (541/583)/(541/583)=1

•¿Cuál es la probabilidad que sabiendo que cumple con el valor aceptable, el nivel del cloruro sea medio?
A= Cumple con el valor aceptable y B= el nivel del cloruro sea medio

P(B∩A)= 41/583 y P(A)=583/583

P(B∩A)/P(A)= (41/583)/(583/583)=41/583=0.0703=7.03%

¿Es posible usar el teorema de Bayes en la tabla de contingencia? Explique utilizando el

diagrama de árbol y dé un ejemplo teniendo en cuenta la tabla de contingencia.
Creamos la variable cumplevalor aceptable porque eso es lo que se pide paragarantizar la calidad del agua potable
miramos en la base de datos el numero que si cumple y lo dividimos en el numero total

Cumple valor aceptable

Cloruros Total

Si No
Bajo 541 0 541
Medio 41 0 41
Alto 1 0 1
Total 583 0 583

en el enunciado se explica que datos

se estan mirando
Evento simpe se puede tambien presentar de que cumpla
esto se saca directamente de la base con el valor aceptable,ya que solo son estos dos sucesos,
de datos cumple o no cumple

igual que el paso anterior

miramos en la base de datos los cloruros bajos y altos según los
niveles en el punto anterior y lo dividimos en el numero total
de cloruros porque estamos sacando una probabilidad

igual que en el paso anterior

miramos las probabilidades que nos piden, en el caso del suceso

A dividido en el total y el suceso B que cumplan con el valor
aceptable y hacemos la respectiva operación
 Probabilidades Cond

Probabilidades Totales

P(Alto)= 0.001715265866209

P(Medio)= 0.07032590051458

P(Bajo)= 0.927958833619211

Si es posible usar el teorema de Bayes en la tabla de Conti

Ejemplo:
La variable objeto de estudio Cloruros, la cual la clasificamo
medio y bajo. Siendo así el 0,1715 % alto, el 7,03 % medio
de estos conceptos tienen valores que cumplen con el valo
100 %, el medio el 100 %, y el bajo 100 %, lo cual nos indica
aceptable
Dicho esto, al seleccionar un dato de la variable Cloruros, ¿
además cumpla con los parámetros ?

𝑃(𝐴_(𝑖 )/𝐵)=(𝑃(𝐵/𝐴_(𝑖 ))𝑃(𝐴_(𝑖

)))/(∑2_(𝑘=1)^𝑛▒ 〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴

𝑃(𝐴_(𝑖 )/𝐵)=((0,9279∗1))/((0,001715∗1)+(0,0703∗1)
≈0,9279/1=0,9279=92,79%
 )))/(∑2_(𝑘=1)^𝑛▒ 〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴

𝑃(𝐴_(𝑖 )/𝐵)=((0,9279∗1))/((0,001715∗1)+(0,0703∗1)
≈0,9279/1=0,9279=92,79%

Probabilidad Conjunta de CUMPLE y MEDIO

0.9279

Probabilidad de Aprobar

Teorema de Bayes 0.9279

La probabilidad que al seleccionar un dato de la variable Clor

del agua potable
 Probabilidades Conjuntas
Probabilidades Condicionales

0.00171527
P(Si/Alto)= 1

0
P(No/Alto)= 0

1 0

P(Si/Medio)= 1 0.0703259

1
P(No/Medio) 0 0

P(Si/Bajo)= 1 0.92795883

P(No/Bajo)= 0 0

de Bayes en la tabla de Contingencia

loruros, la cual la clasificamos en 3 niveles respectivamente tales como alto ,

715 % alto, el 7,03 % medio, y el 92,79 % bajo. Además, se sabe que cada uno
res que cumplen con el valor aceptable, de tal manera el concepto alto tiene
bajo 100 %, lo cual nos indica que todos los niveles cumplen con el valor

ato de la variable Cloruros, ¿Cuál es la probabilidad que sea del concepto bajo y
etros ?

𝐴_(𝑖 ))𝑃(𝐴_(𝑖
〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴_(𝑘 )) 〗 )=

(0,001715∗1)+(0,0703∗1)+(0,9279∗1) )
%
 〖𝑃 (𝐵/𝐴_(𝑘 ))𝑃(𝐴_(𝑘 )) 〗 )=

(0,001715∗1)+(0,0703∗1)+(0,9279∗1) )
%

nta de CUMPLE y MEDIO

dad de Aprobar

93%

r un dato de la variable Cloruros y que esta sea del nivel Bajo y además cumpla conel valor aceptable es de 93 % aproximadamente.
e 93 % aproximadamente.
Probabilidad Condicional

Sea un espacio de probabilidad

y un suceso
con probabilidad
, la probabilidad condicional se define de la siguiente manera;

B
A

Ejemplo 1:
 Sea el evento B tener coronavirus, y el evento A tener tos,{\displaystyle
sería la probabilidad de tener tos cuando le dio coronavirus.

Ejemplo 2:
Al 5% de tus amigos le gusta la fresa y el café, mientras que al 20% le gus

Axiomas de probabilidad: Suma y Multiplicación

Los axiomas de probabilidad son aquellas condiciones o características que satisfacen la probabilida
Sea S un espacio muestral, sea ε la clase de eventos y sea P una función de valores reales definida e

·         [P1]  Para todo evento A,

·         [P2]  

·         [P3]  Si A y B son eventos mutuamente exclusivos, entonces

·         [P4]  Si A1, A2,…. es una serie de eventos mutuamente exclusivos, entonces

Las siguientes observaciones conciernen al orden en que están los axiomas [P3]  y [P4].  Ante todo,

Se aclara que [P4] no proviene de [P3].

Regla de la multiplicación: probabilidades bajo condiciones de independencia e

Ejemplo 1:
Sean las siguientes características de un palo de guayaba con respecto a su fruto
(Color/tamaño Grande Pequeño
Verde 39 5
Amarillo 3 2

Sean los eventos

A: El tamaño del fruto es pequeño
B: El fruto es de color amarillo
Entonces se halla

Asi

Regla de la adición: para eventos mutuamente excluyentes

Regla de la adición para eventos A y A` son mutuamente excluyentes y exhaustivos

;

Regla de la adición para eventos que no son mutuamente excluyentes

Ejemplo 2:
Experimento: Se lanzan dos monedas
Ω = {ss, aa, sa, as}
N (Ω) = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un sol exactamente.
Los elementos de A y B son
A = {ss}
B = {sa, as}
Se puede ver que
, no hay elementos en común, por lo que los eventos son mutuamente exclusivos o disjuntos, por ta
la siguiente manera;

B
U

vento A tener tos,{\displaystyle P(A\mid B)}

le dio coronavirus.

café, mientras que al 20% le gusta el café. ¿Cuál es la probabilidad de que a un amigo que le gusta el café, le guste la fresa?

iplicación

cas que satisfacen la probabilidad de cualquier experimento, teniendo en cuenta que no determinan las probabilidades, solo nos ayudan a
ción de valores reales definida en ε.  Entonces P se llama función de probabilidad, y P(A) es llamada probabilidad del evento A si se cumpl

vos, entonces

xiomas [P3]  y [P4].  Ante todo, al utilizar [P3] y la inducción matemática se puede probar que para eventos mutuamente exclusivos A1, A2

condiciones de independencia estadística

cto a su fruto

s y exhaustivos
xactamente

nte exclusivos o disjuntos, por tanto

e guste la fresa?

obabilidades, solo nos ayudan a facilitar el cálculo de cada probabilidad.

bilidad del evento A si se cumplen los siguientes axiomas:

s mutuamente exclusivos A1, A2,…. An

 REFERENCIAS BIBLIOGRAFICAS

Llinás, S. H. (2017). Experimentos, espacios muestrales y eventos. En: Estadística descriptiva y distribuciones de p
Monroy, S. (2008). Conceptos básicos en probabilidad. En: Estadística Descriptiva. [Online] Editorial: Instituto Téc
Llinás, S. H. (2017). Probabilidad de un evento. En: Estadística descriptiva y distribuciones de probabilidad. (pp. 1
Llinás, S. H. (2017). Teorema de Bayes. En: Estadística descriptiva y distribuciones de probabilidad. (pp. 158 - 163
IAS BIBLIOGRAFICAS

descriptiva y distribuciones de probabilidad. (pp. 100 - 108). Recuperado de  https://ebookcentral-proquest-com.bibliotecavirtual.unad.ed

. [Online] Editorial: Instituto Técnico Nacional. (pp. 128 – 140). Recuperado de  http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/read
buciones de probabilidad. (pp. 148 - 154). Recuperado de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/re
de probabilidad. (pp. 158 - 163). Recuperado de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.acti
t-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=5486680&ppg=118
d.edu.co:2077/lib/unadsp/reader.action?ppg=129&docID=10436604&tm=1498541453661  
tual.unad.edu.co/lib/unadsp/reader.action?docID=5486680&ppg=158
d.edu.co/lib/unadsp/reader.action?docID=5486680&ppg=176