PROBABILIDAD

FASE 1 AXIOMAS DE PROBABILIDAD

GRUPO: 100402_318

PARTICIPANTES:

CARLOS EDUARDO CORTÉS GIRALDO COD: 75.074.422

VANESSA NAVARRO CALDAS COD: 1112776951

EDWAR MAURICIO CARDONA MOLINA COD: 1.018.345.738

DANIELA BUSTAMANTE GAVIRIA COD: 1053834233

TUTORA:

LAURA ELENA QUINGUEREJO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

OCTUBRE - 2016
 INTRODUCCIÓN

El siguiente trabajo tiene como objetivo comprender Los principios de la probabilidad

concernientes a la unidad 1, en temas relacionados con experimento aleatorio, eventos y sucesos,
técnicas de conteo, axiomas de probabilidad, probabilidad condicional y teorema de Bayes.
Aplicando estos temas y conceptos encontraremos un cuadro sinóptico, al igual que el
planteamiento de una serie de ejercicios con sus respectivas respuestas y la solución a un estudio
de caso.
Siempre que se toma una decisión hay una considerable incertidumbre, y por ello es importante
evaluar científicamente todos los riesgos conocidos. Para esto se utiliza la teoría de la
probabilidad a la que a menudo se le ha llamado teoría de la incertidumbre. La teoría de la
probabilidad permite, con poca información, analizar los riesgos y minimizar los peligros de una
mala decisión.

La probabilidad es la herramienta de ayuda para la toma de decisiones ya que es una manera fácil
de medir, expresar y analizar los datos asociados con los eventos y estudios de caso.
 OBJETIVOS

Objetivo general.
 Analizar e interiorizar los principios de Probabilidad, identificando sus propiedades, leyes
y los campos de aplicación que tiene esta ciencia propia de la estadística.

Objetivos específicos
 Reconocer las características de un experimento aleatorio.
 Identificar el espacio muestral y distintos eventos de experimentos aleatorios.
 Adquirir las herramientas y habilidades necesarias de las técnicas de conteo.
 Calcular las medidas de espacios muéstrales y eventos aplicando reglas básicas de
conteo, permutaciones y combinaciones.
 Establecer y aplicar las técnicas de conteo a través de permutaciones y
combinaciones.
 Cuadro Sinóptico - VANESSA NAVARRO

Experimento Un fenómeno aleatorio, es por tanto, aquel cuyo resultado

Aleatorio está fuera de control y que depende del azar.

Espacio muestral Espacio muestral es el conjunto formado por todos los

posibles resultados de un experimento aleatorio.

Suceso o Evento de un fenómeno o experimento aleatorio

Sucesos o eventos es cada uno de los subconjuntos del espacio muestral S

 Usamos las operaciones básicas de conjuntos, tales como

Operaciones uniones, intersecciones y complementos, para formar otros
entre eventos eventos de interés, denominados eventos o sucesos
compuestos.
PRICIPIOS
TECNICAS Las técnicas de conteo son aquellas que son usadas
DE DE CONTEO para enumerar eventos difíciles de cuantificar

Principio Una actividad que consta de r pasos, en donde el primer

multiplicativo paso de la actividad a realizar puede ser llevado a cabo de
N1 maneras o formas, el segundo paso de N2 maneras o

Principio Con la condición no de que los eventos sean independientes

sino de que sean mutuamente excluyentes, es decir que cada
aditivo uno ocurra sin la necesidad de que otro lo haga.

Factorial de Este se denota por el símbolo n! y se define como el producto

Un número de n  por todos los enteros que le preceden hasta llegar al uno.

Una permutación de los elementos es un acomodo u

Permutaciones ordenamiento de ellos.

Es un arreglo de elementos en donde no nos interesa el

Combinación lugar o posición que ocupan los mismos dentro del arreglo.
En una combinación nos interesa formar grupos y el
contenido de los mismos.
Los axiomas no determinan las probabilidades, lo que hacen es
Axiomas de facilitar el cálculo de las probabilidades de algunos eventos a
Probabilidad partir del conocimiento de las probabilidades de otros.
 
Regla De la Si dos eventos son mutuamente excluyentes, podemos expresar
Adición esta probabilidad haciendo uso de la regla de adición. la regla de
la adición para calcular P(AUB)

Regla de la En esta sección se desarrollará una regla para determinar P

Multiplicación (AnB), esto es, la probabilidad de que el evento A ocurra en un
primer experimento y el evento B ocurra en un segundo
 Cuadro Sinóptico - CARLOS EDUARDO CORTÉS GIRALDO

Experimento aleatorio: Sucesos no

controlables de la naturaleza se hace por

medio de la observación

Espacio muestral: Grupo de objetos o

elementos con características comunes

Principio de definidas
UNIDAD 1
Técnicas de conteo: Utilizados para
probabilidad
enumerar eventos difíciles de cuantificar.

Axiomas de probabilidad: Son las

condiciones mínimas que deben

verificarse para que una función definida

sobre un conjunto de sucesos determine

 Cuadro Sinóptico - EDWAR MAURICIO CARDONA MOLINA

Estudio de caso 1 : CARLOS EDUARDO CORTÉS GIRALDO

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.

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.

1. La probabilidad de que un estudiante apruebe un curso del área de matemáticas

Se emplearía la siguiente formula:

(Total aprobados / # total * 100)

P= 1893 / 2755 = 0.67 *100 = 0.67

2. La probabilidad de que un estudiante repruebe un curso del área de matemáticas.

(Total aprobados / # total * 100)

P= 389 / 2755 = 0.14 * 100 = 14%

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

Cancelo o perdió
Profesor Aprobó Reprobó Total
por fallas P= Aprobados/total*10
52   1 53 P=52/53=0.981*100= 98.1
. 31   5 36 P=31/36=0.861*100= 86.1
97 4 18 119 P=97/119=0.815*100= 81.5
166 17 21 204 P=166/204=0.813*100= 81.
36 5 4 45 P=36/45=0.8*100=80 %
m. 154 17 26 197 P=154/197=0.781*100=78.1
118 25 13 156 P=118/156=0.756*100= 75.
m. 125 21 21 167 P=125/167=0.748*100=74.85
151 32 20 203 P=151/203=0.743*100= 74.
116 19 26 161 P=116/161=0.720*100=72.0
98 10 29 137 P=98/137=0.715*100= 71.5
49 9 16 74 P=49/74=0.662*100= 66.2
142 23 44 209 P=142/209=0.679*100= 67.
. 60 19 21 100 P=60/100=0.6*100= 60%
93 27 37 157 P=93/157=0.592*100= 59.2
90 16 46 152 P=90/152=0.592*100= 59.2
s. 60 15 27 102 P=60/102=0.588*100= 58.8
111 48 45 204 P=111/204=0.544*100= 54.
m. 37 14 22 73 P=37/73=0.506*100= 50.6
. 57 31 46 134 P=57/134=0.425*100= 42.5
. 30 37 5 72 P=30/72=0.416*100=41.66
Total 1873 389 493 2755 P=1873/2755=0.679*100= 67
 4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno de los
cursos del área

Cancelo o Probabilidad de que sea cada

Reprob
Curso Aprobó perdió Total uno de los cursos del área
ó
por fallas
P=(178/218)=0.816*100=81.6
178 10 30 218
Algebra lineal 5%
P=(146/182)=0.802*100=80.2
146 15 21 182
Análisis numérico 1%
P=(252/328)=0.768*100=76.8
252 37 39 328
Cálculo infinitesimal 2%
P=(56/79)=0.708*100=70.88
56 8 15 79
Calculo integral %
P=(244/357)=0.683*100=68.3
244 49 64 357
Cálculo multivariado 4%
P=(226/331)=0.682*100=68.2
226 44 61 331
Calculo negocios 7%
Ecuaciones P=(178/265)=0.671*100=67.1
178 47 40 265
diferenciales 6%
P=(33/53)=0.622*100=62.26
33 11 9 53
Estadística básica %
Estadística P=(269/437)=0.615*100=61.5
269 70 98 437
inferencial 5%
Matemáticas P=(199/325)=0.612*100=61.2
199 53 73 325
avanzadas 3%
Matemáticas P=(44/80)=0.55*100=55%
44 13 23 80
discretas
Precalculo 42 24 17 83 P=(42/83)=0.50*100=50.60%
Probabilidad 6 8 3 17 P=(6/17)=0.352*100=35.29%
P=(1873/2755)=0.679*100=67
TOTAL 1873 389 493 2755
.98%
             
 Cancelo o Probabilidad de que sea cada
Reprob
Curso Aprobó perdió Total uno de los cursos del área
ó
por fallas
P=(178/218)=0.816*100=81.6
178 10 30 218
Algebra lineal 5%
P=(146/182)=0.802*100=80.2
146 15 21 182
Análisis numérico 1%
P=(252/328)=0.768*100=76.8
252 37 39 328
Cálculo infinitesimal 2%
P=(56/79)=0.708*100=70.88
56 8 15 79
Calculo integral %
P=(244/357)=0.683*100=68.3
244 49 64 357
Cálculo multivariado 4%
P=(226/331)=0.682*100=68.2
226 44 61 331
Calculo negocios 7%
Ecuaciones P=(178/265)=0.671*100=67.1
178 47 40 265
diferenciales 6%
P=(33/53)=0.622*100=62.26
33 11 9 53
Estadística básica %
Estadística P=(269/437)=0.615*100=61.5
269 70 98 437
inferencial 5%
Matemáticas P=(199/325)=0.612*100=61.2
199 53 73 325
avanzadas 3%
Matemáticas P=(44/80)=0.55*100=55%
44 13 23 80
discretas
Precalculo 42 24 17 83 P=(42/83)=0.50*100=50.60%
Probabilidad 6 8 3 17 P=(6/17)=0.352*100=35.29%
P=(1873/2755)=0.679*100=67
TOTAL 1873 389 493 2755
.98%
5. Clasifique los cursos del área de acuerdo a los resultados obtenidos. Establezca los criterios
que utilizó y dé las razones de su elección.
Para realizar la clasificación se hace necesario estudiar los estudiantes que aprobaron y
reprobaron utilizando las áreas que tuvieron mayor aprobación

Para esto se emplea esta formula

P= (Aprobados por materia / total)=Resultado *100

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

Cancelo o perdió
Profesor Aprobó Reprobó Total
por fallas P= Aprobados/total*100
César r. 52   1 53 P=52/53=0.981*100= 98.1%
Claudia v. 31   5 36 P=31/36=0.861*100= 86.1%
Diana m. 97 4 18 119 P=97/119=0.815*100= 81.51%
Ernesto s. 166 17 21 204 P=166/204=0.813*100= 81.37 %
Diego v. 36 5 4 45 P=36/45=0.8*100=80 %
Eduardo m. 154 17 26 197 P=154/197=0.781*100=78.17 %
Enrique p 118 25 13 156 P=118/156=0.756*100= 75.64%
Fernando m. 125 21 21 167 P=125/167=0.748*100=74.85% %
Gloria a. 151 32 20 203 P=151/203=0.743*100= 74.38%
Jairo a. 116 19 26 161 P=116/161=0.720*100=72.04 %
Javier b. 98 10 29 137 P=98/137=0.715*100= 71.53%
José c. 49 9 16 74 P=49/74=0.662*100= 66.21%
Luz p. 142 23 44 209 P=142/209=0.679*100= 67.94%
Marcela f. 60 19 21 100 P=60/100=0.6*100= 60%
María a . 93 27 37 157 P=93/157=0.592*100= 59.23%
Mario g 90 16 46 152 P=90/152=0.592*100= 59.21%
Mercedes s. 60 15 27 102 P=60/102=0.588*100= 58.82%
Oscar n. 111 48 45 204 P=111/204=0.544*100= 54.41%
Patricia m. 37 14 22 73 P=37/73=0.506*100= 50.68%
Ricardo o. 57 31 46 134 P=57/134=0.425*100= 42.53%
Sandra m. 30 37 5 72 P=30/72=0.416*100=41.66 %
Total 1873 389 493 2755 P=1873/2755=0.679*100= 67.98%

7. En que programa hay mejores resultados. Establezca los criterios que utilizó y dé las razones
de su elección. Existen mejores resultados en las aérea donde se presentó menor cantidad de
desertados

Estudio De Caso 2: VANESSA NAVARRO CALDAS

Con frecuencia es necesario hallar la probabilidad incondicional de un evento B, dado que un
evento A ha ocurrido. Una de estas situaciones ocurre al hacer exámenes de selección, que solían
estar asociados principalmente con exámenes médicos de diagnóstico pero que ahora están
encontrando aplicaciones en varios campos de actividad. Los exámenes de esteroides en atletas,
los exámenes caseros de embarazo y los exámenes para detectar sida son algunas otras
aplicaciones. Los exámenes de selección se evalúan sobre la probabilidad de un falso negativo o
un falso positivo y éstas dos son probabilidades condicionales. Un falso positivo es el evento de
que el examen sea positivo para una condición determinada, dado que la persona no tiene la
condición. Un falso negativo es el evento de que el examen sea negativo para una condición
determinada, dado que la persona tiene la condición.

Se pueden evaluar estas probabilidades condicionales usando una fórmula derivada por el
probabilista Thomas Bayes, llamada el Teorema de Bayes. El teorema se utiliza para revisar
probabilidades previamente calculadas cuando se posee nueva información y fue desarrollado
por el reverendo Thomas Bayes en el siglo XVII,

Suponga que cierta enfermedad está presente en el 10% de la población, y que hay un examen de
selección diseñado para detectar si esta enfermedad está presente. El examen no siempre
funciona a la perfección. A veces, es negativo cuando la enfermedad está presente y otras es
positivo en ausencia de ella. La tabla siguiente muestra la proporción en que el examen produce
varios resultados:

Resultado del examen Resultado del examen

positivo Negativo
Enfermedad presente 8% 2%
Enfermedad Ausente 5% 85 %

NOTA: Se corrige la probabilidad en rojo debido a que el enunciado dice que el 10% de la
población presenta la enfermedad. En la tabla original tal cantidad es del 8 % +22 %=30 %,
contrario al enunciado mismo y da lugar a una inconsistencia en los datos, y, por supuesto, en los
resultados.

A: Enfermedad ausente

P: Enfermedad presente

Pos: Resultado del examen positivo

Neg: Resultado del examen negativo

Las probabilidades ofrecidas por la tabla son

P ( Pos )=0.13P ¿Con base en esta información y usando el Teorema de Bayes, elabore un
informe que como mínimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

P( P)=0.08+ 0.02=0.1

2. Probabilidad de que la enfermedad esté ausente

P( A)=0.05+ 0.85=0.9

3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la
persona no tiene la enfermedad.

P(Pos ∩ A) 0.05
P ( Pos|A )= = =0.056
P( A) 0.9
 4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la
persona tiene la enfermedad
P(¬∩ P) 0.02
P (¬¿ P )= = =0.2
P(P) 0.3

5. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto positivo

P( Pos │ P)P(P)
P ( P| Pos )=
P(Pos)
P ( Pos ∩ P ) 0.08 0.8∗0.1
P ( Pos|P )= = =0.8P ( P| Pos )= =0.6154
P ( P) 0.1 0.13

6. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resulto

positivo

P ( Pos|A ) P ( A ) 0.056∗0.9
P ( A|Pos )= = =0.3877
P ( Pos ) 0.13

7. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto negativo

P¿

8. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resulto

negativo

P ( ¬∩ A ) 0.85
P ¿ P (¬¿ A ) = = =0.9444 P ¿
P(A) 0.9
 9. De acuerdo con las probabilidades encontradas, ¿qué tan confiable es este examen de
selección para detectar la enfermedad?

Para responder esta pregunta podemos considerar los incisos 5 y 8. La pregunta 5 nos informa
acerca de la probabilidad de que la persona esté enferma dado que el resultado fue positivo,
mientras que la 8 nos informa de qué tanta confianza podemos tener en la prueba dado que el
resultado dio negativo. En el primer caso se observa que la probabilidad es 61.54% lo cual no es
un resultado tan decisivo como debe esperarse; en el otro caso, la prueba nos dice que podemos
estar al 97.7% seguros de que no tenemos la enfermedad. Por lo tanto, se puede concluir que la
prueba nos indica una información más confiable para determinar si una persona NO está
enferma, pero se queda corta para indicar cuál sí lo está.

 resumen de los conceptos teóricos de la unidad que me permitieron solucionar el estudio de

caso seleccionado.

Para dar solución a los puntos solicitados en el caso 2 fue necesario leer y apropiarme de los
contenidos encontrados en las lecciones 1,4 y 1,5. En donde está la definición del Teorema
de Bayes. Y en referencias complementarias “ más sobre axiomas de probabilidad”.

Teorema de Bayes

El teorema de bayes es un método para encontrar la probabilidad de una causa específica

cuando se observa un efecto particular.

Es el procedimiento que se utiliza para encontrar las probabilidades posteriores, a partir de

probabilidades previas, las probabilidades a priori se conocen antes de obtener información del
experimento

El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir en más de una
forma.

Estudio De Caso 3: DANIELA BUSTAMANTE GAVIRIA

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 12
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 0,7980; sin embargo, dado un salto exitoso, la probabilidad de éxito de la expedición
era de 0,9943 con lo cual casi se aseguraba de que vencerían al consorcio”

1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar su salto con
éxito?
Solución:

La probabilidad de hacer su salto con éxito de cada uno de los miembros del equipo es:

Como la probabilidad conjunta es 0.7980, entonces la probabilidad de cada uno de los miembros
del equipo es

0.7980
P=
12

P=0.0665

La probabilidad de cada miembro del equipo es 0.0665.

2. Si la probabilidad de que los 12 miembros del equipo tengan un salto exitoso es de 0.7980,
cual es la probabilidad de que un solo miembro del equipo pueda completar el salto con éxito?

Solución:

La probabilidad de que al menos un solo miembro del equipo tenga un salto exitoso es:

12 ln ( p )=ln ⁡(0.7980)

ln ⁡(0.7980)
12
P=e

1
P=(0.7980) 12

P=0.9813

La probabilidad de que al menos un miembro logre el salto con éxito es de 0.9813.

3. En el relato se afirma que: “esa probabilidad de 0,7980 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?
Solución:

No convengo con esa afirmación ya que teniendo encuenta que la probabilidad de 0.7980 lo que
está analizando es la probabilidad de lograr que los 12 miembros del equipo escogido de la
expedición Ross tengan un salto con éxito.

Estudio de caso 4: CARLOS EDUARDO CORTÉS GIRALDO

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
 Casos
Juez Tribunal Penal Casos apelados Casos Revocados
Presentados
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
Total 43945 1762 199

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  12,970 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
Total 108464 500 104

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

Se deben de considerar los siguientes eventos

A
P = Número de casos
A = Casos apelados
R = Casos revocados P
R

Como se observa en la figura A ∩ R = R , así que las probabilidades pedidas para los jueces y
tribunales se obtendrán así:
Probabilidades de los casos que se apelan en cada tribunal son:

Casos apelados 1762

Tribunal penal: P ( A )= = =0.0400955740
Casos presentados 43945

Casos apelados 106

Tribunal de la familia : P ( A ) = = =0.00347755237
Casos presentados 30499
 Casos apelados 500
Tribunal civil : P ( A )= = =0.0046098244
Casos presentados 108464

Las probabilidades de los casos que son revocados en cada uno de los tribunales son:

Casos revocados 199

Tribunal penal: P ( A )= = =0.1129398410
Casos presentados 1762

Casos revocados 17
Tribunal de la familia : P ( A ) = = =0.1603773584
Casos presentados 106

Casos revocados 104

Tribunal civil : P ( A )= = =0.208
Casos presentados 500

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

Total de casos apelados 2368

P ( A )= = =0.0129463992
Total de casos presentados 182908

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

Total de casos revocados 320

P ( A )= = =0.0017495134
Total de casos presentados 182908

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

 Total de casos revocados 320
P ( R / A )= = =0.1351351351
Total de casos presentados 2368

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizó y dé las
razones de su elección.

Con base a la siguiente tabla se llevó a cabo la clasificación de los jueces en cada tribunal
tomando en cuenta la P(R/A) porcentaje de predisposición a la cual debe de estar un juez a
retractarse en sus veredictos de la primera instancia, lo que hace que este juez obtenga más
bajo este porcentaje (P(R/A)) el que mejor desempeña el oficio.

Probabilidad
de una
Casos Casos Casos revocación
Juez Tribunal Penal
Presentados apelados Revocados dada una
apelación
por juez
Fred Cartolano 3037 137 12 0,0876
Thomas Crush 3372 119 10 0,0840
Patrick Dinkelacker 1258 44 8 0,1818
Timothy Hogan 1954 60 7 0,1167
Robert Kraft 3138 127 7 0,0551
William Mathews 2264 91 18 0,1978
William Morrissey 3032 121 22 0,1818
Norbert Nadel 2959 131 20 0.1527
Arthur Ney, Jr. 3219 125 14 0,1120
Richard Niehaus 3353 137 16 0,1168
Thomas Nurre 3000 121 6 0,0496
John O’Connor 2969 129 12 0,0930
Robert Ruehlman 3205 145 18 0,1241
J. Howard 955 60 10 0,1667
Sundermann
Ann Marie Tracey 3141 127 13 0,1024
Ralph Winkler 3089 88 6 0,0682
Total 43945 1762 199 1,8903
 Probabilidad
de una
Juez Tribunal de Casos Casos Casos revocación
Familia Presentados apelados Revocados dada una
apelación
por juez
Penelope Cunningham 2729 7 1 1,4E - 01
Patrick Dinkelacker 6001 19 4 2,1E - 01
Deborah Gaines 8799 48 9 1,9E – 01
Ronald Panioto  12,970 32 3 9,4E- 02

Probabilidad
de una
Casos Casos Casos revocación
Juez Tribunal Civil
Presentados apelados Revocados dada una
apelación
por juez
Mike Allen 6149 43 4 9E-02
Nadine Allen 7812 34 6 2E-01
Timothy Black 7954 41 6 1E-01
David Davis 7736 43 5 1E-01
Leslie Isaiah Gaines 5282 35 13 4E-01
Karla Grady 5253 6 0 0E-00
Deidra Hair 2532 5 0 0E+00
Dennis Helmick 7900 29 5 2E-01
Timothy Hogan 2308 13 2 2E-01
James Patrick Kenney 2798 6 1 2E-01
Joseph Luebbers 4698 25 8 3E-01
William Mallory 8277 38 9 2E-01
Melba Marsh 8219 34 7 23-01
Beth Mattingly 2971 13 1 8E-02
Albert Mestemaker 4975 28 9 3E-01
Mark Painter 2239 7 3 4E-01
Jack Rosen 7790 41 13 3E-01
Mark Schweikert 5403 33 6 2E-01
 David Stockdale 5371 22 4 2E-01
John A. West 2797 4 2 5E-01
Total 108464 500 104 4E+00

Estudio De Caso 5: EDWAR MAURICIO CARDONA MOLINA

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 y
6 % 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 para ayudar a realizar el informe solicitado.

1. Un diagrama de árbol que represente las probabilidades encontradas.

2. Probabilidad de que un chip este defectuoso

La Probabilidad de que un chip este defectuoso la encontramos realizando la suma de la

cantidad de porcentajes defectuosos adquiridos por cada proveedor, es decir

El 2% de los chips de HallElectronics son defectuosos

El 4% de los chips de Schuller Sales son defectuosos
El 6% de los chips de Crawford Components son defectuosos.

Entonces: 2% + 4% + 5% = 12%

La Probabilidad de que un chip este defectuoso es del 12%

3. Probabilidad de que el chip este en buenas condiciones

Chip buenos: 100% - Probabilidad de defectos

 100% - 12% = 88%

La probabilidad de que el chip este bueno es de 88%

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

sido fabricado por cada uno de los proveedores.

 La Probabilidad de que el proveedor HallElectronics haya fabricado el chip es de

25%
 La Probabilidad de que el proveedor Schuller Sales haya fabricado el chip es de
30%
 La Probabilidad de que el proveedor Crawford Components haya fabricado el
chip es de 45%
5. Si el chip seleccionado está en buenas condiciones, debe encontrar la Probabilidad de que
haya sido fabricado por cada uno de los proveedores.
 La Probabilidad de que el proveedor HallElectronics haya fabricado el chip es de
25% - 2% = 23%

 La Probabilidad de que el proveedor Schuller Sales haya fabricado el chip es de

30% - 4% = 26%
 La Probabilidad de que el proveedor Crawford Components haya fabricado el
chip es de 45% - 6% = 39%
 CONCLUSIONES

 Se definieron los conceptos teóricos de la unidad 1 Axiomas de probabilidad, mediante

cuadros sinópticos y dando solución al proceso de la situación problemica escogida por
cada integrante del grupo colaborativo, presentando los diferentes aportes realizados en el
foro.
 Como resultado de la actividad presentada, es posible concluir que se interiorizaron las
medidas de espacios muéstral y eventos de conteo, aplicando reglas básicas de
permutaciones y combinaciones.
 Por medio de este primer trabajo colaborativo hemos podido afianzar como equipo de
trabajo adquiriendo conocimientos sólidos por medio de ejercicios prácticos la aplicación
de los fundamentos de probabilidad en diferentes escenarios, este trabajo nos ha
permitido tener un desarrollo dinámico y efectivo acerca de las primeras unidades del
curso de probabilidad ofrecido por la universidad, discutiendo y afianzando nuestros
conocimientos.

 Pues finalmente luego del desarrollo de los ejercicios aprendimos la importancia de poner
en práctica cada una de las teorías de probabilidad ya que son aplicadas en muchas
situaciones de la vida cotidiana de cada uno de nosotros y es importante aprender a
desarrollarla para resolver cualquier tipo de interrogante o problema que se nos plantee.
 REFERENCIAS BIBLIOGRÁFICAS

 Lipschutz, Seymour. Teoría y problemas de probabilidad. Serie de compendios Schaum.

México: McGraw Hill.

 El material didáctico, (2004) Roberto J. Salazar Ramos. UNAD, Bogotá D.C.

 GMARTÍNEZ BENCARDINO, Ciro (2004). Estadística Básica Aplicada. Santa fe de

Bogotá: ECOE Ediciones.

 [ CITATION ASO16 \l 9226 ]

 Morales, Adriana (2010) Modulo Probabilidad. Bogotá D.C., Universidad Nacional Abierta
y a distancia – UNAD.
http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.pdf

 Pérez, T. (2008) Estadística para las ciencias sociales y el comportamiento recuperado de

Pérez, T. (2008) Estadística para las ciencias sociales y el comportamiento

 Walpole, R (1999). Probabilidad y estadística para ingenieros. México; Hispanoamericana

https://books.google.com.co/books?id=XpBm-Qwv-lMC&lpg=PA52&dq=
%22tecnicas+de+conteo%22&hl=es&pg=PA53#v=onepage&q=%22tecnicas%20de%20conteo
%22&f=false