PROBABILIDAD

Experimento Aleatoriao y Espacio Muestral.

Eventos Sucesos.
Tcncias de Conteo.
Axiomas de Probabilidad.
Teorema de Bayes.

Integrantes:
Deicy Magaly Puliche cdigo: 34331678
Gimena Velasco cdigo: 1064427596
Mauren Gisela Reyes cdigo: 1061715996
Yanncy Milena Fernndez cdigo:1061726036
Curso:
100402_119
Tutor:
Luis Alexander Saravia

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ADMINISTRACION DE EMPRESAS
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA UNIDAD DE
CIENCIAS BSICAS
POPAYAN
MARZO
2016

INTRODUCCION
La probabilidad es cosiderara una herramienta fundamental de ayuda para la
toma de decisiones ya que brinda inforamcin y soluciones en las formas de
medir, expresar y analizar incertidumbres asociadas con eventos futuros de
razones entre el nmero de casos favorables y el nmero de casos posibles , sta
es un amedida numrica de posibilidades de que ocurrir un evento y sus valores
se asignan en una escala de 0 a 1.
La Estadstica es un mtodo eficaz de descripcin, relacin y anlisis de valores y
datos del entorno tanto a nivel social, como cultural, poltico, econmico
etc;adems del anlisis y tabulacin de datos se brinda la posibilidad de la toma
de desiciones acertadas y a tiempo y realizar la respectivas proyecciones. Muchos
de los eventos que ocurren en el entorno cotidiano del ser humano no se pueden
predecir con exactitud, ya que la mayora de los hechos estn influenciados por el
azar, es decir, por procesos inciertos, en los que no se est seguro de lo que va a
ocurrir, no podemos afirmar que vivimos en un mundo determinista, en donde no
hay influencia del azar y la incertidumbre; Es por ello que la Probabilidad permite
un acercamiento a estos sucesos, ponderando las posibilidades de su ocurrencia y
proporcionando mtodos para tales ponderaciones, creando as modelos
Probabilsticos. Precisamente, algunos de esos mtodos proporcionados por la
teora de la Probabilidad llevan a descubrir que ciertos eventos tienen una mayor o
menor probabilidad de ocurrir que la apreciacin hecha a travs del sentido
comn.
En el desarrollo de la Siguiente Actividad y mediante lo estudiado en la Unidad 1
sobre :

Definicin de Experimento aleatorio y espacio Muestral.

Eventos o Sucesos, Operaciones entre eventos
Tcnicas de conteo: permutaciones, combinaciones, etc.
Axiomas de probabilidad: Regla de la adicin, regla de la multiplicacin
Probabilidad condicional
Teorema de Bayes.

Se aplicarn dichos conocimientos en la solucin de los ejercicios Caso

propuestos.

Desarrollo del Trabajo:

Cuadro Sinptico:

Experimento Aleatorio:

EXPERIMENTO ALEATORIO Y
ESPACO MUESTRAL

Dan lugar a varios resultados, sin ser

predecible enuciar con certeza cual de
los dos va a ser observado en la
realizacind el experimento.

Espacio Muestral:
Conjunto formado por todo slos
posbles resultados de un experimento
aleatorio y se desigan por S, a la
coleccin de resultados que se

obtienen en
aleatorios.

PROBABILIDAD
UNIDAD 1

EVENTOS OSUCESOS

los

experimentos

Sucesos o Eventos:
De un fenmeno o experimento
aleatorio son cada uno de los
subconjuntos del Espacio Muestral
S,los elementos del espacio muestral
se llaman sucesos individuales o
elementales, tambin son sucesos el
suceso vaco o suceso imposible, y el
propio S,suceso seguro.
OPERACIONES CON EVENTOS:
Los
sucesos
o
eventos
son
subconjuntos, entonces es posible
emplear las operaciones bsicas de
conjuntos como:

Unin= (AUB)
Interseccin= ( A B)
Diferencia = (A-B)
Suceso Complementario=
A
=
E-A,
suceso
complementario de A.

Desarrollo del Trabajo:

Cuadro Sinptico:

Principios :
Multiplicativo:
TCNICAS DE CONTEO

Si un evento determinado puede

realizarse

de

n1

maneras

diferentes y si un segundo evento

puede realizarse de

n2

maneras

diferentes y si adicional un evento

puede realizarse de

n3

y asi

sucesivamente y si al mismo
tiempo
cada
evento
es
independiente del otro, entonces el
nmero de maneras en que los
eventos pueden realizarse en el
orden indicado es el producto:

3
n1 x n2 x n
Principio Aditivo:

PROBABILIDAD
UNIDAD 1

Este principio tiene las mismas

premisas del principio multiplicativo,
pero con la condicin no de que los
eventos sean independientes sino de
que sean mutuamente excluyentes, es
decir que cada uno ocurra sin la
necesidad de que otro lo haga. El
nmero total de maneras en las que
pueden realizarse los eventos es la

adicin:

3
n1 +n2 +n
Factorial de un Nmero:
En el anlisis combinatorio interviene
con mucha frecuencia el concepto de
factorial de un entero no negativo n.
Este se denota por el smbolo n! y se
define como el producto de n por
todos los enteros que le preceden
hasta llegar al uno.
Simblicamente queda expresado
como:

Desarrollo del Trabajo:

Cuadro Sinptico:

PERMUTACIONES Y
VARIACIONES
PERMUTACIONES Y
VARIACIONES

Considere

un

conjunto

de

elementos

. Una permutacin de los

elementos

es

un

acomodo

ORDENAMIENTO de ellos. As:

abc acb bac bca cab cba
Son las permutaciones de los elementos del
conjunto S y

son

en

total

posibles

acomodos. Esto es:

El nmero de permutaciones
(acomodos
u
ordenaciones)
de n elementos distintos, tomados
todos de una vez, se denota
por n!

PROBABILIDAD
UNIDAD 1

Una
ordenacin
de
un
nmero r de
elementos
del
conjunto de n elementos,
,
es
denominada variacin. Son
permutaciones en las que implica
un orden en la colocacin de los
elementos, tomando nicamente
una parte de los elementos. Una
variacin
puede
construirse
seleccionando el elemento que
ser colocado en la primera
posicin del arreglo de entre
los n elementos,
para
luego
seleccionar el elemento de la
segunda posicin de entre los n1 elementos
restantes,
para
seleccionar despus el tercer
elemento
de
entre
los n2 restantes, y as sucesivamente.
Se trata pues de una permutacin
de n elementos tomando r a la
vez.
El nmero de permutaciones
de n elementos tomados r a la
vez
se
define
como:

Desarrollo del Trabajo:

Cuadro Sinptico:

COMBINATORIAS

AXIOMAS
DE PROBABILIDAD
Los Axiomas
de probabilidad
que
satisfacen la probabilidad de cualquier
experimento aleatorio. Estos axiomas
no determinan las probabilidades, lo
que hacen es facilitar el clculo de las
probabilidades de algunos eventos a
partir del conocimiento de las
probabilidades de otros.Entendiendo
la probabilidad de cualquier evento
PROBABILIDAD
como un nmero entre 0 y 1, ella
UNIDAD 1 satisface las siguientes propiedades:

Si S es el espacio muestral y A es
cualquier evento del experimento
aleatorio, entonces:
1.

P(S)= 1

2.
Estos axiomas implican los siguientes
resultados.

La probabilidad de un
evento imposible es 0
P()=0.

La probabilidad de que un
evento ocurra con certeza
es 1.

Para cualquier evento A,

P(At)=1-P(A).

Si el evento A1 est

Si se tiene que tiene un

conjunto de n elementos.
Una combinacin de ellos,
tomados r a la vez, es un
subconjunto de r elementos
donde el orden no se tiene en
cuenta. El nmero de
combinaciones de n elementos
tomados r a la vez,
, sin
tener en cuenta el orden, es:

Desarrollo del Trabajo:

Cuadro Sinptico:
Regla dela adiccin:

AXIOMAS DE PROBABILIDAD

Para eventos mutuamente excluyentes.

A menudo, estamos interesados en la
probabilidad de que una cosa u otra
suceda;

es

decir

nos

interesa

la

probabilidad de la unin de dos eventos. Si

estos

dos

eventos

excluyentes,

son

podemos

mutuamente

expresar

esta

probabilidad haciendo uso de la regla de

adicin

para

eventos

mutuamente

excluyentes:
P (A U B) = P (A) + P (B)
Existe un caso especial, para cualquier
evento A, tenemos que ste sucede o no
sucede. De modo que los eventos A y A'
son mutuamente excluyentes y exhaustivos:
P(A) + P(A') = 1

PROBABILIDADP(A') = 1 - P(A)
UNIDAD 1
Eventos que no son mutuamente
excluyentes.
Si dos eventos no son mutuamente
excluyentes, es posible que ambos se
presenten al mismo tiempo. En tales casos,
debemos modificar la regla de la adicin
para evitar el conteo doble:

P(A U B) = P(A) + P(B) - P(AnB)

REGLA DE LA MULTIPLICACIN

Cuando se presentan dos eventos, el

resultado del primero puede tener un efecto
en el resultado del segundo, o puede no
tenerlo. Esto es, los eventos pueden ser
dependientes o independientes. Existen
tres tipos de probabilidades que se
presentan bajo independencia estadstica:

Marginal.

Conjunta.

Condicional.

Desarrollo del Trabajo:

Cuadro Sinptico:
Sea A1, A2, ...,An un sistema
TEOREMA DE BAYES
completo de sucesos, tales que la
probabilidad de cada uno de ellos
es distinta de cero, y sea B un
suceso cualquier del que se
conocen
las
probabilidades
condicionales P(B/Ai). entonces la
probabilidad P(Ai/B) viene dada
por la expresin:

Resulta que:

el denominador corresponde a
encontrar la Probabilidad Total de
B.

PROBABILIDAD
UNIDAD 1
En los problemas relacionados con

la probabilidad, y en particular con

la probabilidad condicionada, as
como con la probabilidad total y el
teorema de Bayes, es recomdable
que
con la informacin del
problema, se construya una tabla
de contingencia o diagrama de
rbol.

ESTUDIO DE CASO 1
En una universidad de Bogot se realiz un informe sobre el rendimiento
acadmico de los estudiantes que cursaron asignaturas en el rea de
matemticas 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 compilacin de la informacin
reportada por los docentes del rea, incluye 2755 registros de
estudiantes inscritos en alguna de las asignaturas ofrecidas por el
rea. Los profesores reportaron la valoracin (notas) de cada corte,
y con ellas se hizo seguimiento durante el semestre.
APROB: Estudiantes que finalizaron el curso con una nota superior o igual a 3.0.
REPROB: Estudiantes que finalizaron el curso con una nota inferior a 3.0 sin
contar a quienes ya perdieron por fallas, o fueron reportados por cancelacin de
semestre.
CANCELO O PERDIO POR FALLAS: Estudiantes que perdieron por fallas, o
fueron reportados por cancelacin de semestre

Curso
Algebra lineal
Anlisis numrico
Clculo infinitesimal
Calculo integral
Clculo multivariado
Calculo negocios
Ecuaciones diferenciales
Estadstica bsica
Estadstica inferencial
Matemticas avanzadas

Aprob

Reprob

178
146
252
56
244
226
178
33
269
199

10
15
37
8
49
44
47
11
70
53

Cancelo o perdi
por fallas
30
21
39
15
64
61
40
9
98
73

Total
218
182
328
79
357
331
265
53
437
325

Matemticas discretas
Pre calculo
Probabilidad
TOTAL

Programa
Administracin ambiental
Admn. empresas
Arquitectura
Contadura
Economa
Ing. Meca trnica
Ing. Civil
Ing. Financiera
Ing. Sistemas
Ing. Telecomunicaciones
Negocios Internacionales
Psicologa
Total

Profesor
Csar r.
Claudia v.
Diana m.
Ernesto s.
Diego v.
Eduardo m.
Enrique p
Fernando m.
Gloria a.
Jairo a.
Javier b.
Jos c.
Luz p.
Marcela f.
Mara a.
Mario g
Mercedes s.

44
42
6
1873

13
24
8
389

Aprob

Reprob

146
295
297
99
99
515
88
83
127
32
69
23
1873

15
44
53
23
19
118
20
29
26
9
21
12
389

Aprob

Reprob

52
31
97
166
36
154
118
125
151
116
98
49
142
60
93
90
60

4
17
5
17
25
21
32
19
10
9
23
19
27
16
15

23
17
3
493
Cancelo o
perdi por
fallas
21
41
71
19
24
154
27
22
53
15
33
13
493
Cancelo o perdi
por fallas
1
5
18
21
4
26
13
21
20
26
29
16
44
21
37
46
27

80
83
17
2755

Total
182
380
421
141
142
787
135
134
206
56
123
48
2755

Total
53
36
119
204
45
197
156
167
203
161
137
74
209
100
157
152
102

Oscar n.
Patricia m.
Ricardo o.
Sandra m.
Total

111
37
57
30
1873

48
14
31
37
389

45
22
46
5
493

Con el propsito de evaluar el resultado acadmico en los cursos del rea de

matemticas, a usted le han llamado para que ayude en el anlisis de datos.
Utilice su conocimiento de la probabilidad para ayudar a realizar el informe
solicitado.
Prepare un informe en el que debe incluir como mnimo lo siguiente:
1. La probabilidad de que un estudiante apruebe un curso del rea de
matemticas
2. La probabilidad de que un estudiante repruebe un curso del rea de
matemticas.
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un
curso del rea de matemticas.
4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada
uno de los cursos del rea
5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.
6. Califique los profesores del rea de acuerdo a los resultados obtenidos.
Establezca los criterios que utiliz y d las razones de su eleccin
7. En que programa hay mejores resultados. Establezca los criterios que utiliz y
d las razones de su eleccin

204
73
134
72
2755

Solucin:
1. La probabilidad de que un estudiante apruebe un curso del rea de matemticas

Probabilidad de que un estudiante apruebe un curso del rea de matemticas:

P:

total de Aprobados
100
Nmero total de estudiantes

P:

1873
100
2755

P: 0,68100

P: 0,68100

P 68
La Probabilidad de que un estudiante apruebe el curso del rea de
matemticas es del 68%.

2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.

Solucin:

P:

total de Reprobados
100
Nmero total de estudiantes

P:

389
100
2755

P: 0,14100

P: 0,14100

P:14
La Probabilidad de que un estudiante Repruebe el curso del rea de
matemticas es del 14%.

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe

un curso del rea de matemticas.
Profesor

Aprob

Csar r.
Claudia v.
Diana m.
Ernesto s.
Diego v.
Eduardo

52
31
97
166
36
154

Probabilidad de Aprobar
P(A) = 52/53 =
P(A) = 31/36 =
P(A) = 97/119 =
P(A) = 166/204 =
P(A) = 36/45 =

0,98 % * 100 = 98%

0,86 % *100 = 86%
0,82 % *100 = 82%
0,81 % *100 = 81%
0,80 % * 100= 80%

Total
53
36
119
204
45
197

m.
Enrique p
Fernando
m.
Gloria a.
Jairo a.
Javier b.
Jos c.
Luz p.
Marcela f.
Mara a.
Mario g
Mercedes
s.
Oscar n.
Patricia
m.
Ricardo
o.
Sandra
m.
Total

118
125

P(A) = 154/197 =
P(A) = 118/156 =
P(A) = 125/167 =

0,78 % *100
0,76 % *100
0,75 % *100

151
116
98
49
142
60
93
90
60

P(A) = 151/203 =
P(A) = 116/161 =
P(A) = 98/137 =
P(A) = 49/74 =
P(A) = 142/209 =
P(A) = 60/100 =
P(A) = 93/157 =
P(A) = 90/152 =
P(A) = 60/102 =

0,74 % *100 = 74%

0,72% *100 = 72%
0,72 % *100 = 72%
0,66 % *100 = 66%
0,68 % *100 = 68%
0,60 % *100 = 60%
0,59 % *100 = 59%
0,59 % *100 = 59%
0,58 % *100 = 58%

203
161
137
74
209
100
157
152
102

111
37

P(A) = 11/204 =
P(A) = 37/73 =

0,05% *100
0,51 % *100

= 5%
= 51%

204
73

57

P(A) = 57/100 =

0,43 % *100

= 43%

134

30

P(A) = 30/72 =

0,41% *100

= 41%

72

P(A) = 1837/2755= 0,66 % *100

= 66%

2755

1873

= 78%
= 76%
= 75%

156
167

4.
Si un estudiante aprueba un curso, establezca la probabilidad de que
sea cada uno de los cursos del rea
Curso
Algebra lineal
Anlisis numrico
Clculo infinitesimal
Calculo integral
Clculo multivariado
Calculo negocios
Ecuaciones diferenciales
Estadstica bsica
Estadstica inferencial
Matemticas avanzadas
Matemticas discretas
Pre calculo
Probabilidad
TOTAL

Aprob
178
146
252
56
244
226
178
33
269
199
44
42
6
1873

Probabilidad de Aprobar
P(A) = 178/218 = 0,82 % * 100 = 82%
P(A) = 146/182 = 0,80 % * 100 = 80%
P(A) = 252/328 = 0,77 % * 100 = 77%
P(A) = 56/79 = 0,71 % * 100 = 71%
P(A) = 244/357 = 0,68 % * 100 = 68%
P(A) = 226/331 = 0,68 % * 100 = 68%
P(A) = 178/265 = 0,67 % * 100 = 67%
P(A) = 33/53 = 0,62 % * 100 = 62%
P(A) = 269/437 = 0,62 % * 100 = 62%
P(A) = 199/325 = 0,61 % * 100 = 61%
P(A) = 44/80 = 0,55 % * 100 = 55%
P(A) = 42/83 = 0,51 % * 100 = 51%
P(A) = 6/17 = 0,35 % * 100 =
35%

Total
218
182
328
79
357
331
265
53
437
325
80
83
17
2755

5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.
Se aplica la frmula de Probabilidad Clsica, en donde los caso favorables al
Evento A se dividen entre el nmero de casos posibles, para este caso el nmero
de los que aprobaron, y se divide entre el nmero total de estudiantes.
De esta manera se analiza que ALGEBRA LINEAL, tiene el mayor porcentaje de
aporbacin en estudiantes.

Curso

Aprob

Algebra
lineal

178

Anlisis
numrico

146

Clculo
infinitesimal

252

Calculo
integral

56

Clculo
multivariado

244

Calculo
negocios

226

Ecuaciones
diferenciales

178

Probabilidad
de Aprobar

P(A)
178/218:
0,82% *100:
82%
P(A)
146/182:
0,80% *100:
80%
P(A)
252/328:
0,77% *100:
77%
P(A) 56/79:
0,71% *100:
71%
P(A)
244/357:
0,68% *100:
68%
P(A)
226/331:
0,68% *100:
68%
P(A)
178/265:

Reprob

10

15

37

49

44

47

Probabilidad Cancelo
de Reprobar o perdi
por
fallas
P(A)
30
10/218:
0,05% *100:
5%
P(A)
21
15/182:
0,08% *100:
8%
P(A)
39
37/328:
0,11% *100:
11%
P(A) 8/79:
15
0,10% *100:
10%
P(A)
64
49/357:
0,14% *100:
14%
P(A)
61
44/331:
0,14% *100:
14%
P(A)
40
47/265:

Probabilidad
por fallas

P(A)
30/218:
0,14% *100:
14%
P(A)
21/182:
0,11% *100:
11%
P(A)
39/328:
0,12% *100:
12%
P(A) 15/79:
0,18% *100:
18%
P(A)
64/357:
0,18% *100:
18%
P(A)
61/331:
0,18% *100:
18%
P(A)
40/265:

Total
218
(7)

182
(6)

328
(10)

79
(3)
357
(12)

331
(11)

265
(8)

Estadstica
bsica

33

Estadstica
inferencial

269

Matemtica
s avanzadas

199

Matemtica
s discretas

44

Pre calculo

42

Probabilidad

TOTAL

1873

0,67% *100:
67%
P(A) 33/53:
0,62% *100:
62%
P(A)
269/437:
0,62% *100:
62%
P(A)
199/325:
0,61% *100:
61%
P(A) 44/80:
0,55% *100:
55%
P(A) 42/83:
0,51% *100:
51%
P(A) 6/17:
0,35% *100:
35%

11

70

53

13

24

389

0,18% *100:
18%
P(A) 11/53:
0,21% *100:
21%
P(A)
70/437:
0,16% *100:
16%
P(A)
53/325:
0,16% *100:
16%
P(A) 13/80:
0,16% *100:
16%
P(A) 24/83:
0,29% *100:
29%
P(A) 8/17:
0,47% *100:
47%

98

73

23

17

493

0,15% *100:
15%
P(A) 9/53:
53
0,17% *100:
(2)
17%
P(A)
437
98/437:
(13)
0,22% *100:
22%
P(A)
325
73/325:
(9)
0,22% *100:
22%
P(A) 23/80:
80
0,29% *100:
(4)
29%
P(A) 17/83:
83
0,21% *100:
(5)
21%
P(A) 3/17:
17(1)
0,18% *100:
18%
2755

6. Califique los profesores del rea de acuerdo a los resultados obtenidos.

Establezca los criterios que utiliz y d las razones de su eleccin.
Con la Frmula de Probabilidad Clsica, los casos favorables al evento A se
dividen entre el nmero de casos posibles, para este caso el nmero de los que
aprobaron dividido el nmero total de estudiantes.
Con el siguiente anlisis podemos ver que le Profesor Csar,obtiene el mayor
porcentaje de probabilidad de que los estudiantes aprueben las materias que el
dicta.

Profesor

Aprob

Csar r.

52

Probabilidad
de Aprobar

P(A) 52/53:
0,98% *100:
98%

Reprob

Probabilidad Cancelo
de Reprobar o perdi
por
fallas
1

Probabilidad
por fallas

P(A) 1/53:
0,02% *100:
2%

Total
53

Claudia v.

31

Diana m.

97

Ernesto
s.

166

Diego v.

36

Eduardo
m.

154

Enrique p

118

Fernando
m.

125

Gloria a.

151

Jairo a.

116

Javier b.

98

Jos c.

49

Luz p.

142

P(A) 31/36:
0,86% *100:
86%
P(A) 97/119:
0,82% *100:
82%
P(A)
166/204:
0,81% *100:
81%
P(A) 36/45:
0,8% *100:
80%
P(A)
154/197:
0,78% *100:
78%
P(A)
118/156:
0,76% *100:
76%
P(A)
125/167:
0,75% *100:
75%
P(A)
151/203:
0,74% *100:
74%
P(A)
116/161:
0,72% *100:
72%
P(A)
98/137:
0,72% *100:
72%
P(A) 49/74:
0,66% *100:
66%
P(A)
142/209:

17

17

P(A) 4/119:
0,03% *100:
3%
P(A) 17/204:
0,08% *100:
8%

18

P(A) 5/45:
0,01% *100:
1%
P(A) 17/197:
0,09% *100:
9%

21

26

P(A) 5/36:
0,14% *100:
14%
P(A) 18/119:
0,15% *100:
15%
P(A) 21/204:
0,10% *100:
10%
P(A) 4/45:
0,08% *100:
8%
P(A) 26/197:
0,13% *100:
13%

36

119

204

45

197

25

P(A) 25/156:
0,16% *100:
16%

13

P(A) 13/156:
0,08% *100:
8%

156

21

P(A) 21/167:
0,13% *100:
13%

21

P(A) 21/167:
0,13% *100:
13%

167

32

P(A) 32/203:
0,16% *100:
16%

20

P(A) 20/203:
0,10% *100:
10%

203

19

P(A) 19/161:
0,12% *100:
12%

26

P(A) 26/161:
0,10% *100:
10%

161

10

P(A) 10/137:
0,07% *100:
7%

29

P(A) 29/137:
0,21% *100:
21%

137

P(A) 9/74:
0,12% *100:
12%
P(A) 23/209:
0,11% *100:

16

P(A) 16/74:
0,22% *100:
22%
P(A) 44/209:
0,21% *100:

74

23

44

209

Marcela f.

60

Mara a.

93

Mario g

90

Mercedes
s.

60

Oscar n.

111

Patricia
m.

37

Ricardo
o.

57

Sandra
m.

30

Total

1873

0,68% *100:
68%
P(A)
60/100:
0,6% *100:
60%
P(A)
93/157:
0,59% *100:
59%
P(A)
90/152:
0,59% *100:
59%
P(A)
60/102:
0,58% *100:
58%
P(A)
111/204:
0,554%
*100: 54%
P(A) 37/73:
0,51% *100:
51%
P(A)
57/134:
0,43% *100:
43%
P(A) 52/53:
0,42% *100:
42%

11%

21%

19

P(A) 19/100:
0,19% *100:
19%

21

P(A) 21/100:
0,21% *100:
21%

100

27

P(A) 27/157:
0,17% *100:
17%

37

P(A) 37/157:
0,30% *100:
30%

157

16

P(A) 16/152:
0,11% *100:
11%

46

P(A) 46/152:
0,11% *100:
11%

152

15

P(A) 15/102:
0,15% *100:
15%

27

P(A) 27/102:
0,26% *100:
26%

102

48

P(A) 48/204:
0,24% *100:
24%

45

P(A) 45/204:
0,22% *100:
22%

204

14

P(A) 14/73:
0,19% *100:
19%
P(A) 31/134:
0,23% *100:
23%

22

P(A) 22/73:
0,30% *100:
30%
P(A) 46/134:
0,34% *100:
34%

73

P(A) 37/72:
0,51% *100:
51%

31

37

389

46

P(A) 5/72:
0,07% *100:
7%

493

7. En que programa hay mejores resultados. Establezca los criterios que

utiliz y d las razones de su eleccin
Da como resultado que el Programa que mejores resultados de Aprobacin tiene
es Administracin Ambiental, resultado obtenido de la aplicacin de la frmual de
Porbabilidad Clsica, donde los casos favorables al Evento A, se dividen entre el

134

72

2755

nmero de casos posibles, para este caso el nmero de los que aprobaron,
dividido el total de estudiantes.

Programa

Aprob

Administracin
ambiental

146

Admn. empresas

295

Arquitectura

297

Contadura

99

Economa

99

Ing. Meca trnica

515

Ing. Civil

88

Ing. Financiera

83

Ing. Sistemas

127

Reprob

P(A)
146/182:
0,80%
*100: 80%
P(A)
295/380:
0,77%
*100: 77%
P(A)
297/421:
0,71%
*100: 71%
P(A)
99/141:
0,70%
*100: 70%
P(A)
99/142:
0,70%
*100: 70%
P(A)
515/787:
0,65%
*100: 65%
P(A)
88/135:
0,65%
*100: 65%
P(A)
83/134:
0,62%
*100: 62%
P(A)
127/206:

15

44

53

23

19

118

20

29

26

P(A)
15/182:
0,08%
*100: 8%
P(A)
44/380:
0,12%
*100: 12%
P(A)
53/421:
0,13%
*100: 13%
P(A)
23/141:
0,16%
*100: 16%
P(A)
19/142:
0,13%
*100: 13%
P(A)
118/787:
0,15%
*100: 65%
P(A)
20/135:
0,15%
*100: 15%
P(A)
29/134:
0,22%
*100: 22%
P(A)
26/206:

Cancel
oo
perdi
por
fallas
21

41

71

19

24

154

27

22

53

Total

P(A)
21/182:
0,11%
*100: 11%
P(A)
41/380:
0,11%
*100: 11%
P(A)
71/421:
0,29%
*100: 29%
P(A)
19/141:
0,13%
*100: 13%
P(A)
24/142:
0,17%
*100: 17%
P(A)
154/787:
0,20%
*100: 20%
P(A)
27/135:
0,2% *100:
20%
P(A)
22/134:
0,16%
*100: 16%
P(A)
53/206:

182

380

421

141

142

787

135

134

206

Ing.
Telecomunicacione
s
Negocios
Internacionales

32

Psicologa

23

Total

69

1873

0,62%
*100: 62%
P(A) 32/56:
0,57%
*100: 57%
P(A)69/123
: 0,56%
*100: 56%
P(A) 23/48:
0,48%
*100: 48%

21

12

389

0,13%
*100: 13%
P(A) 9/56:
0,16%
*100: 16%
P(A)21/123
: 0,17%
*100: 17%
P(A) 12/48:
0,25%
*100: 48%

15

33

13

493

0,26%
*100: 26%
P(A) 15/56: 56
0,27%
*100: 27%
P(A)33/123 123
: 0,27%
*100: 27%
P(A) 13/48: 48
0,27%
*100: 27%
275
5

ESTUDIO DE CASO 2
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
exmenes de seleccin, que solan estar asociados principalmente con exmenes
mdicos de diagnstico pero que ahora estn encontrando aplicaciones en varios
campos de actividad. Los exmenes de esteroides en atletas, los exmenes
caseros de embarazo y los exmenes para detectar sida son algunas otras
aplicaciones. Los exmenes de seleccin se evalan sobre la probabilidad de un
falso negativo o un falso positivo y stas dos son probabilidades condicionales. Un
falso positivo es el evento de que el examen sea positivo para una condicin
determinada, dado que la persona no tiene la condicin. Un falso negativo es el
evento de que el examen sea negativo para una condicin determinada, dado que
la persona tiene la condicin.
Se pueden evaluar estas probabilidades condicionales usando una frmula
derivada por el probabilista Thomas Bayes, llamada el Teorema de Bayes. El
teorema se utiliza para revisar probabilidades previamente calculadas cuando se
posee nueva informacin y fue desarrollado por el reverendo Thomas Bayes en el
siglo XVII,
Suponga que cierta enfermedad est presente en el 10% de la poblacin, y que
hay un examen de seleccin diseado para detectar si esta enfermedad est

presente. El examen no siempre funciona a la perfeccin. A veces, es negativo

cuando la enfermedad est presente y otras es positivo en ausencia de ella. La
tabla siguiente muestra la proporcin en que el examen produce varios resultados:
Resultado del examen
positivo
8%
5%

Enfermedad presente
Enfermedad Ausente

Resultado del examen

Negativo
22 %
85 %

Con base en esta informacin y usando el Teorema de Bayes, elabore un informe

que como mnimo, debe incluir:
1.

Probabilidad de que la enfermedad este presente

2.

Probabilidad de que la enfermedad est ausente

3.

Probabilidad de un falso positivo, es decir que el examen sea positivo dado

que la persona no tiene la enfermedad

4.

Probabilidad de un falso negativo, es decir, que el examen resulte negativo

dado que la persona tiene la enfermedad

5.

Probabilidad de que la persona tenga la enfermedad dado que el examen

resulto positivo
6.

Probabilidad de que la persona NO tenga la enfermedad dado que el

examen resulto positivo

7.

Probabilidad de que la persona tenga la enfermedad dado que el examen

resulto negativo
8.

Probabilidad de que la persona NO tenga la enfermedad dado que el

examen resulto negativo

9.

De acuerdo con las probabilidades encontradas, que tan confiable es este

examen de seleccin para detectar la enfermedad?

Positivo
(O)
Presente
(P)
Ausente
(A)

Negativo
(N)

0.08

0.02

0.05

0.85

P ( P )=0.1
P ( A )=10.1=0.9
P

=0.944
( NA )= P (PN( A )A ) = 0.85
0.9

=0.2
( NP )= P (PN( P )P ) = 0.02
0.1
P ( P )P

( NP )

( NP )= P ( P )P N + P ( A )P N
( P)
(A)

0.10.2
=0.023
( NP )= 0.10.2+
0.90.944

=0.056
( OA )= P (PO( A )A ) = 0.05
0.9

El caso nos presenta un problema en el falso negativo, pues es bastante alto y

puede causar confianza en las personas y no realizar ningn tratamiento.

ESTUDIO DE CASO 3
En su excitante novela Congo, Michael Chichn describe la bsqueda de
depsitos de diamantes azules cubiertos de boro llevada a cabo por Earth
Resources Technology Services (ERTS), una compaa dedicada a estudios
geolgicos. Segn ERTS los diamantes son la clave para una nueva generacin
de computadoras pticas. En la novela ERTS compite contra un consorcio
internacional por encontrar la cuidad perdida de Zinj, que prosper dada la minera
de diamantes hace varios miles de aos (segn la leyenda africana) y se ubica en
lo ms profundo de la selva tropical de Zaire Oriental.
Despus de la misteriosa destruccin de su primera expedicin, ERTS lanza una
segunda expedicin dirigida por Karen Ross, una experta en computacin de 24
aos de edad, acompaada por el profesor Peter Eliot, un antroplogo; Amy, un
gorila parlante; y el afamado mercenario y lder de la expedicin, el capitn
Charles Munro. Las acciones ofensivas del consorcio, la mortal selva tropical y las
hordas de gorilas parlantes asesinos, que percibieron que su misin era defender
las minas de diamantes, bloquean los esfuerzos de Ross para encontrar la ciudad.
Para superar estos obstculos Ross utiliza computadoras de la era espacial para
evaluar las probabilidades de xito en todas las circunstancias posibles y las
acciones que pudiera llevar a cabo la expedicin. En cada etapa de la expedicin,
ella evala rpidamente las probabilidades de xito.
En una etapa de la expedicin Ross recibe informes de su oficina principal en
Houston, de que sus computadoras estiman que tiene 18 horas y 20 minutos de
retraso en relacin 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 paracadas en una regin volcnica cerca de la ubicacin estimada de Zinj.
Segn el relato de Crichton, Ross haba vuelto a revisar las probabilidades de la
computadora de Houston y los resultados eran inequvocos. La probabilidad de un
salto exitoso era 0,7980; sin embargo, dado un salto exitoso, la probabilidad de
xito de la expedicin era de 0,9943 con lo cual casi se aseguraba de que
venceran al consorcio

Sin olvidar que se trata de la cita de una novela, examine las probabilidades
mencionadas y determine:
1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de
completar su salto con xito?
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 xito?
3. En el relato se afirma que: esa probabilidad de 0,7980 significaba que haba
casi una posibilidad entre cinco de que alguien se hiera seriamente en un salto.
Concuerda usted con esa afirmacin? Si o no. Por qu?
Solucin:
1.

0,7980*0,9943 = 0.7934514

0.7934514 sera la probabilidad de terminar el salto con xito, pero al no saber de

paracaidismo esta probabilidad se volvera a 0 ya que sin tener este conocimiento
o destreza se podra perder la expedicin.
2.

0.7934514 es la probabilidad de salto con xito de una persona del equipo.

3.

Si, ya que el rango de error es de 20% el cual nos dice que pueden haber

entre 2 o 3 personas heridas en el equipo.

Bueno en este caso yo desarrolle el tema de probabilidad es la probabilidad de
que ocurra un evento A, sabiendo que tambin sucede otro evento B. La
probabilidad condicional se escribe P(A|B), y se lee la probabilidad de A dado B.
No tiene por qu haber una relacin causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede

causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o

temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden
desempear un papel o no dependiendo de la interpretacin que se le d a los
eventos.
Un ejemplo clsico es el lanzamiento de una moneda para luego lanzar un dado.
Cul es la probabilidad de obtener una cara (moneda) y luego un 6 (dado)? Pues
eso se escribira como P (Cara | 6).
El condicionamiento de probabilidades puede lograrse aplicando el teorema de
Bayes.
El teorema de Bayes, en la teora de la probabilidad, es una proposicin planteada
por el filsofo ingls Thomas Bayes (1702-1761)1 en 1763,2 que expresa la
probabilidad condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir, que sabiendo la probabilidad de tener un dolor
de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la
probabilidad de tener gripe si se tiene un dolor de cabeza. Muestra este sencillo
ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus
ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad
de aspectos causales dados los efectos observados.
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de
Bayes, tambin conocida como la Regla de Bayes:
Esta frmula nos permite calcular la probabilidad condicional de cualquiera de los
eventos , dado .
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la
probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten

probabilidades basadas en experimentos repetibles y que tengan una confirmacin

emprica

mientras

que

los

llamados

estadsticos

bayesianos

permiten

probabilidades subjetivas. El teorema puede servir entonces para indicar cmo

debemos

modificar

nuestras

probabilidades

subjetivas

cuando

recibimos

informacin adicional de un experimento. La estadstica bayesiana est

demostrando su utilidad en ciertas estimaciones basadas en el conocimiento
subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la
evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento.
Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente
usados en implementaciones de filtros de correo basura o spam, que se adaptan
con el uso. Otra aplicacin se encuentra en la fusin de datos, combinando
informacin expresada en trminos de densidad de probabilidad proveniente de
distintos sensores.
Como observacin, se tiene y su demostracin resulta trivial.
.

ESTUDIO DE CASO N 4
Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al ao. En la
gran mayora de los casos presentados, la sentencia permanece como se
present. Sin embargo, algunos casos son apelados y en algunos de estos se
revoca la sentencia. Una periodista del diario Cincinnati Times realiz un estudio
de los casos manejados por los jueces del condado de Hamilton durante un
periodo de tres aos 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 aos.
El propsito del estudio es evaluar el desempeo de los jueces. Las apelaciones
con frecuencia son resultado de errores cometidos por los jueces y el diario quera
saber cules jueces estaban haciendo un buen trabajo y cules cometan
demasiados errores. A usted le han llamado para que ayude en el anlisis 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
Juez Tribunal Penal

Fred Cartolano
Thomas Crush
Patrick Dinkelacker
Timothy Hogan
Robert Kraft
William Mathews
William Morrissey
Norbert Nadel
Arthur Ney, Jr.
Richard Niehaus
Thomas Nurre
John OConnor
Robert Ruehlman

Casos
Presentados

Casos
apelados

3037
3372
1258
1954
3138
2264
3032
2959
3219
3353
3000
2969
3205

137
119
44
60
127
91
121
131
125
137
121
129
145

Casos
Revocados

12
10
8
7
7
18
22
20
14
16
6
12
18

J.
Howard
Sundermann
Ann Marie Tracey
Ralph Winkler
Total

Penelope
Cunningham
Patrick Dinkelacker
Deborah Gaines
Ronald Panioto
Total
Juez Tribunal Civil

Mike Allen
Nadine Allen
Timothy Black
David Davis
Leslie Isaiah Gaines
Karla Grady
Deidra Hair
Dennis Helmick
Timothy Hogan
James
Patrick
Kenney
Joseph Luebbers
William Mallory
Melba Marsh
Beth Mattingly
Albert Mestemaker
Mark Painter
Jack Rosen
Mark Schweikert
David Stockdale
John A. West
Total

955
3141
3089
43945

60
127
88
1762

10
13
6
199

Casos
Casos
Casos
Presentados apelados Revocados

2729
6001
8799
12970
30499

7
19
48
32
106

1
4
9
3
17

Casos
Casos
Casos
Presentados apelados Revocados

6149
7812
7954
7736
5282
5253
2532
7900
2308

43
34
41
43
35
6
5
29
13

4
6
6
5
13
0
0
5
2

2798
4698
8277
8219
2971
4975
2239
7790
5403
5371
2797
108464

6
25
38
34
13
28
7
41
33
22
4
500

1
8
9
7
1
9
3
13
6
4
2
104

Prepare un informe con las calificaciones de los jueces. Incluya tambin un

anlisis de la probabilidad de la apelacin y la revocacin de casos en los tres
tribunales. Como mnimo, su informe debe incluir lo siguiente:

1. La probabilidad de casos que se apelan y revocan en los tres tribunales

2. La probabilidad de que se apele un caso, por cada juez
3. La probabilidad de que se revoque un caso, por cada juez
4. La probabilidad de una revocacin dada una apelacin, por cada juez
5. Clasique a los jueces dentro de cada tribunal. Establezca los criterios que
utiliz y d las razones de su eleccin.
.
Anlisis:
Sea Espacio Muestral, S = {A, B, C]

Sea A = Tribunal Penal

Sea B = Tribunal Familiar
Sea C = Tribunal Civil

1. La probabilidad de casos que se apelan y revocan en los tres tribunales

a.

Sea P(A) = 1 / n Los casos que se apelan del tribunal penal

Respuesta: P(A) = 1762 / 43945 = 0,04009 Casos que se apelan
Sea P(A) = 1 / n Los casos que se revocan del tribunal penal
Respuesta: P(A) = 199 / 43945 = 0,00453 Casos que se revocan

b.

Sea P(B) = 1 / n Los casos que se apelan del tribunal familiar

Respuesta: P(B) = 106 / 30499 = 0,00347 Casos que se apelan
Sea P(B) = 1 / n Los casos que se revocan del tribunal familiar
Respuesta: P(B) = 17 / 30499 = 0,00056 Casos que se revocan

c.

Sea P(C) = 1 / n Los casos que se apelan del tribunal civil

Respuesta: P(C) = 500 / 108464 = 0,00460 Casos que se apelan

Sea P(C) = 1 / n Los casos que se revocan del tribunal civil

Respuesta: P(C) = 104 / 108464 = 0,00096 Casos que se revocan

2. La probabilidad de que se apele un caso, por cada juez
Sea P(A + B+ C) / 3, Probabilidad de apelacin por cada juez
P(A + B+ C) / 3 = (0,04009 + 0,00347 + 0,00460) / 3
P(A + B+ C) / 3 = (0,04818) / 3
Respuesta: P(A + B+ C) / 3 = 0,16053 Probabilidad de apelacin por cada
juez.
3. La probabilidad de que se revoque un caso, por cada juez
Sea P(A + B+ C) / 3, Probabilidad que se revoque por cada juez
P(A + B+ C) / 3 = (0,00453 + 0,00056 + 0,00096) / 3
P(A + B+ C) / 3 = (0,00605) / 3
Respuesta: P(A + B+ C) / 3 = 0,00202 Probabilidad de revoque por cada
juez.
4. La probabilidad de una revocacin dada una apelacin, por cada juez
Sea [(P(A + B+ C) / 3) / (P(A + B+ C) / 3) = Apelacin / Revocacin
Respuesta: 0,00202 / 0,16053 = 0,01258
Probabilidad de revocacin por apelacin por cada juez.

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que
utiliz y de las razones de su eleccin.

Clasificacin jueces - anlisis

a.

Tribunal penal

P(A) = 1762 / 43945 = 0,04009 Casos apelados = 4%

P(A) = 199 / 43945 = 0,00453 Casos revocados = 0,4 %
b.

Tribunal familiar

P(B) = 106 / 30499 = 0,00347 Casos apelados = 0,3 %

P(B) = 17 / 30499 = 0,00056 Casos revocados = 0,06 %
c.

Tribunal civil

P(C) = 500 / 108464 = 0,00460 Casos apelados = 0,5 %

P(C) = 104 / 108464 = 0,00096 Casos revocados = 0,01 %
Razones
El juez civil es el que ms trabaja con 108464 casos y en comparacin con el
nmero de casos el ms eficiente con 0,5% casos apelados y 0,001 de casos
revocados.
El juez penal es el menos eficiente con ms casos apelados = 4 % y revocados =
0,4 %, pero es el segundo que ms trabaja.
El juez familiar es el que menos traba.
Criterios
Los porcentajes de atencin de casos, ms los porcentajes de eficiencia en casos
apelados y revocados.

ESTUDIO DE CASO 5

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 compaa 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 tambin y6 % de los que vende
Crawford Components son defectuosos. Cuando los chips LS-24 se reciben, se les
coloca directamente en un depsito 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 identific los chips, no se est
seguro de qu proveedor los fabric. Con el propsito de evaluar con que
proveedor hay mayor probabilidad de tener chips defectuosos, usted ha sido
llamado para que ayude en el anlisis de datos. Utilice su conocimiento de la
probabilidad para ayudar a realizar el informe solicitado.
Prepare un informe en el que debe incluir como mnimo lo siguiente:
1.- Probabilidad de que un chip este defectuoso
A1= 2% Hall Electronics
A2=4% Schuller Sales
A3=6% Crawford Components
A= 12% de los chips defectuosos
B(1)= chips LS-24 defectuoso
P(B1/A)=0,12
Hay una probabilidad de que salgan 0,12 del total defectuosos

2.- Probabilidad de que el chip este en buenas condiciones

B(2)= chips LS-24 NO defectuoso
A= 88% buenas condiciones
P(B2/A)= 0,88
La probabilidad de que los chips salgan en buenas condiciones es del 0,88
3.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de
que haya sido fabricado por cada uno de los proveedores
A1= chips LS-24 se le compra a Hall Electronics
B1
(
A1 )
A1
P(
=
B1 )
B1
B1
B1
P ( A 1) P (
+ P ( A 2) P (
+ P ( A 3) P (
)
)
A1
A2
A3 )
P ( A 1) P

( AB 11 )= 0,250,02+ 0,250,02
0,300,04 +0,450,06

( AB 11 )= 0,005+O0,005
,012+ 0,027

( AB 11 )= 0,005
0,044

( AB 11 )= 0,005
0,044

( AB 11 )=0,1136

La probabilidad de que un chip defectuoso sea elaborado por Hall Electronics es

del 11,36% o 11%
A2= chips LS-24 se le compra a Schuller Sales

B1
(
A 2)
A2
P(
=
B1 )
B1
B1
B1
P( A 1) P (
+ P ( A 2) P (
+ P ( A 3) P (
)
)
A1
A2
A3 )
P ( A 2) P

( AB 12 )= 0,250,02+ 0,300,04
0,300,04+0,450,06

( AB 12 )= 0,005+O0,012
, 012+ 0,027

( AB 12 )= 0,012
0,044

( AB 12 )= 0,012
0,044

( AB 12 )=0,2727

La probabilidad de que un chip defectuoso sea elaborado por Schuller Sales es del
27,27% o 27%
A3= chips LS-24 se le compra a Crawford Components

B1
(
A3)
A3
P(
=
B1 )
B1
B1
B1
P ( A 1) P (
+ P( A 2) P(
+ P ( A 3) P (
)
)
A1
A2
A 3)
P(A3)P

0,450,06
( AB 13 )= 0,250,02+0,300,04+0,450,06

( AB 12 )= 0,005+O0,027
, 012+ 0,027

( AB 12 )= 0,027
0,044

( AB 12 )=0,6136

La probabilidad de que un chip defectuoso sea elaborado por Crawford

Components es del 61,36% o del 61%
4.- Si el chip seleccionado est en buenas condiciones, debe encontrar la
Probabilidad de que haya sido fabricado por cada uno de los proveedores

Para el desarrollo del informe se recomienda:

a.

Identificar los eventos mutuamente excluyentes

Hay tres eventos mutuamente excluyentes

A1= chips LS-24 se le compra a Hall Electronics
A2= chips LS-24 se le compra a Schuller Sales
A3= chips LS-24 se le compra a Crawford Components
b.

Identificar las probabilidad de los eventos mutuamente excluyentes

(probabilidades a priori)

la probabilidad se asigna antes de obtener los datos empricos.

P(A1)= 0,25
P(A2)= 0,30
P(A3)= 0,45
c.

Identificar las probabilidades condicionales presentadas

Caractersticas
B(1)= chips LS-24 defectuoso
B(2)= chips LS-24 NO defectuoso
Probabilidades de que los LS-24 salgan defectuosos

P(B1/A1)= 0,02 Hall Electronics

P(B1/A2)=0,04 Schuller Sales
P(B1/A3)=0,06 Crawford Components
5.- Elabore un diagrama de rbol que represente las probabilidades encontradas.
A1= chips LS-24 se le compra a Hall Electronics
A2= chips LS-24 se le compra a Schuller Sales
A3= chips LS-24 se le compra a Crawford Components
B(1)= chips LS-24 defectuoso
B(2)= chips LS-24 NO defectuoso

CONCLUSIONES

Con el desarrollo de la anterior Actividad se consolida la Teora estudiada

en la Unidad 1, al aplicar y estudiar cada uno de los casos propuestos en la
Gua, ya que en la solcuin de los mismos de manera prctica desarrollo
cada caso.
Se empelaron cada una de los temas de la Unidad 1 para resolver de
manera particular cada ejercicio, aprendiendo de esta forma lo concerniente
a procedimientos frmulas, Axiomas, etc.

REFERENCIAS BIBLIOGRFICAS

UNAD. (2016). Entorno de Conocimiento:Principios de Probabilidad. Recuperado

el 02 de Marzo de 2016 de From :
http://campus03.unad.edu.co/ecbti04/mod/book/view.php?
id=6223&chapterid=1712
UNAD. (2016). Entorno de Conocimiento:Experimento Aleatorio, Espacio Muestral
y Eventos. Recuperado el 02 de Marzo de 2016 de From :
http://campus03.unad.edu.co/ecbti04/mod/book/view.php?
id=6223&chapterid=1557
UNAD. (2016). Entorno de Conocimiento:Tcnicas de Conteo. Recuperado el 07
de Marzo de 2016 de From : http://u.jimdo.com/
UNAD. (2016). Entorno de Conocimiento:Axiomas de Probabilidad. Recuperado el
10 de Marzo de 2016 de From :
http://datateca.unad.edu.co/contenidos/301014/axiomas_de_la_probabilida
d.pdf