Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDAD
GRUPO:
100402_257
PRESENTADO POR:
DIEGO FRANCISCO BALLEN
CODIGO: 1075626149
CESAR AUGUSTO RUBIO
CODIGO: 5.822.788
JAMES EDUARDO MONTEALEGRE
CODIGO: 1.105.676.815
ORLANDO RODRIGUEZ
CODIGO: 1075628254
DIEGO FERNANDO GUEVARA
CODIGO:
TUTORA:
ANGELLI ARIAS
Tabla de contenido
INTRODUCCION................................................................................................... 3
CONCEPTOS TEORICOS UNIDAD 1......................................................................4
ESTUDIOS DE CASO............................................................................................ 5
ESTUDIO DE CASO 1........................................................................................ 5
DESCRIPCION DEL CASO............................................................................... 5
CONCEPTOS PARA SU SOLUCION..................................................................7
SOLUCION DEL CASO.................................................................................. 10
ESTUDIO DE CASO 2...................................................................................... 15
DESCRIPCION DEL CASO............................................................................. 15
CONCPETOS CLAVE PARA SU DESARROLLO................................................16
SOLUCION DEL CASO.................................................................................. 17
ESTUDIO DE CASO 3...................................................................................... 18
DESCRIPCION DEL CASO............................................................................. 18
CONCEPTOS PARA LA SOLUCION:...............................................................19
SOLUCION DEL CASO.................................................................................. 22
ESTUDIO DE CASO 4...................................................................................... 24
DESCRIPCION DEL CASO............................................................................. 24
CONCEPTOS CLAVE PARA SU SOLUCION.....................................................25
SOLUCION DEL CASO.................................................................................. 27
ESTUDIO DE CASO 5...................................................................................... 34
DESCRIPCION DEL CASO............................................................................. 34
CONCEPTOS CLAVE PARA SU DESARROLLO................................................35
SOLUCION DEL CASO.................................................................................. 37
CONCLUSIONES................................................................................................. 41
BIBLIOGRAFIA.................................................................................................... 42
INTRODUCCION
El siguiente documentos es la solucin de uno de los casos de estudio propuestos en el
trabajo colaborativo 1 del curso de probabilidad, en este trabajo analizaremos varias fuentes
de datos y estadsticas para resolver 7 incgnitas relacionas con estos datos.
Para resolver estas preguntas, tenemos que tener en claro algunos de los siguientes temas
vistos en la unidad 1 tales como:
Teorema de Bayes.
ESTUDIOS DE CASO
ESTUDIO DE CASO 1
DESCRIPCION DEL CASO
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.
Estudiantes que perdieron por fallas, o fueron reportados por cancelacin de semestre
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.
CONCEPTOS PARA SU SOLUCION
ESPACIO MUESTRAL
Espacio maestral es el conjunto formado por todos los posibles resultados de un
experimento aleatorio.
Suceso o Evento de un fenmeno o experimento aleatorio es cada uno de los subconjuntos
del espacio maestral S los elementos de S se llaman sucesos individuales o sucesos
elementales. Tambin son sucesos el suceso vaco o suceso imposible, , y el propio S,
suceso seguro.
Permutaciones y Combinaciones
Para entender lo que son las permutaciones es necesario definir lo que es una combinacin
y lo que es una permutacin para establecer su diferencia y de esta manera entender
claramente cuando es posible utilizar una combinacin y cuando utilizar una permutacin al
momento de querer cuantificar los elementos de algn evento.
Permutaciones
Es todo arreglo de elementos en donde nos interesa el lugar o posicin que ocupa cada uno
de los elementos que constituyen dicho arreglo.
Combinaciones
Es todo arreglo de elementos en donde no nos interesa el lugar o posicin que ocupa cada
uno delos elementos que constituyen dicho arreglo.
la probabilidad de un evento, se pueden reunir ciertas caractersticas conocidas como
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.
P(S)= 1
AXIOMAS
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que
una funcin definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Fueron formulados por Kolmogrov en1933.
Primer axioma:
La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0 p(A) 1
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5
Segundo Axioma:
La probabilidad de que ocurra el espacio muestral debe de ser 1.
p() = 1
Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1".
Tercer Axioma:
Si A y B son eventos mutuamente excluyentes, entonces la,
p(AB) = p(A) + p(B)
CURSOS
Algebra lineal
Anlisis numrico
Clculo infinitesimal
Calculo integral
Clculo multivariado
Calculo negocios
Ecuaciones diferenciales
Estadstica bsica
Estadstica inferencial
Matemticas avanzadas
Matemticas discretas
Precalculo
Probabilidad
TOTAL
LA PROBABILIDAD DE QUE UN
ESTUDIANTE APRUEBE UN CURSO DEL
REA DE MATEMTICAS
PROGRAMA
APROB
Psicologa
Ing.
Telecomunicacio
nes
Contadura
Administracin
ambiental
Ing. Financiera
Economa
Ing. Civil
Negocios
Internacionales
Admn.
Empresas
Ing. Sistemas
Arquitectura
Ing. Mecatronica
23
32
REPROB CANCEL
OO
PERDI
POR
FALLAS
12
13
9
15
TOTAL
PORCENTA
JE DE
APROVACI
ON
48
56
48%
57%
99
146
23
15
19
21
141
182
70%
80%
83
99
88
69
29
19
20
21
22
24
27
33
134
142
135
123
62%
70%
65%
56%
295
44
41
380
78%
127
317
515
26
55
118
53
74
154
206
446
787
62%
71%
65%
5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca
los criterios que utiliz y d las razones de su eleccin.
Desde el anlisis del cuadro podemos decir que el mejor curso en relacin
aprobado y reprobado por x o y motivo seria Administracin ambiental seguida de
Administracin de empresas
mejor profesor por resultados iniciales este seria Cesar R., pero si tuviramos que
evaluar a un docente teniendo en cuenta reprobados y fallas el mejor de todos en
ese nivel seria Diego V, ya que presenta un numero bajo de reprobados y fallas en
relacin con las otras materias
PROFESOR
Porcentaje de aprobados
Cesar R.
Claudia V.
Diana M.
Ernesto S.
Diego V.
Eduardo M.
Enrique P.
Fernando M.
Gloria A.
Jairo A.
Javier B.
Jose C.
Luz P.
Marcela F.
Maria A.
Mario G.
Mercedes S.
Oscar N.
Patricia M.
Ricardo O.
Sandra M.
7. En que programa hay mejores resultados. Establezca los criterios que utiliz y
d las razones de su eleccin
Desde mi punto de el mejor programa de los disponibles seria Administracin
ambiental porque es el que menos reprobados y perdidos por fallas presenta en
relacin con los otros programas si lo vemos desde el porcentaje de cada tem a
evaluar
PROGRAMA
Administracin de ambiental
Administracin de empresas
Arquitectura
Contadura
Economa
Ing. Mecatrnica
Ing. Civil
Ing. Financiera
Ing. Sistemas
Ing. Telecomunicaciones
Negocios Internacionales
Psicologa
PROGRAMA
Administracin de
ambiental
Administracin de
empresas
Arquitectura
Contadura
Economa
Ing. Mecatrnica
Ing. Civil
Ing. Financiera
Ing. Sistemas
Ing.
Telecomunicacione
s
Negocios
Internacionales
Psicologa
APROB
REPROB
CANCELO O
PERDI POR
FALLAS
80%
8%
12%
78%
12%
11%
71%
70%
70%
65%
65%
62%
62%
13%
16%
13%
15%
15%
22%
4%
17%
13%
17%
20%
20%
16%
26%
57%
38%
27%
56%
17%
27%
48%
25%
27%
TOTAL
182
380
421
141
142
787
135
134
206
56
123
48
ESTUDIO DE CASO 2
DESCRIPCION DEL CASO
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
Enfermedad ausente
Enfermedad presente
positivo
8%
5%
negativo
22%
85%
Con base en esta informacin y usando el Teorema de Bayes, elabore un informe que como
mnimo, debe incluir:
P ( A 1 ) . P ( B| A 1 )
N
eg
Tot
al
85
%
90
%
3. probabilidad de un falso positivo, es decir que el examen sea positivo dado que
la persona no tienela enfermedad es decir, corresponda a la probabilidad
condicionada dada por:
P
P(pos/A)=0.05/(0.05)+(0.85)
P(pos/A)=0.0555=5.6
La probabilidad de que sea un falso positivo es del 5,6%
4. la probabilidad de que sea un falso negativo, es decir, que el examen resulte
negativo dado que la persona tiene la enfermedad.
Es decir la probabilidad condicionada dada por
p ( p )=0.22/(0.22)+(0.85)
p=( p ) =0.20=20
0.08
( posp )= 0.08+
0.05
p/ pos=0.615=62
p
p( A/ pos)=1p ( p/ pos )
p( A/ pos)=0.384=38
ESTUDIO DE CASO 3
DESCRIPCION DEL CASO
AXIOMAS
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse
para que una funcin definida sobre un conjunto de sucesos determine
consistentemente sus probabilidades. Fueron formulados por Kolmogrov en1933.
Axiomas de Kolmogrov:
Primer axioma:
La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y
uno.
0 p(A) 1
p(d) = 1
Generalizando:
p=
p=
1
12
p=0,083
p=8,3
Una probabilidad de 8,3%
p=0.7980
( 121 )
p=0.98137
p(xito)=0.9813
P (no xito)
1P(xito )
10.7980
0.2
ESTUDIO DE CASO 4
DESCRIPCION DEL CASO
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
La probabilidad de un suceso
Segundo axioma
, es igual a 1, es decir,
Tenemos un resultado de x1
Tercer axioma
Si
son sucesos mutuamente excluyentes (incompatibles dos a dos,
disjuntos o de interseccin vaca dos a dos), entonces:
.
Segn este axioma se puede calcular la probabilidad de un suceso compuesto de
varias alternativas mutuamente excluyentes sumando las probabilidades de sus
componentes.
JUEZ TRIBUNAL DE
FAMILIA
Penelope
Cunningham
Patrick Dinkelacker
Deborah Gaines
Ronal Panioto
probabili
probabili
dad
dad
casos
Casos
revocado
Apelados
s
0,045
0,004
0,035
0,003
0,035
0,006
0,031
0,004
0,040
0,002
0,040
0,008
0,040
0,007
0,044
0,007
0,039
0,004
0,041
0,005
0,040
0,002
Casos
Casos
Casos
Presenta Apelad Revoca
dos
os
dos
3037
137
12
3372
119
10
1258
44
8
1954
60
7
3138
127
7
2264
91
18
3032
121
22
2959
131
20
3219
125
14
3353
137
16
3000
121
6
2969
3205
955
3141
3089
43945
Casos
Presenta
dos
2729
6001
8799
12970
129
145
60
127
88
1762
12
18
10
13
6
199
0,043
0,045
0,063
0,040
0,028
0,040
0,004
0,006
0,010
0,004
0,002
0,005
probabilid
Casos
probabilid ad casos
Casos
Revocado ad Casos revocado
Apelados
s
Apelados
s
7
19
48
32
1
4
9
3
0,0026
0,0032
0,0055
0,0025
0,0004
0,0007
0,0010
0,0002
TOTAL
JUEZ TRIBUNAL
CIVIL
Mike Allen
Nadine Allen
Timothy Black
David Davis
Leslie Isaiah
Gaines
Karla Grady
Deidra Hair
Dennis Helmick
Tomothy Hogan
James Patrick
Kenny
Joseph Luebbers
William Mallory
Melba Marsh
Beth Mattingly
Albert
Mestemaker
Mark Painter
Jack Rosen
Mark Schweikert
David Stockdate
Jhon A. West
TOTAL
30499
106
17
0,0035
probabilid
Casos
Casos
probabilid ad casos
Presenta
Casos
Revocado ad Casos revocado
dos
Apelados
s
Apelados
s
6149
43
4
0,007
0,001
7812
34
6
0,004
0,001
7954
41
6
0,005
0,001
7736
43
5
0,006
0,001
5282
5253
2532
7900
2308
35
6
5
29
13
13
0
0
5
2
0,007
0,001
0,002
0,004
0,006
0,002
0,000
0,000
0,001
0,001
2798
4698
8277
8219
2971
6
25
38
34
13
1
8
9
7
1
0,002
0,005
0,005
0,004
0,004
0,000
0,002
0,001
0,001
0,000
4975
2239
7790
5403
5371
2797
108464
28
7
41
33
22
4
500
9
3
13
6
4
2
104
0,006
0,003
0,005
0,006
0,004
0,001
0,005
0,002
0,001
0,002
0,001
0,001
0,001
0,001
0,0006
1762
43945
P casosapelados en T . P=0,040
P casosapelados en T . P=4
106
30499
P casosapelados en T . F=0,0034
P casosapelados en T . F=0,34
500
108464
P casosapelados en T . C=0,0046
P casosapelados en T . C=0,46
199
43945
P casosrevocados en T . P=0,0045
P casosrevocados en T . P=0,45
17
30499
P casosrevocados en T . F=0,00055
P casosrevocados en T . F=0,05
199
43945
P casosrevocados en T .C=0,00095
P casosrevocados en T .C=0,095
probabili
probabili
dad
Casos
Casos
Casos
dad
casos
Presenta Apelad Revoca
Casos
revocado
dos
os
dos
Apelados
s
955
60
10
0,063
0,010
Robert Ruehlman
Fred Cartolano
Norbert Nadel
John Oconnor Robert
Ruehiman
Richard Neihaus
Robert Kraft
Ann Marie Tracey
Thomas Nurre
william Mathews
william Morrissey
Arthur Ney Jr
Thomas Crush
Patrick Dinkelacker
Timothe Hogan
Ralph Winkler
TOTAL
JUEZ TRIBUNAL DE
FAMILIA
Deborah Gaines
Patrick Dinkelacker
Penelope
Cunningham
Ronal Panioto
JUEZ TRIBUNAL
CIVIL
Mike Allen
Leslie Isaiah
Gaines
Mark Schweikert
Tomothy Hogan
Albert
Mestemaker
David Davis
Joseph Luebbers
Jack Rosen
Timothy Black
William Mallory
3205
3037
2959
145
137
131
18
12
20
0,045
0,045
0,044
0,006
0,004
0,007
2969
3353
3138
3141
3000
2264
3032
3219
3372
1258
1954
3089
43945
129
137
127
127
121
91
121
125
119
44
60
88
1762
12
16
7
13
6
18
22
14
10
8
7
6
199
0,043
0,041
0,040
0,040
0,040
0,040
0,040
0,039
0,035
0,035
0,031
0,028
0,040
0,004
0,005
0,002
0,004
0,002
0,008
0,007
0,004
0,003
0,006
0,004
0,002
0,005
probabilid
Casos
Casos
probabilid ad casos
Presenta
Casos
Revocado ad Casos revocado
dos
Apelados
s
Apelados
s
8799
48
9
0,0055
0,0010
6001
19
4
0,0032
0,0007
2729
12970
7
32
1
3
0,0026
0,0025
0,0004
0,0002
probabilid
Casos
Casos
probabilid ad casos
Presenta
Casos
Revocado ad Casos revocado
dos
Apelados
s
Apelados
s
6149
43
4
0,007
0,001
5282
5403
2308
35
33
13
13
6
2
0,007
0,006
0,006
0,002
0,001
0,001
4975
7736
4698
7790
7954
8277
28
43
25
41
41
38
9
5
8
13
6
9
0,006
0,006
0,005
0,005
0,005
0,005
0,002
0,001
0,002
0,002
0,001
0,001
Beth Mattingly
Nadine Allen
Melba Marsh
David Stockdate
Dennis Helmick
Mark Painter
James Patrick
Kenny
Deidra Hair
Jhon A. West
Karla Grady
2971
7812
8219
5371
7900
2239
13
34
34
22
29
7
1
6
7
4
5
3
0,004
0,004
0,004
0,004
0,004
0,003
0,000
0,001
0,001
0,001
0,001
0,001
2798
2532
2797
5253
6
5
4
6
1
0
2
0
0,002
0,002
0,001
0,001
0,000
0,000
0,001
0,000
JUEZ TRIBUNAL DE
FAMILIA
Deborah Gaines
Patrick Dinkelacker
Penelope
Casos
Casos
Casos
Presenta Apelad Revoca
dos
os
dos
955
60
10
2264
91
18
3032
121
22
2959
131
20
1258
44
8
3205
145
18
3353
137
16
3219
125
14
3141
127
13
2969
3037
1954
3372
3138
3000
3089
129
137
60
119
127
121
88
12
12
7
10
7
6
6
probabili
probabili
dad
dad
casos
Casos
revocado
Apelados
s
0,063
0,010
0,040
0,008
0,040
0,007
0,044
0,007
0,035
0,006
0,045
0,006
0,041
0,005
0,039
0,004
0,040
0,004
0,043
0,045
0,031
0,035
0,040
0,040
0,028
0,004
0,004
0,004
0,003
0,002
0,002
0,002
probabilid
Casos
Casos
probabilid ad casos
Presenta
Casos
Revocado ad Casos revocado
dos
Apelados
s
Apelados
s
8799
48
9
0,0055
0,0010
6001
19
4
0,0032
0,0007
2729
7
1
0,0026
0,0004
Cunningham
Ronal Panioto
JUEZ TRIBUNAL
CIVIL
Leslie Isaiah
Gaines
Albert
Mestemaker
Joseph Luebbers
Jack Rosen
Mark Painter
Mark Schweikert
William Mallory
Tomothy Hogan
Melba Marsh
Nadine Allen
Timothy Black
David Stockdate
Jhon A. West
Mike Allen
David Davis
Dennis Helmick
James Patrick
Kenny
Beth Mattingly
Deidra Hair
Karla Grady
12970
Casos
Presenta
dos
32
0,0025
0,0002
probabilid
Casos
probabilid ad casos
Casos
Revocado ad Casos revocado
Apelados
s
Apelados
s
5282
35
13
0,007
0,002
4975
4698
7790
2239
5403
8277
2308
8219
7812
7954
5371
2797
6149
7736
7900
28
25
41
7
33
38
13
34
34
41
22
4
43
43
29
9
8
13
3
6
9
2
7
6
6
4
2
4
5
5
0,006
0,005
0,005
0,003
0,006
0,005
0,006
0,004
0,004
0,005
0,004
0,001
0,007
0,006
0,004
0,002
0,002
0,002
0,001
0,001
0,001
0,001
0,001
0,001
0,001
0,001
0,001
0,001
0,001
0,001
2798
2971
2532
5253
6
13
5
6
1
1
0
0
0,002
0,004
0,002
0,001
0,000
0,000
0,000
0,000
ESTUDIO DE CASO 5
DESCRIPCION DEL CASO
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
Proveedores
Halls Electronics
Schuller Sales
Crawfor Componets
25%
45%
30%
La probabilidad subjetiva
Se trata de la probabilidad asignada a un evento por parte de una persona, de
acuerdo a la evidencia que tiene disponible, dicha evidencia puede presentarse en
forma de frecuencia relativa de presentacin de eventos pasados o puede tratarse
simplemente de una creencia meditada.
Espacio muestral
Se llama al conjunto formado por todos los posibles resultados de un experimento
aleatorio. La coleccin de resultados que se obtiene en los experimentos
aleatorios se le llama espacio muestral.
Suceso o Evento
Es cada uno de los subconjuntos del espacio muestral en un fenmeno o en
experimento aleatorio. Los elementos de S se llaman sucesos individuales o
sucesos elementales. Tambin son sucesos el suceso vaco o suceso imposible,
, y el propio S, suceso seguro.
Suceso aleatorio
Es la determinacin de un evento sin lograr asegurar un resultado exacto, un
acontecimiento que ocurrir o no, que depende del azar.
Permutacin
Hace referencia al acomodo y orden de los elementos de un conjunto, para una
mayor manipulacin de dichos elementos.
Teorema de Bayes
Se le llama as al clculo de las probabilidades la determinacin de la probabilidad
de las causas a partir de los efectos que han podido ser observados. Ejemplo:
Proveedor
Halls Electronics
Schuller Sales
Crawfor
Componets
Total
12%
Proveedor
Halls Electronics
Schuller Sales
Crawfor Componets
Total
Porcentaje
23%
26%
39%
88%
Existe una probabilidad del 88% de que el Chip salga en Buen estado.
Pd 1=
2
=0,17=17
12
Pd 2=
4
=0,33=33
12
Pd 3=
6
=0,5=50
12
17 +33 +50 =100
Pd 1=
23
=0,26=26
88
Pd 2=
26
=0,296=30
88
CONCLUSIONES
Con el desarrollo de este trabajo practico, se coloc en prctica los conceptos de la unidad
uno, dando solucin a los casos planteados.
Es interesante ver como la probabilidad es un curso tan practico, y como nos puede ser til
en casos de la vida real, generando un valor agregado como profesionales.
BIBLIOGRAFIA
Universidad de Malaga (2010) bioestadstica recuperado en 18 de marzo de 2016 en
www.bioestadistica.uma.es/baron/apuntes/ficheros/estad_uma_04.pdf