Fase 1 100402 Grupo 257

TRABAJO COLABORATIVO FASE 1
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

MARZO DE 2016
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
ESTUDIO DE CASO 3...................................................................................... 18
CONCEPTOS PARA LA SOLUCION:...............................................................19
ESTUDIO DE CASO 4...................................................................................... 24
CONCEPTOS CLAVE PARA SU SOLUCION.....................................................25
ESTUDIO DE CASO 5...................................................................................... 34
CONCEPTOS CLAVE PARA SU DESARROLLO................................................35
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:
Definicin de Experimento aleatorio y espacio Maestral,
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.
CONCEPTOS TEORICOS UNIDAD 1
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.
Definicin Clsica de Probabilidad o a Priori Cuando un experimento aleatorio tiene n

resultados, y todos ellos con igual posibilidad de ocurrencia, entonces se emplea el mtodo
clsico de la probabilidad para estimar la posibilidad de ocurrencia de cada uno de ellos. Le
corresponde pues, a cada resultado, una probabilidad igual a 1/n. Considere, por ejemplo,
un dado de 6 caras, cul es la probabilidad de que caiga el nmero 5 despus de un
lanzamiento? Un dado balanceado (esto es, no recargado) tiene 6 resultados posibles: 1, 2,
3, 4, 5, 6. La probabilidad de que caiga el nmero 5 es igual a la probabilidad que tiene
cualquier otro de los valores, y esta es igual a 1/6. Resumiendo, la probabilidad de que
ocurra un evento A cualquiera, que tiene la misma posibilidad de ocurrencia que cualquier
otro evento dentro del espacio maestral de tamao n, se define como:
Espacio muestral discreto, son espacios muestrales cuyos elementos resultan de

hacer conteos, siendo por lo general subconjuntos de los nmeros enteros.
Espacio muestral continuo, son espacios muestrales cuyos elementos resultan de

hacer mediciones, siendo por lo general intervalos en el conjunto de los nmeros
reales.
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.
Entendiendo la probabilidad de cualquier evento como un nmero entre 0 y 1, ella satisface

las siguientes propiedades:
Si S es el espacio muestral y A es cualquier evento del experimento aleatorio, entonces:
1.
P(S)= 1
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 contenido en el evento A2, entonces:
La probabilidad de un evento compuesto, generado al aplicar las operaciones bsicas de los

conjuntos a los eventos individuales que lo componen (unin, interseccin y complemento
de eventos), se puede obtener a partir de las probabilidades de los eventos individuales. En
estos casos, las operaciones bsicas de los conjuntos tambin son tiles para determinar la
probabilidad de un evento compuesto
Regla de la adicin
a.- Regla de la adicin 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 son
mutuamente excluyentes, podemos 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
P(A') = 1 - P(A)
b.- Regla de adicin para 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)
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)
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
SOLUCION DEL CASO
1. La probabilidad de que un estudiante apruebe un curso del rea de
matemticas
La probabilidad de que un estudiante apruebe:

(Total Aprobados/Nmero Total*100%)
P= 1873/2755=0.67*100%=67%
2. La probabilidad de que un estudiante repruebe un curso del rea de

matemticas.
La probabilidad de que un estudiante repruebe:
(Total Reprobados/Nmero Total*100%)

P= 389/2755=0.14*100=14%
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un

curso del rea de matemticas.
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
P: (178 / 218) = 0.81 * 100 = 81.65%

P: (146 / 182) = 0.78 * 100 = 78.4%
P: (252 / 328) 0.76 * 100 = 76.8 %
P: (56 / 79) = 0.70 * 100 = 70.8%
P: (244 / 357) = 0.68 * 100 = 68.34%
P: (226 / 331) = 0.68 * 100 = 68.27%
P: (178 / 265) = 0.67 * 100 = 67.16%
P: (33 / 53) = .622 * 100 = 62.26%
P: (269 / 437) = 0.61 *100 = 61.55%
P: (199 / 325) = 0.61 * 100 = 61.23%
P: (44 / 80) = 0.55 *100 = 55%
P: 42 / 83) = 0.50 * 100 = 50.60%
P: (6 / 17) = 0.35 * 100 = 35.29%
1873
4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada

uno de los cursos del rea
Para halla la probabilidad de aprobacin de cada curso tenemos que aplicar la
siguiente formula
Aprobados / Total *100%
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
6. Califique los profesores del rea de acuerdo a los resultados obtenidos.

Establezca los criterios que utiliz y d las razones de su eleccin
Esta calificacin es un poco difcil porque si observamos en la tabla original del
inicio, no todos los profesores presentan reprobados por en el caso de los
primeros dos, y su porcentaje de perdida por fallas es mnimo si hablramos del
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.
P: (52 / 53) = 0.98 * 100 = 98%

P: (31 / 36) = 0.86 * 100 = 86%
P: (97 / 119) = 0.81 * 100 = 81%
P: (166 / 204) = 0.81 * 100 = 81%
P: (36 / 45) = 0.8 * 100 = 80%
P: (154 / 197) = 0.78 * 100 = 78%
P: (118 / 156) = 0.75 * 100 = 75%
P: (125 / 167) = 0.74 * 100 = 74%
P: (151 / 203) = 0.74 * 100 = 74%
P: (116 / 161) = 0.72 * 100 = 72%
P: (98 / 137) = 0.71 * 100 = 71%
P: (69 / 99) = 0.69 * 100 = 69%
P: (142 /209) = 0.67 * 100 = 67%
P: (60 / 100) = 0.6 * 100 = 60%
P: (93 / 157) = 0.59 * 100 = 59%
P: (90 / 152) = 0.59 * 100 = 59%
P: (60 / 102) = 0.58 * 100 = 58%
P: (111 / 204) = 0.54 * 100 = 54%
P: (37 / 73) = 0.50 * 100 = 50%
P: (57 / 134) = 0.42 * 100 = 42%
P: (30 / 72) = 0.41 * 100 = 41%
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
APROB REPROB CANCELO

O PERDI
POR
FALLAS
146
15
21
295
44
41
297
53
71
99
23
19
99
19
24
515
118
154
88
20
27
83
29
22
127
9
53
32
21
15
69
21
33
23
12
13
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
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
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:
Sea (A1 /B)=
P ( A 1 ) . P ( B| A 1 )
P ( A 1 ) . P ( B| A 1 )|P ( A 2 ) . P ( B| A 2 )|P ( An )P( B An)
CONCPETOS CLAVE PARA SU DESARROLLO

EL TEOREMA DE BAYER: 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.
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, qu tan confiable es este
examen de seleccin para detectar la enfermedad?
SOLUCION DEL CASO

La posibilidad de que la enfermedad este presente es del 10% que corresponde a
la probabilidad de que la enfermedad no este ausente. Es decir,
P ( A )=1P ( A )
P ( A )=10.9=0.1
P ( A )=10
2. La probabilidad de que la enfermedad este ausente

La probabilidad de que la enfermedad este ausente es del 90%que corresponde
ala probabilidad de que no tengan la enfermedad, aun cuando salga el resultado
positivo (5%) o salga negativo (85%).
p
o
s
A 5
%
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
( posA )= p ( posp ( an) A ) =p ( pos )P ( posA ) p ( pos )p( N / pos)
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
La probabilidad de ser un falso negativo es del 20%
5. Probabilidad de que la persona tenga la enfermedad dado que el

examen resulte positivo.
p
0.08
( posp )= 0.08+
0.05
p/ pos=0.615=62
p
6. Probabilidad de que la persona no tenga la enfermedad dado que el

examen resulto positivo.
p( A/ pos)=1p ( p/ pos )
p( A/ pos)=0.384=38
ESTUDIO DE CASO 3
En su excitante novela Congo, Michael Crichton 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:
CONCEPTOS PARA LA SOLUCION:
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
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 d debe de ser 1.
p(d) = 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)
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la

suma de las probabilidades individuales de dichos sucesos.
Segn este axioma se puede calcular la probabilidad de un suceso compuesto de

varias alternativas mutuamente excluyentes sumando las probabilidades de sus
componentes.
Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An,

entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
EXPERIMENTOS O FENMENOS ALEATORIOS: son los que pueden dar lugar a

varios resultados, sin que pueda ser previsible enunciar con certeza cul de stos
va a ser observado en la realizacin del experimento.
SUCESO ALEATORIO: es un acontecimiento que ocurrir o no, dependiendo del

azar.
ESPACIO MUESTRAL: es el conjunto formado por todos los posibles resultados
de un experimento aleatorio. En adelante lo designaremos por E.
DISTRIBUCION BINOMIAL
En estadstica, la distribucin binomial es una distribucin de probabilidad
discreta que mide el nmero de xitos en una secuencia de n ensayos
independientes de Bernoulli con una probabilidad fija p de ocurrencia del xito
entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son
posibles dos resultados. A uno de estos se denomina xito y tiene una
probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En
la distribucin binomial el anterior experimento se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un determinado nmero de
xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de
Bernoulli.
La distribucin binomial est asociada a experimentos del siguiente tipo:
- Realizamos n veces cierto experimento en el que consideramos solo la
posibilidad de xito o fracaso.
- La obtencin de xito o fracaso en cada ocasin es independiente de la

obtencin de xito o fracaso en las dems ocasiones.
- La probabilidad de obtener xito o fracaso siempre es la misma en cada ocasin.
FORMULA:
n = cantidad de ensayos o experimentos

k = cantidad de xitos
p = probabilidad de xito
q = probabilidad de fracasos (1-p)
SOLUCION DEL CASO

1- Si fuera uno de los 12 miembros del equipo, cual es la probabilidad
de completar su salto con xito?
p=
p=
1
12
p=0,083
p=8,3
Una probabilidad de 8,3%
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?
La probabilidad conjunta de los 12 miembros es 0.798, debemos
Aplicar la siguiente ecuacin para determinar la probabilidad
buscada
Si todo el equipo es:
p12=P=0.7980
p12=0.7980
p=0.7980
( 121 )
p=0.98137
p(xito)=0.9813
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?
La respuesta es s.
Porque?
La probabilidad de un salto no exitoso seria:
P (no xito)
1P(xito )
10.7980
0.2
P (no xito) = 0.2

Y un miembro entre 5 seria:
1
=0.2
5
Por lo que hay la probabilidad de que uno de los cinco no logre un
salto exitoso y salga herido en el salto.
ESTUDIO DE CASO 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
CONCEPTOS CLAVE PARA SU SOLUCION
EXPERIMENTO: es lo que se realiza para comprobar suposiciones, mitos o

simplemente acciones a verificar.
EXPERIMENTO ALEATORIO: como su nombre lo dice, son acciones aleatorias,
es decir, espordicas que no se sabe el resultado antes de empezar, peri se puede
conocer el nmero de opciones posibles, por ejemplo cuando vamos a lanzar un
dado, sabemos que hay 6 posibles resultados para salgan, pero no sabemos cul
de ellos se sacar en el primer turno.
ESPACIO MAESTRAL: es el conjunto de todos los posibles resultados al realizar
el experimento, en el ejemplo del dado, son los valores que pueden salir en el
dado.
EVENTO: es un conjunto de espacio maestral, siguiendo el mismo ejemplo,
representa cada vez que se lanza el dado y se obtiene un resulado.
TCNICAS DE CONTEO: Son las tcnicas usadas para enumerar eventos
difciles de cuantificar. Las tcnicas que se destacan son:
La tcnica de la multiplicacin: Si se desea realizar una actividad que

consta de r pasos, en donde el primer paso de la actividad a realizar puede
ser llevado a cabo de N 1 maneras o formas, el segundo paso de N 2
maneras o formas y el r-simo paso de N r maneras o formas, entonces esta
actividad puede ser llevada a efecto de. El principio multiplicativo implica
que cada uno de los pasos de la actividad deben ser llevados a efecto, uno
tras otro
La tcnica aditiva: Si se desea llevar a efecto una actividad, la cul tiene
formas alternativas para ser realizada, donde la primera de esas
alternativas puede ser realizada de M maneras o formas, la segunda
alternativa puede realizarse de N maneras o formas ..... y la ltima de las
alternativas puede ser realizada de W maneras o formas
La tcnica de la suma o adicion: Si una primera operacin puede realizarse
de m maneras y una segunda operacin de n maneras, entonces una
operacin o la otra pueden efectuarse de: m+n maneras
La tcnica de la permutacin: A diferencia de la formula de la multiplicacin,
se la utiliza para determinar el numero de posibles arreglos cuando solo hay
un solo grupo de objetos. Permutacin: un arreglos o posicin de r objetos

seleccionados de un solo grupo de n objetos posibles. Si nos damos cuenta
los arreglos a, b, c y b, a, c son permutaciones diferentes, la formula que se
utiliza para contar el numero total de permutaciones distintas
La tcnica de la combinacin: En una permutacin, el orden de los objetos
de cada posible resultado es diferente. Si el orden de los objetos no es
importante, cada uno de estos resultados se denomina combinacin. Por
ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas
seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos
funciones diferentes, entonces si importa el orden, los resultados sern
permutaciones
AXIOMAS DE PROBABILIDAD: son las condiciones mnimas que se deben

verificarse para que la funcin definida sobre un conjunto de sucesos determine
consistentemente sus posibilidades.
Primer axioma
La probabilidad de un suceso
es un nmero real mayor o igual que 0.
Segundo axioma
La probabilidad del total,
, 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.
SOLUCION DEL CASO

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
JUEZ TRIBUNAL PENAL

Fred Cartolano
Thomas Crush
Patrick Dinkelacker
Timothe Hogan
Robert Kraft
william Mathews
william Morrissey
Norbert Nadel
Arthur Ney Jr
Richard Neihaus
Thomas Nurre
John Oconnor Robert
Ruehiman
Robert Ruehlman
J. Howard Sudermann
Ann Marie Tracey
Ralph Winkler
TOTAL
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
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
PROBABILIDAD DE CASOS APELADOS:
0,0006
La probabilidad de que los casos sean apelados en el Tribunal Penal es:
numero de casos apelados en T . P

totalde casos enT . P
P casosapelados en T . P=
1762
43945
P casosapelados en T . P=0,040
P casosapelados en T . P=4
La probabilidad de que los casos sean apelados en el Tribunal de familia es:
numero de casos apelados en T . F

totalde casos enT . F
P casosapelados en T . F=
106
30499
P casosapelados en T . F=0,0034
P casosapelados en T . F=0,34
La probabilidad de que los casos sean apelados en el Tribunal Civiles:
numero de casos apelados en T . C

total de casos enT .C
P casosapelados en T . C=
500
108464
P casosapelados en T . C=0,0046
P casosapelados en T . C=0,46
PROBABILIDAD DE CASOS REVOCADOS:
La probabilidad de que los casos sean revocados en el Tribunal Penal es:
numero de casos revocados en T . P

total de casos en T . P
P casosrevocados en T . P=
199
43945
P casosrevocados en T . P=0,0045
P casosrevocados en T . P=0,45
La probabilidad de que los casos sean revocados en el Tribunal de Familia es:
numero de casos revocados en T . F

total de casos en T . F
P casosrevocados en T . F=
17
30499
P casosrevocados en T . F=0,00055
P casosrevocados en T . F=0,05
La probabilidad de que los casos sean revocados en el Tribunal Civil es:
numero de casos revocados en T . C

total de casos en T . C
P casosrevocados en T .C=
199
43945
P casosrevocados en T .C=0,00095
P casosrevocados en T .C=0,095
2. La probabilidad de que un caso sea apelado para cada juez

Probabilidad de que un caso sea apeado por un juez Penal
1
=0,00056=0,05
1762
Probabilidad de que un caso sea apeado por un juez de Familia
1
=0,0094=0,94
106
Probabilidad de que un caso sea apeado por un juez Civil

1
=0,002=0,2
500
3. La probabilidad de que una sentencia sea revertida para cada juez
Probabilidad de que una sentencia sea revertida por un Juez Penal

1
=0,0050=0,50
199
Probabilidad de que una sentencia sea revertida por un Juez de Familia

1
=0,058=5,8
17
Probabilidad de que una sentencia sea revertida por un Juez Civil
1
=0,0096=0,96
104
4. La probabilidad de revocacin dada una apelacin para cada juez
Probabilidad de revocacin dada una apelacin por un juez Penal:
199
=0,112=11,2
1762
17
=0,160=16
106
104
=0,208=20,8
500
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utilizo y de las
razones de su eleccin
De mayor a menor segn la probabilidad de casos apelados:
JUEZ TRIBUNAL PENAL

J. Howard Sudermann
probabili
probabili
dad
Casos
Casos
Casos
dad
casos
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
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
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
De mayor a menor segn probabilidad de casis revocados:
JUEZ TRIBUNAL PENAL

J. Howard Sudermann
william Mathews
william Morrissey
Norbert Nadel
Patrick Dinkelacker
Robert Ruehlman
Richard Neihaus
Arthur Ney Jr
Ann Marie Tracey
John Oconnor Robert
Ruehiman
Fred Cartolano
Timothe Hogan
Thomas Crush
Robert Kraft
Thomas Nurre
Ralph Winkler
JUEZ TRIBUNAL DE
FAMILIA
Deborah Gaines
Patrick Dinkelacker
Penelope
Casos
Casos
Casos
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
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
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
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:
Proveedores
Halls Electronics
Schuller Sales
Crawfor Componets
25%
45%
30%
CONCEPTOS CLAVE PARA SU DESARROLLO

Definicin Clsica de Probabilidad:
En el uso clsico de la probabilidad para establecer la posibilidad de ocurrencia de
cada uno de los experimentos aleatorios que teniendo n resultados, y todos ellos
con igual posibilidad de ocurrencia, donde siendo 1/n las posibilidades sobre n
resultados
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:
Regla del exponente

Como su nombre lo indica es elevar o exponer el conjunto de elementos
determinado elevado al nmero de elementos que lo componen, si se tienen un
conjunto de N elementos y se construye con estos elementos un conjunto de n
elementos, con la condicin de que cada vez que se tome un elemento del
conjunto de N elementos este sea nuevamente reemplazado.
SOLUCION DEL CASO

1.- Probabilidad de que un chip este defectuoso
2 + 4 + 6 =12 Existe una probabilidad del 12 de que un chip salga defectuoso
Proveedor
Halls Electronics
Schuller Sales
Crawfor
Componets
Total
Porcentaje que proveen Porcentaje defectuoso

25%
2%
30%
4%
45%
6%
100%
12%
2.- Probabilidad de que el chip este en buenas condiciones

25 2 =23
30 4 =26
45 6 =39
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.
3.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de

que haya sido fabricado por cada uno de los proveedores
Halls electronics Fabrica 25% y el 2% es defectuoso
Pd 1=
2
=0,17=17
12
Schuller Sales Fabrica 30% y el 4% es defectuoso
Pd 2=
4
=0,33=33
12
Crawford Componets Fabrica 45% y el 6% es defectuoso
Pd 3=
6
=0,5=50
12
17 +33 +50 =100
4.- Si el chip seleccionado est en buenas condiciones, debe encontrar la

Probabilidad de que haya sido fabricado por cada uno de los proveedores
Halls electronics Fabrica 25%- 2% =23%
Pd 1=
23
=0,26=26
88
Schuller Sales Fabrica 30% - 4% = 26%
Pd 2=
26
=0,296=30
88
Crawford Componets Fabrica 45%- 6%=39%

39
Pd 3= =0,44=44
88
Para el desarrollo del informe se recomienda: a. Identificar los eventos
mutuamente excluyentes b. Identificar las probabilidad de los eventos mutuamente
excluyentes (probabilidades a priori) c. Identificar las probabilidad condicionales
presentadas
5.- Elabore un diagrama de rbol que represente las probabilidades encontradas.
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
Walple, R (1999), probabilidad y estadstica para ingenieros. Mexico; hispanamericana.

Recuperado el 18 de marzo en: https://books.google.com.co/books?id=XpBm-QwvlMC&lpg=PA52&dq=%22tecnicas+de+conteo%22&hl=es&pg=PA53#v=onepage&q=
%22tecnicas%20de%20conteo%22&f=false

Fase 1 100402 Grupo 257

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fase 1 100402 Grupo 257

Transféré par

Droits d'auteur :

Formats disponibles

TRABAJO COLABORATIVO FASE 1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Definicin de Experimento aleatorio y espacio Maestral,

Eventos o Sucesos, Operaciones entre eventos

Tcnicas de conteo: permutaciones, combinaciones, etc.

Axiomas de probabilidad: Regla de la adicin, regla de la multiplicacin

CONCEPTOS TEORICOS UNIDAD 1

Definicin Clsica de Probabilidad o a Priori Cuando un experimento aleatorio tiene n

Espacio muestral discreto, son espacios muestrales cuyos elementos resultan de

Espacio muestral continuo, son espacios muestrales cuyos elementos resultan de

Entendiendo la probabilidad de cualquier evento como un nmero entre 0 y 1, ella satisface

Estos axiomas implican los siguientes resultados.

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

La probabilidad de un evento compuesto, generado al aplicar las operaciones bsicas de los

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

La probabilidad de que un estudiante apruebe:

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

La probabilidad de que un estudiante repruebe:

(Total Reprobados/Nmero Total*100%)

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

P: (178 / 218) = 0.81 * 100 = 81.65%

4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada

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

P: (52 / 53) = 0.98 * 100 = 98%

APROB REPROB CANCELO

Resultado del examen

Sea (A1 /B)=

P ( A 1 ) . P ( B| A 1 )|P ( A 2 ) . P ( B| A 2 )|P ( An )P( B An)

CONCPETOS CLAVE PARA SU DESARROLLO

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

SOLUCION DEL CASO

2. La probabilidad de que la enfermedad este ausente

( posA )= p ( posp ( an) A ) =p ( pos )P ( posA ) p ( pos )p( N / pos)

La probabilidad de ser un falso negativo es del 20%

5. Probabilidad de que la persona tenga la enfermedad dado que el

6. Probabilidad de que la persona no tenga la enfermedad dado que el

En su excitante novela Congo, Michael Crichton describe la bsqueda

Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5

Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es

Si A y B son eventos mutuamente excluyentes, entonces la,

p(AB) = p(A) + p(B)

Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la

Segn este axioma se puede calcular la probabilidad de un suceso compuesto de

Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An,

p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)

EXPERIMENTOS O FENMENOS ALEATORIOS: son los que pueden dar lugar a

SUCESO ALEATORIO: es un acontecimiento que ocurrir o no, dependiendo del

- La obtencin de xito o fracaso en cada ocasin es independiente de la

n = cantidad de ensayos o experimentos

SOLUCION DEL CASO

2- Si la probabilidad de que los 12 miembros del equipo tengan un

3- En el relato se afirma que: "esa probabilidad de 0,7980 significaba

P (no xito) = 0.2

CONCEPTOS CLAVE PARA SU SOLUCION

EXPERIMENTO: es lo que se realiza para comprobar suposiciones, mitos o

La tcnica de la multiplicacin: Si se desea realizar una actividad que

un solo grupo de objetos. Permutacin: un arreglos o posicin de r objetos

AXIOMAS DE PROBABILIDAD: son las condiciones mnimas que se deben

es un nmero real mayor o igual que 0.

La probabilidad del total,

SOLUCION DEL CASO

JUEZ TRIBUNAL PENAL