UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PROBABILIDAD

TRABAJO COLABORATIVO

DIEGO FERNANDO GUERRA

JEAN PAUL VELASQUEZ TOVAR
LAURA CALDERON NARVAEZ
ALBEIRO BONILLA
BLADIMIR MOLANO

Neiva Huila
2017
 2

Introduccin

En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son diferentes
aunque las condiciones iniciales en las que se produce la experiencia sean las mismas. Por ejemplo, al
lanzar una moneda unas veces resultar cara y otro sello. Estos fenmenos, denominados aleatorios, se
ven afectados por la incertidumbre. En el lenguaje habitual, frases como "probablemente...", "es poco
probable que...", "hay muchas posibilidades de que..." hacen referencia a esta incertidumbre.

La teora de la probabilidad pretende ser una herramienta para modelar y tratar con situaciones de este
tipo. Por otra parte, cuando aplicamos las tcnicas estadsticas a la recogida, anlisis e interpretacin de
los datos, la teora de la probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones
alcanzadas y las inferencias realizadas. Debido al importante papel desempeado por la probabilidad
dentro de la estadstica, es necesario familiarizarse con sus elementos bsicos, lo que constituye el
objetivo del presente trabajo.

Se comienza con una breve resea histrica del desarrollo de la teora de probabilidad a lo largo del
desarrollo de nuestra cultura, a continuacin se define la probabilidad desde su aspecto clsico o a priori y
posteriori o con base experimental. Posteriormente, se introduce el sentido de la probabilidad en trminos
de experimentos aleatorios, llegando a la formalizacin axiomtica de la probabilidad y sus principales
teoremas con demostraciones, junto con las expresiones de la probabilidad condicionada y los teoremas de
la probabilidad compuesta o del producto, de la probabilidad total y de Bayes.

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

Aleatorio est fuera de control y que depende del azar.

Espacio Conjunto formado por todos los posibles resultados de

muestra un experimento aleatorio.
 3
3

Sucesos o
Suceso o Evento de un fenmeno o experimento aleatorio
es cada uno de los subconjuntos del espacio muestral S

Operaciones Usamos las operaciones bsicas de conjuntos, tales como

entre eventos uniones, intersecciones y complementos, para formar otros
eventos de inters, denominados eventos o sucesos

TECNICA Las tcnicas de conteo son aquellas que son usadas

S DE para enumerar eventos difciles de cuantificar
CONTEO
Principio Una actividad que consta de r pasos, en donde el primer
multiplicativ paso de la actividad a realizar puede ser llevado a cabo de
PRICIPIOS
o N1 maneras o formas, el segundo paso de N2 maneras o
DE
Principi Con la condicin no de que los eventos sean independientes
o sino de que sean mutuamente excluyentes, es decir que
cada uno ocurra sin la necesidad de que otro lo haga.
Factorial Este se denota por el smbolo n! y se define como el producto
de
de n por todos los enteros que le preceden hasta llegar al
Un nmero
Una permutacin de los elementos es un acomodo u
Permutacion
ordenamiento de ellos.
es
Es un arreglo de elementos en donde no nos interesa el lugar o
Combinacin posicin que ocupan los mismos dentro del arreglo. En una
combinacin nos interesa formar grupos y el contenido de los
mismos.

Axiomas
de Los axiomas no determinan las probabilidades, lo que hacen
Probabilid es facilitar el clculo de las probabilidades de algunos
Regla De Si dos eventos son mutuamente excluyentes, podemos
la expresar esta probabilidad haciendo uso de la regla de adicin.
la regla de la adicin para calcular P(AUB)
Regla de En esta seccin se desarrollar una regla para determinar P
la (AnB), esto es, la probabilidad de que el evento A ocurra en
Multiplicac un primer experimento y el evento B ocurra en un

ESTUDIO DE CASO #1
 4
4

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

Cancelo o
Curso Aprob Reprob perdi Total
por fallas
Algebra lineal 178 10 30 218
Anlisis numrico 146 15 21 182
Clculo infinitesimal 252 37 39 328
Calculo integral 56 8 15 79
Clculo multivariado 244 49 64 357
Calculo negocios 226 44 61 331
Ecuaciones diferenciales 178 47 40 265
Estadstica bsica 33 11 9 53
Estadstica inferencial 269 70 98 437
Matemticas avanzadas 199 53 73 325
Matemticas discretas 44 13 23 80
Precalculo 42 24 17 83
Probabilidad 6 8 3 17
TOTAL 1873 389 493 2755
 5
5

Cancelo o perdi
Programa Aprob Reprob Total
por fallas
Administracin ambiental 146 15 21 182
Admn. empresas 295 44 41 380
Arquitectura 297 53 71 421
Contadura 99 23 19 141
Economa 99 19 24 142
Ing. Mecatrnica 515 118 154 787
Ing. Civil 88 20 27 135
Ing. Financiera 83 29 22 134
Ing. Sistemas 127 26 53 206
Ing. Telecomunicaciones 32 9 15 56
Negocios Internacionales 69 21 33 123
Psicologa 23 12 13 48
Total 1873 389 493 2755

Cancelo o perdi
Profesor Aprob Reprob Total
por fallas
Csar r. 52 1 53
Claudia v. 31 5 36
Diana m. 97 4 18 119
Ernesto s. 166 17 21 204
Diego v. 36 5 4 45
Eduardo m. 154 17 26 197
Enrique p 118 25 13 156
Fernando m. 125 21 21 167
 6
6

Gloria a. 151 32 20 203

Jairo a. 116 19 26 161
Javier b. 98 10 29 137
Jos c. 49 9 16 74
Luz p. 142 23 44 209
Marcela f. 60 19 21 100
Mara a . 93 27 37 157
Mario g 90 16 46 152
Mercedes s. 60 15 27 102
Oscar n. 111 48 45 204
Patricia m. 37 14 22 73
Ricardo o. 57 31 46 134
Sandra m. 30 37 5 72
Total 1873 389 493 2755

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

RTA/= 1873/2755=0.67*100%=67%.

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

RTA/= 389/2755=0.14*100%=14%.

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del rea de
matemticas.
 7
7

4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno de los cursos del
rea

5. Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los criterios que utiliz
y d las razones de su eleccin.

Cancelo o
N
Curso Aprob Reprob perdi por Total % de probabilidad
o
fallas

1 Algebra lineal 178 10 30 218 82%

2 Anlisis numrico 146 15 21 182 80%
3 Clculo infinitesimal 252 37 39 328 77%
4 Calculo integral 56 8 15 79 71%
5 Clculo multivariado 244 49 64 357 68%
6 Calculo negocios 226 44 61 331 68%
7 Ecuaciones diferenciales 178 47 40 265 67%
8 Estadstica bsica 33 11 9 53 62%
9 Estadstica inferencial 269 70 98 437 62%
10 Matemticas avanzadas 199 53 73 325 61%
11 Matemticas discretas 44 13 23 80 55%
12 Precalculo 42 24 17 83 51%
13 Probabilidad 6 8 3 17 35%

Se utiliza la frmula de probabilidad clsica o a priori:

 8
8

Numero de casos favorables a A

numero de casos posibles

Para este caso dividimos el nmero de estudiantes que aprobaron el curso por el nmero total de
estudiantes. De lo anterior podemos inferir que el curso de Algebra lineal tiene el mayor porcentaje de
aceptacin entre todos los cursos.

6. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca los criterios que
utiliz y d las razones de su eleccin

Cancelo o
Profesor Aprob Reprob perdi por Total % de probabilidad
No fallas
1 Csar r. 52 1 53 98%
2 Claudia v. 31 5 36 86%
3 Diana m. 97 4 18 119 82%
4 Ernesto s. 166 17 21 204 81%
5 Diego v. 36 5 4 45 80%
6 Eduardo m. 154 17 26 197 78%
7 Enrique p 118 25 13 156 76%
8 Fernando m. 125 21 21 167 75%
9 Gloria a. 151 32 20 203 74%
10 Jairo a. 116 19 26 161 72%
11 Javier b. 98 10 29 137 72%
12 Jos c. 49 9 16 74 66%
13 Luz p. 142 23 44 209 68%
14 Marcela f. 60 19 21 100 60%
15 Mara a . 93 27 37 157 59%
16 Mario g 90 16 46 152 59%
17 Mercedes s. 60 15 27 102 59%
18 Oscar n. 111 48 45 204 54%
19 Patricia m. 37 14 22 73 51%
20 Ricardo o. 57 31 46 134 43%
21 Sandra m. 30 37 5 72 42%
 9
9

De igual manera utilizamos la frmula de probabilidad bsica, dividimos el nmero de los que
aprobaron por el nmero total de estudiantes. Podemos concluir que el profesor CESAR tiene el
porcentaje ms alto para que un estudiante apruebe las materias que dicta.

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:
 10
10

Resultado del examen positivo Resultado del examen positivo

Enfermedad presente 8% 2%
Enfermedad ausente 5% 85%

Con base en esta informacin y usando el Teorema de Bayes, elabore un informe que como mnimo, debe

incluir:

A: Enfermedad ausente

P: Enfermedad presente

Pos: Resultado del examen positivo

Neg: Resultado del examen negativo

1. Un diagrama de rbol que represente las probabilidades dadas y las probabilidades encontradas.

2. Probabilidad de que la enfermedad este presente y la Probabilidad de que la enfermedad est ausente

a. Probabilidad de que la enfermedad este presente

P ( P )=0.08+0.02=0.1

b. Probabilidad de que la enfermedad est ausente

P ( A )=0.05+0.85=0.9

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

enfermedad
 11
11

P( pos A) 0.05
P ( Pos A)s = = =0.056
P (A ) 0.9

4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la persona tiene la

enfermedad

P( P) 0.02
P ( P )= = =0.2
P( P) 0.3

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

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

7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de seleccin para

detectar la enfermedad?
 12
12

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-japons, 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:
 13
13

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

Partimos de que la probabilidad de los 12 miembros es 0,7980, entonces para determinar la probabilidad
aplicada para un miembro utilizaremos la siguiente ecuacin:

p12=0,7980

p=( 0,7980 )(1/ 12)=0,9814

Si fuera uno de los 12 miembros del equipo, la probabilidad de completar el salto con xito es de
0,9814

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

Probabilidad del equipo Completo:

P=0.7980

La probabilidad individual p

Todos los lanzamientos

p12=P=0.7980
Por lo tanto:

12 ln( p)=ln( 0.7980)

ln ( p)=ln (0.7980)/12
(ln(0.7980)/ 12)
p=e

La probabilidad individual de salto exitoso:

p=0.9813
 14
14

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 afirmacin es correcta, ya que el promedio es de 0,7 de 12 , es decir un promedio de 7

personas, lo que nos permite concluir que 5 personas seran las que se pueden herir durante 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
 15
15

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
calicar 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 Casos Casos Casos

Presentado apelados Revocados
Fred Cartolano 3037 s 137 12
Thomas Crush 3372 119 10
Patrick Dinkelacker 1258 44 8
Timothy Hogan 1954 60 7
Robert Kraft 3138 127 7
William Mathews 2264 91 18
William Morrissey 3032 121 22
Norbert Nadel 2959 131 20
Arthur Ney, Jr. 3219 125 14
Richard Niehaus 3353 137 16
Thomas Nurre 3000 121 6
John OConnor 2969 129 12
Robert Ruehlman 3205 145 18
J. Howard Sundermann 955 60 10
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
Total 43945 1762 199

Juez Tribunal de Casos Casos Casos

Familia Presentado apelados Revocados
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12,970 32 3
Total 30499 106 17

Juez Tribunal Civil Casos Casos Casos

Presentado apelados Revocados
s
 16
16

Mike Allen 6149 43 4

Nadine Allen 7812 34 6
Timothy Black 7954 41 6
David Davis 7736 43 5
Leslie Isaiah Gaines 5282 35 13
Karla Grady 5253 6 0
Deidra Hair 2532 5 0
Dennis Helmick 7900 29 5
Timothy Hogan 2308 13 2
James Patrick Kenney 2798 6 1
Joseph Luebbers 4698 25 8
William Mallory 8277 38 9
Melba Marsh 8219 34 7
Beth Mattingly 2971 13 1
Albert Mestemaker 4975 28 9
Mark Painter 2239 7 3
Jack Rosen 7790 41 13
Mark Schweikert 5403 33 6
David Stockdale 5371 22 4
John A. West 2797 4 2
Total 108464 500 104

INFORME A PRESENTAR:
En el condado de Hamilton, se cuenta con un total de 38 jueces que se encuentran asignados a tres
tribunales, Tribunal de primera instancia, Tribunal familiar y el Tribunal municipal.
Por un periodo de 3 aos los jueces han dado su veredicto sobre 182908 casos. Es importante tener en
cuenta, que durante el periodo de investigacin dos de l0s 38 jueces, no trabajaron en un solo tribunal.
El objetivo de la investigacin es conocer el desempeo de los jueces por cada tribunal, as poder
determinar si las apelaciones que se presentan en cada uno, son el resultado de errores en el veredicto.

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

Tribunal Penal
1762
p ( casosque se apelan ) = =0.04009
43945
199
p ( casosque se revocan )= =0.00453
43945

Tribunal de Familia
 17
17

106
p ( casosque se apelan ) = =0.00347
30499
17
p ( casos que se revocan )= =0.00056
30499

Tribunal Civil
500
p ( casos que se apelan ) = =0.0046
108464
104
p ( casosque se revocan )= =0.00096
108464

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

Para la respuesta 2.3 y 4 favor revisar las tablas 1,2y3.

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

Ver Tablas

4. La probabilidad de una revocacin dada una apelacin, por cada juez

Dado que las revocatorias dependen de las apelaciones, usamos la interseccin para sucesos
dependientes.
r p ( a r )
p
a()=
p (a)
Pero la probabilidad de revocatorias estn dentro de la probabilidad de apelaciones entonces p (ar) = p(r)

Ver tablas.

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

Se califica en orden ascendente los jueces teniendo en cuenta las apelaciones dadas para cada juez.
Casos apelados

Tablas
Casos
Presentados
Casos

Revocados

Juez Tribunal
dada apelacin
Probabilidad de

Probabilidad de
revocar caso

Penal
apelar caso

Probabilidad de
revocar caso

Ralph Winkler 3089 88 6 P(a)=88/3089 0,0285 P(r)=6/3089 0,0019 P(r/a)=0.019/0.028 0,0667

 18
18

Timothy Hogan 1954 60 7 P(a)=60/1954 0,0307 P(r)=7/1954 0,0036 P(r/a)=0.0036/0.30 0,1173

Patrick 1258 44 8 P(a)=44/1258 0,035 P(r)=8/1258 0,0064 P(r/a)=0.064/0.035 0,1828
Thomas Crush 3372 119 10 P(a)=119/337 0,0353 P(r)=10/337 0,003 P(r/a)=0.003/0.035 0,0849
Arthur Ney, Jr. 3219 125 14 P(a)=125/321 0,0388 P(r)=14/321 0,0043 P(r/a)=0.0043/0.03 0,111
William Morrissey3032 121 22 P(a)=121/303 0,0399 P(r)=22/303 0,0073 P(r/a)=0.0073/0.03 0,1829
William Mathews 2264 91 18 P(a)=91/2264 0,0402 P(r)=18/226 0,008 P(r/a)=0.008/0.040 0,199
Thomas Nurre 3000 121 6 P(a)=121/300 0,0403 P(r)=6/3000 0,002 P(r/a)=0.002/0.040 0,0496
Ann Marie Tracey3141 127 13 P(a)=127/314 0,0404 P(r)=13/314 0,0041 P(r/a)=0.0041/0.04 0,1014
Robert Kraft 3138 127 7 P(a)=127/313 0,0405 P(r)=7/3138 0,0022 P(r/a)=0.0022/0.04 0,0543
Richard Niehaus 3353 137 16 P(a)=137/335 0,0409 P(r)=16/335 0,0048 P(r/a)=0.0048/0.04 0,1173
John OConnor 2969 129 12 P(a)=129/296 0,0434 P(r)=12/296 0,004 P(r/a)=0.004/0.043 0,0921
Norbert Nadel 2959 131 20 P(a)=131/295 0,0443 P(r)=20/295 0,0068 P(r/a)=0.0068/0.04 0,1534
Fred Cartolano 3037 137 12 P(a)=137/303 0,0451 P(r)=12/303 0,004 P(r/a)=0.004/0.045 0,0884
Robert Ruehlman3205 145 18 P(a)=145/320 0,0452 P(r)=18/320 0,0056 P(r/a)=0.0056/0.04 0,1238
J. Howard 955 60 10 P(a)=60/955 0,0628 P(r)=10/955 0,0105 P(r/a)=0.0105/0.06 0,1671
Total 43945 1762 199
Casos apelados

Tabla 1
Presentados

Revocados
Casos

Casos

dada apelacin
Probabilidad de

Probabilidad de
revocar caso
Juez Tribunal de
apelar caso

Familia
Probabilidad de
revocar caso

Ronald Panioto 12970 32 3 P(a)=32/1297 0,002 P(r)=3/12970 0,0002 P(r/a)=0.0002/0.0 0,0833

Penelope 2729 7 1 P(a)=7/2729 0,002 P(r)=1/2729 0,0004 P(r/a)=0.0004/0.0 0,1538
Patrick Dinkelacker6001 19 4 P(a)=19/6001 0,003 P(r)=4/6001 0,0007 P(r/a)=0.0007/0.0 0,2187
Deborah Gaines 8799 48 9 P(a)=48/8799 0,005 P(r)=9/8799 0,001 P(r/a)=0.001/0.000,1818
Total 30499 106 17
Tabla 2
Casos apelados

Casos
Casos
Presentados

Revocados

Juez Tribunal
dada apelacin
Probabilidad de

Probabilidad de
revocar caso

Civil
apelar caso

Probabilidad de
revocar caso

Karla Grady 5253 6 0 P(a)=6/5253 0,001 0 0

John A. West 2797 4 2 P(a)=4/2797 0,001 P(r)=2/2797 0,0007 P(r/a)=0.0007/0.0 0,5
Deidra Hair 2532 5 0 P(a)=5/2532 0,002 0 0
James Patrick 2798 6 1 P(a)=6/2798 0,002 P(r)=1/2798 0,0004 P(r/a)=0.0004/0.0 0,1904
Mark Painter 2239 7 3 P(a)=7/2239 0,003 P(r)=7/2239 0,0013 P(r/a)=0.0013/0.0 0,4193
Dennis Helmick 7900 29 5 P(a)=29/7900 0,003 P(r)=5/7900 0,0006 P(r/a)=0.0006/0.0 0,1621
 19
19

David Stockdale 5371 22 4 P(a)=22/5371 0,004 P(r)= 4/5371 0,0007 P(r/a)=0.0007/0.0 0,1707
Melba Marsh 8219 34 7 P(a)=34/8219 0,004 P(r)=7/8219 0,0009 P(r/a)=.0009/0.00 0,2195
Beth Mattingly 2971 13 1 P(a)=13/2971 0,004 P(r)=1/2971 0,0003 P(r/a)=0.0003/0.0 0,0681
Nadine Allen 7812 34 6 P(a)=34/7812 0,004 P(r)=6/7812 0,0008 P(r/a)=0.0008/0.0 0,1818
William Mallory 8277 38 9 P(a)=38/8277 0,004 P(r)=9/8277 0,0011 P(r/a)=0.0011/0.0 0,2391
Timothy Black 7954 41 6 P(a)=41/7954 0,005 P(r)=6/7954 0,0008 P(r/a)=0.0008/0.0 0,1538
Jack Rosen 7790 41 13 P(a)=41/7790 0,005 P(r)=13/7790 0,0017 P(r/a)=0.0017/0.0 0,3207
Joseph Luebbers 4698 25 8 P(a)=25/4698 0,005 P(r)=8/4698 0,0017 P(r/a)=0.0017/0.0 0,3207
David Davis 7736 43 5 P(a)=43/7736 0,005 P(r)=5/7736 0,0006 P(r/a)=0.0006/0.0 0,1071
Timothy Hogan 2308 13 2 P(a)=13/2308 0,005 P(r)=2/2308 0,0009 P(r/a)=0.0009/0.0 0,1607
Albert Mestemaker 4975 28 9 P(a)=28/4975 0,005 P(r)=9/4975 0,0018 P(r/a)=0.0018/0.0 0,3214
Mark Schweikert 5403 33 6 P(a)=33/5403 0,006 P(r)=6/5403 0,0011 P(r/a)=0.0011/0.0 0,1803
Leslie Isaiah 5282 35 13 P(a)=38/5282 0,006 P(r)=13/5282 0,0025 P(r/a)=0.0025/0.0 0,3787
Mike Allen 6149 43 4 P(a)=43/6149 0,007 P(r)=4/6149 0,0007 P(r/a)=0.0007/0.0 0,1
Total 10846 500 10
Tabla 3 4 4

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.
 20
20

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.

fabricante de reproductores DVD

Proveedores % de compra % defecto
Hall Electronic 25% 2%
Schuller 30% 4%
Crawford Components 45% 6%

PROBABILIDA DE UN EVENTO

% total chip defectuosos

Probabilidad =
nmero total de % chip

Prepare un informe en el que debe incluir como mnimo lo siguiente:

1.- Un diagrama de rbol que represente las probabilidades dadas y las probabilidades encontradas.
 21
21

2.- Probabilidad de que un chip este defectuoso

12
p= =0.12
100

P ( D )=P ( H ) P ( D )+ P ( S ) P ( D )+ P ( C ) P( D)

P ( D )=( 0.25 ) ( 0.02 )+ ( 0.3 ) ( 0.04 ) + ( 0.45 ) ( 0.06 )

P ( D )=0.005+0.012+0.027

P ( D )=0.044
 22
22

3- Probabilidad de que el chip este en buenas condiciones

88
p= =0.88
100

P ( B ) =1P(D)

P ( B ) =10.044

P ( B ) =0.956

4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya sido fabricado
por cada uno de los proveedores

fabricante de reproductores DVD

p/chip
Proveedores % de compra % defecto
defectuoso
Hall Electronic 25% 2% 0,08
Schuller 30% 4% 0,13
Crawford Components 45% 6% 0,13 TEOREMA DE BAYES.
total 100% 12% 0,12

P ( DH )= P ( H ) P ( D )+PP( H( S )) PP (( DD))+ P ( C ) P ( D )
P (H ) P ( D)
P ( DH )= PROBTOTAL
P ( DH )= ( 0.250.044
) ( 0.02 )
 23
23

P ( DH )= 0.005
0.044
=0.1136

P ( DS )= P ( H ) P ( D )+PP((SS))P(P (D)D )+ P ( C ) P ( D )
P ( S) P ( D )
P ( DS )= PROBTOTAL
D ( 0.3 ) ( 0.04 )
P ( )
SS
=
0.044

P ( DS )= 0.012
0.044
=0.2727

D P ( C ) P( D)
P ( )
C
=
P ( H ) P ( D )+ P ( S ) P ( D )+ P ( C ) P ( D )

P (C) P (D )
P ( CD )= PROBTOTAL
P ( CD )= ( 0.450.044
) ( 0.06 )

P ( CD )= 0.027
0.044
=0.6136

5.- Si el chip seleccionado est en buenas condiciones, debe encontrar la Probabilidad de que haya sido
fabricado por cada uno de los proveedores
 24
24

TEOREMA DE BAYES.

Del punto 3 sabemos que:

P ( B ) =0.956

P ( HB )= P ( H ) P ( B )+PP( H( S)) P(P ( BB)) + P ( C ) P ( B )

P ( H ) P (B )
P ( HB )= PROBTOTAL
P ( HB )= ( 0.250.956
) ( 0.98 )

P ( HB )= 0.245
0.956
=0.2563

P ( BS )= P ( H ) P ( B ) +PP((SS))P(B)
P ( B)+ P (C) P( B)

B P ( S) P ( B)
P ( )
S
=
PROBTOTAL

P ( BS )= ( 0.30.956
) ( 0.96 )

P ( HB )= 0.288
0.956
=0.3012

P ( CB )= P ( H ) P ( B ) +PP( C( S)) P(B)

P ( B )+ P ( C ) P ( B )
 25
25

P (C ) P ( B )
P ( CB )= PROBTOTAL
P ( CCB )= ( 0.450.956
) ( 0.94 )

P ( CB )= 0.423
0.956
=0.4425

fabricante de reproductores DVD

p/chip en buenas
Proveedores % de compra % defecto
condiciones
Hall Electronic 25% 2% 3,9
Schuller 30% 4% 3,2
Crawford Components 45% 6% 2,1
total 100% 12% 0,88

Referencias Bibliogrficas

DE GROOT, MORRIS H., Probabilidad y Estadstica, AddisonWesley Iberoamericana, 1988.

Richard I. Levin y David S. Rubin, Estadstica para Administradores, McGraw Hill, 2005.

Seymour, Lipschutz, Matemticas Finitas, Serie Schaum, Teora y problemas, McGraw Hill, 1998.

Wikipedia. La Enciclopedia Libre. Buscar en : http://es.wikipedia.org/wiki/C

%C3%A1lculo_de_probabilidades