Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDAD
Docente
JENNY TATIANA SANCHEZ
Integrantes
Diana Isabel Diaz
Ricardo Julio Hernandez
Kellys Audith Fuertes Guerra
Carlos Sosimo Angulo Balanta
Zuleika Vanessa Fernandez de Castro Salas
Grupo: 100402_43
PROBABILIDAD
16 Julio 2018
INTRODUCCIÓN
Los elementos del espacio muestral son llamados puntos muestrales. De acuerdo
a la naturaleza de los elementos que conforman un espacio muestral, este se puede
clasificar en:
Discreto:
Intersección: Es el suceso formado por todos los elementos que son a la vez de A
y de B, Se representa con el símbolo “∩”
Probabilidad condicional: La probabilidad de que un evento ocurra cuando se
sabe que ya ocurrió un evento se llama probabilidad condicional y se denota por
que por lo general se lee como probabilidad de que "ocurra B dado que ocurrió A".
Esta probabilidad se define como:
𝐵 𝑃(𝐵 ∩ 𝐴)
𝑃( ) = 𝑐𝑜𝑛 𝑃(𝐴) > 0
𝐴 𝑃(𝐴)
ESTUDIO DE CASO 11
posicionamiento deseado.
que sus anuncios sean vistos y realiza una encuesta entre 400 personas de varias
ciudades del país para determinar cuáles son los canales más vistos y el horario en
1
Tomado y adaptado de Díaz, A. (2015) Estadística aplicada a la Administración y la Economía.
Con base en esta información y haciendo uso de los axiomas de probabilidad,
mínimo lo siguiente:
1. Canal en el que hay mayor Probabilidad de que una persona vea los anuncios
de la empresa.
109
De acuerdo a la muestra; 𝑃 = = 0,2725 ∗ 100 = 27,25%
400
El canal caracol es donde hay mayor Probabilidad 27,25% de que los anuncios
sean vistos.
RCN
21% Caracol
27%
City Tv
11%
Discovery
7% Home & Sony
13%
Health Fox
12% 9%
2. Horario en el que hay mayor probabilidad de que una persona vea los anuncios
de la empresa.
220
𝑃 = 400 = 0,55 ∗ 100 = 55% de las personas de la muestra ven Tv de noche, por
lo hay mayor Probabilidad de que los anuncios sean vistos en este horario.
Mañana
29%
Noche
55%
Tarde
16%
3. Probabilidad de que una persona prefiera ver T.V en la tarde.
109 + 85
𝑃= = 0,485 ∗ 100 = 48,5%
400
115 + 65
𝑃= = 0,45 ∗ 100 = 45%
400
29
𝑃= = 0,0725 ∗ 100 = 7,25%
400
7. Probabilidad de que una persona prefiera ver el canal Fox en la Noche.
26
𝑃= = 0,065 ∗ 100 = 6,5%
37
8. Probabilidad de que una persona prefiera ver el canal Fox SI prefiere ver Tv en
la noche.
26
𝑃= = 0,118 ∗ 100 = 11,81%
220
220
𝑃= = 8,46
26
10. Que le sugiere a la empresa de publicidad sobre sus anuncios en TV. (tenga en
cuenta las probabilidades aquí encontradas)
De acuerdo a las probabilidades encontradas se sugiere a la empresa de
publicidad lo siguiente:
ser observado, seguido del canal RCN. Por lo que se deben realizar
éxito.
ESTUDIO DE CASO 22
Estudiante: DIANA ISABEL DIAZ
Una pareja de jóvenes acaba de casarse, ambos tienen 20 años
y viven en lo profundo de la Patagonia comiendo pescado crudo,
lo que imprime un carácter fuerte: NADIE SE DIVORCIA y todos
tienen BUENA SALUD.
Sucesos:
1
𝐸1 = 90 𝐴Ñ𝑂𝑆 ↔ 𝑃𝑟1=
4
1
𝐸2 = 100 𝐴Ñ𝑂𝑆 ↔ 𝑃𝑟2=
4
1
𝐸3 = 110 𝐴Ñ𝑂𝑆 ↔ 𝑃𝑟3=
2
1
𝑃𝑟{𝐸1 𝐸1 } = 16
1
𝑃𝑟{𝐸1 𝐸2 } = 16
6.- Finalmente, la respuesta a la inquietud de los esposos es: “Lo más probable es
que el matrimonio dure _____ años”.
R// Lo más probable es que el matrimonio tenga una probabilidad que dure una edad
comprendida en un intervalo de 90 a 110 años
Para resolver el estudio de caso se sugiere completar el siguiente diagrama:
ESTUDIO DE CASO 3
ESTUDIO DE CASO 43 -
Estudiante: Zuleika Vanessa Fernandez De Castro
Los exámenes de selección están asociados principalmente con
exámenes médicos de diagnóstico, pero ahora están encontrando
aplicaciones en varios campos de actividad. Estos exámenes se
evalúan sobre la probabilidad de un falso negativo o un falso positivo y
éstas dos son probabilidades condicionales.
Un falso positivo es el evento de que el examen sea positivo para una
condición determinada, dado que la persona no tiene la condición. Un
falso negativo es el evento de que el examen sea negativo para una condición
determinada, dado que la persona tiene la condición.
Ilustración 3. Estudio caso 4
Se supone que una cierta prueba detecta cierto tipo de cáncer con probabilidad del
85% entre gente que lo padece, y no lo detecta el 15% restante. Si una persona no
padece este tipo de cáncer la prueba indicará que no lo tiene un 95% de las veces
e indicará que lo tiene un 5% de ellas. Por estudios realizados se supone que el 5%
de la Población padece este tipo de cáncer.
3
Tomado y adaptado de Pateiro B., Bioestadística 2011
Con base en esta información y usando el Teorema de Bayes, elabore un informe
que como mínimo, debe incluir:
Diagrama de árbol
Detecta (D)
85% = 0.85
PADECE CANCER (C)
5% = 0.05
No Detecta (DN)
15% = 0.15
PACIENTES
Detecta (D)
5% = 0.05
NO PADECE CANCER (CN)
95% = 0.95
No Detecta (DN)
95% = 0.95
𝐶 0.0425
𝑃( ) =
𝐷 0.09
𝐶
𝑃 ( ) = 0.472 = 𝟒𝟕. 𝟐%
𝐷
Conclusión:
Vemos que no es una prueba muy confiable ya que la probabilidad de 100 personas
que le detecten el cáncer solo el 47.2% es confiable, nos muestra que es muy alto
el número de error que se tiene, lo cual se ´puede determinar que es un examen no
muy confiable.
2 OCASIONES
A D 45% (0,45)
SI PAGAN 1 OCASIÓN
Créditos 98% (0,98) F 55% (0,55)
Otorgados
2 OCASIONES
B D 90% (0,90)
NO PAGAN
1 OCASIÓN
2% (0,02) F 10% (0,10)
A 0.98 ∗ 0.55
P( ) =
F 0.98 ∗ 0.55 + 0.22 ∗ 0.10
A 0.539
P( ) =
F 0.539 + 0.002
𝐴 0.539
𝑃( ) = = 0.996 = 𝟗𝟗. 𝟔%
𝐹 0.541
𝐷
𝐵 𝑃(𝐵) ∗ 𝑃 (𝐵 )
𝑃( ) =
𝐷 𝐷 𝐷
𝑃(𝐴) ∗ 𝑃 ( 𝐴 ) + 𝑃(𝐵) ∗ 𝑃 (𝐵 )
𝐴 0.02 ∗ 0.90
𝑃( ) =
𝐹 0.98 ∗ 0.45 + 0.02 ∗ 0.90
𝐴 0.018
𝑃( ) =
𝐹 0.441 + 0.018
𝐴 0.018
𝑃( ) = = 0.039 = 𝟑. 𝟗%
𝐹 0.459
5. Con los resultados obtenidos analice la política que sugiere el Gerente de crédito.
Está de acuerdo, sí o no, ¿por qué?
RTA: La propuesta del gerente no la considero viable debido a que según el estudio
un alto porcentaje de clientes que se demoraron más de 2 ocasiones finalmente si
pagaron su cuenta (99,6%) mientras que la Probabilidad de que un cliente que ya
se demoró por lo menos dos ocasiones, finalmente, no page su cuenta es baja
(3,9%). Por tanto, no convendría que el gerente de crédito cancele a cualquier
cliente que demore una semana o más en sus pagos en dos ocasiones distintas.
CONCLUSIONES
Puedo concluir que es de suma importancia poner en practica cada una de las
teorías de la probabilidad ya que esto nos ayuda a determinar que tan confiable
puede ser o no un evento.
Todo esto nos ayuda en nuestra vida cotidiana y las podemos aplicar en muchas
situaciones de nuestro diario vivir. Todo esto va de la mano de entender y
comprender cada una de las teorías.
BIBLIOGRAFIAS
Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado
de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=1&docID
=3203901&tm=1526411601293
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=177
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436
604&ppg=128
Martín, J. y Ruiz, L. (2004). Estadística I: Probabilidad. 2nd ed. Madrid: Paraninfo.
vii-viii. Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX405
2400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=Abo
utThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BD
C
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=200
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:
Probabilidad e inferencia. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995
669&ppg=19
Sánchez, J. (2018). Conceptos básicos de probabilidad. Recuperado
de http://hdl.handle.net/10596/17792
José Maestre. OVIS Teorema de Bayes. https://drive.google.com/file/d/1jQRRl0-
3_CfpxtCvNjy55M2Tr_O_K4tT/view
OVIS Teorema de Bayes.
https://drive.google.com/file/d/1DJFHVAzNUBEFJwBvsZfU5QeQDcxYkjjl/view
OVIS Probabilidad.
https://drive.google.com/file/d/1B4f7NJxBojcdogOSfBhMCtUdZiWLgUxN/view