UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PROBABILIDAD

UNIDAD 1: FASE 3 – AXIOMAS DE PROBABILIDAD

TUTOR

LUIS ALEXANDER SARAVIA

PRESENTADO POR

PEDRO ALEJANDRO RODRIGUEZ C.C 1.023.951.001

ANGIE MAYERLI MONTES C.C 1.024.500.912

NANCY CELENY PÉREZ ALVARADO C.C 1.024.470.344

LEIDY MARCELA OROZCO MONTOYA C.C 1.024.526.520

BOGOTÁ D.C

OCTUBRE DE 2017
 INTRODUCCIÓN

El desarrollo del presente trabajo permite conocer los conceptos básicos de probabilidad,
técnicas de conteo y axiomas de probabilidad, mediante la aplicación y desarrollo de ejercicios
prácticos, donde se analiza e interpreta situaciones concretas y casos muy reales.

La probabilidad puede ayudar a comprender lo que en ocasiones la intuición nos indica de

manera errónea; es utilizada en diversos campos.
 PROBABILIDAD CLÁSICA,
EMPÍRICA Y EFOQUE
SUBJETIVO.
Método para describir,
relacionar y analizar valores Evento
ocurra con certeza es
1
AXIOMAS DE PROBABILIDAD

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

Adición:
P(AUB)=P(A)+P(B)
PROBABILIDAD: ORIGEN EN
LOS JUEGOS DE AZAR P(AUB)=P(A)+P(B)-P(A∩B)

Multiplicación:
PROBABILIDADES DE
P(A∩B)=P(A)*P(B)
EVENTOS COMPUESTOS
P(B∩A)=P(B/A)*P(A)

Probabilidad total es la suma

exhaustiva de las
probabilidades de todas las
Posibilita tomar decisiones mutuamente excluyentes
acertadas

P(A)=P(A)*P(B/A)
/EP(A)*P(B/A)
TEOREMA DE BAYES es la
probabilidad de las causas a
partir de los efectos.
 Axiomas De Probabilidad

La probabilidad indica el grado de certidumbre o certeza de un suceso o fenómeno

estudiado, en la investigación científica existen muchos fenómenos en los cuales es necesario
determinar la probabilidad de que un evento(s) ocurra(n) o dejen de ocurrir, para lo cual el estudio
de este campo, es necesario, además tiene aplicaciones muy importantes en investigación; dado que
es base para la inferencia estadística que permite el estudio de muestras con el objetivo de inferir o
extrapolar características de estas a una población. (Hanke John E & Arthur Reitsch, 1997)

Axioma: Es el elemento básico de un sistema de lógica formal y junto con las reglas de inferencia
definen un sistema deductivo. La lógica del axioma es partir de una premisa calificada verdadera
por sí misma (el axioma) e inferir sobre estas otras proposiciones por medio del método deductivo,
obteniendo conclusiones coherentes con el axioma. Los axiomas de la formulación moderna de la
teoría de la probabilidad constituyen una base para deducir a partir de ellas un amplio número de
resultados. (Alejandro)

Teorema: Consiste en una proposición que puede ser demostrada de manera lógica a partir de un
axioma o de otros teoremas que fueron demostrados con anticipación. Este proceso de demostración
se lleva a cabo mediante ciertas reglas de inferencia. (Gardey, 2009)

Métodos para el Cálculo de Probabilidades

Uno de los métodos más utilizados es aplicando la Regla de Laplace: define la probabilidad de un
suceso como el cociente entre casos favorables y casos posibles.

P (Suceso) (Casos Favorables (f))/(Casos Posibles (n)) Regla de Laplace

Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:

a) El número de resultados posibles (suceso eventos) tiene que ser finito. Si hubiera infinitos
resultados, al aplicar la regla "casos favorables dividido por casos posibles" el cociente
siempre sería cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un dado,
algunas caras tuvieran mayor probabilidad de salir que otras, no podríamos aplicar esta
regla.
A la regla de Laplace también se le denomina "probabilidad a priori", ya que para aplicarla hay que
conocer antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen
las mismas probabilidades.

Probabilidad Condicional

La probabilidad condicional se simboliza P(BnA), que se lee probabilidad de B, dado A, o la

probabilidad de que ocurra B, condicionado a que haya ocurrido A.

Se dice que dos o más eventos son independientes entre sí cuando la probabilidad de que ocurra
uno no es influida por la ocurrencia de otro. Si A y B representan dos eventos y si la ocurrencia de
A no afecta a la ocurrencia de B, y la ocurrencia de B no afecta a la ocurrencia de A, entonces se
dice que A y B son Independientes.
 En este caso, la probabilidad de que ocurran A y B es igual al producto de sus respectivas
probabilidades, y se expresa así:

P(A∩B)=P(A)P (B)

DESARROLLO DE LA ACTIVIDAD

SOLUCIÓN AL ESTUDIO DE CASO 1:

En una universidad de Bogotá se realizó un informe sobre el rendimiento académico de los

estudiantes que cursaron asignaturas en el área de matemáticas 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 compilación de la información reportada por los docentes del
área, incluye 2755 registros de estudiantes inscritos en alguna de las asignaturas ofrecidas por el
área. Los profesores reportaron la valoración (notas) de cada corte, y con ellas se hizo seguimiento
durante el semestre.

APROBÓ: Estudiantes que finalizaron el curso con una nota superior o igual a 3.0.
REPROBÓ: Estudiantes que finalizaron el curso con una nota inferior a 3.0 sin contar a quienes ya
perdieron por fallas, o fueron reportados por cancelación de semestre.
CANCELO O PERDIO POR FALLAS: Estudiantes que perdieron por fallas, o fueron reportados
por cancelación de semestre

Cancelo o
Curso Aprobó Reprobó perdió Total
por fallas
Algebra lineal 178 10 30 218
Análisis numérico 146 15 21 182
Cálculo infinitesimal 252 37 39 328
Calculo integral 56 8 15 79
Cálculo multivariado 244 49 64 357
Calculo negocios 226 44 61 331
Ecuaciones diferenciales 178 47 40 265
Estadística básica 33 11 9 53
Estadística inferencial 269 70 98 437
Matemáticas avanzadas 199 53 73 325
Matemáticas discretas 44 13 23 80
Pre cálculo 42 24 17 83
Probabilidad 6 8 3 17
TOTAL 1873 389 493 2755
 Cancelo o perdió
Programa Aprobó Reprobó Total
por fallas

Administración ambiental 146 15 21 182

Admón. Empresas 295 44 41 380
Arquitectura 297 53 71 421
Contaduría 99 23 19 141
Economía 99 19 24 142
Ing Mecatrónica 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
Psicología 23 12 13 48
Total 1873 389 493 2755

Cancelo o perdió
Profesor Aprobó Reprobó Total
por fallas
César 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
Gloria a. 151 32 20 203
Jairo a. 116 19 26 161
Javier b. 98 10 29 137
José c. 49 9 16 74
Luz p. 142 23 44 209
Marcela f. 60 19 21 100
María 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 propósito de evaluar el resultado académico en los cursos del área de matemáticas, a usted le
han llamado para que ayude en el análisis de datos. Utilice su conocimiento de la probabilidad para
ayudar a realizar el informe solicitado.

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

1. La probabilidad de que un estudiante apruebe un curso del área de matemáticas

2. La probabilidad de que un estudiante repruebe un curso del área de matemáticas.
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del área de
matemáticas.
4. Clasifique los cursos del área de acuerdo a los resultados obtenidos. Establezca los criterios que
utilizó y dé las razones de su elección.
5. Califique los profesores del área de acuerdo a los resultados obtenidos. Establezca los criterios
que utilizó y dé las razones de su elección
6. En que programa hay mejores resultados. Establezca los criterios que utilizó y dé las razones de
su elección.

SOLUCION:

1. La probabilidad de que un estudiante apruebe un curso del área de matemáticas

Respuesta:

P = Probabilidad
A = Aprobados
R = Reprobados

𝑁𝑈𝑀𝐸𝑅𝑂 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐴𝑃𝑅𝑂𝐵𝐴𝐷𝑂𝑆

𝑃(𝐴) =
𝑁𝑈𝑀𝐸𝑅𝑂 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐶𝑈𝑅𝑆𝑂𝑆

1873
𝑃(𝐴) = = 0,679854809 ∗ 100 = 68%
2755

La probabilidad de que un estudiante apruebe un curso del área de matemáticas es de 68%

2. La probabilidad de que un estudiante repruebe un curso del área de matemáticas.

Respuesta:

P = Probabilidad
A = Aprobados
R = Reprobados
 𝑁𝑈𝑀𝐸𝑅𝑂 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝑅𝐸𝑃𝑅𝑂𝐵𝐴𝐷𝑂𝑆
𝑃(𝐴) =
𝑁𝑈𝑀𝐸𝑅𝑂 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐶𝑈𝑅𝑆𝑂𝑆

389
𝑃(𝐴) = = 0,141197822 ∗ 100 = 14%
2755

La probabilidad de que un estudiante repruebe un curso del área de matemáticas es de 14%

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del
área de matemáticas.

Respuesta:

Profesor Aprobó Total PROBABILIDAD

52
César r. 52 53 𝑃(𝐴) = = 0,0188 ∗ 100 = 𝟏, 𝟖%
2755
31
Claudia v. 31 36 𝑃(𝐴) = = 0,0112 ∗ 100 = 𝟏, 𝟏%
2755
97
Diana m. 97 119 𝑃(𝐴) = = 0,0352 ∗ 100 = 35%
2755
166
Ernesto s. 166 204 𝑃(𝐴) = = 0,0602 ∗ 100 = 𝟔%
2755
36
Diego v. 36 45 𝑃(𝐴) = = 0,0130 ∗ 100 = 1,3%
2755
154
Eduardo m. 154 197 𝑃(𝐴) = = 0,0558 ∗ 100 = 𝟓, 𝟓%
2755
118
Enrique p 118 156 𝑃(𝐴) = = 0,0428 ∗ 100 = 𝟒, 𝟐%
2755
125
Fernando m. 125 167 𝑃(𝐴) = = 0,0453 ∗ 100 = 𝟒, 𝟓%
2755
151
Gloria a. 151 203 𝑃(𝐴) = = 0,0548 ∗ 100 = 𝟓, 𝟒%
2755
116
Jairo a. 116 161 𝑃(𝐴) = = 0,0421 ∗ 100 = 𝟒, 𝟐%
2755
98
Javier b. 98 137 𝑃(𝐴) = = 0,0355 ∗ 100 = 𝟑, 𝟓%
2755
49
José c. 49 74 𝑃(𝐴) = = 0,0177 ∗ 100 = 𝟏, 𝟕%
2755
142
Luz p. 142 209 𝑃(𝐴) = = 0,679425837 ∗ 100 = 𝟓, 𝟏%
2755
60
Marcela f. 60 100 𝑃(𝐴) = = 0,0217 ∗ 100 = 𝟐, 𝟏%
2755
93
María a . 93 157 𝑃(𝐴) = = 0,0337 ∗ 100 = 𝟑, 𝟑%
2755
 90
Mario g 90 152 𝑃(𝐴) = = 0,0326 ∗ 100 = 𝟑, 𝟐%
2755
60
Mercedes s. 60 102 𝑃(𝐴) = = 0,0217 ∗ 100 = 𝟐, 𝟏%
2755
111
Oscar n. 111 204 𝑃(𝐴) = = 0,0402 ∗ 100 = 𝟒%
2755
37
Patricia m. 37 73 𝑃(𝐴) = = 0,0134 ∗ 100 = 𝟏, 𝟑%
2755
57
Ricardo o. 57 134 𝑃(𝐴) = = 0,0206 ∗ 100 = 𝟐%
2755
30
Sandra m. 30 72 𝑃(𝐴) = = 0,0108 ∗ 100 = 𝟏%
2755

4. Clasifique los cursos del área de acuerdo a los resultados obtenidos. Establezca los
criterios que utilizó y dé las razones de su elección.

Respuesta:

Curso Aprobó Total Probabilidad

178
Algebra lineal 178 218 𝑃(𝐴) = = 0.0646 ∗ 100 = 𝟔, 𝟒%
2755
146
Análisis numérico 146 182 𝑃(𝐴) = = 0,0529 ∗ 100 = 𝟓, 𝟐%
2755
252
Cálculo infinitesimal 252 328 𝑃(𝐴) = = 0,0914 ∗ 100 = 𝟗, 𝟏%
2755
56
Calculo integral 56 79 𝑃(𝐴) = = 0,0203 ∗ 100 = 𝟐%
2755
244
Cálculo multivariado 244 357 𝑃(𝐴) = = 0,0885 ∗ 100 = 𝟖, 𝟖%
2755
226
Calculo negocios 226 331 𝑃(𝐴) = = 0,0820 ∗ 100 = 𝟖, 𝟐%
2755
178
Ecuaciones diferenciales 178 265 𝑃(𝐴) = = 0,0646 ∗ 100 = 𝟔, 𝟒%
2755
33
Estadística básica 33 53 𝑃(𝐴) = = 0,0119 ∗ 100 = 𝟏, 𝟏%
2755
269
Estadística inferencial 269 437 𝑃(𝐴) = = 0,0976 ∗ 100 = 𝟗, 𝟕%
2755
199
Matemáticas avanzadas 199 325 𝑃(𝐴) = = 0,0722 ∗ 100 = 𝟕, 𝟐%
2755
44
Matemáticas discretas 44 80 𝑃(𝐴) = = 0,0159 ∗ 100 = 𝟏, 𝟓%
2755
42
Pre cálculo 42 83 𝑃(𝐴) = = 0,0152 ∗ 100 = 𝟏, 𝟓%
2755
 6
Probabilidad 6 17 𝑃(𝐴) = = 0,0021 ∗ 100 = 𝟎, 𝟐%
2755

Se aplicó la misma fórmula que en los ejercicios anteriores “formula de probabilidad clásica”
donde el número de aprobaciones del curso “(A)” se divide entre el número total de estudiantes.

Basados en los resultados podemos decir que el curso Cálculo infinitesimal, tiene el mayor
porcentaje de aprobación entre el total de los estudiantes.

Cálculo infinitesimal = 9,1%

5. Califique los profesores del área de acuerdo a los resultados obtenidos. Establezca los
criterios que utilizó y dé las razones de su elección
Respuesta:

Profesor Aprobó Total PROBABILIDAD

52
César r. 52 53 𝑃(𝐴) = = 0,0188 ∗ 100 = 𝟏, 𝟖%
2755
31
Claudia v. 31 36 𝑃(𝐴) = = 0,0112 ∗ 100 = 𝟏, 𝟏%
2755
97
Diana m. 97 119 𝑃(𝐴) = = 0,0352 ∗ 100 = 𝟑, 𝟓%
2755
166
Ernesto s. 166 204 𝑃(𝐴) = = 0,0602 ∗ 100 = 𝟔%
2755
36
Diego v. 36 45 𝑃(𝐴) = = 0,0130 ∗ 100 = 𝟏, 𝟑%
2755
154
Eduardo m. 154 197 𝑃(𝐴) = = 0,0558 ∗ 100 = 𝟓, 𝟓%
2755
118
Enrique p 118 156 𝑃(𝐴) = = 0,0428 ∗ 100 = 𝟒, 𝟐%
2755
125
Fernando m. 125 167 𝑃(𝐴) = = 0,0453 ∗ 100 = 𝟒, 𝟓%
2755
151
Gloria a. 151 203 𝑃(𝐴) = = 0,0548 ∗ 100 = 𝟓, 𝟒%
2755
116
Jairo a. 116 161 𝑃(𝐴) = = 0,0421 ∗ 100 = 𝟒, 𝟐%
2755
98
Javier b. 98 137 𝑃(𝐴) = = 0,0355 ∗ 100 = 𝟑, 𝟓%
2755
49
José c. 49 74 𝑃(𝐴) = = 0,0177 ∗ 100 = 𝟏, 𝟕%
2755
142
Luz p. 142 209 𝑃(𝐴) = = 0,0515 ∗ 100 = 𝟓, 𝟏%
2755
60
Marcela f. 60 100 𝑃(𝐴) = = 0,0217 ∗ 100 = 𝟐, 𝟏%
2755
 93
María a . 93 157 𝑃(𝐴) = = 0,0337 ∗ 100 = 𝟑, 𝟑%
2755
90
Mario g 90 152 𝑃(𝐴) = = 0,0326 ∗ 100 = 𝟑, 𝟐%
2755
60
Mercedes s. 60 102 𝑃(𝐴) = = 0,0217 ∗ 100 = 𝟐, 𝟏%
2755
111
Oscar n. 111 204 𝑃(𝐴) = = 0,0402 ∗ 100 = 𝟒%
2755
37
Patricia m. 37 73 𝑃(𝐴) = = 0,0134 ∗ 100 = 𝟏, 𝟑%
2755
57
Ricardo o. 57 134 𝑃(𝐴) = = 0,0206 ∗ 100 = 𝟐%
2755
30
Sandra m. 30 72 𝑃(𝐴) = = 0,0108 ∗ 100 = 𝟏%
2755

Se aplicó la misma fórmula que en los ejercicios anteriores “formula de probabilidad clásica”
donde el número de aprobaciones del curso “(A)” se divide entre el número total de estudiantes.

Basados en los resultados podemos decir que el profesor Ernesto S, tiene el mayor
porcentaje de aprobación entre el total de los estudiantes.

Ernesto S. = 6 %

6. En que programa hay mejores resultados. Establezca los criterios que utilizó y dé las
razones de su elección
Respuesta:

Programa Aprobó Total Probabilidad

Administración 146
146 182 𝑃(𝐴) = = 0,0529 ∗ 100 = 𝟓, 𝟐%
ambiental 2755
295
Admón. empresas 295 380 𝑃(𝐴) = = 0,1070 ∗ 100 = 𝟏𝟎, 𝟕%
2755
297
Arquitectura 297 421 𝑃(𝐴) = = 0,1078 ∗ 100 = 𝟏𝟎, 𝟕%
2755
99
Contaduría 99 141 𝑃(𝐴) = = 0,0359 ∗ 100 = 𝟑, 𝟓%
2755
99
Economía 99 142 𝑃(𝐴) = = 0,0359 ∗ 100 = 𝟑, 𝟓%
2755
515
Ing Mecatrónica 515 787 𝑃(𝐴) = = 0,1869 ∗ 100 = 𝟏𝟖, 𝟔%
2755
88
Ing. Civil 88 135 𝑃(𝐴) = = 0,0319 ∗ 100 = 𝟑, 𝟏%
2755
 83
Ing. Financiera 83 134 𝑃(𝐴) = = 0,0301 ∗ 100 = 𝟑%
2755
127
Ing. Sistemas 127 206 𝑃(𝐴) = = 0,0460 ∗ 100 = 𝟒, 𝟔%
2755
Ing. 32
32 56 𝑃(𝐴) = = 0,0116 ∗ 100 = 𝟏, 𝟏%
Telecomunicaciones 2755
Negocios 69
69 123 𝑃(𝐴) = = 0,0250 ∗ 100 = 𝟐, 𝟓%
Internacionales 2755
23
Psicología 23 48 𝑃(𝐴) = = 0,0083 ∗ 100 = 𝟎, 𝟖%
2755

Podemos concluir con base a la aplicación de la “fórmula de probabilidad clásica” aplicada en

los ejercicios anteriores, que el programa ING MECATRONICA obtuvo un mayor porcentaje
de aprobación entre el total de los estudiantes.

Ing. Mecatrónica = 18,6%

Solución al estudio de caso 2

Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al año. En la gran mayoría de
los casos presentados, la sentencia permanece como se presentó. Sin embargo, algunos casos son
apelados y en algunos de estos se revoca la sentencia. Una periodista del diario Cincinnati Times
realizó un estudio de los casos manejados por los jueces del condado de Hamilton durante un
periodo de tres años 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 años.

El propósito del estudio es evaluar el desempeño de los jueces. Las apelaciones con frecuencia son
resultado de errores cometidos por los jueces y el diario quería saber cuáles jueces estaban haciendo
un buen trabajo y cuáles cometían demasiados errores. A usted le han llamado para que ayude en el
análisis 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

Casos Casos Casos

Juez Tribunal Penal
Presentados apelados Revocados
Fred Cartolano 3037 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 O’Connor 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 Presentados apelados Revocados
Penelope Cunningham 2729 7 1
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12,970 32 3
Total 17532 106 17

Casos Casos Casos

Juez Tribunal Civil
Presentados apelados Revocados
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

Prepare un informe con las calificaciones de los jueces. Incluya también un análisis de la
probabilidad de la apelación y la revocación de casos en los tres tribunales. Como mínimo, su
informe debe incluir lo siguiente:

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

Probabilidad de los casos apelados: 4%

Total casos apelados / Total casos presentados = Probabilidad de casos apelados

43945
= 4%
1762
Probabilidad de los casos revocados: 0.45%

Total casos revocados / Total casos presentados = Probabilidad de casos revocados

43945
= 0.45%
199

Tribunal de Familia

Probabilidad de los casos apelados: 0.6%

Total casos apelados / Total casos presentados = Probabilidad de casos apelados

17532
= 0.6%
106
Probabilidad de los casos revocados: 0.1%

Total casos revocados / Total casos presentados = Probabilidad de casos revocados

17542
= 0.1%
17

Tribunal de Civil

Probabilidad de los casos apelados: 0.46%

Total casos apelados / Total casos presentados = Probabilidad de casos apelados

108464
= 0.46%
500
Probabilidad de los casos revocados: 0.10%

Total casos revocados / Total casos presentados = Probabilidad de casos revocados

108464
= 0.10%
104

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

Casos apelados por juez / Casos presentados por juez = Probabilidad de que cada juez apele un caso

Juez Tribunal Penal

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal penal de apelar un caso

Juez Tribunal Penal Probabilidad

Fred Cartolano 4,51%
Thomas Crush 3,53%
Patrick Dinkelacker 3,50%
Timothy Hogan 3,07%
Robert Kraft 4,05%
William Mathews 4,02%
William Morrissey 3,99%
Norbert Nadel 4,43%
Arthur Ney, Jr. 3,88%
Richard Niehaus 4,09%
Thomas Nurre 4,03%
John O’Connor 4,34%
Robert Ruehlman 4,52%
J. Howard Sundermann 6,28%
Ann Marie Tracey 4,04%
Ralph Winkler 2,85%

Tribunal de Familia

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal de familia de apelar un caso

Juez Tribunal de
Probabilidad
Familia
Penelope Cunningham 0,26%
Patrick Dinkelacker 0,32%
Deborah Gaines 0,55%
Ronald Panioto 246,72%
Tribunal Civil

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal civil de apelar un caso

Juez Tribunal Civil Probabilidad

Mike Allen 0,70%
Nadine Allen 0,44%
Timothy Black 0,52%
David Davis 0,56%
Leslie Isaiah Gaines 0,66%
Karla Grady 0,11%
Deidra Hair 0,20%
Dennis Helmick 0,37%
Timothy Hogan 0,56%
James Patrick Kenney 0,21%
Joseph Luebbers 0,53%
William Mallory 0,46%
Melba Marsh 0,41%
Beth Mattingly 0,44%
Albert Mestemaker 0,56%
Mark Painter 0,31%
Jack Rosen 0,53%
Mark Schweikert 0,61%
David Stockdale 0,41%
John A. West 0,14%

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

Casos revocados por juez / Casos presentados por juez = Probabilidad de que cada juez revoque un
caso

Juez Tribunal Penal

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal penal de revocar un caso

Juez Tribunal Penal Probabilidad

Fred Cartolano 0,40%
Thomas Crush 0,30%
Patrick Dinkelacker 0,64%
Timothy Hogan 0,36%
Robert Kraft 0,22%
William Mathews 0,80%
 William Morrissey 0,73%
Norbert Nadel 0,68%
Arthur Ney, Jr. 0,43%
Richard Niehaus 0,48%
Thomas Nurre 0,20%
John O’Connor 0,40%
Robert Ruehlman 0,56%
J. Howard Sundermann 1,05%
Ann Marie Tracey 0,41%
Ralph Winkler 0,19%

Tribunal de Familia

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal de familia de revocar un caso

Juez Tribunal de
Probabilidad
Familia
Penelope Cunningham 0,04%
Patrick Dinkelacker 0,07%
Deborah Gaines 0,10%
Ronald Panioto 23,13%

Tribunal Civil

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal civil de revocar un caso

Juez Tribunal Civil Probabilidad

Mike Allen 0,07%
Nadine Allen 0,08%
Timothy Black 0,08%
David Davis 0,06%
Leslie Isaiah Gaines 0,25%
Karla Grady 0,00%
Deidra Hair 0,00%
Dennis Helmick 0,06%
Timothy Hogan 0,09%
James Patrick Kenney 0,04%
Joseph Luebbers 0,17%
William Mallory 0,11%
Melba Marsh 0,09%
Beth Mattingly 0,03%
Albert Mestemaker 0,18%
 Mark Painter 0,13%
Jack Rosen 0,17%
Mark Schweikert 0,11%
David Stockdale 0,07%
John A. West 0,07%

4. La probabilidad de una revocación dada una apelación, por cada juez

Total casos revocados / Total casos apelados = Probabilidad de una revocación dada una apelación
por cada juez

Juez Tribunal Penal

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal penal de dar una revocación
dada una apelación.

Juez Tribunal Penal Probabilidad

Fred Cartolano 8,76%
Thomas Crush 8,40%
Patrick Dinkelacker 18,18%
Timothy Hogan 11,67%
Robert Kraft 5,51%
William Mathews 19,78%
William Morrissey 18,18%
Norbert Nadel 15,27%
Arthur Ney, Jr. 11,20%
Richard Niehaus 11,68%
Thomas Nurre 4,96%
John O’Connor 9,30%
Robert Ruehlman 12,41%
J. Howard Sundermann 16,67%
Ann Marie Tracey 10,24%
Ralph Winkler 6,82%

Tribunal de Familia

Este cuadro demuestra la probabilidad que tiene cada juez del tribunal de familia de dar una
revocación dada una apelación.

Juez Tribunal de
Probabilidad
Familia
 Penelope Cunningham 14,29%
Patrick Dinkelacker 21,05%
Deborah Gaines 18,75%
Ronald Panioto 9,38%
Tribunal Civil

Este cuadro demuestra la probabilidad que tiene cada juez del civil de familia de dar una revocación
dada una apelación.

Juez Tribunal Civil Probabilidad

Mike Allen 9,30%
Nadine Allen 17,65%
Timothy Black 14,63%
David Davis 11,63%
Leslie Isaiah Gaines 37,14%
Karla Grady 0,00%
Deidra Hair 0,00%
Dennis Helmick 17,24%
Timothy Hogan 15,38%
James Patrick Kenney 16,67%
Joseph Luebbers 32,00%
William Mallory 23,68%
Melba Marsh 20,59%
Beth Mattingly 7,69%
Albert Mestemaker 32,14%
Mark Painter 42,86%
Jack Rosen 31,71%
Mark Schweikert 18,18%
David Stockdale 18,18%
John A. West 50,00%

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios (indicador) que utilizó y
dé las razones de su elección
 Juez Tribunal Penal Probabilidad
Ralph Winkler 2,85%
Timothy Hogan 3,07%
Patrick Dinkelacker 3,50%
Thomas Crush 3,53%
Arthur Ney, Jr. 3,88%
William Morrissey 3,99%
William Mathews 4,02%
Thomas Nurre 4,03%
Ann Marie Tracey 4,04%
Robert Kraft 4,05%
Richard Niehaus 4,09%
John O’Connor 4,34%
Norbert Nadel 4,43%
Fred Cartolano 4,51%
Robert Ruehlman 4,52%
J. Howard Sundermann 6,28%

Juez Tribunal de Familia Probabilidad

Penelope Cunningham 0,26%
Patrick Dinkelacker 0,32%
Deborah Gaines 0,55%
Ronald Panioto 246,72%
 Juez Tribunal Civil Probabilidad
Karla Grady 0,11%
John A. West 0,14%
Deidra Hair 0,20%
James Patrick Kenney 0,21%
Mark Painter 0,31%
Dennis Helmick 0,37%
David Stockdale 0,41%
Melba Marsh 0,41%
Nadine Allen 0,44%
Beth Mattingly 0,44%
William Mallory 0,46%
Timothy Black 0,52%
Jack Rosen 0,53%
Joseph Luebbers 0,53%
David Davis 0,56%
Albert Mestemaker 0,56%
Timothy Hogan 0,56%
Mark Schweikert 0,61%
Leslie Isaiah Gaines 0,66%
Mike Allen 0,70%

Solución al estudio de caso 3

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 exámenes de selección, que solían
estar asociados principalmente con exámenes médicos de diagnóstico pero que ahora están
encontrando aplicaciones en varios campos de actividad. Los exámenes de esteroides en atletas, los
exámenes caseros de embarazo y los exámenes para detectar sida son algunas otras aplicaciones.
Los exámenes de selección 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. Se pueden evaluar estas probabilidades condicionales usando una
fórmula derivada por el probabilista Thomas Bayes, llamada el Teorema de Bayes. El teorema se
utiliza para revisar probabilidades previamente calculadas cuando se posee nueva información y fue
desarrollado por el reverendo Thomas Bayes en el siglo XVII. Se supone que una cierta prueba
detecta cierto tipo de cáncer con probabilidad del 80% entre gente que lo padece, y no detecta el
20% restante. Si una persona no padece este tipo de cáncer la prueba indicará este hecho un 90% de
las veces e indicará que lo tiene un 10% de ellas. Por estudios realizados se supone que el 5% de la
Población padece este tipo de cáncer. Con base en esta información y usando el Teorema de Bayes,
elabore un informe que como mínimo, debe incluir: (se sugiere elaborar un diagrama de árbol)
 80/100 Prueba
Positiva
5/100 Enfermos
20/100 Prueba
Negativa
Población
10/100
Prueba
95/100
No Positiva
Enfermos Prueba
90/100
Negativa
1. Probabilidad de que una persona tenga este tipo de cáncer: Probabilidad de que NO tenga este
tipo de cáncer.

𝑃(𝐸) = 0.05 ≅ 5% 𝑃(𝑁𝐸) = 0.95 ≅ 95%

2. Probabilidad de un falso positivo, es decir que el examen indique que la persona tiene cáncer
dado que la persona no tiene la enfermedad

𝑃+ 10 95 95
𝑃( )= ∗ = ≅ 0.095 ≅ 9.5%
𝑁𝐸 100 100 1000

3. Probabilidad de un falso negativo, es decir, que el examen indique que la persona NO tiene
cáncer dado que la persona tiene la enfermedad

𝑃− 20 5 1
𝑃( )= ∗ = ≅ 0.01 ≅ 1%
𝐸 100 100 100

4. Probabilidad de que el examen indique que la persona tiene cáncer

80 5 10 95 40 95 135
𝑃(𝑃 +) = ∗ + ∗ = + = ≅ 0.135 ≅ 13.5%
100 100 100 100 1000 1000 1000
5. Probabilidad de que la persona tenga cáncer dado que el examen indicó que tiene cáncer

80 5 40
𝐸 100 ∗ 100 1000 40
𝑃( )= = = ≅ 0.2962 ≅ 29.62%
𝑃+ 135 135 135
1000 1000
6. Probabilidad de que la persona NO tenga cáncer dado que el examen indico que NO tiene cáncer

90 95 855
𝑁𝐸 ∗ 855
𝑃( )= 100 100 = 1000 = ≅ 0.9884 ≅ 98.84%
𝑃− 865 865 865
1000 1000
7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen para detectar
este tipo de cáncer

Es poco confiable, ya que sólo el 5% de la población tiene la enfermedad y 1 de cada 100 que si la
tienen no es diagnosticado correctamente. Además, la probabilidad que la persona realmente tenca
ese tipo de cáncer, dado que la prueba así lo indicó, es de sólo el 29% (Una tasa muy baja).

Por otro lado, la prueba es eficiente para el caso de las personas que no poseen el tipo de cáncer, ya
que 99% de ellas son diagnosticadas correctamente.

Solución al estudio de caso 4

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 compañía 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 también y6 % de los que vende
Crawford Components son defectuosos. Cuando los chips LS-24 se reciben, se les coloca
directamente en un depósito 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 identificó los chips, no se está seguro de qué proveedor los fabricó. Con el
propósito de evaluar con que proveedor hay mayor probabilidad de tener chips defectuosos, usted
ha sido llamado para que ayude en el análisis de datos. Utilice su conocimiento de la probabilidad y
las aplicaciones del Teorema de Bayes para ayudar a realizar el informe solicitado.

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

1.- Un diagrama de árbol que represente las probabilidades dadas (probabilidades a priori) y las
probabilidades encontradas (probabilidades a posteriori)
 0.02 D

0.25

0.98 ND

0.04 D

0.30

0.96 ND

0.06 D

0.45

0.94
ND

2.- Probabilidad de que un chip este defectuoso

Sea D= “Chip defectuoso”

A= Hall Electronics

B= Schuller Sales

C= Crawford Components

Probabilidad defectuoso A

𝑃(𝐴 ∩ 𝐷) = 𝑃(𝐴) ∗ 𝑃(𝐷/𝐴)

= 0.25 ∗ 0.02 = 0.005

Probabilidad defectuoso B

𝑃(𝐵 ∩ 𝐷) = 𝑃(𝐵) ∗ 𝑃(𝐷/𝐵)

= 0.30 ∗ 0.04 = 0.012

Probabilidad defectuoso C

𝑃(𝐶 ∩ 𝐷) = 𝑃(𝐶) ∗ 𝑃(𝐷/𝐶)

 = 0.45 ∗ 0.06 = 0.027

Probabilidad total de eventos defectuosos

𝑃(𝐷) = 𝑃(𝐴) ∗ 𝑃(𝐷/𝐴) + 𝑃(𝐵) ∗ 𝑃(𝐷/𝐵) + 𝑃(𝐶) ∗ 𝑃(𝐷/𝐶)

= 0.005 + 0.012 + 0.027 = 0.044

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

Sea ND= “Chip buenas condiciones o no defectuoso”

𝑃(𝑁𝐷) = 𝑃(𝐴). 𝑃(𝑁𝐷⁄𝐴) + 𝑃(𝐵). 𝑃(𝑁𝐷⁄𝐵) + 𝑃(𝐶). 𝑃(𝑁𝐷⁄𝐶 )

= 𝑂. 25 ∗ 0.98 + 0.30 ∗ 0.96 + 0.45 ∗ 0.94 = 0.956

Probabilidad de que un chip este en buenas condiciones o no sea defectuoso= 95.6%

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

 Probabilidad chip defectuoso por Hall Electronics = 11.36%

𝑃(𝐴) ∗ 𝑃(𝐷⁄𝐴)
𝑃(𝐴⁄𝐷 ) =
𝑃(𝐷)
0.005
= = 0.1136 = 11.36%
0.044

 Probabilidad chip defectuoso Schuller Sales =27.27%

𝑃(𝐵) ∗ 𝑃(𝐷⁄𝐵)
𝑃(𝐵⁄𝐷) =
𝑃(𝐷)

0.012
= = 0.2727 = 27.27%
0.044

 Probabilidad chip defectuoso Crawford Components= 61.36%

 𝑃(𝐶) ∗ 𝑃(𝐷⁄𝐶 )
𝑃(𝐶 ⁄𝐷 ) =
𝑃(𝐷)

0.027
= = 0.6136 = 61.36%
0.044
5.- Si el chip seleccionado está en buenas condiciones, debe encontrar la Probabilidad de que haya
sido fabricado por cada uno de los proveedores

Sea ND “Chip buenas condiciones o no defectuoso”

 Probabilidad chip no defectuoso Hall Electronics 24.5%

𝑃(𝑁𝐷) = 𝑃(𝐴) ∗ 𝑃(𝑁𝐷⁄𝐴)

= 0.25 ∗ 0.98 = 0.245 = 24.5%

 Probabilidad chip no defectuoso Schuller Sales 28.8%

𝑃(𝑁𝐷) = 𝑃(𝐵) ∗ 𝑃(𝑁𝐷⁄𝐵)

= 0.30 ∗ 0.96 = 0.288 = 28.8%

 Probabilidad chip no defectuoso Crawford Components 42.3%

𝑃(𝑁𝐷) = 𝑃(𝐶) ∗ 𝑃(𝑁𝐷⁄𝐶 )

= 0.45 ∗ 0.94 = 0.423 = 42.3%

6. Se halla la probabilidad total de chips no defectuosos 95.6%

𝑃(𝑁𝐷) = 𝑃(𝐴) ∗ 𝑃(𝑁𝐷/𝐴) + 𝑃(𝐵) ∗ 𝑃(𝑁𝐷/𝐵) + 𝑃(𝐶) ∗ 𝑃(𝑁𝐷/𝐶)

= 0.245 + 0.288 + 0.423 = 0.956 = 95.6%

 REFERENCIAS

Alejandro, L. e. (s.f.). Probabilidad y Estadistica Apuntes Digitales. En U. A. Hidalgo, Probabilidad

y Estadistica Apuntes Digitales.

Gardey, J. P. (2009). https://definicion.de/teorema/.

Berenson M., Levine D., Krehbiel T. Estadística para administración. Segunda edición. Prentice
Hall. 2000

Zimmermann F., Estadística para investigadores. Editorial Escuela Colombiana de Ingeniería.

2004

Anderson D., Sweeney D., Williams T. Estadística para la administración y economía. Décima
edición. Cengage Learning. 2008