PROBABILIDAD

FASE 1 AXIOMAS DE PROBABILIDAD

GRUPO: 100402_318

CARLOS EDUARDO CORTS GIRALDO COD: 75.074.422

VANESSA NAVARRO CALDAS COD: 1112776951
EDWAR MAURICIO CARDONA MOLINA COD: 1.018.345.738
DANIELA BUSTAMANTE GAVIRIA COD: 1053834233

LAURA ELENA QUINGUEREJO

UNIVERSIDAD ABIERTA Y A DISTANCIA

SEPTIEMBRE, 2016

Introduccin

El siguiente trabajo tiene como objetivo comprender Los principios de la

probabilidad concernientes a la unidad 1, en temas relacionados con experimento
aleatorio, eventos y sucesos, tcnicas de conteo, axiomas de probabilidad,
probabilidad condicional y teorema de Bayes. Aplicando estos temas y conceptos
encontraremos un cuadro sinptico, al igual que el planteamiento de una serie de
ejercicios con sus respectivas respuestas y la solucin a un estudio de caso.
Siempre que se toma una decisin hay una considerable incertidumbre, y por ello
es importante evaluar cientficamente todos los riesgos conocidos. Para esto se
utiliza la teora de la probabilidad a la que a menudo se le ha llamado teora de la
incertidumbre. La teora de la probabilidad permite, con poca informacin, analizar
los riesgos y minimizar los peligros de una mala decisin.
La probabilidad es la herramienta de ayuda para la toma de decisiones ya que es
una manera fcil de medir, expresar y analizar los datos asociados con los eventos
y estudios de caso.

Objetivos
Objetivo general.

Analizar e interiorizar los principios de Probabilidad, identificando sus

propiedades, leyes y los campos de aplicacin que tiene esta ciencia propia
de la estadstica.
Objetivos especficos

Reconocer las caractersticas de un experimento aleatorio.

Identificar el espacio muestral y distintos eventos de experimentos

aleatorios.

Adquirir las herramientas y habilidades necesarias de las tcnicas de

conteo.

Calcular las medidas de espacios mustrales y eventos aplicando

reglas bsicas de conteo, permutaciones y combinaciones.

Establecer

aplicar

las

tcnicas

permutaciones y combinaciones.

de

conteo

travs

de

Cuadro sinptico Vanessa Navarro

Experimento
Aleatorio
Espacio

Un fenmeno aleatorio, es por tanto, aquel cuyo resultado

est fuera de control y que depende del azar.

Espacio muestral es el conjunto formado por todos los

posibles resultados de un experimento aleatorio.

muestral
Sucesos o
Operaciones
entre eventos
TECNICA
S DE
CONTEO
PRICIPIOS
DE

Principio
multiplicativ
o
Principi
o
Factorial
de
Un nmero
Permutacion
es
Combinacin

Axiomas
de
Probabilid
Regla De
la
Regla de la
Multiplicaci
n

Suceso o Evento de un fenmeno o experimento aleatorio

es cada uno de los subconjuntos del espacio muestral S
Usamos las operaciones bsicas de conjuntos, tales como
uniones, intersecciones y complementos, para formar otros
eventos de inters, denominados eventos o sucesos
compuestos.

Las tcnicas de conteo son aquellas que

son usadas para enumerar eventos difciles
de cuantificar
Una actividad que consta de r pasos, en donde
el primer paso de la actividad a realizar puede
ser llevado a cabo de N1 maneras o formas, el
segundo paso de N2 maneras o formas y el rCon la condicin no de que los eventos sean independientes
sino de que sean mutuamente excluyentes, es decir que cada
uno ocurra sin la necesidad de que otro lo haga.
Este se denota por el smbolo n! y se define como el producto
de n por todos los enteros que le preceden hasta llegar al uno.
Una permutacin de los elementos es un acomodo u
ordenamiento de ellos.

Es un arreglo de elementos en donde no nos

interesa el lugar o posicin que ocupan los
mismos dentro del arreglo. En una combinacin
nos interesa formar grupos y el contenido de los
mismos.
Los axiomas no determinan las probabilidades, lo que hacen es
facilitar el clculo de las probabilidades de algunos eventos a
Si dos eventos son mutuamente excluyentes, podemos expresar
esta probabilidad haciendo uso de la regla de adicin. la regla de
la adicin para calcular P(AUB)
En esta seccin se desarrollar una regla para determinar P
(AnB), esto es, la probabilidad de que el evento A ocurra en un
primer experimento y el evento B ocurra en un segundo

Cuadro sinptico Carlos Andrs Cortes

Experimento aleatorio: Sucesos

no controlables de la naturaleza se
hace por medio de la observacin
Espacio muestral: Grupo de
objetos o elementos con

UNIDAD

Principio de

caractersticas comunes definidas

probabilidad

Tcnicas de conteo: Utilizados

para enumerar eventos difciles de

cuantificar.
Axiomas de probabilidad: Son
las condiciones mnimas que
deben verificarse para que una
funcin definida sobre un

Estudio de caso 1 : CARLOS EDUARDO CORTS GIRALDO

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.
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.

1 La probabilidad de que un estudiante apruebe un curso del rea de

matemticas
Se empleara la siguiente formula:
(Total aprobados / # total * 100)
P= 1893 / 2755 = 0.67 *100 = 0.67

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

matemticas.

(Total aprobados / # 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.

Profesor
Csar r.
Claudia v.
Diana m.
Ernesto s.
Diego v.
Eduardo m.
Enrique p
Fernando m.
Gloria a.
Jairo a.
Javier b.
Jos c.
Luz p.
Marcela f.
Mara a .
Mario g
Mercedes s.
Oscar n.
Patricia m.
Ricardo o.
Sandra m.
Total

Aprob

Reprob

Cancelo o perdi

Total

52
31
97
166
36
154
118

4
17
5
17
25

por fallas
1
5
18
21
4
26
13

125

21

21

167

151
116
98
49
142
60
93
90
60
111
37
57
30

32
19
10
9
23
19
27
16
15
48
14
31
37

20
26
29
16
44
21
37
46
27
45
22
46
5

203
161
137
74
209
100
157
152
102
204
73
134
72

1873

389

493

2755

53
36
119
204
45
197
156

P
P
P=
P=1

P=
P=
P=

P=
P=
P=
P=
P=

P=
P=
P=
P=
P=
P=
P=

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

Aprob

Reprob

perdi

Probabilidad de que sea cada

Total

uno de los cursos del rea

por fallas
Algebra lineal
Anlisis numrico
Clculo infinitesimal
Calculo integral
Clculo multivariado
Calculo negocios
Ecuaciones diferenciales
Estadstica bsica
Estadstica inferencial
Matemticas avanzadas
Matemticas discretas

178

10

30

218

146

15

21

182

252

37

39

328

56

15

79

244

49

64

357

226

44

61

331

178

47

40

265

33

11

53

269

70

98

437

199

53

73

325

44

13

23

80

P=(178/218)=0.816*100=81.65
%
P=(146/182)=0.802*100=80.21
%
P=(252/328)=0.768*100=76.82
%
P=(56/79)=0.708*100=70.88%
P=(244/357)=0.683*100=68.34
%
P=(226/331)=0.682*100=68.27
%
P=(178/265)=0.671*100=67.16
%
P=(33/53)=0.622*100=62.26%
P=(269/437)=0.615*100=61.55
%
P=(199/325)=0.612*100=61.23
%
P=(44/80)=0.55*100=55%

Cancelo o
Curso
Precalculo
Probabilidad
TOTAL

Aprob

Probabilidad de que sea cada

Reprob

perdi

Total

uno de los cursos del rea

42
6

24
8

por fallas
17
3

83
17

1873

389

493

2755

P=(42/83)=0.50*100=50.60%
P=(6/17)=0.352*100=35.29%
P=(1873/2755)=0.679*100=67.9
8%

5 Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los criterios que utiliz y d las
razones de su eleccin.
Para realizar la clasificacin se hace necesario estudiar los estudiantes que aprobaron y reprobaron utilizando las reas
que tuvieron mayor aprobacin

Para esto se emplea esta formula

P= (Aprobados por materia / total)=Resultado *100

Cancelo o
Curso

Aprob

Reprob

perdi

Probabilidad de que sea cada

Total

uno de los cursos del rea

por fallas
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

178

10

30

218

146

15

21

182

252

37

39

328

56

15

79

244

49

64

357

226

44

61

331

178

47

40

265

33

11

53

269

70

98

437

199

53

73

325

44
42
6

13
24
8

23
17
3

80
83
17

1873

389

493

2755

P=(178/218)=0.816*100=81.65
%
P=(146/182)=0.802*100=80.21
%
P=(252/328)=0.768*100=76.82
%
P=(56/79)=0.708*100=70.88%
P=(244/357)=0.683*100=68.34
%
P=(226/331)=0.682*100=68.27
%
P=(178/265)=0.671*100=67.16
%
P=(33/53)=0.622*100=62.26%
P=(269/437)=0.615*100=61.55
%
P=(199/325)=0.612*100=61.23
%
P=(44/80)=0.55*100=55%
P=(42/83)=0.50*100=50.60%
P=(6/17)=0.352*100=35.29%
P=(1873/2755)=0.679*100=67.9
8%

6 Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca los criterios que utiliz y d las
razones de su eleccin
Profesor
Csar r.
Claudia v.
Diana m.
Ernesto s.
Diego v.
Eduardo m.
Enrique p
Fernando m.

Aprob

Reprob

Cancelo o perdi

Total

52
31
97

por fallas
1
5
18

166

17

21

204

36
154
118

5
17
25

4
26
13

45
197
156

125

21

21

167

53
36
119

P= Aprobados/total*100
P=52/53=0.981*100= 98.1%
P=31/36=0.861*100= 86.1%
P=97/119=0.815*100= 81.51%
P=166/204=0.813*100= 81.37
%
P=36/45=0.8*100=80 %
P=154/197=0.781*100=78.17 %
P=118/156=0.756*100= 75.64%
P=125/167=0.748*100=74.85%
%

Gloria a.
Jairo a.
Javier b.
Jos c.
Luz p.
Marcela f.
Mara a .
Mario g
Mercedes s.
Oscar n.
Patricia m.
Ricardo o.
Sandra m.
Total

151
116
98
49
142
60
93
90
60
111
37
57
30

32
19
10
9
23
19
27
16
15
48
14
31
37

20
26
29
16
44
21
37
46
27
45
22
46
5

203
161
137
74
209
100
157
152
102
204
73
134
72

1873

389

493

2755

P=151/203=0.743*100= 74.38%
P=116/161=0.720*100=72.04 %
P=98/137=0.715*100= 71.53%
P=49/74=0.662*100= 66.21%
P=142/209=0.679*100= 67.94%
P=60/100=0.6*100= 60%
P=93/157=0.592*100= 59.23%
P=90/152=0.592*100= 59.21%
P=60/102=0.588*100= 58.82%
P=111/204=0.544*100= 54.41%
P=37/73=0.506*100= 50.68%
P=57/134=0.425*100= 42.53%
P=30/72=0.416*100=41.66 %
P=1873/2755=0.679*100=
67.98%

7 En que programa hay mejores resultados. Establezca los criterios que utiliz y
d las razones de su eleccin.
Existen mejores resultados en las area donde se present menor cantidad de
desertados

ESTUDIO DE CASO 2: VANESSA NAVARRO CALDAS

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
Enfermedad presente
Enfermedad Ausente

examen positivo
8%
5%

del Resultado

del

examen Negativo
2%
85 %

NOTA: Se corrige la probabilidad en rojo debido a que el enunciado dice que

el 10% de la poblacin presenta la enfermedad. En la tabla original tal
cantidad es del

8 + 22 =30 , contrario al enunciado mismo y da lugar a una

inconsistencia en los datos, y, por supuesto, en los resultados.

A: Enfermedad ausente
P: Enfermedad presente
Pos: Resultado del examen positivo
Neg: Resultado del examen negativo

Las probabilidades ofrecidas por la tabla son

P ( Pos )=0.13

Con base en esta informacin y usando el Teorema de

P

Bayes, elabore un informe que como mnimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

P(P)=0.08+0.02=0.1

2. 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.

P ( Pos| A )=

P(Pos A ) 0.05
=
=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 )=

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

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

resulto positivo

P ( P|Pos )=

P (Pos P) P(P)
P(Pos)

P ( Pos|P )=

P ( Pos P ) 0.08
=
=0.8
0.1
P ( P)

P ( P|Pos )=

0.80.1
=0.6154
0.13

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

examen resulto positivo

P ( A| Pos )=

P ( Pos| A ) P ( A ) 0.0560.9
=
=0.3877
0.13
P ( Pos )

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

resulto negativo
P
|

8. Probabilidad de que la persona NO tenga la enfermedad dado que el

examen resulto negativo
A
|

P ( A )=

P ( A ) 0.85
=
=0.9444
0.9
P ( A)

A
|
P

9. De acuerdo con las probabilidades encontradas, qu tan confiable es este

examen de seleccin para detectar la enfermedad?
Para responder esta pregunta podemos considerar los incisos 5 y 8. La pregunta 5
nos informa acerca de la probabilidad de que la persona est enferma dado que el
resultado fue positivo, mientras que la 8 nos informa de qu tanta confianza
podemos tener en la prueba dado que el resultado dio negativo. En el primer caso

se observa que la probabilidad es 61.54% lo cual no es un resultado tan decisivo

como debe esperarse; en el otro caso, la prueba nos dice que podemos estar al
97.7% seguros de que no tenemos la enfermedad. Por lo tanto, se puede concluir
que la prueba nos indica una informacin ms confiable para determinar si una
persona NO est enferma, pero se queda corta para indicar cul s lo est.

resumen de los conceptos tericos de la unidad que me permitieron solucionar

el estudio de caso seleccionado.
Para dar solucin a los puntos solicitados en el caso 2 fue necesario leer y
apropiarme de los contenidos encontrados en las lecciones 1,4 y 1,5. En donde
est la definicin del Teorema de Bayes. Y en referencias complementarias ms
sobre axiomas de probabilidad.
Teorema de Bayes
El teorema de bayes es un mtodo para encontrar la probabilidad de una causa
especfica cuando se observa un efecto particular.
Es el procedimiento que se utiliza para encontrar las probabilidades posteriores, a
partir de probabilidades previas, las probabilidades a priori se conocen antes de
obtener informacin del experimento
El teorema de bayes nos da la posibilidad de saber si un evento puede ocurrir en
ms de una forma.

ESTUDIO DE CASO 3: DANIELA BUSTAMANTE GAVIRIA

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

1. Si fuera uno de los 12 miembros del equipo, cual es la probabilidad de completar

su salto con xito?
Solucin:
La probabilidad de hacer su salto con xito de cada uno de los miembros del
equipo es:

Como la probabilidad conjunta es 0.7980, entonces la probabilidad de cada uno de

los miembros del equipo es
P=

0.7980
12

P=0.0665

La probabilidad de cada miembro del equipo es 0.0665.

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?
Solucin:
La probabilidad de que al menos un solo miembro del equipo tenga un salto
exitoso es:
12 ln ( p )=ln ( 0.7980)

P=e

ln (0.7980)
12

P=(0.7980) 12

P=0.9813

La probabilidad de que al menos un miembro logre el salto con xito es de 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?
Solucin:
No convengo con esa afirmacin ya que teniendo encuenta que la probabilidad
de 0.7980 lo que est analizando es la probabilidad de lograr que los 12 miembros
del equipo escogido de la expedicin Ross tengan un salto con xito.
Estudio de caso 4 CARLOS EDUARDO CORTS GIRALDO
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

Juez Tribunal Penal

Fred Cartolano
Thomas Crush
Patrick Dinkelacker
Timothy Hogan
Robert Kraft
William Mathews
William Morrissey
Norbert Nadel
Arthur Ney, Jr.
Richard Niehaus
Thomas Nurre
John OConnor
Robert Ruehlman
J. Howard Sundermann
Ann Marie Tracey
Ralph Winkler
Total

Juez Tribunal de Familia

Penelope Cunningham
Patrick Dinkelacker
Deborah Gaines
Ronald Panioto
Juez Tribunal Civil
Mike Allen
Nadine Allen
Timothy Black
David Davis

Casos
Presentados
3037
3372
1258
1954
3138
2264
3032
2959
3219
3353
3000
2969
3205
955
3141
3089
43945

Casos
Presentados
2729
6001
8799
12,970
Casos
Presentados
6149
7812
7954
7736

Casos apelados
137
119
44
60
127
91
121
131
125
137
121
129
145
60
127
88
1762

Casos apelados

Casos Revocados
12
10
8
7
7
18
22
20
14
16
6
12
18
10
13
6
199

Casos Revocados

7
19
48
32
Casos apelados
43
34
41
43

1
4
9
3
Casos Revocados
4
6
6
5

Leslie Isaiah Gaines

Karla Grady
Deidra Hair
Dennis Helmick
Timothy Hogan
James Patrick Kenney
Joseph Luebbers
William Mallory
Melba Marsh
Beth Mattingly
Albert Mestemaker
Mark Painter
Jack Rosen
Mark Schweikert
David Stockdale
John A. West

5282
5253
2532
7900
2308
2798
4698
8277
8219
2971
4975
2239
7790
5403
5371
2797
108464

Total

35
6
5
29
13
6
25
38
34
13
28
7
41
33
22
4
500

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

Se deben de considerar los siguientes eventos

P = Nmero de casos
P

A = Casos apelados
R = Casos revocados

13
0
0
5
2
1
8
9
7
1
9
3
13
6
4
2
104

Como se observa en la figura A R = R , as que las probabilidades pedidas para

los jueces y tribunales se obtendrn as:
Probabilidades de los casos que se apelan en cada tribunal son:

Tribunal penal: P ( A )=

Casos apelados
1762
=
=0.0400955740
Cas os presentados 43945

Tribunal de la familia : P ( A )=

Casos apelados
106
=
=0.00347755237
Casos presentados 30499

Tribunal civil : P ( A )=

Casos apelados
500
=
=0.0046098244
Casos presentados 108464

Las probabilidades de los casos que son revocados en cada uno de los tribunales
son:

Tribunal penal: P ( A )=

Casos revocados
199
=
=0.1129398410
Casos presentados 1762

Tribunal de la familia : P ( A )=

Tribunal civil : P ( A )=

Casos revocados
17
=
=0.1603773584
Casos presentados 106

Casos revocados
104
=
=0.208
Casos presentados 500

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

P ( A )=

Total de casosapelados
2368
=
=0.0129463992
Total de casos presentados 182908

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

P ( A )=

Total de casos revocados

320
=
=0.0017495134
Total de casos presentados 182908

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

P ( R / A )=

Total de casos revocados

320
=
=0.1351351351
Total de casos presentados 2368

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

Con base a la siguiente tabla se llev a cabo la clasificacin de los jueces en

cada tribunal tomando en cuenta la P(R/A) porcentaje de predisposicin a la
cual debe de estar un juez a retractarse en sus veredictos de la primera
instancia, lo que hace que este juez obtenga ms bajo este porcentaje (P(R/A))
el que mejor desempea el oficio.

Juez Tribunal Penal

Fred Cartolano
Thomas Crush
Patrick Dinkelacker
Timothy Hogan
Robert Kraft
William Mathews
William Morrissey
Norbert Nadel
Arthur Ney, Jr.
Richard Niehaus
Thomas Nurre
John OConnor
Robert Ruehlman
J. Howard
Sundermann
Ann Marie Tracey
Ralph Winkler

3037
3372
1258
1954
3138
2264
3032
2959
3219
3353
3000
2969
3205
955

137
119
44
60
127
91
121
131
125
137
121
129
145
60

12
10
8
7
7
18
22
20
14
16
6
12
18
10

Probabilida
d de una
revocacin
dada una
apelacin
por juez
0,0876
0,0840
0,1818
0,1167
0,0551
0,1978
0,1818
0.1527
0,1120
0,1168
0,0496
0,0930
0,1241
0,1667

3141
3089

127
88

13
6

0,1024
0,0682

Casos
Presentados

Casos
apelados

Casos
Revocados

Juez Tribunal Penal

Total

Juez Tribunal de
Familia
Penelope
Cunningham
Patrick Dinkelacker
Deborah Gaines
Ronald Panioto

Juez Tribunal Civil

Mike Allen
Nadine Allen
Timothy Black
David Davis
Leslie Isaiah Gaines
Karla Grady
Deidra Hair

Casos
Presentados
43945

Casos
apelados

Casos
Revocados

1762

199

Probabilida
d de una
revocacin
dada una
apelacin
por juez
1,8903

2729

Probabilida
d de una
revocacin
dada una
apelacin
por juez
1,4E - 01

6001
8799
12,970

19
48
32

4
9
3

2,1E - 01
1,9E 01
9,4E- 02

4
6
6
5
13
0
0

Probabilida
d de una
revocacin
dada una
apelacin
por juez
9E-02
2E-01
1E-01
1E-01
4E-01
0E-00
0E+00

Casos
Presentados

Casos
Presentados
6149
7812
7954
7736
5282
5253
2532

Casos
apelados

Casos
Revocados

Casos
apelados
43
34
41
43
35
6
5

Casos
Revocados

Dennis Helmick
Timothy Hogan
James Patrick
Kenney
Joseph Luebbers
William Mallory
Melba Marsh
Beth Mattingly
Albert Mestemaker
Mark Painter
Jack Rosen
Mark Schweikert
David Stockdale
John A. West
Total

7900
2308
2798

29
13
6

5
2
1

2E-01
2E-01
2E-01

4698
8277
8219
2971
4975
2239
7790
5403
5371
2797
108464

25
38
34
13
28
7
41
33
22
4
500

8
9
7
1
9
3
13
6
4
2
104

3E-01
2E-01
23-01
8E-02
3E-01
4E-01
3E-01
2E-01
2E-01
5E-01
4E+00

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 y 6 % 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.

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

2. Probabilidad de que un chip este defectuoso

La Probabilidad de que un chip este defectuoso la encontramos realizando
la suma de la cantidad de porcentajes defectuosos adquiridos por cada
proveedor, es decir
El 2% de los chips de HallElectronics son defectuosos
El 4% de los chips de Schuller Sales son defectuosos
El 6% de los chips de Crawford Components son defectuosos.
Entonces: 2% + 4% + 5% = 12%

La Probabilidad de que un chip este defectuoso es del 12%

3. Probabilidad de que el chip este en buenas condiciones

Chip buenos: 100% - Probabilidad de defectos
100% - 12% = 88%
La probabilidad de que el chip este bueno es de 88%

4. Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad

de que haya sido fabricado por cada uno de los proveedores.
La Probabilidad de que el proveedor HallElectronics haya fabricado
el chip es de 25%
La Probabilidad de que el proveedor Schuller Sales haya fabricado
el chip es de 30%
La Probabilidad de que el proveedor Crawford Components haya
fabricado el chip es de 45%

5. Si el chip seleccionado est en buenas condiciones, debe encontrar la

Probabilidad de que haya sido fabricado por cada uno de los proveedores.

 La Probabilidad de que el proveedor HallElectronics haya fabricado

el chip es de 25% - 2% = 23%
La Probabilidad de que el proveedor Schuller Sales haya fabricado
el chip es de 30% - 4% = 26%
La Probabilidad de que el proveedor Crawford Components haya
fabricado el chip es de 45% - 6% = 39%

Conclusiones

Referencias Bibliogrficas

Lipschutz, Seymour. Teora y problemas de probabilidad. Serie de

compendios Schaum. Mxico: McGraw Hill.

El material didctico, (2004) Roberto J. Salazar Ramos. UNAD, Bogot D.C.

GMARTNEZ BENCARDINO, Ciro (2004). Estadstica Bsica

Aplicada. Santa fe de Bogot: ECOE Ediciones.