Professional Documents
Culture Documents
PRESENTADO A:
JORGE EDUARDO ROYERO
MATERIA:
PROBABILIDAD
GRUPO N:
100402_181
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
UNAD
PASTO-NARIO
2016
INTRODUCCION
El curso de probabilidad nos aporta conocimientos indispensables para desempearnos como profesionales integrales y competentes en
el campo laboral. Ya que un profesional con slidos conocimientos del mercado y del consumo, anlisis y aplicacin a situaciones del
consumo que se dan dentro del contexto del mercado, le permite a las empresas enfrentar los nuevos retos del mercado y asegurar su
supervivencia y adaptacin al nuevo entorno global.
A travs de la identificacin y comprensin de los Principios de Probabilidad, necesarios para el cumplimiento de los propsitos y
objetivos del curso. Esperamos alcanzar los objetivos propuestos y que estos conocimientos sean de mucha utilidad.
En este trabajo encontramos algunos conceptos bsicos de las tcnicas de conteo: permutaciones, variaciones y combinaciones; se
identifican conceptos sobre espacios mustrales y eventos, las propiedades bsicas de la probabilidad como los reglas de adicin y
multiplicacin, la probabilidad condicional y el teorema de Bayes.
DESARROLLO
DE CASOS
TECNICAS DE
CONTEO
AXIOMAS DE
PROBABILIDAD
2.- Solucin al estudio de caso 1: El grupo entrega aqu, de manera organizada, el anlisis, desarrollo y solucin del ESTUDIO DE
CASO presentado
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:
Enfermedad presente
Enfermedad Ausente
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. Presentamos entonces tabla corregida.
Enfermedad presente
Enfermedad Ausente
P ( Pos )+
A ( Pos ) +
Con base en esta informacin y usando el Teorema de 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=10
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=56
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
=
=0.066=6.7
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=61.5
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=38.8
0.13
P ( Pos )
7. Probabilidad de que la persona tenga la enfermedad dado que el examen resulto negativo
P
|
P
8. Probabilidad de que la persona NO tenga la enfermedad dado que el examen resulto negativo
A
|
P ( A ) 0.85
P ( A )=
=
=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 nos 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 se utiliza para revisar probabilidades previamente calculadas cuando se posee nueva informacin. Desarrollado
por el reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la
probabilidad condicional.
Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori. Cuando se tiene alguna
informacin adicional se procede a calcular las probabilidades revisadas o a posteriori. El teorema de Bayes permite calcular las
probabilidades a posteriori y es:
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 4.
Los jueces del condado Hamilton (E.E.U.U.) procesan miles de casos al ao. En la gran mayora de los casos presentados, la sentencia
permanece como se present. Sin embargo, algunos casos son apelados y en algunos de estos se revoca la sentencia. Una periodista del
diario Cincinnati Times realiz un estudio de los casos manejados por los jueces del condado de Hamilton durante un periodo de tres
aos En la siguiente tabla se muestran los resultados de 182908 casos presentados a 38 jueces del Tribunal Penal, del Tribunal de
Familia y del Tribunal Civil. Dos de los jueces (Dinkelacker y Hogan) no trabajaron en el mismo tribunal durante todo el periodo de
tres aos. El propsito del estudio es evaluar el desempeo de los jueces. Las apelaciones con frecuencia son resultado de errores
cometidos por los jueces y el diario quera saber cules jueces estaban haciendo un buen trabajo y cules cometan demasiados errores.
A usted le han llamado para que ayude en el anlisis de datos. Utilice su conocimiento de la probabilidad y la probabilidad condicional
para ayudar a calificar a los jueces. Tal vez pueda analizar la probabilidad de los casos que se apelaron y revocaron manejados en los
diferentes tribunales.
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:
1762
=0.04009
43945
199
P (casos que se a Revocan) = 43945 =0.00453
Tribunal de Familia.
106
P (casos que se apelan) = 30499 =0.00347
17
=0.00056
30499
Tribunal de Civil.
500
P (casos que se apelan) = 108464 =0.0046
104
P (casos que se a Revocan) = 108464 =0.00096
n de casos revocados
n de casos presentados
Tabla 1.
Tabla 2.
Tabla 3.
p r /a=
n casos revocados
n casos apelados
Tabla 4.
Tabla 5.
Tabla6.
5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y d las razones de su eleccin.
En el tribunal penal hay un nmero mayor de casos revocados en comparacin con los otros 2 tribunales.
En este tribunal los jueces emiten sentencias apeladas y revocadas y que el juez que encabeza la lista de esta situacin es J. Howard
Sundermann.
El tribunal de familia es el que tiene un nmero ms bajo de casos apelados, es decir, hay una mejor gestin. Los jueces son ms
eficientes en su veredicto en comparacin con los otros dos tribunales. En el tribunal civil se debera hacer seguimiento a los
procesos que estn a cargo de los siguientes jueces, ya que son los que tienen mayor nmero de apelaciones y revocaciones:
Sundermann, William Mathews, William Morrissette. Como caso especial se debera conversar y revisar los caso del juez Patrick
Dinkelacker ya que tiene en ambos tribunales apelaciones y revocaciones. La mejor juez se encuentra en el tribunal municipal y es
Karla Grady, ya que tiene bajas apelaciones y ninguna revocacin
CONCLUSIONES
BIBLIOGRAFIA
RECUPERADO DE: http://www.unprofesor.com/matematicas...
RECUPERADO
DE:
http://www.monografias.com/trabajos89/probabilidad-total-y-teorema-bayes/probabilidad-total-yteorema-bayes.shtml#ixzz4MeLo001l
RECUPERADO
DE
AXIOMAS
http://datateca.unad.edu.co/contenidos/301014/axiomas_de_la_probabilidad.pdf
DE
PROBABILIDAD: