PROBABILIDAD

Unidad I

INTRODUCCION

En el desarrollo del primer trabajo colaborativo encontraremos cinco problemas de

probabilidad los cuales resolveremos por medio de los diferentes métodos. De
acuerdo al problema planteado elegiremos el método correcto para su desarrollo.

Realizaremos los ejercicios correspondientes aplicando experimentos aleatorios,

de espacio muestral, eventos o sucesos, axiomas de probabilidad, probabilidad
condicional y teorema de Bayes.
 OBJETIVOS

Generales

Consolidar en un cuadro sinóptico los aspectos teóricos y leer, analizar y resolver

los diferentes estudios de casos.

Específicos

 Identificar y comprender los conocimientos estudiados en la primera unidad.

 Aplicar en la práctica lo estudiado en la unidad I.
 Realizar los ejercicios de probabilidad estadística.
 Elegir correctamente el método de probabilidad.
CUADRO SINOPTICO CON ASPECTOS TEORICOS

Definición Es un método efectivo para describir, relacionar y

analizar los valores de datos económicos,
políticos, sociales, biológicos y físicos.

Reúne y tabula información con el fin de tomar

decisiones acertadas.

Espacio Muestral es el conjunto formado por todos los

Probabilidad posibles resultados de un experimento

aleatorio.

Axiomas de Fenómenos aleatorios: no se sabe que

Probabilidad es lo que va a ocurrir, están relacionados
con el azar o probabilidad.
Fenómeno Determinista: En el cual de
antemano se sabe cuál será el resultado.
 1
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
Reprob
Curso Aprobó perdió Total
ó
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
178 47 40 265
diferenciales
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

1
 Cancelo o
Reprob
Curso Aprobó perdió Total
ó
por fallas
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

199
P: 325 0,61230769 = 61,23%

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

matemáticas.
53
P: 325 0,16307692 = 16,30%

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.

Cancelo o
perdió
Profesor Aprobó Reprobó Total
por fallas

Ernesto s. 166 17 21 204

Eduardo m. 154 17 26 197
Gloria a. 151 32 20 203
Luz p. 142 23 44 209
Fernando m. 125 21 21 167
Enrique p 118 25 13 156
Jairo a. 116 19 26 161
 Oscar n. 111 48 45 204
Javier b. 98 10 29 137
Diana m. 97 4 18 119
María a . 93 27 37 157
Mario g 90 16 46 152
Marcela f. 60 19 21 100
Mercedes s. 60 15 27 102
Ricardo o. 57 31 46 134
César r. 52 1 53
José c. 49 9 16 74
Patricia m. 37 14 22 73
Diego v. 36 5 4 45
Claudia v. 31 5 36
Sandra m. 30 37 5 72
Total 1873 389 493 2755

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

ESTUDIO DE CASO 22

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

2
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

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 2,970 32 3

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

INFORME A PRESENTAR:

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:

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

Rta/

Tribunal Penal

Eventos o Sucesos:

S: casos presentados tribunal

A: el caso es apelado.
R: el caso es revocado.

A 1762
PA= = =0.040
S 43945

R 199
PR = = =4.52 x 10−3
S 43945

Tribunal de Familia

Eventos o Sucesos:

S: casos presentados tribunal

A: el caso es apelado.
R: el caso es revocado.
 A 106 −3
PA= = =3.47 x 10
S 30499

R 17 −4
PR = = =5.57 x 10
S 30499

Tribunal Civil

Eventos o Sucesos:

S: casos presentados tribunal

A: el caso es apelado.
R: el caso es revocado.

A 500
PA= = =4.60 x 10−3
S 108464

R 104
PR = = =9.58 x 10−4
S 108464

probabilidad de casos que se apelan y revocan

Tribunal % Probabilidad Caso % Probabilidad Caso
Apelado Revocado
Penal 4 4.52 x 10
−3

Familia 0.347 5.57 x 10−4

Civil 0.46 4.60 x 10
−3

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

n casos apelados
P( A )=
n casos presentados

Juez Tribunal Casos Casos Probabilidad Casos

Penal Presentados apelados apelados

Fred Cartolano 3037 137

0,0451
Thomas Crush 3372 119
0,0353
Patrick
1258 44
Dinkelacker
0,0350
Timothy Hogan 1954 60
0,0307
Robert Kraft 3138 127
0,0405
William Mathews 2264 91
0,0402
William
3032 121
Morrissey 0,0399

Norbert Nadel 2959 131

0,0443
Arthur Ney, Jr. 3219 125
0,0388
Richard Niehaus 3353 137
0,0409
Thomas Nurre 3000 121
0,0403
John O’Connor 2969 129
0,0434
Robert
3205 145
Ruehlman
0,0452
J. Howard
955 60
Sundermann
0,0628
Ann Marie
3141 127
Tracey 0,0404
Ralph Winkler 3089 88
0,0285

Juez Tribunal de Casos Probabilidad

Casos presentados
Familia Apelados Casos Apelados

Penélope
2729 7
Cunningham
0,0026
Patrick
6001 19
Dinkelacker
0,0032
Devora Gaines 8799 48
0,0055
Ronald Panioto 12970 32
0,0025

Juez Tribunal Casos Casos Probabilidad Casos

Civil presentados Apelados Apelados

Mike Allen 6149 43

0,0070
Nadine Allen 7812 34
0,0044
Timothy Black 7954 41
0,0052
David Davis 7736 43
0,0056
Leslie Isaiah
5282 35
Gaines
0,0066

Karla Grady 5253 6

0,0011
Deidra Jair 2532 5
0,0020
Dennis Helmick 7900 29
0,0037
Timothy Hogan 2308 13
0,0056
James Patrick
2798 6
Kenney
0,0021
Joseph Luebbers 4698 25
0,0053
William Mallory 8277 38
0,0046
Melba Marsh 8219 34
0,0041
Beth Mattingly 2971 13
0,0044
Albert
4975 28
Mestemaker
0,0056
Mark Painter 2239 7
0,0031
Jack Rosen 7790 41 0,0053
Mark schweikert 5403 33
0,0061
David Stockdale 5371 22
0,0041
John A. West 2797 4
0,0014

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

n casos revocados
P( A )=
n casos presentados

Juez Tribunal Casos Casos Probabilidad Casos

Penal Presentados Revocados Revocados

Fred Cartolano 3037 12

0,00395

Thomas Crush 3372 10

0,00297
Patrick
1258 8
Dinkelacker
0,00636
Timothy Hogan 1954 7
0,00358
Robert Kraft 3138 7
0,00223
William
2264 18
Mathews 0,00795
William
3032 22
Morrissey 0,00726

Norbert Nadel 2959 20

0,00676
Arthur Ney, Jr. 3219 14
0,00435
Richard
3353 16
Niehaus 0,00477
Thomas Nurre 3000 6
0,00200
John O’Connor 2969 12
0,00404
Robert
3205 18
Ruehlman
0,00562
J. Howard
955 10
Sundermann
0,01047
Ann Marie
3141 13
Tracey 0,00414
Ralph Winkler 3089 6
0,00194

Juez Tribunal de Casos Probabilidad

Casos presentados
Familia Revocados Casos Revocados

Penélope
2729 1
Cunningham
0,000366

Patrick
6001 4
Dinkelacker
0,000667
Devora Gaines 8799 9
0,001023
Ronald Panioto 12970 3
0,000231

Juez Tribunal Casos Casos ProbabilidadCasos

Civil presentados Revocados Revocados

Mike Allen 6149 4

0,000651
Nadine Allen 7812 6
0,000768
Timothy Black 7954 6
0,000754
David Davis 7736 5
0,000646

Leslie Isaiah
5282 13
Gaines
0,002461

Karla Grady 5253 0

0,000000
Deidra Jair 2532 0
0,000000
Dennis Helmick 7900 5
0,000633
Timothy Hogan 2308 2
0,000867

James Patrick
2798 1
Kenney
0,000357
Joseph
4698 8
Luebbers 0,001703
William Mallory 8277 9
0,001087
Melba Marsh 8219 7
0,000852
Beth Mattingly 2971 1
0,000337

Albert
4975 9
Mestemaker
0,001809
Mark Painter 2239 3
0,001340
Jack Rosen 7790 13 0,001669
Mark schweikert 5403 6
0,001110
David Stockdale 5371 4
0,000745
John A. West 2797 2
0,000715
ESTUDIO DE CASO 33

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)

1. Probabilidad de que una persona tenga este tipo de cáncer: Probabilidad de

que NO tenga este tipo de cáncer
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
3. Probabilidad de un falso negativo, es decir, que el examen indique que la
persona tiene cáncer dado que la persona no tiene la enfermedad
4. Probabilidad de que el examen indique que la persona tiene cáncer.
5. Probabilidad de que la persona tenga cáncer dado que el examen indico que
tiene cáncer
6. Probabilidad de que la persona NO tenga cáncer dado que el examen indico
que NO tiene càncer

3
K+k
7. De acuerdo con las probabilidades encontradas, que tan confiable es este
examen para detectar este tipo de cáncer.

SOLUCION
Definimos la variable X=”estado de salud”, con los valores X=S (sano) y X=E
(enfermo de cáncer) y la variable Y=”resultado de la prueba” con los valores
Y= SI (la prueba indica que la persona padece cáncer) e Y= NO (la prueba
indica que la persona no padece cáncer)

De los datos proporcionados deducimos las siguientes probabilidades:

P (Y=SI/X=E)= 0.80
P (Y=NO/X=E)= 0.20
P (Y=SI/X=S)= 0.10
P (Y=NO/X=S)= 0.90
P (X=E)= 0.05
P (X=S)= 0.95

Se pide la probabilidad P (X=E / Y=SI)

Aplicando el teorema de Bayes resulta:
P (X=E) P (Y=SI / X=E) / (P (X=E) P (Y=SI / X=E) + P (X=S) P (Y=SI /
X=SI))

(0.05∗0.80)/(0.05−0.80+0.95∗0.10)=(0.04)/(0.135)=0.296

La probabilidad que tenga este tipo de cáncer es 29,6%

Ahora se pide la probabilidad P (X=S / Y=NO)

Aplicando el teorema de Bayes resulta:

P (X=S / Y=NO)
P (X=S / Y=NO / X=S) / P (Y=NO)
P (X=S / Y=NO / X=S) / (P(X=S) P (Y=NO / X=S) + P(X=E) P (Y=NO / X=E))

0.95∗0.90/( 0.95∗0.90+ 0.05∗0.20)=0.855/0.135=0.98

La probabilidad de que no tenga este tipo de cáncer es de 98%

ESTUDIO DE CASO 44

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
4
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)
2.- Probabilidad de que un chip este defectuoso
3- Probabilidad de que el chip este en buenas condiciones
4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad
de que haya sido fabricado por cada uno de los proveedores
5.- Si el chip seleccionado está en buenas condiciones, debe encontrar la
Probabilidad de que haya sido fabricado por cada uno de los proveedores

ESTUDIO DE CASO 55

En su excitante novela “Congo”, Michael Crichton describe la búsqueda de

depósitos de diamantes azules cubiertos de boro llevada a cabo por Earth
Resources Technology Services (ERTS), una compañía dedicada a estudios
geológicos. Según ERTS los diamantes son la clave para una nueva generación
de computadoras ópticas. En la novela ERTS compite contra un consorcio
internacional por encontrar la cuidad perdida de Zinj, que prosperó dada la
minería de diamantes hace varios miles de años (según la leyenda africana) y
se ubica en lo más profundo de la selva tropical de Zaire Oriental.

Después de la misteriosa destrucción de su primera expedición, ERTS lanza

una segunda expedición dirigida por Karen Ross, una experta en computación
de 24 años de edad, acompañada por el profesor Peter Eliot, un antropólogo;
Amy, un gorila parlante; y el afamado mercenario y líder de la expedición, el
“capitán” Charles Munro. Las acciones ofensivas del consorcio, la mortal selva
tropical y las hordas de gorilas “parlantes” asesinos, que percibieron que su
misión era defender las minas de diamantes, bloquean los esfuerzos de Ross
para encontrar la ciudad. Para superar estos obstáculos Ross utiliza
computadoras de la era espacial para evaluar las probabilidades de éxito en
todas las circunstancias posibles y las acciones que pudiera llevar a cabo la

5
expedición. En cada etapa de la expedición, ella evalúa rápidamente las
probabilidades de éxito.

En una etapa de la expedición Ross recibe informes de su oficina principal en

Houston, de que sus computadoras estiman que tiene 18 horas y 20 minutos
de retraso en relación con el equipo competidor euro-japones, en lugar de 40
horas de ventaja. Cambia los planes y decide que 10 miembros de su equipo
desciendan en paracaídas en una región volcánica cerca de la ubicación
estimada de Zinj. Según el relato de Crichton, “Ross había vuelto a revisar las
probabilidades de la computadora de Houston y los resultados eran
inequívocos. La probabilidad de un salto exitoso era 0,8790; sin embargo,
dado un salto exitoso, la probabilidad de éxito de la expedición era de 0,9483
con lo cual casi se aseguraba de que vencerían al consorcio”

Sin olvidar que se trata de la cita de una novela, examine las probabilidades
mencionadas y determine:

1. ¿Si fuera uno de los 10 miembros del equipo, cual es la probabilidad de

completar su salto con éxito?

10
P =0.879
1
P=( 0,879 )10
P=¿
Si yo fuera 1 de los 10 miembros la probabilidad de completar un salto con éxito es del
98,71 %.

2. Si la probabilidad de que los 10 miembros del equipo tengan un salto

exitoso es de 0.8790, cual es la probabilidad de que un solo miembro del
equipo pueda completar el salto con éxito?

10
P =0.879
10 ln (P)=0.879

P=0,8790

( 0,879 )∗1
P=
10
P=0,0879
 La probabilidad de que un solo miembro del equipo pueda completar el salto con éxito
es del 8,790%

3. En el relato se afirma que: “esa probabilidad de 0,8790 significaba que

había casi una posibilidad entre cinco de que alguien se hiera seriamente en
un salto”. ¿Concuerda usted con esa afirmación? Si o no. ¿Por qué?

Rta: No, porque existe casi una posibilidad entre 10 (no entre 5), de que alguien saltara con
éxito (no de que alguien resultara herido), lo cual sería igual si decimos que había un
poco más 9 posibilidades de que el salto no fuera exitoso.

CONCLUSIONES

 Se logra comprender el contenido del curso correspondiente la unidad I

 Se aplican en la práctica los conocimientos adquiridos a lo largo de la
primera unidad.
 Se lleva a cabo la realización de probabilidad estadística tales como
experimentos aleatorios y de espacio muestral, eventos o sucesos, técnicas
de conteo, probabilidad condicional y teorema de Bayes.
 La aplicación correcta de los ejercicios nos permite tener mayores
herramientas en nuestro campo laboral, social e individual con la finalidad
de desenvolvernos con más tranquilidad y seguridad.

BIBLIOGRAFIA

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11013767&ppg=177
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604&ppg=128
 Tejada, H. E. (s.f.). Estadistica para las Ciencias Sociales, del

Comportamiento y de la Salud 3a.edicion. Cengage Learning Editores, S.A.