You are on page 1of 30

PROBABILIDAD

FASE 1-Axiomas de Probabilidad

Presentado por:
MAYESMIN YURAMI LEYTON
CDIGO: 59310784
CARLOS ALFREDO ANAYA PREZ
CDIGO: 02800645
WILLIAM ANDERSON ARAQUE
CDIGO: 7.175.134
JEISON ANDRS ACUNA
CDIGO: 1102582161
YANETH RAMREZ
CDIGO: 52.061.986

Presentado a:
JUAN CARLOS GUERRERO
Tutor

Grupo_100402_391

17 de octubre/206

CONTENIDO

1. INTRODUCCIN
2. CUADRO SINOPTICO
3. CONCEPTOS TERICOS DE LA UNIDAD
4. SOLUCION ESTUDIO DE CASO 1 YANETH RAMREZ
5. SOLUCION ESTUDIO DE CASO 2 WILLIAM ANDERSON ARAQUE
6. SOLUCION ESTUDIO DE CASO 3 MAYESMIN YURAMI LEYTON
7. SOLUCION ESTUDIO DE CASO 4 JEISON ANDRS ACUNA

8. SOLUCION ESTUDIO DE CASO 5 CARLOS ALFREDO ANAYA PREZ

INTRODUCCION
En el presente trabajo se realiz con el fin de formular y realizar los diferentes tipos de
ejercicios aplicables en nuestra vida cotidiana y as y obtener resultados reales para aplicar
en nuestra vida ya sea laboral o cotidiana, para resolver los ejercicios planteados realizamos
una lectura y un anlisis a las referencias bibliogrficas que nos sirven de apoyo para ampliar
informacin relacionada con el tema de la unidad las cuales nos permitieron desarrollar las
diferentes preguntas.

CUADRO SINPTICO

EXPERIMENTO
ALEATORIO
ESPACIO
MUESTRAL
EVENTOS

UNIDAD 1
PRINCIPIOS
DE
PROBABILID
AD

Es aquel que no se puede predecir o reproducir el


resultado exacto de cada experiencia particular
El conjunto de todos los resultados posibles
diferentes de un determinado experimento
aleatorio se denomina Espacio Muestral asociado a
dicho experimento y se suele representar por . A
los elementos de se les denomina sucesos
elementales
En un subconjunto de un espacio muestral el cual
consiste en el conjunto de posibles resultados

Son aquellas que son utilizadas para enumerar eventos


difciles de cuantificar
TECNICAS DE
CONTEO

1.
2.
3.
4.
5.

La tcnica de la multiplicacin
La tcnica aditiva
La tcnica de la suma o Adicin
La tcnica de la permutacin
La tcnica de la combinacin

Los axiomas de probabilidad son las condiciones mnimas que


deben verificarse para que una funcin definida sobre un conjunto
de sucesos determine consistentemente sus probabilidades. Fueron
formulados por Kolmogrov en 1933.

AXIOMAS DE
PROBABILIDAD

Axioma 1
La probabilidad de cualquier evento E es un nmero real no
negativo
Axioma 2 La probabilidad del evento seguro , S, es igual a 1,

denotado simblicamente,
Axioma 3-Si

son eventos mutuamente excluyentes

(incompatibles dos a dos), entonces:

CONCEPTOS TERICOS DE LA UNIDAD


Para el clculo de probabilidades hay que tener en cuenta los Axiomas y los Teoremas
aplicados a la resolucin de problemas.

AXIOMAS
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que
una funcin definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Fueron formulados por Kolmogrov en1933.

Axiomas de Kolmogrov:
La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 p(A) 1
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5
Segundo Axioma:
La probabilidad de que ocurra el espacio muestral d debe de ser 1.
p(d) = 1
Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1".
Tercer Axioma:
Si A y B son eventos mutuamente excluyentes, entonces la,
p(AB) = p(A) + p(B)
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las
probabilidades individuales de dichos sucesos.
Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias
alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)

Ejemplo:
Para el experimento aleatorio de tirar un dado, el espacio muestral es W= {1, 2, 3, 4, 5, 6}.
En este espacio el conjunto de sucesos es P(W) = {, {1}, {2}, ...{1,2}, {1,3},
...{1,2,3,4,5,6}}. Para establecer una probabilidad hay que asignar un nmero a todos esos
sucesos.
Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...= p({6})= 1/6,
por la propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})= p({1})+ p({3})=2/6.
Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es: "el
resultado de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado de tirar el
dado es una cara impar".

TEOREMAS

TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que


ocurra f debe ser cero.
p(f)=0
Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de
que no sea varn".
DEMOSTRACIN:
Si sumamos a f un evento A cualquiera, como f y A son dos eventos mutuamente
excluyentes, entonces p(Af)=p(A) +p(f)=p(A). LQQD
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser,
p(Ac)= 1 p(A).

DEMOSTRACIN:
Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y Ac
luego d=AAc, por tanto p(d)=p(A) + p(Ac) y como en el axioma dos se afirma que p(d)=1,
por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se
cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede
separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \
B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).
DEMOSTRACIN:
Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por
lo que p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) =
p(A) p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD

SOLUCION ESTUDIO DE CASO 1 YANETH RAMREZ


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

Curso

Aprob

Reprob

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
146
252
56
244
226
178
33
269
199
44
42
6

10
15
37
8
49
44
47
11
70
53
13
24
8

Cancelo o
perdi
por fallas
30
21
39
15
64
61
40
9
98
73
23
17
3

1873

389

493

Total
218
182
328
79
357
331
265
53
437
325
80
83
17
2755

Programa
Administracin ambiental
Admn. empresas
Arquitectura
Contadura
Economa
Ing Mecatrnica
Ing. Civil
Ing. Financiera
Ing. Sistemas
Ing. Telecomunicaciones
Negocios Internacionales
Psicologa
Total

Aprob

Reprob

Cancelo o perdi
por fallas

Total

146
295
297
99
99
515
88
83
127
32
69
23

15
44
53
23
19
118
20
29
26
9
21
12

21
41
71
19
24
154
27
22
53
15
33
13

182
380
421
141
142
787
135
134
206
56
123
48

1873

389

493

2755

Profesor

Aprob

Total

52
31
97
166
36
154
118
125
151
116
98
49
142
60
93
90
60
111
37
57
30
1873

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.

Reprob

4
17
5
17
25
21
32
19
10
9
23
19
27
16
15
48
14
31
37
389

Cancelo o perdi
por fallas

Total

1
5
18
21
4
26
13
21
20
26
29
16
44
21
37
46
27
45
22
46
5
493

53
36
119
204
45
197
156
167
203
161
137
74
209
100
157
152
102
204
73
134
72
2755

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.
Prepare un informe en el que debe incluir como mnimo lo siguiente:
1. La probabilidad de que un estudiante apruebe un curso del rea de matemticas
Para calcular dicha probabilidad se aplicara la siguiente definicin:
Sea el evento A: Un estudiante apruebe el curso de matemticas
Tendremos:
() =

Para este caso tendramos:


# : = 1873
: = 2755
() =

1873
= 0.68
2755

2. La probabilidad de que un estudiante repruebe un curso del rea de matemticas.


Para calcular dicha probabilidad se aplicara la siguiente definicin:
Sea el evento A: Un estudiante repruebe el curso de matemticas
Tendremos:
() =

Para este caso tendramos:


# : = 389
: = 2755
() =

389
= 0.14
2755

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un curso del rea de
matemticas.
Sea el evento A: Un estudiante repruebe el curso de matemticas
Tendremos:
#
() =

Docente: Cesar r.
# = 52
= 53
() =

52
= 0.98
53

Docente: Claudia v.
# = 31
= 36
() =

31
= 0.86
36

Docente: Diana m.
# = 97
= 119
() =

97
= 0.82
119

Docente: Ernesto s.
# = 166
= 204
() =

166
= 0.81
204

Docente: Diego v.
# = 36
= 45
() =

= 203
() =

151
= 0.74
203

Docente: Jairo a.
# = 116
= 161
() =

116
= 0.72
161

Docente: Javier b.
# = 98
= 137
() =

98
= 0.72
137

Docente: Jos c.
# = 49
= 74
() =

49
= 0.66
74

Docente: Luz p.
# = 142
= 209
() =

36
= 0.8
45

142
= 0.68
209

Docente: Enrique p.
# = 118
= 156
118
() =
= 0.76
156

Docente: Marcela f.
# = 60
= 100
() =

Docente: Fernando m.
# = 125
= 167
() =

125
= 0.75
167

Docente: Gloria a.
# = 151

60
= 0.6
100

Docente: Mara a.
# = 93
= 157
() =

93
= 0.59
157

Docente: Mario g.
# = 90
= 152

90
= 0.59
152
Docente: Mercedes s.
# = 60
= 102
60
() =
= 0.59
102
Docente: Oscar n.
# = 111
= 204
() =

111
() =
= 0.54
204
Docente: Patricia m.
# = 37

= 73
() =

37
= 0.51
73

Docente: Ricardo o.
# = 57
= 134
() =

57
= 0.42
134

Docente: Sandra m.
# = 30
= 72

4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno de los cursos
del rea
() =

Hallando la probabilidad para cada curso:


Curso: Algebra Lineal
# = 178

= 218
() =

178
= 0.82
218

Curso: Anlisis numrico


# = 146

= 182
() =

146
= 0.8
182

Curso: Clculo infinitesimal


# = 252

= 328

() =

252
= 0.77
328

Curso: Clculo Integral


# = 56
= 79
() =

56
= 0.71
79

Curso: Clculo Multivariado


# = 244

= 357
() =

244
= 0.68
357

Curso: Clculo Negocios


# = 226

= 331
() =

226
= 0.68
331

Curso: Ecuaciones Diferenciales


# = 178

= 265
() =

178
= 0.67
265

Curso: Estadstica Bsica


# = 33
= 53
() =

33
= 0.62
53

Curso: Estadstica Inferencial


# = 269

= 437
() =

269
= 0.62
437

Curso: Matemticas Avanzadas


# = 199

= 325
() =

199
= 0.61
325

Curso: Matemticas Discretas


# = 44
= 80
() =

44
= 0.55
80

Curso: Precalculo
# = 42
= 83
42
= 0.51
83
Curso: Probabilidad
# = 6
= 17
() =

() =

6
= 0.35
17

5. Clasique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los criterios que
utiliz y d las razones de su eleccin.

Curso

Aprob

Total

178
146
252
56
244
226
178
33
269
199
44
42
6

218
182
328
79
357
331
265
53
437
325
80
83
17

Pi
Algebra lineal
Anlisis numrico
Clculo infinitesimal
Calculo integral
Clculo multivariado
Calculo negocios
Ecuaciones diferenciales
Estadstica bsica
Estadstica inferencial
Matemticas avanzadas
Matemticas discretas
Precalculo
Probabilidad

0.82
0.80 Cursos Altamente
Aprobables
0.77
0.71
0.68
0.68
Cursos
0.67 Medianamente
Aprobables
0.62
0.62
0.61
0.55 Cursos Bajamente
Aprobables
0.51
0.35

En el caso de loa altamente aprobables se buscan los cursos con un porcentaje de aprobacin
superior al 70% o una probabilidad del 0.7

Para el caso de los cursos medianamente aprobables se emplearon los cursos con un
porcentaje de aprobacin que va desde el 62% hasta el 70 % (sin incluirlos) o con una
probabilidad de aprobacin que oscila entre el 0.62 y el 0.7 (sin incluirlo)

Para los cursos Bajamente aprobables se incluyeron los cursos con un porcentaje de
aprobacin inferior o igual al 61% o que es lo mismo que con una probabilidad de ser ganadas
inferior o igual al 0.61.

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.
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.

Aprob

Total

52
31
97
166
36
154
118
125
151
116
98
49
142
60
93
90
60
111
37
57
30

53
36
119
204
45
197
156
167
203
161
137
74
209
100
157
152
102
204
73
134
72

Pi
0.98
0.86
0.82 Docentes con alto
ndice de a
0.81
probabilidad
0.80
0.78
0.76
0.75
0.74
0.72
Docentes con
mediano
ndice de a
0.72
probabilidad
0.66
0.68
0.60
0.59
0.59
0.59 Docentes con bajo
ndice de a
0.54
probabilidad
0.51
0.43
0.42

Docentes con alto ndice de a probabilidad se tienen aquellos que presentan una probabilidad
de aprobacin superior o igual al 0.76 de estudiantes matriculados

Para los docentes con mediano ndice de a probabilidad se incluyeron aquellos con una
probabilidad de aprobacin superior o igual al 0.6 e inferior al 0.76

Para los docentes con bajo ndice de a probabilidad se incluyeron aquellos que presentan
entre los estudiantes matriculados una probabilidad de aprobacin inferior al 0.6.

7. En que programa hay mejores resultados. Establezca los criterios que utiliz y d las razones de
su eleccin
() =

Programa

Aprob

Reprob

Cancelo o
perdi

Total
Pi

Administracin
ambiental
Admn. Empresas
Arquitectura
Contadura
Economa
Ing Mecatrnica
Ing. Civil
Ing. Financiera
Ing. Sistemas
Ing.
Telecomunicaciones
Negocios
Internacionales
Psicologa

146

15

21

182

295
297
99
99
515
88
83
127

44
53
23
19
118
20
29
26

41
71
19
24
154
27
22
53

380
421
141
142
787
135
134
206

32

15

56

69

21

33

123

23

12

13

48

0.80
0.78
0.71
0.70
0.70
0.65
0.65
0.62
0.62
0.57
0.56
0.48

Podemos deducir que el programa con mejores resultados es el de administracin ambiental


el cual presenta una probabilidad de 0.8, la mayor entre todos los programas.

SOLUCION ESTUDIO DE CASO 2 WILLIAM ANDERSON ARAQUE


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:

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
() = 10%
2. Probabilidad de que la enfermedad est ausente
() = 100% 10% = 90%
3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la
persona no tiene la enfermedad
( ) =

( ) 0,05
=
= 0,055 100% = 5,55%
()
0,9

4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que
la persona tiene la enfermedad
( ) =

( )
2%
=
= , 2%
()
10%

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


positivo.

( ) =

( )
8%
=
= , 615%
()
13%

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


negativo.

( ) =

( ) 85%
=
= 0,97%
()
87%

7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de
seleccin para detectar la enfermedad?

Inicialmente se sabe que existe Probabilidad de que la enfermedad est presente en


un 10% y de que la enfermedad est ausente en un 90% a dems que el examen salga
positivo en un 13% y que resulte negativo en un 87%, Por lo tanto considero que este
examen no es muy confiable para detectar la enfermedad.

SOLUCION ESTUDIO DE CASO 3 MAYESMIN YURAMI LEYTON


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 ciudad perdida de Zinj, que prospero 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-japons, en lugar de 40 horas de ventaja. Cambia los planes y
decide que 12miembros 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 era inequvocos. La


probabilidad de un salto exitoso era 0,7980; sin embargo, dado un salto exitoso, la
probabilidad de xito de expedicin era de 0,9943 con lo cual casi se aseguraba de que
venceran 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 12 miembros del equipo, cual es la probabilidad de completar
su salto con xito?
RTA: La probabilidad de completar mi salto con xito si fuera uno de los 12 miembros del
equipo seria de: 0,0665%.

12
1

0,7980
x

=1 0,7980
12
=0,7980
12

X= 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?

0.7980
12= 0.0665
Es la probabilidad de que 1 de los 12 complete el salto

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?

Tomando en cuenta la frase que citan que no se encuentra en el texto podemos decir que:
() = 0.7980
() = 1 0.7980 = 0.202 15

Si tomamos como probabilidad de fracaso igual a que quede seriamente herido, podemos
decir que aproximadamente 1 de cada 5 podra sufrir este destino.
SOLUCION ESTUDIO DE CASO 4 JEISON ANDRS
ACUNA.

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 calicar 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

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

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

Casos
Presentados

Casos apelados

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

Casos Revocados

Penelope Cunningham

2729

Patrick Dinkelacker

6001

19

Deborah Gaines

8799

48

Ronald Panioto

12,970

32

Juez Tribunal Civil


Mike Allen
Nadine Allen
Timothy Black
David Davis
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
Total

Casos
Presentados
6149
7812
7954
7736
5282
5253
2532
7900
2308
2798
4698
8277
8219
2971
4975
2239
7790
5403
5371
2797
108464

Casos
apelados

Casos Revocados

43
34
41
43
35
6
5
29
13
6
25
38
34
13
28
7
41
33
22
4
500

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

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


2. La probabilidad de que se apele un caso, por cada juez
3. La probabilidad de que se revoque un caso, por cada juez
4. La probabilidad de una revocacin dada una apelacin, por cada juez
5. Clasique a los jueces dentro de cada tribunal. Establezca los criterios que utiliz y d
las razones de su eleccin.

Solucin
Anlisis y variables utilizadas en el ejercicio.
Sea Espacio Muestral, S = {A, B, C} donde:
A = Tribunal Penal
B = Tribunal Familiar
C = Tribunal Civil

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

=
=
a. Sea () =

Los casos que se apelan del tribunal penal

Respuesta: () =

= , Casos que se apelan

Sea () = Los casos que se revocan del tribunal penal

Respuesta: () =
b. Sea () =

= , Casos que se revocan

Los casos que se apelan del tribunal familiar

Respuesta: () =

= , Casos que se apelan

Sea () = Los casos que se revocan del tribunal familiar

Respuesta: () =
c. Sea () =

= , Casos que se revocan

Los casos que se apelan del tribunal civil

Respuesta: () =

= , Casos que se apelan

Sea () = Los casos que se revocan del tribunal civil

Respuesta: () =

= , Casos que se revocan

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


++

Sea =

Probabilidad de apelacin por cada juez

++

(, + , + ,)

= , Probabilidad de

apelacin por cada juez.

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


Sea =

++

++

Probabilidad de apelacin por cada juez

(,+ , + ,)

= , Probabilidad de revoque

por cada juez.

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

Sea

++

++

]=

,
,

= ,

Es la Probabilidad de revocacin por apelacin por cada juez.

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que
tiliz y de las razones de su eleccin.
a. Tribunal penal:

() =
() =

= , Casos apelados = 4%
= , Casos revocados = 0,4 %

b. Tribunal familiar:

() =
() =

= , Casos apelados = 0,3 %


= , Casos revocados = 0,06 %

c. Tribunal civil:

() =
() =

= , Casos apelados = 0,5 %


= , Casos revocados = 0,01 %

Razones
Podemos decir que el juez civil es el que ms trabaja con 108464 casos y en comparacin
con el nmero de casos el ms eficiente con 0,5% casos apelados y 0,001 de casos
Revocados.
Por otro lado el juez penal es el menos eficiente con ms casos apelados = 4 % y revocados
= 0,4 %, pero a la ves es el segundo que ms trabaja.
Por ltimo podemos decir que el juez familiar es el que menos traba.

Criterios
Los criterios ms comunes son los porcentajes de atencin de casos, ms los porcentajes
de eficiencia en casos apelados y revocados.

SOLUCION ESTUDIO DE CASO 5 CARLOS ALFREDO ANAYA PREZ


Un fabricante de reproductores de DVD compra un microchip en particular, denominado LS24, 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 y6 % 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.

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


1. Probabilidad de que un chip este defectuoso

Es importante tener en cuenta que para establecer las probabilidad de que un chip este
defectuoso, debemos tomar los porcentajes de compra de un chip de cada proveedor y luego
se hace la operacin con el porcentaje de los que estn defectuosos

DESARROLLO
P (A) = Chips defectuosos
P (A) = 0.25 (0.02) + (0.30) (0.04) + (0.45) (0.45) = 0.044
Podemos ver que el 4.4% de los chips salen defectuosos

2.

Probabilidad de que el chip este en buenas condiciones

DESARROLLO

1 - P (A) = -0.044 =0.956


Se observa que el 95.6% de los chips salen en buenas condiciones
3.

Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de


que haya sido fabricado por cada uno de los proveedores

En este caso es importante identificar a cada uno de los proveedores, simplificando sus
nombres y lo haremos as:
Hall Electronics = HE
Schuller Sales = SS
Crawford Components = CC
Con el fin de que el desarrollo se nos dificulte menos.

DESARROLLO

A) HE
(/) =

(0.25)(0.02)
0.005
=
= 0.1136
(0.25)(0.02) + (0. 30)(0.04 ) + (0.45)(0.06) 0.044

Conclusin: El 11.36% de los chips defectuosos provienen de Hall Electronics

B) SS
(/) =

(0.30)(0.04)
0.012
=
(0.25)(0.02) + (0. 30)(0.04 ) + (0.45)(0.06) 0.044
= 0.2727

Conclusin: El 27.27% de los chips defectuosos provienen de Schuller Sales

C) CC
(/) =

(0.45)(0.06)
0.027
=
= 0.636
(0.25)(0.02) + (0. 30)(0.04 ) + (0.45)(0.06) 0.044

Conclucin: el 61.36% de los chips defectuosos provienen de Crawford Components

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

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

DESARROLLO
Se Tomara la misma metodologa del problema anterior

A) HE
(/) =

(0.25)(0.98)
0.245
=
= 0.2562
(0.25)(0.98) + (0. 30)(0.96 ) + (0.45)(0.94) 0.956
= 25.62%

Conclusin: el 25.62% de chips estn en buenas condiciones y son correspondientes


a
Hall Electronics

B) SS
(/) =

(0.3)(0.96)
0.288
=
= 0.3012 = 3012%
(0.25)(0.98) + (0. 30)(0.96 ) + (0.45)(0.94) 0.956

Conclusiones: el 30.12% de chips estn en buenas condiciones y son correspondientes a


Schuller Sales

C) CC
(/) =

(0.45)(0.94)
0.423
=
= 0.4424 = 44.24 %
(0.25)(0.98) + (0. 30)(0.96 ) + (0.45)(0.94) 0.956

Conclusiones: el 44.24% de chips estn en buenas condiciones y son correspondientes a


Crawford Components

5.

Elabore un diagrama de rbol que represente las probabilidades encontradas

CONCLUSIN
De lo anterior podemos decir que el desarrollo temtico de la unidad ha sido de gran
importancia para la resolucin de los ejercicios plateados, dado que los axiomas de la
probabilidad y toda su estructura son fundamentales para nuestra formacin personal y
profesional, ya que nos dan ideas importantes sobre problemticas que se nos pueden
presentar en el mbito laboral o cotidiano y as tomar las mejores decisiones posibles.
Cabe resaltar que el uso de la probabilidad aumenta los conocimientos, dndonos destrezas
y habilidades en relacin a la lgica matemtica.

BIBLIOGRAFA
jacobo, l. (25 de 09 de 2010). blog. Obtenido de
http://probabilidadestadistic.blogspot.com.co/2010/09/axiomas-y-teoremas-de-laprobabilidad.html
Pierdant, R. F. (25 de 01 de 2014). Obtenido de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013767&pp
g=177