Unidad 2 Fase 2 - Diseño y Construcción

Presentado a:
Juan Camilo Mendoza

Presentado Por:
Pierina Carolina Mejia Moscote
Cc. 1,067.808.475

Universidad Nacional Abierta y A distancia

Cead Valledupar

Valledupar-Cesar
2019
 - Diseño y Construcción

esentado a:
amilo Mendoza

sentado Por:
olina Mejia Moscote
1,067.808.475

onal Abierta y A distancia

d Valledupar

edupar-Cesar
2019
1. Variable adicional: Cumple parametros
de calidad °Brix

1. La probabilidad que al elegir la gaseosa cumpla con los

parámetros en la variable objeto de estudio.
Probabilidad cumple el parametro de calidad = 474+427*100/901
° Brix
=100

4 °a10° Brix
10° a 20° Brix
20° a 30° Brix
Total

2.Evento Simple 2.Evento Compuesto

El % de solidos totales cumple

el parámetro de calidad
establecido °Brix y su
probabilidad es:
P=106/901 Lo cual da un resultado
de 0,117.
Escoger Las gaseosas
que sea un producto que
tenga un grado brix de
4° a 10° y que cumplan
con el parámetro de
calidad en la variable %
de sólidos.Su
probabilidad es:

p=183/474=61/158=0,3
86

% de solido cumple
% de solido cumple parametro
SI
106
183
185
474
2.Evento Imposible
Escoger un producto de
gaseosa en Colombia sin toma
° Brix al producto Que se
entregará al consumidor.Su
posibilidad es:
La probalidad del evento es
cero porque no es posible que
salga una gaseosa sin la toma
°Brix por lo tanto el evento es
IMPOSIBLE
3. Ejemplo con probabilidades
EVENTOS MUTUAMENT
EXCLUYENTE
¿Cuál es la probabilidad de que el pro
gaseosa entregado al consumidor se rea
°Brix de 20 a 30 grados o de 10 a 20
parametro Total A= ° Brix de 20 a 30 grados
NO B= ° Brix de 10 a 20 grados
166 272 Por lo tanto,
126 309
135 320
P= P(A)+P(B) = 320/901 + 309/901 =
427 901 =0,6981
2.Evento seguro 3.Ejemplo con probabilidades de los E
El producto de gaseosas NO MUTUAMENTE EXCLUYE
en Colombia cumple o
no cumple con el
parámetro de calidad de ¿Cuál es la probabilidad de que cum
la variable ° Brix . parámetro de calidad según los grados d
°Brix sea baja o alta?
A=° Brix de 20 a 30 grados
B=° Brix de 10 a 20 grados
Por lo tanto,
P= P(A)+P(B) =(185 )/901 + 183/90
plo con probabilidades de los
ENTOS MUTUAMENTE
EXCLUYENTE
probabilidad de que el producto de
gado al consumidor se realice con un
a 30 grados o de 10 a 20 grados?
= ° Brix de 20 a 30 grados
= ° Brix de 10 a 20 grados
Por lo tanto,
B) = 320/901 + 309/901 =629/901
=0,6981
n probabilidades de los EVENTOS
TUAMENTE EXCLUYENTE
la probabilidad de que cumpla el
calidad según los grados del brix y su
°Brix sea baja o alta?
=° Brix de 20 a 30 grados
=° Brix de 10 a 20 grados
Por lo tanto,
P(B) =(185 )/901 + 183/901 =368/901
=0,4057
3. Ejemplo con probabilidades
CONDICIONAL es decir cuando los
EVENTOS SEAN INDEPENDIENTES
¿Cuál es la probabilidad de que sabiendo de que el
producto de gaseosa se entregó a un °Brix de 20 a
30 grados, esta cumpla el parámetro de calidad?
Se consideran dos sucesos A “se entregó el
producto de gaseosa a °Brix de 20 a 30 grados” y B
“cumple parámetro de calidad”
Entonces,
(P(B Ω A))/A
P(B Ω A) = 185/901 = P(A)= 320/901
P(B Ω A)/A = (185/(901/320)/901)= 185/320 =
0,578125
3.ejemplo con probabilidades
CONDICIONAL es decir cuando los
EVENTOS SEAN DEPENDIENTES
¿Cuál es la probabilidad que sabiendo que no
cumple con el parámetro de calidad, y ° Brix es de 4
a 10 Grados?
A= No cumple con el parámetro de calidad y B=°
Brix es de 4 a 10 Grados
B Ω A=166/901 y p (A)= 427/901=0,4739
4.¿Es posible usar el TEOREMA de BAYES
en la tabla de contingencia?

Sabemos que el teorema de Bayes es válido en

todas las aplicaciones de la probabilidad, de tal
modo para analizar la base de datos también es
posible, para el caso de tabla de contingencias
podemos establecer el siguiente árbol del teorema
de Bayes de datos que le permita tomar una
decisión si la variable % de sólidos que cumplen con
los parámetros de ° Brix.

52.60%
CUMPLE CON SI
EL
PARAMETRO
DE CALIDAD
47.39%
NO

EJEMPLO utilizando la tabla de contigencia

Elegir productos que cumple % de solido que

cumple parametros de calidad para toma la decisón
y saber cuantos cumplen y cuantos No.
 Espacio muestral y eventos.
Un evento es el resultado posible
la mínima unidad de a

Los evento
Se le llama espacio muestral al conjunto de todos los resultados posibles de
un experimento aleatorio. El espacio muestral se denota como S. Mutuamente excluyentes: aquel
Los espacios muestrales se clasifican en: Independientes: Estos no se ven
zapato
Espacio muestral discreto, son espacios muestrales cuyos elementos resultan Dependientes: cuando un event
de hacer conteos, siendo por lo general subconjuntos de los números enteros.
No excluyentes entre si: cuando
Espacio muestral continuo, son espacios muestrales cuyos elementos resultan EJEMPLO: que una persona sea d
de hacer mediciones, siendo por lo general intervalos en el conjunto de los
números reales.

EJEMPLO:
Para el lanzamiento de un solo dado, especifique (1) el espacio muestral del
experimento; (2) el evento de que un número menor que 4 resulte y (3) el
evento de que un número par resulte.
(1) {1, 2, 3, 4, 5, 6}
(2) {1, 2, 3}
(3) {2, 4, 6}
al y eventos.
Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es
la mínima unidad de análisis para efectos de cálculos probabiliasticos

Los eventos se clasifican de la siguiente forma:

Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo tiempo. EJEMPLO: cara
o escudo.
ndependientes: Estos no se ven afectados por otros independientes. EJEMPLO: el color del
zapato y la probabilidad que llueva hoy.
Dependientes: cuando un evento afecta a la probabilidad de ocurrencia de otro. EJEMPLO:
repaso, calificaciones.
No excluyentes entre si: cuando la ocurrencia de uno de ellos no impide que ocurra el otro.
EJEMPLO: que una persona sea doctor que tenga 56 años, ser estudiante y ya estar casado.
 Referencias Bibliograficas

-Martínez, C. (2011). Reglas de multiplicación, permutaciones y combinaciones. En: Estadí

13th ed. [Online] Bogotá: Ecoe Ediciones. (pp. 188 – 193). Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=210&docID=10560355&tm=1498541573067

-Moreno, Y. (2016). OVI: Unidad 2_Probabilidad. Recuperado de http://hdl.handle.ne

-Rozo, J. (2018). OVI: Tabla de contingencia. Recuperado de http://hdl.handle.net/1

-Cardona, J., Rojas, L. & Mesa, F. (2008). Excel: aplicaciones en Álgebra, estadística, prob
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.a
docID=10559805&ppg=75

-Gil, M., Gonzales, A. & Jano, S. (2014). Ejercicios de estadística teórica: Probabilidad e i
[Online] Madrid: Editorial Universidad Autónoma de Madrid. Recuperado
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=109956
 aficas

s y combinaciones. En: Estadística y muestreo,

p. 188 – 193). Recuperado de:
/lib/unadsp/reader.action?
m=1498541573067

rado de http://hdl.handle.net/10596/9389

do de http://hdl.handle.net/10596/21606

en Álgebra, estadística, probabilidad y física.

co:2077/lib/unadsp/reader.action?
pg=75

stica teórica: Probabilidad e inferencia, 2a ed.

ma de Madrid. Recuperado de
eader.action?docID=10995669&ppg=19