You are on page 1of 45

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera


Curso: Probabilidad-100402

MOMENTO INICIAL

PROBABILIDAD - 100402

PRESENTADO POR:

HECTOR FABIO ACEVEDO


ERLAN BURITICA
JULIO CSAR LOAIZA
JUAN SEBSTIAN DAZ
MAURICIO ANDRS HERRERA

TUTOR:

EDWIN ORTIZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


ESCUELA DE CIENCIAS BASICAS, TECNOLOGIAS E INGENIERA
FACULTAD DE INGENIERA
2016
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

INTRODUCCIN

En cada momento de nuestra vida estamos prestos a que nos suceden eventos y no

podemos predecir con exactitud su resultado; a esto le llamamos azar. En la vida

cotidiana son ms frecuentes las situaciones que podemos atribuir al azar que las

que corresponden al acontecer previsible con exactitud. Al analizar cada uno de

estos hechos aisladamente nada se puede concluir. Sin embargo, si se toma un

conjunto de cada uno de esos datos en nmero y forma apropiados, es posible

prever con cierto grado de certeza qu es lo que posiblemente acontezca en el

futuro que nos interesa. Por medio de este trabajo se dar a conocer conceptos con

los cuales se entiende mejor lo que es la probabilidad, adems de aplicarlos en un

contexto real mediante la solucin de problemas.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

DESARROLLO DE TRABAJO COLABORATIVO

Cuadro sinptico de los temas utilizados para el desarrollo de los ejercicios:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

EJERCICIO No. 1

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.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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.

Respuesta:

Para el desarrollo de este ejercicio tenemos en cuenta la probabilidad de un evento

simple.

La frmula para hallar la probabilidad:

A
() =

El evento A= Un estudiante apruebe un curso de matemticas.

1873
() = = 0.67
2755

Pasndolo a porcentaje nos queda 67 %


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Segn el resultado obtenido, para esta primera pregunta tenemos que la probabilidad de

que un estudiante apruebe un curso del rea de matemticas teniendo en cuenta que son

2755 estudiantes inscritos es del 67%.

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

Respuesta:

Utilizando la formula anterior tenemos que:

El evento A= Un estudiante repruebe un curso del rea de matemticas.

389
() = = 0.14
2755

Pasndolo a porcentaje nos queda 14 %

Segn el resultado anterior podemos deducir que del total de los estudiantes inscritos al

rea de matemticas (2755), la probabilidad de que un estudiante repruebe el curso es del

14%, lo cual es un porcentaje algo bajo y es un resultado muy favorable porque denota

rendimiento de los estudiantes.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe un

curso del rea de matemticas.

Respuesta:

CANCEL TOTA PROBABILIDA PORCENTAJ

OO L D DE E
PROFESO APROB REPROB
PERDIO APROBAR
R
POR

FALLAS

Csar r. 52 1 53 P(A)=52/53=0,98 98%

Claudia v. 31 5 36 P(A)=31/36=0,86 86%


Diana m. 97 4 18 119 P(A)=97/119=0,8 81%
Ernesto s. 166 17 21 204 P(A)=166/204=0, 81%
Diego v. 36 5 4 45 1
P(A)=36/45=0,8 80%
Eduardo m. 154 17 26 197 81
P(A)=154/197=0, 78%
Enrique p 118 25 13 156 P(A)=118/156=0, 75%
Fernando 125 21 21 167 78
P(A)=125/167=0, 74%
Gloria a. 151 32 20 203 75
P(A)=151/203=0, 74%
m. a.
Jairo 116 19 26 161 74
P(A)=116/161=0, 72%
Javier b. 98 10 29 137 74
P(A)=98/137=0,7 71%
Jos c. 49 9 16 74 72
P(A)=49/74=0,66 66%
Luz p. 142 23 44 209 1
P(A)=142/209=0, 67%
Marcela f. 60 19 21 100 P(A)=60/100=0,6 60%
Mara a. 93 27 37 157 67
P(A)=93/157=0,5 59%
Mario g 90 16 46 152 P(A)=90/152=0,5 59%
Mercedes s. 60 15 27 102 9
P(A)=60/102=0,5 58%
Oscar n. 111 48 45 204 9
P(A)=111/204=0, 54%
Patricia m. 37 14 22 73 8P(A)=37/73=0,50 50%
Ricardo o. 57 31 46 134 54
P(A)=57/134=0,4 42%
Sandra m. 30 37 5 72 P(A)=30/72=0,41 41%
Total 1873 389 493 2755 2

Teniendo en cuenta los resultados mostrados en la tabla anterior podemos establecer la

probabilidad que tiene un estudiante de aprobar un curso de matemticas por cada


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

profesor, por lo que este resultado nos puede dar indicios para que se pueda verificar o

investigar por qu la probabilidad muy alta o baja de uno o varios profesores.

4. Si un estudiante aprueba un curso, establezca la probabilidad de que sea cada uno

de los cursos del rea.

Respuesta: Para la solucin de este punto vamos a tomar los datos dados por curso y los

valores de quienes aprobaron para lego trabajar los con la frmula de probabilidad

simple.

Probabilidad de aprobacion de un
Curso
estudiante por cada curso
178
Algebra lineal = 100 = 81.65
218

146
Anlisis numrico = 100 = 80.21
182
Clculo 252
infinitesimal = 100 = 76.82
328
56
Calculo integral = 100 = 70.88
79

Clculo 244
= 100 = 68.34
multivariado 357

226
Calculo negocios = 100 = 68.27
331

Ecuaciones 178
= 100 = 67.16
diferenciales 265

33
Estadstica bsica = 100 = 62.26
53
Estadstica = 100 = 61.55%
inferencial
Matemticas 199
= 100 = 61.23
avanzadas 325
Matemticas 44
discretas = 100 = 55
80
42
Precalculo = 100 = 50.60
83
6
Probabilidad = 100 = 35.29
17
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Con el anterior cuadro la probabilidad de que un estudiante apruebe cada curso.

5. Clasifique los cursos del rea de acuerdo a los resultados obtenidos. Establezca los

criterios que utiliz y d las razones de su eleccin.

Respuesta:

Podemos clasificar los cursos por 2 sucesos como lo son la probabilidad de aprobacin de

cada curso por un estudiante (S1) y la reprobacin de un curso (S2), estos 2 datos son

sumamente importantes porque nos dan a conocer en que cursos hay mejor rendimiento y

en cuales no con el fin de detectar la causa de la desaprobacin y mejorar.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Probabilidad de aprobacion de Probabilidad reprobacion de un


Curso
un estudiante por cada curso estudiante por cada curso
Algebra 10
81.65 = 100 = 4 58
lineal 218
Anlisis 15
80.21 = 100 = 8 24
numrico 182
37
Clculo 76.82 = 100 = 11 28
328
infinitesimal

Calculo 70.88 8
= 100 = 10 12
integral 79
49
Clculo 68.34 = 100 = 13 72
357
multivariado
Calculo 68.27 44
= 100 = 13 29
negocios 331
47
Ecuaciones = 100 = 17 73
67.16 265
diferenciales
Estadstica 11
62.26 = 100 = 20 75
bsica 53
Estadstica 70
61.55% = 100 = 16 01
inferencial 437
Matemticas 53
61.23 = 100 = 16 30
avanzadas 325
Matemticas 13
55 = 100 = 16 25
discretas 80
24
Precalculo 50.60 = 100 = 28 91
83
35.29 8
Probabilidad = 100 = 47 05
17

6. Califique los profesores del rea de acuerdo a los resultados obtenidos. Establezca

los criterios que utiliz y d las razones de su eleccin.

Respuesta:

Teniendo en cuenta la tabla donde nos dan los datos por profesor tenemos los sucesos

(Aprob, reprob, cancelo o perdi por fallas), podemos ver visualmente que el total de
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

estudiantes que cancelo o perdi por fallas es mayor que el que reprob, por lo que

podemos tomar probabilidad de quienes cancelaron o perdieron por fallas para comparar

y buscar una mejora.

PROBABILIDAD PROBABILIDAD DE
PROFESOR DE APROBAR CANCELAR O PERDIDA POR
FALLAS
1
Csar r. = 100 = 1 88
98% 53
5
Claudia v. = 100 = 13 88
86% 36
18
Diana m. = 100 = 0 15
81% 119
21
Ernesto s. = 100 = 10 29
81% 204
4
Diego v. 80% =
45
100 = 8 88
26
Eduardo m. = 100 = 13 19
78% 197
13
Enrique p 75% = 100 = 8 33
156
21
Fernando m. = 100 = 12 57
74% 167
20
Gloria a. 74% = 100 = 9 85
203
26
Jairo a. = 100 = 16 14
72% 161
29
Javier b. = 100 = 21 16
71% 137
16
Jos c. 66% =
74
100 = 21 62
44
Luz p. = 100 = 21 05
67% 209
21
Marcela f. = 100 = 21
60% 100
37
Mara a . = 100 = 23 56
59% 157
46
Mario g = 100 = 30 26
59% 152
27
Mercedes s. = 100 = 26 47
58% 102
45
Oscar n. 54% = 100 = 22 05
204
22
Patricia m. 50% =
73
100 = 30 13
46
Ricardo o. = 100 = 34 32
42% 134
5
Sandra m. = 100 = 6 94
41% 72
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

7. En que programa hay mejores resultados. Establezca los criterios que utiliz y d

las razones de su eleccin.

Respuesta:

Para determinar que programa obtuvo mejores resultados tenemos que hallar la

probabilidad de aprobacin de cada uno y determinar cual tiene ms probabilidad de

aprobar.

Probabilidad de que
Programa
aprob
146
= 100 = 80 21
Administracin ambiental 182
295
Admn. empresas = 100 = 77 63
380
297
Arquitectura = 100 = 70 54
421
99
Contadura = 100 = 69 71
141
99
= 100 = 69 71
Economa 142
515
Ing Mecatrnica = 100 = 65 43
787
88
Ing. Civil = 100 = 65 18
135
83
Ing. Financiera = 100 = 61 94
134
127
= 100 = 61 65
Ing. Sistemas 206
32
Ing. Telecomunicaciones = 100 = 57 14
56
69
Negocios Internacionales =
123
100 = 56 09
23
Psicologa = 100 = 47 91
48

El programa con mejores resultados basado en el nmero de aprobados es Administracin

ambiental.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

EJERCICIO No. 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:

Resultado del examen positivo Resumen del examen Negativo


Enfermedad
Presente 8% 2%
Enfermedad Ausente 5% 85%
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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.

2. Probabilidad de que la enfermedad est ausente.

3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la persona no

tiene la enfermedad.

4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la

persona tiene la enfermedad.

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

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

7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de

seleccin para detectar la enfermedad?

SOLUCIN

1. Se procede a denotar cada uno de los sucesos de la siguiente manera:

R/ P: Enfermedad Presente.
A: Enfermedad Ausente.

P2: Resultado positivo.


N: Resultado Negativo.

Se procede a realizar el diagrama de rbol: Presencia Enfermedad

0,08

Res. positivo
Ausencia Enfermedad
ENFERMEDAD
0.05
Probabilidad
Presencia Enfermedad
0.1 0.02

Res. Negativo
Ausencia Enfermedad

0.85
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

El enunciado nos da la informacin que la probabilidad que la enfermedad est presente es del
P(P)=10%.

2. Probabilidad que la enfermedad est ausente:

Como ya conocemos el porcentaje de probabilidad que la enfermedad est presente por


descarte hallamos el porcentaje que no lo est:

P(A) =1-0.1 =0.9 = 90%

3. Probabilidad de un falso positivo, es decir que el examen sea positivo dado que la
persona no tiene la enfermedad:

(2 ) 0.05
(2|) = =
() 0.9

(2|) = 0.055

La probabilidad de un falso positivo es del 5.56%.

4. Probabilidad de un falso negativo, es decir, que el examen resulte negativo dado que la

persona tiene la enfermedad:

( ) 0.02
(|) = =
() 0.1

(|) = 0.2

La probabilidad de un falso negativo es del 20%.

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

(2 ) 0.08
(2|) = = = 0.8
() 0.1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

(2) () 0.8 0.1


(|2) = = = 0.6154
() + (2) 0.13

La probabilidad que la enfermedad est presente y el resultado sea positivo es del 61.5%.

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

negativo:

( ) 0.85
(|) = = = 0.94
() 0.9

(|2) = 0.94

La probabilidad que la persona no tenga la enfermedad y el examen resulte negativa es de 94%.

7. De acuerdo con las probabilidades encontradas, que tan confiable es este examen de

seleccin para detectar la enfermedad?

R/ Al verificar los resultados obtenido podemos analizar lo siguiente:

Al verificar los resultados, tales como comprobar si la persona tiene o no la enfermedad

puedo sacar como conclusin que la prueba es ms acertada para saber que la persona no

tiene la enfermedad debido al porcentaje de probabilidad hallado en el inciso 6, que nos

da como resultado una probabilidad muy confiable.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

ESTUDIO DE CASO 3

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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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

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?

DATOS
PARACAIDISTAS 12
% XITO POR SALTO 0.7980
% XITO DEL EXPEDICION 0.9943

R// La probabilidad de un salto exitoso ser la misma probabilidad que tiene el equipo de los 12
miembros a la vez, ya que todos se lanzarn al mismo tiempo sin preocuparnos por la diferencia
de lapsos de tiempos entre ellos, por lo tanto, ser:

Conclusin1:

Porcentaje para el grupo, al igual para cada persona

Otra conclusin sera:

La probabilidad de completar su salto con xito es de 0,0829


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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?

DATOS
PARACAIDISTAS 12
% XITO POR SALTO 0.7980
% XITO DEL EXPEDICION 0.9943

R// de la operacin realizada salen dos conclusiones

Conclusin1
12 = 0 7980 = (0 7980)1/ = 0 9814

La probabilidad de que un solo miembro del equipo pueda completar el salto con
xito es de 0,9814

Conclusin2

Teniendo en cuenta que se va analizar de manera individual entonces, todos los integrantes tienen
la misma probabilidad, adems estn saltando desde la misma altura

Podemos calcularla de la siguiente manera:

Cada persona tendra el 7% de posibilidad de tener un salto exitoso

% XITO DEL EXPEDICION 0.9943


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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?

Conclusin1


= =

No estoy de acuerdo con esta afirmacin, ya que habra una posibilidad de que 3 personas no
tuvieran un salto exitoso.

Conclusin2

La verdad no concuerdo con la hiptesis enunciada, porque si miramos las cosas de otra manera
podemos concluir:

si por doce personas es una equivalencia del 79% y de manera individual es de un 7% entonces
podremos llegar a deducir que de cada 2 de 12 de los miembros podra sufrir un accidente, si el
enunciado dijera que fuese 1de cada 6 estara correcto porque:

Hay solo 80% entonces solo es 2 de 12 y no 1 de 5


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

EJERCICIO No. 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.

CASOS PRESENTADOS, APELADOS Y REVOCADOS EN LOS TRIBUNALES DEL


CONDADO DE HAMILTON

JUEZ CASOS CASOS CASOS


TRIBUNALPENAL 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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Thomas Nurre 3000 121 6


John OConnor 2969 129 12
Robert Ruehlman 3205 145 18
J.HowardSundermann 955 60 10
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
TOTAL 43945 1762 199

JUEZ CASOS CASOS CASOS


TRIBUNAL PRESENTADOS APELADOS REVOCADOS
DE
FAMILIA
Penelope 2729 7 1
Cunningham
Patrick 6001 19 4
Dinkelacker
Deborah 8799 48 9
Gaines
Ronald 12,970 32 3
Panioto
TOTAL 30559 106 17

JUEZ CASOS CASOS CASOS


TRIBUNAL PRESENTADOS APELADOS REVOCADOS
CIVIL
Mike Allen 6149 43 4
Nadine Allen 7812 34 6
Timothy 7954 41 6
Black
David Davis 7736 43 5
Leslie Isaiah 5282 35 13
Gaines
Karla Grady 5253 6 0
Deidra Hair 2532 5 0
Dennis 7900 29 5
Helmick
Timothy 2308 13 2
Hogan
James Patrick 2798 6 1
Kenney
Joseph 4698 25 8
Luebbers
William 8277 38 9
Mallory
Melba Marsh 8219 34 7
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Beth 2971 13 1
Mattingly
Albert 4975 28 9
Mestemaker
Mark Painter 2239 7 3
Jack Rosen 7790 41 13
Mark 5403 33 6
Schweikert
David 5371 22 4
Stockdale
John A. West 2797 4 2
TOTAL 108464 500 104

INFORME

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

A: casos que se apelan


B: caso revocados


( ) =


( ) = = 13.51

CASOS CASOS P(AB)


APELADOS REVOCADOS
Juez tribunal penal 1762 199 0.1129
Juez tribunal familia 106 17 0.1603
Juez tribunal civil 500 104 0.208
TOTAL 2368 320 0.1351

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

A: se apele un caso


() =

JUEZ CASOS CASOS P(A)


TRIBUNALPENAL PRESENTADOS APELADOS
Fred Cartolano 3037 137 4,51%
Thomas Crush 3372 119 3,53%
Patrick Dinkelacker 1258 44 3,50%
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Timothy Hogan 1954 60 3,07%


Robert Kraft 3138 127 4,05%
William Mathews 2264 91 4,02%
William Morrissey 3032 121 3,99%
Norbert Nadel 2959 131 4,43%
Arthur Ney, Jr. 3219 125 3,88%
Richard Niehaus 3353 137 4,09%
Thomas Nurre 3000 121 4,03%
John OConnor 2969 129 4,34%
Robert Ruehlman 3205 145 4,52%
J.HowardSundermann 955 60 6,28%
Ann Marie Tracey 3141 127 4,04%
Ralph Winkler 3089 88 2,85%

JUEZ
CASOS CASOS
TRIBUNAL P(A)
PRESENTADOS APELADOS
DE FAMILIA
Penelope
2729 7 0,26%
Cunningham
Patrick
6001 19 0,32%
Dinkelacker
Deborah
8799 48 0,55%
Gaines
Ronald Panioto 12970 32 0,25%

JUEZ
CASOS CASOS
TRIBUNAL P(A)
PRESENTADOS APELADOS
CIVIL
Mike Allen 6149 43 0,70%
Nadine Allen 7812 34 0,44%
Timothy Black 7954 41 0,52%
David Davis 7736 43 0,56%
Leslie Isaiah
5282 35 0,66%
Gaines
Karla Grady 5253 6 0,11%
Deidra Hair 2532 5 0,20%
Dennis Helmick 7900 29 0,37%
Timothy Hogan 2308 13 0,56%
James Patrick
2798 6 0,21%
Kenney
Joseph
4698 25 0,53%
Luebbers
William
8277 38 0,46%
Mallory
Melba Marsh 8219 34 0,41%
Beth Mattingly 2971 13 0,44%
Albert
4975 28 0,56%
Mestemaker
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Mark Painter 2239 7 0,31%


Jack Rosen 7790 41 0,53%
Mark
5403 33 0,61%
Schweikert
David
5371 22 0,41%
Stockdale
John A. West 2797 4 0,14%

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

A: se revoque un caso


() =

CASOS
JUEZ CASOS
P(A)
TRIBUNALPENAL PRESENTADOS
REVOCADOS
Fred Cartolano 3037 12 0,40%
Thomas Crush 3372 10 0,30%
Patrick Dinkelacker 1258 8 0,64%
Timothy Hogan 1954 7 0,36%
Robert Kraft 3138 7 0,22%
William Mathews 2264 18 0,80%
William Morrissey 3032 22 0,73%
Norbert Nadel 2959 20 0,68%
Arthur Ney, Jr. 3219 14 0,43%
Richard Niehaus 3353 16 0,48%
Thomas Nurre 3000 6 0,20%
John OConnor 2969 12 0,40%
Robert Ruehlman 3205 18 0,56%
J.HowardSundermann 955 10 1,05%
Ann Marie Tracey 3141 13 0,41%
Ralph Winkler 3089 6 0,19%

JUEZ
TRIBUNAL CASOS CASOS
P(A)
DE PRESENTADOS REVOCADOS
FAMILIA
Penelope
2729 1 0,04%
Cunningham
Patrick
6001 4 0,07%
Dinkelacker
Deborah
8799 9 0,10%
Gaines
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Ronald
12970 3 0,02%
Panioto

JUEZ
CASOS CASOS
TRIBUNAL P(A)
PRESENTADOS REVOCADOS
CIVIL
Mike Allen 6149 4 0,07%
Nadine Allen 7812 6 0,08%
Timothy Black 7954 6 0,08%
David Davis 7736 5 0,06%
Leslie Isaiah
5282 13 0,25%
Gaines
Karla Grady 5253 0 0,00%
Deidra Hair 2532 0 0,00%
Dennis
7900 5 0,06%
Helmick
Timothy Hogan 2308 2 0,09%
James Patrick
2798 1 0,04%
Kenney
Joseph
4698 8 0,17%
Luebbers
William
8277 9 0,11%
Mallory
Melba Marsh 8219 7 0,09%
Beth Mattingly 2971 1 0,03%
Albert
4975 9 0,18%
Mestemaker
Mark Painter 2239 3 0,13%
Jack Rosen 7790 13 0,17%
Mark
5403 6 0,11%
Schweikert
David
5371 4 0,07%
Stockdale
John A. West 2797 2 0,07%

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

A: se revoque un caso dada la apelacion


() =

CASOS CASOS P(A)


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

JUEZ
APELADOS
TRIBUNALPENAL REVOCADOS
Fred Cartolano 137 12 8,8%
Thomas Crush 119 10 8,4%
Patrick Dinkelacker 44 8 18,2%
Timothy Hogan 60 7 11,7%
Robert Kraft 127 7 5,5%
William Mathews 91 18 19,8%
William Morrissey 121 22 18,2%
Norbert Nadel 131 20 15,3%
Arthur Ney, Jr. 125 14 11,2%
Richard Niehaus 137 16 11,7%
Thomas Nurre 121 6 5,0%
John OConnor 129 12 9,3%
Robert Ruehlman 145 18 12,4%
J.HowardSundermann 60 10 16,7%
Ann Marie Tracey 127 13 10,2%
Ralph Winkler 88 6 6,8%

JUEZ
TRIBUNAL CASOS CASOS
P(A)
DE APELADOS REVOCADOS
FAMILIA
Penelope
7 1 14,3%
Cunningham
Patrick
19 4 21,1%
Dinkelacker
Deborah
48 9 18,8%
Gaines
Ronald
32 3 9,4%
Panioto

JUEZ
CASOS CASOS
TRIBUNAL P(A)
APELADOS REVOCADOS
CIVIL
Mike Allen 43 4 9,3%
Nadine
34 6 17,6%
Allen
Timothy
41 6 14,6%
Black
David Davis 43 5 11,6%
Leslie Isaiah
35 13 37,1%
Gaines
Karla Grady 6 0 0,0%
Deidra Hair 5 0 0,0%
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Dennis
29 5 17,2%
Helmick
Timothy
13 2 15,4%
Hogan
James
Patrick 6 1 16,7%
Kenney
Joseph
25 8 32,0%
Luebbers
William
38 9 23,7%
Mallory
Melba
34 7 20,6%
Marsh
Beth
13 1 7,7%
Mattingly
Albert
28 9 32,1%
Mestemaker
Mark Painter 7 3 42,9%
Jack Rosen 41 13 31,7%
Mark
33 6 18,2%
Schweikert
David
22 4 18,2%
Stockdale
John A.
4 2 50,0%
West

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

JUEZ TRIBUNALPENAL DESEMPEO DE


Thomas Nurre CADA UNO
5,00%
Robert Kraft 5,50%
Ralph Winkler 6,80%
Thomas Crush 8,40%
Fred Cartolano 8,80%
John OConnor 9,30%
Ann Marie Tracey 10,20%
Arthur Ney, Jr. 11,20%
Timothy Hogan 11,70%
Richard Niehaus 11,70%
Robert Ruehlman 12,40%
Norbert Nadel 15,30%
J.HowardSundermann 16,70%
Patrick Dinkelacker 18,20%
William Morrissey 18,20%
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

William Mathews 19,80%

JUEZ TRIBUNAL
P(A)
DE FAMILIA
Ronald Panioto 9,40%
Penelope Cunningham 14,30%
Deborah Gaines 18,80%
Patrick Dinkelacker 21,10%
JUEZ TRIBUNAL CIVIL P(A)
Karla Grady 0,00%
Deidra Hair 0,00%
Beth Mattingly 7,70%
Mike Allen 9,30%
David Davis 11,60%
Timothy Black 14,60%
Timothy Hogan 15,40%
James Patrick Kenney 16,70%
Dennis Helmick 17,20%
Nadine Allen 17,60%
Mark Schweikert 18,20%
David Stockdale 18,20%
Melba Marsh 20,60%
William Mallory 23,70%
Jack Rosen 31,70%
Joseph Luebbers 32,00%
Albert Mestemaker 32,10%
Leslie Isaiah Gaines 37,10%
Mark Painter 42,90%
John A. West 50,00%

Desde el punto de vista los jueces que estn resaltados de rojo no cumplieron con el desempeo

esperado para el cargo que estn ejerciendo, esto teniendo en cuenta que de los casos que se

reportaron como apelados los porcentajes de casos revocados fueron los ms altos por lo tanto se

determina que estuvieron cometiendo errores que al final de dieron la razn a los acusados. Esto

generando prdidas de tiempo y debilitamiento de creencia en manejo de justicia. Por otro lado,

los que estn marcados de verde cumplieron con porcentajes bajos.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Razones

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.

El juez penal es el menos eficiente con ms casos apelados = 4 % y revocados = 0,4 %, pero es el

segundo que ms trabaja.

El juez familiar es el que menos traba.

Criterios

Los porcentajes de atencin de casos, ms los porcentajes de eficiencia en casos apelados y

revocados.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

EJERCICIO No. 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 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.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

SOLUCIN

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

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

Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una de las

posibilidades, acompaada de su probabilidad. En el final de cada rama parcial se constituye a su

vez, un nudo del cual parten nuevas ramas, segn las posibilidades del siguiente paso, salvo si el

nudo representa un posible final del experimento (nudo final). Hay que tener en cuenta: que la

suma de probabilidades de las ramas de cada nudo ha de dar 1.

2.- Probabilidad de que un chip este defectuoso

Para este caso se debe de conocer el teorema de bayes, lo cual se refiere parte de una situacin en

la que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai. A esta se

aade un suceso B cuya ocurrencia proporciona cierta informacin, porque las probabilidades de
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

ocurrencia de B son distintas segn el suceso Ai que haya ocurrido. Conociendo que ha ocurrido

el suceso B, la frmula del teorema de Bayes nos indica como modifica esta informacin las

probabilidades de los sucesos Ai.

P (A) = Chips defectuosos

() = 0.25 (0.02) + (0.30) (0.04) + (0.45) (0.06) = 0.044

Se evidencia que el 4.4% de los chips salen defectuosos.

3- Probabilidad de que el chip este en buenas condiciones

Para obtener el resultado se debe de conocer el tema:

1 () = 1 0.044 = 0.956

Se identifica que el 95.6% de los chips salen en buenas condiciones


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Eventos mutuamente excluyentes

Los eventos mutuamente excluyentes son aquellos en los que si un evento sucede significa que el

otro no puede ocurrir. Si bien suelen usarse en teoras cientficas, tambin son parte de las leyes

y los negocios. Como resultado, entender los eventos mutuamente excluyentes puede ser

importante para una variedad de disciplinas.

Frmula

La frmula matemtica para determinar la probabilidad de los eventos mutuamente excluyentes

es P (A U B) = P(A) + P(B). Dicho en voz alta, la frmula es "Si A y B son evento mutuamente

excluyente, entonces la probabilidad de que A o B suceda es equivalente a la probabilidad del

evento A ms la probabilidad del evento B".

4.- Si el chip seleccionado resulta defectuoso, debe encontrar la Probabilidad de que haya

sido fabricado por cada uno de los proveedores

PROBABILIDAD A PRIORI

Probabilidad de la que se parte antes de efectuar un experimento que pueda arrojar nueva

informacin sobre dicha probabilidad, para obtener luego la revisada a posteriori. La distincin

entre probabilidad a priori y probabilidad a posteriori es relativa. Una probabilidad a

posteriori vuelve a ser a priori con relacin al experimento siguiente. Tampoco se

puede identificar la probabilidad a priori con la probabilidad subjetiva y la probabilidad a

posteriori con la experimental u objetiva. Una probabilidad A priori puede ser especificada a

partir de una informacin de naturaleza subjetiva, objetiva o de una mezcla de ambas.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

PROBABILIDAD A POSTERIORI

Probabilidad que resulta de revisar una probabilidad a priori, inicial o de partida, en funcin de la

informacin deducida de las nuevas pruebas practicadas. La distincin entre probabilidad a

priori y a posteriori es relativa. Una probabilidad a posteriori vuelve a ser a priori en relacin a

un nuevo experimento. A partir de las probabilidades a priori y la informacin

adicional producto de una muestra, la frmula de Bayes permite obtener las probabilidades

revisadas o a posteriori.

(0. 5)(0.0 ) 0.005


a. (|) = (0. 5)(0.0 )+(0. 0)(0.0 )+(0. 5)(0.0 )
= 0.0 = 0.1136

Por lo tanto, el 11.36% de los chips defectuosos provienen de Hall Electronics

(0. 0)(0.0 ) 0.01


b. (|) = (0. 5)(0.0 )+(0. 0)(0.0 )+(0. 5)(0.0 )
= 0.0 = 0.2727

Por lo tanto el 27.27% de los chips defectuosos provienen de Schuller Sales

(0. 5)(0.0 ) 0.0


c. (|) = (0. 5)(0.0 )+(0. 0)(0.0 )+(0. 5)(0.0 )
= 0.0 = 0.6136

Por lo tanto el 61.36% de los chips defectuosos provienen de Crawford Components


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

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

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

Probabilidad condicionada

Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la experiencia, el

hecho de que ocurra un suceso, puede cambiar la probabilidad de los dems. El proceso de

realizar la historia clnica, explorar y realizar pruebas complementarias ilustra este principio.

La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina probabilidad

condicionada y se define

Esta definicin es consistente, es decir cumple los axiomas de probabilidad.

Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad. A veces es

ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de espacio

muestral.

(0. 5)(0. 8) 0. 5
a. HE: (0. )+(0. 5)(0. )
= 0. = 0.2562 = 25.62
5)(0. 8)+(0. 0)(0. 5

Se identifica que el 25.62% de chips estn en buenas condiciones y son correspondientes a Hall

Electronics

(0. )(0. ) 0. 88
b. SS: (0. )+(0. 5)(0. )
= 0. = 0.3012 = 30.12%
5)(0. 8)+(0. 0)(0. 5
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

Se identifica que el 30.12% de chips estn en buenas condiciones y son correspondientes a

Schuller Sales

(0. 5)(0. ) 0.
c. CC: (0. )+(0. 5)(0. )
= 0. = 0.4424 = 44.24
5)(0. 8)+(0. 0)(0. 5

Se identifica que el 44.24% de chips estn en buenas condiciones y son correspondientes a

Crawford Componentes.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

CONCLUSIONES

Durante la realizacin de los ejercicios expuestos anteriormente pudimos obtener

diferentes resultados que nos dan las herramientas y pautas para la toma de decisiones al

respecto de la infinidad de posibilidades que tenemos, por otro lado, gracias a la

probabilidad podemos obtener un cierto porcentaje de certeza para seleccionar la mejor y

ms conveniente opcin, esto nos concluye que la probabilidad no simplemente es una

materia de estudio sino una herramienta muy valiosa para el da a da.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Curso: Probabilidad-100402

BIBLIOGRAFIA

UNAD. (2016). Entorno de Conocimiento: Axiomas de Probabilidad. Recuperado el 10 de Marzo

de 2016 de : http://datateca.unad.edu.co/contenidos/301014/axiomas_de_la_probabilidad.pdf

Mendenhall, W (2007). Estadstica y Probabilidad. Madrid:

Paraninfo. Recuperado el 23 de marzo de 2016.