TRABAJO COLABORATIVO FASE I

PRESENTADO POR:

LORENA CONSTANZA TORRES

CÓDIGO: 28.558.558

LUIS YADIR ARANGO

CÓDIGO:1.110.491.776

DIEGO HERNANDO VINCOS

CÓDIGO:

BRISNEY BARRERO
CÓDIGO:

XIOMARA LUCIA CASAS

CÓDIGO:

PRESENTADO A:
JULIAN ANDRES ROZO

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA (UNAD)

ESCUELA DE CIENCIAS ADMINISTRATIVAS, ECONÓMICAS, CONTABLES, Y

DE NEGOCIOS.
PROGRAMA ADMINISTRACIÓN DE EMPRESAS
PROBABILIDAD

MARZO
2016
 INTRODUCCION

Con el presente trabajo se pretende utilizar de forma objetiva y congruente los

conocimientos adquiridos con el correcto estudio de la unidad 1 del curso, basada
en los principios de la probabilidad, utilizando de forma práctica cada uno de los
conceptos para dar solución a 5 casos planteados con sus respectivos incógnitas.
Además, de ampliar en el estudiante los conocimientos en cuanto a técnicas de
conteo, reglas de adición, reglas de multiplicación, probabilidad condicional y el
teorema de Bayes.
 PRINCIPIOS BASICOS DE PROBABILIDAD
Técnicas de Conteo Casi todos los métodos no determinísticos están basados
en un principio de aritmética elemental y de conocimientos
de permutaciones, combinaciones y, en general, de las
reglas de conteo. De acuerdo con este principio, el
número total de formas en que dos acciones
consecutivas, E1 y E2, pueden llevarse a cabo (una
acción seguida por la otra), es simplemente el producto
del número de formas en que E1 y E2 pueden realizarse
de manera separada. Definido en forma de regla, este
principio de conteo se reduce a dos: Regla 1. Si la acción
E1 puede llevarse a cabo en n1 formas, y si la acción E2
puede realizarse en n2 formas, entonces su acción
conjunta, E1 seguida por E2, puede ocurrir en n1 u n2
formas. Regla 2. La mayor parte de los cálculos
probabilísticos están basados en la suposición de que
todas las permutaciones de los resultados son igualmente
probables.

Dentro de este concepto encontramos:

- Técnica de la multiplicación
- Técnica aditiva
- Técnica de la suma o adición
- Técnica de la permutación
- Técnica de la combinación

Teorema de Bayes Expresa la probabilidad condicional de un evento

aleatorio A dado B en términos de la distribución de
probabilidad condicional del evento B dado A y
la distribución de probabilidad marginal de sólo A.

Sea un conjunto de sucesos

mutuamente excluyentes y exhaustivos, y tales que la
probabilidad de cada uno de ellos es distinta de cero (0).
Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales . Entonces, la
probabilidad viene dada por la expresión:

Donde:
son las probabilidades a priori.
es la probabilidad de en la hipótesis .
son las probabilidades a posteriori.
Experimentos Experimentos o fenómenos aleatorios son los que pueden
aleatorios dar lugar a varios resultados, sin que pueda ser previsible
enunciar con certeza cuál de éstos va a ser observado en
la realización del experimento.
Probabilidades Las probabilidades subjetivas están basadas en las
subjetivas creencias de las personas que efectúan la estimación de
probabilidad. La probabilidad subjetiva se puede definir
como la probabilidad asignada a un evento por parte de
un individuo, basada en la evidencia que se tenga
disponible. Esa evidencia puede presentarse en forma de
frecuencia relativa de presentación de eventos pasados o
puede tratarse simplemente de una creencia meditada.
Experimento Experimento Aleatorio Y Espacio Muestral: En la teoría
Aleatorio, Espacios de probabilidades se habla a menudo de experimentos
Muéstrales Y aleatorios y de fenómenos aleatorios. La palabra aleatorio
Eventos proviene del vocablo latino alea, el cual significa suerte o
azar. Un fenómeno aleatorio, es por tanto, aquél cuyo
resultado está fuera de control y que depende del azar.
Experimentos o fenómenos aleatorios son los que pueden
dar lugar a varios resultados, sin que pueda ser previsible
enunciar con certeza cuál de éstos va a ser observado en
la realización del experimento. Si dejamos caer una piedra
o la lanzamos, y conocemos las condiciones iniciales de
altura, velocidad, etc., sabremos con seguridad dónde
caerá, cuánto tiempo tardará, etc. Es una experiencia
determinista. Si echamos un dado sobre una mesa,
ignoramos qué cara quedará arriba. El resultado depende
del azar. Es una experiencia aleatoria.

Suceso aleatorio es un acontecimiento que ocurrirá o

no, dependiendo del azar

Sucesos O Eventos: Suceso o Evento de un fenómeno o

experimento aleatorio es cada uno de los subconjuntos
del espacio muestral S. Los elementos de S se llaman
sucesos individuales o sucesos elementales. También son
sucesos el suceso vacío o suceso imposible , Ø, y el
propio S, suceso seguro

Operaciones Con Eventos: Ya que los eventos o

sucesos son subconjuntos, entonces es posible usar las
operaciones básicas de conjuntos 2 , tales como uniones,
intersecciones y complementos, para formar otros eventos
de interés, denominados eventos o sucesos compuestos.
Diagramas De Venn Y Diagramas De Árbol: Para
 describir las relaciones entre eventos se usan con
frecuencia los diagramas. Estos bien pueden ser los
denominados diagramas de Venn o los diagramas de
árbol. A continuación se describen ambos tratamientos
gráficos de los eventos de un espacio muestral
determinado.

Los diagramas de Venn suelen emplearse para

representar un espacio muestral y sus eventos. En la
figura siguiente se contempla un espacio muestral S (los
puntos dentro del rectángulo) y los eventos A, B y C como
subconjuntos de este. Se representan diferentes
diagramas de Venn, ilustrando varios eventos
combinados.

Un diagrama de árbol es una especie de mapa de

acontecimientos en donde se describen los eventos
básicos que ocurren en un experimento aleatorio. Este
gráfico está formado por segmentos de rectas y puntos.
Los eventos que ocurren se denotan por puntos. Este
diagrama puede ser dibujado de izquierda a derecha o de
arriba hacia abajo, no hay restricciones para ello (Ver
figura 3). Este tipo de diagramas es muy usual no sólo
para describir un espacio muestral, sino en situaciones de
probabilidad, caso en el cual la probabilidad del evento se
indica sobre el segmento de recta, también en
combinatoria y en muchas otras ramas de la matemática.
Técnicas De Conteo Principio Fundamental Del Conteo: En el cálculo de las
probabilidades se debe poder determinar el número de
veces que ocurre un evento o suceso determinado. Es
muchas situaciones de importancia práctica es imposible
contar físicamente el número de ocurrencias de un evento
o enumérelos uno a uno se vuelve un procedimiento
engorroso. Cuando se está frente a esta situación es muy
útil disponer de un método corto, rápido y eficaz para
contar.
En la teoría fundamental del conteo se tienen dos
principios básicos, que son la base para desarrollar otros
conceptos como permutaciones y combinaciones que se
verán más adelante. Principio de multiplicación o
multiplicativo Algunos problemas de probabilidad pueden
resolverse aplicando este principio.

Principio aditivo: Este principio tiene las mismas

premisas del principio multiplicativo, pero con la condición
no de que los eventos sean independientes sino de que
sean mutuamente excluyentes, es decir que cada uno
ocurra sin la necesidad de que otro lo haga. El número
total de maneras en las que pueden realizarse los eventos
es la adición: ... n1 + n2 + n3 +

Factorial De Un Número: En el análisis combinatorio

interviene con mucha frecuencia el concepto de factorial
de un entero no negativo n. Este se denota por el símbolo
n! y se define como el producto de n por todos los enteros
que le preceden hasta llegar al uno. Simbólicamente
queda expresado como: n! = n(n-1)(n-2)…1 n ≤ 1

Permutaciones Y Variaciones: El número de

permutaciones (acomodos u ordenaciones) de n
elementos distintos, tomados todos de una vez, se denota
por n!.
Una ordenación de un número r de elementos del
conjunto de n elementos,r ≤ n , es denominada variación.
Son permutaciones en las que implica un orden en la
colocación de los elementos, tomando únicamente una
parte de los elementos. Una variación puede construirse
seleccionando el elemento que será colocado en la
primera posición del arreglo de entre los n elementos,
para luego seleccionar el elemento de la segunda
posición de entre los n-1 elementos restantes, para
seleccionar después el tercer elemento de entre los n-2
restantes, y así sucesivamente. Se trata pues de una
permutación de n elementos tomando r a la vez.

Combinaciones: Una combinación de ellos, tomados r a

la vez, es un subconjunto de r elementos donde el orden
no se tiene en cuenta. El número de combinaciones de n
elementos tomados r a la vez, r ≤ n.

Regla Del Exponente: Se trata de un tipo de combinación

o arreglo ordenado en donde siempre hay reemplazo del
elemento que se toma. Si se tienen un conjunto de N
elementos y se construye con estos elementos un
conjunto de n elementos, con la condición de que cada
vez que se tome un elemento del conjunto de N
elementos este sea nuevamente reemplazado, entonces
el número de posibles arreglos o acomodos del conjunto
de n elementos es: 𝑁 𝑛
 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.
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
 2. La probabilidad de que un estudiante repruebe un curso del área de
matemáticas.
3. Por cada profesor, establezca la probabilidad de que un estudiante apruebe
un curso del área de matemáticas.

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

cada uno de los cursos del área.

5. Clasifique los cursos del área de acuerdo a los resultados obtenidos.

Establezca los criterios que utilizó y dé las razones de su elección.

6. Califique los profesores del área de acuerdo a los resultados obtenidos.

Establezca los criterios que utilizó y dé las razones de su elección.

7. En que programa hay mejores resultados. Establezca los criterios que

utilizó y dé las razones de su elección

SOLUCIÓN

Punto 1

Cuál es la probabilidad que el evento ocurra en este caso es..

La probabilidad de que un estudiante apruebe un curso del área de matemáticas?

Son los casos favorables sobre el total de los casos. Según el informe los casos
que aprueban área matemática son 1873.

Es decir que la probabilidad (P) de aprobar (A) curso de Matemáticas es

P(A)= Caso favorable/total casos

P(A)= 1873/2755= 0,67

La probabilidad que un estudiante apruebe un curso de matemáticas es 67%

según la información suministrada.

Punto 2

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

PROBABILIDAD (REPROBAR)

P(R)= 389/2755 =0,14

La probabilidad que un estudiante repruebe es de 14%

Punto 3

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

curso del área de matemáticas.

Profesor Aprobó Total P(p) % Aprobar

Cesar r 52 53 98,11%
0,98
Claudia v. 31 36 86,11%
0,86
Diana m 97 119 81,51%
0,82
Ernerto s. 166 204 81,37%
0,81
Diego v. 36 45 80,00%
0,80
Eduardo 154 197 0,78 78,17%
m.
Enrique 118 156 75,64%
0,76
Fernando 125 167 74,85%
0,75
Gloria a 151 203 74,38%
0,74
Jairo 116 161 72,05%
0,72
Javier b 98 137 71,53%
0,72
José c. 49 74 66,22%
0,66
Luz p. 142 209 67,94%
0,68
Marcela f 60 100 60,00%
0,60
María a 93 157 59,24%
0,59
Mario g 90 152 59,21%
0,59
Maecedes 60 102 58,82%
s 0,59
Oscar n 111 204 54,41%
0,54
Patricia m 37 73 50,68%
0,51
Ricardo o 57 134 42,54%
 0,43
Sandra M 30 72 41,67%
0,42
total 1873 2755
 ESTUDIO DE CASO 2

TEOREMA DE BAYES:

Supongamos que nuestro espacio de referencia puede expresarse como unión

de una cierta cantidad de sucesos que son disjuntos dos a dos
(es decir, que ninguna pareja formada con esos conjuntos tiene elementos en
común) y tal que la probabilidad de todos ellos es mayor que cero.
Supongamos que dado un suceso cualquiera conocemos la probabilidad de que
suceda condicionado a que sucede cualquiera de los , que denotamos
por . Entonces podemos calcular la probabilidad de que suceda cada uno
de los condicionado a que sucede , , de la siguiente forma:

La probabilidad de suceso puede expresarse de la siguiente forma (teorema de

la probabilidad total):

Suponga que cierta enfermedad está presente en el 10% de la población, y que

hay un examen de selección diseñado para detectar si esta enfermedad está
presente. El examen no siempre funciona a la perfección. A veces, es negativo
cuando la enfermedad está presente y otras es positivo en ausencia de ella. La
tabla siguiente muestra la proporción en que el examen produce varios resultados:

Resultado del examen Resultado del examen

positivo Negativo

Enfermedad presente 8% 22%

Enfermedad Ausente 5% 85%

SOLUCIÓN
Con base en esta información y usando el Teorema de Bayes, elabore un informe
Que como mínimo, debe incluir:

1. Probabilidad de que la enfermedad este presente

2. Probabilidad de que la enfermedad esté ausente

Las probabilidades de “enfermo” y de “sano” son las siguientes:

P (E)= 0.10 y P (S)= 0.90

Ya que se sabe de antemano que el 10% de la población padece realmente la

enfermedad.

Si llamamos 𝐵1 al suceso “dar positivo en el examen” y 𝐵2 al suceso “dar

negativo”, tenemos que la probabilidad de dar positivo sabiendo que se está
enfermo es:

𝑃(𝐵1 |𝐸) = 0.08

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

𝑃(𝐵1 |𝑆) = 0.05

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

dado que la persona tiene la enfermedad

𝑃(𝐵2 |𝐸) = 0.22

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

resulto positivo

El teorema de Bayes nos dice:

Donde
Por lo tanto

𝑃(𝐵1 |𝐸)𝑃(𝐸)
𝑃(𝐸|𝐵1) = =
𝑃(𝐵1|𝐸)𝑃(𝐸) + 𝑃(𝐵2 |𝐸)𝑃(𝐸)

(0.08)(0.10) 0.008 0.008

= = = = 0.26 … ≈ 0.27
(0.08)(0.10) + (0.22)(0.1) 0.008 + 0.022 0.03

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

resulto positivo

Sea: 𝑃(𝐵2|𝑆) = 0.85 la probabilidad de que saliera negativo estando sano,

entonces

𝑃(𝐵1 |𝑆)𝑃(𝑆)
𝑃(𝑆|𝐵1) = =
𝑃(𝐵1|𝑆)𝑃(𝑆) + 𝑃(𝐵2|𝑆)𝑃(𝑆)

(0.05)(0.90) 0.045 0.045

= = = = 0.55 … ≈ 0.56
(0.05)(0.90) + (0.85)(0.9) 0.045 + 0.765 0.81

7. Probabilidad de que la persona tenga la enfermedad dado que el examen

resulto negativo

Debemos calcular 𝑃(𝐸/𝐵2 )

𝑃(𝐵2 |𝐸)𝑃(𝐸)
𝑃(𝐸|𝐵2) = =
𝑃(𝐵1|𝐸)𝑃(𝐸) + 𝑃(𝐵2 |𝐸)𝑃(𝐸)

(0.22)(0.10) 0.022 0.022

= = = = 0.66 … ≈ 0.67
(0.08)(0.10) + (0.22)(0.1) 0.008 + 0.022 0.03

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

resulto negativo
𝑃(𝑆/𝐵2 )
 𝑃(𝐵2 |𝑆)𝑃(𝑆)
𝑃(𝑆|𝐵2) = =
𝑃(𝐵1|𝑆)𝑃(𝑆) + 𝑃(𝐵2|𝑆)𝑃(𝑆)

(0.85)(0.90) 0.765 0.765

= = = = 0.928 … ≈ 0.93
(0.065)(0.90) + (0.85)(0.90) 0.0585 + 0.765 0.8235

9. De acuerdo con las probabilidades encontradas, que tan confiable es este

examen de selección para detectar la enfermedad?

Se puede concluir que el examen no es muy confiable , ya que la Probabilidad de

que la persona tenga la enfermedad dado que el examen resultó positivo es del
27%, dando el beneficio de la duda e induciendo a otra prueba, ahora en caso de
que el resultado salga negativo, se estima que hay un 67% que la persona tenga
la enfermedad, sin embargo el porcentaje no es tan alto como para confirmar,
además si el resultado sale negativo hay un 93% de que la persona no tenga la
enfermedad, concluyendo que hay que mejorar el tipo de prueba para poder
detectar la enfermedad.
 ESTUDIO DE CASO 3

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 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 12 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 0,7980; sin embargo, dado un salto exitoso, la probabilidad de
éxito de la expedición era de 0,9943 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 12 miembros del equipo, cual es la probabilidad de
completar su salto con éxito?

Teniendo en cuenta que 12 es el total de los miembros del equipo que

completaran el salto con éxito podríamos determinar lo siguiente:
1/12 = 0.083

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 éxito?
Para resolver esta incógnita se debe descifrar el resultado le probabilidad
individual con la siguiente operación:
P ^ 12 = 0.7980
Entonces:
P = e^(ln(0.7980)/12)
P = 0.9813
El resultado individual del salto exitoso es de 0.9813.

3. En el relato se afirma que: “esa probabilidad de 0,7980 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?

La anterior afirmación es posible determinarla de forma subjetiva basándonos en

el porcentaje de éxito es de 0.7980 y sabiendo que es relativamente probable que
el evento de que alguien salga herido suceda; teniendo en cuenta que por cada
individuo la posibilidad de aterrizar con éxito es de 0.083. Podemos concluir que
en el rango de 5 miembros del equipo el porcentaje del grupo equivale a 0.42, lo
cual se encuentra dentro de las posibilidades de salir herido. Por lo anterior, es
posible concluir que la afirmación es verdadera.
 ESTUDIO DE CASO 4

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.

CASOS PRESENTADOS, APELADOS Y REVOCADOS EN LOS TRIBUNALES DEL

CONDADO DE HAMILTON.

Juez Tribunal Casos Presentados Casos apelados Casos Revocados

Penal
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 955 60 10
Sundermann
Ann Marie Tracey 3141 127 13
Ralph Winkler 3089 88 6
Total 43945 1762 199

PROBABILIDAD

Juez Tribunal de Casos Presentados Casos apelados Casos Revocados

Familia
Penelope 2729 7 1
Cunningham
Patrick Dinkelacker 6001 19 4
Deborah Gaines 8799 48 9
Ronald Panioto 12,970 32 3

Juez Tribunal Civil Casos Presentados Casos apelados Casos 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 2798 6 1
Kenney
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
Total 108464 500 104

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:
8. La probabilidad de casos que se apelan y revocan en los tres tribunales
9. La probabilidad de que se apele un caso, por cada juez
10. La probabilidad de que se revoque un caso, por cada juez
11. La probabilidad de una revocación dada una apelación, por cada juez
12. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios que
utilizó y dé las razones de su elección.
 SOLUSION

JUEZ CASOS CASOS CASOS PROBA PROBA PROBA

TRIBUNAL PRESENTA APELAD REVOCA APELAR REVOCAR REVOCAR
CIVIL DOS OS DOS DADA UNA
APELACION

Mike Allen 6149 43 4 0,00699 0,000651 0,093023

Nadine allen 7812 34 6 0,00435 0,000768 0,176471
Timothy Black 7954 41 6 0,00516 0,000754 0,146341
David Davas 7736 43 5 0,00556 0,000646 0,116279
Lesile Isaiah Gaines 5282 35 13 0,00663 0,002461 0,371429
Karla Grady 5253 6 0 0,00114 0,00 0,00
Deidra Hair 2532 5 0 0,00198 0,00 0,00
Dennis Helmick 7900 29 5 0,00367 0,000633 0,172414
Timothy Hogan 2308 13 2 0,00563 0,000867 0,153846
James patrick 2798 6 1 0,00214 0,000357 0,16667
Kenney
Joseph Luebbers 4698 25 8 0,00532 0,001703 0,32
William Mallory 8277 38 9 0,00459 0,001087 0,236842
Melba Marsh 8219 34 7 0,00414 0,000852 0,205882
Beth Mattingly 2971 13 1 0,00438 0,000337 0,076923
Albert Mestemaker 4975 28 9 0,00563 0,001809 0,321429
Mark Painter 2239 7 3 0,00313 0,00134 0,428571
Jack Rosen 7790 41 13 0,00526 0,001669 0,317073
Mark Schweikert 5403 33 6 0,00611 0,00111 0,181818
David Stockdale 5371 22 4 0,0041 0,000745 0,181818
John A. West 2797 4 2 0,00143 0,000715 0,5
TOTAL 108464 500 104 0,08733 0,018504 4,166829

JUEZ CASOS CASOS CASOS PROBA PROBA PROBA

TRIBUNAL PRESENT APELADOS REVOCAD APELAR REVOCAR REVOCAR
CIVIL ADOS OS DADA UNA
APELACIO
N
Fred Cartolano 3037 137 12 0,0451 0,003951 0,087591
Thomas Crush 3372 119 10 0,0353 0,002966 0,084034
Patrick Dinkelacker 1258 44 8 0,035 0,006359 0,181818
Timothy Hogan 1954 60 7 0,0307 0,003582 0,116667
Robert Kraft 3138 127 7 0,0405 0,002231 0,055118
William Mathews 2264 91 18 0,0402 0,007951 0,197802
William Morrissey 3032 121 22 0,0399 0,007256 0,181818
Norbert Nadel 2959 131 20 0,0443 0,006759 0,152672
Arthur Ney, Jr. 3219 125 14 0,0388 0,004349 0,112
Richard Niechaus 3353 137 16 0,0409 0,004772 0,116788
Thomas Nurre 3000 121 6 0,0403 0,002 0,049587
John O. Connor 2969 129 12 0,0434 0,004042 0,093023
Robert Ruehlman 3205 145 18 0,0453 0,005616 0,124138
J. Howard 955 60 10 0,0628 0,010471 0,166667
Sundermann
Ann Marie Tracey 3141 127 13 0,0404 0,004139 0,102362
Ralph Winkler 3089 88 6 0,0285 0,001942 0,068182
TOTAL 43945 1762 199 0,6514 0,078386 1,890267

JUEZ CASOS CASOS CASOS PROBA PROBA PROBA

TRIBUNAL PRESENTADOS APELADOS REVOCAD APELAR REVOCAR REVOCAR
FAMILIA OS DADA UNA
APELACION

Penelope 2729 7 1 0,002565 0,000366 0,142857

Cunningham
Patrick Dinkelacker 6001 19 4 0,003166 0,000667 0,210526
Deborah Gaines 8799 48 9 0,005455 0,001023 0,1875
Ronald Panioto 12970 32 3 0,002467 0,000231 0,09375
TOTAL 30499 106 17 0,013653 0,002287 0,634633

MAYOR PROBABILIDAD DE REVOCAR DADA UNA APELACION

John A. West 2797 4 2 0,00143 0,00072 0,5

MAYOR PROBABILIDAD DE REVOCAR

J. Howard Sundermann 955 60 10 0,062827 0,01047 0,166667

MAYOR PROBABILIDAD DE APELAR

J. Howard Sundermann 955 60 10 0,062827 0,01047 0,166667

MAYOR CANTIDAD DE CASOS REVOCADOS

William Morrissey 3032 121 22 0,039909 0,00726 0,181818

MAYOR CANTIDAD DE CASOS APELADOS

Ronald Panioto 12970 32 3 0,002467 0,00023 0,09375
Del análisis realizado se puede identificar lo siguiente: el tribunal municipal hay un
número mayor de casos revocados en comparación con los otros 2 tribunales se
puede interpretar que en este tribunal los jueces emiten sentencias erradas y que
el juez que encabeza la lista de esta situación es el Jhon A West el tribunal de
familia es el que tiene un numero más bajo de casos apelados, es decir hay una
mejor gestión. Los jueces son más eficientes en su veredicto en comparación con
los otros tribunales. En el tribunal de primera instancia se debería hacer
seguimiento a los procesos que están a cargo de los siguientes jueces ya que son
los que tienen mayor numero de apelaciones y revocaciones; Sundermann,
William Mathews, William Morrissette como caso especial se debería conversar y
revisar los caso del juez Patrick Dinkelacker ya que tiene en ambos tribunales
apelaciones y revocaciones. La mejor juez se encuentra en el tribunal municipal y
es Karla Grady, ya que tiene bajas apelaciones y ninguna revocación.
 ESTUDIO DE CASO 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 compañía 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 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 para ayudar a realizar el informe solicitado.

SOLUCIÓN

 Primer paso:
Hay tres eventos mutuamente excluyentes y colectivamente exhaustivos, es decir
tres proveedores.
A1: el LS-24B se compró Hall electronics:
A2: el LS-24B se compró a Schuller sales:
A3: el LS-24B se compró a Crawford Components:

 Las probabilidades a priori son:

P(A1)= .25 la probabilidad de que Hall electronics haya fabricado el LS-24
P(A2)= .30 la probabilidad de que Schuller sales haya fabricado el LS-24
P(A3)= .45 la probabilidad de que Crawford Components haya fabricado el LS-24
 La información adicional es la siguiente:
B1: el LS-24 parece defectuoso; o
B2: el LS-24 no parece defectuoso.
 Se dan las siguientes probabilidades condicionales
P(B1|A1)= .02 la probabilidad de que un chip LS-24 fabricado por Hall electronics
se encuentre defectuoso.
P(B1|A2)= .04 la probabilidad de que un chip LS-24 fabricado por Schuller sales se
encuentre defectuoso.
P(B1|A3)= .06 la probabilidad de que un chip LS-24 fabricado por Crawford
Components se encuentre defectuoso.
Evento A! Probabilidad a Probabilidad Probabilidad Probabilidad a
Priori, P(A!) condicional, conjunta, posteriori,
P(B1|A!) P(A! |B1) P(A! |B1)
Hall .25 .02 .005 .1136
Schuller .30 .04 .012 .2728
Crawford .45 .06 .027 .6136
P(B1)= .044 1.0000

Elabore un diagrama de árbol que represente las probabilidades encontradas.

 BIBLIOGRAFÍA

CANAVOS C., George (1986). Probabilidad y Estadística. México: McGraw Hil.

CASTILLO GARZÓN, Patricia (1998). Métodos cuantitativos I en administración.
Santafé de Bogotá: UNAD.
CHRISTENSEN, Howard B. (1999). Estadística Paso a Paso. México: Editorial
Trillas.
HERNÁNDEZ MAHECHA, Carlo Marcelo (2000). Introducción a la Probabilidad.
Guía de Estudio. Santa fe de Bogotá: UNAD.
KENNEDY, John B. & NEVILLE, Adam M. (1982). Estadística para ciencias e
ingeniería. México: Harla S.A.
LIPSCHUTZ, Seymour. Teoría y problemas de probabilidad. Serie de compendios
Schaum. México: McGraw Hill.
LOPES, Paulo Afonso (2000). Probabilidad & Estadística: Conceptos, Modelos,
Aplicaciones en Excel. Santa fe de Bogotá: Prentice Hall, Pearson Educación.
MARTÍNEZ BENCARDINO, Ciro (2004). Estadística Básica Aplicada. Santa fe de
Bogotá: ECOE Ediciones.
MARTÍNEZ BENCARDINO, Ciro (2003). Estadística y Muestreo. Santa fe de
Bogotá: ECOE Ediciones.
MARTÍNEZ BENCARDINO, Ciro (1992). Estadística. Apuntes y 614 problemas
resueltos. Santa fe de Bogotá: ECOE Ediciones.
MENDENHALL (1982). Introducción a la Probabilidad y la Estadística. EEUU:
Iberoamericana.
MILTON, J. Susan (1999). Estadística para biología y ciencias de la salud. Madrid:
McGraw Hill — Interamericana.