UNIDAD 1: PASO 2: ESPACIO

MUESTRAL, EVENTOS, OPERACIONES Y AXIOMAS DE

PROBABILIDAD

PRESENTADO POR:
HÉCTOR AGUSTÍN FIGUEREDO
CC: 1056908602
OSCAR JAVIER ALVARADO
CC. 1057588538
OSCAR JAVIER TORRES
CC:
YANETH LOZANO
CC: 65797516
YEIMY LISETH GONZÁLEZ
CC: 1054064779

PRESENTADO A:
LIC. AZUCENA GIL

UNIVERSIDAD ABIERTA A DISTANCIA UNAD

PROBABILIDAD
2018
 INTRODUCCION

El presente trabajo es con el fin de comprender los principios básicos de la

probabilidad, conceptos de la probabilidad: términos básicos y los
fundamentos necesarios para el estudio de la teoría de probabilidad.
También veremos en la presente unidad los diferentes conceptos
relacionados a la teoría de conteo y las técnicas para determinar el número
de veces de ocurrencia de un evento.
El concepto de probabilidad y las diferentes interpretaciones que se tienen
de ella, vamos a tratar los axiomas que satisfacen las probabilidades de
cualquier experimento aleatorio, las reglas de adición y de multiplicación
para probabilidades, la probabilidad condicional y la independencia de
eventos.
 OBJETIVOS

• Objetivo General
Ø Evidenciar los conocimientos adquiridos.
• Objetivos Específicos
Ø Analizar los principios de Probabilidad e identificando sus
propiedades, leyes y campos de aplicación que tiene esta ciencia.
Ø Comprender a cabalidad los principios de probabilidad, analizar
la aplicación de las propiedades y leyes en el campo de la
estadística y en el desarrollo de nuestras actividades como
futuros profesionales para logar óptimos resultados.
Ø Aplicar las propiedades y los conceptos de las matemáticas
básicas de probabilidades por medio de investigación y práctica
de los ejercicios planteados en el trabajo.
Ø Calcular las medidas de Espacios Muéstrales y Eventos y aplicar
las reglas básicas de Conteo, Permutaciones y Combinaciones.
Ø Reconocer la importancia de la Teoría de Probabilidades en el
análisis e interpretación de información estadística.
 PLAN DE ACCIOÓN
Ejercicios Ejercicios
Datos
Fotografía seleccionados seleccionados
Estudiante
a desarrollar revisar

65.797.516
Yaneth Lozano Caso Nº. 1 Caso Nº. 2
CEAD Socha

1054064779
Yeimy Liseth Caso Nº. 2 Caso Nº. 5
González

Oscar Javier Caso Nº. 3 Caso Nº. 4

Torres

1056908602
Héctor Agustín Caso Nº. 4 Caso Nº: 1
Figueredo
CEAD SOATA

Oscar Javier
Caso Nº. 5 Caso Nº.3
Alvarado
1057588538
Cuadro Sinóptico
 ESTUDIO DE CASO 1 Yaneth Lozano

La publicidad en televisión es indiscutiblemente la más

poderosa forma de publicidad. Anunciarse en televisión
implica llegar a cientos de miles o a millones de
personas al mismo tiempo, y hacerlo a través del medio
publicitario más relevante y prestigioso. La publicidad en
televisión aporta notoriedad y credibilidad, y ayuda más
que ninguna otra a conseguir el Ilustración 1.Estudio de caso 1
posicionamiento deseado.

Una empresa de publicidad desea determinar en qué canal es más

probable que sus anuncios sean vistos y realiza una encuesta entre 400
personas de varias ciudades del país para determinar cuáles son los
canales más vistos y el horario en el que más audiencia tienen.

Canal Horario en el que preferiblemente ve TV

preferido Mañana Tarde Noche Total
Caracol 39 12 58 109
Sony 11 8 32 51
Fox 6 5 26 37
Home &
10 13 24 47
Health
Discovery 9 2 18 29
City Tv 12 10 20 42
RCN 28 15 42 85
TOTAL 115 65 220 400

Con base en esta información y haciendo uso de los axiomas de

probabilidad, prepare para la empresa de publicidad un informe en el que
debe incluir como mínimo lo siguiente:
1. Canal en el que hay mayor probabilidad de que una persona vea los
anuncios de la empresa.
!"#
𝑃 = !"" = 0,27 = 27%

0,27

El canal que mayor probabilidad tiene para que sean vistos los anuncios
de la empresa es Caracol

2. Horario en el que hay mayor probabilidad de que una persona vea los
anuncios de la empresa.
!!"
𝑃 = !"" = 0,55 = 55%

0,55

En el horario de la noche hay una probabilidad alta de que una persona

vea los anuncios de la empresa, esta probabilidad es del 0,55

3. Probabilidad de que una persona prefiera ver T.V en la tarde.

65
𝑃= = 0,16 = 16%
400

0,16

Es poco probable que una persona prefiera ver T.V. en la tarde

4. Probabilidad de que una persona prefiera el canal RCN o Caracol.

P = P(A) + P(B)
!" !"#
RCN 𝑃(𝐴) = = 0,21 CARACOL 𝑃(𝐵) = = 0,27
!"" !""

P = 0,48 = 48%
0,48

La probabilidad de que una persona prefiera el canal RCN o CARACOL

es de 0,48

5. Probabilidad de que una persona prefiera ver TV en la mañana o en la

tarde.

P = P(A) + P(B)
!!" !"
Mañana 𝑃 𝐴 = !"" = 0,29 + Tarde 𝑃 𝐴 = !"" =
0,16

P = 0,45 = 45%
0,45

El 0,45 es la probabilidad que una persona vea TV en la mañana o en la

tarde

6. Probabilidad de que una persona prefiera ver el canal Caracol en la

mañana.
 P (B / A)
!"
𝑃 = !"# = 0,3577 = 35,77%

0,36

La probabilidad de que una persona prefiera ver el canal caracol en la

mañana es de 0,36.

7. Probabilidad de que una persona prefiera ver el canal Fox en la Noche.

!(! ! !)
P (B / A) = !(!)

!"
𝑃= !"
= 0,7027 = 70,27%

0,70

En este caso la probabilidad que una persona prefiera ver el canal Fox
en la noche es muy alta, es del 0,70.

8. Probabilidad de que una persona prefiera ver el canal Fox SI prefiere

ver Tv en la noche.

!(! ! !)
P (B / A) =
!(!)

26
400 26
𝑃= = = 0,1182 = 11,82%
220 220
400
 0,11

La probabilidad de que una persona prefiera ver el canal Fox SI prefiere

ver Tv en la noche es alta, es del 0,11.

9. Probabilidad de que una persona prefiera ver Tv en la noche si prefiere

el canal Fox.
!(! ! !)
P (B / A) =
!(!)

26
𝑃 = 400 = 0,7027 = 70,27%
37
400
0,70

La probabilidad de que una persona prefiere ver Tv en la noche si

prefiere el canal Fox es alta, es de 0,70.
10. Que le sugiere a la empresa de publicidad sobre sus anuncios en TV.
(tenga en cuenta las probabilidades aquí encontradas)

R: Según los resultados obtenidos y el análisis de los mismos, le

sugiero a la empresa de publicidad que sus anuncios los paute,
teniendo en cuenta el horario de la noche ya que tiene una probabilidad
de 0,55 utilizando el esquema de probabilidad y seleccionar al canal
caracol ya que éste capta la mayor audiencia del total de los
encuestados.

La otra recomendación es pautar en los canales RCN y CARACOL

simultáneamente, pero teniendo en cuenta solo el horario de la noche.
 RESUMEN DE CONCEPTOS TEORICOS APLICADOS AL CASO Nº 1

Axiomas de Probabilidad

Los axiomas de la formulación moderna de la teoría de la probabilidad

constituyen una base para deducir un amplio número de resultados.

Recordemos que la letra P se utiliza para designar la probabilidad de un

evento, siendo P(A), la probabilidad de ocurrencia de un evento A en un
experimento.

Axioma 1. La probabilidad de un evento es un número real no negativo, o

sea P(A) 0, para cualquier subconjunto A de un espacio muestral 5.

Axioma 2. La probabilidad de un suceso que ocurrirá con certeza es 1, es

decir P (A) - 1, y en complemento a este axioma podemos decir que la
probabilidad de un suceso imposible de ocurrir es cero, es decir P (A) - 0.

La probabilidad de cualquier evento o suceso siempre se encuentra entre

cero y uno.

0 < P (A) < 1

Esquema en el que podemos observar las diferentes probabilidades de

cualquier caso:
Eventos mutuamente excluyentes: Los eventos A y B, son mutuamente
excluyentes si no pueden ocurrir simultáneamente en un mismo
experimento.

Cuando los eventos son mutuamente excluyentes la probabilidad de que

uno u otro suceda (por definición no se puede presentar más de uno),
equivale a la suma de cada una de sus probabilidades.

La fórmula que se aplica para el cálculo de estas probabilidades es:

P (A o B) = P(A) + P(B)

Eventos independientes (o con reemplazo): Cuando dos eventos son

independientes, la probabilidad de que ambos ocurran es igual al producto
de sus probabilidades individuales y se calcula aplicando la siguiente
fórmula:

P (A y B) = P(A) P(B)

Probabilidad Condicional

La probabilidad condicional de B, dado A, es la probabilidad de que el

suceso B ocurra, dado que el suceso A, ya ocurrió.

La fórmula que se utiliza para calcular la probabilidad condicional es:

P (B/A) = P (A y B)
P(A)
 ESTUDIO DE CASO 2 Yeimy Liseth Gonzales

Una pareja de jóvenes acaba de casarse, ambos tienen 20

años y viven en lo profundo de la Patagonia comiendo
pescado crudo, lo que imprime un carácter fuerte: NADIE
SE DIVORCIA y todos tienen BUENA SALUD.

La mitad de la población de esa región, en efecto, vive

Ilustración 2. Estudio de
hasta los 110 años, una cuarta parte vive hasta los 100
caso 2 años, y el último cuarto de la población vive hasta los 90
años.

Los jóvenes esposos se preguntan: “Lo más probable es que nuestro

matrimonio dure…. ?”

Haciendo uso de los axiomas de probabilidad y en especial de la

probabilidad para eventos independientes, ayude a los jóvenes esposos a
responder la pregunta, y encuentre como mínimo lo siguiente:

1.- Probabilidad de que ambos vivan 90 años

Rta: Probabilidad de que ambos vivan 90 años Como la
probabilidad de que una persona que viva hasta los 90 años es un cuarto
de la población y además son eventos independientes y si consideramos que el
evento A sea que el viva los 90 años y B el que ella viva los 90 años,
entonces tenemos que:
P(AYB)=P(A).P(B)
=(1/4) . (1/4)
=1/16
Es decir que la probabilidad de que ambos vivan 90 años es de 1/6

2.- Probabilidad de que ambos vivan 100 años

Rta:
Sea el evento A el viva los 100 años y B ella la que viva 100 años,
tenemos que:
P(AYB)=P(A).P(B)
=(1/4) . (1/4)
=1/16
3.- Probabilidad de que ambos vivan 110 años
Rta:
Sea el evento A EL viva los 110 años y B ella quien viva los 110 años
tenemos que:
P(AYB)=P(A).P(B)
=(1/2) . (1/2)
=1/4
Es decir que la probabilidad de que ellos vivan 110 años es de 1/4

4.- Probabilidad de que el esposo viva 90 años y la esposa 110 años

Rta:
Sea el evento A EL viva los 90 años y B ELLA viva los 110 años tenemos
que:
P(AYB)=P(A).P(B)
=(1/4) . (1/2)
=1/8
Es decir, de que la probabilidad de que el esposo viva 90 años y la esposa
100 años es de 1/8

5.- Probabilidad de que la esposa viva 90 años y el esposo 100 años.

Rta:
Sea el evento A el esposo viva los 90 años y B la esposa que viva los 100
años, tenemos que:
P(AYB)=P(A).P(B)
=(1/4) . (1/4)
=1/16
Es decir, que la probabilidad de que la esposo viva 90 años y la esposa
viva 110 años es de 1/16.

6.- Finalmente, la respuesta a la inquietud de los esposos es: “Lo más

probable es que el matrimonio dure 90 años”. Porque de todas las
probabilidades la más grande es ¼ que seria de que ambos duren 110
años – la edad que tienen cuando se casaron y eso es de 90 años de
matrimonio (110 – 20 = 90)
Para resolver el estudio de caso se sugiere completar el siguiente
diagrama:
 El Esposo vivirá La Esposa vivirá hasta:
hasta: (probablemente)
(probablemente) 90 años 100 años 110 años
90 años ¼ . ¼= /16 ¼ . ¼=1/16 1/4 . 1/2=1/8
1 4
/16
100 años ¼ . ¼=1/16 ¼ . ¼=1/16 1/4 . 1/2=1/8 ¼
1 1 1 1 1 1 1 4
110 años /2 . ¼= /8 /2 . ¼= /8 /2 . /2= /4 /16
4/
¼ 16 ½ 1

Axiomas de Probabilidad

Dos eventos son independientes si el resultado del segundo evento no es

afectado por el resultado del primer evento. Si AyB son eventos
independientes, la probabilidad de que ambos eventos ocurran es el
producto de las probabilidades de los eventos individuales.
P(AYB)=P(A) . P(B)

Calculo o medición de la probabilidad

La probabilidad mide la mayor o menor posibilidad de que se dé un
determinado resultado (suceso o evento) cuando se realiza un
experimento aleatorio.
Para calcular la probabilidad de un evento se toma en cuenta todos los
casos posibles de ocurrencia del mismo; es decir, de cuántas formas
puede ocurrir determinada situación.
Los casos favorables de ocurrencia de un evento serán los que cumplan
con la condición que estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento,
entre 0% y 100%):
El valor cero corresponde al suceso imposible; ejemplo: lanzamos un dado
al aire y la probabilidad de que salga el número 7 es cero.
El valor uno corresponde al suceso seguro, ejemplo: lanzamos un dado al
aire y la probabilidad de que salga cualquier número del 1 al 6 es igual a
uno (100%).
El resto de sucesos tendrá probabilidades entre cero y uno: que será tanto
mayor cuanto más probable sea que dicho suceso tenga lugar.

Métodos de medición de Probabilidad

Uno de los métodos más utilizados es aplicando la Regla de Laplace:
define la probabilidad de un suceso como el cociente entre casos
favorables y casos posibles.

Ejemplos:
a) Probabilidad de que al lanzar un dado salga el número 2: el caso
favorable (f) es tan sólo uno (que salga el dos), mientras que los casos
posibles (n) son seis (puede salir cualquier número del uno al seis).
Por lo tanto:

(o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un número par: en este

caso los casos favorables (f) son tres (que salga el dos, el cuatro o el seis),
mientras que los casos posibles (n) siguen siendo seis.
Por lo tanto:

(o lo que es lo mismo, 50%)

c) Probabilidad de que al lanzar un dado salga un número menor que 5: en
este caso tenemos cuatro casos favorables (f) (que salga el uno, el dos, el
tres o el cuatro), frente a los seis casos posibles.
Por lo tanto:

(o lo que es lo mismo, 66,6%)

d) Probabilidad de ganarse el premio mayor de una lotería en la que
juegan 100.000 números nos: tan sólo un caso favorable (f), el número que
jugamos, frente a los 100.000 casos posibles (n).
Por lo tanto:

(o lo que es lo mismo, 0,001%)

d) Probabilidad al lanzar una moneda, con un águila en una cara y un sol
en la otra. Hay dos casos posibles (n) de ocurrencia (o cae águila o cae
sol) y sólo un caso favorable (f) de que pueda caer águila (pues sólo hay
un águila en la moneda).
Por lo tanto:

(o, lo que es lo mismo, 50 %)

Existe una probabilidad del 50% de obtener un águila al tirar una moneda.

e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y

10 manzanas. ¿Qué fruta es más probable que saque al azar de la
canasta?

Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es

decir los casos posibles (n). Para calcular la probabilidad de sacar una
manzana los casos favorables (f) son 10 puesto que existen sólo 10
manzanas.
Por lo tanto:

(o, lo que es lo mismo, 33,3 %)

(o, lo que es lo mismo, 66,7 %)

Fíjate bien que 33,3% + 66,7% es igual al 100% porque siempre que
saquemos algo de la canasta es seguro que será una fruta.

LA MATRIZ DE PROBABILIDAD DE IMPACTO

es una herramienta de análisis cualitativo de riesgos que nos permite
establecer prioridades en cuanto a los posibles riesgos de un proyecto en
función tanto de la probabilidad de que ocurran como de las repercusiones
que podrían tener sobre nuestro proyecto en caso de que ocurrieran.
Como se puede ver en la siguiente ilustración, la matriz se compone de
dos ejes: un eje vertical en donde se establecen los valores de
probabilidad (entre 0 – imposible y 1 – siempre) y un eje horizontal en
donde se establecen los valores del impacto del riesgo sobre los objetivos
de nuestro proyecto (en donde 0 implica que ese riesgo no repercutiría en
los objetivos y 1 que dificultaría en gran medida el cumplimiento de los
mismos). Los valores obtenidos en las diferentes celdas de la matriz son el
resultado de multiplicar la probabilidad de ocurrencia por el impacto del
riesgo, indicando los valores más altos (máximo 1) los riesgos más críticos
del proyecto y los más bajos los menos relevantes.
Esta matriz me parece una herramienta muy útil para la gestión de
proyectos ya que permite priorizar de forma muy visual los riesgos
existentes en nuestros proyectos, identificando de forma clara aquellos
sobre los que es necesario prestar más atención y establecer medidas de
respuesta antes de que estos ocurran para intentar minimizar las
repercusiones que puedan tener. De esta manera, se “ponen sobre la
mesa” los riesgos en los que incurre el proyecto ante todos los
skateholders de forma que cada uno asuma las responsabilidades que
tienen sobre los mismos y se evitan (o por lo menos se minimizan) los
posibles imprevistos que puedan ocurrir.

ESTUDIO DE CASO 3 Oscar Javier Torres

Colombia ha clasificado al Mundial de Rusia 2018;

así que muchos aficionados han comenzado los
preparativos para el viaje. Teresa quiere ir al mundial
y decide utilizar una aerolínea de bajo costo por lo
que es importante que decida que va a llevar para
que no le toque pagar más por sobrepeso.

Teresa decide hacer una lista de lo que podría llevar:

una maleta, una mochila, una cámara, y unas lindas
gafas que lleva a todos sus viajes. Al revisar en
algunas páginas de internet sobre viajes, encuentra que hay una
posibilidad sobre siete de que pierda la maleta, una sobre cinco de que
pierda su mochila, una sobre tres de que pierda la cámara y una
posibilidad de tres sobre diez de que pierda sus preciosas gafas.
Teresa se queda preocupada y decide calcular la probabilidad de que su
viaje no sea tan perfecto como lo tiene previsto si por alguna razón se
pierden sus cosas

Haciendo uso de los axiomas de probabilidad, su tarea es ayudar a Teresa

y para eso debe encontrar como mínimo lo siguiente:

1. Probabilidad de que no pierda la maleta.

2. Probabilidad de que pierda la maleta y pierda el bolso de mano

3. Probabilidad de que pierda la maleta o pierda el bolso de mano

4. Probabilidad de que NO pierda ninguna de sus cosas

5. Finalmente, Determine la probabilidad de que el viaje de Teresa no sea

tan perfecto como lo tiene previsto, si por alguna razón se pierden
todas sus cosas.

Para resolver el estudio de caso se sugiere completar el siguiente cuadro:

Probabilidades que tiene Teresa

de
Perder No perder
La Maleta 1/7 6/7
La Mochila 1/5 4/5
La Cámara 1/3 2/3
Las Gafas 3/10 7/10
TOTAL 0,976 3,02
porcentaje 9,76%

a. Probabilidad de que no pierda la maleta.

Regla del complemento

A= probabilidad de perder la maleta
𝑨𝑪 = probabilidad de no perder la maleta
P(𝑨𝑪 ) = 1- P(𝑨)
! ! !
P(𝑨𝑪 ) = − = = 0,8571 =85,71%
! ! !

Como probabilidad de no perder la maleta es de 6/7= 8,5%

b Probabilidad de que pierda la maleta y pierda el bolso de mano

P(A∩ 𝐵)=𝑝 𝐴 ∗ 𝑝(𝐵)

A= perder la maleta
B=perder el boldo
! ! !
P(A∩ 𝐵)= ! ∗ ! = !" = 0,028 = 2,85%

c.Probabilidad de que pierda la maleta o pierda el bolso de mano

La Maleta 1/7
La Mochila 1/5

A= perder la maleta
B=perder el boldo

P(A)= 1/7

P(B)= 1/5

!
P(A∩ 𝐵)= !"
P(AUB) =P(A)+P(B) – P(A∩B)

! !!
P(AUB)= 1/7 + 1 / 5 - = =0,3143=31,43%
!" !"

d. Probabilidad de que NO pierda ninguna de sus cosas

A= perder la maleta
B=perder el boldo
C=perder la cámara
D=perder las gafas

P(𝐴! ∩ 𝐵 ! ∩ 𝐶 ! ∩ 𝐷 ! )=P(𝐴! ) ∗ P( 𝐵 ! ) ∗ P( 𝐶 ! ) ∗ P( 𝐷 ! )

Regla del complemento

P(𝑨𝑪 ) = 1- P(𝑨)

P(A)= 1/7
!
P(𝑨𝑪 ) = 1-1/7=!

Lo mismo con los eventos B,C,D

Perder No perder
La Maleta 1/7 6/7
La Mochila 1/5 4/5
La Cámara 1/3 2/3
Las Gafas 3/10 7/10

! ! ! ! !!"
∗ ∗ ∗ = !"#" = 0,32 = 32%
! ! ! !"

e. Finalmente, Determine la probabilidad de que el viaje de Teresa

no sea tan perfecto como lo tiene previsto, si por alguna razón
se pierden todas sus cosas.
A= perder la maleta
B=perder el boldo
C=perder la cámara
D=perder las gafas
Perder No perder
La Maleta 1/7 6/7
La Mochila 1/5 4/5
La Cámara 1/3 2/3
Las Gafas 3/10 7/10

P(𝐴 ∩ 𝐵 ∩ 𝐶 ∩ 𝐷)=P(𝐴) ∗ P( 𝐵) ∗ P( 𝐶) ∗ P( 𝐷)

P( 𝐴 ∩ 𝐵 ∩ 𝐶 ∩ 𝐷) =
𝟏 𝟏 𝟏 𝟑 𝟑
∗ ∗ ∗ = = 𝟎, 𝟎𝟎𝟐𝟗 = 𝟎, 𝟐𝟗%
𝟕 𝟓 𝟑 𝟏𝟎 𝟏𝟎𝟓𝟎

Estudio De Caso 4 Héctor Agustín Figueredo

Los exámenes de selección están asociados principalmente

con exámenes médicos de diagnóstico, pero ahora están
encontrando aplicaciones en varios campos de actividad.
Estos exámenes se evalúan sobre la probabilidad de un
falso negativo o un falso positivo y éstas dos son
probabilidades condicionales. Un falso positivo es el evento
de que el examen sea positivo para una condición
determinada, dado que la persona no tiene la condición.

Un falso negativo es el evento de que el examen sea negativo para una

condición
determinada, dado que la persona tiene la condición. Se supone que una
cierta prueba
detecta cierto tipo de cáncer con probabilidad del 85% entre gente que lo
padece, y no lo detecta el 15% restante. Si una persona no padece este
tipo de cáncer la prueba indicará que no lo tiene un 95% de las veces e
indicará que lo tiene un 5% de ellas. Por estudios realizados se supone
que el 5% de la Población padece este tipo de cáncer. Con base en esta
información y usando el Teorema de Bayes, elabore un informe que como
mínimo, debe incluir:

1. Probabilidad de que una persona NO tenga este tipo de cáncer

2. Probabilidad de que el examen indique que la persona tiene cáncer

3. Probabilidad de que el examen indique que la persona no tiene cáncer

4. Probabilidad de un falso positivo, es decir que el examen indique que la

persona tiene cáncer dado que la persona no lo tiene.

5. Probabilidad de un falso negativo, es decir, que el examen indique que

la persona no
tiene cáncer dado que la persona tiene la enfermedad

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

este examen para detectar este tipo de cáncer.

Para resolver el estudio de caso se sugiere realizar un diagrama de árbol,

que represente las probabilidades utilizadas para resolverlo.

Solución:
 Diagrama De Árbol
P (Detecta Cáncer)
0,85

C (personas con cáncer) 0,15

N (No lo detecta)
Falso (+) 0,05
P(Detecta Cáncer)
0,05
Falso (-)0,95
-C(personas sin cáncer)
0,95
N (No lo detecta)

1.Probabilidad de que una persona NO tenga este tipo de cáncer.

Rta:

P (NC) = 0,95 = 95%

La probabilidad de que una persona no tenga este tipo de cáncer es del
95%

2.Probabilidad de que el examen indique que la persona tiene cáncer.

Rta:

P (DC) = 0,05 * 0,85 + 0,95 * 0,05

P (DC) = 0,0425 + 0,0475

P (DC) = 0,09 = 9%

La probabilidad del examen que indique que la persona tiene cáncer es del
9%.

3.Probabilidad de que el examen indique que la persona no tiene

cáncer.
Rta:

P (NC) = 0,05 * 0,15 + 0,95 * 0,05

P (NC) = 0,0075 + 0,9025

P (NC) = 0,91 = 91%

La probabilidad del examen que indique que la persona no tiene cáncer es

del 91%

4.Probabilidad de un falso positivo, es decir que el examen indique

que la persona tiene cáncer dado que la persona no lo tiene.
Rta:

P (D/NC) = 0,05 = 5%
La probabilidad del falso positivo, es decir que la persona tiene cáncer es
del 5%

5.Probabilidad de un falso negativo, es decir, que el examen indique

que la persona no
tiene cáncer dado que la persona tiene la enfermedad.
Rta:

P (ND/N) = 0,15% = 15%

Probabilidad de un falso negativo, es decir que la persona no tiene cáncer

dado que la
persona tiene la enfermedad es del 15%
.
6.De acuerdo con las probabilidades encontradas, que tan confiable
es este examen para detectar este tipo de cáncer.
Rta:

P (C/D) =
= 0,472 = 47,2%

La confiabilidad de este examen para detectar este tipo de cáncer es del

47,2%
 ESTUDIO DE CASO 5 Oscar Javier Alvarado

Un almacén importante considera cambiar su política de otorgamiento de

crédito para reducir el número de clientes (deudores) que finalmente no
pagan sus cuentas.
El gerente de crédito sugiere que a futuro, el crédito se le cancele a
cualquier cliente que demore una semana o más en sus pagos en dos
ocasiones distintas. La sugerencia del gerente se basa en el hecho de que,
en el pasado 90% de los clientes que finalmente no pagaron sus cuentas
se demoraron en sus pagos por lo menos dos ocasiones.
Un estudio independiente encontró que 2% de todos los deudores
finalmente NO pagan sus cuentas y que de aquellas que SÍ las pagan, el
45% se demoró en por lo menos dos ocasiones.
Utilice su conocimiento de la probabilidad y las aplicaciones del Teorema
de Bayes para preparar un INFORME en el que incluya como mínimo:
1. Probabilidad de que un deudor cualquiera finalmente si pague sus
cuentas.
2. Probabilidad de que un deudor cualquiera se demore por lo menos
dos ocasiones
3. Probabilidad de que un deudor que no se demoró por lo menos dos
ocasiones, finalmente, pague su cuenta.
4. Probabilidad de que un cliente que ya se demoró por lo menos dos
ocasiones, finalmente, no page su cuenta.
5. Con los resultados obtenidos analice la política que sugiere el
Gerente de crédito. Está de acuerdo, sí o no, ¿por qué?
Para resolver el estudio de caso se sugiere realizar un diagrama de árbol,
que represente las probabilidades utilizadas para resolverlo.
Solución
Se determina el siguiente diagrama de árbol para el caso:

Sean los sucesos:

CP=Clientes que pagan
CNP=Clientes que no pagan
CM2=Clientes que se demoran por lo menos de 2 ocasiones
CN2= Clientes que y se no demoran por lo menos de 2 ocasiones
Las probabilidades a priori son:
98
P(CP) =
100
2
P(CNP) =
100
Las verosimilitudes son:
45
P 𝐶𝑀2 𝐶𝑃 =
100
90
P 𝐶𝑀2 𝐶𝑁𝑃 =
100
Con este análisis podemos decir que existe una probabilidad del 98% de
que los clientes paguen su deuda.
Ahora para determinar la probabilidad de que un deudor cualquiera se
demore por lo menos dos ocasiones debemos calcular debemos calcular la
probabilidad de que se demore en 2 ocasiones y pague y que se demore
en 2 ocasiones y no pague así:
P que se demore por lo menos 2 ocasiones y paguen = 0.45 ∗ 0.98
P que se demore por lo menos 2 ocasiones y paguen = 0.441
P que se demore por lo menos 2 ocasiones y no paguen = 0.9 ∗ 0.02
P que se demore por lo menos 2 ocasiones y no paguen = 0.018
P(que se demore por lo menos 2 ocasiones)=P(que se demore por lo
menos 2 ocasiones y paguen)+P(que se demore por lo menos 2 ocasiones
y no paguen)
P que se demore por lo menos2 ocasiones = 0.441 + 0.018
P que se demore por lo menos 2 ocasiones = 0.459
∴ La probabilidad de que un deudor cualquiera se demore por lo menos
dos ocasiones es del 45.9%
Ahora para determinar la probabilidad de que un deudor que no se demoró
por lo menos dos ocasiones, finalmente, pague su cuenta se calcula así:
P que no se demore por lo menos 2 ocasiones y paguen
= (((0.55)(0.98)) / ((0.55)(0.98) + (0.10)(0.02)))
P que no se demore por lo menos 2 ocasiones y paguen
= (0.539/(0.539 + 0.002))
P que no se demore por lo menos 2 ocasiones y paguen = 0.539/0.541
P que no se demore por lo menos 2 ocasiones y paguen = 0.9963
∴ La probabilidad de que un deudor no se demore por lo menos dos
ocasiones y pague es del 99.63%
Ahora para determinar la probabilidad de que un deudor que se demoró
por lo menos dos ocasiones, finalmente, no pague su cuenta se calcula
así:
P que se demore por lo menos 2 ocasiones y no paguen (((0.90)(0.02))
/ ((0.90)(0.02) + (0.45)(0.98)))
P que se demore por lo menos 2 ocasiones y no paguen
= (0.018/(0.018 + 0.441))
P que se demore por lo menos 2 ocasiones y no paguen = 0.018/0.459
P que se demore por lo menos 2 ocasiones y no paguen = 0.03921
∴ La probabilidad de que un deudor no se demore por lo menos dos
ocasiones y pague es del 3.9%.
Ahora habiendo hecho todos los cálculos podemos concluir que:

1. La probabilidad de que un deudor cualquiera finalmente si pague sus

cuentas es del 98%.
2. La probabilidad de que un deudor cualquiera se demore por lo
menos dos ocasiones es del 45.9%
3. La probabilidad de que un deudor que no se demoró por lo menos
dos ocasiones, finalmente, pague su cuenta es del 99.63%.
4. Probabilidad de que un cliente que ya se demoró por lo menos dos
ocasiones, finalmente, no page su cuenta es del 3.9%.
5. Con estos resultados la política que sugiere el Gerente de crédito es
incorrecta teniendo en cuenta que la probabilidad de que un cliente
que se demora por lo menos 2 ocasiones y no paga su cuenta es
apenas del 1.8% lo que representa una probabilidad muy pequeña
de no pago.
 CONCLUSIONES

• La probabilidad es muy importante en nuestras vidas, porque

nos permite interpretar y analizar los datos de un problema
determinado, con el fin de tomar las mejores decisiones.

• A través del desarrollo de cada uno de los casos se aplicaron los

conocimientos adquiridos sobre la probabilidad, técnicas de
conteo, axiomas de probabilidad, teorema de Bayes,
interpretando las diferentes situaciones para dar una solución.
 Referencias Bibliográficas

CONDICIONAL, C. I. D. L. P., & INDEPENDENCIA, E. (2005).

Razonamiento sobre probabilidad condicional e implicaciones para la
enseñanza de la estadística. Epsilon, 59, 245-260.

González, J. R., & Peña, E. A. (2004). Estimación no paramétrica de la

función de supervivencia para datos con eventos recurrentes. Revista
Española de Salud Pública, 78(2), 189-199.

Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico

Nacional. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?p
pg=151&docID=10436604&tm=1470688991083

Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística

teórica: Probabilidad e inferencia. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docI
D=10995669&ppg=19

Diagrama de árbol. (sin fecha). En Wikipedia. Recuperado el 04 de

Octubre de 2018 de
https://es.wikipedia.org/wiki/Diagrama_de_%C3%A1rbol
Teorema de Bayes. (sin fecha). En Wikipedia. Recuperado el 04 de
Octubre de 2018 de https://es.wikipedia.org/wiki/Teorema_de_Bayes