Métodos

Estadísticos
para los
Negocios
Dr. Jorge Muro Arbulú

Métodos Estadísticos – J. Muro Arbulú 1

No se puede mostrar la imagen en este momento.

Distribuciones
De Probabilidad
Estándar
O
Teóricas

Métodos Estadísticos - J. Muro Arbulú 2

1
 No se puede mostrar la imagen en este momento.

Distribución
de Poisson

Métodos Estadísticos - J. Muro Arbulú 3

Diferencias

Binomial 

Representación de Éxitos en Varios Ensayos

Poisson 

Representación de Ocurrencias de un Evento

En Tiempo o Espacio

Métodos Estadísticos - J. Muro Arbulú 4

2
 Eventos Raros (o Improbables)

 # de Defectos en Paneles de Auto Pintados

 # de Partes Defectuosas en Embarques de Salida
 # de Gente que Sufre una Enfermedad Rara en
Una Comunidad de un Tamaño Dado

 # de Personas que Arriban a Ventanilla en 1 Hora

(Cantidad Incierta = 1, 2, ... X)

 # de Fallas de Máquinas en Un Periodo de Tiempo

 # de Autos en Una Intersección en Un Tiempo

Métodos Estadísticos - J. Muro Arbulú 5

Poisson –Prerrequisitos

1. Eventos  Pueden Pasar en Cualquier Lugar

de la Unidad de Medida (Horas, m2, etc.)

2. Probabilidad Pequeña  Los Eventos No Pasan

a Menudo

3. Independencia  La Prob. de Un Evento en un

Punto es la Misma, Sin Importar el Tiempo (o Lugar)
de Otros Eventos

4. Promedio  Es Constante en el Tiempo o Espacio

(Sin Importar Qué tan Lejos o Cuanto Tiempo Duren)

Métodos Estadísticos - J. Muro Arbulú 6

3
 Distribución de Poisson

Definición:
Sea X un Número Incierto de Eventos en Una
Unidad de Espacio o Tiempo. Bajo las
Condiciones Enunciadas, la Probabilidad X=k
Eventos, Está dada por:

e=2,71... (Número de Euler o Constante de Napier)

m = Parámetro que Caracteriza la Distribución
[Es el Valor Esperado de Eventos, Y la Varianza de Ellos:
E (X)=m Y Var(X)=m]
Métodos Estadísticos - J. Muro Arbulú 7

Poisson (Excel)
No se puede mostrar la imagen en este momento.

Métodos Estadísticos - J. Muro Arbulú 8

4
 Fallas en el Paño

 Estimar el # de Fallas en 200 m de Paño

 Basado en Experiencia  Estima una Falla Cada 27 m
 Ello da 7,4 Fallas en 200 m… En Promedio

¿Es Apropiado Poisson?

Métodos Estadísticos - J. Muro Arbulú 9

Fallas en el Paño (Cont.)

 Pueden Pasar en Cualquier Parte: 1 Satisfecha

 Aparentemente Hay Pocas Fallas en 200 m:
2 Satisfecha

 Eventos en Cualquier Lugar (3) y

 Promedio
de ellos Constante (4) 
Parecen satisfechos

Métodos Estadísticos - J. Muro Arbulú 10

5
Fallas en el Paño (Cont.)

 El Valor Esperado de 7,4  m = 7,4

 Ej.: ¿9 Fallas en el Paño?  Ocurren

PP = 0,112 =POISSON(9;7,4;FALSO)

Métodos Estadísticos - J. Muro Arbulú 11

Sumario o Resumen

Distrib de Poisson y Aplicaciones

Elaboración de Árboles y Casos

Árboles y Regla de Bayes

Manejo de Escenarios con Bayes

Métodos Estadísticos - J. Muro Arbulú 12