Estadística

Aplicada
a la Gerencia
de Recursos
Humanos
 República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Superior
Universidad Nororiental Gran Mariscal De Ayacucho
Coordinación de Postgrado.
Núcleo: El Tigre
Cátedra: Estadística Aplicada

Estadística Aplicada a la Gerencia

de Recursos Humanos

Docente: Maestrantes:
Lic. MSc. Carlena Astudillo Nuñez Mariapaola 20.172.167
León Myleidy 17.352.102
Mendoza Lizmaira 12.677.018
Salgado Yanesy 20.440.262

Febrero 2016
Variables

Aleatorias
 Distribución de Probabilidad

Es una función que describe como se

espera que varíen los resultados que
pueden representarse si un experimento
se llevase a cabo

Las probabilidades son números comprendidos entre 0 y 1:

Probabilidades próximas a 0 indican Probabilidades próximas a 0.5 indican

que no cabe esperar que ocurran los que es tan verosímil que el suceso se
sucesos. produzca como que no.
 Distribución de Probabilidad

Por ejemplo:

 Absentismos en un turno de trabajo:

1,2,3…..

Este número es la Variable Aleatoria

• Variable Aleatoria

Es una función que asigna un valor,

usualmente numérico, al resultado de
un experimento aleatorio. Por ejemplo,
los posibles resultados de tirar un dado
dos veces
 Distribución de Probabilidad
Variable
Variables Aleatorias
Aleatoria

Discretas Continuas

Variable aleatoria discreta

Es aquella que permite que una variable aleatoria adopte sólo un número limitado de
valores.
Características de las variables aleatorias discretas

1. Variable que solo toma valores enteros

2. Puede tomar un número finito, o infinito numerable de valores puntuales posibles.
3. Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores
o iguales a cero.
Por Ejemplo: Los seres humanos pueden ser mujeres u
hombres, se ajustan a una u otra categoría y no hay
continuidad ni puntos intermedios entre ellas.
 Distribución de Probabilidad
Variables Aleatorias
Variable aleatoria continúa.

Es aquella que le permite asumir cualquier valor dentro de determinados límites.

Características de las variables aleatorias continuas

1. Es una variable que puede tomar tanto valores enteros como fraccionarios.
2. Puede tomar cualquier valor en algún intervalo (o intervalos) del conjunto de los
números reales y no exclusivamente en puntos aislados.

Por Ejemplo: Estatura de los trabajadores, dato que se

obtiene a través de examen físico para empleo
 Distribución de Probabilidad
Formulación de Variable aleatoria discreta Variables Aleatorias

Formulación de Variable aleatoria continua

Importancia y Relación con la gerencia de RRHH

Para predecir en el futuro situaciones relacionadas al comportamiento del personal a

través de Indicadores tales como absentismos, egresos, entre otros
 Distribución de Probabilidad
Variables Aleatorias
Obtener la función de probabilidad de la variable "número de caras obtenidas al
lanzar tres monedas"

Antes que nada, vamos al construir el espacio muestral del experimento lanzar tres
monedas. Éste sería:
E = {(c,c,c); (c,x,c); (x,c,c); (c,c,x); (c,x,x,); (x,c,x); (x,x,c); (x,x,x)}

Si definimos X = nº de caras obtenidas, vemos que los posibles valores son: 0, 1, 2 y 3; y

la función de probabilidad será:

xi 0 1 2 3
1/8 = 3/8 = 3/8 = 1/8 =
pi
0.125 0.375 0.375 0.125

Como puedes observar en los dos ejemplos, la suma de todas las probabilidades
tiene que ser 1, pues estaríamos considerando el espacio muestral completo.
Distribución

Binomial
 Distribución Binomial

Es una distribución discreta de

probabilidad que tiene muchas
aplicaciones. Se relaciona con un
experimento de etapas múltiples al que
llamamos binomial.
 Distribución Binomial

Características

Utiliza variables aleatorias discretas

Describe varios datos discretos, no continuos

Es el resultado del experimento de Bernoulli

 Distribución Binomial

Propiedades del experimento binomial

El experimento consiste en una

sucesión de n intentos o
ensayos idénticos

En cada intento o ensayo son

posibles dos resultados. A uno
le llamamos éxito y al otro
fracaso

Los intentos son

independientes
 Distribución Binomial

Formulación

Donde
p: probabilidad de éxito.
q: probabilidad de fracaso (1-p)
r: número de éxitos deseados
n: número de ensayos efectuados
 Distribución Binomial

Ejemplo

Un 10% de los empleados de producción de determinada empresa están ausentes del

trabajo en un determinado día del año. Supóngase que se selecciona al azar 10
trabajadores de producción para un estudio riguroso del ausentismo.
a) ¿Cuál es la variable?
b) ¿La variable es discreta o continua?
c) Desarrolle una distribución de probabilidad binomial para el experimento.
d) ¿Cuál es la probabilidad de que ninguno de los diez empleados este ausente?
e) Calcular Media
 Distribución Binomial

Solución

¿Cuál es la variable?
X: Nº de empleados ausentes

¿La variable es discreta o continua?

Es una variable discreta por cuanto nos referimos a personas.

n= 10 empleados
X= Variable aleatoria
P= 10% = 0,1
110 10
0,1 0,9
10
 Distribución Binomial

Solución

¿Cuál es la probabilidad de que ninguno de los diez empleados

este ausente?

1
0 10-0 10
P(0)= 10! . (0,1) . (0.9) = 0,9 = 0,35 = 35%
0! (10 -0)!

𝜇 = 𝑛. 𝑝
𝜇 = 10 0,1
𝜇=1
 Media y
Varianza de una
distribución
de probabilidad
 Distribución de probabilidad

Una distribución de probabilidad, es

una representación de todos los
resultados posibles de un experimento,
junto con la probabilidad de cada
resultado
 Distribución de probabilidad

Distribución de Probabilidad

La variable aleatoria sólo Utiliza una variable aleatoria

Discreta

Distribución de Probabilidad
puede tomar un número de que puede tomar infinito
valores número de valores si el

Ejemplo; Nº de Clientes, Nº instrumento usado tiene

Continua
de unidades vendidas, suficiente medición

Errores de anuncio Ejemplo: Tiempo, Peso,

impreso. medidas de medición
generales
 Distribución de probabilidad

La media aritmética de
una distribución de
probabilidad se Valor Esperado: de una
denomina valor variable aleatoria discreta es
esperado la media aritmética de todos
los resultados posibles
 Formulación de Distribución de probabilidad

Media de una Distribución de probabilidad

Varianza de una Distribución de probabilidad

 Ejemplo

En la empresa de inversiones M,L y Asociados C.A, trabajan 20 analistas de

inversiones. Todas las mañanas se le encarga a cada analista que evalúe de uno a

cinco valores.

a) La Sra. Liz desea elaborar una distribución de probabilidad para la variable

aleatoria del número de valores asignados a los analistas esta mañana.

b) La Sra. Myleidy determina la media y la varianza de la distribución de

probabilidad del número de valores asignados a cada analista de la empresa.

 Ejemplo

Xi= número de valores

Xi Frecuencia P ( X = Xi)
1 4 4/20 = 0,20
2 2 2/20 = 0,10
3 3 3/20 = 0,15
4 5 5/20 = 0,25
5 6 6/20 = 0,30
20 1
 Ejemplo
Xi= número de valores

Probabilidad
Xi Frecuencia P ( X = Xi)
0.35
0.3 1 4 4/20 = 0,20
0.25
2 2 2/20 = 0,10
0.2
0.15 3 3 3/20 = 0,15
0.1
0.05
4 5 5/20 = 0,25
0 5 6 6/20 = 0,30
1 2 3 4 5
Probabilidad
20 1

Si se elige un analista al azar, la probabilidad que tenga que evaluar 5 valores

hoy es mayor que cualquier otro número entero. Solo el 10% de los analistas
tiene que analizar dos valores antes de acabar el día
Ejemplo
Xi= número de valores

Xi Frecuencia P ( X = Xi)
1 4 4/20 = 0,20
2 2 2/20 = 0,10
3 3 3/20 = 0,15
4 5 5/20 = 0,25
5 6 6/20 = 0,30
20 1

(1x (4/20)) + (2x (2/20)) + (3x (3/20)) + (4x (5/20)) + (5x (6/20))

3,35 valores
Ejemplo
Xi= número de valores

Xi Frecuencia P ( X = Xi)
1 4 4/20 = 0,20
2 2 2/20 = 0,10
3 3 3/20 = 0,15
4 5 5/20 = 0,25
5 6 6/20 = 0,30
20 1

(1²x (4/20)) + (2²x (2/20)) + (3²x (3/20)) + (4²x (5/20)) + (5²x (6/20)) – (3,35) ²

2,23 valores
 Interpretación

A los analistas se les asigno un promedio de 3,35 valores para que los evalúen y
analicen. La varianza de 2,23 es una medida de dispersión alrededor de la
media de 3,35.

Aplicación Estadística

Según los agentes de la bolsa de la oficina de Paine Weber (autor del libro
Estadística Aplicada a la empresa y economía ), esta era una práctica común
del director para calcular el número típico de cuentas que cada agente podía
tener a cargo de modo habitual. Con el objetivo de ayudar a medir la carga de
trabajo y ayudar a decidir la asignación de nuevas cuentas.
Distribución de
Poisson a la
Distribución
Binomial
La Distribución Poisson

Fue creada por el matemático francés Simeón Denis Poisson por medio
de un importante trabajo publicado por el mismo en el año 1837.

La distribución Poisson describe la probabilidad de un acontecimiento

fortuito ocurrido en un tiempo o intervalo de espacio bajo condiciones
que la probabilidad de un acontecimiento ocurra es muy pequeña pero
el número de intentos es muy grande entonces el evento actual ocurre
algunas veces. .
 Uso de la Probabilidad de Poisson
“La probabilidad de obtener X éxitos en un intervalo continuo”

El número de
accidentes
laborales al
El número de mes.
El número de llegadas de
accidentes en clientes a una
un cruce. tienda por
La demanda hora
de servicios en
un hospital
por parte de
Se emplea para los pacientes.
descubrir varios
procesos, como lo
es la distribución
de las llamadas
telefónicas que
llegan a una
central.
Características

Se observa la realización de Los hechos que se observan

hechos de cierto tipo durante tienen naturaleza aleatoria;
cierto periodo a lo largo de un pueden producirse o no de
espacio de observación. manera no determinística.

La probabilidad de que se La probabilidad de que

produzca un numero de éxitos ocurra un hecho en un
en un intervalo de amplitud no intervalo infinitésimo es
depende del origen del mismo prácticamente proporcional a
aunque si de su amplitud. la amplitud del intervalo
Fórmula de Poisson

Media o promedio de
éxitos por unidad de
tiempo, área o productos.

ˣ ʎ
P(X!.ʎ) = ʎ. e es la constante 2.7183

X! Factorial

La probabilidad de que ocurra X éxitos

cuando el número de promedio de ocurrencia
de ellos es ʎ. señala un valor especifico que la
variable pueda tomar
Aproximación de la Distribución de Poisson a la Distribución Binomial

Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones

binomiales, se puede usar a cambio la de Poisson.

La regla de mayor uso entre los

estadísticos establece que una
distribución de Poisson es una buena
aproximación de la distribución binomial
cuando n es igual o mayor que 20 y
cuando p es igual o menor que 05.
Aproximación de la Distribución de Poisson a la Distribución Binomial

En los casos en que se satisfacen tales condiciones, podemos sustituir la media

de la distribución binomial (np) en lugar de la media de la distribución de
Poisson (ʎ), de modo que la formula será:

ˣ -np
P(x) = np. e
X!
 Aproximación de la Distribución de Poisson a la Distribución Binomial

Ejercicio:

Supongamos que en un hospital existen 20 máquinas de diálisis renal y la

probabilidad de que una de ellas no funcione bien durante un día cualquiera es de 02.

¿Cuál es la probabilidad de que exactamente tres estén fuera de servicio en un mismo

día?
 Aproximación de la Distribución de Poisson a la Distribución Binomial

ENFOQUE DE POISSON ENFOQUE BINOMIAL

P (X) = (np)ˆx . e ˆ -np P(r) = n! . pˆr qˆ n-r

X| r|(n - r)

P (3) = (20. 02)ˆ3 . e ˆ - (20.02) P(3) = 20| . (02ˆ3)(98ˆ17)

3| 3|(20 - 3)|

= (4ˆ3)(e)ˆ-4 = 0065
(3.2.1)

=(064)(67032)
6

=00715

Como se puede apreciar , la diferencia entre las dos distribuciones de probabilidad es ligera, a penas
cerca de 10 % de error en el ejemplo