Академический Документы
Профессиональный Документы
Культура Документы
SEMANA 1
Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
permitido
Todos copiar,
los derechos dereproducir,
autor son de reeditar, descargar,
la exclusiva publicar,
propiedad emitir,
de IACC o dedifundir, poner ade
los otorgantes disposición del público
sus licencias. No está ni
utilizar
permitido copiar, reproducir, los contenidos
reeditar, descargar,para IACC
fines emitir,
publicar, comerciales de ninguna
difundir, poner a clase.
disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase. 1
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
APRENDIZAJES ESPERADOS
• Resolver problemas y ejercicios que involucran
distribuciones de probabilidad de variables discretas.
IACC
2
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
3
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
INTRODUCCIÓN
En el curso de estadística se habló del involucrada y, por esta razón, a estos valores
concepto de espacio muestral, que que cambian se les llama variable aleatoria.
correspondía solo a la descripción de los La importancia de las distribuciones de
resultados posibles en un evento. En el probabilidad se ve reflejada en el uso de estas
presente contenido se asociará este concepto en distintas disciplinas del
obtenido para cada resultado posible con quehacer humano, como por
valores numéricos que variarán de acuerdo ejemplo en biología,
con el resultado. Ya que el resultado de un negocios, industrias, entre
experimento no se conoce con anticipación, muchas otras.
sucede lo mismo con el valor de la variable
“Hay que tener presente que para emplear la teoría de probabilidades y así de ellas obtener
conclusiones adecuadas de la población, en relación a la muestra, las variables aleatorias
constituyen un eje central entre la teoría de las probabilidades y la inferencia estadística”.
IACC
4
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Donde X representa a la variable aleatoria (como concepto) y x representa el valor que puede ser
particularmente X. Entonces X puede ser menor, mayor o igual a un valor en particular.
Representa un evento, donde (a < x < b) es el rango de valores posibles de X.
Para saber los distintos valores que pueden tomar las variables aleatorias
es necesario realizar una gran cantidad de repeticiones de experimentos
aleatorios, para luego definir el espacio muestral del experimento, obteniendo la probabilidad de
cada evento aleatorio.
IACC
5
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
𝐒 = 𝛀 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
El espacio muestral (𝛀) al lanzar una moneda dos veces tiene cuatro posibles resultados
https://www.youtube.com/watch?v=G0bYktrgQ30
Es un subconjunto del espacio muestral. Para escoger cualquier suceso, se expresa con letras
mayúsculas.
IACC
6
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
𝐴 = {𝑄𝑢𝑒 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 1}
𝐵 = {𝑄𝑢𝑒 𝑠𝑒 𝑜𝑏𝑡𝑒𝑛𝑔𝑎 6}
https://www.youtube.com/watch?v=-FkjYQcdI84
IACC
7
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Para efectos del cálculo de probabilidad se considerará la clasificación de las variables en discretas
y continuas.
“Cuando se hable de variable discreta se hará referencia a una cantidad entera y exacta”.
Ejemplos:
• Número de hermanos
• Años de estudio de una carrera en IACC
IACC
8
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Si X es variable aleatoria discreta, entonces esta función puede ser expresada a través de la función
de probabilidad, donde el rango de la variable aleatoria x, es un conjunto finito o infinito numerable,
donde la función de probabilidad P(xi) se le asocia un número a cada valor de la variable aleatoria
(llamada soporte) de X o probabilidad de X y que cumple con las siguientes condiciones (Anderson
et al, 2008).
Definición: Se llama soporte de X a todos los posibles valores que puede tomar la variable
X (Olea, 2011, p. 9).
Sea X una variable aleatoria discreta con recorrido 𝑅𝑋 , se denomina función de distribución
de probabilidad de la variable aleatoria X.
Y se define por:
IACC
9
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
b. ∑𝑥∈𝑅𝑋 𝑝(𝑥) = 1
Ejemplo: Si se lanza una moneda tres veces y se anota el número de caras que se obtienen. Los
posibles resultados son: 0 cara, 1 cara, 2 caras o 3 caras. Así la variable aleatoria es el número de
caras y los posibles resultados son los valores de la variable aleatoria.
Es observable que es una variable aleatoria discreta, porque su recorrido (𝑅𝑋 ) es un conjunto finito
definido de la siguiente manera:
𝑅𝑋 = {0,1,2,3}
El recorrido 𝑅𝑋 corresponde a:
• 0 cara
• 1 cara
• 2 caras
• 3 caras
Ejemplo: Utilizando el ejemplo del lanzamiento de una moneda tres veces, encontrar la distribución
de probabilidad y el gráfico que represente dicha distribución.
x 0 1 2 3
p(x)=P(X=x) 1/8 3/8 3/8 1/8
IACC
10
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
11
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
𝑃(𝑋 = 1) = 0,72
𝑃(𝑋 = 2) = 0,26
𝑃(𝑋 = 3) = 0,02
La siguiente figura muestra la forma de esta función de probabilidad y que solo los valores 1, 2 y 3
son posibles en este ejemplo
𝑃(𝑋 ≤ 1) = 0,72
𝑃(𝑋 ≤ 2) = 0,98
𝑃(𝑋 ≤ 3) = 1
IACC
12
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
13
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Ejemplo 1: Sea X la variable aleatoria cuyos valores representan el número de excavadoras que
operan frecuentemente después de 6 meses. Si las excavadoras inicialmente son tres, entonces los
acontecimientos posibles son:
Suponga que cada una de las tres excavadoras está o no operativa después de 6 meses con igual
probabilidad e independientemente de las otras.
Desarrollo
IACC
14
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Una variable aleatoria puede ser descrita totalmente por su función de distribución de probabilidad
o de densidad, o bien por su función de distribución de probabilidad acumulada. Sin embargo, en la
práctica la forma exacta puede no ser totalmente conocida.
En tales casos, se requieren ciertas medidas:
• Medidas de centralidad.
• Medidas de dispersión.
• Medidas de asimetrías y otras.
IACC
15
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Ejemplo 2: Sea X la variable aleatoria que representa el número de goles de un equipo de fútbol
en 34 partidos
N° de goles ni hi
0 10 0,29
1 11 0,32
2 8 0,24
3 0 0
4 2 0,06
5 1 0,03
6 2 0,06
Totales 34 1
Aplicando,
IACC
16
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Nos queda,
Propiedad de la varianza
Si 𝑢𝑥 > 0, se puede calcular una medida de variabilidad que es adimensional llamada coeficiente de
variación (c. o. v).
IACC
17
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
2 2 2 2 2 2
Var = (0-1,55) *0,29 + (1-1,55) *0,32 +(2-1,55) *0,24 + (3-1,55) *0 + (4-1,55) *0,06 + (5-1,55) *0,03 +
2
(6-1,55) *0,06 = 2,7475
IACC
18
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Se reemplaza:
En las más diversas áreas de la ingeniería, a menudo los problemas involucran la ocurrencia o
recurrencia de un evento, el cual es impredecible, como una secuencia de “experimentos".
Ejemplos:
• Para un día de lluvia: ¿colapsa o no un sistema de drenaje?
• Al comprar un producto: ¿este satisface o no los requerimientos de calidad?
• Un alumno: ¿aprueba o reprueba el curso?
IACC
19
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Supuestos:
a) Cada experimento tiene una de dos opciones ocurrencia o no ocurrencia del evento.
𝑛 𝑥 𝑛−𝑥
𝑃(𝑋 = 𝑥) = {(𝑥 ) 𝑝 (1 − 𝑝) 𝑠𝑖 𝑥 = 1, 2, 3, … , 𝑛
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑛 𝑛!
𝑅𝑒𝑐𝑜𝑟𝑑𝑎𝑟 𝑞𝑢𝑒: ( ) =
𝑥 (𝑛 − 𝑥)! ∗ 𝑥!
IACC
20
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Desarrollo:
IACC
21
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Ejemplo: Una tienda de retail ha determinado que la probabilidad de que una persona que entra a
su página web compre en línea es de un 20%. Si la página tiene a 5 personas conectadas en el
mismo momento
Desarrollo:
5 5 5 5
P(x ≥ 2) = ( ) 0,22 0,83 + ( ) 0,23 0,82 + ( ) 0,24 0,81 + ( ) 0,25 0,80
2 3 4 5
Dada una secuencia Bernoulli, el número de experimentos hasta la ocurrencia del primer evento
exitoso sigue una distribución geométrica. Si el primer éxito ocurre en el n-ésimo experimento, los
primeros n – 1 fueron “fracasos”. Si N es la variable aleatoria que representa el número de
experimentos hasta el primer éxito, la función de probabilidad es:
𝟏
𝑬(𝑿) =
𝒑
IACC
22
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
1−p
VAR(X) =
p2
Ejemplo: Al lanzar una moneda vamos a lanzar hasta que veamos que el primer sello salga. ¿Cuántos
lanzamientos se requieren para cumplir con dicho evento?
Solución:
𝑃(𝑥 = 1) = 𝑝
𝑃(𝑥 = 2) = (1 − 𝑝)𝑝
𝑃(𝑥 = 3) = (1 − 𝑝)2 𝑝
𝑃(𝑥 = 3) = (1 − 𝑝)𝑥−1 𝑝
𝑋~𝐺(𝑝)
IACC
23
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
https://www.youtube.com/watch?v=39yw_Yb_s_c&t=224s
Por definición se sabe que la función acumulada debe cumplir con la condición:
IACC
24
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Ejemplo: Una plataforma costa afuera es diseñada para soportar olas de hasta 8 metros sobre el
nivel medio del mar.
Una ola de estas características tiene una probabilidad del 5% de ocurrencia por año. Determine:
a) El período de retorno.
Desarrollo:
IACC
25
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Muchos problemas físicos de interés para ingenieros y científicos que implican las ocurrencias
posibles de eventos en cualquier punto en el tiempo y/o en el espacio.
Ejemplos: Los terremotos pueden ocurrir en cualquier momento y en cualquier lugar en una región
con actividad sísmica en el mundo; las grietas por fatiga pueden producirse en cualquier punto de
una soldadura continua; los accidentes de tráfico pueden suceder en cualquier momento en una
autopista.
Estos ejemplos pueden ser modelados como secuencia Bernoulli, dividiendo el tiempo o el espacio
en pequeños intervalos “apropiados” de tal forma que solo un evento puede ocurrir o no dentro de
cada intervalo (ensayo Bernoulli).
IACC
26
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Sin embargo, si el evento ocurre al azar en cualquier instante (o en cualquier punto del espacio),
esto puede pasar más de una vez en cualquier momento o intervalo de espacio.
En tal caso, las ocurrencias del evento pueden ser modeladas con un proceso de Poisson o la
secuencia Poisson.
Supóngase un intervalo entre 0 y 1. Se hace una partición tal que en cada subintervalo ocurra solo
1 vez la variable en estudio; además, la probabilidad de ocurrencia en cada intervalo es un
experimento Bernoulli e independiente entre ellos.
Supuestos:
• Un evento puede ocurrir al azar y en cualquier instante o en cualquier punto en el espacio.
• La(s) ocurrencia(s) de un evento en un intervalo dado (o espacio) es estadísticamente
independiente a lo que ocurra en otros intervalos (o espacios) que no se traslapen.
• La probabilidad de ocurrencia de un evento en un pequeño intervalo t es proporcional a
t, y puede estar dada por vt , donde v es la tasa de incidencia media del evento (que se
supone constante).
• La probabilidad de dos o más eventos en t es insignificante.
IACC
27
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Ejemplo: Los registros históricos de tormentas devastadoras en una ciudad en los últimos 20 años
indican un promedio de cuatro tormentas por año. Suponiendo que las ocurrencias de tormentas
se pueden modelar con un proceso de Poisson. Calcule la probabilidad de que el próximo año no
presente tormentas de lluvias.
IACC
28
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Desarrollo:
Comentario: La tasa promedio de tormentas por año se obtiene de acuerdo con el enunciado, ya
que dice “un promedio de cuatro tormentas por año” y se multiplica por 1, ya que el período es un
año.
IACC
29
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
https://www.youtube.com/watch?v=zUnOZutWjGc
Ejemplo: Una prueba de control de calidad que se aplica a cajas que contienen cada una, 10
unidades de cierto producto consisten en sacar al azar 4 unidades de la caja y examinarlas. Si en la
muestra sale a lo más una unidad defectuosa, la caja se acepta; en caso contrario, la caja se revisa
completamente. ¿Cuál es la probabilidad de que en una caja que contiene 3 unidades defectuosas
deba revisarse completamente?
Desarrollo:
En este caso:
X= Número de unidades defectuosas en la muestra.
X es una variable hipergeométrica
N = 10 ya que es el total de unidades de producto que contiene la caja.
K = 3 es el número de unidades defectuosas que contiene la caja en revisión.
n=4 es la diferencia entre las unidades en buen estado y las defectuosas.
IACC
30
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
Lo que se busca es la probabilidad de hallar más de una unidad defectuosa. Por lo tanto,
IACC
31
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
32
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
COMENTARIO FINAL
Los modelos de probabilidad tienen muchas aplicaciones en algunos problemas empresariales.
Estos modelos se definen por medio de una variable aleatoria y una función de distribución de
probabilidad. Lo que se busca es poder modelar situaciones en donde las posibles respuestas o
resultados son variables discretas como, por ejemplo, la cantidad de artículos defectuosos en un
lote, la cantidad de público en una fila en un banco o el número de reservas a diario en una línea
aérea.
IACC
33
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
REFERENCIAS
Canavos, G. (1984). Probabilidad y estadística, aplicaciones y métodos. 1.ª edición. Estados Unidos:
McGraw-Hill.
Montgomery, D. & Runger, G. (1998). Probabilidad y estadística aplicadas a la ingeniería. 1.ª edición.
Arizona, Estados Unidos: McGraw-Hill.
Newbold, P.; Carlson, W. & Thorne, B. (2009). Estadística para la administración y economía. 6.ª
edición. Nueva Jersey, Estados Unidos: Pearson, Prentice-Hall.
Olea, R. (2011). Estadística para ingeniería. Apuntes Curso de verano TAV. Chile. Pontificia
Universidad Católica de Chile.
IACC
34
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
35
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
36
SEMANA 1 – ESTADÍSTICA PARA LA GESTIÓN
IACC
37