Esquema Resumen

Capítulo Nº 1
Medidas de Posición y de Variabilidad
Medidas de Posición Medidas de Variabilidad
Moda Mediana Media Recorrido Desviación Variancia Desviación Coeficiente
Aritmética Media Estándar de Variación
Valor que División de la Distancia Se basa en Se calcula Esta medida Permite
más se Valor que suma de todos entre el valor las sumando el es comparar dos o
repite en un divide una los valores, menor y el desviaciones cuadrado de simplemente más conjuntos
conjunto de serie entre el valor mayor de cada dato las La raíz de datos en
datos. ordenada número de de un grupo individual con desviaciones cuadrada cuanto a su
en dos ellos. de datos. respecto a un y luego positiva de la variabilidad.
“Valor al grupos Fórmula: Tiene valor central, dividiéndolas variancia. Se calcula
cual iguales, limitaciones usualmente, entre n-1 Medida de dividiendo la
corresponde donde la para análisis media Fórmula: resumen más desviación
la mayor mitad de matemáticos. geométrica. utilizada para estándar entre
frecuencia” los datos Fórmula: Se calcula así: las la media
será Suma de los distribuciones. aritmética y
menor que valores Fórmula: multiplicando
la mediana abolutos de por 100.
y la otra las Fórmula:
mayor que desviaciones,
esta. entre el
Fórmula: número de
datos.
n+1
2
 Esquema Resumen
Capítulo Nº 2
Introducción a las Probabilidades
Conceptos Básicos:
• Probabilidad: Oportunidades de que un evento
particular ocurra al efectuar un experimento.
• Experimento: Cualquier proceso que produzca un
resultado u observación.
• Espacio Muestral: Conjunto de todos los
resultados posibles de un experimento o muestra.
• Complemento: Consta de todos los resultados del
espacio muestral que no forman parte de él.
• Eventos mutuamente excluyentes: Si uno, y
sólo uno de ellos puede tener lugar a la vez.
• Eventos colectivamente exhaustivos: Conjunto
de todos los resultados posibles de un
experimento.
• Enfoque Clásico: Considera que todos los eventos
tienen la misma probabilidad de ocurrencia.
P(A)= Eventos favorables
Número total de resultados posibles.
• Enfoque empírico o frecuencial: Basa la
asignación de probabilidades en las frecuencias
relativas históricas de presentación de un evento.
P(A)= Número de veces que ocurre A
Número total de observaciones
• Enfoque Subjetivo: Basado en las creencias de
las personas que efectúan la estimación. El sujeto
puede basarse en la evidencia que tenga
disponible, o en una creencia meditada.
• Eventos independientes: Cuando la ocurrencia
de uno no afecta la ocurrencia de otro.
• Eventos dependientes: Conocer la ocurrencia
de uno es muy útil para mejor predecir la
ocurrencia del otro.
REGLAS DE LAS PROBABILIDADES:
1. Que se presente un evento u otro: P(A o B).
2. Que dos o más eventos se presenten al mismo
tiempo: P(A y B).
Si dos eventos son mutuamente excluyentes, la
probabilidad de la ocurrencia de los eventos se calcula
así:
P(A o B)= P(A)+P (B)
Si dos eventos nos son mutuamente excluyentes, el
cálculo debe tomar en cuenta el hecho de que se
presente uno de ellos o ambos.
P(A o B)= P(A)+P (B)-P(A y B)
 Esquema Resumen
Capítulo Nº 3
Probabilidad con independencia o dependencia estadística

• Cálculo de Probabilidades
 Independientes: • Probabilidades Marginales en Situaciones
P(A y B)= P(A)*P (B de Dependencia Estadística
 Dependientes Se calculan mediante la suma de las probabilidades de
P(A o B)= P(A)+P (B | A) todos los eventos conjuntos en los que se presenta el
• Probabilidad Condicional bajo evento simple.
Independencia Estadística P (A)= P (AM)+P (AN)
Probabilidad de que un segundo evento (B) se
presente si un primer evento (A) ya ha sucedido. • Probabilidades Conjuntas en Eventos
P (B | A)=P (B) Sucesivos
• Probabilidad Condicional en Situaciones de Varía si se da o no la reposición. En el caso de que la
Dependencia Estadística haya, se sigue trabajando con los cálculos de
Para eventos dependientes, la probabilidad probabilidades conjuntas.
condicional de obtener el evento B, dado que el Si no se da, la probabilidad de que suceda el segundo
evento A ya se ha presentado, es igual a: evento se ve fuertemente afectada por la ocurrencia
La probabilidad conjunta de los eventos A y B, dividida entre
P (B | A)= P (BA)
la probabilidad marginal de que suceda en evento A.
del primero.
P(A) • Teorema de Bayes
• Probabilidades Conjuntas en Situaciones P (B | A) = P(A | B)* P (B)
de Dependencia Estadística P(A | B)+P (B)+P (A|Bc)*P (Bc)
La probabilidad conjunta de que los eventos B y A se
P (BA)= P (B | A)*P(A)presenten al mismo tiempo o en sucesión, es igual a la Bc =Complemento de B
probabilidad de que suceda el evento B, dado que ya se
presentó A, multiplicada por la probabilidad marginal de A.

Esquema Resumen
 Capítulo Nº4
Valor Esperado y Toma de Decisiones

♥ El Valor Esperado: Sumatoria de los valores posibles Eventos

de X multiplicada por sus probabilidades respectivas. E1 E2 … Em
VE(X)=∑ (Pi Xi) P1 P2 … Pm
D1 Xn11 X12 … X1m
♥ La Matriz de Pagos: Brinda un estructura para analizar D2 Xn21 X22 … X2m
situaciones probabilísticas en las que se debe seleccionar … … … …
una solar alternativa de decisión de entre un conjunto de Dn Xn1 Xn2 … Xnm
cursos de acción posibles. Permite analizar opciones a
partir de esquematizar: Luego en cada alternativa de decisión Di calculamos su
a. Conjunto de decisiones alternativas (Di) (deben ser valor esperado:
mutuamente excluyentes) VE (D1)= P1 X11+ P2 X12 +…+ Pm X1m
b. Conjunto de eventos que podrían ocurrir (Ej) Finalmente se escoge la mejor alternativa.
c. Probabilidades asociadas a los diferentes eventos (P)
d. Resultados cuantificables de las interacciones entre ♥ Árbol de Decisión: Se usa en situaciones en las que se
las alternativas y los eventos (Xii) debe optimizar una ruta o serie de decisiones. Requieren
de los 4 componentes de la matriz de pagos.
Los eventos deben cubrir todo el espacio muestral (ser
colectivamente exhaustivas).  Puntos de Decisión. Nodo de
Las probabilidades asociadas pueden surgir por datos eventos probables.
históricos o por el enfoque subjetivo.
La cuantificación se hace en términos económicos, De los nodos de eventos surgen ramas que contienen a los
generalmente. eventos, su probabilidad de ocurrencia, y los resultados
Deben organizarse en una estructura matricial así: posibles.
El análisis se hace de derecha a izquierda. En cada nodo de
eventos se calcula en valor esperado, y en cada nodo de
decisión se selecciona la alternativa que tenga mejor valor
de acuerdo con el criterio de los tomadores de decisión.
Esquema Resumen
Capítulo Nº 8
Distribuciones Probabilísticas Continúas
 Esquema Resumen
Capítulo Nº 9
Distribuciones Probabilísticas Continúas

 Distribución Uniforme: Cuando una variable aleatoria asume cualquier valor en una escala continua entre
dos puntos, de forma tan que ningún valor sea más probable que otro.

F (x)= 1 para a ≤ x ≤ b
B-a
Valor Esperado:
μ = E [X]= a+b / 2
Varianza:
σ2 = Var [X] = (b-a)2 /12

 Distribución Exponencial: Para cualquier tipo de probabilidades acerca de la longitud de tiempo o

distancia entre ocurrencias con respecto a un intervalo continuo.
P (T > t)= e-μ P (T ≤ t)=1 - e-μ
Valor esperado:
μ = E [X]= 1/ λ
Varianza:
σ2 = Var [X] = 1/ λ

 Distribución Normal: Útil para aproximar distribuciones de probabilidad binomiales cuando el tamaño de X
es muy grande.
Donde:
X es la variable en consideración
σ es la desviación estándar de la variable x
μ es la media aritmética de la variable x
Características: π es una constante igual a 3.14159
e es otra constante igual a 2.71828