Академический Документы
Профессиональный Документы
Культура Документы
Contenido:
Estadstica Descriptiva
Distribuciones Mustrales
Estimaciones (construccin de intervalos)
Pruebas de Hiptesis
Pronsticos
Evaluacin
Exposicin por equipos----------- ( 30%).
Participacin Individual----------- (10%).
Portafolio ( Word, Power Point)--(20%).
Trabajos extraclase( Por Equipo)(30%)
Asistencia-------------------------------(10%)
Bibliografa Recomendada
1.-ESTADISTICA PARA ADMINISTRACION Y ECONOMIA (INCLUYE (CD- ROM)
AUTOR: RICHARD I LEVIN
EDITORIAL: PRENTICE- HALL
2.-ESTADISTICA PARA ADMINISTRACION (INCLUYE CD-ROM)
AUTOR: MARK L. BERENSON
EDITORIAL: PEARSON EDUCACION DE MEXICO
3.-ESTADISTICA PARA LA ADMINISTRACION Y ECONOMIA. OCTAVA EDICIN; 2013
AUTOR: PAUL NEWBOLD; WILIAM L. CARLSON; BETTY M. THORNE
EDITORIAL: PEARSON
4.-ESTADISTICA PARA ADMINISTRACION Y ECONOMIA: CONCEPTOS Y APLICACIONES
AUTOR: WILLIAM J STEVENSON
EDITORIAL: HARLA
Bibliografa Recomendada
5.- ESTADSTICA APLICADA A ADMINISTRACIN.
LEONARD . J. KAZMIER. CUARTA EDICIN.
MC-GRAW HILL
6.- ESTADSTICA PARA LOS NEGOCIOS Y ECONOMA.
ONCEAVA EDICIN; 2011
DAVID R. ANDERSON
DENNIS J. SWEENEY
THOMAS A. WILLIAMS
EDITORIAL: CENGAGE LEARNING
7.- ESTADSTICA PARA NEGOCIOS Y ECONOMA.
HEINZ KOHLER.
EDITORIAL: CA ED. CONTINENTAL S.A DE C.V. MEXICO.
8.- ESTADSTICA PARA ADMINISTRADORES, CUARTA EDICIN.
DAVID M. LEVINE. TIMOTHY C. KREHBIEL, MARK L. BERENSON
EDITORIAL: PRENTICE HALL; 2006.
9.- ESTADSTICA APLICADA A LOS NEGOCIOS Y LA ECONOMA., TRECEAVA EDICIN 2008
DOUGLAS A. LIND, WILLIAM G. MARCHAL, SAMUEL A. WATHEN
EDITORIAL MC- GRAW- HILL
Conceptos bsicos
Conceptos bsicos
Estadstica descriptiva: Es una herramienta para el
manejo de los datos estadsticos y proporciona
mtodos para resumirlos y organizarlos. Tiene como
objetivo caracterizar, describir y extraer conclusiones
sobre una muestra de datos.
Estadstica inferencial: Implica obtener
conclusiones sobre los caracteres de una
poblacin a partir de los datos mustrales y requiere
el clculo de probabilidades, que nos den el grado de
certeza de dichas conclusiones
Conceptos bsicos
Estadstica:
conceptos bsicos
Dato Estadstico.
Es cualquier informacin cuantitativa
apropiada para el anlisis estadstico, es
decir, es un conjunto de nmeros que
muestran relacin significativa, es decir
que pueden ser comparados, e
interpretados.
Conceptos bsicos
Poblacin: Es todo el contexto de inters
sobre el cual estamos investigando y esta
puede ser finita infinita, es decir, es finita si
conocemos el nmero de elementos que la
forman y viceversa en una investigacin.
Muestra: Es una parte de la poblacin que es
objeto de estudio y que nos sirve para inferir
estos resultados a la poblacin.
Mtodos Estadsticos
Son tcnicas apropiadas para el procesamiento de la
informacin cuantitativa (datos estadsticos), est involucra
5 elementos fundamentales para su procesamiento:
1. Recopilacin de datos Estadsticos
2. Organizacin de datos recopilados
3. Presentacin de datos recopilados
4. Anlisis
5. Interpretacin de resultados
Estadstica Descriptiva
Tabla de Frecuencia
Datos no agrupados y agrupados
Se constituye por 6 columnas las cuales son:
1.
2.
3.
4.
5.
6.
AGRUPADOS
Tabla de frecuencia
7. Para calcular el valor de la amplitud de cada intervalo de clase debe tenerse en cuenta que
es el cociente entre el rango y el nmero de intervalos a emplear.
Ejemplo: Las ventas diarias registradas en una mueblera de esta ciudad en los primeros das
del mes de Julio fueron las siguientes ( expresadas en miles) :
1. $ 100
2. $ 90
3. $ 105
4. $ 108
5. $ 103
6. $ 97
7. $ 99
8. $ 102
9. $ 103
10.$ 104
11.$ 99
12.$ 103
13.$ 101
14.$ 98
15.$ 100
MILES
INT. DE CLASE
PM
90-92
92-94
94-96
96-98
98-100
100-102
102-104
104-106
106/108
91
93
95
97
99
101
103
105
107
1
0
0
2
4
2
4
1
1
1/15
0
0
2/15
4/15
2/15
4/15
1/15
1/15
1
1
1
3
7
9
13
14
15
F
1/15
1/15
1/15
3/15
7/15
9/15
13/15
14/15
15/15
R= Mediana = 9
Mediana Md:
b). Cuando el ordenamiento de estos valores resulta
ser par. La mediana se va a obtener como el
promedio de los dos valores centrales donde se
considera que debe estar la mediana.
Md = (X1 + Xn)/2
Ejemplo: Supongamos que tenemos los siguientes
valores: 2,3,3,4
Qu valor asumir la Mediana?
R = Mediana = 3
Moda (Mo)
Es el valor que ocurre con mayor frecuencia.
Media Geomtrica(G).
Es la raz ensima de los productos de los
valores que asume la variable
G=
Ejemplo: Obtenga (G) de los siguientes
datos:100,90,105,108,103,
97,99,102,103,104,99,103,101,98,100.
G = (Resultado) a la 1/n G = 100.71
Medida de dispersin
Una medida de dispersin es la variabilidad que
presenta cada uno de los datos xi con
respecto a un valor promedio del grupo de
datos. Entre las mas conocidas tenemos al
rango,
varianza,
desviacin
estndar,
coeficiente de variacin y desviacin absoluta
media.
R = Xn - X i
Ejemplo: Con respecto a los datos
proporcionados en el clculo de la media
geomtrica obtenga el rango.
R = 108 - 90 = 18
Desviacin Estndar ( s)
E s el promedio de las desviaciones de cada
uno de los datos con respecto a su media
aritmtica, es decir es el resultado de sacar
raz cuadrada a la varianza.
S=
Media Aritmtica.
fi.PMJ
i 1
Calculo de la mediana
MEDIANA. Debe determinarse primero la clase que contiene el valor de la mediana para
despus determinar la posicin de la mediana dentro de la clase ,entendindose que la
clase que contiene a la mediana es la primera clase para la cual la frecuencia acumulada
es igual o excede a la mitad del nmero total de observaciones.
n/2c
i
fi
Md Li
donde:
Li = Limite inferior de la clase que contiene a la mediana.
n = Nmero total de observaciones de la muestra.
C = Frecuencia absoluta acumulada dela clase precedente (anterior) a la clase que contiene a la
mediana.
f = Frecuencia absoluta de la clase que contiene a la mediana.
i = Amplitud o tamao del intervalo de clase.
Con respecto a la mediana MD=
Calculo de la moda
MODA. Primero se identifica a la clase que contiene a la moda determinando cul
de ellas tiene el mayor nmero de observaciones, es decir, la moda ser el valor
o valores de Xi correspondientes al mximo o frecuencia mxima de un
intervalo y se denota por (Mo) y se calcula de la siguiente manera:
Mo = Li +
d1
d1 + d2
donde:
Li = Limite inferior verdadero de la clase modal.
d1 = diferencia entre la frecuencia de la clase modal y la frecuencia de la clase precedente
(anterior).
d2 = diferencia entre la frecuencia dela clase modal y la frecuencia dela clase siguiente.
i = amplitud o tamao del intervalo de clase.
Con referencia al problema de la mueblera Mo = 99
Ejemplo:
Haciendo
referencia al
ejemplo de la
mueblera G =
100.3
Tipos de Grficos
Grafico de lneas
Grafico de histograma
Grafico de polgono de frecuencia
Grafico de pastel o circular
Grafico de ojivas
Grafico de pictograma
Tipos de Grficos
Polgono de Frecuencia. Este tipo de grfico consiste en trazar lneas rectas a los puntos
medios o marcas de clase de los rectngulos o barras verticales de un grfico de histograma, por
lo tanto, el rea bajo el polgono es igual a la unidad.
Grfico de Ojiva. Es una grfica que resulta de unir puntos superiores de los segmentos de
lneas de un grfico de lneas, en la que aparecen los datos (eje de las x), y la frecuencia
relativa acumulada (eje de las y), a esta grfica se le conoce como (Ojiva +), la (Ojiva -) se
puede obtener haciendo exactamente lo mismo pero iniciando en el eje de las x con el dato
ms grande y finalizando con el ms pequeo.
Ojiva Negativa. Va del punto final al punto inicial.
Ojiva Positiva. Va del punto inicial al punto final.
Diagrama Circular. Un circulo se divide en sectores(Rebanadas), que son proporcionales en
tamao a la frecuencia o porcentaje correspondiente, para construir un diagrama de pastel o
circular, primero se convierte la distribucin en porcentajes (frecuencia relativa) que se
multiplica por 360 (Corresponde al ciclo completo), de tal forma que se obtienen los ngulos
de los diferentes sectores, es decir, que corresponden a la proporcin de cada uno de los
intervalos.
Grfico de Pictograma. Este tipo de grfico consiste de un nmero de smbolos los cuales son
del mismo tamao y en donde cada uno de ellos representa la misma clase de informacin con
un valor fijo de tal manera que el nmero de smbolos dibujados muestra la magnitud de un
pictograma.
Problemtica:
datos no agrupados
Los siguientes datos representan el numero de artculos
organizados por millar en 25 empresas
25 24 23 22 21
20 25 20 23 23
22 21 23 23 23
21 20 23 24 24
23 24 24 23 23
Se pide:
Construye una tabla en frecuencias para estos datos
Construya los siguientes grficos: histograma, polgono de
frecuencia, ojiva positiva y grafico de pastel
Determine las medidas de tendencia central y de Dispersin:
media aritmtica, mediana, moda, media geomtrica. Varianza,
desviacin estndar, coeficiente de variacin y desviacin
absoluta media.
Tabla de Frecuencia
datos no agrupados
Clase
F%
F%
20
12
12
21
12
24
22
32
23
10
40
18
72
24
20
23
92
25
25
100
25
100
Grfico de Histograma
Polgono de Frecuencia
Polgono
De
frecuencia
GRAFICO DE PASTEL
MEDIDAS DE TENDENCIA
CENTRAL
Media aritmtica
____ = x
N
Moda:
Mo= 23
Media Geomtrica:
G= Log
22.53
1= 1 Log x
_____
N
= Log
33.82
_____
25
s Log (1.3528 )
G=
= 33.82
MEDIDAS DE DISPERSIN
Varianza:
s=(x-)
_______________________
Desviacin Estndar: S = ( x - )
________
3 ( 20 22.68 ) = 21.54
S = 10.27
S = 3.205
Coeficiente de variacin: CV = S
3 ( 21 22.68 ) = 8.467
----
3 ( 22 22.68 ) = 0.924
3 ( 23 22.68 ) = 1.024
3 ( 24 22.68 ) = 8.712
3 ( 25 22.68 ) = 10.76
CV = 3.205
--------- = 0.14
22.68
Desviacin Media:
DM = x -
______
------N
= 51.38
= 20 22.68
-------------- = 0.107
25
= 21- 22.68
------------ = 0.067
25
= 23 22.68
--------------- = 0.012
25
= 24 22.68
--------------- = 0.052
25
= 22 22.68
--------------- = 0.027
25
= 25 22.68
--------------- = 0.092
25
= 0.357
Problema 2
Datos Agrupados
Tabla de frecuencia
Datos agrupados
2800
4000
2500
5100
3000
3000
2950
3600
2850
2200
2230
4500
4000
5000
1990
5200
9200
8640
8970
3000
4000
4500
9000
2485
7500
6400
6500
1994
1990
3000
5640
5900
9840
4260
10000
7000
1000
1500
4550
6940
6940
5790
6000
1590
3010
3255
1985
6480
3600
1480
1490
6400
7800
9600
6400
1690
3500
4500
6910
9420
DATOS ORDENADOS
1000
2200
3000
4500
5900
7000
10000
1480
1994
2230
3000
3000
4260
4500
5790
6000
6940
7500
9840
1490
1500
1590
1690
1985
1990
1990
2245
2500
2800
2850
2950
3000
3000
3255
3500
3600
3600
4000
4000
4000
4500
4550
5000
5010
5100
5200
5640
6400
6400
6400
6480
6500
6910
6940
7800
8640
8970
9000
9200
9420
9600
RANGO
RANGO=VALOR MAXIMO-VALOR MINIMO
Rg=10000-1000
Rg=9000
No. DE INTERVALOS
K=1+3.322 Log 61
K=7.71=8
Salio de 8 el num. De intervalos pero tome 9 para
agruparlos bien.
AMPLITUD
A=Rg/k
A=9000/8
A=1125
INTERVALO DE CLASE
RELATIVA
ABS. MED.
MARCA DE CLASE
FREC.
ABS. FREC.
FREC. ABS. INTERVALO DE CLASE
MARCA DE CLASE
ABS. FREC.
RELATIVA
FREC. ABS.
ACUMULADA FREC. REL.
ACUMULADA MEDIA
ARITMETICA MEDIA
GEOMET.
VARIANZA
DESV ESTANDAR
DESV
GEOMET.
FREC.
DESV
ABS. MED.
1000-2124
1562
10
0.16
10
0.16
10*1562=15620 10*log1562=31.9
2125-3249
2687
12
0.19
22
0.36
12*2687=32244 12*log2687=41.1
3250-4374
3812
0.13
30
0.49
8*3812=30496
8*log3812=28.6
4375-5499
4937
0.13
38
0.62
8*4937=39496
8*log4937=29.5
5500-6624
6062
0.14
47
0.77
9*6062=54558
9*log6062=34.0
6625-7749
7187
0.08
52
0.85
5*7187=35935
5*log7187=19.3
7750-8874
8312
0.03
54
0.88
2*8312=16624
2*log8312=7.83
8875-9999
9437
0.09
60
0.98
6*9437=56622
6*log9437=23.8
10000-11124
10562
0.01
61
1.0
1*10562=10562 1*log10562=4.02
SUMA=292157
SUMA=220.05
104164980.5
53044056.62
7643424.4 7643424.4
174144.41 174144.41
14574222.46
28740990.26
24816576.1 24816576.1
129597768.3
33322218.05
104164980.5
53044056.62
7819.68
1180.32
14574222.46
28740990.26
7045.08
129597768.3
33322218.05
SUMA=396078381.1
32274.6
23069.52
11452.86
11987.7
27885.24
5772.54
SUMA=128487.54
SUMA=396078381.1
fi.PMJ
i 1
292157
4789.46
61
MEDIANA
n/2c
i
Md Li
fi
61 / 2 30
Md 4375
1125
8
61 / 2 30
61 / 2 30
Md
4375
1125
Md
4375
1125
8
8
30
.
5
30 .5 30 30 1125
Md
4375
Md
4375
1125
8
8
Md
4375
(
0.0625
*1125*
) 1125 )
Md
4375
(0.0625
Md
4375
70
Md
4375
.3125
70.3125
Md
44,445
.3125
Md
,445
.3125
d1
Mo Li
i
d1 d 2
12 10
1125
12 10 12 8
Mo 2125
MEDIA GEOMETRICA
fifi
.PMJ
.PMJ
G Log
Log11 i i11
nn
nn
G Log 1 3.607
G 4045.75
2
1125
24
Mo 2125 0.33 *1125
Mo 2125
Mo 2125 371.25
Mo 2496.25
MEDIA ARMONICA
i 1
fi
PMJ
61
H
n
10 12
8
8
9
5
2fi 6
1
i 1
61
0.006 0.004 0.002 0.001 0.001 0.0006 0.0002 0.0006 0.00009
61
0.01549
H 3,938.02
H
observacin.
Experimento Aleatorio o Azar. Es el proceso que para que se pueda
presentar requiere de las siguientes caractersticas:
a). El proceso se efecta de acuerdo a un conjunto bien definido de reglas.
b). Es de naturaleza tal que se repite o puede ocurrir la repeticin del mismo.
c). El resultado de cada ejecucin dependen de la casualidad, es decir,
influencias que no se pueden controlar y que por lo tanto, no se puede
predecir un resultado nico.
Ejemplos:
Lanzar una moneda
Lanzar un dado
Lanzar un toma todo
Lanzar una ruleta, etc.
Probabilidad de LAPLACE
Calculo de Probabilidades
Ejemplo: Si tenemos una clase con 50 alumnos
y queremos saber: Cual es la probabilidad
de que al escoger un alumno este sea rubio?.
Sabiendo que existen 20 en el saln de
clases. La solucin sera dividir
20 entre 50. (0.40).
Calculo de Probabilidades
Ejemplo: Si un experimento consiste en lanzar un dado dos veces
AXIOMAS DE PROBABILIDAD
Axioma 1. Si E es un evento cualquiera en un espacio
muestral S, este puede asumir probabilidades que
vayan en el rango mayores que 0 pero menores que
1.
0 <= P(E) <= 1
Axioma 2. La probabilidad del espacio muestral
siempre equivaldr a 1, ya que es la suma de las
probabilidades individuales de cada uno de los
puntos mustrales de ese experimento. P(S) = 1
Axiomas de Probabilidad
Axioma 3. La probabilidad de un evento vaco
siempre ser igual a 0 lo que indica que el
evento es imposible que suceda. P( ) = 0.
Axioma 4. La probabilidad de un evento
cualquiera ms la probabilidad de su
complemento siempre ser igual a la unidad.
P(E) + P(E) = 1
Teoremas de probabilidad
Teorema 1. Sean A y B dos eventos mutuamente
excluyentes o exclusivos entonces su probabilidad va
a ser igual a la probabilidad de A ms la probabilidad
de B. P(A U B) = P(A) + P(B).
Teorema 2. Sean A y B dos eventos mutuamente no
excluyentes donde la probabilidad de la unin de
ambos es igual a la suma de probabilidades de los
dos eventos menos la probabilidad de su
interseccin.
P(A U B) = P(A) + P(B) - P(A B).
Teoremas de probabilidad
Teorema 3. Sean A y B dos eventos independientes, es decir, que la
ocurrencia del evento A no afecta para nada la ocurrencia del evento B,
entonces, la probabilidad de que ambos eventos ocurran es igual al
producto de sus probabilidades respectivas,
P(A y B) = P(A B) = P(A) . P(B)
Tcnicas de Conteo
Son tcnicas para determinar sin enumeracin
directa el nmero de resultados posibles de
un experimento.
Ests son:
1.-Teorema fundamental del conteo ( principio
multiplicativo)
2.-Permutaciones
3.-Combinaciones
4.-Diagramas de rbol.
Factorial de un Nmero
Para entrar a ver permutaciones es necesario comprender el
concepto de factorial de un nmero.
Notacin Factorial. El factorial de un nmero se denota como n! y
se determina como el producto de los enteros positivos desde
1 hasta n inclusive.
n! = (n)(n-1)(n-2)(n-3)...(1).
Por otro lado el cero factorial (0!) es igual a 1, esto por definicin.
Ejemplo: 5! = (5)(4)(3)(2)(1) = 120
Ejemplo: (4!).(5!) = (4. 3 .2 .1) . (5. 4 . 3. 2 . 1) = (24) . (120) = 2880
Ejemplo: (8!) / (6!) = (8. 7. 6. 5. 4. 3 . 2 . 1) / (6 . 5. 4. 3. 2 . 1) =
40320 / 720 = 56
Permutaciones
Una permutacin es un arreglo de n objetos en cierto
orden definido, es decir, que aqu si importa el orden.
El nmero total de permutaciones de un conjunto dado
depender del nmero de objetos tomados a la vez
para cada permutacin y pueden ser:
a). El nmero de permutaciones de n objetos diferentes
tomados los n a la vez, es igual a n!.
Ejemplo: Calcular las maneras posibles de colocar las
letras a,b,c. Permutacin es igual a 3! = 6, los
arreglos son: abc,bac,cab,acb,bca,cba.
permutaciones
Ejemplo: Una persona desea colocar 6 cuadros en
lnea recta en una pared de una biblioteca, de
cuntas maneras diferentes se pueden hacer si se
toman todos a la vez?
Permutacin = 6! = 720
b). Nmero de permutaciones de n objetos diferentes
tomados en partes, la cual se denota
nPr = n! / (n-r)!.
Donde:
n = nmero total de objetos de un conjunto dado
r = nmero de objetos tomados a la vez para cada
permutacin
PERMUTACIONES.
Ejemplo: Una persona desea colocar 6
cuadros en lnea recta en una pared de una
biblioteca, de cuntas maneras diferentes
se pueden hacer si se toman de dos en dos a
la vez?
nPr = 6(P)(2) = 6!/(6-2)! = 6!/4! = 30 (Se
pueden hacer 30 arreglos)
PERMUTACIONES.
Ejemplo: Un conferencista dispone de 8 temas
sobre los cuales puede disertar durante 30
minutos, se le pide que presente una serie de
5 de 30 minutos a un grupo de personas.
Encuentre cuantas secuencias de
conferencias puede escoger.
R = 8(P)(5) = 8! / 3! = 6720
PERMUTACIONES.
c). Nmero de permutaciones de n objetos de los cuales n1 son
iguales (tipo a), n2 son iguales (tipo b)... nk son iguales del tipo
k, por lo tanto:
nPn1,n2,n3...nk = n! / n1! . n2! . n3! ... nk!
Ejemplo. Cuntas permutaciones distintas pueden formarse con
la
palabra estadsticas.
n = 12 elementos (letras)
n1 = s = 3
n(P)n1,n2,n3,n4 = 12! / 3! . 2! . 2! . 2! =
9979,200
n2 = a = 2
n3 = t = 2
n4 = i = 2
PERMUTACIONES.
d). Permutaciones Circulares. El nmero de
permutaciones de n objetos distribuidos en
forma circular se determina por n-1!.
Ejemplo. De cuntas maneras se pueden
acomodar o sentar 7 personas alrededor de
una mesa redonda?
nPc = 7-1! = 6! = 720
COMBINACIONES
Una combinacin es un arreglo de ciertos
nmeros de objetos tomados de un conjunto
de n objetos en tal forma que el orden en que
se disponen no importa.
a). El nmero total de combinaciones posibles
de un conjunto de objetos tomados todos a la
vez es igual a la unidad.
COMBINACIONES
b). El nmero de combinaciones de n objetos tomados en partes, es decir,
en r en r se determina por:
nCr = n! / r! . (n-r)!
donde:
n = nmero total de objetos de un conjunto dado
r = nmero de objetos tomados a la vez para cada combinacin
Ejemplo. Cuntos comits de 3 personas se pueden formar de un grupo
de 8 personas?
8C3 = 8! / 3! . 5! = 56
Ejemplo. De un total de 5 matemticos y 7 fsicos se quiere formar un
comit integrado por 2 matemticos y 3 fsicos, De cuntas formas pude
formarse si: a). Puede pertenecer a el cualquier matemtico o fsico.
b). Un fsico determinado debe permanecer al comit.
c). Dos matemticos determinados no pueden estar en el comit.
Solucin. a) 5C2 . 7C3 = 10 . 35 = 350
b). 5C2 . 6C2 = 10 . 15 = 150
c). 3C2 .7C3 = 105
DIAGRAMAS DE RBOL.
Es una representacin que nos muestra una serie de ramificaciones que
corresponden a los posibles arreglos diferentes bien definidos que se
pueden realizar en un conjunto dado.
Ejemplo: Un experimento consiste en lanzar 3 veces una moneda al aire,
determine todos los posibles arreglos que se pueden formar mediante
diagramas de rbol.
a
a
EXP #1
EXP #2
a
s
EXP a
#3
(a a a)
(a a s)
(a s a)
(a s s)
(s a a)
(s a s)
(s s a)
(s s s)
DISTRIBUCIONES DE
PROBABILIDAD
VARIABLE ALEATORIA O ESTOCASTICA
Es aquella que toma valores numricos reales que no
se pueden predecir con anticipacin, sino que
dependen de un proceso accidental que no esta bajo
control del observador
ejemplos: lanzamiento de un dado, una moneda,
nacimiento de
un nio, etc.
VARIABLE ALEATORIA
CONTINUA.
Es aquella que puede asumir cualquier valor
dentro de un intervalo especifico.
ejemplo:
Estatura de una persona
Cantidad de azcar de una naranja
Tiempo de vida de una persona
en otras palabras, cualquier cosa que tenga que ver con pesos y
medidas.
DISTRIBUCIN DE
PROBABILIDAD
Es aquella que se presenta cuando la variable aleatoria x asume
cualquier posible valor en un experimento especifico, y en donde
a cada valor se le hace corresponder su probabilidad respectiva,
a esto se le conoce como distribucin de probabilidad .
X (Variable)
X1 P(X1)
X2 P(X2)
.
.
Xn P(Xn)
P(Xn) (Probabilidad)
P(Xi) >=0
.
.
P(Xn) = 1
VARIANZA
Se define como el valor esperado de los cuadrados de las desviaciones de
X con respecto al valor esperado E(X).
Var(X) = (Xn)2 . P(Xn) - 2
Ejemplo: La siguiente tabla se da el nmero de camionetas que fueron
solicitadas en una agencia de alquiler de automviles durante un periodo
de 50 das.
Demanda Posible(X) Nm. de das P(Xn) (Xn).P(Xn) (Xn)2 P(Xn)
4
7
7/50 28/50
112/50
5
12
12/50 60/50
300/50
6
14
14/50 84/50
504/50
7
10
10/50 70/50
490/50
8
4
4/50 32/50
256/50
N = 50
1 286/50
1689/50 = 33.78
Determine:
5.66
a). La distribucin de probabilidad para este perodo de 50 das
b). Determine la esperanza matemtica para la distribucin de probabilidad
c). Determine la varianza para la distribucin de probabilidad de la demanda
respecto al alquiler de camionetas.
Continuacin
Solucin:
a) .La distribucin de probabilidad se especifica en la
tabla anterior en la columna de demanda posible y su
correspondiente probabilidad.
b). El valor esperado nos sale 5.66, pero es obvio que
no se pueden alquilar 5.66 camionetas, por lo que se
procede a seleccionar 6 al da.
c). Para el calculo de la varianza mediante el uso de la
formula se obtendra 33.78 - (5.66)2 = 1.74, lo que
significa que habra una desviacin de 2 camionetas
en 50 das.
DISTRIBUCIONES DISCRETAS
a). distribucin binomial
b). distribucin hipergeometrica
c). distribucin poisson
DISTRIBUCION BINOMIAL.
Es una distribucin de probabilidad discreta que se aplica a cualquier
proceso de muestreo que conforma un proceso de Bernoulli, el cual
presenta la siguientes caractersticas:
a). En cualquier experimento aleatorio se producen dos posibles
resultados mutuamente excluyentes en cada ensayo y observacin, los
cuales se denominan xitos o fracasos.
b). La serie de ensayos u observaciones constituyen eventos
independientes.
c). La probabilidad de xito designada por P permanece constante de
ensayo en ensayo por lo que el proceso es estacionario.
Para calcular probabilidades binomiales solo se requieren tres valores :
El nmero designado de xitos (X)
El nmero de ensayos u observaciones (n)
La probabilidad de xito de cada ensayo (p
DISTRIBUCIONES BINOMIALES
ACUMULADAS
Con frecuencia se necesita saber cules son las probabilidades de que X
asuma valores mayores, menores o dentro de un intervalo de valores.
Generalmente se presentan 3 situaciones:
a). Para determinar la probabilidad de que X sea mayor que un valor dado
se encuentra sumando las probabilidades individuales.
n
P(X > 1/n, P) = n C x . Px . q n-x
X = X+1
b). Para determinar la probabilidad de que x asuma valores menores que
un valor dado, se encuentra sumando las probabilidades de los valores
individuales de X entre 0 y X-1.
x-1
P(X < 1/n, P) = n C x . Px . q n-x
X =0
C). S x asume valores entre dos valores dados X1,X2 inclusive, se
encuentra sumando las probabilidades de los valores individuales que
existan entre ambos.
X2
P(1 <= X <= 2/ n, P) = n C x . Px . q n-x
X = X+1
DISTRIBUCIN
HIPERGEOMETRICA
Es una distribucin de probabilidad discreta la cual se utiliza cuando se efecta un
muestreo sin reemplazo de cada uno de los objetos tomados de una poblacin
finita, de tal forma que proporciona un cambio sistemtico en las probabilidades
de xito a medida que se retiran los elementos de la poblacin, es decir, la
frmula para determinar probabilidades hipergeometricas es una aplicacin
directa de las reglas de anlisis combinatorio.
P(X/N,Xt,n) = (N-Xt C n-x) . (Xt Cx) / NCn
Donde:
X = Nmero designado de xitos
N = Nmero total de elementos de la poblacin
n = Nmero total de elementos de la muestra
Xt = Nmero total de xitos incluidos en la poblacin
Ejemplo: De 6 empleados 3 han estado en la compaa 5 ms aos,
se escoge aleatoriamente 4 del grupo de 6, determine la probabilidad
de que exactamente, 2 tenga 5 ms aos de antigedad.
Solucin:
DISTRIBUCIN POISSON
Esta se utiliza para determinar el nmero determinado de xitos cuando
los eventos ocurren en un espectro continuo en tiempo y espacio. Slo se
requiere de un valor que es el nmero promedio de xitos denominado
(lambda), para las dimensiones especificas de tiempo y espacio.
asume valores desde 0.1 hasta 10 .
La formula para determinar la probabilidad de un nmero designado de
xitos mediante la distribucin Poisson es:
P(X/ ) =
x . e -
x!
Donde:
e = Es una constante equivalente a 2.7183 que es la base de ln.
= Nmero promedio de xitos para dimensiones especificas de tiempo
y espacio.
X = Nmero designado de xitos.
Otras caractersticas de las distribucin Poisson son:
1. La esperanza matemtica o valor esperado es igual a la media de la
distribucin.
2. La varianza de una distribucin Poisson es igual a .
3. Su desviacin estndar es igual a la raz cuadrada
Distribucin Poisson
Otras caractersticas de las distribucin
Poisson son:
1. La esperanza matemtica o valor esperado
es igual a la media de la
distribucin.
2. La varianza de una distribucin Poisson es
igual a .
3. Su desviacin estndar es igual a la raz
cuadrada
Distribucin Poisson
Ejemplo: En un proceso de manufactura el 10% de las unidades
producidas son defectuosas, encontrar la probabilidad de que en
una muestra de 10 unidades seleccionadas tengan exactamente 3
defectos. Resuelvase por:
a). Distribucin binomial y
b). Distribucin Poisson
Solucin:
a). P(x=3) = (10! / 3!. 7!) . (0.103 . 0.97 )= 0.0574
Por tablas binomiales: P(x=3/n=10,P=0.10) = 0.0574
b). =Np = 10 . 0.1 = 1
P(x=3/ = 1) = 0.0613 (Mediante uso de tablas Poisson)
DISTRIBUCIN NORMAL
La distribucin normal es una distribucin de probabilidad continua la cual
es simtrica y presenta una forma de campana en donde el punto medio
representa a la media de la distribucin.
Caractersticas:
1. Que el rea comprendida bajo la curva y por encima del eje horizontal
es igual a la unidad y esta se extiende desde - hasta +.
2. La distribucin es simtrica con respecto a su media, es decir, debe
existir un 50% de rea a la izquierda y otro 50% de rea a la derecha.
3. La media, la mediana y la moda en esta distribucin son iguales.
4. La distancia horizontal que existe entre el punto de inflexin de la
curva hasta una perpendicular levantada sobre la media es igual a una
desviacin estndar.
DISTRIBUCIN NORMAL
5. La distribucin normal es realmente una familia de
distribuciones puesto que existe una distribucin
diferente para cada valor de la media y desviacin
estndar, s se muestran 3 distribuciones normales
con la misma desviacin estndar pero con diferente
media encontraremos que estas distribuciones se
sitan en diferentes posiciones sobre el eje
horizontal.
6. S se muestran 3 desviaciones normales con la
misma media pero con diferente desviacin estndar,
podremos observar que mientras ms grande sea la
desviacin estndar, nos resultar una curva ms
plana y ms extendida en la grfica de la
distribucin.
DISTRIBUCIN NORMAL
7. S se levantan perpendiculares a una
distancia de una desviacin estndar de la
media en cada uno de los dos lados, el rea
es aproximadamente el 68.27% del rea
total, s se levantan perpendiculares a dos
desviaciones estndares de la media
corresponder el 95.45% del rea total y en
el caso de 3 desviaciones ser del 99.73%
del rea total.
8. La configuracin de la distribucin normal se
define mediante la siguiente formula:
DISTRIBUCIN NORMAL
1
f ( x)
e
2
( x )2
2 2
Z=
x-
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
.00
0.00000
0.00399
0.00798
0.01197
0.01595
0.01994
0.02392
0.02790
0.03188
0.03586
0.1
0.03983
0.04380
0.04776
0.05172
0.05567
0.05962
0.06356
0.06749
0.07142
0.07535
0.2
0.07926
0.08317
0.08706
0.09095
0.09483
0.09871
0.10257
0.10642
0.11026
0.11409
0.3
0.11791
0.12172
0.12552
0.12930
0.13307
0.13683
0.14058
0.14431
0.14803
0.15173
0.4
0.15542
0.15910
0.16276
0.16640
0.17003
0.17364
0.17724
0.18082
0.18439
0.18793
0.5
0.19146
0.19497
0.19847
0.20194
0.20540
0.20884
0.21226
0.21566
0.21904
0.22240
0.6
0.22575
0.22907
0.23237
0.23565
0.23891
0.24215
0.24537
0.24857
0.25175
0.25490
0.7
0.25804
0.26115
0.26424
0.26730
0.27035
0.27337
0.27637
0.27935
0.28230
0.28524
0.8
0.28814
0.29103
0.29389
0.29673
0.29955
0.30234
0.30511
0.30785
0.31057
0.31327
0.9
0.31594
0.31859
0.32121
0.32381
0.32639
0.32894
0.33147
0.33398
0.33646
0.33891
1.0
0.34134
0.34375
0.34614
0.34849
0.35083
0.35314
0.35543
0.35769
0.35993
0.36214
1.1
0.36433
0.36650
0.36864
0.37076
0.37286
0.37493
0.37698
0.37900
0.38100
0.38298
1.2
0.38493
0.38686
0.38877
0.39065
0.39251
0.39435
0.39617
0.39796
0.39973
0.40147
1.3
0.40320
0.40490
0.40658
0.40824
0.40988
0.41149
0.41308
0.41466
0.41621
0.41774
1.4
0.41924
0.42073
0.42220
0.42364
0.42507
0.42647
0.42785
0.42922
0.43056
0.43189
1.5
0.43319
0.43448
0.43574
0.43699
0.43822
0.43943
0.44062
0.44179
0.44295
0.44408
1.6
0.44520
0.44630
0.44738
0.44845
0.44950
0.45053
0.45154
0.45254
0.45352
0.45449
1.7
0.45543
0.45637
0.45728
0.45818
0.45907
0.45994
0.46080
0.46164
0.46246
0.46327
1.8
0.46407
0.46485
0.46562
0.46638
0.46712
0.46784
0.46856
0.46926
0.46995
0.47062
1.9
0.47128
0.47193
0.47257
0.47320
0.47381
0.47441
0.47500
0.47558
0.47615
0.47670
CONTINUACIN DE LA TABLA Z
2.0
0.47725
0.47778
0.47831
0.47882
0.47932
0.47982
0.48030
0.48077
0.48124
0.48169
2.1
0.48214
0.48257
0.48300
0.48341
0.48382
0.48422
0.48461
0.48500
0.48537
0.48574
2.2
0.48610
0.48645
0.48679
0.48713
0.48745
0.48778
0.48809
0.48840
0.48870
0.48899
2.3
0.48928
0.48956
0.48983
0.49010
0.49036
0.49061
0.49086
0.49111
0.49134
0.49158
2.4
0.49180
0.49202
0.49224
0.49245
0.49266
0.49286
0.49305
0.49324
0.49343
0.49361
2.5
0.49379
0.49396
0.49413
0.49430
0.49446
0.49461
0.49477
0.49492
0.49506
0.49520
2.6
0.49534
0.49547
0.49560
0.49573
0.49585
0.49598
0.49609
0.49621
0.49632
0.49643
2.7
0.49653
0.49664
0.49674
0.49683
0.49693
0.49702
0.49711
0.49720
0.49728
0.49736
2.8
0.49744
0.49752
0.49760
0.49767
0.49774
0.49781
0.49788
0.49795
0.49801
0.49807
2.9
0.49813
0.49819
0.49825
0.49831
0.49836
0.49841
0.49846
0.49851
0.49856
0.49861
3.0
0.49865
0.49869
0.49874
0.49878
0.49882
0.49886
0.49889
0.49893
0.49896
0.49900
3.1
0.49903
0.49906
0.49910
0.49913
0.49916
0.49918
0.49921
0.49924
0.49926
0.49929
3.2
0.49931
0.49934
0.49936
0.49938
0.49940
0.49942
0.49944
0.49946
0.49948
0.49950
3.3
0.49952
0.49953
0.49955
0.49957
0.49958
0.49960
0.49961
0.49962
0.49964
0.49965
3.4
0.49966
0.49968
0.49969
0.49970
0.49971
0.49972
0.49973
0.49974
0.49975
0.49976
3.5
0.49977
0.49978
0.49978
0.49979
0.49980
0.49981
0.49981
0.49982
0.49983
0.49983
3.6
0.49984
0.49985
0.49985
0.49986
0.49986
0.49987
0.49987
0.49988
0.49988
0.49989
3.7
0.49989
0.49990
0.49990
0.49990
0.49991
0.49991
0.49992
0.49992
0.49992
0.49992
3.8
0.49993
0.49993
0.49993
0.49994
0.49994
0.49994
0.49994
0.49995
0.49995
0.49995
3.9
0.49995
0.49995
0.49996
0.49996
0.49996
0.49996
0.49996
0.49996
0.49997
0.49997
4.0
0.49997
0.49997
0.49997
0.49997
0.49997
0.49997
0.49998
0.49998
0.49998
0.49998
1400
1 .3 3
P( z 133
. ) 05. ( z 133
. ) 05. 0.4082 0.9082 92.82%
1200
0
1300
0 .6 7