Вы находитесь на странице: 1из 24

ESTADISTICA ADMINISTRATIVA

CONCEPTOS BASICOS , EJEMPLOS Y APLICACIONES DE VARIABLE ALEATOREA DISTRIBUCIONES DE


PROBABILIDAD E INTERVALOS DE CONFIANZA

INTEGRANTES:
• GOMEZ ADAN TORNERO M. ,CARLOS CLAUDIA, MARQUEZ BRENDA
VARIABLE ALEATORIA

Una variable aleatoria es una función que asocia un número real a cada resultado de un
experimento aleatorio.

Para referirse a dichas variables se utilizan letras mayúsculas, mientras que las letras
minúsculas servirán para referirse a los valores concretos de dichas variables.

Ejemplo:

Tiramos una moneda 3 veces. Representamos cara por c y cruz por z. x Sucesos px
0 {zzz} 1/8
W = {ccc, ccz, czc, zcc, czz, zcz, zzc, zzz} 1 {czz, zcz, zzc} 3/8
2 {ccz, czc, zcc} 3/8
3 {ccc} 1/8
VARIABLES ALEATORIAS

 Las variables aleatorias discretas  Las variables aleatorias continuas


Las variables aleatorias discretas son las que sólo Las variables aleatorias continuas pueden tomar
pueden tomar resultados enteros. cualquier valor real dentro de su intervalo.

 Ejemplo  Ejemplo
El resultado de la tirada de un dado, el número de gente La duración de una bombilla, la altura o peso de una
que acude a un evento... persona, la temperatura de una habitación...
DISTRIBUCIONES DE PROBABILIDAD

Tornero

Una distribución de probabilidad es una tabla en la cual se


representan los resultados de un experimento (Elementos de
un espacio muestral) con sus correspondientes probabilidades.
FUNCION DE PROBABILIDAD
 Una función de probabilidad es una regla o condición que asigna a cada uno de los resultados de un
espacio muestra la probabilidad correspondiente.
 Cada una de las probabilidades obtenidas en la función es un numero real de 0 a 1.

 2. La suma de todas la probabilidades obtenidas en la función es 1.


E P (X) = 1
DISTRIBUCIÓN BINOMIAL

Es de las mas utilizadas por sus aplicaciones.


Los experimentos que corresponden a distribuciones binomiales cumplen siguientes
características:
Se utilizan n intentos independientes y en cada uno se tienen dos resultados posibles
( Éxito o fracaso).
FORMULA

Donde:

n: Numero de intentos independientes que se realizan.


p: Probabilidad de éxito.
q: Probabilidad de fracaso.
p+q=1
x: numero de éxitos que se desean tener.
EJEMPLO

En una fabrica se realiza el control de calidad de los productos , para ello se seleccionan 10 de los
artículos elaborados y se inspeccionan con el fin de determinar si son defectuosos o no. La
probabilidad de que un producto sea defectuoso es de 12%.
Determinar:
 La probabilidad de que de los 10 artículos seleccionados 3 sean defectuosos.
 La probabilidad de que mas de 2 y menos de 6 artículos de los seleccionados sean defectuosos.

La probabilidad de que de los 10 articulos La probabilidad de que los 10 articulos seleccionados


seleccionados 3 sean defectuosos es de sean defectuosos mas de 2 y menos de 6 es de 0,1082, es
0,0847 , es decir , es de , es del 8,47%. decir , es del 10,82%.
DISTRIBUCIÓN DE POISSON

La distribución de POISSON es también un caso particular de probabilidad de variable aleatoria discreta, el


cual debe su nombre a Siméon Denis Poisson (1781-1840), un francés que la desarrolló a partir de los
estudios que realizó durante la última etapa de su vida.
Esta distribución se utiliza para describir ciertos procesos.
Características:
 En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc:
 - # de defectos de una tela por m2
 - # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc.
 - # de bacterias por c m2 de cultivo
 - # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
 - # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.
FÓRMULA

Donde:
p(X) = probabilidad de que ocurran x éxitos, cuando el número promedio de ocurrencia de ellos es l.
l = media o promedio de éxitos por unidad de tiempo, área o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el número de éxitos que se desea que ocurra
EJEMPLO

Resolviendo para:
a) x = 4; l = 6 cheques sin fondo por día y sustituyendo en la fórmula

Resolviendo:
DISTRIBUCIÓN NORMAL

 La distribución normal es también un caso particular de probabilidad de variable


aleatoria continua, fue reconocida por primera vez por el francés Abraham de Moivre
(1667-1754).

Tiene algunas propiedades que la hacen aplicable a un gran número de situaciones en la


que es necesario hacer inferencias mediante la toma de muestras.
 La distribución normal casi se ajusta a las distribuciones de frecuencias reales observadas
en muchos fenómenos, incluyendo características humanas, resultados de procesos físicos
y muchas otras medidas de interés para los administradores, tanto en el sector público
como en el privado.
FORMULA

En la que:

•x = valor de la variable aleatoria de interés.


•µ = media de la distribución de la variable aleatoria.
•σ = desviaciσn estándar de la distribución.
•z = número de desviaciones estándar que hay desde x a la media de la distribución. (El uso de z es
solamente un cambio de escala de medición del eje horizontal)
EJEMPLO

 Hay un programa de entrenamiento diseñado para mejorar la calidad de las habilidades


de supervisión de los supervisores de la línea de producción. Debido a que el programa es
autoadministrado, los supervisores requieren un número diferente de horas para
terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio que se
lleva completar el programa es de 500 horas, y que esta variable aleatoria normalmente
distribuida tiene una desviación estándar de 100 horas.
 a) ¿Cuál es la probabilidad de que un candidato elegido al azar requiera más de 500 horas
para completar el programa de entrenamiento?
 b) ¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 500 y 650
horas en completar el programa de entrenamiento?
 Resolviendo para:
Se tiene que: µ = 500 y σ = 100 y sustituyendo valores para la obtención de Z
INTERVALOS DE CONFIANZA

 ADAN
INTERVALO DE CONFIANZA DISTRIBUCION NORMAL

Un intervalo de confianza es un resultado esperado con un margen de error normalmente es de 1 a 5%


Siempre que vallamos a buscar un intervalo de confianza debemos tener los siguientes datos:
 Numero Total de Muestras
 Media aritmética o Promedio
 Desviación estándar
 Margen de Error
PROBLEMA

En una muestra realizada a 30 personas sobre sus edades que van de 10 a 20 tuvimos promedio 13.5 con un
desvió de 1.12 con margen de error de 95% y 99%

NUMERO TOTAL DE MUESTRA 30

PROMEDIO 13.5

DESVIACION ESTANDAR 1.12

MARGEN DE ERROR 95 Y 99%


PROBLEMA

En una muestra realizada a 30 personas sobre sus edades que van de 10 a 20 tuvimos promedio 13.5 con un
desvió de 1.12 con margen de error de 95% y 99%

NUMERO TOTAL DE MUESTRA 30

PROMEDIO 13.5

DESVIACION ESTANDAR 1.12

MARGEN DE ERROR 95 Y 99%


TABLA DE DISTRIBUCION NORMAL
TABLA DE DISTRIBUCION NORMAL
Lo siguiente seria multiplicar el numero dado de la tabla por la media aritmética o promedio

1.12*1.96

El resultado lo vamos a dividir entre raíz cuadrada de muestra total

2.1952 ÷ 30
Resultado de división 0.40

Al promedio se suma y se resta el resultado de la división

13.5 + 0.40 = 13.9


13.5 − 0.40 = 13.1

Nuestro INTERVALO DE CONFIANZA seria


13.1 a 13.9 con margen de error de 5%
COMO RESOLVER EL PROBLEMA

Siempre vamos a iniciar de la siguiente manera 1-alfa=.095


1 − 𝛼=.099

Después seria despejar alfa


−𝛼 = 0.9 − 1
Y quedara de la siguiente manera

𝛼 = .01

El resultado que obtengamos siempre lo vamos a dividir entre 2 se representa de la siguiente manera
𝛼
2
.01/2=.005

Al resultado de dividir alfa entre 2 lo vamos a buscar en nuestra tabla de distribución normal
TABLA DE DISTRIBUCION NORMAL
TABLA DE DISTRIBUCION NORMAL
En caso de no encontrarse se agarra el numero cercano anterior
Lo siguiente seria multiplicar el numero dado de la tabla por la media aritmética o promedio

1.12*2.58

El resultado lo vamos a dividir entre raíz cuadrada de muestra total

2.8896 ÷ 30
Resultado de división 0.52

Al promedio se suma y se resta el resultado de la división

13.5 + 0.52 = 14.02


13.5 − 0.52 = 12.98

Nuestro INTERVALO DE CONFIANZA seria


12.98 a 14.02 con margen de error de 1%