Académique Documents
Professionnel Documents
Culture Documents
ESTADSTICA
SEMANA 1
[ PROGRAMACIN ESTOCSTICA ]
SEMANA
UNO
LECTURA
UNO:
Repaso
de
Probabilidad
y
Estadstica
En
esta
primera
parte
del
curso
y
a
manera
de
introduccin
se
espera
que
el
estudiante
realice
un
repaso,
con
el
cual
se
pueda
crear
una
visin
general
de
los
aspectos
bsicos
de
probabilidad,
especficamente
en
los
temas
relacionados
con
variables
aleatorias
y
distribuciones
de
probabilidad,
las
cuales
sern
base
fundamental
para
la
construccin
del
conocimiento
de
modelos
estocsticos.
De
igual
manera
se
espera
que
el
estudiante
por
medio
de
la
siguiente
lectura
tenga
claras
las
diferencias
entre
un
espacio
muestral
discreto
con
sus
respectivas
distribuciones
y
un
espacio
muestral
continuo
con
sus
respectivas
distribuciones.
VARIABLE
ALEATORIA
Y
DISTRIBUCIONES
DE
PROBABILIDAD
Diferentes
ciencias
y
disciplinas
han
querido
hacer
inferencias
acerca
de
comportamientos
en
la
poblacin
y
el
mundo
en
general.
En
el
caso
de
los
inventarios,
es
importante
estar
en
capacidad
de
hacer
inferencias
del
comportamiento
de
la
demanda.
Para
tener
nocin
de
ese
comportamiento,
debemos
conocer
bsicamente
dos
cosas:
el
conjunto
de
valores
que
puede
tomar
la
demanda
y
la
probabilidad
asociada
a
cada
uno
de
esos
valores.
A
dicho
conjunto
de
valores
se
le
conoce
como
el
espacio
muestral.
De
esta
manera,
se
va
a
definir
una
variable
aleatoria
como
la
funcin
que
asocia
un
nmero
real
(probabilidad)
con
cada
uno
de
los
valores
del
espacio
muestral.
Un
ejemplo
de
definicin
de
una
variable
aleatoria
(X)
relacionada
con
la
demanda
sera:
X:
Nmero
de
unidades
a
vender
en
el
mes
de
enero.
La
siguiente
tabla
representa
la
distribucin
de
probabilidades
segn
el
espacio
muestral.
Tabla
1.
Distribucin
de
probabilidades
segn
el
espacio
muestral
Espacio
Muestral
Probabilidad
100
35%
80
55%
60
10%
Fuente:
elaboracin
propia
Para
definir
de
manera
ms
fcil
las
variables
aleatorias,
se
crearon
distribuciones
de
probabilidad,
las
cuales
pueden
describir
el
comportamiento
de
una
serie
de
valores
determinados
de
forma
clara
y
resumida.
Estos
permiten
calcular
de
manera
ms
eficiente
las
probabilidades
asociadas
a
los
diferentes
valores
y
para
fines
de
esta
lectura,
se
explicarn
las
tres
distribuciones
de
probabilidad
ms
usadas
en
el
campo
de
la
administracin
de
inventarios.
Antes
de
proceder
con
los
tipos
de
distribuciones
se
debe
aclarar
la
diferencia
fundamental
entre
un
espacio
muestral
discreto,
un
espacio
muestral
continuo
y
el
respectivo
comportamiento
de
las
variables
aleatorias.
Un
espacio
muestral
discreto
es
aquel
que
contiene
un
nmero
finito
de
posibilidades
o
una
serie
interminable
con
tantos
elementos
como
[ POLITCNICO GRANCOLOMBIANO ]
[ PROGRAMACIN ESTOCSTICA ]
4 3 !
3 !!!
4! 3!
27
1
=
!=
= !. !"#$
2 4
4
2! 2! 4
128
La
probabilidad
de
que
sobrevivan
exactamente
dos
de
los
siguientes
cuatro
componentes
que
se
prueben
es
del
21%.
En
algunos
casos,
nos
interesaremos
por
solucionar
problemas
donde
conocer
!(! < !)
o
!(! ! !)
sea
necesario.
Para
solucionar
este
tipo
de
problemas
disponemos
de
las
sumas
binomiales:
!"# 2; 4; 3 4 =
! !; !, !
! !; !, ! =
!!!
Las
cuales
pueden
ser
consultadas
en
tablas
para
solucionar
los
problemas
o
con
la
herramienta
de
Excel,
la
cual
directamente
calcula
la
probabilidad
introduciendo
previamente
los
datos
pertinentes
y
el
tipo
de
distribucin.
Las
tablas
mencionadas
anteriormente
pueden
ser
consultadas
en
el
libro
Probabilidad
y
estadstica
para
ingenieros-
Ronald
Walpole
6
Ed.
en
la
tabla
A.1
del
apndice.
Ejemplo:
La
probabilidad
de
que
un
paciente
se
recupere
de
una
rara
enfermedad
sangunea
es
del
0.4
si
se
sabe
que
15
personas
contraen
esta
enfermedad,
cul
es
la
probabilidad
de
que
(a)
sobrevivan
al
menos
10,
(b)
sobrevivan
de
3
a
8
y
(c)
sobrevivan
exactamente
5?
X=
Nmero
de
personas
que
sobreviven
(a) ! ! 10 = 1 ! ! < 10 = 1 !!!! ! !; 15, 0.4 = 1 0.9662
= !. !""#
(b) !(3 ! 8) = !!!! ! !; 15,0.4
!
! !; 15,0.4
!!!
(c) ! ! = 5 = !(5; 15, 0.4) = !!!! ! !; 15, 0.4 !!!! ! !; 15, 0.4
= 0.4032 0.2173 = !. !"#$
DISTRIBUCIN
GEOMTRICA
Es
aquella
en
donde
s
se
realizan
sucesivamente
experimentos
independientes
de
Bernoulli
de
parmetro
p,
a
la
variable
aleatoria
!! :
nmero
de
ensayos
hasta
obtener
el
primer
xito
se
le
conoce
como
una
variable
aleatoria
con
Distribucin
Geomtrica
de
parmetro
p.
!! ! = (! !)!!! !
! !! ; !, ! = !/!
!"# !! ; ! = (! !)/!!
[ POLITCNICO GRANCOLOMBIANO ]
Ejemplo:
Se
sabe
que
cierto
proceso
de
fabricacin,
en
promedio,
uno
de
cada
100
artculos
est
defectuoso.
Cul
es
la
probabilidad
de
que
el
quinto
artculo
que
se
inspecciona
sea
el
primer
defectuoso
que
se
encuentra?
Al
usar
la
distribucin
geomtrica
con
n=5
y
p=
0.01,
tenemos
! 5; 0.01 = 0.01 0.99 !!! = !. !!"#
La
probabilidad
de
que
el
quinto
artculo
que
se
inspecciona
sea
el
primer
defectuoso
que
se
encuentra
es
del
0.96%.
Ejemplo:
En
tiempo
ocupado
un
conmutador
telefnico
est
muy
cerca
de
su
capacidad,
por
lo
que
los
usuarios
tienen
dificultad
al
hacer
sus
llamadas.
Puede
ser
de
inters
conocer
el
nmero
de
intentos
necesarios
a
fin
de
conseguir
un
enlace
telefnico.
Suponga
que
p=
0.05
es
la
probabilidad
de
conseguir
un
enlace
durante
el
tiempo
ocupado.
Nos
interesa
conocer
la
probabilidad
de
que
se
necesiten
cinco
intentos
para
una
llamada
exitosa.
El
uso
de
la
distribucin
geomtrica
con
n=
5
y
p=
0.05
nos
da
! ! = ! = ! 5: 0.05 = 0.05 0.95 !!! = !. !"#
La
probabilidad
de
que
se
necesiten
cinco
intentos
para
una
llamada
exitosa
es
del
4.1%.
DISTRIBUCIN
BINOMIAL
NEGATIVA
La
distribucin
binomial
negativa
es
aquella
en
donde
si
pruebas
independientes
repetidas
pueden
tener
como
resultado
un
xito
con
probabilidad
p
y
un
fracaso
con
probabilidad
q
=
1-
p,
entonces
la
distribucin
de
probabilidad
de
la
variable
aleatoria
X,
el
nmero
de
la
prueba
en
la
que
ocurre
el
k-simo
xito,
es
! ! ! !!!
! !; !, ! =
! ! , ! = !, ! + !, ! + !, .
!!
[ PROGRAMACIN ESTOCSTICA ]
Ejemplo:
Encuentre
la
probabilidad
de
que
una
persona
que
lanza
tres
monedas
obtenga
slo
caras
o
slo
cruces
por
segunda
vez
en
el
quinto
lanzamiento.
Al
utilizar
la
distribucin
binomial
negativa
con
x=
5,
k=
2,
y
p=
,
tenemos:
1
4 1 ! 3 !
4! 3!
27
! 5; 2, =
=
!=
= !. !"#
4
1 4
4
1! 3! 4
256
La
probabilidad
de
que
la
persona
que
lanza
tres
monedas
obtenga
slo
caras
o
slo
cruces
por
segunda
vez
en
el
quinto
lanzamiento
es
del
10.5%.
Ejemplo:
Los
registros
de
una
compaa
constructora
de
pozos,
indican
que
la
probabilidad
de
que
uno
de
sus
pozos
nuevos,
requiera
de
reparaciones
en
el
trmino
de
un
ao
es
de
0.20.
Cul
es
la
probabilidad
de
que
el
sexto
pozo
construido
por
esta
compaa
en
un
ao
dado
sea
el
segundo
en
requerir
reparaciones
en
un
ao?
Al
utilizar
la
distribucin
binomial
negativa
con
x=6,
k=
2,
y
p=
0.20,
tenemos
5
5!
! 6; 2, 0.20 =
0.20 ! 0.80 !!! =
0.20 ! 0.80 ! = !. !"#$
1
1! 4!
La
probabilidad
de
que
el
sexto
pozo
construido
por
la
compaa
en
un
ao
dado
sea
el
segundo
en
requerir
reparaciones
en
un
ao
es
del
8.19%.
DISTRIBUCIONES
CONTINUAS
DISTRIBUCIN
NORMAL
Otra
de
las
distribuciones
de
probabilidad
ms
usadas
es
la
distribucin
normal.
Esta
funcin
es
denominada
la
ms
importante
en
el
campo
estadstico
gracias
a
que
su
aproximacin
puede
describir
la
mayora
de
fenmenos
de
la
naturaleza,
la
industria
y
la
ciencia.
Se
caracteriza
por
su
simetra
y
su
forma
de
campana.
Su
funcin
de
densidad,
media,
varianza
y
grfica
son
las
siguientes:
[ POLITCNICO GRANCOLOMBIANO ]
Consecuentemente
su
funcin
de
densidad
acumulada
sera:
!!
!!
(!!!)
1
!
!! =
! ! =
! !!! !"
!
!!
!! 2!!
Para
facilitar
la
resolucin
de
problemas
se
crearon
tablas
de
la
funcin
de
densidad
acumulada
de
una
distribucin
de
una
variable
aleatoria
normal
con
media
0
y
varianza
1.
Esta
distribucin
se
conoce
como
la
distribucin
normal
estndar
y
su
funcin
acumulada
es
la
siguiente:
!!
!=
!
! = !"#$% !"#$%"&' !" !" !"#$%$&'&(%( (!!"#$ !" ! !"# !" !"#$! !" !)
1
tomado
el
8
de
febrero
de
2013
http://www.virtual.unal.edu.co/cursos/odontologia/2002890/lecciones/distribprobabil/distribnormal.htm
Consultada
7
de
marzo
de
2013
de
[ PROGRAMACIN ESTOCSTICA ]
Estas
tablas
de
distribucin
normal
Z
se
pueden
encontrar
fcilmente
en
internet
o
en
el
libro
mencionado
anteriormente,
Probabilidad
y
estadstica
para
ingenieros-
Ronald
Walpole
6
Ed.
Ejemplo
(Ubicacin
de
reas
en
la
curva
de
la
distribucin
normal):
Dada
una
distribucin
normal
estndar,
encuentre
el
rea
bajo
la
curva
que
yace
(a)
a
la
derecha
de
z
=
1.84
y
(b)
entre
z
=
-1.97
y
z
=
0.86
[ POLITCNICO GRANCOLOMBIANO ]
(a) El
rea
en
la
figura
(a)
a
la
derecha
de
z
=
1.84
es
igual
a
1
menos
el
rea
en
la
tabla
de
la
distribucin
normal
para
dicho
valor
a
la
izquierda
de
z
=
1.84
,
entonces,
1
(el
valor
de
z=1.84
que
segn
tablas
es
=
0.9671),
tenemos,
1
0.9671
=
0.0329
(b) El
rea
en
la
figura
(b)
entre
z
=
-1.97
y
z
=
0.86
es
igual
al
rea
a
la
izquierda
de
z
=
0.86
menos
el
rea
a
la
izquierda
de
z
=
-1.97.
De
la
tabla
de
la
distribucin
normal,
encontramos
que
para
dichos
valores
el
parea
deseada
es
0.8051
0.0244
=
0.7807.
Ejemplo:
Cierto
tipo
de
batera
de
almacenamiento
dura,
en
promedio,
3.0
aos,
con
una
desviacin
estndar
de
0.5
aos.
Suponga
que
las
duraciones
de
la
batera
se
distribuyen
normalmente,
encuentre
la
probabilidad
de
que
una
batera
dada
dure
menos
de
2.3
aos.
Primero
debemos
construir
un
diagrama
como
el
que
se
muestra
a
continuacin,
el
cual
muestra
la
distribucin
dada
de
duraciones
de
las
bateras
y
el
rea
de
se
desea.
Para
encontrar
la
!(! < 2.3),
necesitamos
evaluar
el
rea
bajo
la
curva
normal
a
la
izquierda
de
2.3.
Esto
se
logra
al
encontrar
el
rea
a
la
izquierda
del
valor
de
x
correspondiente.
Grfica
4.
Representacin
grfica
de
una
variable
aleatoria
normal
con
media
3
y
desviacin
estndar
0.5
De
aqu
encontramos
que:
2.3 3
! =
= 1.4
0.5
Y
luego
con
el
uso
de
las
tablas
de
la
distribucin
para
Z
tenemos:
[ PROGRAMACIN ESTOCSTICA ]
Fuente:
elaboracin
propia
Los
valores
Z
que
corresponden
a
!! = 778 !"#$ ! !! = 834 !"#$
son:
778 800
834 800
!! =
= !. !! ! !! =
= !. !"
40
40
Entonces,
! 778 < ! < 834 = ! 0.55 < ! < 0.85
= ! ! < 0.85 ! ! < 0.55
= 0.8023 0.2919 = !. !"""
La
probabilidad
de
que
un
foco
se
funda
entre
778
y
834
horas
es
del
51.11%.
DISTRIBUCIN
EXPONENCIAL
A
pesar
de
que
la
distribucin
normal
puede
ser
usada
para
resolver
varios
problemas
de
cualquier
tipo,
existen
numerosas
situaciones
que
requieren
de
otro
tipo
de
distribuciones.
La
distribucin
exponencial
se
caracteriza
por
modelar
tiempos
entre
eventos,
lo
que
la
hace
muy
til
en
el
campo
de
la
ingeniera.
Su
funcin
de
densidad,
media,
varianza
y
grfica
son
las
siguientes:
10
[ POLITCNICO GRANCOLOMBIANO ]
Fuente3:
Distribucin
exponencial.
Recuerde
que
debido
a
la
relacin
que
tiene
la
distribucin
exponencial
con
el
proceso
Poisson,
la
funcin
de
densidad
se
puede
formular
en
trminos
de
la
tasa
de
la
siguiente
forma:
! ! = !!!!"
Integrando,
su
funcin
de
densidad
acumulada
en
trminos
de
sera:
!! = ! !!!"
Ejemplo:
Suponga
que
un
sistema
contiene
cierto
tipo
de
componente
cuyos
tiempos
de
falla
en
aos
est
dado
por
T.
La
variable
T
se
modela
bien
mediante
la
distribucin
exponencial
con
tiempo
3
[ PROGRAMACIN ESTOCSTICA ]
11
! !2 =
!(!; 5,0.2) = 1
!!!
!!!
! ! 20 =
! ! !" = ! 20 = 1 !
!
!!"
!"
= 0.7135
12
[ POLITCNICO GRANCOLOMBIANO ]