Modelos Estocasticos

INSTITUTO POLITECNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERIA Y ARQUITECTURA UNIDAD

ZACATENCO
MODELOS ESTOCASTICOS
LAS CAPSULAS DE ACKOFF (RESUMEN)
Pgina | 0
RESUMEN DE APUNTES
POR: EDUARDO RAMIREZ ZARATE

ZACATENCO
Pgina | 1
LA NATURALEZA DE LOS FENOMENOS

GERENCIALES
Dada la naturaleza de los fenmenos gerenciales los cuales involucra a toda la orga-
nizacin de una empresa la cual conlleva a la estabilidad de ella, ya sea en las finan-
zas, en la contabilidad, en la administracin, tesorera , impuestos; donde el papel
principal los gerentes conllevan al anlisis de toda la estructura como se mencion
anteriormente, as como tambin al crecimiento de la empresa en todas las fases de-
los proyectos a corto plazo, como a largo.
La realidad del entorno profesional, su perfil de complejidad es todo aquello que lo

rodea y se desenvuelve a su alrededor para as la aplicacin del conocimiento que
en su caso tendr que relacionarse en su mayora con todos los individuos ya sean:
profesionistas, comerciantes, fabricantes entre otros, donde su perfil encajara el
desarrollo de su conocimiento del desenvolvimiento de la infraestructura requerida
para as llevar a cabo el proyecto a proyectar.
La formacin del sentido gerencial, la naturaleza importancia y complejidad del

aprendizaje, entre ellos existe tanto en el inters en el mejoramiento de la toma de
decisiones a nivel gerencial y estas se dividen en 3 fases:
- La calidad y la aceptabilidad de las decisiones de un gerente pueden ejercer

una influencia considerable sobre su carrera profesional y para su satisfaccin
personal, en la que la influencia se deriva en donde las decisiones son de baja
calidad o resistencia, o provocan resistencia por parte de ella.
- La calidad y aceptabilidad afectan a la organizacin en cuyo nombre actan,
cabe recalcar que una decisin de los gerentes tiene consecuencias sobre la
realizacin de las metas de la organizacin de la casa matriz.
- En su mayor parte de tiempo en gerente se dedica a la toma de decisiones y a
su vez supervisar la ejecucin de estas mismas, para ello se debe verificar el
deseo de disminuir la cantidad de tiempo y esfuerzo que los gerente emplean
en tomar y en orientar las decisiones es un fuerte motivador para buscar el
mejoramiento de estas antes mencionadas.
ZACATENCO
Pgina | 2
Los cimientos para la toma de decisiones acertadas se construyen sobre la filosofa

del conocimiento, la ciencia y la lgica, y por sobre todo la creatividad. En este sitio
web el problema de la decisin no se refiere a las ejercicios o enigmas prefabricados
que la mayora de los profesores continuamente les presentas a sus estudiantes, tal
como el problema de hallar la solucin de un sistemas de ecuaciones sin motivarlos
en absoluto a la necesidad de saber.
En este sitio se trata de como tomar decisiones acertadas cuando uno se enfrenta a
problemas de decisin.
Significa problemas reales, el manejo concreto de lo que puede llegar a construir

una diferencia significativa. En casi todos los problemas de decisin encontramos los
siguientes componentes:
1. El decisor
2. En analista que modeliza el problema para ayudar al decisor
3. Factores controlables
4. Factores incontrolables
5. Los resultados posibles de la decisin
6. Las restricciones ambientales/estructurales
7. Las interacciones dinmicas entre estos componentes
Modelos deterministas versus modelos probabilsticos: debemos hacer una distincin

y comparacin, entre los problemas de toma de decisiones deterministas y los proba-
bilsticos. Todos los modelos de decisiones se pueden clasificar en modelos determi-
nistas o probabilsticos. Para los modelos deterministas, las decisiones acertadas ge-
neran buenos resultados.
Para ello obtenemos lo que nosotros obtenemos lo que esperamos, es por ello que
el resultado es determinista esto quiere decir que no tiene riesgo. Sin embargo en
los modelos de decisiones probabilsticos, el resultado es incierto. Y en consecuencia,
ZACATENCO
la toma de decisiones acertadas puede no generar buenos

resultados. A diferencia de los modelos deterministas donde las decisio-
nes acertadas se evalan solo segn los resultados, en los modelos probabilsticos,
decir, se preocupa tanto por el valor del resultado como por el lado de riesgo involu-
crado en cada decisin. Pgina | 3
Una vez conocida esta importante clasificacin delos componentes de la toma de

decisiones, el analista del IO/CA sigue la secuencia indicada y enseguida se enlistan
los siguientes pasos a seguir:
1. Comprensin del problema: en este punto en si se refiere y se basa mucho en

tomar una decisin acertada es imprescindible, es decir comprender clara-
mente el problema, el objetivo y las restricciones involucradas en el mismo.
2. El siguiente es construccin de un modelo analtico, en este paso ms que
nada se va aplicar la traduccin del problema al lenguaje matemtico pre-
ciso para as poder analizar con certeza en clculo y poder comparar los resul-
tados en diferentes escenarios o situaciones posibles.
3. En tercer paso es la bsqueda de una buena solucin lo que ms destaca en
este paso es poder elegir la tcnica de resolucin adecuada segn las caracte-
rsticas especficas del modelo antes planteado. Ya teniendo una vez el resul-
tado del modelo se procede a realizar la validacin delos resultados a fin de
evitar una solucin irrealista y errnea.
4. El cuarto paso es la comunicacin de los resultados al decisin quien a partir
de los resultados obtenidos por el analista, deben ser comunicados al decisor .
Ya teniendo la solucin estratgica de cualquier problema implica hacer determina-

das presunciones, es necesario determinar hasta que punto cambia la solucin estra-
tgica cuando se modifican las presunciones.
La recopilacin de informacin confiable en el momento adecuado en unos compo-

nentes de las buenas decisiones. Resulta til entender la naturaleza del problema
preguntando quin?, por qu?, qu?, cundo?, dnde? Finalmente se desglosa
la informacin en tres grupos de entrada: parmetros, entradas controlables, y entra-
das incomparables. Los factores incontrolables son los componentes principales en
ZACATENCO
la toma de decisiones. Se evalan los diversos cursos de

accin dentro de las entradas controlables, teniendo en cuenta varias
hiptesis de entradas incomparables, y luego se decide el mejor curso de decisin.
Pgina | 4
CONCEPTOS DE CIRCULOS DE CALIDAD

FUNCIONALIDAD:
Estos se pueden dividir en 6 puntos bsicos los cuales:
1. Entre los miembros enlistan los problemas que hay

2. Por votacin se selecciona un problema
3. Lo analizan y toman datos para ver las causas
4. Estudian las causas y buscan la mejor solucin
5. Presentan a la gerencia su caso y proposicin
6. Implementacin el cambio y reportan resultados
Entre los miembros enlistan los problemas que hay

Los miembros del crculo se renen para exponer todos los problemas que tiene en
su rea de trabajo enlistndolos todos, sin importar si estos son grandes o pequeos,
es muy importante detectar todos los problemas que son capaces de percibir, si en el
grupo hay miembros que dicen yo no tengo problemas lo ms probables es que nos
estn diciendo sensibilzame para detectar problemas.
Por votacin seleccionan en problemas

El grupo discute los diferentes problemas que han surgido y lo analizan por su grado
de importancia, todos pueden opinar y hacer valer sus puntos de vista, bajo la coor-
dinacin del lder, quien hace las veces de mediador, procurando mantener una pos-
tura imparcial, por votacin se escoge el problema y los dems se dejan al lado
apuntados para proseguir con ellos ms adelante.
Lo analizan y toman datos para ver las causas

ZACATENCO
Una vez que tenemos todos los posibles datos que nos
orienten a la deteccin del problema, nos reunimos para discutir y ana-
lizarlos, es posible que la causa principal este escondida en un dato insignificante, as
que no hay que menospreciar ningn tipo de informacin, al igual que cuando va-
mos a curar una enfermedad, hacemos unos anlisis y tomamos todos los datos del Pgina | 5
enfermo para ubicarnos en todos los datos del enfermo para ubicarnos en todas las
posibles causas del problema y la toma de datos, tales como, cantidades de defectos
por da, tipos de errores detectados, desperdicios de material, quejas de los clientes,
das de atraso en las entregas.
Estudian las causas y encuentran la mejor solucin

En la poltica delos crculos de calidad definitivamente no sealar culpables, si no en-
contrar soluciones en los problemas, la tendencia natural de todos es pasar la culpa
a alguien, por el efecto negativo es que el sealado deja de participar y se vuelve re-
celoso afectando de paso a los menos seguros, si acostumbramos a nuestro grupo a
nuestro a pesar en cmo solucionar, esto infunde confianza y si hay algn causante,
este senta el compromiso moral de evitar que vuelva a suceder.
Sabiendo la verdadera causa del problema, es fcil encontrar la mejor solucin, to-
dos pueden opinar cual ser la mejor solucin, pero la decisin se hace por con-
senso de las mayoras, es decir por votacin.
Presentan a la gerencia su caso y proposicin

El facilitador nos indica ante quien debe reportarse el proyecto, ya que dependiendo
del rea o de la importancia del cambio, ser el nmero de gerentes que tenemos
que enviar a la presentacin, lo normal es reportar al gerente del que depende el de-
partamento, el circulo de calidad se prepara para explicar en qu consiste el pro-
blema, cules fueron los datos obtenidos y cul es su proposicin de solucin, utili-
zando todas las hojas de trabajo para facilitar en entendimiento, donde la gerencia
escucha la proposicin, si tiene dudas, pregunta al grupo respecto de ellas, si est de
acuerdo autoriza la implantacin, pero por si alguna causa no considera buena la so-
lucin, explica al grupo su punto de vista y los motiva a buscar otra solucin ms via-
ble, la experiencia nos dice que ms del 85% de las sugerencias, se aprueban de in-
mediato y el resto, algunas no se aceptan de inmediato porque representan un
gasto que hay que reprogramar, quedando menos del 10% en las rechazadas.
ZACATENCO
Implementacin el cambio y reportan resultados

En esta sin duda la parte ms importante del proyecto, ya que es en la
implementacin en donde, vamos a ver si realmente todo lo que hicimos fue acer-
tado, volvemos a tomar datos despus de realizado el cambio, si es necesario du-
rante unos das, una semana o mensualmente, segn sea el caso, para que con ello Pgina | 6
registremos el comparativo del antes y despus, llevando un control estadstico, los
nmeros nos informaran claramente que porcentaje de mejora hubo.
CONCEPTOS BASICOS DE ESTADISTICA

El concepto de estadstica en tan amplio que se apoya en las matemticas para dar
solucin a problemas generales amplios, con el razonamiento lgico de las solucio-
nes y sus aplicaciones podra ser un muestreo, toma de decisiones, funciones, fre-
cuencias, medida descriptivas numricas, medidas de tendencia central, muestreo,
desviacin estndar, varianza, etc.
La estadstica es comnmente considerada como una coleccin de hechos numri-

cos expresados en trminos de una relacin sumisa y que han sido recopilados a
partir de otros datos numricos.
La estadstica es una tcnica especial apta para el estudio cuantitativo de los fenme-
nos de masa o colectivo, cuya mediacin requiere una masa de observaciones de
otros fenmenos ms simples llamados individuales o particulares.
ZACATENCO
Pgina | 7
INTRODUCCION ALA ESTADISTICA DESCRIPTIVA

La estadstica descriptiva es una ciencia que analiza serie de datos y trata de extraer
conclusiones sobre el comportamiento de estas variables.
Las variables pueden ser de dos tipos:
Variables cualitativas o atributos: no se puede medir numricamente por ejemplo

(nacionalidad, color de piel)
A continuacin se citan algunos ejemplos de variables cualitativas:
Ejemplos de variables cualitativas son:

ZACATENCO
1.- La belleza, es una variable cualitativa (un concepto), que

solo puede ser medido por la persona que interpreta el valor que tiene alguien o algo,
en cuanto a la cualidad de belleza que se le atribuye, ms no de manera numrica.
Pgina | 8
2.- Utilidad es una variable cualitativa, la persona es la que le da un valor mayor o
menor, de utilidad, a alguna cosa, pudiendo variar esa utilidad, dependiendo de la
persona o de la situacin que se presente en concreto.
3.- El Miedo es una variable cualitativa. El miedo no puede ser medido numrica-
mente, es una sensacin que vara de persona en persona, en cuanto a tal o cual
hecho, suceso o cosa.
Variables cuantitativas tienen valor numrico (edad,

precio de un producto, ingresos anuales)
A continuacin se citan algunos ejemplos de variables cuantitativas:
1.- El nmero de hijos en una familia,
2.- el nmero de carros de la familia,
3.-el nmero de exmenes en el semestre.
4.-el nmero de ojos en una persona
5.- El numero de animales en una granja. Todos son enteros no puedes tener 0,5 hi-
jos 0 4,6 vacas.
Tambin podemos mostrar unas diferencias en-

tre ambas:
ZACATENCO
Pgina | 9
ZACATENCO
Las variables tambin se pueden clasificar en:

Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas.
Pgina | 10
Discretas: solo pueden tomar valores enteros.
Continuas: pueden tomar cualquier valor real dentro de un intervalo
Cuando se estudia el comportamiento de una variable hay que distinguir los siguien-
tes conceptos:
Individuo: cualquier elemento que porte informacin sobre el fenmeno que se es-
tudia. As, si estudiamos la altura delas nias de una clase, cada alumno es un indivi-
duo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.
Poblacin: conjunto de todos los individuos que porten informacin sobre el fen-
meno que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciu-
dad, la poblacin ser el total de las viviendas de dicha ciudad.
Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio

de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las
viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccionar
un subgrupo (muestra) que se entienda que es suficientemente representativo.
Desviacin estndar: la desviacin estndar () mide cuanto se sepan los datos
La frmula es fcil: es la raz cuadrada de la varianza. As que es la varianza:
Varianza: la varianza (que es el cuadrado de la desviacin estndar 2 ) se define as:
Es la medida de las diferencias con la media elevadas al cuadrado
La distribucin de frecuencia es la representacin estructurada, en forma de tabla de

toda la informacin que se ha recogido sobre la variable que se estudia.
Frecuencia absoluta: es el nmero de veces que aparece un determinado valor en

un estudio estadstico (ni).
ZACATENCO
Frecuencia relativa: (fi) es el cociente entre la frecuencia

absoluta y el tamao de la muestra (N) es decir. Fi= ni/N.
Medidas de posicin central: estas nos facilitan informacin sobre la serie de datos
que estamos analizando. Estas medidas permiten conocer diversas caractersticas de
Pgina | 11
esta serie de datos.
Las medidas de posicin son de dos tipos:
a) Medidas de posicin central: informan sobre los valores medios de la serie de

datos.
b) Medidas de posicin no centrales: informan de como se distribuye el resto de
los valores de la serie.
Para ello podemos describirlas de la siguiente manera:
a) Medidas de posicin central

Las principales medidas de posicin central son las siguientes:
1. Media: es el valor medio ponderado de la serie de datos se puede calcular de

diversos tipos de media, siendo las mas utilizadas.
Media aritmtica: se calcula multiplicando cada valor por el numero de veces

que se repite. La suma de todos estos productos se divide por el total de datos
de la muestras
Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido.

Se multiplican todos estos resultados y al valor final se le calcula la raz n,
(siendo n el total de datos de la muestra).
ZACATENCO
2. Mediana: es el valor de la serie de datos que se sita justamente en el centro

de la muestra (un 50% de valores son inferiores y otro 50% son superiores)
3. Moda: es el valor que ms se repite en la muestra. Pgina | 12
Medidas de dispersin
Estas estudian la distribucin de los valores dela serie, analizando si estos se encuen-
tran ms o menos concentrados, o ms o menos dispersos.
Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las
siguientes:
1. Rango: mide la amplitud de los valores de la muestra y se calcula por diferen-

cia entre el valor ms elevado y el ms bajo.
2. Varianza: mide la distancia existente entre los valores dela serie y la media. Se
calcula como sumario de las diferencias al cuadrado entre cada valor y la me-
dia, multiplicadas por el nmero de veces que se ha repetido cada valor. El su-
matorio obtenido se divide por el tamao de la muestra:
La varianza siempre ser mayor a cero. Mientras mas se aproxima a cero, ms

concentrados entran los valores de la serie alrededor de la media. Por el contrario
entre ms mayor sean, estn ms dispersos.
3. Desviacin tpica: se calcula como raz cuadrada de la varianza

4. Coeficiente de variacin de Pearson: se calcula como cociente entre la desvia-
cin tpica y la media (cuando se quiere comparar el grado de dispersin de 2
distribuciones).
ZACATENCO
Regresin lineal
Representamos en un grfico los pares de valores de una distribucin bidimensional:

la variable x en el eje horizonte o eje de abscisa, y la variable y en el eje vertical, o
eje de ordenada. El coeficiente de correlacin lineal nos permite determinar si, efecti-
Pgina | 13
vamente, existe relacin entre las dos variables.
En ello podemos determinar unos puntos de cierta importancia:
ESPACIO MUESTRAL
Son datos obtenidos al observar eventos no controlables en la naturaleza o bien
bajo condiciones controladas en un observatorio, con el objeto de simplificar la ter-
minologa convngase en una sola palabra que sea utilizada para describir cualquier
de los procedimientos de recoleccin de informacin se define el experimento.
Un experimento: es el proceso por medio del cual una observacin es registrada.
Espacio maestral: es conjunto de todos los puntos mustrales de un experimento, y

es representado por el smbolo S, se dice que la S es la totalidad de puntos mustra-
les.
Evento: es una coleccin especfica de puntos mustrales.
Evento simple: un evento que no puede ser descompuesto y se denotan por la letra
E con subndices.
ZACATENCO
Evento compuesto: los eventos A, B, C, etc. Son eventos

compuestos si se componen de dos o ms eventos simples.
Interseccin: sea A y B dos eventos en el espacio muestral S, la interseccin de A y B

es el evento que contiene a los puntos mustrales que estn en ambos A y B, la inter-
Pgina | 14
seccin de los eventos A , B se representan por el smbolo AB o AB/
La interseccin AB es el evento de ambos Ay B ocurra, aparecer en un diagrama de

ven como el rea comn de A y B, la interseccin A.
Complemento: de un evento A es la coleccin de todos aquellos puntos mustrales

que estn en el espacio muestral S pero que no estn en A, el complemento de A se
denota como .
ZACATENCO
Pgina | 15
A continuacin podemos citar algunos ejemplos en los que podemos representar el

cmo evaluar y aplicar las intersecciones en la probabilidad:
ZACATENCO
Pgina | 16
TEORIA DE BAYES
ZACATENCO
Cuando se habla de probabilidad condicional, se busca la

probabilidad de cierto evento A dado que otro evento (B) ha ocurrido,
se piensa en general que (A) es un evento final, de alguna manera un efecto, para el
cual (B) es una causa posible y que ambos se encuentran ordenados en el tiempo.
Pgina | 17
PERMUTACIONES Y COMBINACIONES
Permutaciones: Un arreglo ordenado de objetos distintos es llamado una permu-
tacin, el nmero total de maneras para ordenar (n) objetos distintos tomados
cada vez se designa por el smbolo.
Una permutacin es un arreglo de todos o parte de un conjunto de objetos, sea de

cuantas formas diferentes se pueden hacer las combinaciones.
Y a continuacin se muestra la frmula:

ZACATENCO
Pgina | 18
COMBINACIONES
Es el nmero de combinaciones de (n) objetos tomados r cada vez se denota por el
smbolo
El nmero de combinaciones de (n) objetos tomados r cada vez se puede obtener

de la frmula del cuadro que sigue:
ZACATENCO
A continuacin citamos un ejemplo:

Pgina | 19
Combinaciones: nmero de formas diferentes que se pueden seleccionar
n objetos de un total de N objetos distintos sin importar el orden
A continuacin se muestra la formula por la cual podemos determinar

combinaciones:
ZACATENCO
DISTRIBUCION DE PROBABILIDAD PARA VARIABLES

Pgina | 20
ALEATORIAS DISCRETAS
Una variable aleatoria discreta: es aquella que toma, a lo ms de una cantidad nume-
rable de valores distintos, innumerables y se pueden asociar a enteros 1,2,3,4; y se
pueden numerar y tomar valores finitos e infinitos. Ejemplos:
El nmero de automviles vendidos en un mes

El nmero de accidentes ocurridos en una determinada semana en una
planta
El nmero de clientes esperando servicio en la caja de un sper mercado
El nmero de tubos electrnicos de televisin producidos en una hora
Las distribuciones de variables discretas ms importantes son: distribucin binominal,
distribucin binominal negativa, distribucin de poisson, distribucin geomtrica,
distribucin hipergeometrica, distribucin de Bernoulli.
Estas son consideradas como variables aleatorias que toman a lo ms una cantidad
numrica de valores distintos y se denominan variables discretas, en donde en las
reas de negocios y economa se abundan los ejemplos las cuales estn relacionadas
con tres: binomial, poisson, e hipergeometrica=, las cuales se vern ms adelante
que son de gran aplicacin en los modelos
DEFINICION DE VARIABLES ALEATORIAS

La mayor parte de los hechos de la vida cotidiana, as como los experimentos de la-
boratorio generan resultados que se pueden interpretar en trminos de nmeros
reales, como por ejemplo: el tiempo de servicio de un cajero en un banco, la estatura
de algunos nios, el nmero de votantes a favor de un candidato, la demanda de
petrleo, estos resultados numricos cuyos valores pueden cambiar de un da o de
un experimento a otro.
ZACATENCO
Pgina | 21
Una variable aleatoria continua es aquella que puede tomar cualquier valor entre to-
dos los contenidos en un intervalo de recta:
El tiempo necesario para completar el ensamblaje de un artculo en una

planta
La cantidad de petrleo bombeado cada hora en un pozo
La cantidad en miligramos de monxido de carbono contenido en un metro
cubico de aire
La cantidad de energa elctrica producida en una planta hidroelctrica en un
da.
A continuacin podemos citar algunas frmulas de los antes mencionados y algunas
graficas con las cuales podemos guiarnos:
ZACATENCO
Pgina | 22
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta

que cuenta el nmero de xitos en una secuencia de n ensayos de Bernoulli inde-
pendientes entre s, con una probabilidad fija p de ocurrencia del xito entre los en-
sayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo
son posibles dos resultados. A uno de estos se denomina xito y tiene una probabili-
dad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribu-
cin binomial el anterior experimento se repite n veces, de forma independiente, y
se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1,
la binomial se convierte, de hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de pa-
rmetros n y p, se escribe:
ZACATENCO
Pgina | 23
Su funcin de probabilidad es
Donde
Siendo las combinaciones de en ( elementos
Tomados de en )
DISTRIBUCION HIPERGEOMETRICA
En teora de la probabilidad la distribucin hipergeomtrica es una dis-

tribucin discreta relacionada con muestreos aleatorios y sin reemplazo. Su-
ponga que se tiene una poblacin de N elementos de los cuales, d pertenecen a la
categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad de ob-
tener x ( ) elementos de la categora A en una muestra sin reemplazo de
n elementos de la poblacin original.
La funcin de probabilidad de una variable aleatoria con distribucin hipergeom-

trica puede deducirse a travs de razonamientos combinatorios y es igual a
Donde es el tamao de poblacin, es el tamao de la muestra extrada, es el

nmero de elementos en la poblacin original que pertenecen a la categora
ZACATENCO
Deseada y es el nmero de elementos en la muestra que pertenecen a dicha cate- Pgina | 24
gora. La notacin hace referencia al coeficiente binomial, es decir, el nmero de

combinaciones posibles al seleccionar elementos de un total .
El valor esperado de una variable aleatoria X que sigue la distribucin hipergeom-

trica es
y su varianza,
En la frmula anterior, definiendo
Se obtiene
ZACATENCO
Pgina | 25
DISTRIBUCION DE POISSON
En teora de probabilidad y estadstica, la distribucin de Poisson es una dis-

tribucin de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado nmero de even-
tos durante cierto perodo de tiempo. La funcin de masa o probabilidad de la distri-
bucin de Poisson es
DISTRIBUCION GEOMETRICA
En teora de probabilidad y estadstica, la distribucin geomtrica es cualquiera de

las dos distribuciones de probabilidad discretas siguientes:
la distribucin de probabilidad del nmero X del ensayo de Bernoulli necesa-

ria para obtener un xito, contenido en el conjunto { 1, 2, 3,...} o
la distribucin de probabilidad del nmero Y = X 1 de fallos antes del primer
xito, contenido en el conjunto { 0, 1, 2, 3,... }.
Cul de stas es la que uno llama "la" distribucin geomtrica, es una cuestin de
convencin y conveniencia.
Si la de xito en cada ensayo es p, entonces la de que x ensayos sean necesarios

para obtener un xito es
Para x = 1, 2, 3,.... Equivalentemente, la de que haya x fallos antes del primer xito
es
Para y = 0, 1, 2,....
ZACATENCO
Pgina | 26

Modelos Estocasticos

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelos Estocasticos

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERIA Y ARQUITECTURA UNIDAD

POR: EDUARDO RAMIREZ ZARATE

LA NATURALEZA DE LOS FENOMENOS

La realidad del entorno profesional, su perfil de complejidad es todo aquello que lo

La formacin del sentido gerencial, la naturaleza importancia y complejidad del

- La calidad y la aceptabilidad de las decisiones de un gerente pueden ejercer

Los cimientos para la toma de decisiones acertadas se construyen sobre la filosofa

Significa problemas reales, el manejo concreto de lo que puede llegar a construir

Modelos deterministas versus modelos probabilsticos: debemos hacer una distincin

la toma de decisiones acertadas puede no generar buenos

Una vez conocida esta importante clasificacin delos componentes de la toma de

1. Comprensin del problema: en este punto en si se refiere y se basa mucho en

Ya teniendo la solucin estratgica de cualquier problema implica hacer determina-

La recopilacin de informacin confiable en el momento adecuado en unos compo-

la toma de decisiones. Se evalan los diversos cursos de

CONCEPTOS DE CIRCULOS DE CALIDAD

1. Entre los miembros enlistan los problemas que hay

Entre los miembros enlistan los problemas que hay

Por votacin seleccionan en problemas

Lo analizan y toman datos para ver las causas

Estudian las causas y encuentran la mejor solucin

Presentan a la gerencia su caso y proposicin

Implementacin el cambio y reportan resultados

CONCEPTOS BASICOS DE ESTADISTICA

La estadstica es comnmente considerada como una coleccin de hechos numri-

INTRODUCCION ALA ESTADISTICA DESCRIPTIVA

Las variables pueden ser de dos tipos:

Variables cualitativas o atributos: no se puede medir numricamente por ejemplo

A continuacin se citan algunos ejemplos de variables cualitativas:

Ejemplos de variables cualitativas son:

1.- La belleza, es una variable cualitativa (un concepto), que

Variables cuantitativas tienen valor numrico (edad,

1.- El nmero de hijos en una familia,

2.- el nmero de carros de la familia,

3.-el nmero de exmenes en el semestre.

4.-el nmero de ojos en una persona

Tambin podemos mostrar unas diferencias en-

Las variables tambin se pueden clasificar en:

Continuas: pueden tomar cualquier valor real dentro de un intervalo

Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio

Desviacin estndar: la desviacin estndar () mide cuanto se sepan los datos

La frmula es fcil: es la raz cuadrada de la varianza. As que es la varianza:

Varianza: la varianza (que es el cuadrado de la desviacin estndar 2 ) se define as:

Es la medida de las diferencias con la media elevadas al cuadrado

La distribucin de frecuencia es la representacin estructurada, en forma de tabla de

Frecuencia absoluta: es el nmero de veces que aparece un determinado valor en

Frecuencia relativa: (fi) es el cociente entre la frecuencia

Las medidas de posicin son de dos tipos:

a) Medidas de posicin central: informan sobre los valores medios de la serie de

Para ello podemos describirlas de la siguiente manera:

a) Medidas de posicin central

1. Media: es el valor medio ponderado de la serie de datos se puede calcular de

Media aritmtica: se calcula multiplicando cada valor por el numero de veces

Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido.

2. Mediana: es el valor de la serie de datos que se sita justamente en el centro

1. Rango: mide la amplitud de los valores de la muestra y se calcula por diferen-

La varianza siempre ser mayor a cero. Mientras mas se aproxima a cero, ms

3. Desviacin tpica: se calcula como raz cuadrada de la varianza

Representamos en un grfico los pares de valores de una distribucin bidimensional:

En ello podemos determinar unos puntos de cierta importancia:

Un experimento: es el proceso por medio del cual una observacin es registrada.

Espacio maestral: es conjunto de todos los puntos mustrales de un experimento, y