Vous êtes sur la page 1sur 7

PROBABILIDAD. Una probabilidad es un valor numérico que representa la oportunidad o posibilidad de que un evento en particular ocurra, tal como el aumento en el precio de una acción, un dia lluvioso, una unidad de producción no conformada, o que caiga el cinco al lanzar le dado.

Se define como el cociente de números

entre dos casos

posibles entre el número total de datos.

FORMULA

Es un conjunto universal de los elementos que tienen correspondencia con los resultados de algún experimento.

PUNTOS MUÉSTRALES.

Es un experimento a los resultados que corresponden a cada uno de los elementos se le define como puntos muéstrales.

EVENTO.

Es cualquier subconjunto de un espacio muestral.

DIFERENCIAS DE PROBABILIDAD. Principio de razón insuficiente. Este principio es fundamental para elegir uno de los resultados o sucesos, esto quiere decir que todos los sucesos, tienen la misma probabilidad de ser elegidos. FORMULA

Los sucesos deben de ser simétricos lo que limita mucho su aplicación dado que los problemas económicos de negocios y financieros no guardan simetría.

FRECUENCIA RELATIVA.

Es la razón que guarda en un suceso la aparición de un evento con respecto con un número.

ENFOQUE SUBJETIVO.

La probabilidad de ocurrencia de un suceso se interpreta como una medida de esperanza que se le asigna a dicho suceso.

AXIOMAS PROBABILISTICOS. Axioma de incertidumbre La medida de que ocurra todo el espacio muestral es uno.

Axioma de positividad. Nunca será negativa la probabilidad de ningún evento.

Tomando los dos axiomas anteriores tenemos que la probabilidad de cualquier evento varia entre 0 y 1.

Ing. Erika J. González Hurtado. Modelos estocásticos.

REGLAS BÁSICAS DEL CÁLCULO DE PROBABILIDAD.

Eventos traslapados o mutuamente excluyentes.

P (AUB) = P (A) + P (B) P (A n B)

Eventos disjuntos o no excluyentes.

P (AUB) = P (A) + P (B)

Eventos independientes

P (A n B) = P (A) + P (B)

Eventos de dependientes.

P (AnB) = P (A) * P (B / A)

FORMULA

Eventos complementarios.

P(A´)=1-P(A)

A´= es el área rayada, es decir todo lo que esta fuera de A.

Ing. Erika J. González Hurtado. Modelos estocásticos.

Para ocupar puestos de analistas de sistemas en una gran empresa en el último año, 40 contaban con un gran curricular, y 30 tenían título profesional, sin embargo 20 de los solicitantes tenían

experiencia profesional como título de modo que han sido incluidos en ambos conteos. Elabore un diagrama de Ven para estos eventos. Cuál es la probabilidad para que un solicitante aleatoriamente elegido tenga ya experiencia laboral o título o ambos. Cuál es la probabilidad de que un solicitante aleatoriamente elegido ya sea experiencia laboral o título, pero no ambos. Para ocupar puestos de analistas de sistemas en una gran empresa en el último año, 40 contaban con un gran curricular, y 30 tenían título profesional, sin embargo 20 de los solicitantes tenían experiencia profesional como título de modo que han sido incluidos en ambos conteos.

1. Elabore un diagrama de Ven para estos eventos.

2. Cuál es la probabilidad para que un solicitante aleatoriamente elegido tenga ya experiencia laboral o título o ambos.

3. Cuál es la probabilidad de que un solicitante aleatoriamente elegido ya sea experiencia laboral o título, pero no ambos.

Ejemplo 2 En general la probabilidad de que un prospecto realice una compra después de haber sido contactado por un vendedor es igual a P=.40. Si un vendedor selecciona aleatoriamente a 3 prospectos y establece contacto con ellos: ¿cual es la probabilidad de que los tres realicen una compra? Puesto que se supone que las acciones de los prospectos son independientes entre si se aplica la regla de la multiplicación para eventos independientes

Ing. Erika J. González Hurtado. Modelos estocásticos.

DISTRIBUCIONES DE PROBABILIDAD

1. Variables aleatorias discretas.

2. Binomial

3. Hipergeométrica

4. Poisson

VARIABLES ALEATORIAS DISCRETAS

Una variable aleatoria es un evento numérico cuyo valor se determina por un proceso aleatorio cuando a todo los posibles valores numéricos de una variable aleatoria “x” se les asignan valores de probabilidad ya sea mediante un listado o una función matemática el resultado es una función de probabilidad. La suma de las probabilidades de todos los resultados numéricos posibles debe de ser igual a 1. Valores de probabilidad iguales pueden denotarse con el símbolo F(x), lo que involucra el uso de una fórmula matemática con: P(x=X) que advierte que la variable aleatoria puede tener varios valores específicos, o simplemente P(x). Una variable discreta es una variable aleatoria que puede tomar o asumir un número contable de valores. Una variable aleatoria continua es una variable aleatoria que puede tomar un número infinito de valores que corresponden a los puntos de un intervalo en una recta.

La distribución de probabilidad P(x), para una variable aleatoria discreta es una formula, una tabla

o una gráfica que proporciona la probabilidad asociada a cada valor de la variable aleatoria, cumpliendo con las siguientes condiciones:

1)

2)

0 ≤ () ≤ 1

=1

() = 1

Una variable aleatoria continua Es la que puede tomar un número infinitamente grande de valore

que corresponde a los puntos en un intervalo de una recta. Las estaturas y los pesos de las personas, el tiempo entre dos eventos, la vida útli de un equipo de oficina son ejemplo típicos de variables aleatorias.

El modelo probabilístico para la distribución de frecuencias de una variable aleatoria continua

implica la selección de una curva generalmente regular o alisada a la que se le llama distribución

de probabilidad de una variable aleatoria.

Ing. Erika J. González Hurtado. Modelos estocásticos.

DISTRIBUCIÓN BINOMIAL

Es una solución de probabilidad discreta aplicable como modelo para situaciones de toma de decisiones en las que puede suponerse que un proceso de muestreo responde a un proceso de Bernoulli. Un proceso de Bernulli es un proceso de muestreo en el que:

1. En cada ensayo u observación solo son posibles dos resultados mutuamente excluyentes; por convención estos resultados se llaman éxito o fracaso

2. Los resultados de las series de ensayos u observaciones constituyen eventos independientes.

3. La probabilidad de éxito de cada ensayo indicada por P es constante de un ensayo a otro

La distribución binomial puede servir para determinar la probabilidad de encontrar un número establecido de éxitos en proceso de Bernoulli. Se requieren de tres valores:

a) El numero establecidos de éxitos (x).

b) El numero de ensayo u observaciones (n).

c) La probabilidad de éxito en cada ensayo (P).

Si “q=1-P”la fórmula para determinar la probabilidad de un numero especifico de éxitos x en una

distribución binomial es:

() =

Combinaciones =

= # de pruebas = Probabilidad de éxito en una sola prueba Faltan formulas

!

!(−)!

DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA

Recuérdese que si se selección una muestra aleatoria de consumidores de una población de consumidores el numero de usuarios que favorece un producto en específico tendría una distribución binomial cuando el tamaño muestral es pequeño respecto al numero de consumidores en la población. Cuando es grande con respecto a el numero a favor del producto tiene una distribución de probabilidad hipergeométrica; la formula esta dada de la siguiente manera:

() =

Dónde:

= Número de elementos de población = Numero de elementos que tienen una característica específica = Numero de elementos

= =

= 2 = ( − )()( − ) 2 ( − 1)

Ing. Erika J. González Hurtado. Modelos estocásticos.

ó = = √ ( 2 )()( ( − 1) )

Con base en los siguientes datos se a determinado que el número de camiones de la siguiente carga que arriba a una cierta hora determinada calcular:

1. El numero esperado de arribos por hora

2. La desviación estándar de la variable aleatoria discreta

Las observaciones durante un largo periodo muestran que un vendedor determinado puede concluir una venta en una sola entrevista con una probabilidad de 1.20. Supóngase que el vendedor entrevista a 4 prospectos:

A. Cuál es la probabilidad de que 2 prospectos compren el producto

B. Cuál es la probabilidad que al menos 2 prospectos compren el artículo

C. Cuál es la probabilidad de que todos los prospectos compren el producto.

A causa de las condiciones económicas imperantes una empresa informa que el 30% de sus cuentas

por cobrar a otras empresas comerciales están sobre vencidas. Si un contador toma una muestra

aleatoria de 5 de esas cuentas determine la probabilidad de cada uno de los siguientes eventos:

a) Ninguna de las cuentas esta sobre vencida.

b) Exactamente dos cuentas están sobre vencidas.

c) La mayoría de las cuentas están sobrevenidas.

d) Exactamente el 20% de las cuentas están sobre vencidas.

Un furgón contenía 20 computadoras electrónicas grandes, dos de las cuales estaban defectuosas;

si se selecciona al azar 3 computadoras, cuál será la probabilidad de que alguna de ellas tena

desperfectos. Cierto grupo departamental se compone de 5 ingenieros y 9 técnicos, si se elige aleatoriamente a 5

individuos para ser asignados a un proyecto. Cuál es la probabilidad de que el grupo encargado del proyecto incluya exactamente a los 2 ingenieros.

DISTRIBUCIÓN DE POISSON.

La distribución de poisson puede usarse para determinar la probabilidad de ocurrencia de un número establecido de eventos cuando estos ocurren en un continuum temporal o espacial. Este proceso se llama proceso de Poisson; aunque es semejante al proceso de Bernoulli, se distingue de el, en que los eventos ocurren a lo largo de un continuum (durante un intervalo de temporal, por ejemplo) y en que no se dan ensayos propiamente dichos. Un ejemplo de un proceso de este tipo seria la recepción de llamadas telefónicas en un conmutador. Como es el caso del proceso de Bernoulli, se supone que los eventos son independientes y el proceso estacionario. Para determinar la probabilidad de ocurrencia de un número establecido de eventos en un proceso de Poisson solo se requiere de un valor: el número medio de eventos a largo plazo en la dimensión temporal o espacial especifica de interés. Por lo general esta media se representa como (lambda

Ing. Erika J. González Hurtado. Modelos estocásticos.

griega), o en ocasiones como (mu). La fórmula para determinar la probabilidad de un número establecido de éxitos X en una distribución de Poisson es:

FORMULA

DISTRIBUCIÓN DE PROBABILIDAD NORMAL

Tabla de Z.

Ing. Erika J. González Hurtado. Modelos estocásticos.