Académique Documents
Professionnel Documents
Culture Documents
GRUPO 100402_350
1
INTRODUCCCIÓN
En la actualidad se requiere de ciertos estudios que nos permita cuantificar y organizar las
estadísticas dadas por diferentes sistemas que dan datos sobre un tema específico para ello se
requiere de una herramienta o método que nos permita organizar y centrar dichos datos.
2
DESARROLLO DE LA ACTIVIDAD
CUADRO SIPNOTICO
RESUMEN 1.
RESUMEN CONCEPTOS TEORICOS DISTRIBUCION DE PROBABILIDAD BINOMIAL
HENRY SOTELO
Existe solo dos posibles resultados, éxito o fracaso, cuyos resultados son mutuamente
excluyentes.
3
El valor de la probabilidad de éxito se determina con la letra p, es constante en todas las
observaciones; la probabilidad de fracaso se determina como q, también es constante en
todas las observaciones.
p = La probabilidad de éxito.
q = (1 - p) = La probabilidad de fracaso.
x = El número de éxitos deseados.
n =El número de ensayos.
P( x) p
n
x
x
(1 p) n x
Ejemplo: supongamos que se tira una moneda al aire 5 veces. Calcular la probabilidad de que
salga cara 4 veces.
El fenómeno aleatorio sigue la distribución binomial ya que solo puede ser cara o
cruz y la probabilidad de que salga cara no está afectado por los resultados anteriores.
p = q = 0,5 (la probabilidad de que salga cara es la misma de que salga cruz = 0,5
4
P(X=3) = [5! / (3!•2!)] • 0,53 • 0,52 = 10 • 0,125 • 0,25 = 0,3125
Ejemplo tomado de
Las fórmulas para hallar la media y desviación estándar de una distribución binomial se simplifica
ya que solo hay dos posibles resultados y son:
Donde
npq
Donde
5
Q = La probabilidad de tener un fracaso.
Ejemplo: La probabilidad de que un artículo producido por una fábrica sea defectuoso es 0.02. Se
envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de
artículos defectuosos, la varianza y la desviación típica.
Ejemplo tomado de
https://www.vitutor.com/pro/3/b_3.html
Distribución binomial generalizada
La distribución binomial generalizada o distribución binomial acumulativa se utiliza para hallar una
combinación de posibles resultados, utilizando una tabla de probabilidades acumuladas o
acumulativas, en donde los resultados individuales son sumados y como beneficio se encuentra el
ahorro de tiempo en el cálculo y la disminución de errores en el resultado.
6
x P[X=x] P[X=xi] P[X≤xi]
0 P[X=0] 4,5657E-06 4,5657E-06
1 P[X=1] 0,00013336 0,00013793
2 P[X=2] 0,00170423 0,00184216
3 P[X=3] 0,01244484 0,014287
4 P[X=4] 0,05679767 0,07108466
5 P[X=5] 0,16590203 0,23698669
6 P[X=6] 0,30286765 0,53985434
7 P[X=7] 0,31594832 0,85580266
8 P[X=8] 0,14419734 1
P( x 5) P( x 0) P( x 1) P( x 2) P( x 3) P( x 4) P( x 5)
P( x 5) (0,785)
8
0
0
(0,215) 8 (0,785)
8
1
1
(0,215) 7 (0,785)
8
2
2
(0,215) 6
(0,785)
8
3
3
(0,215) 5 (0,785)
8
4
4
(0,215) 4 (0,785)
8
5
5
(0,215) 3
P( x 5) 0,2369
RESUMEN 2.
Distribución de Poisson
ANDREA CASTIBLANCO
7
Esta distribución debe su nombre al matemático francés Simón Poisson (1781-1840), quien
estableció su modelo.
Existen fenómenos o experimentos en los que los eventos ocurren en intervalos continuos de
tiempo o espacio (áreas y volúmenes), donde sólo importa la ocurrencia del fenómeno, ya que la
no ocurrencia no tiene sentido. Por ejemplo, si en cierta región ocurren en promedio 2 terremotos
por año, la variable aleatoria será el número de terremotos por año y es claro que no tiene
sentido hablar del número de no terremotos por año. Lo mismo sucede para otros fenómenos,
como el número de errores en una página, derrumbes anuales en una región montañosa,
accidentes de tráfico diarios en cierto crucero, personas atendidas en un banco en un período de
10 minutos, partículas de polvo en cierto volumen de aire, nacimientos de niños en un periodo de
tiempo, rayos que caen en una tormenta, llamadas que llegan a un conmutados telefónico en un
minuto, insectos por planta en un cultivo, etc. También es de importancia mencionar que cada
ocurrencia puede considerarse como un evento en un intervalo de tiempo determinado.
Si consideramos que:
1. La esperanza de ocurrencia de un evento en un intervalo es la misma que la esperanza de
ocurrencia del evento en otro intervalo cualesquiera, sin importar donde empiece el intervalo
2. Que las ocurrencias de los eventos son independientes, sin importar donde ocurran
3. Que la probabilidad de que ocurra un evento en un intervalo de tiempo depende de la
longitud del intervalo
4. Que las condiciones del experimento no varían, y
5. Que nos interesa analizar el número promedio de ocurrencias en el intervalo
Entonces se puede afirmar, que la variable aleatoria mencionada en los fenómenos descritos es
una variable de Poisson.
ESTUDIO DE CASO 11
Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles. La
probabilidad de que la variable aleatoria X tome el valor específico x se representa por medio de
P(X = x). La función de probabilidad de una variable aleatoria es una representación de las
probabilidades de todos los resultados posibles. Esta representación podría ser algebraica, gráfica
1
Tomado y adaptado Newball P., Estadística para administración y economía. 6ª edición Pearson. 2008
8
o tabular. En el caso de las variables aleatorias discretas, un sencillo método es enumerar las
probabilidades de todos los resultados posibles de acuerdo con los valores de x.
Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Si X es la variable que representa el número de usuarios que la empresa debe atender a la hora
de inicio del servicio, con base en esta información y haciendo uso de los conceptos de variables
aleatorias discretas y función de probabilidad, prepare un informe en el que debe incluir como
mínimo lo siguiente
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa
Solución
9
X 0 2 3 5 6 8 10 12 15
𝑓(𝑥) 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Valores Y
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 2 4 6 8 10 12 14 16
X 0 2 3 5 6 8 10 12 15
𝐹(𝑋 ≤ 𝑥) 0.02 0.07 0.19 0.37 0.5 0.66 0.8 0.92 1
10
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho
usuarios del barrio esperando el servicio
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio
𝐸(𝑋) = ∑ 𝑋𝐼 𝑃(𝑥𝑖 )
Desviación estándar = √𝜎 2 = 𝜎
𝜎 = √14.5529605 = 3.81483427
11
ESTUDIO DE CASO 22
HENRY SOTELO
Una de sus características consiste en que sólo hay dos posibles resultados en un determinado
ensayo del experimento y los resultados son mutuamente excluyentes; Otra característica de la
distribución binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es decir,
se cuenta el número de éxitos en el número total de ensayos. Una tercera característica de una
distribución binomial consiste en que la probabilidad de éxito es la misma de un ensayo a otro.
2
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
12
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8 vehículos
utilicen cinturón de seguridad
6. Número de vehículos esperado en los que los ocupantes de la parte delantera utilizan el
cinturón de seguridad.
SOLUCION
Existe solo dos posibles resultados, éxito o fracaso, en el caso del ejercicio usar el cinturón
de seguridad o no usar el cinturón de seguridad.
13
2. Diagrama de barras de la distribución de probabilidad binomial
P[X=xi]
35.00%
30.00%
25.00%
20.00%
Series1
15.00%
10.00%
5.00%
0.00%
0 1 2 3 4 5 6 7 8
P[X≤xi]
14
100.00%
90.00%
80.00%
70.00%
60.00%
50.00% Series1
40.00%
30.00%
20.00%
10.00%
0.00%
0 1 2 3 4 5 6 7 8
P ( x ) f ( x, p , n ) p
n
x
x
(1 p) n x
n8
x5
p 0,785
1 p 0,215
P( x 5) (0,785)
8
5
5
(0,215) 85
P( x 5) 56 0,2980 0,0099
15
P( x 5) 0,1658
4.
P( x 5) P( x 5) P( x 6) P( x 7) P( x 8)
P( x 5) (0,785)
8
5
5
(0,215) 3 (0,785)
8
6
6
(0,215) 2 (0,785)
8
7
7
(0,215)1
(0,785)
8
8
8
(0,215) 0
P( x 5) 0,9284
5.
P( x 5) P( x 0) P( x 1) P( x 2) P( x 3) P( x 4) P( x 5)
16
P( x 5) (0,785)
8
0
0
(0,215) 8 (0,785)
8
1
1
(0,215) 7 (0,785)
8
2
2
(0,215) 6
(0,785)
8
3
3
(0,215) 5 (0,785)
8
4
4
(0,215) 4 (0,785)
8
5
5
(0,215) 3
P( x 5) 0,2369
6.
x E X np
n8
p 0,785
E X np 8 0,785 6,28
ESTUDIO DE CASO 33
3
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
17
Baloto es un juego novedoso de tipo loto en
línea, de suerte y azar, donde el
jugador elige 5 números del 1 al 43 y
una súper balota con números del 1 al 16 a
través de una terminal de venta.
El juego consiste en acertar 5, 4 o 3
números en cualquier orden de una matriz
del 1 al 43 y otro número (super balota) del
1 al 16.
El jugador señala en un tarjetón los 6 números que escoge. Los números están representados en
43 balotas amarillas numeradas del 1 al 43 y 16 balotas rojas numeradas del 1 al 16. Cada
número aparece una sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio
acumulado se entrega a quien haga coincidir los seis números. En la tabla aparecen las opciones
para ganar
18
Esta situación cumple con los supuestos de la distribución hipergeométrica debido a que
cada variable aleatoria tiene dos posibles resultados, éxito o fracaso, en este caso según la
elección de las balotas, además cumple con que se busca obtener el número de éxitos, el
tamaño de muestra es mayor a uno y finalmente los n elementos de la muestra aleatoria
son dependientes debido a que la extracción de una balota influye en el resultado final del
baloto teniendo en cuenta que son sin reemplazo.
𝑚 𝑁−𝑚
( )( )
𝑘 𝑛−𝑘
𝑃(𝑥) =
𝑁
( )
𝑛
Donde
𝑎 𝑎!
( )=
𝑏 (𝑎
𝑏! − 𝑏)!
R/
N = 43
R=6
n= 5
N: Total de la muestra
R: Cantidad de éxitos
19
P(X) = (CR,X * CN-n,R-X) / CN,n
3. La empresa encargada del sorteo informa que Hasta el sorteo anterior, la posibilidad de
“pegarle al gordo” era de 1 en 8 millones, mientras que ahora será de 1 en 15 millones.
Explique esta afirmación.
R/ Se acrecienta la poca probabilidad por ser un sorteo sin reemplazo, adicional ya al ya
ocurrir un sorteo favorable la probabilidad disminuye.
4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad de obtener los
premios que incluyen acertar la súper balota.
R/
5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper balota.
R/ 0%
ESTUDIO DE CASO 5 4
4
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
20
El Coeficiente intelectual C.I. de un individuo es medido en una escala que va de 45 a 155. Un C.I.
de 100 es el promedio. En la figura siguiente se puede ver que la mayoría de la población tiene el
C.I. alrededor de 100. Existen menos personas que tienen el CI menor a 85 y muy pocos tienen el
CI por encima de 115.
Una empresa que recluta personal para multinacionales, aplica un test de inteligencia a todos los
posibles candidatos. Una persona que desea ser contratada, acaba de presentar el test y le
informan que ha obtenido C.I. igual a 95.
Asumiendo que las puntuaciones en un test de inteligencia se distribuyen normalmente y sabiendo
que las puntuaciones CI tienen promedio 100 y desviación estándar 15, usted debe presentarle un
informe acerca de sus resultados.
Usando sus conocimientos sobre la distribución de probabilidad normal, presente un informe que
como mínimo contenga:
21
* Extraida De https://es.slideshare.net/lorenainzunza/dnormal
22
𝜇 = 𝑚𝑒𝑑𝑖𝑎
𝜇 = 100
𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛
𝜎 = 15
La variable aleatoria X sigue una distribución normal de media (𝜇 ) 100 y desviación estándar
(𝜎) 15
X~N(100,15) → Z~N(0,1)
X~N(100,15) → Z~N(0,1)
𝑃 [𝑿 ≤ 𝟗𝟓 ]
𝑋−𝜇 95−100 −5
𝑍[ ] = 𝑍[ ] = 𝑍[ ] = -0.33 = 𝑃 [𝑍 ≤ −𝟎. 𝟑𝟑 ]
𝜎 15 15
(No es un caso base por ser negativo, hay que dejarlo positivo)
23
2. Porcentaje de personas podrían tener un C.I. superior a 95.
𝑃 [𝑿 > 𝟗𝟓 ]
_
P (A) = 1 − P(A) Se toman como base los datos del ejercicio anterior.
P (A) = 1 − P(0.37)
_
P(A) = 1 − 0.37
_
P(A) = 0.63
𝑷 [𝟖𝟓 ≤ X ≤ 𝟗𝟎]
X~N(100,15) → Z~N(0,1)
X−μ 85−100
X = 85 → = = −1 → Z = −1
σ 15
X−μ 90−100
X = 90 → = = −0.6 → Z = −0.66
σ 15
24
𝑷 [𝟏 − 𝟎. 𝟕𝟒𝟓𝟒] = 𝟎. 𝟐𝟓𝟒𝟔
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior (puntuación de CI que deja el 30% de sujetos por debajo).
Me están dando el porcentaje, debo revisar en la tabla, como no está la única forma que se me
ocurre es desestandarizar:
𝑷 [𝟏 − 𝟎. 𝟕𝟎𝟏𝟗] = 𝟎. 𝟐𝟗𝟖𝟏
Reemplazando:
𝑋−𝜇 𝑋−100
𝑍[ ] = −0.53 [ ] = Despejar la ecuación −0.53 ∗ 15 + 100 = 𝑥
𝜎 15
𝟗𝟐. 𝟎𝟓 = 𝒙
X−μ 92 − 100
X = 92 → = = −0.53 → Z = −0.53
σ 15
𝑷 [𝟏 − 𝟎. 𝟕𝟎𝟏𝟗] = 𝟎. 𝟐𝟗𝟖𝟏
25
29.81 %
La puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior es del 92.
Para la solución de este ejercicio se me hace más fácil hallar la puntuación que saca el 90% de las
personas.
Para ello debo buscar en la tabla el valor que más se aproxima al 90%, para este caso es buscar
el 0.90 o lo que más se aproxime, en este caso sería 1.27
La Zeta sería 1,27, este sería el valor que saca el 90% de las personas.
X−μ X−100
Z[ ] = 1.27 = [ ] = 1.27 ∗ 15 + 100 = x = 119.05 = x
σ 15
119−100 119−100
P [X ≥ 119] = Z [ ] = Z[ ] = Z = 1,266
15 15
26
La Puntuación de C.I. que es superada solo por el 10% de los sujetos está por encima del 119
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
Para conocer los valores entre los que se encuentra el 50% de los sujetos, me parece que lo más
conveniente es sacar el intervalo de confianza.
μ = 100
σ = 15
Tengo que encontrar las Zetas que encierre el 50% de la población.
Busco el valor que deje a su izquierda el 75% osea que busco en la tabla el 0.75
27
En la tabla de Distribución Normal 0,1 el valor esta en 0,67; ahora debo convertirlo a datos de
valores.
x1 −100
−0.67 = = −0.67 ∗ 15 + 100 = x1 = 89.95
15
x2 −100
0.67 = = 0.67 ∗ 15 + 100 = x2 = 110.05
15
28
BIBLIOGRAFÍA
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a 278.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=1101
3767&tm=1470693471527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página 178
a 222. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docID=1043
6604&tm=1470693651415
29