CIENCIAS EMPRESARIALES

ESTADÍSTICA INFERENCIAL

M.Sc. Fiorella Vanessa Li Vega

fli@usat.edu.pe

www.usat.edu.pe
www.usat.edu.pe
 OBJETIVOS

 Identificar si un experimento es
binomial, Poisson o
hipergeométrico en problemas
contextualizados.
 Calcular probabilidades utilizando
las distribuciones de
probabilidades de variables
discretas y continuas más
comunes,

2 www.usat.edu.pe
 CONTENIDOS

• Distribuciones de Probabilidades de Variables

Discretas:

✓Distribución Binomial

✓Distribución Poisson

✓Distribución Hipergeométrica

• Ejercicios y aplicaciones

3 www.usat.edu.pe
 Clasificación de las Variables por su
naturaleza
• Variable: Es la característica, propiedad o atributo de la
población bajo estudio, es aquello que nos interesa
investigar.

VARIABLE

Cualitativa Cuantitativa

Discretas Continuas

4 www.usat.edu.pe
 Variables Aleatorias

Una variable aleatoria es una descripción del

resultado de un experimento que está
determinado por el azar.

Números que resultan de lanzar

un dado. (1,2,3,4,5,6)

Cantidad de caras o sellos al

lanzar una moneda.(C, S,..)

5 www.usat.edu.pe
 Tipos de Variables Aleatorias

• Variable aleatoria discreta

– Usualmente un número entero
(0, 1, 2, 3 etc.)
– Obtenida por conteo.

• Variable aleatoria continua

– Puede asumir cualquier valor
dentro de un rango dado.
– Obtenida por mediciones.

6 www.usat.edu.pe
 Variable aleatoria Discreta
Sí sólo puede tener valores enteros, que resultan de
contar algún elemento de interés.
Ej. Numero de accidentes que ocurre durante una semana, numero de
defectos de los zapatos, cantidad de libros que hay en un estante.
Sea X, Aquí los valores de X son x = 0, 1, 2, 3….

7 www.usat.edu.pe
 Variable aleatoria Continua
Sí puede asumir cualquier valor dentro de un
determinado intervalo (número infinito de valores).
Se mide.
Ej. Peso de las cajas de naranjas, altura de los pinos, duración de una
conversación telefónica.

8 www.usat.edu.pe
 Experimentos y Eventos
¿Cuál es la probabilidad de que 1 visitante compre
si se analiza la decisión de compra de 3 clientes?

Considere el experimento aleatorio en el que sean:

C el resultado (Evento) de que un cliente decide comprar
S el resultado (Evento) de que un cliente decide no comprar
Nos interesa contar:
el número de clientes que deciden comprar al analizar
cada 3 clientes.

Luego, los posibles resultados combinados pueden ser mejor

visualizados, mediante la construcción de el árbol de decisión de
éste experimento :

9 www.usat.edu.pe
 C CCC (3) 0.53=0.125

C
S CCS (2) 0.53=0.125

C CSC (2) 0.53=0.125

C S

S CSS (1) 0.53=0.125

Número de Compras C SCC (2) 0.53=0.125

S C
S SCS (1) 0.53=0.125

C SSC (1) 0.53=0.125

S

S (0) 0.53=0.125
SSS

10 www.usat.edu.pe
 • El espacio muestral para este experimento será: SSS, SSC,
SCS, SCC, CSS, CSC, CCS, CCC.
Entonces, los posibles valores de:
X (número de compras que realiza un cliente): x = 0,1,2,3.
▪ El resultado “cero compras” ocurrió una vez.
▪ El resultado “una compra” ocurrió tres veces.
▪ El resultado “dos compras” ocurrió tres veces.
▪ El resultado “tres compras” ocurrió una vez.
Número de Resultados Favorables
Prob =
Número de Resultados Posibles

(css), (scs), (ssc) 3

= = 0.375
(ccc ), (ccs ), (csc),(css), (scc), (scs), (ssc), (sss) 8

11 www.usat.edu.pe
 Experimento: Analizar la decisión de compra de 3
clientes.

Variable Aleatoria X: Número de compras que realiza

un cliente.
N° Compras fi Probabilidad
Distribución de Probabilidades
0 1 0.125
1 3 0.375 1
2 3 0.375 0 .9

Probabilidad
0 .8
3 1 0.125 0 .7
0 .6
8 1.00 0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3

Número de Compras

12 www.usat.edu.pe
 Distribución de Frecuencias Vs.
Distribución de Probabilidades
✓Distribución de Frecuencias – Listado de cuan frecuente es cada
uno de los resultados observados de un experimento.

¿Qué es una distribución probabilística?

✓ Distribución de Probabilidades – Listado de cuan probable es
cada uno de los posibles resultados de un experimento.

Características de una Distribución de Probabilidad

1. La probabilidad de un resultado siempre debe estar entre 0 y 1.
2. La suma de todos los resultados mutuamente excluyentes siempre es 1.

13 www.usat.edu.pe
 Distribución de Probabilidad

D. Probabilidad

Discretas Continuas

Bernoulli

Uniforme

Poisson
Binomial Normal Chi
cuadrado
Normal T- Student
Hipergeométrica
estándar

14 www.usat.edu.pe
 DISTRIBUCIONES DE
PROBABILIDAD
DISCRETAS

15 www.usat.edu.pe
 Características de una Distribución
Probabilística Discreta
• Contiene todos los valores posibles de la Variable X, cada uno
con su Probabilidad asociada, P(X).
• Mutuamente Excluyentes y Colectivamente exhaustivos
• 0 < P(Xi) < 1
• ∑ P(Xi) = 1

P ( X = 0) = 0.125
P ( X = 1) = 0.375
P ( X = 2) = 0.375
P ( X = 3) = 0.125

16 www.usat.edu.pe
 Modelos de Distribuciones de
Probabilidad Discretas

Bernoulli Binomial Hipergeométrica Poisson

17 www.usat.edu.pe
 Distribución Discreta Bernoulli

Es aquel experimento que se realiza una sola vez y que

puede tener sólo dos resultados.
Luego, el espacio muestral para este tipo de ensayo es Ω = E , F.

Si el resultado es el deseado (éxito) la variable toma el valor 1

Si el resultado no es el deseado (fracaso) la variable toma el valor 0

A la probabilidad de éxito se le denomina "p“

A la probabilidad de fracaso se le denomina "q"
Nota: Al haber únicamente dos soluciones se trata de sucesos
complementarios:
Verificándose que: p + q = 1

18 www.usat.edu.pe
 Caso 1: Probabilidad de salir cara al lanzar una moneda al aire:
Probabilidad de que salga cara: p = 0,5
Probabilidad de que no salga cara: q = 0,5
p + q = 0,5 + 0,5 = 1
Caso 2: Probabilidad de ser admitido en la IBM.
Si de 100 postulantes ingresan 25.
Probabilidad de ser admitido: p = 0,25
Probabilidad de no ser admitido: q = 0,75
p + q = 0,25 + 0,75 = 1

Caso 3: Probabilidad de acertar una quiniela, si se vendieron 100000

boletos y sólo se compra un boleto.
Probabilidad de acertar: p = 0,00001
Probabilidad de no acertar: q = 0,99999
p + q = 0,00001 + 0,99999 = 1

19 www.usat.edu.pe
 Distribución Binomial
“Permite determinar la probabilidad de que ocurran “r” éxitos en “n”
ensayos”

Experimentos aleatorios Resultados

Lanzamiento de una moneda al aire Cara o sello
El género de un recién nacido Hombre o mujer
Empleado o
Situación laboral de una persona
desempleado
Situación de un alumno al terminar el año Aprobado o
escolar desaprobado

20 www.usat.edu.pe
 Características de una distribución Binomial

✓ La totalidad del experimento está compuesto por una

secuencia de intentos o ensayos idénticos.

✓ En cada intento o ensayo hay dos posibles resultados,

mutuamente excluyentes: éxito o fracaso.

✓ La probabilidad de éxito (p) permanece constante de ensayo

a ensayo. La probabilidad de fracaso (q) es el complemento
de p, es decir, 1-p.

✓ Los ensayos o intentos son estadísticamente independientes.

21 www.usat.edu.pe
 Función de Distribución de Probabilidad
de una V.A. con Distribución Binomial
Para elaborar una distribución binomial, debemos tener en
cuenta que:
n = número de intentos realizados. (ensayos)
p = probabilidad de éxito
1-p = probabilidad de fracaso (q)
x = número de éxitos deseados en la muestra.
P(x)= probabilidad de X éxitos dados los parámetros n y p

▪ Siendo la fórmula para la distribución de probabilidad binomial :

Si f ( x) = P( X = x) para x = 0, 1, 2,..., n

f (x ) = P( X = x ) = C p (1 − p ) n x n− x
x
22 www.usat.edu.pe
 Parámetros de la Distribución Binomial
Se dice que la variable aleatoria X sigue una distribución binomial con
parámetros n y p
Se denota X ~ B (n, p)

Media  = E ( X ) = np

Varianza  2
= npq

Desviación Estándar  = npq

23 www.usat.edu.pe
Ejemplo 1:
Una reciente encuesta reporta que el 20% de los clientes
de Internet inalámbrica están insatisfechos. De una
muestra de 14 clientes, calcule la probabilidad de que:
▪ Tres están insatisfechos
▪ Tres o más están insatisfechos
▪ Al menos un cliente está insatisfecho
▪ A lo más dos clientes están insatisfechos:

Calcule la media y la varianza

24 www.usat.edu.pe
 Ejemplo 2:
La probabilidad de éxito del lanzamiento de la nueva cerveza
“Barena” es de 0.72. Calcula la probabilidad de que una vez que a
sido probada por 15 personas:
a) A todos les gusto.
b)A ninguno le gusto.
c) A dos de ellos no les gusto.

25 www.usat.edu.pe
 Ejemplo 3:
Observemos a tres clientes que entran a Saga
Falabella.
Con base en su experiencia, el gerente de la
tienda estima que la probabilidad de que
cualquier cliente compre es de 0.30.
¿Cuál es la probabilidad de que dos de los
siguientes tres clientes hagan una compra?

26 www.usat.edu.pe
 Ejemplo 4:
La probabilidad de que un celular Motorola 314 resulte
defectuoso es del 4 por 100. Hallar:
a) El número de Motorolas 314 defectuosos esperados en un
lote de 1000.
b) La varianza y la desviación típica.

27 www.usat.edu.pe
 Ejemplo 5:
La compañía Telemarketing vende por teléfono una
serie de productos orientados a la práctica de
ejercicios físicos. Ha vendido 20 artículos en las últimas
100 llamadas. Si durante un turno se llaman a 12
clientes, ¿cuál es la probabilidad de:
a)No hacer ninguna venta?
b)Hacer exactamente 2 ventas?
c)Hacer como máximo 2 ventas?
d)Hacer al menos 2 ventas?

28 www.usat.edu.pe
 Poisson como Aproximación de la Binomial
La distribución de probabilidades binomial se hace cada
vez más sesgada a la derecha conforme la probabilidad de
éxitos disminuye.
La forma límite de la distribución binomial donde la
probabilidad de éxito p es muy pequeña y n es grande, se
llama:

Distribución de probabilidades de Poisson.

Proceso de Poisson: Consiste en observar la ocurrencia de

eventos discretos en un intervalo continuo (unidad de
medida).

29 www.usat.edu.pe
 Distribución de Poisson
Permite determinar la probabilidad de la ocurrencia de un número
dado de éxitos por unidad de medición (minuto, hora, centímetro,
metro, cuadrado, etc.)

30 www.usat.edu.pe
 • Representa los resultados de un evento para una V.A. discreta.
• Presenta un régimen que caracteriza el proceso ( ʎ → t).
• Se usa para describir las distribuciones de probabilidad de:
N° de imperfecciones en autos, N° de clientes en espera de servicio, N° de
llamadas telefónicas en una central, N° de accidentes, N° de llegadas de
vehículos, N° de defectos observados en longitudes, superficies, u objetos.

✓ La probabilidad de que exactamente un ocurrencia se presente en cada

Características

sub-intervalo de tiempo o espacio es muy pequeña y es constante para

cada sub-intervalo.
✓ La probabilidad de que se presenten dos o más ocurrencias en un sub-
intervalo es tan pequeña que puede ser considerada cero.
✓ El número de ocurrencias que se presentan en un sub-intervalo no
depende de donde esté localizado dicho sub-intervalo.
✓ El número de ocurrencias que se presenten en un sub-intervalo no
depende del número de ocurrencias de cualquier otro sub-intervalo.

31 www.usat.edu.pe
 Función de Distribución de Probabilidad
de una V.A. con Distribución de Poisson

Número de éxitos requeridos

e −  x para x = 0, 1, 2,..., n
P( X = x) =
x!
• λ = promedio de ocurrencias en t unidades de medida
• e = 2.71828 Base de logaritmos neperianos o naturales.

Parámetros:

Media:  =  = np Varianza:  2 =  = np

32 www.usat.edu.pe
 … es una buena aproximación de la distribución binomial
cuando n > 20 y p < 0.05.

 = np

− np x
e (np)
f ( x) =
x!

33 www.usat.edu.pe
Los clientes llegan a la ventanilla del BCP de la
agencia de Av. Balta a un régimen de 24 por hora.
a)¿Cuál es la probabilidad de que 20 clientes lleguen
en 60 minutos?
b)¿Cuál es la probabilidad de que 7 clientes lleguen
en un lapso de 22 minutos?
Experimento: Analizar el número de clientes por hora
X: Número de clientes por hora
X:0,1,2,3,4,…… b) P(X=7) , T= 22 minutos, λ=?
T= 1hora, λ = 24
t : 1 hora = 60 min →  = 24
a) P(X=20) , T= 1hora,
t : 22 min → =
λ = 24
e −24
24 20 e −9 97
P ( X = 20) = = 0.062 P ( X = 7) = = 0.1171
20! 7!
34 www.usat.edu.pe
6-33
El Call center de la empresa Telefónica ha analizado
el número de quejas que recibe, detectando que
entre las 8 am y 10 pm el número medio de quejas
es de 3 por cada 250 llamadas recibidas.
Sabiendo ésto ¿Cuál es la probabilidad de que:
Cuatro quejas se den en las próximas 250 llamadas?
Cómo máximo se den 2 quejas en las siguientes 250 llamadas?
Lleguen al menos 3 quejas en las próximas 250 llamadas?

t : 250 llamadas Experimento: Analizar el número de quejas cada 250 llamadas

X: Número de quejas recibidas cada 250 llamadas
 = 3 quejas X:0.1,2,3,4,……

e −3 3 4
P ( X = 4) = = 0.1680
4!
P(X  2) =

P(X  3) =
35 www.usat.edu.pe
• La observación simple de los últimos 800
clientes reportó que 10 clientes pagaron con
Visa sus compras.
• Supongamos que se está interesado en
determinar la probabilidad de que
exactamente 7 clientes cancelen sus
compras con tarjetas Visa en una caja
registradora de Plaza Vea durante los
siguientes 600 clientes.
t : 800 clientes ;  = 10 pagaron con Visa
t : 600 clientes ; =

−8 7
e 8
P ( X = 7) = = 0.1395
7!

36 www.usat.edu.pe
 Si ELEKTRA recibe en promedio 6 billetes
falsos por día ¿Cuál es la probabilidad de
que reciba 4 billetes falsos por día?
 = 6 billetes falsos T= 1 día.
P (x = 4;  = 6) = (2.718)-6 (6)4 = 0.13392
4!
La probabilidad de tener un accidente
de tráfico cada vez que se viaja es de
0,02, si se realizan 300 viajes, ¿Cuál es
la probabilidad de tener 3 accidentes?
Como la probabilidad de que ocurra
un accidente
p = 0.02 < 0,05, y n = 300 > 20,  = np = (300)(0.02) = 6
entonces aplicamos el modelo de
distribución de Poisson. e −6 6 3
P ( X = 3) = = 0.0892
3!
Así, la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8,9%
37 www.usat.edu.pe
 En la edificación de cada conjunto habitacional del
programa Mi vivienda la probabilidad de que un
trabajador tenga un accidente es de es de 0,012.
¿Si se realizan 800 conjuntos habitacionales, Cuál
es la probabilidad de que sucedan 5 accidentes?

La probabilidad de que un trabajador sufra un accidente es p = 0.012 < 0,05, y

n = 800 > 20, entonces aplicamos el modelo de distribución de Poisson.
−10 5
e 10
 = np = (800 )(0.012 ) = 9.6 P ( X = 5) = = 0.046
5!

38 www.usat.edu.pe
 Distribución Hipergeométrica

Son experimentos donde, en cada ensayo hay tan sólo dos posibles resultados,
pero se diferencia de la distribución binomial en que los distintos ensayos son
dependientes entre sí, quiere decir que con la Distribución Hipergeométrica los
intentos no son independientes, y en que la probabilidad de éxito cambia de un
intento a otro.
Se usa para calcular la probabilidad de que, en una muestra aleatoria de n
artículos, seleccionados sin reemplazo, obtengamos x elementos identificados
como éxitos y n-x identificados como fracasos.

39 www.usat.edu.pe
 Hipergeométrica

No se puede aplicar la binomial debido a que existe un cambio

sistemático en la probabilidad de éxitos al ir extrayendo
elementos de la población .
Caso: Muestreo SIN REPOSICION de una población finita.
Si en la elección de 2 postulantes para la gerencia del BCP de Chiclayo Y
Piura postulan 5 administradores y 3 contadores en un primer ensayo
elegimos una administrador, en el segundo ensayo hay queda un
administrador menos por lo que las probabilidades son diferentes (hay
dependencia entre los distintos ensayos).

40 www.usat.edu.pe
 Función de Distribución de Probabilidad
de una V.A. con Distribución Hipergeométrica
 r  N − r 
  
 x  n − x 
F ( X ) = P( X = x) =   
Para 0 < x < r
N
 
n
 

N = la cantidad de elementos en la población.

r = cantidad de elementos identificados como éxitos en la población.
n = la cantidad de intentos.
x = número de éxitos en los n intentos.
F (x) = probabilidad de x éxitos en n intentos.

41 www.usat.edu.pe
 Parámetros:

nr
Media: =
N

nr (N − r )(N − n )
Varianza:  = 2

N 2 (N − 1)

42 www.usat.edu.pe
 Gloria-Laive
Una góndola del Supermercado
Plaza Vea contiene 10 botellas de
yogurt, cuatro de las cuales son
Gloria y los seis restantes son Laive.
¿Cuál es la probabilidad de que una
muestra aleatoria de tres botellas contenga dos de Gloria?
Tomando datos:
Notamos claramente que N = 10 y n = 3
Sin embargo para determinar que se considera cómo un éxito debemos
analizar por lo que se nos pregunta, en este caso es por número de botellas
de yogurt Gloria, por lo que
X: número de botellas de yogurt Gloria; así:
r=4  4  6 
    4!   6! 
x =2  2  1    
F (2) = P( x = 2) =    = 
2! 2!   1! 5!  (6) (6)
= = 0.30
10   10!  (120)
   
3  3! 7! 
 
43 www.usat.edu.pe
El auditor de un grifo decide tomar una
muestra de 5 facturas de un total de 10
emitidas en Marzo. Sí de las 10 facturas 4
están mal registradas ¿Cuál es la probabilidad
de que 3 facturas estén bien registradas?
Datos:
N = 10.
n 5.
x = 3.
r=6

44 www.usat.edu.pe
 CLARO Lima debe enviar un lote de 30
smartphones a un distribuidor. Sí en el lote hay
5 celulares defectuosos, y el proveedor
inspecciona al azar 6 celulares. ¿Cuál es la
probabilidad de que :
a) escoja 2 celulares defectuosos?
b) máximo 3 celulares defectuosos?

N = 30  5  25 
n=6     5!   25! 
 2  4    
F (2) = P( x = 2) =    = 
x=2 2! 3!   4! 21! 
r=5  30   30! 
   
 6  6 ! 24 ! 
 

45 www.usat.edu.pe
 En la fábrica de Inka kola existen 40
trabajadores, 10 de los cuales
pertenecen al área de producción. Sí la
fábrica regalará 8 T.V. ¿Cuál es la
probabilidad de que 2 ganadores sean
del área de producción.
N = 40
n=8
x=2 10  30 
    10!   30! 
r = 10  2  6    
F (2) = P( x = 2) =    =   
2! 8 ! 6! 24!
 40   40! 
   
8  8 ! 32! 
 

46 www.usat.edu.pe
 En una fiesta hay 20 personas: 14 casadas
y 6 solteras. Se eligen 3 personas al azar
¿Cuál es la probabilidad de que 2 ó las 3
sean solteras?

47 www.usat.edu.pe
 En el sorteo de la Champions League, la
urna contiene 7 esferas con nombres de
equipos experimentados y 5 con equipos
principiantes. Sí se eligen 4 al azar para
formar un grupo, Cuál es la probabilidad
de que 3 sean experimentados?

 7  5 
  
  
P ( x = 3) =  3  1 
= 0.3535
12 
 
 
4

48 www.usat.edu.pe
 La empresa” sistemas 2000” durante la semana ensambló 50
computadoras. Operaron 40 sin problemas, y 10 tuvieron al
menos un defecto. Se selecciona una muestra al azar de 5
maquinas. Utilizando la formula Hipergeométrica, ¿Cuál es la
probabilidad de que 4 de las 5 funcionen perfectamente?

Intenta hacerlo!!!...

49 www.usat.edu.pe
 CONCLUSIONES
✓ Frente a un problema concreto, analice detenidamente todas sus
características, y al elegir el modelo apropiado, verifique que se cumplan
todos los supuestos del mismo.

✓ No olvide emplear la distribución de Poisson a la binomial en aquellos

casos en que p es pequeño y n es grande.

✓ En el caso de variables aleatorias discretas, es importante diferenciar si la

probabilidad deseada incluye o no el valor particular de la variable. Es
decir, que P(X > x) no es lo mismo que P(X > x) y P (X < x) es distinto de P(X
< x).

50 www.usat.edu.pe
 REFERENCIAS BIBLIOGRÀFICAS
• ANDERSON, David R./ SWEENEY, Dennis J./ WILLIAMS, Thomas A. (1999):“Métodos
cuantitativos para los negocios”. México. Editorial ThomsonEditores. Séptima
edición, Octava y décima edición.
• BERENSON, Mark L./ LEVINE, David M. (2001). “Estadística Básica en
Administración. Conceptos y Aplicaciones”. México. Editorial Pearson Educación.
Sexta edición.
• LEVIN, Richard./RUBIN, David. (2004). “Estadística para Administración y
Economía”. México- Editorial Pearson Educación. Séptima edición.
• MASON, Robert D../ LIND, Douglas A../MARCHAL, William G. (2003). “Estadística
para Administración y Economía”. México. DF. Editorial Alfaomega Grupo Editor.
Décima edición.
• LEVINE, David M. KREHBIEL, Timothy C. BERENSON, Mark L.. (2006). “Estadística
para Administración. México. Editorial Pearson. Cuarta edición.
• WEBSTER, Allen L. (2000). “Estadística aplicada a los Negocios y a la Economía”.
Colombia. Editorial MCGRAW - HILL. Tercera edición.

51 www.usat.edu.pe
 M.Sc. Fiorella Vanessa Li Vega
fli@usat.edu.pe

http://www.facebook.com/usat.peru

https://twitter.com/usatenlinea

https://www.youtube.com/user/tvusat

https://plus.google.com/+usateduperu

52 www.usat.edu.pe