Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALGUNOS CONCEPTOS
BSICOS
En general, la probabilidad es la posibilidad de que algo
suceda. Las probabilidades se expresan como fracciones (1/6)
o como decimales (0.167) que estn entre cero y uno. Tener la
probabilidad de cero (0), significa que nunca va a suceder. Una
probabilidad de uno (1), suceder siempre.
EVENTO.- Es uno o ms posibles resultados de hacer algo. Es
un subconjunto del Espacio Muestral. Un evento se indica con
letras maysculas del alfabeto. Ejemplo
Al lanzar una moneda, si cae cruz es un evento y si cae cara es
otro.
DEFINICIONES DE
PROBABILIDAD
CONCEPCIN CLSICA.- Se define la probabilidad a prior", de
una manera terica:
REGLA DE ADICION
a) Sucesos mudamente excluyentes
Dos sucesos se dicen mutuamente excluyentes si la ocurrencia
de uno cualquiera de ellos imposibilita la ocurrencia de los
otros. As, si Ei y E2 son mutuamente excluyentes, P{ Ei E2} = O
P{E, + E2}=P{E,}+P{E2}
P{ E, OE2}-P{E1}+P{E2}
P{ E| u E2}=P{E,}+P{E2}
REGLA DE LA
MULTIPLICACIN
Sucesos independientes
Dos eventos son independientes cuando la ocurrencia o no
ocurrencia de un evento no tiene ningn efecto en la
probabilidad de ocurrencia del otro evento. Las reglas de la
multiplicacin se refieren a la determinacin de !a
probabilidad de ocurrencia conjunta de Ay B = A n B.
P(AyB) = P(A).P(B) P(APlB) = P(A).P(B)
P(A.B) = P(A).P(B)
P(ABC) = P(A). P(B). P(C)
0,40
Evento
Probabilidad
3 mdicos
2 mdicos
0,064
0,096
R 2 mdicos
N 1 mdicos
0,096
0,144
0,60
R 2 mdicos
1 mdicos
0,096
0,144
0,40
0,60
R 1 mdicos
N 0 mdicos
0,40
R
0,40
R
N
0,60
0,40
0,60
N
0,60
0,60
0,40
0,40
N
0,60
0,144
0,216
1,00
Sucesos dependientes
Dos eventos son dependientes cuando la ocurrencia o no
ocurrencia de un evento afecta a la probabilidad de ocurrencia
del otro evento. La probabilidad de ocurrencia conjunta de A y
B se da por:
P(AyB) = P(A).P(B/A)
P(AB) = P(A).P(B/A)
P(ADB) = P(A).P(B/A)
Las frmulas anteriores suele llamarse regla general de la
multiplicacin, porque para eventos independientes la
probabilidad condicional P(B/A) = P(B)
c) Probabilidad condicional
Cuando dos eventos son dependientes, se emplea el concepto
de probabilidad condicional para designar la probabilidad de
ocurrencia del avent relacionado. Dado un experimento
aleatorio cualquiera que puede dar lugar, entre otros, a los
sucesos A y B, se denomina probabilidad del suceso B
condicionada al suceso A, y se representa mediante P(B/A) a la
probabilidad que ocurra el suceso B sabiendo que el suceso A
ha ocurrido.
A
A
Total
C
0.14
0.11
0.25
C'
0.06
0.69
0.75
Total
0.20
0.80
1.00
TEOREMA DE BAYES (O
TEOREMA DE LAS CAUSAS)
El Teorema de Bayes establece, que si sucede cierto evento,
que depende de la ocurrencia de los eventos A o B o C
correspondientes a un conjunto de sucesos mutuamente
excluyentes, la probabilidad de que E haya ocurrido a
consecuencia de A ( P(A/E) ), corresponda al producto de las
probabilidades individuales del evento A y del evento E,
dividido por la probabilidad alternativa del evento E con
respecto a cada uno de los eventos independientes de A, B y
C. La frmula es:
COMBINACIONES Y
PERMUTACIONES
a) Permutaciones
Es una forma de ordenar o arreglar a la totalidad de los
elementos de un conjunto.
Sabiendo que:
0! = 1 (por definicin)
1! = 1
2! = 1.2 = 2
3! = 1.2.3 = 6
n! = 1.2.3.4...(n - 2) (n-1) n
(n-1)! = 1.2.3.4.... (n-2) (n-1)
(n-2)! = 1.2.3.4.... (n-2)
Ejemplo: En una empresa se dispone de 5 tcnicos en una
especialidad determinada. De cuntas maneras distintas se
puede disponer para que manejen las 5 mquinas?
Variaciones
Son permutaciones en las que importa el orden de colocacin
de los elementos, pero con la diferencia de las permutaciones,
porque se toma una parte de los elementos del conjunto.
Simblicamente:
Sabiendo que:
Ve,3 = Nmero de variaciones de 8 elementos tomados de 3
en 3
V83 = 8.7.6 = 336
Vn,4 = n (n-1) (n-2) (n-3)
Ejemplo: En una empresa trabajan 10 personas y se desea
elegir al Presidente, Vicepresidente y Secretario. Cul es el
nmero de maneras que pueden ser elegidos entre las 10
personas?.
Combinaciones
Las combinaciones son un arreglo de los elementos sin
importar el orden en que se dispongan.
DISTRIBUCIONES DE
PROBABILIDAD
En este captulo se
explica como las
distribuciones de
probabilidad
se
utilizan
para
solucionar muchos
problemas de los
negocios,
utilizando
variables discretas
y continuas.
DISTRIBUCIN BINOMIAL O
DE BERNOULLI
Definicin.- Sea X una v.a. que representa el nmero de xitos
de n pruebas y p la probabilidad de xito. Se dice entonces
que X tiene una distribucin binomial con funcin de
probabilidad. Se aplica como modelo en la toma de decisiones
en condiciones de incertidumbre.
EJERCICIOS
1.- En una fbrica de bebidas, ocho dcimos de las botellas se
llenan de manera correcta (xitos). Si queremos calcular la
probabilidad de obtener exactamente 3 botellas llenas de
manera correcta de una muestra de 6 botellas..
Solucin: P = 0.8 q = 0.2 x = 3 n = 6
METODO 1. Utilizando la frmula
DISTRIBUCIN DE POISSON
Es muy til donde la variable aleatoria representa el nmero
de eventos independientes que ocurren a una velocidad
constante. Desde la teora de los lmites la distribucin
binomial se aproxima a la distribucin de Poisson Cuando el
nmero de repeticiones de un experimento es muy grande (n
30) y se hace muy laboriosa la aplicacin de la frmula
binomial. Cuando esto ocurre existen dos distribuciones
tericas que se aproximan a la distribucin binomial, una de
ellas es cuando p es muy pequea, la cual se conoce como
distribucin de Poisson y se define as:
Caractersticas:
El experimento consiste en contar el nmero de veces que
ocurre un evento, en particular durante una unidad de tiempo
dada, o en un rea o volumen (o peso, distancia o cualquier
otra medida) dada.
La probabilidad de que un evento ocurra en una unidad dada
de tiempo, rea o volumen es la misma para todas.
El nmero de eventos que ocurren en una unidad de tiempo,
rea o volumen es independiente del nmero de los que
ocurren en otras unidades.
El nmero medio (o esperado) de eventos en cada unidad se
denota por la letra griega LAMBDA ().
EJERCICIOS
1.- En una fbrica se realizan ciertos anlisis y la probabilidad
de que una pieza sea defectuosa es del 0.02. Calcular la
probabilidad de encontrar en un lote de 100 piezas que 2 sean
defectuosas.
Solucin: n = 100, p = 0.02,x = 2
= np = (100) (0.02) = 2 (2 < 5, portanlo la aproximacin es
adecuada)
METOD01: utilizando la frmula
Distribucin Normal
Llamada tambin como Distribucin Laplace-Gauss,
Gaussiana, Laplaciana, curva normal, curva de error, curva de
campana o curva de Moivre. Aparentemente descubierta por
Moivre (1756) como forma lmite de la Distribucin Binomial.
Todo ejercicio de Binomial se puede resolver mediante la
Distribucin Normal, conocida como mtodo aproximado.
Existen dos razones bsicas para que ocupe un lugar
importantsimo en la estadstica. Primero, tiene algunas
propiedades que la hacen aplicable a un gran nmero de
situaciones en las que es necesario hacer inferencias mediante
la toma de muestras. Segundo, la distribucin normal casi se
ajusta a la distribucin de frecuencias reales observadas en
muchos fenmenos naturales.
4. z1 y Z2 se encuentra a la izquierda de z = 0
Ejemplo:
Cul es el rea entre z1 = -0,6 y Z2 = -1,9?
Solucin:
A = (rea z=0 y z2=1,9) - (rea z-0 y z1=-0,6)
rea = 0.4713 - 0.2258
rea = 0.2258 => 24,55%
5. z1 se encuentra a la izquierda y z2 se
encuentra a la derecha de z = O
Ejemplo:
Cul es el valor de z1 = -1.2 y z2 = 2.3?
Solucin:
A = (rea z=0 y z=-l .2) + (rea z=0 y z= 2.3)
rea = 0.3849 + 0.4893
rea = 0.8742 => 87.42 %
Ejercicio
Un programa de entrenamiento diseado para mejorar la
calidad de habilidades de los empleados. Debido a que el
programa es auto administrado, los empleados requieren un
nmero diferente de horas para terminarlo. Un estudio de los
participantes anteriores indica que el tiempo medio que se
lleva completar el programa es de 500 horas, y que la variable
aleatoria normalmente distribuida tiene desviacin estndar
de 100 horas.
a) Cul es la probabilidad de que un empleados elegido al
azar requiera ms de 500 horas para completar el programa.
El rea sombreada de la figura nos indica la probabilidad que
demore ms de 500 horas. El rea a la derecha de la media es
0.5, lo que corresponde al 50 %
PRUEBA DE HIPOTESIS
El propsito de la prueba o docimasia de hiptesis es
determinar si el valor supuesto (hipottico) de un parmetro
poblacional, debe aceptarse como verosmil con base en
evidencias mustrales. Por ejemplo en la medicina si un
medicamento disminuye o no el tiempo de restablecimiento
de un paciente; en la agricultura cuando se quiere decidir si un
nuevo fertilizante eleva el rendimiento o no; en la tcnica si
una maquina aumenta o no su tiempo de servicio sin roturas;
en los servicios si el tiempo de espera en un centro de
prestacin de servicios a variado o no; etc.
Hiptesis
Hiptesis es una proposicin enunciada para contestar una pregunta
sin saber an si las observaciones, hechos, datos la comprobarn o
rechazarn. Es una proposicin comprobable que podra ser la
solucin de un problema. La funcin de la hiptesis es orientar
nuestra bsqueda de orden en los hechos. Se emplea una hiptesis
para establecer una relacin entre dos o ms variables. Debe tener
las siguientes cualidades:
Ser una respuesta probable a un problema.
Relacionar dos o ms variables.
Tener una redaccin clara.
Debe fundamentarse en la realidad para poder ser observada y
comprobada.
Disponer de referencias tericas.
Estar al alcance del investigador. Disponer de conocimientos y
recursos.
VARIABLE
INDEPENDIENTE
Adiccin o no
adiccin de la
madre
Historia de abuso
sexual
VARIABLE
DEPENDIENTE (Y)
Peso neonatal del
lactante
Riesgo de
depresin, riesgo
de suicidio
Grado de apego
entre madre y feto
TIPOS DE HIPTESIS
Tipos de hiptesis segn la funcin en la investigacin: algunos tipos
ms usuales de hiptesis segn Hernndez y et.al (2004) son:
HIPTESIS DESCRIPTIVAS. Analiza las variables que se van a observar
en un contexto o en la manifestacin de otra variable. Este tipo de
hiptesis puede o no relacionar variables y finalmente no toda
investigacin descriptiva puede tener hiptesis. Ejemplo:
"existe un alto porcentaje de egresados que no alcanzan el xito
profesional"
"la mayora de ingresantes a la universidad estn entrenados en la
memorizacin mecnica y de corto plazo"
HIPTESIS CORRELACIONALES. Especifican la relacin entre dos o
ms variables; estas investigaciones establecen relaciones de dos o
ms variables (correlacin bivariada o correlacin mltiple).
Alcanzan un nivel predictivo y parcialmente explicativo. En la
correlacin no se habla de la variable dependiente y la
independiente, esta es propia de investigaciones causales. Estas
hiptesis se contextualizan en la realidad y se someten a pruebas
empricas.
Hiptesis Estadsticas
Una hiptesis estadstica es una aseveracin sobre los parmetros
de una o ms poblaciones. Pueden ser probadas o rechazadas en
base a datos cuantitativos: nmeros, porcentajes, promedios,
dispersiones u otros parmetros de una o ms poblaciones dadas.
Distinguiremos dos tipos de hiptesis estadsticas: la hiptesis nula
(H0) y la hiptesis alternativa (Ha).
Hiptesis nula (H0).- Se especifica en forma opuesta a la que se
supone cierta. Generalmente se plantea con el propsito de
rechazarla y aceptar la de investigacin. Ejemplo:
H0: La desnutricin de los estudiantes no es un factor que provoca
dificultades de aprendizaje' .
Nota: Las hiptesis nulas pueden ser expresadas como una funcin
de los parmetros igualados a cero y de aqu la terminologa de
hiptesis nula (1 - 2=0
p-0,06=0
Tipos de Errores
Al aceptar o rechazar una hiptesis se puede cometer dos tipos de
error:
a) Error tipo (): Rechazar la hiptesis cuando ha debido
aceptarse.
b) Error tipo i! (): Aceptar la hiptesis cuando ha debido
rechazarse.
Si se acepta una hiptesis verdadera la decisin es correcta
S se acepta una hiptesis falsa, cometemos un error de tipo Il
Si rechazamos una hiptesis verdadera, cometemos error de tipo I
Si rechazamos una hiptesis falsa, la decisin es correcta.
Nota: La probabilidad de cometer el error tipo I ocurre mientras ms
alto sea su valor, es entonces ms probable que la hiptesis nula sea
rechazada equivocadamente. La probabilidad de cometer un error
del tipo II aumenta cuando el tamao de la muestra es pequeo, a
medida que el tamao de la muestra se Incrementa esta
probabilidad disminuir.
Etapas en la prueba de
hiptesis estadsticas
Se debe tener en cuenta las siguientes alternativas:
1, Formular la hiptesis nula (H0) y alternativa (Ha)
Distribucin de medias
En general, despus de calcular el tamao de la muestra, y su
media, vendr la identificacin de la desviacin tpica
poblacional.
En una empresa de lcteos, un inspector de calidad investiga
las acusaciones, por el deficiente llenado que debe ser en
promedio, de cm. Para ello toma una muestra de 60 botellas,
encontrando que el contenido medio es de 71.9 cm3 de
lquido. Se sabe que la mquina debe producir un llenado con
una desviacin tpica de 3.6 cm3. Puede el inspector llegar a
la conclusin, a un nivel de significancia del 5%, que se estn
llenando las botellas, por debajo de su especificacin de
contenido?
Distribucin de proporciones
El proceso es similar a lo explicado para las medias,
considerando que por lo general la desviacin tpica y por
ende el error estndar de la proporcin se calcula con datos
obtenidos en la muestra donde n > 30 elementos.
Se ha podido establecer en las estadsticas que el 40% de los
turistas toman un determinado paquetes. Una muestra
aleatoria de 450 turistas revel que 200 de ellos solan tomar
dicho paquete. Cul podra ser la conclusin al nivel del 1%,
acerca de lo que muestran las estadsticas?
c) Distribucin de diferencias
entre dos medias
Se utiliza esta prueba cuando se tiene dos poblaciones
independientes y se extrae dos muestras para establecer sus
diferencias. Si una media es mayor o menor que la otra, son
significativas.
Una empresa tiene dos fbricas y desea establecer el
promedio de antigedad que tienen sus empleados. Se toma
de la primera fbrica una muestra de 60 empleados, la cual
reflej un promedio de trabajo de 16.4 aos con desviacin
estndar de 5 aos; mientras que en ia segunda fbrica una
muestra de 40, fue de 15.8 aos, con desviacin estndar de
4.2 aos. Al nivel del 5% se podr afirmar que hay una
diferencia significativa en cuanto a la antigedad de los
empleados?
d) Distribucin de diferencias
entre dos proporcione
Las proporciones son aplicadas como medidas a caractersticas
cualitativas (atributos). La prueba de hiptesis, que implica el
uso de la distribucin normal, permite establecer si hay o no
diferencia entre dos proporciones obtenidas en dos
poblaciones independientes, o si un grupo tuvo una
proporcin mayor que el otro.
Utilizando una muestra aleatoria de 350 profesionales que
trabajan y otra muestra Independente de 325 que son
profesionales y no trabajan. En el primer caso 105
manifestaron que compran el diario. En el segundo, la
respuesta fue de 130 que no lo compraban. Al nivel del 1% se
podr afirmar que los profesionales que trabajan leen menos
que los profesionales que no trabajan?.
Distribucin t de Student
Esta distribucin es simtrica en forma de campana, pero la
curva es achatada y se extiende a los extremos a las reas
crticas o de rechazo. Existe una familia de distribuciones T, a
medida que se incrementa e. tamao de la muestra se acerca
a la normal. La funcin es:
Distribucin de diferencia
entre dos medias
Para investigar sobre el rendimiento de los alumnos en la
seccin diurna y nocturna se obtuvo una muestra de sus
calificaciones promedio:
Diurno: 14.0, 16.8, 15.2, 14.4, 16.0, 14.4, 16.8, 19.2, 16.0, 14.4
Nocturno: 12.8, 14.4, 13.6, 15.2, 16.0, 12.8, 14.4, 13,6
Los anteriores resultados permiten concluir que hay
diferencia en el rendimiento diurno y nocturno?
Distribucin de diferencia
entre dos proporciones
Una empresa desea realizar una investigacin sobre el
consumo de aceite marca A. En una muestra probabilstica de
14 amas de casa, el 20% indic la preferencia por la marca A.
Posterior a una campaa publicitaria intensiva de radio y
televisin, se seleccion una nueva muestra entre amas de
casa del mismo tamao y clase social. En esta muestra el 25%
indic preferencia por la marca A. De acuerdo con estos
resultados y a un nivel del 5%, podra rechazarse la hiptesis
de que la campaa publicitaria no fue efectiva?
Solucin: m = 14, n2 = 14, pi = 0.20, p? = 0.25, = 0.05,
OTRAS PRUEBAS DE
HIPOTESIS
PRUEBA EN OBSERVACIONES APAREADAS
Se debe tomar una muestra aleatoria de pares, de manera que cada
observacin, est asociada con alguna observacin en particular. La
muestra de pares de observaciones da base para considerar dos
muestras dependientes, donde las observaciones de un par estarn
relacionadas entre si. Sus frmulas son:
PRUEBA DE CHI-CUADRAD
(Ji-cuadrada
Esta distribucin fue introducida por F.R Helmert en 1876 y
redescubierta en 1900 por Kart Pearson. Tiene muchos usos
importantes, incluyendo ensayos de hiptesis acerca de
proporciones y clculo de intervalos de confianza para
varianzas. Hay una distribucin ji cuadrada diferente segn el
valor de n-1, lo cual representa los grados de libertad (gl). Asi:
Vacunados
192
196
No vacunados
113
34
147
TOTAL
305
38
343
DISTRIBUCIN F
En diversos problemas de inferencia que se discutirn
pasterformente, tales como comparar las varianzas de dos
poblaciones normales, comparar los efectos de dos o ms
tratamientos, y otros muchos, es til la funcin de densidad
de probabilidades conocidas como distribucin de F. su
definicin formal se da enseguida.
Definicin: Sean X2 (m) y X2 (n) dos variables aleatorias
independientes distribuidas como Ji-Cuadrada con m y n
grados de libertad, respectivamente. Entonces la variable
aleatoria definida como:
Dcimas de homogeneidad e
independencia
Prueba de independencia, se extrae una sola muestra de la
poblacin y slo nos interesa probar si existe alguna relacin
entre los criterios de clasificacin establecidos.
Prueba de homogeneidad, al contrario de la de
independencia, se extraen dos o ms muestras provenientes
de dos o ms poblaciones; algunas veces de una muestra se
pueden obtener dos o ms categoras y el inters es probar s
las poblaciones tienen cierta identidad con respecto a las
caractersticas analizadas.
Un almacn vende lavadoras y aspiradoras elctricas y tiene
tres vendedores. Las Ventas realizadas en un mes por dichos
vendedores se resumen en la tabla. Demuestra este
resultado que la habilidad de cada vendedor depende del tipo
de artculo que vende?. Pruebe la hiptesis
APARATOS
Lavadoras
Aspiradoras
TOTAL
VEN
1
20
17
37
DEDO
2
8
16
24
RES
3
15
5
20
TOTAL
43
38
81
ANLISIS DE REGRESIN Y
CORRELACION
CONCENTOS BSICOS
Regresin.- Se utiliz por primera vez como trmino estadstico en
1877 por Sir Francis Gaiton. Este realiz un estudio y mostr que los
nios nacidos de padres altos tienden a retroceder o "regresar
hacia la altura media de la poblacin. Design la palabra regresin
como el proceso general de predecir una variable (la altura de los
nios) de otra (la altura de los padres).
Regresin mltiple- se utiliza para estimar el valor de una variable
dependiente con base a dos o ms variables independientes.
(Cuando aadimos ms de una variable independiente, mejoramos
la exactitud de nuestra prediccin).
fAnlisis de regresin.- nos permite desarrollar una ecuacin de
estimacin, frmula matemtica que relaciona la variable conocida
(x) con la variable desconocida (y).
Anlisis de correlacin.- Determina el grado que estn relacionadas
las variables.
Variable independiente (x).- Es la variable (o variables) conocidas.
Variable dependiente (y).- Es la variable que tratamos de predecir.
DIAGRAMA DE DISPERSIN
El primer paso para ver s existe relacin entre dos variables es
examinar la grfica de los datos observados (o conocidos). Esta
grfica se llama diagrama de dispersin. Una de las razones
para dibujar grficas de puntos como parte del anlisis inicial
es identificar las relaciones no lineales. Por otra parte, si el
coeficiente de correlacin se calcula sin analizar los datos, es
posible ignorar una relacin importante, pero no lineal.
LINEA DE REGRESION
Anlisis de Correlacin
Se utiliza para determinar el grado de relacin que existe
entre las variables x e y. En cualquier investigacin seria, se
debe utilizar junto al anlisis de regresin. Para describir la
correlacin entre variables se utiliza dos medidas; el
coeficiente de determinacin y el coeficiente de correlacin.
Coeficiente de correlacin (r)
El coeficiente de determinacin (r2) es muy fcil de interpretar,
pero no se presta para realizar una prueba estadstica.
Mientras que el coeficiente de correlacin (r) si permite
(puede servir para definir una estadstica de prueba con
distribucin t cuando la correlacin poblacional equivale a
cero). El coeficiente de correlacin para datos mustrales,
cuyo signo aritmtico es el
65 63 67 68 62 70 66 68 67 69
68 66 68 69 66 68 65 71 67 68
Xy
65
63
67
68
66
68
68
69
62
70
66
68
66
68
65
71
67
67
69
X2
*y
y2
4225
3969
4489
4624
3844
4900
4356
4624
4489
4761
4420
4158
4556
4692
4092
4760
4290
4828
4489
4692
4624
4356
4624
4761
4356
4624
4225
5041
4489
4624
68
665 676 44281 44977 45724
Ix Ey Ex 2 Zxy Ey 2
Solucin:
Construir un diagrama de dispersin
RELACIONES CURVILINEAS
Las relaciones curvilneas se presentan con frecuencia en
investigaciones, se puede ajustar los puntos a una lnea recta y
= a + bx.
La ecuacin es:
y - a.xb
En el campo empresarial se puede aplicar cuando se considera
lo siguiente:
y = costo medio por persona en la atencin de un grupo
humano, x = nmero de personas atendidos
a = se relaciona con el porcentaje de reduccin del costo por
cada persona adicional atendido, b = costo de atencin de la
primera persona
Mtodo 1:
Mtodo 2:
Solucin.
a) Construir un diagrama de dispersin
Mtodo 2
Funcin exponencial
0
2
1
5
2
18
3
55
4
105
5
250
Tabla de distribucin t
Tabla de distribucin de Ji
Cuadrado