Está en la página 1de 20

PROBABILIDAD

UNIDAD 2. DISTRIBUCIONES DE PROBABILIDAD

INTEGRANTES:

JULIO CESAR RAMIREZ GONZALEZ


JUAN DAVID SALCEDO
ALEX NORBEY VARGAS

TUTOR:
EDWINDORANCE GARZON

GRUPO: 100402-105

30/03/17

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


INTRODUCCION
La evaluacin de datos, informes y diferentes conceptos cuantitativos que ayudan a una
compaa de cualquier sector a tener un control y una mejor posicin sobre qu acciones
debe tomar frente aspectos de desarrollo que benefician a la empresa. Los conceptos vistos
en esta unidad ayudan a tener una mejor perspectiva de diferentes situaciones; el poder
comprender datos y realizar una agrupacin y simular variables las cuales ofrezcan un
resultado de probabilidad el cual puede dar a la empresa una estadstica confiable de cmo
debe actuar y que acciones ejecutar.
Con los conceptos de variables alternativas y distribucin de probabilidad, son las
herramientas que se necesitan para poder tener una visin un poco ms clara de cmo ser
el funcionamiento y el cmo se puede comportar cualquier accin que se toma. Al poseer
estos conocimientos se puede evaluar que tan confiable con las acciones que se toman, y
como mejorar las.
Para en casos futuros poder mejorar esos aspectos y elevar la probabilidad que favorece,
as mismo como evaluar los rendimientos de diferentes funciones dentro de una empresa
o en el desarrollo de alguna actividad; con estos conceptos claves seguimos descubriendo
de la importantica de la probabilidad para una evolucin en el desempeo de las diferentes
reas y as mismo de poder evaluar decisiones conforme a esos datos probabilsticos.
CUADRO SINOPTICO
Variable que toma diferentes valores numericos, mediante un
proceso de contar o medir como producto de un experimento
aleatorio
VARIABLE ALEATORIA
Cambia de una ocurrencia a otra sin seguir una secuencia
predecible.

Conjunto de todos los posible resultados numericos de un


experimento a los que podemos asignar un valor de
DISTRIBUCION ocurrencia.
PROBABILIDAD VARIABLE
ALEATORIA DISCRETA
La probabilidad PX(x) de cada valor que representa la variable
X debe tomar un valor numerico en el intervalo 0 PX(x) 1

La distribucin de probabilidad binomial es una distribucin se realiza


mediante un proceso llamado Bernouilli.

se ocupa de los experimentos en donde su resultado solo puede


tomar un solo valor de dos posibles, los resultados son
mutuamente excluyentes.
DISTRIBUCIONES DE

DISTRIBUCION DE Slo hay 2 posibles resultados.


PROBABILIDAD

PROBABILIDAD BINOMIAL

a)El experimento se realiza n veces bajo las mismas condiciones y estamos


interesados en que haya x xitos.

!
Se calcula con la relacin: , =
! !

Determina la probabilidad de tener un determinado numero de exitos en


una muestra que se obtuvo de una poblacion con un determinado numero
de exitos.

Se selecciona una muestra de una poblacion finita sin reposicion.


DISTRIBUCION DE
PROBABILIDAD
HIPERGEOMETRICA
El tamao de la muestra n es mayor que 5 % del tamao de la poblacion
N.


Se calcula con la relacin: () =

Mide la frecuencia relativa de un evento en funcion a una unidad de


tiempo, espacio o bien una de volumen
DISTRIBUCION DE
PROBABILIDAD DE POISSON

Se calcula con la expresion: () =
!
ESTUDIOS DE CASO
ESTUDIO DE CASO NUMERO 1
El banco Aval est analizando a sus clientes para poder determinar, que tan rentable es
ofrecer servicios a dichos clientes, para ello desarrollo un estndar de calificacin
considerando ciertos aspectos de los clientes:

Tambin nos dan una relacin de resultados y sus niveles de probabilidad.

Nos presenta el caso de tres clientes el cual nosotros en este informe vamos a desarrollar,
y enviarle al banco estos resultados, adems de ofrecer unas conclusiones para que
puedan evaluar a sus clientes.
INFORME

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten rentables.
Para este punto usaremos una frmula para relacionar puntajes con las variables.
() =

Cliente 1.
David Born

DATO INFORMATIVO PUNTOS


EDAD 12

TIEMPO DE VIVIR EN EL MISMO 20


DOMICILIO
ANTIGUEDAD CON AUTO 13

PAGO MENSUAL DEL AUTO 6

COSTO DE VIVIENDA 10

CUENTA DE CHEQUES O AHORROS 15

TOTAL 80

El seor Born ha obtenido un puntaje de 80, lo cual quiere decir que posee una probabilidad
de 0.95, sea un 95 % de generar dinero al banco.

Cliente 2.
Edward Brendan
DATO INFORMATIVO PUNTOS

EDAD 18

TIEMPO DE VIVIR EN EL MISMO 0


DOMICILIO

13
ANTIGUEDAD CON AUTO

PAGO MENSUAL DEL AUTO 4

COSTO DE VIVIENDA 10

CUENTA DE CHEQUES O AHORROS 3

TOTAL 48

El seor Brendan tiene un puntaje de 48, lo cual no indica que posee una probabilidad de
0.84 aproximadamente. sea un 84% de que un cliente como Brendan le genere dinero al
banco.

Cliente 3.
Ann Mclaughlin

DATO INFORMATIVO PUNTOS

EDAD 0

TIEMPO DE VIVIR EN EL MISMO 20


DOMICILIO

ANTIGUEDAD CON AUTO 3


PAGO MENSUAL DEL AUTO 4

COSTO DE VIVIENDA 12
CUENTA DE CHEQUES O AHORROS 0

TOTAL 39

La seora Mclaughlin tiene 39 puntos, lo cual es decir que tiene una probabilidad
aproximada de 0.77. Lo que significa que hay un 77% de probabilidad de que un cliente con
caractersticas similares a la seorita Ann genere dinero para el banco.
Para continuar con el informe generaremos un diagrama de rbol en el cual simularemos
una variable aleatoria de clientes y podemos saber cul es la posibilidad (as sea remota)
de que nuestros tres clientes sean aprobados o rentables.
Para ello considerare los valores de probabilidad del primer cliente, del segundo y del
primero para el diagrama de barras que se va a generar.

2.- Con los datos anteriores construya una variable aleatoria que represente el nmero de
clientes rentables para el banco y determine: Cul es la probabilidad de que los tres
resulten rentables?

Digrama de simulacion de probabilidad

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Variable 1 Variable 2 Variable 3 Variable 4 Variable 5 Variable 6 Variable 7 Variable 8

Cliente 1 Cliente 2 Cliente 3

Ahora haremos una simulacin en la cual debemos empezar a relacionar los casos de los
clientes, con las probabilidades obtenidas. Esto quiere decir que cada variable tiene un
grupo de tres clientes con los mismos perfiles de los anteriores. Esto quiere decir que con
el mismo valor de probabilidad.
As que x ser nuestra variable aleatoria.
Para saber cul es la probabilidad de que los tres perfiles delos clientes sean rentables,
multiplicaremos la probabilidad de los tres
() = 0.95 0.84 0.77 = 0.61
Hay una probabilidad de 0.61, sea un 61 por ciento de que los tres resulten rentables.

3.- Cul es la probabilidad de que ninguno sea rentable?


En el caso de que ninguno sea rentable, se har de la misma forma, pero considerando la
probabilidad restante de la rentabilidad.
() = 0.05 0.16 0.23 = 0.0018
La probabilidad de que ninguno sea rentable es de 0.0018, a nivel porcentual seria un
0.18%.

4.- Determine la distribucin de probabilidad total del nmero de clientes rentables entre
este grupo de tres clientes.
Segn la grfica anterior, tenemos 8 clientes de cada perfil. Multiplicaremos el valor de
probabilidad de su rentabilidad por cada situacin. Y sumaremos los valores de cada uno,
para hallar una probabilidad total de clientes que son rentables para el banco.

(1) = 8 0.95 = 7.6


(2) = 8 0.84 = 6.72
(3) = 8 0.77 = 6.16
Ahora haremos la sumatoria para hallar un valor aproximado de la cantidad de clientes
rentables, segn esta muestra simulada.
3

()
1

7.6 + 6.72 + 6.16 21

Segn nuestra muestra son 21 clientes aproximadamente que podran ser rentables.

5.- Redacte un breve resumen de sus hallazgos.


Con la base de los tres clientes postulados al principio del problema, se debe rescatar que
el valor de probabilidad de rentabilidad de los tres casos, es considerablemente alto. Sobre
todo, el caso del primer cliente, el cual tiene una probabilidad tan alta que casi se puede
considerar que es un cliente rentable en su totalidad.
El perfil de dichos clientes es razonable para que el banco considere tenerlos como clientes,
y a cualquier usuario con dichos perfiles; segn estos datos de probabilidad y evaluacin
del perfil del cliente, existe un margen de no rentabilidad muy pequeo. Puesto que a pesar
de que el cliente 2 y 3 no tienen una probabilidad tan elevada, aun as, poseen un valor el
cual es considerado muy positivo. Lo cual dara un parte de seguridad para el banco, y
poder tener relacin financiara con dichos clientes teniendo en cuenta sus estadsticas, la
rentabilidad para el banco es favorable.
ESTUDIO DE CASO NUMERO 2

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que se


presenta con mucha frecuencia. Una de sus caractersticas consiste en que slo hay dos
posibles resultados en un determinado ensayo del experimento y los resultados son
mutuamente excluyentes; Otra caracterstica de la distribucin binomial es el hecho de que
la variable aleatoria es el resultado de conteos. Es decir, se cuenta el nmero de xitos en
el nmero total de ensayos. Una tercera caracterstica de una distribucin binomial consiste
en que la probabilidad de xito es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois concluy que 76.2% de quienes


ocupaban los asientos delanteros de los vehculos utilizaba cinturn de seguridad. Esto
significa que los dos ocupantes de la parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la informacin con el uso actual que se da al cinturn de
seguridad, para lo cual selecciona una muestra de 10 vehculos.
Presente un informe en el que como mnimo incluya:

1.- Esta situacin cumple con los supuestos de la distribucin binomial? Identifquelos

a) Slo hay 2 posibles resultados.


Se puede observar que para los resultados que se obtendrn de las probabilidades
solo hay dos posibles resultados, los cuales son que se use el cinturn o que no se use el
cinturn en la parte delantera del auto.
b) Los resultados son independientes

Cada observacin puede seleccionarse, ya sea a partir de una poblacin infinita sin
remplazo o una poblacin finita con remplazo. Para este ejercicio se puede ver que hay una
poblacin finita con remplazo, en donde tenemos una probabilidad que se mantiene durante
todos los experimentos.

c) La probabilidad de xito permanece constante en todas las veces que se realice


el experimento.

Con referencia a la anterior caracterstica en donde la poblacin es finita con remplazo,


podemos ver que se da una probabilidad y esta se mantiene siempre para todos los
experimentos.
d) El experimento se realiza n veces bajo las mismas condiciones y estamos
interesados en que haya x xitos.
Esta caracterstica se da ya que en el ejercicio se propone que la probabilidad
de tener un xito propuesta es 76.2 % segn el estudio y esto se mantiene
constante, de igual manera se cumple que estemos interesados en
que haya x xitos como por ejemplos 6 xitos en la pregunta nmero 3.

2- Elabore un diagrama de barras para la distribucin de probabilidad binomial que


representa esta situacin
Probabilidad de usar el cinturon

0.8

0.7

0.6

0.5
0.762
0.4

0.3

0.2
0.238
0.1

0
Uso del cinturon No uso del cinturon
Probabilidad de autos donde se usa el cinturon
0.300000

0.250000

0.200000

0.150000

0.100000

0.050000

0.000000
0 1 2 3 4 5 6 7 8 9 10

3.- Cul es la probabilidad de que los ocupantes de la parte delantera en exactamente 6


de los 10 vehculos seleccionados utilicen cinturones de seguridad?

=
= (1 ) =
=
=

Se calcula con la relacin:

!
, =
(
! )!

= 0.762
= 10
=6
10!
10,6 = 0.7626 0.238106
6! (10 6)!

10 9 8 7 6!
10,6 = 0.1957 0.003208
6! 4!

5040
10,6 = 0.0006278
24

10,6 = 210 0.0006278

10,6 = 0.1319037

4.- Cul es la probabilidad de que los ocupantes de la parte delantera de por lo menos 6
de los 10 vehculos utilicen cinturn de seguridad?

6 6

Calculamos los valores de probabilidad exactos para los valores deseados:

= 7, 8, 9,10
Calculo de r = 7:
!
, =
(
! )!

= 0.762
= 10
=7

10!
10,7 = 0.7627 0.238107
7! (10 7)!

10 9 8 7!
10,7 = 0.14917 0.013481
7! 3!
720
10,7 = 0.00201
6

10,7 = 120 0.00201

10,7 = 0.241322

Calculo de r = 8:
!
, =
! ( )!

= 0.762
= 10
=8

10!
10,8 = 0.7628 0.238108
8! (10 8)!

10 9 8!
10,8 = 0.113668 0.056644
8! 2!

90
10,8 = 0.006438
2

10,8 = 45 0.006438

10,8 = 0.289738

Calculo de r = 9:
!
, =
! ( )!
= 0.762
= 10
=9

10!
10,9 = 0.7629 0.238109
9! (10 9)!

10 9!
10,9 = 0.086615 0.238
9! 1!

10,9 = 10 0.0206144

10,9 = 0.206144

Calculo de r = 10:
!
, =
! ( )!

= 0.762
= 10
= 10

10!
10,10 = 0.76210 0.2381010
10! (10 10)!
10!
10,10 = 0.0660 1
10! 0!
10,10 = 1 0.0660

10,10 = 0.0660

Entonces:

( 6) = (6) + (7) + (8) + (9) + (10)

( 6) = 0,131903692 + 0,241322 + 0,289738494 + 0,206144475 + 0,066000878


( 6) = 0,935110
De esta manera la probabilidad de que los ocupantes de la parte delantera de por lo menos
6 de los 10 vehculos utilicen cinturn de seguridad es 0,935110

5.- Cul es la probabilidad de que los ocupantes de la parte delantera de mximo 6 de los
10 vehculos utilicen cinturn de seguridad?

6 6
= 1 ( 6) = 0,935110

Entonces:
( 6) = ( 6) + (6)
( 6) = 1 0,935110 + 0,131903692

( 6) = 0,196794

De esta manera la probabilidad de que los ocupantes de la parte delantera de mximo 6 de


los 10 vehculos utilicen cinturn de seguridad es 0,196794

6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes de la
parte delantera utilizan el cinturn de seguridad

El valor esperado es igual a la media de la distribucin binomial, por lo tanto


=
= 10 = 0,762
= 10 0,762
= 7,62
( = 7,62)

Lo que significa que el valor esperado del nmero de vehculos en los que los ocupantes
de la parte delantera utilizan el cinturn de seguridad es de 7,62 vehculos que podramos
aproximar a 8.
ESTUDIO DE CASO 5
Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001) examinaron
factores de estrs, recursos y agotamiento psicolgico empleando la Escala de Depresin
del Centro de Estudios Epidemiolgicos (CESD), un cuestionario de evaluacin
comunitario.
Entre las personas sin hogar, la puntuacin media del cuestionario CESD es 22,5 con una
desviacin estndar de 8.5 y se considera que para la Variable X = puntuacin del CESD,
la distribucin es normal. Como trabajador en el rea de admisiones en un refugio para
personas sin hogar, usted es el encargado de aplicar el CESD y debe evaluar los resultados
para las nuevas personas que lleguen al centro.
Dentro de las polticas del refugio se encuentra que cualquier persona cuya puntuacin sea
de 21 o ms puntos en el CESD debe enviarse a ver a un doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mnimo, incluya:


1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al doctor

Para este aso tenemos que 23,5 de desviacin estndar y 3,5 para variable x

20 1
= = = 33,3%
3,5 3

Calcular la probabilidad:

20 2
) = = = 66,7
30 3

Co o 66,7 es mayor que 33,3 es ms probable que llegue al refugio ser enviado a ver al
doctor

2. La probabilidad de que una persona que llegue al refugio tenga una puntuacin de 10 o
menos puntos

En particular, hay 10 personas, por lo tanto 12 los casos favorables a dicha seleccin, pero
ella se har de un total de 20+12 = 32 personas sumamos la cantidad de las polticas y que
forman parte de la seleccin y por tanto, los casos posibles o totales
La probabilidad pedida es

12
=
32

3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin entre 16
y 20 puntos.

La informacin sobre lo que come cada una de las personas es insustancial. Pues en lo
que solicita no hay relacin con ello. Por definicin, la probabilidad pedida viene dada por
P-=casos favorables a la seleccin 16/casos totales de la muestra 20.

16
=
20

4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser enviadas a
los servicios de prevencin de suicidios, Qu puntuacin hace calificar a una
persona que llega al refugio para este servicio?

P= casos favorables a la seleccin 15/casos totales de la muestra 20


15
=
20
La puntuacin es de 15/20

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un servicio
de orientacin laboral para mejorar sus recursos. Qu puntuacin permite calificar
a una persona para acceder a este servicio?

P=casos favorables a la seleccin 15/casos totales de la muestra planteada en el ejercicio


20.

25 + 5
=
8 + 12 + 7 + 5

12 3
= =
32 8

3
=
8

La puntuacin es de 3/8
Bibliografa
- Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado
de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID
=11013 767&tm=1470693471527

- Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.


Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docID
=10436 604&tm=1470693651415

- Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado


de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=268&docID
=11013 767&tm=1470693526577

- Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica:


Probabilidad e inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&docID=
109956 69&tm=1470693596054

- Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.


Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID
=10436 604&tm=1470693683773

- Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin. Recuperado


de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=297&docID
=11013767&tm=1470693984628

- Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica:


Probabilidad e inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=
109956 69&tm=1470694057290

- Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.


Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59&docID=
109956 69&tm=1470694602509