Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas
Las organizaciones empresariales son sistemas muy
complicados, creados para satisfacer necesidades,
compuestos por componentes que intervienen y
interactúan de manera armónica para lograr los
objetivos.
Matemáticos
Para describir y
relacionar las variables
seleccionadas del
mundo real, a base de
ecuaciones
matemáticas:
Determinísticos y
Probabilísticos
Modelación
• Los datos son colecciones de un número cualquiera de observaciones relacionadas entre sí.
• Se seleccionan las observaciones de manera que todos los grupos relevantes estén representados
en los datos.
Obtención de datos
• Los datos provienen de observaciones reales o de documentos que se conservan para usos
diarios.
Muestra y población
Distribución de frecuencias
• Es una tabla que organiza los datos en clases, es decir, en grupos de valores que describen una
característica de los datos.
Probabilidades
Laprobabilidad marginal P(A) es la probabilidad
de que ocurra un evento.
Distribución de Frecuencias
14
12
10
8
6
4
2
0
Vendío 8 Vendió 9 Vendió 10 Vendió 11
Distribuciones de Probabilidad
Una distribución de probabilidad indica toda la gama de
valores que pueden representarse como resultado de un
experimento si éste se llevase a cabo.
Distribución Binomial
Frecuentemente un experimento consiste en ensayos
repetidos, cada uno con dos posibles resultados que
pueden llamarse éxito o fracaso.
1.El experimento consiste en n intentos repetidos
2.Los resultados de cada uno de los intentos pueden
clasificarse como un éxito o como un fracaso
3.La probabilidad de éxito representada por p, permanece
constante en todos los intentos
4.Los intentos repetidos son independientes
Este procedimiento se conoce como El proceso de Bernoulli
Distribución Binomial
El número Xde éxitos en n experimentos de Bernoulli recibe el
nombre de variable aleatoria binomial.
La distribución de probabilidad de esta variable aleatoria
discreta se llama distribución binomial y sus valores se
representan por: b(x; n, p)
b(x; n, p) = ()n
x
p xq n-x
Distribución Binomial
Probabilidad de x éxitos en nensayos es:
n! xqn-x
P
x! (n-x)!
Distribución Binomial
Media Varianza
μ= np σ2 = npq
Ejercicio 2
Distribución Binomial
La probabilidad de que cierta clase de componente pase con éxito
una determinada prueba de impacto es de ¾. Encuentre la
probabilidad de que exactamente 2 de los siguientes 4 componentes
que se prueban pasen la prueba
b(x; n, p) =() n
x
p xq n-x
b(2; 4, ¾) = ( ) (¾)
4 2 (¼)4-2
2
Ejercicio 3
Distribución Binomial
*Uso detabla
La probabilidad de que un paciente se recupere de una
rara enfermedad es 0.4. Si se sabe que 15 personas han
contraído esta enfermedad, ¿cuál es la probabilidad de
que: a) al menos 10 sobrevivan, b) sobrevivan entre 3 y 8
personas y c) sobrevivan exactamente 5 personas?
x-μ
Z=
σ /√n
Conforme n →∞, es la distribución normal estándar n(z;0,1)
Distribución Normal
Normal estándar
Cuando μ= 0 y σ = 1, la distribución se conoce con el nombre de
normal estándar. Dada una variable aleatoria normal X, con media μ y
desviación tipica σ, si definimos otra variable aleatoria:
x- μ
Z=
σ
e -λ λ k
∫(k;λ) =
k!
Donde:
k! es el factorial de k,
λ es un número real positivo, equivalente al número esperado de ocurrencias durante un intervalo dado. Por ejemplo, si los
eventos ocurren de media cada 4 minutos, y se está interesado en el número de eventos ocurriendo en un intervalo de 10
minutos, se usaría como modelo una distribución de Poisson con λ = 2.5. Esto quiere decir que landa es la media y la
variancia en Poisson
Ejercicio 5
Distribución dePoisson
Marc a mos
Cómo agregar el complemento de Análisis dedatos?
Marc a mos
Cómo agregar el complemento de Análisis dedatos?
Llenamos las
correspondientes
casillas para aplicar
Herramientas para
Análisis que
utilizaremos en el
curso
y le damos Aceptar:
Ejemplos de
Modelación
Ejemplo 1.
Modelación utilizando Simulación
La Portátil S. A., fabrica computadoras personales y periféricos. El grupo de diseño de
productos de la compañía elaboró un prototipo para una nueva impresora portátil de alta
calidad. La nueva impresora presenta un diseño innovador y el potencial de captar una
porción significativa del mercado de las impresoras portátiles. Los análisis financieros y de
mercadotecnia preliminares proporcionan los siguientes datos: precio de venta de $249
por unidad, costo administrativo de $400,000 y costos de publicidad de $600,000.
El costo de la mano de obra directa, el costo de las partes y la demanda del primer año
para la impresora no se conocen con certeza y se consideran entradas probabilísticas. La
empresa supone que el costo de la mano de obra directa variará de $43 a $47 por unidad
con una probabilidad de ocurrencia de: 0.1 para $43, 0.2 para $44, 0.4 para $45, 0.2 para
$46 y 0.1 para $47.
El departamento de manufactura estima que el costo de las partes variará uniformemente
de $80 a $100 por unidad, por otro lado la gente de mercadeo estima que la demanda
para el primer año se describe con una distribución de probabilidad normal con un valor
medio de 15,000 y una desviación estándar de 4,500 unidades. Gabriela, gerente general
de la compañía, quisiera un análisis de la utilidad potencial de la impresora en el primer
año. Debido a la situación de flujo de efectivo restringido Gabriela está particularmente
preocupada por el potencial de unapérdida.
Bajar la hoja de cálculo con los encabezados de la página: www.ucreanop.org
Buscar en la carpeta con el nombre: Ejercicios de Clase
+
Ahora calcularemos los resultados resumen del análisis:
Nos vamos al menú de Fórmulas y procedemos a calcular
cada uno de los datos:
Le damos el formato respectivo:
Para calcular la σ de las utilidades nos vamos a la función fx
dentro del menú de Fórmulas:
Continuamos con el Menor Ingreso:
Damos el formato deseado:
Continuamos con el Mayor Ingreso:
Continuamos con las veces que se nos presentó una pérdida:
Terminamos calculando la probabilidad de obtener una pérdida:
Como es una probabilidad le damos formato de %:
¿Eseste proyecto riesgoso?