Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EXPERIMENTO ALEATORIO
Es aquel en el cual no se puede determinar con anterioridad el resultado, solo podemos afirmar
que el resultado pertenece a un conjunto dado.
Por ejemplo: sí tiramos un dado que tiene 6 caras numeras del 1 al 6 sólo podemos afirmar que el
resultado pertenece al conjunto S= (1,2,3,4,5,6)
ESPACIO MUESTRAL
Por ejemplo: Sí una empresa que produce bombillos está interesada en hacer un estudio de
control estadístico de calidad de los bombillos que producen, con el fin de poder exportar a otros
países, Bolivia y Perú.
S = (t/t≥0)
t: Número de otras de vida de un bombillo
SUCESO O EVENTO
Por ejemplo:
A= (1, 3, 5)
TIPOS DE SUCESOS
SUCESO SEGURO O SERIO: Al espacio muestral se le llama suceso seguro o cierto, porque
la probabilidad de S es igual a 1. P(S)= 1 o 100%
SUCESO IMPOSIBLE: Se representa por el conjunto vacío Ø, se llama así porque la
probabilidad del conjunto vacío es igual a 0. P(Ø)
NOTA: La probabilidad de un suceso mínimo vale 0 y máximo vale 1, es decir, una probabilidad no
puede ser negativa ni mayor que 1
P=(A)= Al número de casos favorables al suceso A/ el número de casos posibles del suceso A
EJERCICIO:
En almacenes éxito de Envigado se les realizó una encuesta a 500 clientes, la encuesta tiene 20
preguntas, una de las preguntas es: ¿Está usted satisfecho con la compra de ropa en este
almacén? De los 250 hombres, 136 respondieron que SI, y de las 250 mujeres, 224 respondieron
que SI.
1. Construir una tabla de frecuencias que relacione la satisfacción del cliente con el género
del cliente, y analice e interprete el dato más importante para almacenes éxito de esta
tabla, y preséntele un informe al gerente de compras, de ventas, de mercadeo, y al
gerente de almacenes éxito Envigado.
2. De un ejemplo de un suceso simple.
3. De un ejemplo de un suceso compuesto.
1.
GENERO DEL CLIENTE
SATISFACCIÓN DEL CLIENTE HOMBRE MUJER TOTAL
NO 114 26 140
SI 136 224 360
TOTAL 250 250 500
RELACIÓN ENTRE LA SATISFACCIÓN Y
GENERO DEL CLIENTE
250 224
NÚMERO DE CLIENTES
200
150 136 HOMBRE
114
MUJER
100
50 26
0
NO SI
SATISFACCIÓN CLIENTE
En el estudio de la sección de ropa de almacenes éxito de Envigado se encontró que de los 250
hombres entrevistados, 114 respondieron NO estar satisfechos con la compra de ropa en este
almacén, que corresponde al 45.6% de los hombres. Es decir, sí no se hacen correcciones, en la
sección de ropa para hombres, aproximadamente el 46% de los hombres no volverían a
comprar.
Por ejemplo: Que el cliente sea un hombre, que el cliente no quede satisfecho con la compra
A1 ∩A2
A 1∪ A 2=A 1+ A 2−A 1∩ A 2
P ( A 1 ∪ A 2 )=P ( A 1 )+ P ( A 2 )−P ( A 1∩ A 2 ) ①
Esta igualdad es llamada la regla de la suma de probabilidades para el caso de dos sucesos no
excluyentes o compatibles, cuando los sucesos son excluyentes o incompatibles se cumple.
P(A1∪A2)=P(A1)+P(A2)
Porque A 1∩ A 2=ᶲ la probabilidad del ᶲ (Vacío) que en probabilidades es el suceso imposible
vale 0.
5. De un ejemplo del suceso contrario de que un cliente quede satisfecho con la compra de
ropa en el almacén éxito de Envigado = suceso A.
6. Calcular la probabilidad de que un cliente elegido al azar sea mujer o quede conforme
con la compra de ropa en este almacén.
M: Es el suceso de que un cliente sea mujer.
C: Es el suceso de que un cliente quede conforme o satisfecho con la compra de ropa en
este almacén.
O= U = + O: SUMA DE LA PROBABILIDAD DE DOS O MÁS SUCESOS.
Y= ∩= X Y: PRODUCTO DE LA PROBABILIDAD DE DOS O MÁS SUCESOS.
En este ejemplo es la suma de probabilidades por incluir la palabra O en el enunciado. Pero para
aplicar la suma necesitamos saber sí los sucesos son compatibles o incompatibles.
En este ejemplo los sucesos son compatibles porque se pueden presentar simultáneamente, es
decir, aplicamos la regla de la suma para sucesos compatibles.
Hay una alta probabilidad de que un cliente que sea una mujer, al comprar ropa en el almacén
éxito de Envigado quede conforme o contenta con la compra de ese producto, es decir, que la
sección de ropa para damas está bien en cuanto las marcas, los precios, la atención al cliente.
PROBABILIDAD CONDICIONAL
P (A1/A2) = P (A1∩A2) ①
P (A2)
EJEMPLO:
En la facultad de ciencias estratégicas el 25% de los estudiantes del primer semestre pierden
Principios de economía, el 15% de los estudiantes pierden microeconomía y el 10% ambas.
P= 0.10/0.15 = 0.66
Se espera que el 66% de los estudiantes que pierde microeconomía, también perdieron principios
de economía, es decir, hay una alta mortalidad en estas dos materias.
La igualdad ③ sirve para calcular la probabilidad del producto de dos sucesos, cuando los sucesos
son DEPENDIENTES.
Dos sucesos son DEPENDIENTES, cuando el hecho de presentarse uno, afecta la probabilidad del
otro, sí NO la afecta se dice que los dos sucesos son INDEPENDIENTES.
P(A2/A1)= P (A2)
La igualdad ④ sirve para calcular la probabilidad del producto de dos sucesos independientes
EJEMPLO:
Un operario atiende dos máquinas A1 y A2, se sabe que la probabilidad de que la primera máquina
no reclame la atención del operario en el transcurso de 1 hora, es 0.90 y que la segunda máquina
no reclame la atención del operario en una hora es de 0.80. Estas probabilidades vienen dadas por
el fabricante de las máquinas en la ficha técnica de cada máquina.
1. Calcular e interpretar la probabilidad de que en una hora ninguna de las maquinas reclame
la atención del operario.
A1: es el suceso de que la primera máquina no reclame atención del operario en el transcurso de
una hora
A2: es el suceso de que la segunda máquina no necesite atención del operario en el transcurso de
una hora
P(A1)=0.90
P(A2)=0.80
Vamos a calcular la probabilidad del producto de dos sucesos
Vamos a aplicar la probabilidad del producto de dos sucesos bajo el supuesto de que las dos
máquinas trabajan independientemente, es decir que los dos sucesos son independientes
EJEMPLO 2
En este caso los dos sucesos son compatibles porque las dos máquinas pueden trabajar sin
necesitar al operario durante una hora, es decir que utilizamos la siguiente formula
P ( A 1 ∪ A 2 )=P ( A 1 )+ P ( A 2 )−P ( A 1∩ A 2 )
P(A1∪A2) = 0.90 + 0.80 -0.72 = 0.98
=98%
CONCLUSION:
Esto nos indica que hay una alta probabilidad de que en esta empresa no se va a paralizar la
producción porque tiene una maquinaria muy eficiente o con tecnología de punta.
TEMA 2
VARIABLE ALEATORIA
Las variables aleatorias se representan con letras mayúsculas X, Y, Z y se designan los valores
individuales que toman las variables aleatorias con las correspondientes letras minúsculas x, y, z.
Las variables aleatorias son: de tipo discreto o de tipo continuo.
Tipo discreto: Son aquellas que toman valores que se pueden contar.
f(x) = P(X=x) ①
Esta función① sirve para calcular la probabilidad exactamente en el punto x, y se llama LA
FUNCIÓN DE PROBABILIDAD.
F(x)= P(X ≤ x) ②
Esta función② sirve para calcular la probabilidad acumulada, es decir, calcula la probabilidad para
un valor menor o igual que x, y se llama LA FUNCIÓN DE DISTRIBUCIÓN DE UNA VARIABLE
ALEATORIA.
EJEMPLO:
Hay una baja probabilidad en esta empresa de que al producir un lote de 6 artículos se presenten
exactamente 3 de mala calidad.
Hay una baja probabilidad en esta empresa de que al producir un lote de 6 artículos se produzcan
3 o menos de mala calidad.
Ejemplo: el peso, la estatura de una persona, la duración en horas de vida de una llanta, de una
batería, de un vehículo.
NOTA: Cuando una variable aleatoria toma valores que se pueden contar, la variable es DISCRETA.
Cuando toma valores que no se pueden contar sí no que son medibles, la variable es CONTINUA.
DISTRIBUCIONES DE PROBABILIADES
Para poder utilizar este modelo necesitamos definir que es una combinación ncx.
ncx sirve para calcular cuantas combinaciones o grupos distintos puedo formar de
tamaño x con n elementos.
A1 A2 A3
A1 A2
A1 A3
A2 A3
R/ 3
R/ 120
P: Es la probabilidad de éxito
n: Es el número de pruebas
Ejemplo: Coca-Cola produce botellas de agua Manantial, y el porcentaje de botellas que produce,
de mala calidad, es del 2%. Las botellas las vende a los distribuidores, en paquetes de 30 botellas,
cada 15 minutos se selecciona aleatoriamente un paquete de 30 botellas, y un inspector de
calidad (un obrero capacitado) examina las 30 botellas.
Una botella de agua producida de mala calidad (que no tenga fecha de vencimiento, que tenga
mala la tapa, que tenga sucia la etiqueta, etc.)
Hay una alta probabilidad de que en un paquete de 30 botellas salgan 2 o menos botellas de mala
calidad.
NOTA: Cuando vamos a calcular una probabilidad, por ejemplo: P (x=2), en el acumulado
colocamos FALSO. Y cuando vamos a calcular una probabilidad acumulada, por ejemplo: P (X≤2)
en el acumulado colocamos VERDADERO
EJERCICIO TIPO PARCIAL
Una empresa nueva en el mercado produce el 10% de los artículos de mala calidad, y el 90% de la
producción de buena calidad. Los artículos se venden en el mercado en cajas de 15 artículos. Sí
seleccionamos aleatoriamente una de las cajas producidas en los últimos 15 minutos, y
examinamos todos los 15 artículos, calcular e interpretar las siguientes probabilidades.
P= 10% = 0,10
n= 15
INTERPRETACIONES:
1. Se espera que de cada 100 clientes que nos compren este producto, 13 no nos vuelvan a
comprar porque en cada caja salieron exactamente 3 artículos de mala calidad, es decir, sí
no mejoro la calidad del producto la empresa tiende a la quiebra.
2. Cuando es verdadero (que sea acumulada) no se hace interpretación.
3. La calidad de esta empresa es muy deficiente porque solamente puede exportar o vender
a nivel nacional en los almacenes de los centros comerciales el 21% de la producción.
NOTA: Excel no calcula probabilidades para valores mayores o iguales ni probabilidades para
valores mayores. En este caso para poder hallar estas probabilidades por Excel, utilizamos el
teorema de la probabilidad del suceso contrario
P= Número de casos favorables al suceso sobre el número de casos posibles del suceso
CF 738
P= = = 0.05 5%
CP 14760
N= 60 N° de cajas
1. P (X=7) = 0.02 Hay una baja probabilidad de que en una caja de 60 artículos producidos
en una empresa se presenten exactamente 7 de mala calidad.
2. Importación. P (X=0) = 0.05 Tenemos una probabilidad del 95% (alta) de que las cajas
sean de exportación, es decir, se espera que de cada 100 cajas producidas, 95 sean de
exportación.
3. P (X>10) = 1 – P (X≤10)
= 1 – 0.99
= 0.0002
Es muy poco probable, casi imposible que una caja de las producidas por esta empresa,
me salgan más de 10 artículos malos.
LA DISTRIBUCIÓN DE POISSON
Ejemplo:
X= 0,1,2,3….
μ es una letra del alfabeto griego y representa en esta distribución la media aritmética de la
población, es decir, el promedio de éxitos en un intervalo de tiempo y espacio.
Números factoriales
b) P(X ≤ 7) = P(X ≤ 6)
µ=6 En promedio llegan a la fila del cajero de Bancolombia 6 personas cada 2
minutos
Hay una mediana probabilidad de que en 2 minutos lleguen a la fila del cajero de
Bancolombia 6 o menos clientes
c) P(8 ≤ X ≤ 13) = P(X ≤ 13) – P(X ≤ 7)
µ = 12 (SI EN UN MINUTOS LLEGABAN 3 , EN 4 MINUTOS CUANTOS LLEGARAN (3*4))
Hay una mediana probabilidad de que en 4 minutos lleguen a la fila del cajero de
Bancolombia entre 8 y 13
LA DISTRIBUCIÓN NORMAL
El área que hay entre µ más o menos Ơ corresponde al 68% aproximadamente de los
datos. El área que hay entre la media y más o menos dos veces la desviación estándar
corresponde al 95% de los datos, y el área que hay entre la media y más o menos la
desviación estándar corresponde al 99,74% de los datos.
PROPIEDADES