INTRODUCCION

Hoy en día las organizaciones van teniendo un mejor desarrollo en cuanto a sus actividades con

la finalidad de alcanzar un mayor crecimiento y tener un nivel de calidad alto con el que puedan

competir dentro del mercado y a su vez procurar el cumplimiento de sus objetivos. Para lograrlo

las grandes organizaciones invierten en analizar minuciosamente los cambios o variaciones en el

mercado, lo clientes, consumidores, productos, etc., con el objetivo de poder tomar decisiones

correctas en el momento correcto que mejoren positivamente a su empresa, es por eso que el

análisis de datos estadísticos y la aplicación de la probabilidad como el análisis de distribuciones

permite obtener resultados concretos que son determinantes a la hora de tomar decisiones, puesto

que, ayudan a disminuir el riesgo y a establecer factores clave para la operación de una

organización.

Objetivo

Resolver los ejercicios a partir de los temas abordados en el bloque, con la finalidad de practicar

la aplicación de fórmulas para el cálculo de probabilidad.

 METODO Y DESARROLLO

Cabe destacar que el desarrollo de la presente actividad refiere al uso y aplicación de las

distribuciones de probabilidad: normal, binomial y de Poisson. Dentro del estudio de la

probabilidad, las distribuciones refieren a dos tipos principales: distribuciones continuas y

discretas.

Una distribución de probabilidad es una ecuación que permite vincular cada resultado posible

de un experimento estadístico con su probabilidad de ocurrencia mediante variables aleatorias ya

sean continuas o discretas, los objetivos más importantes de las distribuciones de probabilidad de

acuerdo con Badii y Castillo (2009) son:

a) Introducir las distribuciones de probabilidad que más se utilizan en la toma de decisiones.

b) Utilizar el concepto de valor esperado para tomar decisiones.

c) Mostrar qué distribución de probabilidad utilizar, y cómo encontrar sus valores.

d) Entender las limitaciones de cada una de las distribuciones de probabilidad que utilice.

A continuación, se muestra la resolución de tres ejercicios que ejemplifican la aplicación de

las distribuciones de probabilidad en diferentes situaciones.

1.- Una empresa está haciendo un estudio de mercado para determinar la aceptación y consumo

de su producto. La empresa sabe que una de cada tres casas cuenta con un producto similar al

que van a desarrollar. ¿Si investigan al azar 90 casas, qué probabilidad hay de que entre ellas

haya por lo menos 30 productos similares?

1. ¿Qué tipo de probabilidad es?

El tipo de probabilidad es binomial y pertenece al tipo de distribución discreta, aparece cuando

se realizan repeticiones independientes de un experimento y su probabilidad se determina por el

éxito o fracaso (Badii y Castillo, 2009). Puesto que el ejercicio refiere a la probabilidad de tener

30 “éxitos” en relación al número de intentos se puede utilizar este tipo de distribución para

obtener el resultado.

2. ¿Cuál es la fórmula o forma de determinar la probabilidad?

La fórmula para determinar la probabilidad está dada matemáticamente por el proceso de

Bernoulli definida de la siguiente manera (Rodríguez, 2014):

n!
P ( x) = p x qn− x
( n−x ) ! x !

Donde:

P(x) = probabilidad binomial

n = número de ensayos realizados (veces que se lleva a cabo el experimento)

x = número total de éxitos

q = probabilidad de fracaso

p = probabilidad favorable (probabilidad de éxito en un solo intento)

3. ¿Cuál es el resultado?

Para obtener el resultado del ejercicio propuesto se utiliza la formula anterior con los datos

descritos:

n = 90
x = 30

p = 1/3 = 0.33

q = 1 – p = 1 – 0.33 = 0.67

Sustituyendo los datos en la fórmula:

90 ! 30 90−30
P ( x) = 0.33 0.67
( 90−30 ) ! 30 !

1.49E+138
P ( x) = ∗3.59E-15∗3.67E-11
60 !30!

1.49E+138
P ( x) = ∗3.59E-15∗3.67E-11
( 8.32E+81 ) (2.65E+32)

1.49E+138
P ( x) = ∗1.32E-25
2.21E+114

P ( x ) =6.73E+23∗1.32E-25

P ( x ) =0.088717077

P ( x ) =8.87 %

Por lo tanto, la probabilidad de que haya por lo menos 30 productos similares en 90 casas

elegidas al azar es de 8.87 %.

2.- La probabilidad de que un artículo producido por una planta de manufactura sea defectuoso

es p = 0.035. Se envió un cargamento de 25.000 artículos a un cliente. Cuál es el número

esperado de artículos defectuosos, la varianza y la desviación típica.

¿Qué tipo de probabilidad es?

Del mismo modo que en el ejercicio anterior, el tipo de probabilidad es binomial ya que el valor

de probabilidad dado refiere a una cantidad esperada de éxito y fracaso

¿Cuál es la fórmula o forma de determinar la probabilidad?

La fórmula para determinar la probabilidad está dada matemáticamente por el proceso de

Bernoulli definida de la siguiente manera (Rodríguez, 2014):

n!
P ( x) = p x qn− x
( n−x ) ! x !

Donde:

P(x) = probabilidad binomial

n = número de ensayos realizados (veces que se lleva a cabo el experimento)

x = número total de éxitos

q = probabilidad de fracaso

p = probabilidad favorable (probabilidad de éxito en un solo intento)

De igual forma, la desviación estándar para una distribución binomial se calcula con la siguiente

formula:

σ =√ npq

Y siendo la varianza el cuadro de la desviación estándar

Varianza = σ 2

¿Cuál es el resultado?
El planteamiento del ejercicio proporciona los siguientes datos:

Probabilidad de artículos defectuosos = 0.035

n = 25 000

Como ya se tiene la probabilidad de artículos defectuosos que en este caso representa a q, se

puede obtener la probabilidad de artículos exitosos realizando una resta dejando a un lado la

fórmula para el cálculo de probabilidad binomial, por lo que:

P = 1 – q = 1 - 0.035 = 0.965

Para obtener el número de artículos defectuosos se tiene que:

P = 0.035 * 25 000 = 875 artículos defectuosos

Para obtener la desviación estándar se sustituyen los datos en la fórmula:

σ =√(25 000)(0.965)(0.035)

σ =√ 844.375

σ =29.05

Por último, calculamos la varianza

Varianza = σ 2 = 29.052 = 844.75

3.- En la inspección de pintura de chasis realizada por un proceso automático se identifican

2 imperfecciones en promedio por día. Determine las probabilidades de identificar: una

imperfección en 1 mes (30 días laborales).

¿Qué tipo de probabilidad es?

El tipo de probabilidad es de Poisson, puesto que de acuerdo a Rodríguez (2014) es una

distribución que se aplica para variables aleatorias discretas midiendo la frecuencia relativa de un

evento en función de una unidad de tiempo, que en este caso serían los 30 días

¿Cuál es la fórmula o forma de determinar la probabilidad?

La fórmula para determinar la probabilidad está dada de la siguiente manera:

x −λ
λ e
P ( x) =
x!

Donde:

P(x) = probabilidad de x éxitos dado el valor de 1

λ = numero promedio (valor esperado) por unidad de tiempo, espacio o volumen

e = 2.71828

x = número de éxitos deseados por unidad de tiempo, espacio o volumen

¿Cuál es el resultado?

Para obtener el resultado se establece la siguiente relación por medio de una regla de 3:

2 imperfecciones 1 día

λ 30 días
 entonces

λ = 30 * 2 / 1

λ = 60 imperfecciones en promedio durante un mes

Sustituyendo en la formula se tiene que

1 −60
60 e
P ( x) =
1!

P ( x ) =5 .25391 E−25 siendo la probabilidad de tener 60 imperfecciones durante 1 mes

Para determinar la probabilidad de tener 1 imperfección durante 1 mes a partir de los datos

obtenidos se construye la siguiente tabla:

ߣ௫ x X P(x)
60 1 1 5.2539065E-25
3600 2 2 1.5761700E-23
216000 3 6 3.1523439E-22
12960000 4 24 4.7285158E-21
777600000 5 120 5.6742190E-20
4.6656E+10 6 720 5.6742190E-19
2.7994E+12 7 5040 4.8636163E-18
1.6796E+14 8 40320 3.6477100E-17
1.0078E+16 9 362880 2.4318100E-16
6.0466E+17 10 3628800 1.4590800E-15
Tabla para determinar la 3.628E+19 11 39916800 7.9586400E-15
2.1768E+21 12 4.79002E+08 3.9793200E-15
probabilidad de tener 1
1.3061E+23 13 6.22702E+09 1.8366100E-13
imperfección durante 1 mes.
7.8364E+24 14 8.71783E+10 7.871190E-13
Elaboración propia Microsoft
4.7018E+26 15 1.30767E+12 3.148470E-12
Excel 2.8211E+28 16 2.09228E+13 1.1806800E-11
1.6927E+30 17 3.55687E+14 4.1671099E-10
1.0156E+32 18 6.40237E+15 1.389033E-10
6.0936E+33 19 1.21645E+17 4.386420E-10
3.6562E+35 20 2.4329E+18 1.31593E-09
2.1937E+37 21 5.10909E+19 3.759789E-09
1.3162E+39 22 1.124E+21 1.025397E-08
7.8973E+40 23 2.5852E+22 2.674948E-08
4.7384E+42 24 6.2045E+23 6.68737E-08
2.843E+44 25 1.551E+25 1.60497E-07
1.7058E+46 26 4.033E+26 3.70377E-07
1.0235E+48 27 1.0889E+28 8.2306106E-07
6.1409E+49 28 3.04888E+29 1.7637023E-06
3.6846E+51 29 8.84176E+30 3.6490339E-06
2.2107E+53 30 2.65253E+32 7.2980784E-06
probabilidad para hallar 1 1.4174713E-05
imperfeccion en 30 dias
0.1417%
 CONCLUSION

Como se pudo observar durante el desarrollo de los ejercicios mediante la aplicación de los

temas abordados durante el bloque, las distribuciones de probabilidad son de una gran utilidad

para obtener información precisa que sea de gran utilidad en la toma de decisiones de una

organización y puedan reducir los riesgos que implican. Tomando como ejemplo el ejercicio 2,

referente al número de artículos defectuosos dentro de un lote entregado a un cliente, dicho

resultado puede ayudar a la empresa a tomar decisiones y/o acciones para reducir la cantidad de

875 artículos defectuosos por cada 25 000, reduciéndolos a una cantidad menor con la finalidad

de obtener menos perdidas y una mayor satisfacción al cliente. Del mismo modo, es importante

tener claro para que situación podemos utilizar los diferentes tipos de distribuciones de

probabilidad.

BIBLIOGRAFIA

Badii, M. Castillo, J. (2009). Distribuciones probabilísticas de uso común. Daena: International

Journal of Good Conscience.

Rodríguez, J. (2014). Estadística para administración. Grupo editorial Patria. Pp. 241-296.

Apuntes de clase. Modelos matemáticos para la producción. Universidad IEU.