Maestría en Ingeniería para la Industria

Especialización en Ciencias de la Computación

Escuela de Posgrado - Facultad de Ingeniería y
Arquitectura - UES

FUNDAMENTOS DE ESTADÍSTICA Y SIMULACIÓN

Dr. Joaquín Castro-Montoya

Distribución teórica de los datos de la población.
 La media, moda y mediana son iguales.
 La curva es simétrica.
 El area bajo la curva representa la totalidad (100 %) de la población.

2
Para una distribución normal,
 el 34.13 % del área de la curva se encuentra contenida entre µ y µ + σ.
 El 13.59 % se encuentra contenida entre µ + σ y µ + 2σ.
 El 2.15 % se encuentra entre µ + 2σ y µ + 3σ. ¿Qué proporción de la
población se encuentra entre
µ y µ + 3σ?
El 49.87 % de la población
se encuentra entre µ y µ +
3σ
El 99.75 % de la población se
encuentra entre µ - 3σ y µ +
3σ
Desviaciones estandar
3
Puntaje estándar (Puntaje Z).
 Diferencia entre una medición específica y la media poblacional
expresado en desviaciones estándar.

4
Nivel de confianza = 0.975  97.5 % del
totalidad de la curva normal

5
Ej. 1:
 La ganancia de peso promedio de las vacas
lecheras en los primeros dos meses de vida es
de 800 g diarios con una desviación estándar
de 60 g. La novilla “Alma” tiene una ganancia
de pero diaria de 920 g. ¿Cuál es el área bajo la
curva que cubre la ganancia de peso de Alma?

6
Ej. 2:
 La altura promedio de un jugador de la NBA es
de 2.01 m, la desviación estándar de la población
es 0.085 m. Bol Bol mide 2.18 cm. Cuál es el área
bajo la curva que cubre la altura de Bol Bol?

7
¿Qué tienen en común la novilla Alma y Bol Bol?

El área bajo la curva de

sus respectivos
parámetros es 97.72 %.

Su rango percentil es de
97.72 %

8
 Ej. 3:
 ¿Cuál es el valor (en kg) que se ubica en el percentil 99.5 de la ganancia de
peso de vacas lecheras en los dos primeros meses de vida?

 Area bajo la curva (un lado) = 99.5

 Z score (Tabla de Z) = 2.575
 2.575 = (X - µ) / σ  (2.575 * σ) + µ = X

9
Ej. 4:
 Los ingresos promedios de un salvadoreño (2019) es de $9,164 (PPP)
anuales con una desviación estándar de $1,651. Los ingresos
mensuales de un entrevistado son de $525 (PPP). ¿Cuál es el rango
percentil de nuestro entrevistado? (o ¿En cuál percentil se encuentra
nuestro entrevistado?)
Z=?

10
  Nuestro entrevistado se encuentra
en el percentil 4.18 %
0 10
0

0.0418 0.4582 0.
5
-1.73
Desviaciones estándar

11
Ej. 4:
 Los ingresos promedios de un salvadoreño (2019) es de $9,164 (PPP)
anuales con una desviación estándar de $1,651. Los ingresos
mensuales de un entrevistado son de $525 (PPP). ¿Cuál es el rango
percentil de nuestro entrevistado?
Z=?

12
 Ej. 4:
 Los ingresos promedios de un salvadoreño (2019) es de $9,164 (PPP)
anuales con una desviación estándar de $1,651. Los ingresos
mensuales de un entrevistado son de $525 (PPP). ¿Cuál es el rango
percentil de nuestro entrevistado?
Z=?

13
Escuela de Posgrado y Formación Continua --- FFCCAA --- Universidad de El
Salvador
a) Identificar la distribución apropiada para los datos.
b) Transformar los datos.

14
Otros tipos de distribución
Log normal Exponential Poisson

15
Transformaciones
 Box-Cox
 Elevar la medida original a una potencia “lambda” determinada
 E.g.:

Lambda Ecuación
-2 1 / Y2
-0.5 1 / Y0.5 = 1/(√𝑌)
-1.0 1/Y
0 Lognormal (ln)
0.5 Y0.5= √𝑌
2 Y2
16
Figure from Stevens (2002) Applied Multivariate Statistics for the Social Sciences 5th ed.
17
18

Distribuciones
Características de un experimento binomial
 Consiste en una secuencia de ensayos (n ensayos).
 Solo dos resultados posibles: éxito o fracaso.
 La probabilidad del éxito (p) no cambia entre pruebas
 La probabilidad de fracaso es 1- p

 Los ensayos son independientes.

 El resultado de un ensayo no influencia el siguiente.

19
 Los distribuidores de una compañía realizan sus ventas por teléfono.
 Llaman a sus potenciales clientes, les hacen una descripción del
producto y una oferta y preguntan al cliente si está interesado en
comprar el producto.
 ¿Cuáles son los posibles resultados de este experimento?

20
 La venta del producto puede tener dos resultados: éxito o fracaso
(i.e., si o no).
 ¿Cuál es la probabilidad de e.g. éxito?
 ¿Cuál es la probabilidad de éxito en e.g. 5 llamadas?

Prueba 1 2 3 4 5
Resultado N N N S N

21
 Prueba 1 2 3 4 5
Resultado S N N N N
Resultado N S N N N
Resultado N N S N N
Resultado N N N S N
Resultado N N N N S

¿Cuántas posibles combinaciones de 1 éxito y 4 fracasos?

C(5,1) = 5
nCr = n! / (n-r)! * r! = 5! / (5-1)! * 1! = 5
¿Cuántas posibles combinaciones de 3 éxitos y 2 fracasos? 22
 La venta del producto puede tener dos resultados: éxito o fracaso
(i.e., si o no).
 En general, en la compañía se obtiene una venta en el 20 % de las llamadas.
 Si se hace 5 llamadas al azar ¿Cuál es la probabilidad de lograr 1 venta ?

23
P(S) = 0.2
1 – P = 0.8 = P(N)

Prueba 1 2 3 4 5
Resultado S N N N N
Resultado N S N N N
C(5,1) = 5 Resultado N N S N N
Resultado N N N S N
Resultado N N N N S

24
P(S) = 0.2
1 – P = 0.8 = P(N)

Prueba 1 2 3 4 5
Resultado 0.20 0.80 0.80 0.80 0.80
Resultado 0.80 0.20 0.80 0.80 0.80
C(5,1) = 5 Resultado 0.80 0.80 0.20 0.80 0.80
Resultado 0.80 0.80 0.80 0.20 0.80
Resultado 0.80 0.80 0.80 0.80 0.20

25
P(S) = 0.2
1 – P = 0.8 = P(N)

Prueba 1 2 3 4 5 Probability
Resultado 0.20 0.80 0.80 0.80 0.80 0.08192
Resultado 0.80 0.20 0.80 0.80 0.80 0.08192
C(5,1) = 5 Resultado 0.80 0.80 0.20 0.80 0.80 0.08192
Resultado 0.80 0.80 0.80 0.20 0.80 0.08192
Resultado 0.80 0.80 0.80 0.80 0.20 0.08192
Suma = 0.4096

𝑃 𝑆 = 𝐶 𝑛, 𝑥 𝑝 𝑥 (1 − 𝑝)𝑛 −𝑥
𝐶 5, 1 × 0.21 × 0.84 = 0.4096
26
Ejercicio 1
 Una empresa ensambladora sabe que 3 de cada 25 monitores están
mal ensamblados.
 Al adquirir 8 monitores de la empresa, ¿Cuál es la probabilidad de X
monitores estén mal ensamblados?
 X = 0, 1, 2, 3, 4, 5, 6, 7, 8

𝑃 𝑆 = 𝐶 𝑛, 𝑥 𝑝 𝑥 (1 − 𝑝)𝑛 −𝑥

27
0.4500
0.3923
0.4000
0.3596
0.3500

0.3000

0.2500

0.2000 0.1872

0.1500

0.1000
0.0511
0.0500
0.0087 0.0009 0.0001 0.0000 0.0000
0.0000
0 1 2 3 4 5 6 7 8

28
Ejercicio 2
 Dos vendedores.
 Daniel hace 10 llamadas al día con una tasa de éxito del 75 %.
 Jonas hace 16 llamadas al día con una tasa de éxito del 45 %.

 ¿Quién tiene mayores probabilidades de realizar 5 ventas en un día?

29
Ejercicio 2
 Daniel hace 10 llamadas al día con una tasa de éxito del 75 %.
 𝐶 𝑛, 𝑥 𝑝 𝑥 (1 − 𝑝)𝑛 −𝑥
 n = 10, x = 5, p = 0.75
 𝐶 10, 5 × 0.755 × 0.255 = 0.0584

30
Ejercicio 2
 Jonas hace 16 llamadas al día con una tasa de éxito del 45 %.
 𝐶 𝑛, 𝑥 𝑝 𝑥 (1 − 𝑝)𝑛 −𝑥
 n = 16, x = 5, p = 0.45
 𝐶 16, 5 × 0.455 × 0.5511 = 0.112

31
0.3000

0.2500

0.2000

0.1500 Jonas
Daniel

0.1000

0.0500

0.0000
0 1 2 3 4 5 6 7 8 9 10

32
 Dos distribuidores: Daniel y Jonas
 Daniel hace 10 llamadas al día y tiene una tasa de éxito del 75 %.
 Jonas hace 16 llamadas al día y tiene una tasa de éxito del 45 %.

33
34

Distribuciones
 Para eventos con una cantidad infinita de resultados.
 El número de ocurrencias puede variar entre 0 e infinito.

 Se concentra en eventos discretos u ocurrencias en un intervalo

definido (continuum)
 Tiempo, longitud, distancia.

# 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠
λ=
𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑒𝑠𝑝𝑒𝑐í𝑓𝑖𝑐𝑜

35
  ¿Cuántos autos cruzan la intersección entre las 20:30 y las 20:35 h?
 El sistema de monitoreo estima que en promedio 10 autos cruzan esa
intersección

# 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠 10 𝑎𝑢𝑡𝑜𝑠
λ= = = 10
𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑒𝑠𝑝𝑒𝑐í𝑓𝑖𝑐𝑜 5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

0 10 ∞
Valor esperado (µ)
36
 Describe la distribución de eventos poco frecuentes.
 Cada evento es independiente de los otros.
 Describe eventos sobre un intervalo definido.
 El número de ocurrencias esperado se asume constante a lo largo
del experimento.

37
 λ 𝑥 𝑒 − λ
𝑃 𝑥 =
𝑥!
Probabilidad de 7 autos en 5 minutos
10 7 𝑒 − 10
𝑃 7 = = 0.09
7!
38
 Poisson distribution
0.14
0.1250.125
0.12 0.113 0.114

0.1 0.095
0.090

0.08 0.073
0.063
0.06
0.052

0.038
0.04 0.035

0.022
0.019
0.02 0.013
0.008 0.007
0.004 0.002
0.000 0.000 0.002 0.001 0.0000.000 0.0000.000
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

39
 En Inglaterra y Gales ocurrieron 1545 homicidios entre abril 2013 y
marzo 2016.
 ¿Cuál es la tasa diaria de homicidios? ¿Cuál es lambda?
 ¿Qué tan probable es tener un día con ningún homicidio?
 ¿Cuál es la probabilidad de que en un día ocurran 5 homicidios?
 ¿Cuántos días podemos esperar con 0 o con 5 homicidios?

 ¿Cuál es la probabilidad de que en un día ocurran 7 homicidios?

40
41
42