Está en la página 1de 147

Estadisticas Aplicadas

Ing. Jose Valdez


Capitulo 4

Teoría probabilística y
Distribución de
probabilidades
IMPORTANCIA
Debido a que existe una incertidumbre
considerable al tomar decisiones, resulta
importante que todos los riesgos implícitos
conocidos se evalúen en forma analítica.
Ayuda en esta evaluación la teoría probabilística.
El empleo de la probabilidad permite a quien
toma decisiones, analizar los riesgos y minimizar
el azar inherente, con información limitada.
PROBABILIDAD
Numero entre 0 y 1 inclusive, que mide la creencia que se
tiene de que llegue a ocurrir un evento específico que sea
resultado de un experimento.
La probabilidad ayuda a tomar una decisión en
problemas, donde por mas que se tenga información, se
requiere de observar las posibilidad de acierto o fracaso.
Se expresa

# Decimal

# Fracción
Fracaso Éxito
ENFOQUES DE LA PROBABILIDAD

Para su estudio y comprensión se analizan dos enfoques


de los teoría probabilística que son dos puntos de vista:
subjetivo y objetivo esto es:

 Probabilidad subjetivo y

Probabilidad objetiva.
Probabilidad subjetiva

La posibilidad (probabilidad) de que suceda un evento,


asignado por persona con base en cualquier información
de que se dispongas.

Ejemplo:

Estime la posibilidad de que el equipo de la selección


juegue en el próximo mundial.

Estimar la posibilidad de que usted tenga una


calificación de 10 en este curso en lo asignatura de
matemática financiera.
PROBABILIDAD OBJETIVA
Puede subdividirse en:
Probabilidad empírica

Probabilidad clásica

PROBABILIDAD
EMPÍRICA
Probabilidad futura, histórica o de frecuencia relativa.
La probabilidad de que un evento ocurra a largo plazo se
determina observando en que fracción de tiempo
sucedieron eventos semejantes en el pasado.
PROBABILIDAD
EMPÍRICA
En términos de una formula, la probabilidad de que un evento
suceso se calcula por medio de:

Ejemplo:
El curso pasado (2005-2006) en estadística 8 alumnos debieron rendir
examen de junio, de un total de 320. Cuál es la probabilidad de que
este curso (2006-2007) haya alumnos para junio
PROBABILIDAD CLÁSICA
Se basa en la consideración de que los resultado de una
experimento son igualmente posible.
La probabilidad de que suceda un evento se calculo
dividiendo el numero de resultado favorables, entre el
número total de resultado posible
Mutuamente excluyente: La ocurrencia
de un evento significa que ninguno de
los otros puede ocurrir al mismo
tiempo.
Colectivamente exhaustivo: por lo
menos uno de los eventos debe ocurrir
al realizar un experimento.
Ejemplo

Determine la probabilidad de:


Al lanzar una moneda, de cara, al quedar inmóvil
f=1
n= 2 Los eventos pueden

Ser independiente

O no

Excluyentes y exhaustivos
Al lanzar un dado, caiga dos

f=1
n=6

Probabilidad de obtener un AS de un naipe de 52 borrajas.


f=4
n=52(naipes)
En una urna se tiene 10 esferas rojas, 20 esfera
bancas 20 esfera negras, cual es la posibilidad de que
al sacar una esfera se obtengo solo roja:

f= 10 rojas
n= 50 esferas

Probabilidad de obtener cara, cara, al lanzar dos


monedas
f= 1
n= 4
Si en una urna se tiene 3 esfera rojas y 5 esfera blancas
¿cuál es la probabilidad de que al extraer dos esfera (una
a una o simultáneamente) están sean rojas y rojas.
f=3
n=28

Se observa, que para resolver la probabilidad se debe


conocer el experimento, esto es, saber cuántos son los
sucesos favorables y cuántos son los sucesos posibles.
Para resolver esta idea; ESTADÍSTICA presenta algunos
métodos de aplicaciones:
MÉTODOS PARA DETERMINAR
PROBABILIDAD
Reglas básicas de probabilidad

Se aplica la combinación de eventos con la aplicación de


las reglas de adición y de multiplicación.

Regla de adición

Se aplica a experimentos cuyos eventos son excluyente y


no excluyentes; por lo tanto la regla adición se subdivide en:
Especial y General.
Regla de adición especial
Para experimentos en que sus eventos son totalmente
excluyentes y sus categorías son exhaustivas.
Si dos eventos a y b son mutuamente excluyentes, esta
regla indica que: la probabilidad de que ocurre uno u otro
evento, es igual, a la suma de sus probabilidades. Esta
regla se expresa en la formula que se anota.

P (A o B)= p(A) + p(B)

Generalizando, para 3 o más eventos mutuamente


excluyentes de notados por A, B, C,……………. se
escribe
P(A o B o C……….;) = p(A) +p(B) +p(C)+………
Ejemplo
Una máquina automática, llena envases de plásticos flexibles con una
mezcla de brócolis, frijoles y otra legumbre. La mayoría de los envases
contiene el peso correcto, pero debido a ligeras variaciones en el tamaño de
los frijoles y de otras legumbres, un paquete puede tener un peso
ligeramente menor o mayor. Una verificación anterior de muchos paquetes
indico:
Numero de
Peso Evento p(E)
paquetes
Menor 100 A 0.025
Correcto 3600 B 0.900
Mayor 300 C 0.075
4000 1.000
¿Cuál es la probabilidad de que un paquete en especial tenga un peso
menor o mayor?
Regla de complemento
Cuando en un experimento los eventos a más de ser
excluyentes son exhaustivos, la suma de la probabilidad de
los eventos es igual a 1

Debido a esta propiedad; conociendo la probabilidad de


un evento se podrá indicar la probabilidad de los demás
eventos, en conjunto.
También se podrá escribir si
No
Despajando
Expresión de la regla de
complemento
Ejemplo
Un estudio de las opiniones de diseñadores en lo referente al
calor base más conveniente para aplicar en oficinas efectivas
indicas:
Numero de
Color base P(E)
opiniones
Rojo 92 0.23
Naranja 86 0.215
Amarillo 46 0.115
Verde 91 0.2275
Azul 37 0.0925
Índigo 46 0.115
Violeta 2 0.005
400 1.0000

a. Cuál es la probabilidad de seleccionar una respuesta especifica y


describir que el diseñador prefiere rojo o verde?
b. Cuál es la probabilidad de que diseñador no prefiera amarillo?
a. P(rojo o verde)= p(rojo)+p(verde)

b. P(~amarillo) = 1 –p(amarillo)
REGLA DE PROBABILIDAD DE ADICIÓN
GENERAL
Los resultados de un experimento pueden no ser
mutuamente excluyentes.
Puede darse el caso que para dos o más eventos, los
resultados pertenezcan en un porcentaje a dos o más
eventos del experimento.
Para determinar, en este caso, la probabilidad; primero se
suma la probabilidad de los dos o más eventos como si
fuesen excluyentes y luego se resta la probabilidad de los
dos o más eventos en la cantidad de casos comunes esto
es:
Si A y B son dos eventos de un mismo experimento no
mutuamente excluyente, tenemos:

p (A o B) = p(A)+ p(B) - p(A y B)


La expresión numérica p(A y B) se denomina:

Probabilidad conjunta
Se define como aquella que mide la posibilidad de que dos
o más eventos ocurran simultáneamente
Ejemplo
¿Cuál es la probabilidad de que una carta elegida al
azar de un naipe de 52 barajas sea un rey o una de
corazón?
Barajas Eventos P( E) Cantidad

Rey A 4 Hay Reyes

De corazón B 13 De corazón

Rey de corazón A y B 1 Solo


Luego

Una encuesta a ejecutivos de alto nivel revelo que 35% leen


con regularidad la revista TIME: 20% leen NEWSWEEK y 40%
leer NEWS OF WORD ; 10% leen tanto TIME como NEWS OF
WORD.
a. Cuál es la probabilidad de que un ejecutivo de nivel alto
lea TIME o NEWS OF WORD con regularidad.
b. Como se denomina la probabilidad 0.1
Revista % P(E) (E)
TIME 35 0.35 A
NEWS WEEK 20 0.20 B
NEWS OF WORD 40 0.40 C
TIME Y NEWS OF WORD 10 0.10 AyC b) Probabilidad
conjunta

P(A o B)= p(A)+p(C)-p(A y C)

P(A o B)= 0.35 + 0.40 – 0.10

P(A o B)= 0.65


Regla de multiplicación
Se aplica a eventos totalmente independientes y no
independientes por lo tanto, la regla se subdivide:

a) Especial
Si hay dos eventos totalmente independientes A y B, la
probabilidad de que ocurran, se obtienen al multiplicar las dos
probabilidades. Así, se puede generalizar:
Pero dos o más eventos independientes, la regla de
multiplicación especial se expresa en formica simbólico, con
sigue:
P(A y B y C…………) = p(A) *p(B)* p(C)*……………………….
Ejemplo
Se lanzan dos monedas al aire ¿Cuál es la
probabilidad de que al caer y detenerse ambas
presenten cara?
Monedas Eventos P(E)

A Cara

B Cara

P(A y B)= P(A) * p(B)


Según se mencionó en un ejemplo anterior. Una máquina
automática coloque legumbre mixto en una bolsa de platico.
La experiencia indica que algunos paquetes tuvieron menos
peso y algunos más, pero la maquina tenia peso correcto

Peso Probabilidad ¿Cuál es la probabilidad de


Menor 0.025 seleccionar tres paquete de
Correcto 0.900 la línea de procesamiento de
Mayor 0.075 alimento el día de hoy y
1.000 encontrar que los tres le falta
peso?

P(menor peso y menor peso y menor peso)= (0.025)(0.025)(0.025)

P(menor peso y menor peso y menor peso)= 0.000015625


b) Regla de multiplicaciones
general
Ser utiliza para determinar la probabilidad conjunto de que
ocurran dos o más eventos de forma condicional.
En general, la regla indica que para dos o más eventos A, B,
C, etc. la probabilidad conjunta de que ambos eventos
sucedan resulta, al multiplicar la probabilidad de que el
evento A suceda, por la probabilidad condicional de que
ocurra el evento B, por la probabilidad condicional de que
ocurra C si A y B sucedieron, etc.
De manera simbólica la probabilidad conjunta descrita
anteriormente, se obtiene por medio de:

Donde p(B/A) expreso a la probabilidad de que ocurra B


todo que ya ocurrió A
Ejemplo
Hay 10 rollos de película en una caja y tres de ello son
defectuosos. Se van a seleccionar dos rollos, uno después de
otro ¿Cuál es la probabilidad de que al seleccionan los rollos
estos sea defectuosos?
Eventos p( E )

A P(A)=
←No hay reposición o reemplazo

B
Luego:
El consejo ejecutivo de L y K asociados, está formada por
8 hombres y 4 mujeres. Se va a seleccionar un comité con
cuarto elementos para recomendar a un nuevo presidente
de la empresa.
a) Cuál es la probabilidad de que los cuatro integrante del
comité sean mujeres?
b) Cuál es la probabilidad integrante sean hombre?
a)
b)
APLICACIONES DE LA REGLA GENERAL
DE MULTIPLICACIÓN
Una encuesta aplicada a ejecutivos se enfoco sobre su
lealtad a la empresa. Uno de las preguntas planteadas fue:
¿si otra empresa le hiciera una oferta igual o ligeramente
mejor a lo de su puesto actual, permanecería usted con la
empresa o se cambiaria? Las respuestas de los 200
ejecutivos de la encuesta se clasificaron en forma cruzado
con su tiempo de servicio en la empresa. Al tipo de cuadro
o tabla que resulta se le denomina tabla de contingencias.
Tiempo de servicio
Lealtad Menos de 1 De 1 a 5 De 6 a 10 Más de 10 Total
año años años años
Se quedaría 10 30 5 75 120
No se quedaría 25 15 10 30 80
200
¿Cuál es la probabilidad de seleccionar al azar un
ejecutivo que es leal a la empresa y que tiene más de
10 años de servicio?
Diagrama de árbol
Es una representación esquemático, donde se muestra
todos las posibles probabilidades, normal, condicional y
conjuntas.
La característica de este diagrama es que: siempre la
suma de la probabilidad de las ramas principales debe
dar 1.
La suma de las probabilidades condicionales de las
sub ramas debe dar 1
La suma de todas las probabilidades conjuntas que
genera el árbol debe dar uno.
Ejemplo
Elabore un diagrama de árbol para el ejercicio anterior y
muestre las probabilidades normales, condicionales y
conjuntas.
Probabilidades Probabilidades Condicionales Probabilidades conjuntas
normales
Menos de 1 año
De 1 a 5 años
Se quedarían
De 6 año 10 años

Más de 10 años
∑ 1.00
Ejecutivos
Menos de 1 año

De 1 a 5 años
No se quedarían
De 6 año 10 años

Más de 10 años
∑1.00 ∑1.00 ∑1.00
Definiciones y reglas básicas de probabilidad
Probabilidad

Esta sección revisa las definiciones y reglas básicas de


probabilidad. Una probabilidad indica las posibilidades
de que ocurra futura. Los valores de probabilidad
varían entre 0 y 1, y reflejan el rango de posibilidades
desde lo imposible hasta lo que es completamente
seguro.
Una probabilidad es una medida de las probabilidades
de que ocurra un suceso futuro; puede tomar cualquier
valor entre 0 y 1, ambos inclusive.
La mayor parte de las decisiones de negocios tiene varios
resultado posible. Un espacio muestral: Es el conjunto de
todos de lo resultado posible es q se pueda obtener al tomar
un decisión. Cualquier proceso que genera resultados bien
es un experimento. Algunos ejemplos de experimentos son:
la selección de una parte para inspección, unas decisiones
de inversión. La elección para la localización de una planta, y
la forma de “cerrar’’ de una llamada telefónica sobre ventas.
Los resultados individuales de experimento se llaman
suceso.
Existe tres maneras diferente de asignar probabilidades a los
sucesos: usando frecuencias relativas , probabilidades
subjetivas y probabilidades clásicas . Cuando se asignan
probabilidades a los resultados experimentales, deben satisfacer
dos requerimientos básicos: 1) Los valores de probabilidad
asignado a cada suceso deben estar entre 0 y 1 ,
2) Las probabilidades de todos los sucesos deben sumar 1
Frecuencia relativa

El método de frecuencia relativa para asignar


probabilidades se basa en la experimentación o en
datos históricos. Este tipo de probabilidades se define
como el numero ce veces que ocurre un suceso
dividido entre el número total de veces que se realiza el
experimento. Por ejemplo, si una empresa de asesoría
presenta 100 propuesta y se aceptan 20 , la
probabilidad de que una propuesta futura tenga éxito se
puede estimar en 20/100 , es decir 0.20
Probabilidad subjetiva
Una probabilidad subjetiva refleja sentimiento u opiniones
respecto a las probabilidades de que ocurra un resultado.
Si un equipo de administración piensa que hay una
probabilidad de 0.35 de que un nuevo producto tenga
éxito en el mercado, esto constituye una probabilidad
subjetiva. El valor de 0.35 es una opinión más que un
valor basado en una evidencia subjetiva.
Probabilidad Clásica
En el método de probabilidad clásica se hace la
suposición de los sucesos de un experimento son
igualmente probable. Este es el método que se usa más
frecuente en los juegos de azar. Como la probabilidad
clásica no se puede aplicar directamente a la mayoría de
las situaciones de toma de decisiones.
Se usan varios términos al estudiar probabilidades y sus
aplicaciones. Algunos de los mas importantes se define en
el siguiente cuadro y se ilustran en las siguientes figuras
a)
A Complemento

b)
A B Mutuamente excluyente

c)
.3
.5
.1
No mutuamente excluyente

d) .02 .94 .04


A B C
El complemento de cualquier suceso es el conjunto de
resultado que no están con tenido en ese suceso.
Una lista de sucesos es colectivamente exhaustiva si incluye
todos los sucesos posibles que puedan ocurrir:
Los sucesos son mutuamente excluyente si la ocurrencia de
uno de ellos impide la ocurrencia del otro.
Las distintas reglas de probabilidad ayudan a encontrar las
posibilidades de los sucesos futuros. Para usar esas reglas ,
deben entenderse dos tipos diferentes de combinaciones de
sucesos que pueden ocurrir en situaciones de negocios.
Supongamos que identificaron dos sucesos , A y B, en un
espacio muestral. Algunas situaciones requieren la
determinación de la probabilidad P(A o B), que es la
probabilidad que ocurra cualquiera, el suceso A o el suceso
B, otras situaciones requieren que se determine la
probabilidad de que ocurra ambos sucesos, P(A y B).
Regla de la suma
Para calcular la probabilidad de que ocurra cualquier
suceso, A o B , se usa la regla de la suma. Para ello debe
de determinarse si los sucesos de interés son mutuamente
excluyente.
Formulas

Para sucesos que no son mutuamente excluyente

P(A o B)= P(A)+P(B)-P(A y B)

Para sucesos mutuamente excluyentes

P(A o B)= P(A) + (B)


Ejemplo
Los registro de la unión crediticia Fairchild indica que de
un total de 1000 clientes. 800 tienen cuentas de cheques,
600 tienen cuentas de ahorro y 500 tienen ambas. ¿Cuál
es la probabilidad de que un cliente seleccionado al azar
tenga cualquiera de las dos cuentas, ya sea de cheque o
de ahorro?

P(A o B)= P(A)+P(B)-P(A y B)

P(A o B)= 0.8+0.6-0.5

P(A o B)= 0.9


La compañía Diet Right Cola tiene una máquina automática
que llena botellas con 16 onzas de bebida que produce. La
mayoría de las botellas se llenan en forma adecuada; sin
embargo , algunas llenan mas de lo necesario y a otras le
falta liquido. Una muestra aleatoria de 1000 botellas
observadas dio como resultado:
Sucesos Onzas Numero de botellas Probabilidad
A <16 20 0.02
B 16 940 0.94
C >16 40 0.04
1000 1.00
¿Cuál es la probabilidad de que una botella determinada este
llena o menos llena de lo que debe?
P(A o C)= P(A)+P(C)
P(A o C)= 0.02 + 0.04
P(A o C)= 0.06
La probabilidad de que una botella determinada este más o
menos llena es 0.06
Regla de la multiplicación
Si se tiene que calcular la probabilidad de que ambos
sucesos A y B ocurran, se usa la regla de la multiplicación.
Para usarse esta regla debe determinarse si los sucesos
son independientes o dependientes.
Sucesos independientes
Una definición matemática formal de las condiciones que
deben cumplirse para que dos sucesos se consideren
independientes si la ocurrencia de uno no afecta en
ninguna forma la posibilidad de que el segundo ocurra.
Por ejemplo, al lanzar una moneda al aire, el suceso “cara
aparece en la primera tirada” no cambia la probabilidad
de obtener cara en la segunda tirada; esta probabilidad
sigue siendo 0.50. En este caso, los dos sucesos son
independientes.
Los sucesos A y B son independientes si la ocurrencia de
uno no afecta en ninguna forma a las posibilidades de que
el segundo ocurra.

Sucesos dependientes
Los sucesos A y B son dependientes si al incidencia del
otro altera las posibilidades de que el segundo ocurra. Por
ejemplo, el suceso “persona que fuma “cambia la
probabilidad de tener cáncer de pulmón, ya que se ha
establecido una relación medica entre estos dos sucesos.
En esta caso, los dos sucesos (fumar y cáncer de pulmón)
se consideran sucesos dependiente respecto a la
determinación de la probabilidad.
Los sucesos A y B son dependientes si la ocurrencia de uno
no altera las posibilidades de que el segundo ocurra.
Regla general de la multiplicación

Para sucesos independientes

P(A y B)= P(A)* P(B)

Para suceso que son dependientes ( la regla general de


la multiplicación )

P(A y B)= P(A)* P(B/A)

(nota: la raya vertical significa dado que).


Ejemplo
Una compañía está considerando introducir dos nuevos productos en
un mercado local. El gerente cree que la posibilidad de éxito es de
alrededor del 50% para el primero y 75% para el segundo. ¿Cuál es la
probabilidad de que ambos productos tengan éxito? Ambas
probabilidades son subjetivas porque están basadas en la opinión del
gerente (aunque sea un experto) y no en hechos documentados. Si se
hace la suposición de que las dos opiniones son independientes una de
la otra, la regla de la multiplicación para sucesos independientes indica
que se multipliquen las dos probabilidades de éxito para encontrar la
probabilidad deseada:

P(A y B)= P(A)* P(B)

P(A y B)= 0.50*0.75

P(A y B)= 0.345

Hay alrededor de un 37.5% de probabilidades de que ambos productos


tengan éxito
Según una revista especializada, uno de cada 6 clientes que
reciben artículos ordenados por correo menciona que el
reparto toma mucho tiempo. El gerente de una distribuidora
de catálogos por correo quiere determinar la probabilidad de
que las 10 órdenes que se mandan en un periodo de 12
horas se reparten a tiempo. Se asigna una probabilidad
de0.167 al suceso el reparto tomo demasiado tiempo.

P(entrega a tiempo) = 1- 0.167= 0.833

P(10 entrega se realicen a tiempo)=

Existe alrededor de un 16% de probabilidad de que las 10


entregas del periodo de 12 horas se realicen a tiempo.
Un supervisor toma tres bolsa con alimento de la maquina que las llena
y pesa su contenido con cuidado. De registros pasados sabe que la
maquina sobrellena las bolsas el 10% del tiempo. ¿Cuál es la
probabilidad de que en una muestra de 3 solo una bolsa este
demasiado llena?
Para responder a esta pregunta se usa tanto la regla de la suma como
la de multiplicación para sucesos independientes. Existe más de una
manera de llenar en forma apropiada dos o tres bolsas. Si se usa C
para representar una bolsa llenada correctamente, y D para indicar que
está demasiado lleno, se puede emplear la regla de la multiplicación y
de la suma para calcular la probabilidad deseada.

Sucesos Posibles

CCC, CCD, CDC, DCC

P(3 bolsa demasiado llena )= (0.9)(0.9)(0.9)+(0.9)(.09)(0.1)+(0.9)(0.1)+(0.1)(0.9)(0.9)=0.972

Es muy posible (hay cerca del 97%de probabilidades)que solo se


encuentre una sola bolsa demasiado llena en una muestra de tres.
Se sabe que el 25% de las personas que realizan el
examen CPA en cierta ciudad, asistieron al curso de CPA
de repaso en una universidad local. De los que asistieron al
curso, el 60%paso el examen. ¿Cuál es la probabilidad de
que una persona seleccionada al azar haya realizado el
curso y pasado el examen?

P(A y B)= P(A)* P(B/A)

P(A y B)= (0.25) (0.60)

P(A y B)= 0.15


Los datos históricos muestran que el 15% de las lavadoras
de una lavandería automática necesita motor nuevo
durante los 2 primeros años de operación. De aquella que
necesitan motores nuevos el 80% también necesita una
correa de transmisión nueva durante el mismo periodo.
¿Cuál es la probabilidad de que una lavadora necesite
tanto un nuevo motor como una correa de transmisión
nueva durante los dos primeros años?

P(A y B)= P(A)* P(B/A)

P(A y B)= (0.15)(0.80)

P(A y B)= 0.12


TEOREMA DE BAYES

En su forma algebraica más simple, el teorema de Bayes


desarrollado en el siglo XVII, se refiere al cálculo de la
probabilidad condicional del evento A dado que ha
ocurrido el evento B.
La formula es;
La expresión escrita es simplemente una forma específica de
la formula general para la probabilidad
Condicional. Sin embargo, la importancia especial del
teorema de bayes consiste en que se aplica en el contexto
de evento secuenciales y, además, en que la versión del
cálculo de la formula proporciona la base para determinar la
probabilidad condicional de un evento que ha ocurrido en la
primera posición secuencial, dado que se ha observado un
evento especifico en la segunda posición secuencial.
La forma de cálculo para el teorema de Bayes es:
EJEMPLO
Suponga que existen dos urnas U1 y U2. La urna 1 tiene
8 esferas rojas y 2 esferas verdes, en tanto, que la urna 2
tiene cuatro esferas rojas y seis esferas verdes. Si se elige
una urna al azar, y después se selecciona al azar una
esfera de esa urna.
¿Cuál es la probabilidad de que se haya seleccionado la
urna 1 y que se extraiga una esfera verde?

0.8
0.5 Urna1
0.2
Urnas
0.5 0.4
Urna2
0.6
Supongamos que el 5% de la población de UMEN, padece una
enfermedad originaria de ese país. Existe una técnica de
diagnostico para detectar la enfermedad, pero no es muy
exacta. Esta prueba indica que un paciente que tiene la
enfermedad tiene una exactitud del 90% y en aquellos que no
padecen la enfermedad la prueba indica que se encuentra
presente con la exactitud del 15%.
¿Cuál es la probabilidad de que una persona padezca la
enfermedad?
0.9 Esta presente

Tiene la enfermedad
0.05 0.1 No está presente
Población UMEN
0.95 0.15 Esta presente
No padece la
enfermedad
0.85 No está presente
Para su embarque se ha colocado en un embalaje de uso
pesado 20radios transoceánicos. Supongamos que un
embalaje designado 1, contiene 5 radios defectuosos, otro el
numero 2, contiene un radio defectuoso.
Se eligió aleatoriamente un embalaje, después se eligió al azar
un radio de ese contenedor. Estaba defectuoso. ¿Cuál es la
probabilidad de que el radio defectuoso provengan del
embalaje1?
0.25 Defectuoso
5/20
Embalaje1
0.5 0.75 Prefecto
Embalaje
0.5 0.05 Defectuoso
Embalaje2
1/20 0.95 Perfecto
Un equipo de beisbol juega 70% de sus partidos por la
noche y el 30% durante el día. El equipo gana 50% de
sus juegos nocturnos y el 90% de los diurnos. De
acuerdo con el diario del día de hoy, gano ayer. ¿Cuál
es la probabilidad de que el partido se haya
desarrollado por la noche?

0.5 Gana

Noche
0.7 0.5 Pierde
Partidos
0.3 0.9 Gana
Día
0.1 Pierde
Un profesor C ha estado enseñando matemáticas
durante muchos años. Sabe que el 80% de los
estudiantes completan las tareas. Determina que los
alumnos que hacen las tareas, 90% aprobaran el curso.
De aquellos estudiantes que no realizan la tarea, 60%
aprobara. Miguel tomo matemáticas este presente curso
con el profesor C y tuvo calificación aprobatoria. ¿Cuál
es la probabilidad de que si haya hecho las tareas?
0.9 Aprueba

Realiza
tareas
0.8 0.1 No aprueba
Estudiante
matemáticas
0.2 0.6 Aprueba
No realiza
tareas
0.4 No aprueba
El departamento de crédito de una negociación comercial, informo
que 30% de sus ventas son en efectivo, 30% se paga con cheque en el
momento de la adquisición y 40% son a crédito. Se tiene que 20% de
las compras en efectivo, 90% en cheque y 60% de las compras a
crédito son por más de 50 dólares. Tina acaba de comprar un vestido
nuevo que cuesta 120 dólares ¿Cuál es la probabilidad de que haya
pagado en efectivo?
< 50 dólares
0.80
Efectivo
0.20
>50 dólares
0.30
< 50 dólares
0.10
Comercial 0.30 Cheque
Ventas 0.90
>50 dólares

0.40 < 50 dólares


0.40
Crédito
0.60
>50 dólares
Una empresa tiene cuatro proveedores de materia prima.
En la tabla que sigue se muestran las cantidades
adquiridas de cada proveedor y el porcentaje de la
materia prima defectuosa de cada proporción.

Proveedor % adquirido % defectuoso


A 30 2.5
B 20 1.75
C 25 3.00
D 25 1.00

El material empleado esta mañana resulto


defectuoso. ¿Cuál es la probabilidad de que se haya
adquirido de la compañía B?
Defectuoso
2.5%
A
97.5%
Buena
30
Defectuoso
1.75%
Comercial 20 B
Ventas 98.25%
25 Buena

Defectuosa
3%
C
97%
25 Buena

1% Defectuosa

D
99% Buena
Algunos principios de conteo

En algunos experimentos pequeños es fácil enlistar y


contar determinados sucesos favorables y todos los
eventos posibles. Pero, en los que se asocian varios
eventos que tengan a su vez un numero significativo de
componentes, es muy difícil contar e indicar tales
sucesos. Para facilitar el conteo, se examinaran tres
métodos:

Arreglos por multiplicación

Permutación, y

Combinación de elementos
Arreglos por multiplicación
Se aplica para determinar el numero de posibles
(disposiciones) arreglos para dos o mas grupos o
conjuntos.
Si una selección consta de dos pasos, grupos o
conjuntos, de los cuales el primero se lo puede
efectuar de m maneras y para cada una de estas, la
segunda se puede realizar de n maneras; entonces,
la selección total se puede hacer de m*n
En términos de formula, muchos eventos (conjuntos)
Ejemplo
¿De cuantas maneras diferentes se pueden arreglar uno
de los viajes especiales de fin de semana a 12 ciudades
distintas, por avión, tren o autobús, que ofrece una
agencia de viajes?
Sea m (ciudades)= 12
n(transporte)= 3
Si una fuente de soda ofrece mini-sundaes de una bola
con 20 sabores a escoger junto con un remate con 8
sabores a escoger. ¿ de cuantas maneras diferentes un
cliente puede ordenar un mini-sundaes?
Sea m= 20 sabores de helados
n= 8 sabores del adicional (remate)
Una cafetería ofrece una comida especial que consiste
en un emparedado (usando una de cada 8 carnes
distintas y uno de cuatro tipos diferentes de pan), una de
cuatro clase distintas de sopas y una de tres bebidas
diferentes. ¿ De cuantas maneras distintas una persona
puede seleccionar una de estas comidas especiales?
m= 8 tipos de carne

Emparedado
n = 4 tipos diferentes de pan

S = 4 sopas
b = 3 bebidas
Factorial
Se escribe n!
Significa el producto de = n (n -1)(n - 2)(n - 3)……..[n - (n - 1)]
Por ejemplo

No existe factorial de número negativo


Ejemplo

 Determinar el valor de:


 Determine si cada una de las expresiones siguientes son
verdaderas o falsas

Respuesta: falso
5*4*3*2*1 + 2*1 7*6*5*4*3
120 + 2
2520
122 Respuesta: falso

15 + 20 = 35
35 = 35 Respuesta: verdadero
Respuesta: verdadero

Respuesta: verdadero
Respuesta: verdadero

Permutación
Es una distribución en la que el orden de los objetos
seleccionados de un conjunto específicos es importante.
Su fórmula es:
Donde
P, es el número de permutación
n, es el número total de objetos
r, es el numero de objeto seleccionado (orden)

Ejemplo
Ejemplo
¿De cuantas maneras distintas se pueden asignar a 10
profesores las 10 secciones de un curso de economía?
n=10
r = 10

nPr = 10P10

nPr= 10!

nPr=3628800
Suponga que hay 8 maquinas pero solo tres espacios en
el piso del taller en donde se van a instalar las
maquinas. ¿De cuantas formas diferentes pueden
colocarse las 8 maquinas en tres espacios disponibles?
Maquinas ⇒n = 8
Espacios ⇒ r = 3

= 336 posibles formas


Combinación
El número de combinaciones de n objetos
tomados r a la vez, está formado por:

O en notación factorial
Ejemplo
¿De cuantas maneras una persona puede seleccionar
tres libros de una lista de 8 best-sellers?
(No importa el orden de seleccionar)

O con la segunda formula


¿De cuantas maneras distintas se pueden seleccionar un
comité de cinco de los 62 miembros del personal de
oficina una importante empresa jurídica?
(No importa el orden que se seleccionan los miembros
del comité)

O con la segunda formulas


¿De cuantas maneras distintas un director de un
laboratorio de investigación puede seleccionar a
dos economistas de entre siete solicitantes y a
tres auditores de entre nueve solicitante?
Para eventos con un número elevado de elementos se
puede utilizar la siguiente regla:

para r= 0, 1, 2, …………….. n

Ejemplo
Determine el valor de:
Encuentre el valor de:
Ejercicios
1. En una encuesta de ciencias políticas se clasifican a
los electores es seis categorías de ingreso y cinco
categoría de educación. ¿De cuantas maneras distintas
se pueden clasificar a un elector?
2.- Una cadena de tienda de muebles tiene tres
almacenes y veinte sucursales de ventas al menudeo. ¿de
cuantas maneras diferentes pueden embarcar un artículo
de uno de los almacenes a uno de las sucursales?
3.- Un representante de compras hace sus pedidos por
teléfono, fax, correo, o mensajería. Solicita que se confirmen
sus pedidos sea por teléfono o por fax. ¿ De cuantas maneras
distintas se puede hacer y confirmar uno de sus pedidos?
En un paquete de óptica hay seis lentes cóncavos, 4
lentes convexos, dos prismas y dos espejos. ¿de
cuantas maneras distintas podemos seleccionar un
lente cóncavo, un lente convexo, un prisma y un espejo
de este paquete?
Combinación y arreglos

La tienda de arreglos de un centro turístico tiene 15


postales distintas. ¿De cuantas maneras pueden
seleccionar una persona 4 de estas postales como
recuerdo?
n= 15
r= 4

No tiene orden
De diferencia ⇒ Combinación 15C4= 1365 formas
Una pizzería ofrece 10 ingredientes adicionales para su pizza.
¿De cuantas maneras un cliente puede seleccionar tres
ingredientes adicionales para su pizza?

Combinación 10C3= 120 maneras


Una librería tiene una venta en que un cliente obtiene
precio especial si compra cuatro de los 10 best-seller
actuales. ¿de cuantas manera un cliente puede hacer tal
elección?

n= 10 libros
r= 4 escoger
Una prueba de “verdadero-falso” comprende 12
preguntas. Calcule el número de maneras en que un
estudiante puede marcar cada pregunta ya sea como
verdadero o falso, y obtener:

a. Ochos aciertos y cuatro errores ⇒

b. Diez aciertos y dos errores ⇒


Una caja con 12 elementos con tiene uno defectuoso. ¿de
cuantas maneras una persona pude seleccionar 3 de estos
elementos y:

a.- Sacar un defectuoso


Buenos=11

12 elementos
Defectuoso=1

r=3
b.- No sacar el defectuoso
Un paquete de 10 baterías tiene 2 defectuosa. ¿de cuantas
maneras se pueden seleccionar 3 de estas baterías y sacar:

a.- Ninguna defectuosa

Buenas= 8
Baterías = 10
Defectuosa= 2

r= 3
b.- Una defectuosa

c.- Las dos defectuosa


Entre los candidatos para dos vacantes del personal de una
oficina contable, se encuentran cuatro hombres y cuatro
mujeres. ¿De cuantas maneras se pueden cubrir estos
vacantes:
a) Con dos candidatos cual quiere de los ochos
b) Con dos candidatos cuales quiera de las mujeres
calificadas
c) Con dos candidatos cuales quieras de los hombres
calificados
d) Con uno de los candidatos y una de las candidatas

a.-
b.- d.-

c.-
Una tienda de ropa para hombres ofrece 8 clase de suéteres ,
seis clases de pantalones y diez clase de camisa. ¿De cuantas
maneras se pueden seleccionar dos prendas de cada clase
para una venta especial?
Probabilidades
1.- Si tres de veinte llantas están defectuosa y se
selecciona 4 de estas al azar para una supervisión.
¿Cuál es la probabilidad de que se incluya una de las
llantas defectuosa?
D=3
20=n
Llantas
B= 17

r= 4
Entre los 15 solicitantes para 3 vacantes de una
oficina contable, 10 son graduados de universidad. Si
la selección se hace al azar. ¿Cuáles son las
probabilidades de que los puestos sean cubierto por:
a) 3 solicitante con grado universitarios
b) 2 solicitante con grado universitario y uno sin titulo
universitario
c) 3 solicitante sin grado universitario
10 graduados
n= 15 solicitantes
5 no graduados

r= 3 vacantes
a.-
b.-

c.-
Una caja de 24 focos incluye 2 defectuoso. Si se
establecieran 2 focos al azar. ¿Qué probabilidad hay de que:
a) Ninguno este defectuoso
b) Uno de los dos este defectuoso
c) Los dos estén los defectuoso
a.-
B= 22
n= 24
Focos
D=2
b.-
n= 2

c.-
Un tesoro de monedas medioevales descubierto en la Playita
incluye 24 piezas de Sevilla y 16 piezas de Toledo. Si una
persona selecciona 4 de estas monedas al azar. ¿Cuál es la
probabilidad de que obtenga 2 monedas de cada ciudad?

24 Sevilla
n= 40
piezas
16 Toledo
r= 4
Variables aleatorias
Se define asignando un valor numérico a cada suceso simple a
cada experimento que conduzca a resultados aleatorios.
Una variable puede ser: Discreta o Continua

Variable aleatoria discreta


Es aquella variable que solo puede tener ciertos valores
claramente separados y que es el resultado de contar algún
elemento de interés.

Es la enumeración de los valores posibles que pueden tomar una variable aleatoria, junto con sus probabilidades.
Distribución probabilística
Es la enumeración de los valores posibles que pueden tomar
una variable aleatoria, junto con sus probabilidades.
Probabilidad
Valores Datos
De x
Aleatorios Repetidos
x f

. . .

. . .

. . .

∑f= n
Ejemplo
Supóngase que se está interesado en el numero de sellos que caen
al lanzar tres veces una moneda. Este es el experimento.
Los posibles resultados son: cero, uno, dos y tres. Desarrolle una
distribución de probabilidades para el experimento.
Resultado Lanzada de monedas # de sellos
f
posibles Primera Segunda Tercera obtenidos
1 C C C 0 1
2 C C S 1
3 C S C 1 3
4 S C C 1
5 C S S 2
6 S S C 2 3
7 S C S 2
8 S S S 3 1
∑f = n
n=8
Luego, la distribución probabilística para los resultados de
experimento es:

# de sellos Probabilidad
Cantidad
Obtenidos En la variable
f
x
0 1 0.125
1 3 0.375
2 3 0.375
3 1 0.125
N=8 ∑p(x)=1.00
Una representación grafica del experimento anterior y sus
probabilidades es:
P
R P(x)
O
B
A
B
I
L
I
D
A
D
E
S 0 1 2 3
Elabore una distribución probabilística para los casos siguientes:
a)
nº de empleados nº de días Probabilidad
ausente por dia ausente De ausentismo
x f P(x)
1 18 0.085
2 25 0.118
3 39 0.184
4 46 0.217
5 27 0.127
6 25 0.118
7 22 0.104
8 10 0.047
n =212 ∑p(x)= 1.00
b) Además construir probabilidades menor o igual que y mayor o
igual que
Autos P(x)
nº de días
vendidos P(x) < >
f
Por día, x
10 8 0.08 0.08 1.00

11 12 0.12 0.20 0.92

12 19 0.19 0.39 0.80

13 23 0.23 0.62 0.61

14 18 0.18 0.80 0.38

15 20 0.20 1.00 0.20

n=100 ∑=1.00
Media, variancia y desviación estándar
Media µ es un valor representativo de una distribución
probabilística, también es el valor promedio a largo plazo de
una variable aleatoria. Se lo denomina también valor esperado
o expectativa.
Se define como el valor promedio ponderado de los valores de
la variable por sus respectivas probabilidades, en suma igual 1.
Su fórmula es:
µ= E(x)
Donde :
µ= media
µ=∑[x*p(x)] E(x)= valor esperado
X = cada valor de la distribución
P(x)= probabilidad de ocurrencia
de cada x
Variancia y Desviación estándar

El procedimiento para calcular la desviación estándar de una


distribución de probabilidad es similar al que se mostro en
descriptiva. Primero se calcula la varianza de la población y
después se extrae su raíz cuadrada.

La formula de la varianza en:


Ejemplo
Determine el valor esperado y la desviación estándar para el
ejercicio de los empleados ausente.

nº de empleados nº de días
ausente por dia probabilidad X * p(x) X-µ (X - µ) p(x)
x P(x)
1 0.085 0.085 -3.180 10.163 0.863
2 0.118 0.236 -2.182 4.787 0.565
3 0.184 0.552 -1.188 1.4113 0.250
4 0.217 0.868 -0.188 0.0353 0.008
5 0.127 0.635 0.812 0.659 0.084
6 0.118 0.708 1.812 3.283 0.387
7 0.104 0.728 2.812 7.907 0.822
8 0.047 0.376 3.812 14531 0.683
∑p(x)= 1.00 ∑x*p(x)=
4.188

La desviación estándar es:


Una persona vende automóviles nuevos para una empresa,
generalmente negocia el mayor numero de auto los sábados.
Ha establecido la siguiente distribución de probabilidad para
el número de autos que espera vender un sábado en
particular.
nº de
automóviles Probabilidad
vendidos P(x)
x
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00
a) ¿Qué tipo de distribución es?
b) En un sábado común ¿cuántos autos espera vender?
c) Cuál es la varianza y la desviación estándar
a) X*p(x) (x-µ)
0.00 -2.1 4.41 0.441
0.20 -1.1 1.21 0.242
0.60 0.1 0.01 0.003
0.60 0.9 0.81 0.243
0.40 1.9 3.61 0.361
∑=2.10 ∑=1.29
0
µ=2.10
E(x)= 2 automóvil
Una empresa ofrece tres tamaños de un refresco (pequeño,
mediano, grande) como complemento de pizza.
Las bebidas se venden a 50, 75, 90ctvs de dólar
respectivamente. De los pedidos el 30% son para el tamaño
pequeño, el 50% para el tamaño mediano y el 20% para el
grande.
1. ¿Qué tipo de distribución es?
2. ¿Cuál será el valor medio del precio de los refrescos?
3. ¿Cuál es su varianza y desviación estándar?
Desarrollo

1. Es una distribución de probabilidades discreta, por que los


datos en el experimentos se cuentan y las cantidades son
enteras.

2.
Tamaño Valor del Probabili
% de
Del Refresco dad X* p(x)
pedidos
refresco ctvs P(x)
Pequeño 0.50 30 0.30 0.150
Mediano 0.75 50 0.50 0.375
Grande 0.90 20 0.20 0.180
∑=0.705

µ= E(x)
µ= 0.70 ctvs
3. Varianza y desviación estándar

Tamaño Valor ctvs (x-µ)

Pequeño 0.50 -0.205 0.0420 0.021

Mediano 0.75 -0.005 0.000025 0.000018

Grande 0.90 0.195 0.03803 0.003422

0.055
Distribución binomial
En una distribución de probabilidad discreta que implica la
posibilidad de obtener x éxitos en n pruebas de un experimento
binomial.
La distribución binomial describe una situación que produce
uno de los resultados posibles en cada prueba
Características esenciales de la distribución
binomial
1. Existen n pruebas idénticas que conducen a uno de dos
resultados: éxitos o fracaso (mutuamente excluyente).
2. Los datos recopilados son resultado de conteo; por esta
razón, se clasifica como distribución discreta.
3. La probabilidad de un éxito permanece igual en un ensayo a
otros. Es lo mismo que el fracaso.
4. Las pruebas son independiente.
Elaboración
Para construir una distribución de probabilidades binomial se
debe conocer:
1. El numero de ensayos (n), y
2. La probabilidad de éxito de cada ensayo p(x)
Por estas razones, la distribución binomial puede calcularse
ensayo o ensayo utilizando la formula siguiente.

Donde:
n⇒ # de ensayos
x⇒# de éxito observados
p(x) ⇒probabilidad de éxito en cada ensayo
(1-p(x) ⇒probabilidad de fracaso en cualquier prueba.
Ejemplo
Como se sabe, la respuesta a una pregunta de verdadero a falso es
correcta o incorrecta, considere que:
1. Un examen esta formado por cuatro preguntas de verdadero o
falso, y
2. Un estudiante no sabe nada sobre el tema
La probabilidad de que el estudiante adivine la respuesta correcta
en cada una de las cuatro preguntas, es 0.50
¿Cuál es la probabilidad de:
a. Contestar exactamente ninguna de las cuatro preguntas en
forma correcta
b. Contestar exactamente las cuatro preguntas en forma correcta
c. Obtener una de las cuatro en forma correcta
Desarrollo
a. X=0 no contesta
n=4 de forma correcta
ninguna pregunta
p(x)= 0.50
si x=0

b.
P(x)= 0.50
n=4
si x=4 (todas bien contestadas)
Si x=1 (una sola contesta bien)
N=4
X=1
P(x)=0.5
La probabilidad de que cualquier elector registrado
(seleccionado al azar de las lista oficiales) vote en una
elección determinada es de 0.70 ¿Cuál es la probabilidad de
que dos de cinco electores registrado voten en la elección?

n=5
X=2
P(x)=0.70
La probabilidad de que una persona que hace compras en
cierto supermercado aprovecha su promoción especial de
helado, es 0.30. Obtenga las probabilidades de que entre seis
personas que compren en este supermercado haya 0, 1, 2, 3,
4, 5 o 6 que aprovechen la promoción. Trace un histograma de
esta distribución de probabilidad binomial
n=6
p(x)= 0.30
Personas
que
aprovechan
la
promoción
x
0
=0.118
1
=0.303
2
=0.324
3
=0.185
4
=0.060
5
=0.010
6
=0.001
Uso de la tabla de probabilidad binomial
Las probabilidades ya se encuentran calculadas y tabuladas en los
textos para distribuciones probabilísticas discreta: evitándose el
tedioso cálculo, para cada uno de los valores. Si se desea construir
una tabla completa y su gráfico.
Ejemplo
Juzgando a partir de una experiencia reciente, el 5% de los
engranajes producidos por una máquina automática de alta
velocidad, son defectuosas. ¿Cuál es la probabilidad de que
entre 6 engranajes seleccionados al azar, exactamente, cero
sean defectuoso?, ¿excelente, uno, dos, tres, cuatro, cinco, o
seis de los seis defectuoso?
Si n=6
P(x)=0.05
Distribución de probabilidad binomial
n=6
Probabilidad
X 0.05 0.10 0.20 0.30 0.40 0.50 ………… ……….. 0.95
0 0.735 0.531 - - - - - - -
1 0.232 - - - - - - - -
2 0.031 - - - - - - - -
3 0.002 - - - - - - - -
4 0.000 - - - - - - - -
5 0.000 - - - - - - - -
6 0.000 - - - - - - - -
Numero de engranajes
Probabilidad de ocurrencia
defectuoso
P(x)
x
0 0.735
1 0.232
2 0.031
3 0.002
4 0.000
5 0.000
6 0.000
Es necesario hacer varias observaciones adicionales a cerca de la
distribución binomial:
1. Si n permanece constante, para p(x) es cada vez mas grande,
hasta 0.50; la forma de la distribución probabilística binomial
se vuelve mas simétrica.
2. Si p(x) probabilidad de éxito, permanece igual, pero n, crece
cada vez; la forma de la distribución binomial es cada vez mas
simétrica
3. La media, varianza y la desviación estándar para la distribución
binomial, se puede calcularse, mediante:

µ= n*p(x)
Ejemplo
Calcule la media , varianza, y desviación estándar
del ejercicio anterior
Datos:
P(x)=0.05
n= 6
Luego:
µ= n*p(x)
µ= 6(0.05)
µ= 0.30
Varianza:
Estos cálculos pueden verificarse utilizando los datos de la tabla

nº de defect
P(x) X*p(x) x-µ
x
0 0.735 0.000 -0.3 0.09 0.06615
1 0.232 0.232 0.7 0.49 0.11368
2 0.031 0.062 1.7 2.89 0.08959
3 0.002 0.006 2.7 7.29 0.01458
4 0.000 0.000 3.7 13.69 0.0000
5 0.000 0.000 4.7 22.09 0.0000
6 0.000 0.000 5.7 32.49 0.0000
µ=∑xp(x)=0.30
Distribución hipergeometrica
Se usa para modelar situaciones de población finita en la que la
muestra se toma sin remplazo y donde se quiere calcular la
probabilidad de ciertos números de éxito.
Recuérdese que uno de los criterios para utilizar la distribución
binomial es que la probabilidad de éxito permanece igual de un
ensayo a otro. Cuando el muestreo se realiza sin reparación la
probabilidad de éxito no permanece igual de un ensayo a otro y
no debe utilizarse la distribución binomial. En este caso, debe
aplicarse la distribución hipergeometrica.
Por tanto:
1. Si se selecciona una muestra de una población finitasin
reposición, y
2. Si el tamaño de la muestra n, es mayor que el 5% del tamaño de
población N, entonces se utiliza la distribución hipergeometrica,
mediante la siguiente fórmula:

Donde:
N⇒ tamaño de la población
n⇒ tamaño de la muestra
r ⇒ # de éxito de población
x ⇒ # de éxito de la muestra para la
cual se desea la probabilidad
Ejemplo
Supongamos que durante la semana se fabricaron 50 tarjetas de
computadora (N=50), operaron sin problema 40 (r=40) y tuvieron
10 al menos un defecto. Se selecciona al azar una muestra de 5
(n=5). ¿Cuál es la probabilidad de que 4 (x=4) de los 5 operaran sin
problemas?
Observe, que la muestra se realiza sin reparación, y que el tamaño
de la muestra de 5 es de la población, esto es
mayor que lo condiciones de 5%
Datos
N= 50
n= 5
r=40
x=4
El encargado de una oficina de carreras debe enviar seis de
quince paquete a Europa por correo aéreo, pero los revuelve y
pone por correo al azar 6 de los paquetes. ¿Cuál es la
probabilidad de que solo tres de los paquetes que se supone
que se deben de enviar por correo aéreo se enviaron por esta
clase de correo?
N= 15
n= 6
r= 6
x= 3
Entre 12 casas que hay para la venta, nueve tienen aire
acondicionado. Si se seleccionan 4 de las casas para un
desplegado en un periódico. ¿Cuál es la probabilidad de que
tres de estas tengan aire acondicionado?
En una sala de juntas hay ocho personas, de las cuales cuatro
son miembros de un sindicato. Se selecciona una muestra
aleatoria de tres para un comité. ¿Cuál es la probabilidad de que
exactamente una de ellas sea miembros de un sindicato?
N= 8
n= 3 sin remplazo
r= 4
x= 1
Un auditor elige 3 cuantas al azar de un grupo de 10 para
examinarlas con cuidado. La compañía a la cual se le realiza la
auditoria sabe que 4 de las cuantas de impuesto tienen errores.
¿Cuál es la probabilidad de que las tres cuantas elegidas no
tengan errores?
N= 10
n= 3
r= 6
x= 3
Distribución de posición
Es otra distribución teórica útil para modelar ciertas situaciones
reales, sin tener que llevar a cabo las observaciones del mundo
real largas y costosas.
Se usa especialmente para modelar situaciones en las que el
número de pruebas es muy grande y el número de éxito es muy
pequeño.
La distribución de posición puede proporcionar información útil
para la toma de decisiones.
La fórmula para la distribución de posición es:

o
Donde:
µ⇒numero de ocurrencia por unidad de tiempo o espacio
x⇒# de ocurrencia cuya probabilidad se desea conocer
ℯ⇒ base del logaritmo natural, una constante matemática
aproximadamente igual a 2.71828

Ejemplo
Una Cia. De pedidos por correos recibe un promedio de 3.5
órdenes por horas. Estas ocurrencias se producen al azar, no
existe un patrón durante el día, o de un día a otro. ¿Cuál es la
probabilidad de que se produzca exactamente cuatro llamadas
en una hora dada?
µ= 3.5
x=4
Se sabe que el 2% de los libros que se encuadernan en un taller,
tiene una encuadernación defectuosa. Use la aproximación de la
posición para la distribución binomial para determinar la
probabilidad de que 5 de 400 libros encuadernados en este taller
sean defectuosos.
n=400
p(x)=0.02
x=5
Aplicación de los conceptos estadísticos al
mundo de los negocios

Los procedimientos revisados se aplican cada vez más en las


actividades de negocios. Su utilidad para proporcionar información
fiable a quien toman decisiones se hace más evidente conforme un
número mayor de profesionales se incorporan a las actividades de
negocios provistos de conocimiento sobre estas técnicas.
Los conceptos de valor esperado es bastante útil para establecer
una base para la evaluación de los aspectos monetarios de una
oportunidad laboral.
La aplicación de la distribución binomial al mundo de los negocios
es amplio, puesto que muchas situaciones extrañas al concepto de
éxito y fracaso. Algunos ejemplos de situaciones que se pueden
modelar con la distribución binomial, son:
1. Partes fabricadas o comparadas que cumplen o no con las
especificaciones de control de calidad
2. Un cliente que compra algún bien, regresa para realizar otra
compra o acude a otro establecimiento.
3. Una cotización para un contrato se gana o se pierde
4. Una cuenta por pagar o se paga o se convierte en un gasto,
por incobrable
5. Si una intensa campaña de publicidad, el porcentaje de
mercado de una compañía crece o no crece.
La distribución de posición también se aplica ampliamente en
los negocios porque muchas situaciones incluyen ocurrencias
aleatorias. Ejemplo:
1. Ocurrencia de autos a un puesto de peaje, de clientes al
banco o a una caja de supermercado, etc.
2. Ocurrencia de llamadas telefónicas en una central
3. Numero de defectos por producción en una fábrica.