U3 Probabilidad y Estadística de Prob.

Probabilidad y Estadística Aplicada a los Negocios
U3 Probabilidad y Distribución de Probabilidad

Horario: Martes 15:00 a 17:00 Hrs.
Jueves de 15:00 a 17:00 Hrs.
Viernes de 15:00 a 17:00 Hrs.
Filosofía Institucional
Contenido
3.1 Probabilidad clásica
3.2 Probabilidad frecuencial
3.3 Leyes de probabilidad
3.4 Distribuciones discretas de probabilidad
3.5 Distribuciones continuas de probabilidad
3.6 Valor esperado
3.7 Variable aleatoria
4
Probabilidad
Es la posibilidad de que un evento o suceso ocurra.
Evento
Conjunto de uno o más resultados.
Ejemplo:
Lanzamos un dado aire el cual podría caer de 6 formas diferentes.
5
Evento Simple
Cualquier evento que consista en un solo resultado.
Ejemplo:
Obtener un 4 al lanzar un dado al azar.
6
Probabilidad Clásica
Su definición deriva de los juegos de azar siendo Laplace (1995) quien la define como: “una fracción
cuyo numerador es el número de casos favorables y cuyo denominador el número de todos los casos
posibles”.
Esta definición es de uso limitado puesto que descansa sobre la base de las siguientes dos condiciones:
 El espacio muestral (S) del experimento es finito (su número total de elementos es un número
natural n = 1, 2, 3, …).
 Los resultados del espacio muestral deben ser igualmente probables (tienen la misma posibilidad de
ocurrir).
7
El número total de elementos del espacio muestral del experimento es denotado como n(S).
 n(S) = El número total de eventos simples distintos posibles al realizar un experimento.
 n(A) = Si A es un evento de este experimento, el número total de elementos del espacio muestral
contenidos en A.
 n(A) = El número total de formas distintas en que A puede ocurrir.
La Probabilidad de que A ocurra la definimos como:
8
Ejemplo:
Al lanzar un dado al azar, ¿cuál es la probabilidad de obtener un número par?
Suponiendo que A es el evento de obtener un número par al lanzar un dado al azar.
S = {1, 2, 3, 4, 5, 6}
Todos los resultados igualmente probables.
Por lo anterior A puede ocurrir de tres formas distintas:

(2, 4 ó 6)
Por lo tanto, n (A) = 3 y n (S) = 6

9
Ejemplo:
10
Probabilidad Frecuencial
Es la proporción de veces de que un resultado ocurra en determinado número de observaciones

experimentales.
En otras palabras el número de veces que ocurrió el evento entre el número total de repeticiones del
experimento.
Al calcular probabilidades con este método de frecuencias relativas obtenemos una aproximación en vez
de un valor exacto
11
Probabilidad Frecuencial
Ejemplo:
Se conoce que una moneda está cargada, lo que significa que un lado de la moneda se obtiene con
mayor frecuencia que el otro dado al lanzarla al azar un número grande de veces.
Para determinar la probabilidad de que caiga cara la moneda se lanza 60 veces al aire, de las cuales 24
veces cayó cara.
Si aplicamos la fórmula obtenemos:
12
Ley de los números grandes
Asociada a la Probabilidad Frecuencial menciona que conforme un experimento se repite una y otra vez,
la probabilidad de frecuencias relativas de un evento tiende a aproximarse a la probabilidad real. Por lo
tanto:
 La probabilidad obtenida de esta manera es únicamente una estimación del valor real.
 Cuanto mayor sea el número de repeticiones del experimento, tanto mejor será la estimación de la
probabilidad.
 La probabilidad es propia de sólo un conjunto de condiciones idénticas a aquéllas en las que se

obtuvieron los datos, o sea, la validez de emplear esta definición depende de que las condiciones en
que se realizó el experimento sean repetidas idénticamente.
13
Reglas de la Probabilidad
Dado cualquier evento imaginable, puede ocurrir una de siguientes tres cosas:
1. Es imposible que ocurra.

2. Es cierto que ocurre.
3. La certeza de que ocurra está en un punto intermedio.
Por lo tanto, podemos deducir lo siguiente:
4. La probabilidad de un evento imposible es 0.

5. La probabilidad de un evento que ocurrirá de seguro es 1.
6. Para cualquier evento A, la probabilidad de que A ocurra se encuentra entre 0 y 1, inclusive. Es decir,
0 ≤ P (A) ≤ 1. (≤ menor o igual).
14
Ejemplo: Regla 1
Al lanzar un dado al azar, la probabilidad de obtener un 7 es 0. Notemos que es imposible que ocurra
este evento pues los resultados posibles son 1, 2, 3, 4, 5 y 6.
Ejemplo: Regla 2
Al lanzar un dado al azar, la probabilidad de obtener un número menor que 7 es 1.
Este evento ocurrirá de seguro pues todos los números posibles son menores de 7.
15
Ejemplo: Regla 3
Al lanzar un dado al azar, la probabilidad de obtener un 3 está condicionada a que ocurra o no.
Por lo tanto P (3) = 0 ≤ P (A) ≤ 1
16
Distribución de Probabilidad
Respecto a una variable aleatoria representa una función que le asigna a cada suceso definido sobre
dicha variable aleatoria la probabilidad de que el suceso ocurra.
Variable Aleatoria
Es una variable que asume diferentes valores como consecuencia de lo obtenido en resultados de un
experimento aleatorio.
Variables Discretas
Cuando a una variable adopta solo un número limitado de valores, dado que el valor se determina al
azar. Siendo valores enteros y un número finito de ellos.
17
Ejemplo: Variable Aleatoria Discreta
En la empresa “La Esperanza, S.A.” la Variable (X) representa el número de productos que no cumplen
con el estándar de calidad establecido en un lote de 100 productos.
Por lo anterior, observamos que los valores de dicha Variable (X) serán siempre números enteros y
nunca fraccionarios.
18
Distribución de Probabilidad Discreta
Para desarrollarla es necesario identificar sus características:
1. Se genera por una Variable Discreta (X) que toma únicamente valores enteros.
2. Las probabilidades de los valores que pueda tomar (X) deben ser = > 0.
3. La suma de todas las probabilidades de (X) debe ser = 1.
19
Media o Valor Esperado en una Distribución Discreta de Probabilidad
 Identifica el valor central o medio de los datos.
 Representa el valor promedio de la variable aleatoria al largo plazo.
µ = Media
P(X) = Probabilidad de que X asuma algún valor.
20
Varianza en una Distribución Discreta de Probabilidad
 Mide el tamaño de la dispersión de una distribución.
 La Varianza se representa por la letra sigma al cuadrado σ²
σ² = Varianza.
X = Valores de la variable x.
P(X) = Probabilidad de cada valor que toma X.
21
Desviación estándar en una Distribución Discreta de Probabilidad
 La Desviación Estándar es la raíz cuadrada de la varianza.
22
Ejemplo:
Una empresa dedicada a la renta de mesas y sillas para eventos sociales identificó que en los últimos 12
meses se registraron las siguientes operaciones:
Meses Rentas
3 9
5 10
2 11
2 12
Total 42
23
Ejemplo:
Distribución de Probabilidad
Dividimos Rentas/Total de rentas
Meses Rentas Probabilidad

(PX)
3 9 9/42 = 0.21
5 10 10/42 = 0.24
2 11 11/42 = 0.26
2 12 12/42 = 0.29
Total 42 1.00
24
Ejemplo:
1. Calcular el valor medio de las rentas realizadas por mes.
µ = 9 (0.21) + 10 (0.24) + 11 (0.26) + 12 (0.29)
µ = 1.89 + 2.4 + 2.86 + 3.48
µ = 10.63
25
2. Calcular la varianza de las rentas realizadas por mes.
σ² = (9 - 10.63)² (0.21) + (10 – 10.63)² (0.24) + (11 – 10.63)² (0.26) + (12 – 10.63)² (0.29)
σ² = (2.65) (0.21) + (0.40) (0.24) + (0.14) (0.26) + (1.88) (0.29)
σ² = 0.56 + 0.10 + 0.04 + 0.54
σ² = 1.24
26
3. Calcular la desviación estándar de las rentas realizadas por mes.
σ=
σ= 1.11
27
Fuentes de consulta
 Álvares Álvaro, Jorge. Estadística empresarial. Edit. Firmas. 2010. (En línea.).
 Carrascal, Arranz U. Estadística descriptiva: con Microsoft Excel 2007. Edit. Alfaomega. México. 2007
 Case, K. E. & Fair, R. C. Probabilidad y estadística. Edit. Pearson Educación. México. 2008
 Díaz Mata, Alfredo. Estadística aplicada a la administración y a la economía. Edit. McGraw-Hill. 2013.
(En línea.)
 Spiegel, Murray R. et al. Probabilidad y estadística. Edit. McGraw-Hill. 2010
 Spiegel, Murray R. et al. Probabilidad y estadística. Edit. McGraw-Hill. 2010. (En línea)
 Sánchez Corona, Octavio. Probabilidad y estadística. Edit. McGraw-Hill. 2010.
 Triola, Mario F. Estadística. Edit. Pearson Educación. 2009. (En línea.)

28
M.A. Martín César Hernández Miranda
martin_hernandezm@my.uvm.edu.mx
hermiracesar@hotmail.com
martincesarh@gmail.com
29

U3 Probabilidad y Estadística de Prob.

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

U3 Probabilidad y Estadística de Prob.

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística Aplicada a los Negocios

U3 Probabilidad y Distribución de Probabilidad

Es la posibilidad de que un evento o suceso ocurra.

Conjunto de uno o más resultados.

Lanzamos un dado aire el cual podría caer de 6 formas diferentes.

Cualquier evento que consista en un solo resultado.

Obtener un 4 al lanzar un dado al azar.

3.1 Probabilidad clásica

3.1 Probabilidad clásica

 n(S) = El número total de eventos simples distintos posibles al realizar un experimento.

 n(A) = El número total de formas distintas en que A puede ocurrir.

La Probabilidad de que A ocurra la definimos como:

3.1 Probabilidad clásica

Al lanzar un dado al azar, ¿cuál es la probabilidad de obtener un número par?

Suponiendo que A es el evento de obtener un número par al lanzar un dado al azar.

Todos los resultados igualmente probables.

Por lo anterior A puede ocurrir de tres formas distintas:

Por lo tanto, n (A) = 3 y n (S) = 6

3.1 Probabilidad clásica

3.2 Probabilidad frecuencial

Es la proporción de veces de que un resultado ocurra en determinado número de observaciones

3.2 Probabilidad frecuencial

Si aplicamos la fórmula obtenemos:

3.3 Leyes de probabilidad

Ley de los números grandes

 La probabilidad es propia de sólo un conjunto de condiciones idénticas a aquéllas en las que se

3.3 Leyes de probabilidad

1. Es imposible que ocurra.

Por lo tanto, podemos deducir lo siguiente:

4. La probabilidad de un evento imposible es 0.

3.3 Leyes de probabilidad

Al lanzar un dado al azar, la probabilidad de obtener un número menor que 7 es 1.

3.3 Leyes de probabilidad

Por lo tanto P (3) = 0 ≤ P (A) ≤ 1

3.4 Distribuciones discretas de probabilidad

3.4 Distribuciones discretas de probabilidad

Ejemplo: Variable Aleatoria Discreta

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

Para desarrollarla es necesario identificar sus características:

3. La suma de todas las probabilidades de (X) debe ser = 1.

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

Media o Valor Esperado en una Distribución Discreta de Probabilidad

 Identifica el valor central o medio de los datos.

 Representa el valor promedio de la variable aleatoria al largo plazo.

P(X) = Probabilidad de que X asuma algún valor.

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

Varianza en una Distribución Discreta de Probabilidad

 Mide el tamaño de la dispersión de una distribución.

 La Varianza se representa por la letra sigma al cuadrado σ²

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

Desviación estándar en una Distribución Discreta de Probabilidad

 La Desviación Estándar es la raíz cuadrada de la varianza.

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta

Dividimos Rentas/Total de rentas

Meses Rentas Probabilidad

3.4 Distribuciones discretas de probabilidad

Distribución de Probabilidad Discreta