Documente Academic
Documente Profesional
Documente Cultură
La distribucin normal
Introduccin
Una de las herramientas de mayor uso en las empresas es la utilizacin de la curva normal para describir situaciones donde podemos recopilar datos. Esto nos permite tomar decisiones que vayan a la par con las metas y objetivos de la organizacin. En este mdulo se describe la relacin de la Distribucin normal con la Distribucin normal estndar. Se utilizan ejemplos y ejercicios donde se ensea sobre la determinacin de probabilidades y sus aplicaciones.
Utilidad
Se utiliza muy a menudo porque hay muchas variables asociadas a fenmenos naturales que siguen el modelo de la norma. Caracteres morfolgicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo: tallas, pesos, dimetros, distancias, permetros,... Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una misma cantidad de abono
Utilidad
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un medio,... Errores cometidos al medir ciertas magnitudes Valores estadsticos mustrales como la media, varianza y moda
La funcin de distribucin
Puede tomar cualquier valor (- , + ) Hay ms probabilidad para los valores cercanos a la media m Conforme nos separamos de m , la probabilidad va decreciendo de igual forma a derecha e izquierda (es simtrica). Conforme nos separamos de m , la probabilidad va decreciendo dependiendo la desviacin tpica s.
La funcin F(x)
En resumen
Podemos concluir que hay una familia de distribuciones con una forma comn, diferenciadas por los valores de su media y su varianza. La desviacin estndar ( ) determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal. De entre todas ellas, la ms utilizada es la distribucin normal estndar, que corresponde a una distribucin de media 0 y varianza 1.
Por ejemplo
En el siguiente histograma podemos observar la distribucin de frecuencias por peso de acuerdo a la edad. De acuerdo a este teorema segn aumenten la cantidad de dato se podr trazar una curva que tome cada vez ms formacin en forma campana.
rea bajo la curva normal estndar El rea bajo la curva normal estndar es til para asignar probabilidades de ocurrencia de la variable X. Debemos tomar en cuenta que el rea total bajo la curva es igual a 1. Y que, por ser una grfica simtrica, cada mitad tiene un rea de 0.5.
Pasos para determinar el rea bajo la curva normal estndar Paso 1 - Interpretar grficamente el rea de inters. Paso 2 - Determinar el valor Z Paso 3 - Buscar en la tabla de probabilidades. Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad deseada
Ejemplos y ejercicios
Supongamos que sabemos que el peso de los/as estudiantes universitarios/as sigue una distribucin aproximadamente normal, con una media de 140 libras y una desviacin estndar de 20 libras.
Ejemplo 1
Determine la probabilidad de que una persona tenga un peso menor o igual a 150 libras
Paso 1 Interpretar grficamente el rea de inters. Grficamente si decimos que a=150 libras, el rea de la curva que nos interesa es la siguiente:
Ejemplo 1
Determine la probabilidad de que una persona tenga un peso menor o igual a 150 libras
X m
Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915 Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad deseada.
Ejemplo 2
Determine la probabilidad de que una persona, elegida al azar, tenga un peso menor o igual a 115 libras
Paso 1 Interpretar grficamente el rea de inters. Grficamente si decimos que a=115 libras, el rea de la curva que nos interesa es la siguiente:
Ejemplo 2
Determine la probabilidad de que una persona, elegida al azar, tenga un peso menor o igual a 115 libras Paso 2 - Determinar el valor Z:
X m
Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad deseada = 0.1056
Una fabrica produce unos tarros de fruta que tiene un peso medio de 2.00 Kg. Y una desviacin estndar de 0.05. Cul es la probabilidad de que un determinado tarro pese entre 1.90 y 2.06 Kg.?
Interpretar grficamente el rea de inters. En un proceso industrial el dimetro de un cojinete es una parte componente importante. El comprador establece especificaciones en el dimetro sean de 30+/-0.01 cm. La implicacin es que ninguna parte caiga fuera de estas especificaciones se aceptar. Se sabe que en el proceso de un cojinete tiene una distribucin normal con media de 30 y una desviacin estndar de 0.005. Qu porcentaje de cojinetes se descartan?
La distribucin binomial
Introduccin
En las empresas tenemos muchas situaciones donde se espera que ocurra o no un evento especfico. ste puede ser de xito o fracaso sin dar paso a un punto medio. Por ejemplo, en la produccin de un artculo, ste puede salir bueno o malo. Casi bueno no es un resultado de inters. Para situaciones como stas se utiliza la distribucin binomial.
En este mdulo se describe el uso de la distribucin binomial para obtener la probabilidad de ocurrencia de ese evento que representa un resultado esperado.
Objetivo general
Esperamos que cuando termines esta presentacin puedas utilizar la distribucin binomial para obtener las probabilidades de aquellas situaciones gerenciales con dos posibles resultados.
Objetivos especficos
Adems, esperamos que puedas:
Identificar las propiedades de una distribucin binomial. Determinar los valores de xitos p y fracasos q para establecer las bases para el cmputo de las probabilidades. Establecer el promedio, la varianza y la desviacin estndar utilizando las variables de la distribucin binomial.
Utilidad
La distribucin binomial se utiliza en situaciones cuya solucin tiene dos posibles resultados. Por ejemplo: Al nacer un/a beb puede ser varn o hembra. En el deporte un equipo puede ganar o perder. En pruebas de cierto o falso slo hay dos alternativas.
Utilidad
Tambin se utiliza cuando el resultado se puede reducir a dos opciones. Por ejemplo: Un tratamiento mdico puede ser efectivo o inefectivo.
La distribucin binomial
La distribucin de probabilidad binomial es un ejemplo de distribucin de probabilidad discreta. Esta formada por una serie de experimentos de Bernoulli. Los resutados de cada experimento son mutuamente excluyentes.
La funcin P(x=k)
A continuacin vemos La funcin de probabilidad de la distribucin Binomial, tambin denominada Funcin de la distribucin de Bernoulli:
k - es el nmero de aciertos. n - es el nmero de experimentos. p - es la probabilidad de xito, como por ejemplo, que salga
La probabilidad de xito p, es decir, que salga "cara" al lanzar la moneda es 50% 0.50
La frmula quedara:
P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es de 20.5% .
P (k = 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces es de 2.6%.
Ejemplo 3
B(n,p)
Busque en la tabla de probabilidad binomial En una fbrica de cmaras el 5% sale con defectos. Determine la probabilidad de que en una muestra de 12 se encuentren 2 cmaras defectuosas. Solucin : Se trata de una distribucin binomial de parmetros B(12, 0.05). Debemos calcular la probabilidad de que x sea igual a k que en este caso es 2. Esto es P (k=2).
Busque en la parte izquierda de la tabla n=12, luego en la parte superiror p=0.05 . La probabilidad estar en x=2
El resultado es 0.0988
Ejemplo 4 B(n,p)
Compruebe el cmputo utilizando una calculadora de probabilidad binomial En una oficina de servicio al cliente se atienden 100 personas diarias. Por lo general 10 personas se van sin recibir bien el servicio. Determine la probabilidad de que en una encuesta a 15 clientes 3 no hayan recibido un buen servicio. Solucin :
Se trata de una distribucin binomial de parmetros B(15, 0.10). Debemos calcular la probabilidad P(X=3).
El resultado es 0.1285
En resumen
En este mdulo hemos determinado la probabilidad binomial mediante el uso de la funcin binomial, tablas de distribucin y la calculadora del enlace. Adems, aprendimos que:
La distribucin binomial se forma de una serie de experimentos de Bernoulli La media () en la distribucin binomial se obtiene con el producto de nxp La desviacin estndar ( ) en la distribucin binomial se obtiene del producto de n * p * q El valor de q es el complemento de p y se obtiene con 1 p.
Glosario de trminos
xitos Es la ocurrencia del evento de inters como cantidad de defectos, llamadas recibidas, servicios completados.
La distribucin de Poisson
Introduccin
En este mdulo se describe el uso de la distribucin de Poisson para obtener la probabilidad de ocurrencia de sucesos raros cuyo resultado lo representa una variable discreta. Se recomienda haber estudiado primero los mdulos de las Reglas de probabilidad, el de Distribucin normal y luego el de Distribucin Binomial.
Objetivos especficos
Adems, esperamos que puedas: 1. 2. Identificar las propiedades de una distribucin Poisson. Determinar los valores de frecuencia p y segmento n para establecer las bases para el cmputo de las probabilidades. Determinar el promedio, la varianza y la desviacin estndar utilizando las variables de la distribucin de Poisson.
3.
Utilidad
La distribucin de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados. Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto. Es muy til cuando la muestra o segmento n es grande y la probabilidad de xitos p es pequea. Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia, rea, volumen o tiempo definido.
Ejemplos de la utilidad
La llegada de un cliente al negocio durante una hora. Las llamadas telefnicas que se reciben en un da. Los defectos en manufactura de papel por cada metro producido. Los envases llenados fuera de los lmites por cada 100 galones de producto terminado.
La distribucin de Poisson se emplea para describir procesos con un elemento en comn, pueden ser descritos por una variable aleatoria discreta.
La distribucin de Poisson
La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta. La distribucin de Poisson parte de la distribucin binomial. Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de xito p en cada ensayo es baja, es aqu donde aplica el modelo de distribucin de Poisson.
Se tiene que cumplir que:
p < 0.10 p * n < 10
La funcin P(x=k)
A continuacin veremos la funcin de probabilidad de la distribucin de Poisson.
Donde: P(X=K) es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito k.
= Lambda es la ocurrencia promedio por unidad (tiempo, volumen, rea, etc.). Es igual a p por el segmento dado. La constante e tiene un valor aproximado de 2.711828 K es el nmero de xitos por unidad
Al realizar el cmputo tenemos que P(x = 3) = 0.0892 Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 das de trabajo es de 8.9%.
El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800 recin producidos es de 4.6%.
X es el nmero de xitos que buscamos. Este es el valor K. es el nmero promedio de ocurrencias por unidad (tiempo, volumen, rea, etc.). Se consigue multiplicando a p por el segmento dado n.
Del ejemplo 1: Del ejemplo 2:
= 0.02 * 300 = 6
= 0.012 * 800 = 9.6
En resumen
En este mdulo hemos determinado la probabilidad de Poisson mediante el uso de la funcin de Poisson, las tablas de distribucin y la calculadora del enlace. Adems, aprendimos que:
1. La distribucin de Poisson se forma de una serie de experimentos de Bernoulli. La media
2.
3. 4.
Ejercicio 1
Un comerciante de verduras tiene conocimiento de que el 3% de la caja est descompuesta. Si un comprador elige 100 verduras al azar, encuentre la probabilidad de que, a) las 4 estn descompuestas.
b) de 1 a 3 estn descompuestas
Para resolver la pregunta b repase el mdulo de las reglas de probabilidad. En este caso se resuelve sumando las probabilidades P(x=1) + P(x=2) + P(x=3) = 0.1494 + 0.2240 + 0.2240