Documente Academic
Documente Profesional
Documente Cultură
Materia:
Anlisis Estadstico
Introduccin
Los orgenes de las matemticas de la probabilidad se remontan al siglo XVI. Las primeras aplicaciones
se relacionaban bsicamente con los juegos al azar. Los jugadores gananciosos utilizaron el conocimiento de la
teora de la probabilidad para desarrollar estrategias de apuesta. Incluso actualmente, el gobierno, las
compaas particulares y las organizaciones profesionales y no lucrativas adoptan la teora de la probabilidad
en su cotidiano proceso de toma de decisiones. Las probabilidades son tiles, ya que pueden servir para
desarrollar estrategias.
Objetivo general
Definir la teora de conjuntos apoyadas por los diferentes teoremas para su aplicacin en cualquier
evento dentro de una organizacin.
Objetivo especfico
Determinar los valores de probabilidad por diversos mtodos.
Contenido temtico
3.1 Permutaciones y combinaciones
3.2. Teora de conjuntos
3.2.1 Eventos Mutuamente excluyentes
3.2.2. Eventos dependientes e independientes
3.3. Probabilidad terica y matemtica
3.4. Distribucin binomial y discreta
3.5. Teorema de Bayes
3.6. Distribucin de Poisson
3.7. T de Student
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
vez. Cuntas series distintas son posibles? Podemos contemplar este problema como si en realidad se tratase
de colocar cada uno de los objetos en cada una de las X cajas situadas en fila. Empezando por la primera caja,
hay X maneras distintas de ocuparla. Una vez que un objeto es puesto en esa caja, quedan (x -1) objetos y, por
tanto, (x - 1) modos de rellenar la segunda caja. Es decir, para cada una de las X maneras de colocar un objeto en
la primera caja, hay (x- 1) formas posibles de rellenar la segunda caja, por lo que las dos primeras cajas pueden
ser ocupadas en un total de x(x - 1) maneras. Dado que las primeras dos cajas son rellenadas, hay ahora (x - 2)
modos de rellenar la tercera caja, por lo que las tres primeras cajas pueden ser ocupadas de x(x -1)(x - 2) maneras
en total. Finalmente, cuando llegamos a la ltima caja slo resta un objeto que poner en ella. Por tanto, el nmero total de posibles ordenaciones es x(x - 1)(x - 2) - (2)(1), lo cual, por conveniencia notacional, se escribe x!
2
1 sucesivamente, hasta que lleguemos a la ltima caja. En este momento quedarn (n - x + 1) objetos,
cada uno de los cuales puede ser colocado en dicha caja, tal y como se ilustra en la Figura siguiente. As, el
nmero total de permutaciones es:
Una expresin ms adecuada se obtiene multiplicando y dividiendo por (n x) (n x -1). . . .(2) (1) = (n
x)! Resultando:
Pg. 2 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
http://www.youtube.com/watch?v=xxW4TjQj2DU
3.2Teora de Conjuntos
El concepto de conjunto es intuitivo y se podra definir como una "agrupacin bien definida de objetos
no repetidos y no ordenados"; as, se puede hablar de un conjunto de personas, ciudades, gafas, lapiceros o del
conjunto de objetos que hay en un momento dado encima de una mesa.
Un conjunto est bien definido si se sabe si un determinado elemento pertenece o no al conjunto. El
conjunto de los bolgrafos azules est bien definido, porque a la vista de un bolgrafo se puede saber si es azul
o no.
El conjunto de las personas altas no est bien definido, porque a la vista de una persona, no siempre se
podr decir si es alta o no, o puede haber distintas personas, que opinen si esa persona es alta o no lo es. En el
siglo XIX, segn Frege, los elementos de un conjunto se definan slo por tal o cual propiedad
http://www.youtube.com/watch?v=Q7PWC_T-mVc
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
De manera ms general, dados K sucesos E1, E2,...,Ek, su unin, E1 U E2 U... Uk, es el conjunto de todos
los resultados bsicos pertenecientes al menos a uno de estos K sucesos.
La unin de un par de sucesos se ilustra en el diagrama de Venn un resultado bsico estar en A U B si
y slo si lo est en A y/o B.
Un caso de especial inters lo constituye una coleccin de varios sucesos cuya unin es la totalidad del
espacio muestral S. Dado que todo resultado bsico est siempre contenido en S, se deduce que todo
resultado de un experimento aleatorio estar al menos en una de estas colecciones de sucesos. Estos sucesos
se denominan colectivamente exhaustivos. Por ejemplo, si se lanza un dado, los sucesos "el resultado es como
mnimo un 3" y "el resultado es como mximo un 5" son colectivamente exhaustivos -al menos uno de estos dos
sucesos debe ocurrir.
Definicin: Sean E1, E2,..., Ek, sucesos en el espacio muestral S. Si E1 U E2 U..., U Ek = S, estos K
sucesos se denominan colectivamente exhaustivos.
El diagrama de Venn para la unin de sucesos A y B; A U B es el rea sombreada
Pg. 4 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
Hemos presentado tres conceptos importantes -la interseccin, la unin y el complementario. Todos
ellos sern importantes en nuestro estudio subsiguiente de la probabilidad. Los siguientes ejemplos deberan
servir para concretar estas ideas.
Ejemplo- Se lanza un dado. Sea A el suceso "sale un nmero par" y B el suceso "sale como mnimo un
Entonces,
4". A = [2, 4, 6] y B = [4, 5, 6]
Los complementarios de estos sucesos son, respectivamente.
= [1, 3, 5] y B[1, 2, 3]
La interseccin de A y B es el suceso "el nmero que sale es par y como mnimo 4", as
A B = [4, 6]
La unin de A y B es el suceso "el nmero que sale es par y/o como mnimo 4", y as
A U B = [2, 4, 5, 6]
Advirtase tambin que los sucesos A y A son mutuamente excluyentes, dado que su interseccin es
el conjunto vaco, y colectivamente exhaustivos, dado que su unin es el espacio muestral 5; es decir:
A U A = [1, 2, 3, 4, 5, 6] = S
Las mismas consideraciones se aplican a los sucesos B y B.
EJEMPLO
Consideremos ahora el ndice industrial Dow-Jones correspondiente a dos das consecutivos.
Designaremos los cuatro resultados bsicos como sigue:
O1: el ndice sube los dos das
O2: el ndice sube el primer da, pero no el segundo
O3: el ndice no sube el primer da, pero sube el segundo
O4: el ndice no sube ninguno de los dos das
Claramente, uno de estos resultados tiene que ocurrir, pero no ms de uno puede tener lugar al mismo
tiempo. Por tanto, podemos representar el espacio muestral como S = [O1, O2, O3, O4]
Pg. 5 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
http://www.youtube.com/watch?v=kDG889hwsA0
http://www.youtube.com/watch?v=TAh4l8uGP6M
probabilidad de que ocurra E dado que ha sucedido el evento F, es igual a la probabilidad del suceso del evento
E.
E y F son eventos independientes si
P (E| F) = P (E)
|
.
Si dos eventos son independientes, entonces son Eventos dependientes, tenemos tambin:
P(EF) = P(F)P(|E F)
Si E y F son eventos independientes, entonces
P(F)P(E F) = P(F)P(E)
Ejemplo
Cules de los pares siguientes son eventos independientes?
a) E=Sacar un sol al lanzar un peso.
F=Sacar un sol al lanzar una moneda de diez centavos.
b) E=El primer bebe de Mara ser un nio.
F=El segundo bebe de Mara ser nia
c) E= Hoy llover en Frotburg.
F= Juan reprobara hoy su examen de matemticas 101.
Solucin
a) Como los eventos no estn relacionados, son independientes.
b) Los dos eventos son independientes.
Pg. 6 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
c) Estos dos eventos dan toda la impresin de no estar relacionados; en consecuencia, son
eventos independientes.
Ejemplo para entender mejor los eventos dependientes e Independientes
http://www.youtube.com/watch?v=jSLLhatITHI
PROBABILIDAD
0.04
0.14
0.28
0.33
0.21
Pg. 7 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
j)
2.- Un gerente tiene disponible un grupo de empleados a los que les podra ser asignada la supervisin
de un proyecto. Cuatro de los empleados son mujeres y cuatro son hombres.
Dos de los hombres son hermanos. El gerente debe realizar la asignacin al azar, de manera que cada
uno de los ocho empleados tiene la misma probabilidad de salir elegido. Sea A el suceso "el empleado elegido
es un hombre" y sea B el suceso "el empleado elegido es uno de los dos hermanos".
a) Calcular la probabilidad del suceso A.
b) Calcular la probabilidad del suceso B.
c)
Probabilidad
0.14
13
0.39
46
0.23
79
0.15
10 12
0.06
Ms de 12
0.03
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
Probabilidad
0.29
0.36
0.22
0.10
Ms de 3
0.03
Ejemplo de probabilidad
http://www.youtube.com/watch?v=Irdh31EMPzw
Pg. 9 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
X ~ B (n, p)
http://www.youtube.com/watch?v=Jf82SPTjx4E
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
auditor creer que la probabilidad de error es mayor y, por tanto, le prestar a la cuenta una atencin especial.
As, la probabilidad a priori ha sido actualizada a la vista de la informacin adicional.
Ejemplo
Al examinar los registros anteriores de los balances de una compaa, un auditor descubre que el 15%
contienen errores. Adems, el 60% de estos balances incorrectos fueron considerados valores inusuales
basndose en los datos anteriores. El 20% de todos los balances se consideraron tambin valores inusuales. Si
los datos de un determinado balance parecen ser inusuales, cul es la probabilidad de que sea incorrecto?
Si denominamos los sucesos de inters como "error" y "valor inusual", tenemos que
P(error) = 0,15 y P(valor inusual) = 0,20
P(valor inusual / error) = 0,60
Haciendo uso del teorema de Bayes, se obtiene
P (Error Valor Inusual) = P(valor inusual / error P (error) = (0,60)(0,15) = 0,45
P(valor inusual)
0,20
De este modo, dada la informacin de que el balance se considera inusual, la probabilidad de que sea
un error se ve modificada, pasando de 0,15 (a priori) a 0,45 (a posteriori).
En muchas ocasiones, el teorema de Bayes se presenta de una forma distinta pero equivalente. Sean
E1, E2,...,Ek, K sucesos mutuamente excluyentes y colectivamente exhaustivos, y sea A otro suceso cualquiera.
Queremos calcular la probabilidad de Ei dado A para algn i. Este clculo puede hacerse directamente, utilizando
el teorema de Bayes y sustituyendo B en la Ecuacin (3.8.3) por Ei Sin embargo, el denominador del lado derecho
de la ecuacin puede expresarse en trminos de las probabilidades condicionales de A dado Ej y las
probabilidades de los Ej. Hemos visto ya en la Seccin 3.2 que los sucesos E1 A, E2 A,...,Ek A , son
mutuamente excluyentes y que su unin es A.
EJEMPLO.
Un editor enva propaganda de un libro de contabilidad al 80% de aquellos profesores que estn a
cargo de un curso de dicha materia. El 30% de aquellos que recibieron la propaganda pasaron a emplear el
citado libro, como as hicieron el 10% de los profesores que no la recibieron.
Cul es la probabilidad de que un profesor que utiliza el libro haya recibido dicha propaganda?
Sean los sucesos "la recibe" y su complementario "no la recibe". Entonces
P (la recibe) = 0,80
Pg. 11 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
Adems
P (lo utiliza / la recibe) = 0,30
Queremos conocer la probabilidad condicional de que se haya recibido la propaganda dado que se utiliza el
libro. Por el teorema de Bayes se tiene que:
P (la recibe / lo utiliza) = P (lo utiliza/ la recibe) P (la recibe)
P (lo utiliza/ la recibe) P (la recibe)
+ P (lo utiliza / no la recibe) P (no la recibe) = (0,30)(0,80) = 0,923
(0,30)(0,80) + (0,10)(0,20)
EJERCICIOS
Una consultora clasifica sus predicciones sobre los resultados de las empresas para el ao siguiente
en buenos, malos y normales. Antes de decidir si contina utilizando los servicios de la consultora. Una
compaa compara las predicciones pasadas con los resultados reales. La tabla siguiente recoge las proporciones correspondientes a las nueve clasificaciones conjuntas.
Resultado
Prediccin
BUENOS
MALOS
Buenos
0,23
0.03
Normales
0.06
0.08
Malos
0.01
0.19
2. Una empresa recibe partidas de un componente especial de la maquinaria que proceden de otras
empresas de su grupo. Se sabe que las proporciones de componentes defectuosos del total recibido son las
que se recogen en la siguiente tabla.
COMPONENTE
Bueno
EMPRESA
A
0.27
0.30
0.33
Pg. 12 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
Defectuoso
0.02
0.05
0,03
a) Si se elige al azar un componente del total recibido, cul es la probabilidad de que sea
defectuoso?
b) Si se elige al azar un componente del total recibido, cul es la probabilidad de que proceda de
la empresa B?
c)
http://www.youtube.com/watch?v=BOJQTMR7Rt4
binomiales pueden aproximarse mediante una forma particular de la funcin de probabilidad de Poisson. La
distribucin de probabilidad de Poisson se define por la formula de probabilidad de Poisson:
Ejemplo
Un banco recibe un promedio de tres cheques sin fondos por da. Cul es la probabilidad de que cierto
da reciba cuatro o cinco cheques sin fondos?
Solucin: Notemos que ==3,. La solucin es P(4)+P(5), donde
Ejemplo
La distribucin de Poisson ha resultado ser muy til en problemas de lneas de espera o colas. Los
clientes llegan a una maquina fotocopiadora a una tasa media de dos cada cinco minutos. En la prctica, se
pueden representar los procesos de llegada de esta clase mediante una distribucin de Poisson. Asumiendo que
Pg. 13 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Anlisis Estadstico
Materia:
ste es el caso, representaremos por X el nmero de llegadas de clientes en un perodo de cinco minutos, con lo
cual X tiene distribucin de Poisson con media X = 2, y funcin de probabilidad.
x!
-2
P x (X) = e (2)
para x = 0, 1, 2,
sta es la funcin de probabilidad que se dibuja en la Figura 4.8(c).] Usando (de la Tabla 2 del
-2
Apndice) e = 0,135335, las probabilidades para el nmero de llegadas en un perodo de cinco minutos son:
-2
= (0,135335)(1) = 0,1353
0!
-2
1
0
= (0,135335)(1) = 0,2707
1!
-2
1
0
= (0,135335)(1) = 0,2707
2!
http://www.youtube.com/watch?v=khtWipQExNA
3.7 T de Student
La distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la
media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo.
Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias
entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las
medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser
estimada a partir de los datos de una muestra.
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
Z y V son independientes
Si es una constante no nula, el cociente es una variable aleatoria que sigue la distribucin t de
Student no central con parmetro de no-centralidad .
EJERCICIOS
1. Para cada una de las afirmaciones siguientes: establezca la conclusin a la que, en su opinin, llega
un lector de la afirmacin, y liste las preguntas que considera deben hacerse sobre la afirmacin para evitar
llegar a una conclusin falsa.
a) Entre los 35 y los 65 aos de edad, siete de cada diez trabajadores sufrirn una lesin que
durara tres meses o ms.
b) A la edad de 32 aos, una lesin que dure tres meses o ms de seis ms probable que la
muerte.
c) El personal de nuestro autoservicio tiene 100 aos de experiencia.
d) En ms de un milln de millas de prueba, nuestros automviles han tenido un promedio de
reparaciones menor al 1 por ciento.
e) Noventa de ocho por ciento de los mdicos prescriben el calmante encontrado en la marca x.
f)
El alimento contenido en nuestra marca ayudara a reducir los niveles de colesterol de la sangre
en los adultos.
g) Los productos alimenticios bajos en grasas ayudan a reducir los ataques al corazn.
h) Los alimentos con alto contenido de fibra disminuyen las posibilidades de tener cncer de
colon.
2. El seor Jackson, candidato a alcalde de un pueblo pequeo, quiere determinar si debe hacer una
compaa ms fuerte contra su oponente; para ello entrevistara a 500 de los 1,500 votantes registrados. Silos
resultados indican que tienen 25 % ms de votos que su oponente, no intensificara sus esfuerzos de campaa
contra su rival.
a) Identifique la poblacin.
b) Cul es la muestra?
c) Seale un estadstico
d) Ubique un parmetro
e) Qu hara el seor Jackson si tuviera 65% de los votos de la muestra?
Pg. 15 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico
Licenciatura en ADMINISTRACIN
Materia:
Anlisis Estadstico
1-4
5-8
9-12
13-16
17-20
14
18
12
16
20
http://www.youtube.com/watch?v=Qe8nUAUJgB4
Pg. 16 de 16
Esta obra es exclusivamente de uso acadmico para los estudiantes de la BUAP. Esta obra se distribuye
con una licencia Creative Commons Atribucin-NoComercial, CompartirIgual 2.5 Mxico