Instituto Politcnico Nacional

Escuela de Superior Comercio y Administracin

Materia: Mtodo Estadstico

Profesor: Eguilior Martnez Jess

Integrantes: Aguirre Garfias Viane Alejandra Arrieta Reyes Tristn Hernndez Carmona Karla Julieta Hernndez Olea Lorena Ortega Ruiz Eunice Catalina

Grupo: 2RM8

UNIDAD 2: Teora de la Probabilidad

Objetivos Particulares
Aplicar los conceptos de probabilidad para calcular la ocurrencia de un evento en el rea mercadolgica mediante un caso prctico.

INTRODUCCIN
En el presente portafolio de evidencias entregado el da 20 de septiembre del presente ao; por el equipo nmero tres; abordamos los temas de la unidad II de la materia de Mtodo Estadstico; la cual tiene como objetivo general aplicar las herramientas de la Estadstica descriptiva, la teora de la probabilidad y algunas distribuciones de probabilidades discretas y continuas, con el propsito de analizar e interpretar diversos fenmenos mercadolgicos, mediante la resolucin de casos prcticos.

En la unidad II utilizamos diferentes estrategias de aprendizaje dentro de lo que es nuestro portafolio de evidencias; pues se podr observar en el desarrollo de los temas, los ejemplos planteados y resueltos por el equipo para una mayor comprensin de nuestro portafolio.

Dentro del desarrollo de nuestra unidad nmero II podremos observar que para comenzarla abordamos algunos antecedentes del tema 2.1 que es Enfoques de Probabilidad, tal es el caso de la simbologa, teora de conjuntos, probabilidad, eventos, tipos de probabilidad entre otros.

En la unidad pasada (unidad I) vimos los temas bases con un amplio sentido de ejemplificacin, para poder entender nuestra unidad II debemos tener bien claros dichos conceptos; ya que esta nos servir como base para la unidad II que es la que desarrollaremos en muestro portafolio de evidencias.

Contenido
Unidad 2 ............................................................................................................................ 3 Estadstica ......................................................................................................................... 4 Antecedentes de probabilidad5-12 2.1 Enfoques de probabilidad ....................................................................................... 12 2.1.1 Csico .................................................................................................................. 12 2.1.2 Relativo ................................................................................................................ 13 2.1.3 Subjetivo .............................................................................................................. 13 2.2 Tcnicas de conteo ................................................................................................. 14 Permutaciones ......................................................................................................... 14-19 Combinaciones ............................................................................................................. 20 2.3 Tipos de Probabilidad ............................................................................................. 21 2.3.1Reglas de Adicion ................................................................................................. 21 2.3.2 Reglas de multiplicacin ...................................................................................... 22 2.3.3 Probabilidad Condicional y Conjunta .................................................................... 22 2.3 Tablas de contingencias .................................................................................... 23-27 2.3.1Arbol de decisin ............................................................................................. 27-30 Resumen.31-35 Conclusiones ................................................................................................................... 36 Bibliografa....................................................................................................................... 37

Estadstica
Es la ciencia de recopilar, organizar, presentar, analizar e interpretar la informacin para ayudar a tomar decisiones ms efectivas.

Hay dos tipos de estadstica:

1. La estadstica descriptiva consiste en procedimientos utilizados para organizar y resumir la informacin. 2. La estadstica inferencial comprende tomar una muestra de una poblacin y realizar estimados acerca de ella con base en los resultados de la muestra.

Existen dos tipos de variables:

1. Variable cualitativa es no numrica y por lo general se resume en grficas de barras. 2. Variable cuantitativa se puede reportar de forma numrica y se dividen en: Variables discretas: slo asume ciertos valores y casi siempre existen brechas entre los valores. Variables continuas: pueden asumir cualquier valor con un rango especfico.
Tipos de variable

Cualitativas

Cuantitativas

Marca de PC Estado civil Color de cabello

Discretas

Cuantitativas

Golpes en un hoyo de golf Color de cabello

Peso de estudiante Precipitacin fluvial

Antecedentes de probabilidad
Para poder entender mejor el tema de probabilidad necesitamos revisar previamente los antecedentes de este, los cules son la teora de conjuntos, de paso algunos subtemas que son importantes y bsicos para dicho tema; empezaremos por la:

Simbologa
Smbolo {} n (C) U > < A' = ... ==> Simbologa de Conjuntos Descripcin Conjunto Es un elemento del conjunto o pertenece al conjunto. No es un elemento del conjunto o no pertenece al conjunto. Tal que. Cardinalidad del conjunto C. Conjunto Universo. Conjunto Vaco. Subconjunto de. Subconjunto propio de. No es subconjunto propio de. Mayor que. Menor que. Mayor o igual que. Menor o igual que. Interseccin de conjuntos. Unin de Conjuntos. Complemento del conjunto A. Smbolo de igualdad. No es igual a. El conjunto contina. Entonces. Si y slo si. No (es falso que). Y O

Teora de conjuntos
La teora de conjuntos se utiliza en la construccin de modelos probabilsticos para la realizacin de experimentos, algunos conceptos esenciales de dicha teora son:

Conjunto: se representa por letras maysculas y es una coleccin bien definida de elementos los cuales se representan en letras minsculas. Para indicar que un elemento pertenece al conjunto A se indica como a A.

Conjuntos iguales: Son todos aquellos conjuntos que tienen elementos iguales. Los elementos de un conjunto tambin pertenecen al mismo conjunto.

Ejemplo:

D = F

Los conjuntos D y F son iguales porque tienen el mismo elemento. A veces pueden estar desordenados los elementos cuando son ms de uno, en tal caso, debe recordarse que en un conjunto no importa el orden en que estn los elementos

Subconjuntos: Un conjunto A formado algunos de los elementos de otro conjunto B es un subconjunto de este ltimo

Sean A y B dos conjuntos tal que cada elemento de A es tambin elemento de B. Entonces se dice que: A es un subconjunto de B, y se denota A B B es un subconjunto de A, y se denota B A

Ejemplo:

Conjunto vaco: En matemticas, especficamente en teora de conjuntos, el conjunto vaco es el conjunto que no contiene ningn elemento. Puesto que lo nico que define a un conjunto son sus elementos, el conjunto vaco es nico.

El conjunto vaco es denotado por los smbolos:

Las operaciones entre conjuntos crean nuevos conjuntos a partir de los conjuntos dados como se muestra a continuacin: Unin. La unin de dos conjuntos A y B es el conjunto A B que contiene todos los elementos de A y de B: A B = { x|x A O X B } Interseccin. La interseccin de dos conjuntos A y B es el conjunto A B que contiene todos los elementos comunes de A y B: A B = { x|x A y x B } Diferencia. La diferencia entre dos conjuntos A y B es el conjunto A - B que contiene todos los elementos de A que no pertenecen a B: A B = { x|x A, x b} Complemento. El complemento de un conjunto A es el conjunto A c que contiene todos los elementos que no pertenecen a A: Ac = { x|x A } Potencia. Es el conjunto de subconjuntos: 2n(A) Producto cartesiano. El producto cartesiano de dos conjuntos A y B es el conjunto A B que contiene todos los pares ordenados (x,y): A B = { (x,y) | x A, y B }

El grfico es la representacin de la unin

AUB
El grfico es la representacin de la interseccin

El grfico es la representacin de la diferencia A B

Propiedades
Propiedad conmutativa: AB=BA AB=BA Propiedad asociativa: A (B C) = (A B) C A (B C) = (A B) C Propiedad distributiva: A (B C) = (A B) (A C) A (B C) = (A B) (A C)

Probabilidad
El concepto de probabilidad (Es la rama de las matemticas que mide cuantitativamente la posibilidad de que ocurra un determinado evento) es importante cuando intervenimos en procesos fsicos, qumicos, biolgicos, econmicos, sociales, etc. que tengan acontecimientos que no son factibles de predecir con exactitud.

La probabilidad aparece en juegos de azar, fenmenos meteorolgicos, demanda que tendr un producto en el mercado, etc.

Recibe el nombre de experimento cualquier proceso de observacin. Cada resultado que se obtiene del experimento se llama dato. Asociado a cada experimento, existe siempre un conjunto de resultados posibles

Tipos de probabilidad:

Conjunta

Compuesta por dos o mas eventos

Tipos de probabilidad

Condicional

Si se sabe que ya ocurri otro evento del cual depende l primero. Proporcin de resultados exitosos, respecto al total de resultados posibles

Simple

Laplace, padre de la probabilidad, dice:

P (E)= h/n

P= Probabilidad E= Evento h=Nmero de casos exitosos n=Total de observaciones o resultados

Primer axioma La probabilidad de un suceso A es un nmero real entre 0 y 1.

Segundo axioma Un suceso de la muestra de todos los sucesos o espacio muestral ocurre con probabilidad Es decir la probabilidad del espacio muestral es igual a 1

Tercer axioma Si A1, A2 son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de interseccin vaca dos a dos), entonces:

Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

Ejemplo: Lanzar un dado, y calcular la probabilidad del evento sale un nmero cualesquiera.

NOTA: Los axiomas 1 y 2 establecen los lmites de probabilidad de evento en el rango: 0 <= P(A) <= 1.

Se lanza un dado calcular la probabilidad de que caiga guila. P(A)= 0/6 = 0 ~Evento Imposible

Eventos y espacio muestral

Palabras claves: Azar: Cualidad presente en diversos fenmenos que se caracterizan por mostrar una causa, orden o finalidad aparente. Experimento: Es un procedimiento mediante el cual se trata de comprobar, una o varias hiptesis relacionadas con un determinado fenmeno, mediante la manipulacin de variables. Evento: Cualquier acontecimiento, circunstancia, suceso o caso posible. Aleatorio: Todo proceso cuyo resultado nos es previsible ms que en razn de la intervencin del azar. Resultado: Efecto y consecuencia de un hecho, operacin o deliberacin. rbol de probabilidad: Forma grfica de representar los resultados de un experimento. Esperanza matemtica: Medida que facilita la comparacin entre dos o ms

alternativas al obtener para cada una de ellas la suma de cada uno de sus eventos posibles ponderados por la probabilidad de que ocurran.

El espacio muestral de un experimento aleatorio es el conjunto de todos los posibles resultados que se pueden obtener en el experimento. Los eventos pueden clasificarse de la siguiente forma:

Mutuamente excluyentes o disjuntos. Aquellos que no pueden ocurrir al mismo tiempo. Ejemplo: Que un billete sea de $100 y de $500, o que una persona chifle y coma pinole.

Independientes. Estos no se ven afectados por otros. Ejemplo: El color de mis zapatos y la probabilidad de que llueva hoy en la tarde.

Dependientes. Cuando un evento afecta la probabilidad de que suceda el otro. Ejemplo: Si un trabajo se hace descuidadamente es ms posible que resulte mal.
2

No excluyentes entre s. Cuando la ocurrencia de uno de ellos no impide que suceda tambin otro. Ejemplo: Que una persona sea doctor y que tenga ms de 35 aos.

2.1 Enfoques de Probabilidad

El concepto intuitivo de probabilidad, por medio del cual una persona toma decisiones sin la certeza de que ocurran todos sus supuestos, es la base de un estudio sistemtico que permite incrementar el grado de confianza que se puede implementar en una decisin. La probabilidad (relacin entre el nmero de resultados de xito respecto al total de resultados posibles) puede ser objetiva o subjetiva. La primera es resultado de clculos, mientras que la subjetiva solo refleja la percepcin de quien la emite.

2.1.1 Clsico
La probabilidad objetiva, bajo el enfoque clsico supone que todos los eventos tienen la misma probabilidad de ocurrir, esta es la relacin entre el nmero de eventos sealados como exitosos, respecto al total de eventos posibles.

Ejemplo: Si en una caja hay 50 manzanas y 200 naranjas la probabilidad de que al tomar una fruta esta sea manzana es:

Probabilidad (manzanas)=Numero de manzanas en la caja Total de frutas en la caja

= 50 =

50 =1 =0.2

50+200 250 5

2.1.2 Relativo
La probabilidad objetiva bajo el enfoque de frecuencia relativa define la probabilidad como la relacin entre el nmero de eventos favorables obtenidos, respecto al total de intentos.

Ejemplo: Si una caja contiene manzanas y naranjas se han tomado 80 frutas y de estas 15 han sido manzanas, se deduce que al sacar una fruta de esa caja la probabilidad de que sean manzanas es:

Probabilidad (manzanas)=Numero de eventos exitosos Total de intentos

= 15 = .1875 80 2.1.3 Subjetivo

La probabilidad subjetiva o de juicio personal es una forma de cuantificar por medio de factores de ponderacin individuales, la probabilidad de que ocurra cierto evento, cuando no es posible cuantificarla de otra manera ms confiable. Ejemplo: El nmero de mariposas monarca que llegan a Mxico cada ao.

La frmula bsica de la probabilidad es la siguiente: en ella el nmero de eventos exitosos puede ser 0, 1,2, etc., por lo que la probabilidad ser siempre igual o mayor que cero, es decir, Pi>0.

Probabilidad =Numero de eventos exitosos=n Total de eventos N

La probabilidad puede expresarse en trminos de porcentaje, lo cual puede resultar ms comprensible.

2.2 Tcnicas de conteo: permutaciones y combinaciones Anlisis combinatorio

Existen mtodos con los cuales se pueden conocer los resultados posibles de un experimento o fenmeno en particular, sin la necesidad de efectuar una enumeracin directa. Hay un campo de las matemticas que analiza este tipo de cuestiones y es llamado Anlisis combinatorio.

El anlisis combinatorio o anlisis del nmero de formas en las que se pueden presentar los resultados de un proceso, ayuda a cuantificar la probabilidad de que ocurra un resultado en particular. El anlisis combinatorio tiene como elementos fundamentales las permutaciones y combinaciones.

Permutaciones
A menudo es importante un espacio muestral que contiene como elementos todos los posibles rdenes o arreglos de un grupo de objetos, en otras palabras, cuando el orden en que se disponen los trminos es importante, el nmero total de resultados posibles recibe el nombre de permutacin.

DEFINICIN: Una permutacin es un arreglo de todos, o parte de, un conjunto de datos. En general, se pueden ordenar n objetos diferentes en n(n-1)(n-2)(n-3)(3)(2)(1) maneras. El producto se representa de la siguiente forma:

n! =n(n-1)(n-2)(3)(2)(1) donde n! se lee n factorial1. En consecuencia tenemos: TEOREMA: El nmero de permutaciones de n objetos diferentes es n!.

Por definicin: 1! = 1 y 0! = 1.

Permutar algunos objetos, de todos diferentes El nmero de formas diferentes en que pueden ordenarse n objetos diferentes, cuando se toman algunos de estos r, es el nmero de permutaciones, esto tambin se puede expresar de la siguiente manera: TEOREMA: El nmero de permutaciones de n objetos diferentes, tomando r a la vez, es: ! !

n r r = =

sta tambin es llamada: frmula general de las permutaciones.

Esto se ejemplifica a continuacin:

En una caja hay cuatro canicas (azul, negra, roja y verde). Si se extraen de la caja dos de ellas, en qu orden pueden aparecer?

La representacin del producto de los nmeros naturales desde 1 hasta el nmero propuesto, y se representa con el signo ! colocado a la derecha.
2

Solucin: = 42 = 4! = 12 42 !

En una caja hay 39 esferas marcadas con los nmeros 1 al 39. Si se toman al azar 6 esferas, diga cuntas formas diferentes pueden resultar si se considera el orden de aparicin?

Solucin: 39! = 2,399,088,560 39 6 !

= 396 =

De cuntas formas diferentes pueden ocuparse una gerencia y una subgerencia, si existen 8 candidatos que pueden ocupar indistintamente la gerencia o la subgerencia?

Solucin: = 82 = 8! = 56 82 !

Permutar todos los objetos, de todos diferentes El nmero de formas diferentes en que pueden ordenarse n objetos diferentes cuando se toman de uno en uno es el factorial n(n!).

Nota: Si n = r la frmula general de permutaciones se reduce a n!.

Ejemplos:

Un estudiante tiene 6 libros de 6 tpicos diferentes de cuntas maneras pueden ser acomodadas en su casillero?

Solucin: P6 = 6! 6! = 720 formas posibles de acomodo.

2

Se tienen 10 bolas de colores diferentes, se quieren acomodar en 10 casilleros de cuntas maneras posibles pueden ordenarse?

Solucin: P10 = 10! 10! = 3, 628,800 formas pueden ordenarse.

En una mesa hay 12 personas de cuntas formas diferentes pueden acomodarse?

Solucin: P12 = 12! 12! = 479, 001,600 formas diferentes pueden acomodarse.

Permutar todos los objetos, de algunos repetidos El nmero de formas diferentes en que pueden ordenarse K1, K2, , y Kn objetos iguales entre s, cuando se toman de uno por uno, es el factorial de (K1+ K2+ + Kn), entre el producto de los factoriales de K1, K2, , y Kn. Es decir: 1 + 2 + + ! 1 ! 2 ! !

= Por ejemplo:

En una caja hay dos canicas rojas y cinco verdes. Si se extraen una por una de la caja, en qu orden pueden aparecer?

Solucin:

La primera canica extrada puede ser roja o verde; la segunda tambin, pero la tercera slo puede ser verde si las dos primeras fueron rojas. El nmero de formas en las que pueden aparecer estas canicas se presentan a continuacin: 2+5 ! = 21 2! 5!

=
2

Permutar algunos objetos, de algunos repetidos No existe una frmula fcil para determinar el nmero de permutaciones cuando se toman algunos objetos de un conjunto que contiene varios artculos iguales entre s. El ejemplo que aqu se presenta se resuelve por medio de diagrama: En una caja hay 2 canicas rojas y 5 verdes. Si se extraen cuatro de ellas de la caja, en qu orden pueden aparecer? Solucin:

La primera canica extrada puede ser roja o verde; la segunda tambin, pero la tercera y la cuarta canicas slo les queda ser verde si dos de las canicas anteriores fueron rojas. Las formas en las que pueden aparecer estas canicas se presentan a continuacin:

Permutaciones con reemplazo Es frecuente que el nmero de objetos sea limitado, pero que el nmero de veces que se presenten sea infinito, por ejemplo: cuando los objetos seleccionados pueden ser elegidos de nuevo.

La diferencia entre una situacin y otra se conoce como reemplazo y se presenta en el siguiente ejemplo:

Los resultados posibles de un juego son perder o ganar. Si se practican cuatro juegos, cules son los resultados posibles?

Solucin: El nmero de formas diferentes en que puede aparecer n objetos diferentes, en m intentos, con reemplazo, es: (nm). En este caso, 24 = 16 formas diferentes.

Otros teoremas de permutaciones TEOREMA: El nmero de permutaciones de n objetos diferentes agregados en un crculo es (n-1)!

Ocasionalmente tendremos elementos idnticos. Para este tipo de problemas se tiene: TEOREMA: El nmero de permutaciones que se pueden distinguir en el caso de n elementos, cuando hay n1 elementos imposibles de reconocer de un tipo, n 2 de otro tipo, y as sucesivamente, es: ! 1 , 2 , , = 1 !, 2 ! ! en donde n = n1 +n2 + + nr.

Combinaciones
Si solo interesa el nmero de maneras como se pueden tomar r de un total de n y no interesa el orden de los mismos, se trata entonces de una combinacin. TEOREMA: Una combinacin de n elementos es una seleccin de r de los n elementos sin atender al orden de los mismos. El nmero de combinaciones viene dada por: ! ! !

Ejemplos:

Para integrar un comit de 5 personas se tienen 10 posibles candidatos cuntas son las combinaciones que pueden darse?

Solucin: 105 = 10! = 252 5! 10 5 !

De cuntas formas pueden 10 personas estar sentadas en un banco con capacidad para 4 personas?

Solucin: 104 = 10! = 210 4! 10 4 !

Una pintura abstracta se forma mezclando al azar 3 litros de pintura diferentes de un total de 8 colores cuntos colores diferentes pueden crearse?

Solucin: 8! = 56 3! 8 3 !

83 =

2.3

Tipos de probabilidad

Hay diferentes tipos de probabilidades que estudiaremos durante el curso.

La probabilidad puede ser objetiva o subjetiva. La primera es el resultado de los clculos; mientras que la segunda, la subjetiva slo refleja la percepcin de quien la emite.

Por su parte la probabilidad subjetiva o de juicio personal es una forma de cuantificar, por medio de los valores de ponderacin individuales, la probabilidad de que ocurra cierto evento, cuando no es posible cuantificara de otra manera ms confiable.

Objetiva
Tipos de probabilidad

Enfoque clsico

Enfoque de frecuencia relativa

Subjetiva

2.3.1 Reglas de adicin

En caso de eventos no excluyentes entre s, debe considerarse que la probabilidad de que ocurran ambos eventos est incluida en ellos, por lo que debe restarse esa probabilidad de la suma directa, esto se conoce como regla general de la suma de probabilidades y se expresa de la forma siguiente: P(A o B) = P(A)+P(B) P(A y B) P(A o B) = P(A B) = P(A) + P(B)

2.3.2 Reglas de multiplicacin

Si los eventos son dependientes, deben de considerarse las probabilidades de que ocurra un segundo evento; si ya ocurri un primero, esto se conoce como regla general de la multiplicacin de probabilidades y se expresa de la siguiente manera:

P(A y B) = P(A) P(B| A) o P(A y B) = P(B) P(A| B)

Indica la probabilidad de que ocurra el evento A, si se sabe que ya ocurri el evento B. P(B| A) indica la probabilidad de que ocurra el evento B, si se sabe que ya ocurri el evento A.

2.3.3 Probabilidad condicional y conjunta

La probabilidad condicional es la probabilidad correspondiente a un evento, si se sabe que ya ocurri otro evento del cual depende el primero; por ejemplo: Cul es la probabilidad de lluvia en un da nublado? Matemticamente se expresa de la siguiente manera: Para dos eventos cualesquiera A y B en un espacio muestra S, tales que P(A) > 0 con P(A) 0, la probabilidad del evento B dado el evento A, se define por:

La probabilidad conjunta es la probabilidad de que 2 o ms eventos independientes ocurran juntos o en sucesin, es el producto de sus probabilidades marginales. Su frmula es: P(A B) = P(A) * P(B) P(A B) = Probabilidad de que los eventos A y B ocurran juntos o en sucesin. P(A) = Probabilidad marginal de A. P(B) = Probabilidad marginal de B. Ejemplo: Si lanzamos 2 veces una moneda, cul es la probabilidad de obtener 2 guilas (guila y guila)? Moneda 1 guila, 0 sol. Moneda 2 guila, 0 sol. P(guila)= P(guila) * P (guila) = * =

2.3 Tablas de contingencia

Se utiliza para clasificar las observaciones de las muestras de acuerdo con dos o ms caractersticas que se pueden identificar.

A menudo, los resultados de una encuesta se ordenan en una tabla de dos direcciones y utilizamos los resultados para determinar las diversas probabilidades.

Una tabla de contingencias es una tabulacin cruzada que resume al mismo tiempo dos variables de inters y su relacin. El nivel de medicin puede ser nominal.

Ejemplo 1: Una encuesta entre 150 adultos clasificados de acuerdo con su gnero y por el nmero de pelculas que vieron en el cine la semana pasada. Cada entrevistado se clasifico tomando en cuenta dos criterios: el nmero de pelculas y el gnero. Gnero Pelculas vistas 0 1 2 o ms Total Hombres 20 40 10 70 Mujeres 40 30 10 80 Total 60 70 20 150

Ejemplo 2: La American Coffee Producers Association reporta la siguiente informacin sobre la edad y la cantidad de caf consumido en un mes. Consumo de caf Edad (aos) Menos de 30 30 a 40 40 a 50 50 o ms Total Bajo 36 18 10 26 90 Moderado 32 30 24 24 110 Alto 24 27 20 29 100 Total 92 75 54 79 300

De acuerdo con esta tabla, cada uno de los 300 entrevistados se clasifica segn dos criterios: 1 Edad y 2 Cantidad de caf consumido.

Ejemplo 3: El ejemplo siguiente muestra la forma en que se aplican las reglas de adicin y la multiplicacin al utilizar la tabla de contingencias.

Se entrevist a una muestra de ejecutivos acerca de su lealtad a la compaa. Una de las preguntas fue: Si otra empresa le ofreciera un puesto un poco mejor o igual que el que ocupa en la actualidad, seguira con la compaa o aceptara el puesto?

La respuesta de los 200 ejecutivos que participaron en la encuesta se clasific segn el tiempo que tienen de trabajar para la empresa.

Cul es la probabilidad de seleccionar al azar a un ejecutivo que sea leal a la compaa (y siga sindolo) y que tenga ms de 10 aos de servicio?

Observe que los dos eventos ocurren al mismo tiempo: el ejecutivo seguir con la empresa y tiene ms de 10 aos de servicio.

Tiempo de servicio Lealtad Menos de un ao B1 Permanecera en la compaa A1 No permanecera en la compaa ~A 35 45 15 105 200 25 15 10 30 80 10 De 1 a 5 aos B2 30 De 6 a 10 aos B3 5 Ms de 10 aos B4 75 120 Total

1 El evento A1 sucede si un ejecutivo seleccionado al azar permanecer con la compaa a pesar de su ofrecimiento un poco mejor o igual por parte de otra empresa. Para encontrar la probabilidad de que suceda el evento A 1, consulte la tabla. Observe que hay 120 ejecutivos de los 200 que participaron en la encuesta que seguiran con la empresa de modo que P(A1) = 120/200, o 0.60.

2 El evento B4 sucede si un ejecutivo seleccionado al azar tiene ms de 10 aos de trabajar en la empresa. Por tanto, P(B4|A1) es la probabilidad condicional de que un ejecutivo con ms de 10 aos de servicio siga con la compaa a pesar de recibir un ofrecimiento mejor o igual por parte de otra empresa. Refirindonos a la tabla de contingencias, 75 de los 120 ejecutivos que permaneceran en la compaa tienen ms de 10 aos de servicio, de modo que P(B 4|A1) = 75/120.

El clculo de que la probabilidad de que un ejecutivo de servicio seleccionado al azar permanezca en la empresa y tenga ms de 10 aos de servicio, utilizando la regla general de la multiplicacin nos da.
120 200 75 120 9,000 24,000

P(B4 y A1) = P(A1)P(B4|A1) =

= 0.375

Para encontrar la probabilidad de seleccionar un ejecutivo que siga con la compaa o tenga menos de un ao de experiencia, usamos la regla general de la adicin.

1 El evento A1 se refiere a los ejecutivos que seguiran en la empresa. De modo que P(A1) = 120/60 = 0.60.

2 El evento B1 se refiere a los ejecutivos que han trabajado en la compaa menos de un ao. La probabilidad de B1 es P(B1) = 0.175. 3 Los eventos A1 y B1 no son mutuamente excluyentes. Es decir, un ejecutivo puede estar dispuesto a permanecer en la compaa y tener menos de un ao de experiencia. Esta probabilidad, que se conoce como probabilidad conjunta, se escribe
2

P(A 1 y B1). Hay 10

ejecutivos que se quedaran en la empresa y tienen menos de un ao de servicio, de modo que P(A1 y B1). =10/200 = 0.05. Estas personas estn en ambos grupos, aquellos que permaneceran en la compaa y aquellos que tienen menos de un ao de servicio. En realidad, se cuentan dos veces, de modo que necesitamos restar este valor.

4 Insertamos estos valores en la frmula y el resultado es el siguiente.

P(A1 o B1) = P(A1)+ P(B1)- P(A1 y B1) = 0.60+0.175-0.05 = 0.725 De modo que la probabilidad de que un ejecutivo seleccionado permanezca con la compaa o haya trabajado por menos de un ao es de 0.725.

Ejemplo 4: Se supone que adems de recolectar informacin sobre el nmero de pasajeros de P&P, tambin se obtuvieron datos sobre las edades de los pasajeros y el nmero de vuelos en los que se registraron cada ao. Ambas variables pueden verse en detalle mediante una tabla de contingencia que enumera el nmero de vuelos en la parte superior y las edades debajo, tal como se muestra en la tabla. Al dividir la edad en cuatro categoras y los vuelos en tres categoras, se han creado 12 celdas en la tabla. Ahora se pueden determinar si estas caractersticas estn relacionadas. Por ejemplo, en la ltima columna se pueden ver que el nmero ms grande de pasajeros, 15 o 30%, est en la categora comprendida entre los 40 y 65 aos y vuelan ms de cinco veces al ao. El nmero ms pequeo de pasajeros, tan slo 4 personas, son menores de 25 aos o tiene 65 aos a ms. Una mayora, 28 personas, toma de forma tpica ms de 5 vuelos cada ao.
Nmero de vuelos por ao Edad Menor de 25 24-40 40-65 65 y ms Total 1-2 1(0.02) 2(0.04) 1(0.02) 1(0.02) 5(0.10) 3-5 1(0.02) 8(0.16) 6(0.12) 2(0.04) 17(0.34) Mayor de 5 2(0.04) 10(0.20) 15(0.30) 1(0.02) 28(0.56) Total 4(0.08) 20(0.40) 22(0.44) 4(0.08) 50(1.00)

Tambin se podra mostrar la informacin de cada celda segn el gnero. De las 15 personas en el nivel de edad entre los 40 y 65 aos, que vuelan ms de 5 veces al ao, ocho pueden ser hombres y siete mujeres. Entonces la entrada en dicha celda podra aparecer como 8,7(0.30). Todas las caractersticas relevantes de los pasajeros tambin podran incorporase a la tabla.

2.3.1 Diagramas de rbol o rbol de decisin

Es una grfica que resulta til para organizar los clculos que comprenden varias etapas. Cada segmento de rbol es una etapa del problema. Las ramas de un diagrama de rbol se ponderan por medio de probabilidades. Todava usaremos los datos de la tabla anterior para mostrar la elaboracin de un diagrama de rbol.

1 Para empezar un diagrama de rbol, empezamos por dibujar un punto grueso del lado izquierdo para representar la raz del rbol.

Lealtad Probabilidades condicionales

10 120 30 120

Servicio Probabilidades conjuntas 120 10 = 200 120 120 30 = 200 120 120 5 = 200 120 120 75 = 200 120 80 25 = 200 120 80 15 = 200 120 80 10 = 200 120 80 30 = 200 120

Menos de un ao

0.50

Permanecera

1 a 5 aos 6 a 10 aos Ms de 10 aos Menos de 1 ao

0.150 0.25 0.375 0.125 0.075 0.50

5 120 75 120
25 80

No permanecera

15 80
10 80

1 a 5 aos 6 a 10 aos

30 80

Ms de 10 aos

0.150

El Total debe de ser de 1.00

1.000

2 Para este problema, dos ramas principales salen de la raz, la superior representa permanecera y la inferior no permanecera. Sus probabilidades estn escritas en las ramas: 120/200 y 80/200. Ests tambin se pondran expresar: P(A) y P(A). 3 Cuatro ramas crecen de cada una de las dos ramas principales. Estas representan tiempo de servicio: menos de un ao, 1 a 5 aos, 6 a 10 aos y ms de 10 aos.

Las probabilidades condicionales para la rama superior del rbol, 10/120, 30/120, 5/120, etc, estn escritas en las ramas apropiadas. Estas son P(A1|B1), P(A2|B1), P(A3|B1) y

P(A4|B1),donde B1 se refiere a menos de un ao de servicio, B2 de 1 a 5 aos, B3 de 6 a 10 aos y B4 a ms de 10 aos. A continuacin escribimos las probabilidades para la rama inferior.

4 por ltimo, las probabilidades conjuntas, de que los conjuntos, de los eventos A 1 y Bi o los eventos A y Bi ocurran juntos, se muestran al lado derecho. Por ejemplo, la probabilidad conjunta de seleccionar al azar a un ejecutivo que permanecera en la compaa y que tiene menos de un ao de servicio, a partir de la frmula es:
120 200 10 120

P(A1 y B1) = P(A1)P(B1/A1) =

= 0.05

Como las probabilidades conjuntas representan todos los resultados posibles (permanecera, 6 a 10 aos de servicio; no permanecera, ms de 10 aos de servicio, etc.), deben sumar 1.

Otro ejemplo podra ser el siguiente: Una fbrica de alfileres logra una produccin con slo 1% de alfileres defectuosos. Prepare un rbol de probabilidad para dos alfileres que se toman aleatoriamente.

Solucin:

Las ramas de la izquierda del rbol de probabilidad presentan los resultados posibles (opciones) del primer evento (sujeto activo, tomar un alfiler) y las probabilidades de que ocurran. Las ramas derechas presentan los resultados posibles (opciones) del segundo evento (sujeto activo, tomar otro alfiler) y las probabilidades de que ocurran, suponiendo que ya ocurri el primer evento (1% de defectuosos equivale a 0.01, los no defectuosos son el complemento a 1 o 100% es decir, 0.99 o 99%). Grficamente se observa:

*Probabilidades de los resultados posibles:

Probabilidad (defectuoso, defectuoso) Probabilidad (defectuoso, bueno) Probabilidad (bueno, defectuoso) Probabilidad (bueno, bueno)

= (0.01) (0.01) = = (0.01) (0.99) = = (0.99) (0.01) = = (0.99) (0.99) =

0.0001 0.0099 0.0099 0.9801

Suma de probabilidades de todos los resultados posibles:

= 0.0001 + 0.0099 + 0.0099 + 0.9801 = 1.0000 = 100%

Se puede observar que el resultado de la multiplicacin de probabilidades es siempre menor que las probabilidades que se multiplican, pues stas son siempre menores que 1.

Resumen
2.1 Enfoque de probabilidad

El concepto de probabilidad es la rama de las matemticas que mide cuantitativamente la posibilidad de que ocurra un determinado evento.

La probabilidad (relacin entre el nmero de resultados de xito respecto al total de resultados posibles) puede ser objetiva o subjetiva. La primera es resultado de clculos, mientras que la subjetiva solo refleja la percepcin de quien la emite.

2.1.1 Clsico

La probabilidad objetiva, bajo el enfoque clsico supone que todos los eventos tienen la misma probabilidad de ocurrir, esta es la relacin entre el nmero de eventos sealados como exitosos, respecto al total de eventos posibles. Probabilidad (manzanas)=Numero de manzanas en la caja Total de frutas en la caja 2.1.2 Relativo La probabilidad objetiva bajo el enfoque de frecuencia relativa define la probabilidad como la relacin entre el nmero de eventos favorables obtenidos, respecto al total de intentos. Probabilidad (manzanas)=Numero de eventos exitosos Total de intentos 2.1.3 Subjetivo La probabilidad subjetiva o de juicio personal es una forma de cuantificar por medio de factores de ponderacin individuales, la probabilidad de que ocurra cierto evento, cuando no es posible cuantificarla de otra manera ms confiable.

2.2 Tcnicas de conteo: permutaciones y combinaciones Anlisis combinatorio Existen mtodos con los cuales se pueden conocer los resultados posibles de un experimento o fenmeno en particular, sin la necesidad de efectuar una enumeracin directa. Este tipo de mtodo es llamado Anlisis combinatorio.

Permutaciones

DEFINICIN: Una permutacin es un arreglo de todos, o parte de, un conjunto de datos. En general, se pueden ordenar n objetos diferentes en n(n-1)(n-2)(n-3)(3)(2)(1) maneras. El producto se representa de la siguiente forma:

n! =n(n-1)(n-2)(3)(2)(1) Donde n! se lee n factorial. En consecuencia tenemos: TEOREMA: El nmero de permutaciones de n objetos diferentes es n!. Por definicin: 1! = 1 y 0! = 1. TEOREMA: El nmero de permutaciones de n objetos diferentes, tomando r a la vez, es: ! !

n r r = =

TEOREMA: El nmero de permutaciones de n objetos diferentes agregados en un crculo es (n-1)!

Ocasionalmente tendremos elementos idnticos. Para este tipo de problemas se tiene: TEOREMA: El nmero de permutaciones que se pueden distinguir en el caso de n elementos, cuando hay n1 elementos imposibles de reconocer de un tipo, n 2 de otro tipo, y as sucesivamente, es:

en donde n = n1 +n2 + + nr. Combinaciones Si solo interesa el nmero de maneras como se pueden tomar r de un total de n y no interesa el orden de los mismos, se trata entonces de una combinacin. TEOREMA: Una combinacin de n elementos es una seleccin de r de los n elementos sin atender al orden de los mismos. El nmero de combinaciones viene dada por:

2.4 Tipos de probabilidad

La probabilidad puede ser objetiva o subjetiva. La primera es el resultado de los clculos; mientras que la segunda, la subjetiva slo refleja la percepcin de quien la emite.

Objetiva
Tipos de probabilidad

Enfoque clsico Enfoque de frecuencia relativa

Subjetiva
2

2.3.4 Reglas de adicin En caso de eventos no excluyentes entre s, debe considerarse que la probabilidad de que ocurran ambos eventos est incluida en ellos, por lo que debe restarse esa probabilidad de la suma directa, esto se conoce como regla general de la suma de probabilidades y se expresa de la forma siguiente: P(A o B) = P(A)+P(B) P(A y B) P(A o B) = P(A B) = P(A) + P(B) 2.3.5 Reglas de multiplicacin Si los eventos son dependientes, deben de considerarse las probabilidades de que ocurra un segundo evento; si ya ocurri un primero, esto se conoce como regla general de la multiplicacin de probabilidades y se expresa de la siguiente manera:

P(A y B) = P(A) P(B| A) o P(A y B) = P(B) P(A| B)

Indica la probabilidad de que ocurra el evento A, si se sabe que ya ocurri el evento B. P(B| A) indica la probabilidad de que ocurra el evento B, si se sabe que ya ocurri el evento A. 2.3.6 Probabilidad condicional y conjunta La probabilidad condicional es la probabilidad correspondiente a un evento, si se sabe que ya ocurri otro evento del cual depende el primero

La probabilidad conjunta es aquella correspondiente a un evento compuesto por dos o ms eventos; por ejemplo la probabilidad de que al lanzar un dado y una moneda, el dado caiga en 3 y la moneda en guila. 2.3 Tablas de contingencia Una tabla de contingencias es una tabulacin cruzada que resume al mismo tiempo dos variables de inters y su relacin. El nivel de medicin puede ser nominal.

2.3.1 Diagramas de rbol o rbol de decisin Es una grfica que resulta til para organizar los clculos que comprenden varias etapas. Cada segmento de rbol es una etapa del problema. Las ramas de un diagrama de rbol se ponderan por medio de probabilidades.

CONCLUSIONES
Por medio del presente trabajo de investigacin pudimos profundizar en el tema de Probabilidad, y comprendimos que este concepto es importante cuando intervenimos en procesos fsicos, qumicos, biolgicos, econmicos, sociales, etc; que tengan acontecimientos que no son fciles de predecir con exactitud.

La probabilidad aparece en juegos de azar, casinos, fenmenos meteorolgicos, deportes, la demanda que tendr un producto en el mercado, etc; y se encarga de indicar que tan posible o imposible es que suceda un determinado evento de inters.

Comprendimos que los conceptos de permutacin y combinacin, son muy parecidos, pero difieren en el primero toma en cuenta el orden de los elementos, y el segundo no.

Vimos tambin que las tcnicas de conteo se pueden ilustrar mediante diagramas de rbol, en los cuales se describen grficamente cada una de las posibles combinaciones usando una ramificacin natural de una secuencia de eventos.

As, podemos decir que la probabilidad es parte de nuestra vida cotidiana y hemos convivido con ella desde nuestra infancia cuando jugbamos a aventar un dado o una moneda y tratbamos de adivinar un resultado. Ahora estos conocimientos se han enriquecido con frmulas que nos ayudan a predecir analticamente los posibles resultados, los cuales podremos aplicar en el campo profesional de nuestra rea de estudio, pues en el rea de Investigacin de Mercados son importantes tanto la Probabilidad como la Estadstica, para ver las tendencias que rigen al mercado y optar por la toma de decisiones ms acertada que permita incrementar las utilidades de la empresa.

Bibliografa
L. Berenson, M., M. Levine, D., & C. Krehbiel, T. (2001). Estadstica para administracin. Pearson education. L. Webster, A. (2000). Estadstica aplicada a los negocios y la ecnoma (3 ed.). Mc Graw-Hill. Lind, D. A., G. Marchal, W., & A. Wathen, S. (2005). Estadstica aplicada a los negocios y a la economa (12ed.). Mc Graw-Hill. Probabilidad y estadstica, Octavio Snchez, Tercera Edicin.