Documente Academic
Documente Profesional
Documente Cultură
Análisis de la Gestión
Experimento Aleatorio
Cualquier proceso de observación que puede repetirse a voluntad en
condiciones similares, con la condición de que el resultado no puede ser
previsto antes de cada una de sus realizaciones.
Resultado Lo que obtenemos de un experimento.
Espacio Muestral Ω Colección de todos los posibles resultados de un experimento.
EVENTOS:
A: Provincia donde se B: Importe del Proyecto sea por
desarrolla el Proyecto: más de $300 000.
B: Proyecto de reconstrucción de
A: Chiclayo, Lambayeque, Ferreñafe
la carretera…, Construcción del
Hospital ….
Experimento: Cobranza a dos clientes
A: 1er cliente cancela su deuda
B: 1er cliente no cancela su deuda
Espacio Resultados: C: 2do cliente cancela su deuda
Muestral: D: 2do cliente no cancela su deuda
Ω={AC, AD, BC, BD} Evento Resultados
H: Un cliente Canceló H={AD, BC}
I: El 1er visitado Canceló I={AC, AD}
J: Al menos Uno Canceló J={AC, AD, BC}
K: Los dos Cancelaron K={AC}
Probabilidad es…
1 Cierto
• Es la medida numérica de
la certeza de que un
resultado pueda ocurrir. .5
• Su valor está entre 0 y 1
0 Imposible
Experimentos y Eventos
1. ¿Cuál es la probabilidad de obtener 1 Cara si
arrojamos una moneda una vez?
c 1 0.5
c, s 2
• ¿Cuál es la probabilidad de sacar un as al
sacar un naipe de una baraja?
C2
S3 CCS (2) 0.53=0.125
C3 CSC (2) 0.53=0.125
C1 S2
S1 C2
S3 SCS (1) 0.53=0.125
C3 SSC (1) 0.53=0.125
S2
(0) 0.53=0.125
S3 SSS
• El espacio muestral para este experimento será:
• SSS, SSC, SCS, SCC, CSS, CSC, CCS, CCC.
Así, los posibles valores de: X (número de clientes que compran): x = 0,1,2,3.
El resultado “cero compras” ocurrió una vez.
El resultado “una compra” ocurrió tres veces.
El resultado “dos compras” ocurrió tres veces.
El resultado “tres compras” ocurrió una vez.
Número de Resultados Favorables
Prob
Número de Resultados Posibles
(css), (scs), (ssc ) 3
0.375
(ccc), (ccs), (csc), (css), (scc), (scs), (ssc ), (sss ) 8
Experimento: Analizar la decisión de compra de grupos de 3 clientes.
N° Compras fi Probabilidad
Dis tribución de Probabilidades
0 1 0.125
1 3 0.375 1
2 3 0.375 0 .9
Probabilidad
0 .8
3 1 0.125 0 .7
0 .6
8 1.00 0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3
Número de Compras
Principios de Conteo
Fórmula de la multiplicación
Permutación
Variación
Combinación
ENFOQUES DE LA PROBABILIDAD
PROBABILIDAD PROBABILIDAD
OBJETIVA SUBJETIVA ( )
PROBABILIDAD
PROBABILIDAD
FRECUENCIA RELATIVA
CLASICA (1/n)
(fi/n)
Enfoques de la Probabilidad
I. PROBABILIDAD OBJETIVA
PROBABILIDAD PROBABILIDAD
OBJETIVA SUBJETIVA ( )
PROBABILIDAD
PROBABILIDAD
FRECUENCIA RELATIVA
CLASICA (1/n)
(fi/n)
Consideraciones:
Sea cualquier caso, …los eventos deben ser….
Eventos Mutuamente Excluyentes.
Eventos Colectivamente Exhaustivos.
• Eventos mutuamente excluyentes: La ocurrencia de cualquier
evento implica que ningún otro puede ocurrir al mismo tiempo.
• Eventos Colectivamente exhaustivos: Lista de eventos que
registra todos los resultados posibles cuando se realiza un
experimento, de modo tal que su unión debe ser igual al espacio
muestral Ω.
complemento de A, Evento A
– P(A) + P(Ac) = 1
Ac
– P(A) = 1 – P(Ac).
EJEMPLO 3
Tans reportó la siguiente información de sus LLEGADA N° vuelos
vuelos de Lima a Nueva York:
Sea el evento que un vuelo: Antes de Tiempo 100
A :llegue antes de tiempo. Demorado 75
D: llegue demorado.
T: llegue a tiempo A tiempo 800
C: sea cancelado Cancelado 25
P(A) = 100 /1000 = 0.1.
Total 1000
P(D) = 75 /1000 = 0.075.
P(T) = 800 /1000 = 0.8. ¿Cuál es la probabilidad de que el vuelo llegue A tiempo?
P(C) = 25 /1000 = 0.025. ¿Cuál es la probabilidad de que NO?
Evento A Evento B
Probabilidad
Conjunta
P(A o B) = P(A) + P(B) - P(A y B)
De 500 millones de inversión, 250 ¿Cuál es la probabilidad
fueron colocados en instrumentos de de que la inversión sea
inversión, 125 se colocaron en empresas de instrumentos de
peruanas, y 100 de los 500 millones sólo inversión o se colocaron
se invirtieron en empresas peruanas. en empresas peruanas?
Empresas Peruanas 125/500 EJEMPLO 4
Instrumento de Empresas Peruanas P(I) = 250 /500 = 0.5
Inversión y y No Instrumento de P(E) = 125 /500 = 0.25
Empresa Peruana Inversión 100/500 P(IC y E) = 100 /500 = 0.2
P(I y E) = 0.25 - 0.2 = 0.05
P(I o E) = P(I) + P(E) - P(I y E)
Instrumento de Inversión 250/500
= 0.5 + 0.25 - 0.05 = 0.7
Regla de la Multiplicación…
• Si dos eventos A y B son independientes (la ocurrencia de
B no afecta la probabilidad de ocurrencia de A).
• Es decir: P(A|B) = P(A)
Su probabilidad conjunta es:
P(A y B) = P(A ∩ B) = P(A) * P(B).
REF. BIBL.: Estadística para Administración, 4ta ed. Berenson, Levine y Krehbiel.
Probabilidad condicional
• Probabilidad condicional es la probabilidad de que ocurra
un evento en particular, dado que ocurrió otro evento.
P( A B)
P(B|A). P( B | A)
P( A)
• Se lee: La probabilidad de que ocurra el evento B dado
que ya ocurrió A.
P(A|B).
• Se lee: La probabilidad de que ocurra el evento A dado
que ya ocurrió B.
Regla general de multiplicación
P( A1) * P( B | A1)
P( A1 | B)
P( A1) * P( B | A1) P( A2) * P( B | A2)
La compañía Backus ha recibido varias quejas
debido al bajo contenido de sus botellas.
Una queja fue recibida hoy, el gerente de
Producción no puede identificar la fuente
(Motupe, Pucallpa o Lima) de la botella.
Sí sabemos que:
EJEMPLO 7
% de producción total % botellas falladas (contenido inadecuado)
Motupe 55 3
Pucallpa 25 5
Lima 20 4
¿Cuál es la probabilidad de que:
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de
Motupe si sé que estaba fallada: P(M/F).)
b) Una botella sea de Motupe y esté en buen estado: P(MyB).
c) Una botella esté en buen estado si sé que era de Motupe: P(B/M).
d) Una botella esté fallada: P(F).
e) Una botella sea de Lima si sé que estaba buen estado: P(L/B).
Diagrama de árbol
• Defina eventos.
• Elabore un Diagrama del árbol.
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de Motupe si sé que estaba fallada: P(M/F).
b)Una botella sea de Motupe y esté en buen estado: P(MyB).
c) Una botella esté en buen estado si sé que era de Motupe: P(B/M).
d)Una botella esté fallada: P(F).
e)Una botella sea de Lima si sé que estaba buen estado: P(L/B).
Definiendo Eventos P(MF)= P(MyF) = P(M∩F)= P(M)*P(F/M)
F
M = Motupe = (0.55)(0.03)=0.0165
P = Pucallpa
L= Lima M
B = Buen estado
F = Fallada B P(MB)= P(MyB) = P(M∩B)= P(M)*P(B/M)
= (0.55)(0.97)=0.5335
P( B A)
P( B | A)
P( A)
Ejemplo 08
• En un pueblo alejado, 5% de la población padece una enfermedad
originaria de dicho lugar. A priori podemos afirmar que la
probabilidad de que una persona seleccionada al azar padezca la
enfermedad es 5%, y de que no la padezca es 95%.
• Existe una prueba de diagnóstico para detectar la enfermedad.
– Si una persona tiene la enfermedad, la prueba sale positiva en 90% de los
casos.
– La estadística muestra además que en 15% de los casos, a pesar de que la
persona no padecía la enfermedad, la prueba salió positiva.
• Si escogemos a una persona, y al hacerle la prueba de diagnóstico,
ésta sale positiva, ¿Cuál es la probabilidad de que la persona tenga
realmente la enfermedad?
P(P|E) P(E,P)=0.05x0.90=0.0450
P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E)
0.1875
P(P|noE)
P(noE,P)=0.95x0.15=0.1425
P( E , P) 0.0450
P( E | P) 0.24
P(no E)
P( P) 0.1875
P(N|noE) P(noE,N)=0.95x0.85=0.8075
Ejemplo 09
P(1, M ) 0.0130
P(1 | M ) 0.4262
P( M ) 0.0305
P(1)
P(1,M)=0.65x0.02=0.0130
P(M|1)
P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175
0.0305
P(2) P(2, M ) 0.0175
P(2 | M ) 0.5738
P( M ) 0.0305
P(M|2) P(2,M)=0.35x0.05=0.0175
Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)
P(1|M) 0.4262
P(2|M) 0.5738
P(1, M ) P(2, M )
P(1 | M ) P(2 | M )
P( M ) P( M )
Ejemplo 10
P(B|C)
0.5103 +
P(C) 0.0192
0.5295
P(NC,BBB)=0.30x(0.40)3=0.0192
P(NC)
P(C , BBB ) 0.5103
P(C | BBB ) 0.9637
P( BBB ) 0.5295
Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)
P(Calibrada|BBB) 0.9637
P(Calibrada , BBB )
P(Calibrada | BBB )
P( BBB )
P( No Calibrada , BBB )
P( No Calibrada | BBB )
P( BBB )