Analisis de Problemas ..

IntroduccinalaEconomadelaEmpresa
Tema5.Anlisisdeproblemasytomade decisiones
Introduccin
Lamodelizacin
Ambientesdedecisin
Certeza
Riesgo Riesgo
IncertidumbreEstructurada
Incertidumbrenoestructurada
Criterios de decisin en contexto de incertidumbre Criteriosdedecisinencontextodeincertidumbre
Laplace
Optimista
Pesimista
Hurwicz
Savare
Probabilidad
1
AnlisisBayesiano
5.1 Introduccin
La adopcin de decisiones tiene tanta importancia en el mbito empresarial La adopcin de decisiones tiene tanta importancia en el mbito empresarial
que se ha definido a la empresa como centro de decisiones voluntarias
tomadas en un entorno incierto.
En el transcurso de la historia el hombre ha tomado las decisiones basndose En el transcurso de la historia, el hombre ha tomado las decisiones basndose
en la experiencia, en la intuicin, en el sentido comn, y en la repeticin de
frmulas que funcionaron bien en el pasado.
D d l i t bi l t i l l t d d i i Dadoelcrecientecambioenelentornoempresarial,latomadedecisiones
resultacadavezmscompleja.Porello,comoenotrasreasdelaciencia
econmica,latomadedecisionesserealizaenbaseadistintosmodelos.
E h l lid d l j d l h En muchos casos la realidad es tan compleja que, para comprenderla, hay que
simplificarla, tomando de ellas aquellos aspectos que resultan relevantes
para el anlisis de que se trate y relegando los que resultan accesorios. De
acuerdo con esto un modelo es una representacin simplificada de una acuerdo con esto, un modelo, es una representacin simplificada de una
parte de la realidad.
El principal objetivo de un modelo es permitir una mejor comprensin y
d i i d l lid d t E t j i d l
2
descripcin de la realidad que representa. Esta mejor compresin de la
realidad permite tomar mejores decisiones.
Unmodeloeconmico
Supuestos:
1. En la economa hay una nica empresa que produce un bien.
2. Este bien, es a la vez un bien de consumo y un bien de capital.
3. La empresa es precio aceptante en el mercado de factores y el mercado de productos. Toma,
precios y salarios como dados
4. Para producir las empresas utilizan capital y trabajo.
5. Los consumidores alquilan el capital a las empresas a un coste de r.
6. Asumimos que el objetivo de la empresa es maximizar beneficios
capital capital te trabajador salario produccin precio Beneficio = cos capital capital te trabajador salario produccin precio Beneficio cos
L
k r L w k l q p B Maximizar ) ( ) ( ) , ( =
L
; 0 =
c
c
L
B
; 0 =
c
c
w
L
q
p
q c
3
[Ecuacin 1]
w
L
q
p =
c
c
Unmodeloeconmico
Beneficio
B
max
L
*
L (trabajo)
Una solucin del problema particular del modelo planteado
L
k L
1. Funcin de produccin,
2. Precio de los factores:
3. Stock de capital:
k L q =
, 10 = p
5 = w
100 = k
4
Un modelo econmico
S tit d [E i 1] Sustituyendo en [Ecuacin 1]:
w
L
q
p =
c
c
5
100 1
10 =
L 5 10 5 =
: Cantidad demandada de trabajo
L c
5
2
10
L
L 5 10 5 =
100
*
= L : Cantidaddemandadadetrabajo
Comoafectaalacantidaddemandadadetrabajoelestablecimientodecotizacionesa
laseguridadsocial?
100 = L
L
k r L SS w k l q p B Maximizar ) ( ) ) 1 ( ( ) , ( + =
cB
cpo:
Nota: SS representa el porcentaje de cotizaciones a la seguridad social
; 0 =
c
c
L
B
5
Nota:SSrepresentaelporcentajedecotizacionesalaseguridadsocial
; 0 ) 1 ( = +
c
c
SS w
L
q
p
cL
) 1 ( SS w
L
q
p + =
c
c
Si SS=10%, Cul ser ahora la cantidad demandada de trabajo por parte de la
empresa
%) 10 1 ( 5
100
2
1
10 + =
L
L %) 10 1 ( 10 + =
: Cantidaddemandadadetrabajo
6 . 82
*
= L
6
5.2Ambientesdedecisin
La toma de decisiones es tanto ms sencilla cuanto mayor sea la informacin de que se
dispone. La toma de decisiones se hace ms compleja cuando no sabemos con
certeza lo que va a ocurrir.
El nivel de informacin determina el tipo de ambiente de la decisin. Ambientes de p
decisin:
Certeza: El ambiente de certeza es aquel en el que el decisor conoce con absoluta
seguridad los estados de la naturaleza que van a presentarse. g q p
Riesgo: Se denomina ambiente de riesgo a aquel en el que el decisor no sabe con
certeza qu estados de la naturaleza se presentarn, pero si conoce cuales pueden
presentarse y la probabilidad que tiene cada uno de ellos (por ejemplo, sabe que la presentarse y la probabilidad que tiene cada uno de ellos (por ejemplo, sabe que la
demanda puede ser de 150.000 unidades al ao, con una probabilidad del 25%, o
de 75.000 con una probabilidad del 75%, y sabe que hay una probabilidad del 40%
de que tenga competencia fuerte y un 60% de que no tenga competencia). q g p y q g p )
Incertidumbre estructurada. El ambiente de incertidumbre estructurada es aquel en que
se conocen los estados de la naturaleza, pero no las probabilidades asignadas a
cada uno de esos estados.
7
cada uno de esos estados.
Incertidumbre no estructurada. Es aquel en el que no se conocen ni los estados de la
naturaleza ni las probabilidades.
5.2.1 Criteriosdedecisinencontextosdeincertidumbre
Silaincertidumbrenoestructurada,nisepuedeobtenermayorinformacin,
yhadetomarseunadecisin,stahabrdebasarseenlaintuicin.
Silaincertidumbreestructurada,ladecisincontinaincorporandounacarga
desubjetividadmuyelevada.Peroenestecasolatomadedecisionesse
puederealizarutilizandodistintoscriterios:
- Laplace - Laplace
- Optimista
- Pesimista
- Optimismoparcial
- MnimoPesar(Savage)
8
Criterio de Laplace
El criterio de laplace se llama tambin racionalista o criterio de igual verosimilitud.
Parte del postulado de Bayes segn el cual, si no se conocen las probabilidades asociadas
a cada uno de los estados de la naturaleza no hay razn para pensar que uno tenga a cada uno de los estados de la naturaleza no hay razn para pensar que uno tenga
ms probabilidades que otro por ello se calcula la media aritmtica de cada una de
las decisiones que se pueden tomar y se elige aquella que le corresponda el
resultado medio ms elevado En el caso de que todos los resultados sean negativos resultado medio ms elevado. En el caso de que todos los resultados sean negativos
se elige el menos desfavorable.
TABLA 1
Deci si ones
al ternati vas
S
1
S
2
S
3
Estados de l a Natural eza
al ternati vas
S
1
S
2
S
3
E
1
60 50 40
E
2
10 40 70
9
CriteriodeLaplace
MediaaritmticadeladecisinE
1
.
50
3
40 50 60
1
=
+ +
E
MediaaritmticadeladecisinE
2
.
40
70 40 10 + +
40
3
70 40 10
2
=
+ +
E
UtilizandoelcriteriodeLaplacesetomaraladecisinE
1
.
10
CriterioOptimista
Eselcriterioqueelegiraunapersona,quepensaraquecualquieraque
fuesesudecisin,elestadoquesepresentarserelmsfavorable.
Por ello, cuando los resultados son positivos, se le denomina criterio maxi Porello,cuandolosresultadossonpositivos,seledenominacriteriomaxi
max.Paracadadecisinseanalizanlosposiblesresultados,ysetoma
aquelladecisinqueenelcasomsoptimistaofrezcamejores
resultados resultados.
Utilizandolosdatosdelatabla1,Culserladecisinquecorrespondaal
criteriooptimista?
Si elige E suceder lo ms favorable (S ) y ganar 60 u m SieligeE
1
.,sucederlomsfavorable(S
1
)yganar60u.m.
SieligeE
2
.,sucederlomsfavorable(S
3
)yganar70u.m.
11
LuegoconestecriterioeligirE
2
,70>60
Criterio pesimista o de Wold
Es el que seguira una persona que pensara que cualquiera que fuese su
eleccin, el estado de la naturaleza que se presentar ser el menos
favorable.
Utilizando los datos de la tabla 1, Cul ser la decisin que corresponda al
criterio pesimista? criterio pesimista?
Si toma la decisin E
1
ocurrir lo menos favorable, es decir S
3
, y ganar
40.
2
ocurrir lo ms desfavorable, es decir S
3
, y ganar
10.
Bajo este criterio la decisin ser E ya que 40>10 Bajo este criterio la decisin ser E
1
, ya que 40>10
Cuando los resultados sean desfavorables la decisin optima ser mini
12
max, la menor perdida entre las mayores prdidas.
Criterio de optimismo parcial
E t it i tit i t l it i ti i t i i t Estecriterioconstituyeuncompromisoentreloscriteriosoptimistaypesimista,
mediantelaintroduccindeuncoeficientedeoptimismoquedenotamos
por,comprendidoentre0y1,ydesucomplementoalaunidadqueesel
o
denominadocoeficientedepesimismo(1 ).
El mejor de los resultados de cada estrategia se pondera con el coeficiente de
o
Elmejordelosresultadosdecadaestrategiaseponderaconelcoeficientede
optimismo ,entantoqueelpeordelosresultadosseponderaconel
coeficientepesimista (1 ).

o
o
Utilizandolosdatosdelatabla1,culserladecisinquecorrespondealcriterio
deoptimismoparcial?(suponedquealpha valeun60%).
SiseeligeE
1
lomejorquepuedeocurriresS
1
ylopeoresS
3
:
13
Resultado: 40 ) 1 ( ) 60 (
1
+ o o E
Criteriodeoptimismoparcial
SiseeligeE
2
lomejorquepuedeocurriresS
3
ylopeoresS
1
:
52 40 ) 6 . 0 ( ) 60 ( 6 . 0
1
= + E
2 3 1
Resultado:
10 ) 1 ( ) 70 ( + o o E
48 10 ) 6 . 0 1 ( ) 70 ( 6 . 0
2
= + E
10 ) 1 ( ) 70 (
2
+ o o E
SilosresultadossonfavorablesladecisinquetomaraconestecriterioesE
1.
Si
1.
losresultados fuesen desfavorables ladecisin que setomara sera E
2.
14
Criterio de mnimo pesar
Este criterio lo siguen quienes tienen aversin a arrepentirse por Este criterio lo siguen quienes tienen aversin a arrepentirse por
equivocarse. Formalmente ha de partirse de la matriz de pesares.
Segn este criterio la decisin optima es elegir el menor entre los mximos
pesares.
Construimos primero la matriz de pesares Veamos como se construye esta Construimos primero la matriz de pesares. Veamos como se construye esta
matriz.
Si elige E
1
y ocurre S
1
, su pesar es cero, ha ocurrido lo mejor que podra
pasar dado que ha elegido E
1
. Si elige E
2
, y ocurre S
1
, su pesar es 50,
que se calcula como la diferencia entre lo que gana con E
2
, que es 10, y que se calcula como la diferencia entre lo que gana con E
2
, que es 10, y
lo que habra ganada si hubiese tomado la decisin E
1
, que es 60.
15
Criteriodemnimopesar
S
1
S
2
S
3
E
1
0
Si elige E oc rre S s pesar es cero ha oc rrido lo mejor q e podra pasar
E
2
50
Si elige E
1
y ocurre S
2
, su pesar es cero, ha ocurrido lo mejor que podra pasar
dado que ha elegido E
1
. Si elige E
2
, y ocurre S
2
, su pesar es 10, que se calcula
como la diferencia entre lo que gana con E
2
, que es 40, y lo que habra
ganada si hubiese tomado la decisin E
1
, que es 50.
S
1
S
2
S
3
E
1
0 0
E
2
50 10
16
Criteriodemnimopesar
SieligeE
1
yocurreS
3
,supesares30,(7040).SieligeE
2
,yocurreS
3
,supesar g
1
y
3
, p , ( ) g
2
, y
3
, p
cero,haocurridolomejordadoquehaelegidoE
2
.
M t i d
S
1
S
2
S
3
Matriz de pesares
E
1
0 0 30
E
2
50 10 0
1
, el mximo pesar es de 30. Si toma la decisin E
2
, el
mximo pesar es de 50 Siguiendo el criterio de Savage la decisin mximo pesar es de 50. Siguiendo el criterio de Savage, la decisin
ptima es tomar la decisin E
1
, a la que corresponde el menor entre los
mximos pesares.
17
5.2.2Decisionesencontextoderiesgo
ElestudiodedecisionesencontextodeRIESGO precisatenerconocimientos
bsicosdeprobabilidad.
AcontinuacinestudiamosalgunosconceptosbsicosdePROBABILIDAD
Conforme a la definicin de Laplace, si de un total de n casos, todos
igualmente factibles, un suceso S puede presentarse en h de los casos,
la probabilidad de ocurrencia de un suceso S, que denotamos por P(S),
es el cociente entre el nmero de casos favorables y el nmero de casos
posibles.
n
h
S P = ) (
18
Ejemplo1.
Lanzamiento de una moneda una vez Calcular la probabilidad de sacar una Lanzamientodeunamonedaunavez.Calcularlaprobabilidaddesacaruna
cara.
2
1
) ( = = cara S P
Ejemplo2.
L i t d d d C l l l b bilid d d i Lanzamientodeundado.Calcularlaprobabilidaddesacarunseis.
1
) ( = = seis un sacar S P
Ejemplo3.
6
) ( seis un sacar S P
Tenemosunacestacon3bolasnegrasy7bolasblancas.S=sacarunabola
negra.
3
) ( bl b l S P
19
10
3
) ( = = blanca bola una sacar S P
Probabilidad de un suceso compuesto Probabilidaddeunsucesocompuesto
SeanSyTdossucesosINDEPENDIENTES,laprobabilidaddequeambossucesos
ocurranconjuntamente,quedenotamosporsecalculacomoel
d d l b bilid d i l d S d T
) ( T S P
productodelasprobabilidadesmarginalesdeS ydeT.
) ( ) ( ) ( T P S P T S P =
DondeeslaprobabilidaddequeocurraelsucesoSyeslaprobabilidad
dequeocurraelsucesoT.
) (S P ) (T P
SeanSyT dossucesosDEPENDIENTES,laprobabilidaddequeambossucesos
ocurranconjuntamente,secalculacomo:
) / ( ) ( ) ( S T P S P T S P =
) / ( ) ( ) ( T S P T P T S P
20
) / ( ) ( ) ( T S P T P T S P =
: Probabilidad de que ocurra el suceso S condicionada a que ha
) / ( T S P
q q
ocurrido el suceso T.
: Probabilidad de que ocurra el suceso T condicionada a que ha
ocurrido el suceso S
) / ( S T P
ocurrido el suceso S
Cuando dos sucesos son independientes, la probabilidad condicionada es
igual a la probabilidad marginal.
) ( ) / ( S P T S P =
) ( ) / ( T P S T P =
Ejemplo4.
Tenemos una urna con 5 bolas, 3 negras y 2 blancas. Sea el suceso S: sacar g y
una bola negra en la primera extraccin el suceso T: sacar una bola
negra en la segunda extraccin.
21
......continaejemplo4.
Cul es la probabilidad de que saquemos dos bolas negras seguidas, es decir, cul es la Culeslaprobabilidaddequesaquemosdosbolasnegrasseguidas,esdecir,culesla
probabilidaddequeocurraelsucesoS yelsucesoT?
Para calcular esta probabilidad es necesario saber si las extracciones de las bolas son con o
????? ) ( T S P
Para calcular esta probabilidad es necesario saber si las extracciones de las bolas son con o
sin reemplazamiento ya que ello determina si ambos sucesos son o no
independientes. Analizamos los dos casos posibles.
Caso1.NOHAYREEMPLAZAMIENTO.
EnestecasolosdossucesossonDEPENDIENTESyportantolaprobabilidadconjunta
secalculacomo:
) / ( ) ( ) ( S T P S P T S P = ) / ( ) ( ) ( S T P S P T S P =
; 5 / 3 ) ( = S P ; 4 / 2 ) / ( = S T P
10
3
20
6
4
2
5
3
) ( = = = T S P
22
10 20 4 5
......contina ejemplo 4.
Caso 2. HAY REEMPLAZAMIENTO.
En este caso los dos sucesos son INDEPENDIENTES y por tanto la En este caso los dos sucesos son INDEPENDIENTES y por tanto la
probabilidad conjunta se calcula como el producto de las probabilidades
marginales.
) ( ) ( ) ( T P S P T S P ) ( ) ( ) ( T P S P T S P =
3
3
) (T P
5
3
) ( = S P
5
) ( = T P
25
9
5
3
5
3
) ( = = T S P
23
ProbabilidaddeUNINENTRESUCESOS.
Dadosdossucesos,SyT,laprobabilidaddequeocurraobienelsucesoS obien
elsucesoT vienedadaporlasiguienteexpresin:
) ( ) ( ) ( ) ( S S S
Ejemplo5.
) ( ) ( ) ( ) ( T S P T P S P T S P + =
Tenemosunaurnacon5bolas,3negrasy2blancas.Seaelsuceso
S:sacarunabolanegraenlaprimeraextraccinelsuceso
T b l l d i T:sacarunabolanegraenlasegundaextraccin.
Cul es la probabilidad de que saquemos una bola negra en la primera Culeslaprobabilidaddequesaquemosunabolanegraenlaprimera
extraccinoquesaquemosunabolanegraenlasegunda,esdecirdeque
ocurraelsucesoS oelsucesoT?
24
......continaejemplo5.
Caso1.NOHAYREEMPLAZAMIENTO.
EnestecasolosdossucesossonDEPENDIENTES.
) ( ) ( ) ( ) ( T S P T P S P T S P + =
4 4 4 16 ) 3 2 ( ) 2 5 ( ) 3 4 ( 3 2 3
) (
+
+ T S P
Caso2.HAYREEMPLAZAMIENTO.
5 4 5 20 20
) ( ) ( ) (
10 4 5
) ( =
= = = + = T S P
EnestecasolosdossucesossonINDEPENDIENTES.
21 ) 9 ( ) 3 5 ( ) 3 5 ( 9 3 3 +
25
21
25
) 9 ( ) 3 5 ( ) 3 5 (
25
9
5
3
5
3
) ( =
+
= + = T S P
25
El TEOREMA DE BAYES nos dice lo siguiente:
Tenemos una serie de sucesos disjuntos que no pueden ocurrir de
f i l ) S1 S2 S d d T d forma simultnea), S1, S2, ....Sn, y dado un suceso T, que puede
producirse conjuntamente con cada uno de los sucesos
anteriores, entonces la probabilidad del suceso T se puede
calcular como:
(1)
) ( ... ) ( ) ( ) (
2 1
T S P T S P T S P T P
n
+ + + =
) / ( ) ( ) / ( ) ( ) / ( ) ( ) (
2 2 1 1
S T P S P S T P S P S T P S P T P + + + =
(1)
Teniendo en cuenta que la probabilidad conjunta de dos sucesos se
puede calcular como el producto de probabilidades
) / ( ) ( ... ) / ( ) ( ) / ( ) ( ) (
2 2 1 1 n n
S T P S P S T P S P S T P S P T P + + + =
condicionadas:
Y sabiendo que:
) / ( ) ( ) / ( ) ( T S P T P S T P S P
i i i
=
Y sabiendo que:
) (
) ( ) / (
) / (
T P
S P S T P
T S P
i i
i
=
26
Un ejemplo:
T=sacar cara al lanzar una moneda
S
1
=Sacar un uno al lazar un dado S
1
Sacar un uno al lazar un dado
S
2
=Sacar un dos al lazar un dado
.......
S =Sacar un seis al lazar un dado S
6
= Sacar un seis al lazar un dado
S
1
, S
2
, S
3
, S
4
, S
5
, S
6
: son sucesos disjuntos. Si lanzas un dado una
vez, o bien sacas un uno, o un dos, o un tres, ..etc, pero no
puedes sacar conjuntamente un uno y un dos. p j y
Nos preguntan: cual es la probabilidad de que al tirar una moneda
salga cara?.
1 1 1
) 1 ( S P
12 6 2
) 1 ( = = = S cara P
) 6 ( ... ) 2 ( ) 1 ( ) ( = + + = + = = S cara P S cara P S cara P cara P
2
1
12
1
12
1
12
1
12
1
12
1
12
1
) ( = + + + + + = cara P
27
Variables aleatorias
Se dice que una variables es aleatoria cuando no se sabe con certeza Se dice que una variables es aleatoria cuando no se sabe con certeza
el valor que tomar, sino solo los valores que puede tomar (o
rango de valores en los que se puede mover) y la probabilidad
de que tome esos valores (o la probabilidad de que tome un de que tome esos valores (o la probabilidad de que tome un
valor en un intervalo definido).
Hay dos tipos de variables aleatorias: Discretas y Continuas
Se dice que una variable aleatoria es discreta cuando el nmero de
valores que puede tomar es finito.
Se dice que una variable aleatoria es continua cuando esa variable Se dice que una variable aleatoria es continua, cuando esa variable
puede tomar un nmero infinito de valores.
La inflacin, la tasa de crecimiento del consumo, la inversin y la
produccin, los rendimientos de activos en bolsa, los cambios en
los tipos de inters, la duracin de un determinado proceso de
produccin, el valor de las ventas, son ejemplos de variables
28
p , , j p
aleatorias continuas
Distribucin de probabilidad.
Variables aleatorias discretas
Una variable aleatoria es discreta si toma un nmero finito de valores.
Al conjunto de valores que puede tomar una determinada variable aleatoria y j q p y
sus respectivas probabilidades se le denomina distribucin de probabilidad.
En el ejemplo (1), la distribucin de probabilidad es la siguiente Enelejemplo(1), ladistribucindeprobabilidadeslasiguiente
Valores
posibles
Probabilidad
posibles
0 1/16 = (1/2) (1/2) (1/2) (1/2)
Prob. Suceso 1(S
1
)
1 4/16 = (1/16)+(1/16)+(1/16)+(1/16)
Prob. S
1
, S
2
, S
3
, S
4
1 4/16 (1/16)+(1/16)+(1/16)+(1/16)
1
,
2
,
3
,
4
2 6/16 = (1/16)+(1/16)+(1/16)+...
Prob. S
6
, S
7
, S
8,
S
9
, S
10
, S
11
3 4/16 = (1/16)+(1/16)+(1/16)+(1/16)
Prob. S
12
, S
13
, S
14
, S
15
29
4 1/16 = (1/16)
Prob. Suceso 16(S
16
)
La distribucin de probabilidad se suele representar por medio de un
d d l HISTOGRAMA, es decir, mediante rectngulos cuyas reas son
proporcionales a los tamaos de las probabilidades que representan.
Histograma
0.375
0.35
0.40
0.25 0.25
0.20
0.25
0.30
b
i
l
i
d
a
d
e
s
0.0625 0.0625
0.05
0.10
0.15
P
r
o
b
a
b
0.00
0 1 2 3 4
Valores posibles
30
La distribucin de probabilidad de una variable nos permite conocer la
probabilidad asignada a los distintos valores que puede tomar una variable.
Adems, la distribucin de probabilidad nos permite conocer la probabilidad
de que una variable sea inferior a un determinado valor, o, que
tome valores en un determinado intervalo .
En el ejemplo (1) podemos conoce la p obabilidad de q e la a iable tome
) 3 ( s x P
) 4 2 ( s s x P
En el ejemplo (1), podemos conocer la probabilidad de que la variable x tome
un valor menor o igual que 3:
) 3 ( ) 2 ( ) 1 ( ) 0 ( ) 3 ( = + = + = + = = s x P x P x P x P x P
o la probabilidad de que teme un valor entre 2 y 4
16
15
16
4
16
6
16
4
16
1
) 3 ( = + + + = s x P
o la probabilidad de que teme un valor entre 2 y 4, .
) 4 ( ) 3 ( ) 2 ( ) 4 2 ( = + = + = = s s x P x P x P x P
11 1 4 6
31
16
11
16
1
16
4
16
6
) 4 2 ( = + + = s s x P
Momentos de la distribucin de Probabilidad
Esperanza Matemtica ( media, o valor esperado)
Varianza
Desviacin tpica
Esperanza matemtica (E(x))
La esperanza matemtica de una variable discreta, es una media ponderada de
los valores que puede tomar esa variable utilizando como coeficientes de
ponderacin sus probabilidades.
Sea x una variable aleatoria discreta que toma los siguientes valores:
{ } y sus probabilidades son { }
La esperanza matemtica se calcula como:
n
x x x x ,.. , ,
3 2 1
n
p p p p ,.. , ,
3 2 1
32
n n
p x p x p x p x x E + + + + = ... ) (
3 3 2 2 1 1
Variables aleatorias discretas Variables aleatorias discretas
El valor esperado de una variable, es el valor alrededor del cul la variable toma
distintos valores.. Se pude decir, que es el valor de referencia que seala distintos valores.. Se pude decir, que es el valor de referencia que seala
donde se encuentra centrada la distribucin.
Ejemplo (3)
Sean x e y dos variables aleatorias cuyas distribuciones de probabilidad vienen y y p
dadas en las tablas 1 y 2 respectivamente.
Tabl a 1
Valores
posibles
Probabilidad
Tabl a 2
Valores
posibles
Probabilidad
3 3/10
Tabl a 1 p
2
3/10
3 2/10
3 3/10
4 4/10
5 3/10
/
4 1/10
5 2/10
33
5 3/10
6
2/10
Varianza de una variable aleatoria discreta
Es la esperanza matemtica de los cuadrados de las desviaciones de los valores
posibles respecto a su media posibles respecto a su media
Sea x una variable aleatoria discreta que toma los siguientes valores:
{ } b bilid d { } { } y sus probabilidades son { }
La varianza se calcula como:
n
x x x x ,.. , ,
3 2 1 n
p p p p ,.. , ,
3 2 1
La desviacin tpica es:
n n
p x x p x x p x x p x x
2
3
2
3 2
2
2 1
2
1
2
) ( ... ) ( ) ( ) ( + + + + = o
n n
p x x p x x p x x p x x
2
3
2
3 2
2
2 1
2
1
) ( ... ) ( ) ( ) ( + + + + = o
34
Distribucindeprobabilidad.
Variablesaleatoriasdiscretas
Tantolavarianzacomoladesviacintpicanosinformansobrela
distribucin de probabilidad en el sentido de que nos dicen cuan distribucindeprobabilidad,enelsentidodequenosdicencuan
dispersosestnlosdatosrespectoalamedia.
Valorespequeosdesigma indicanconcentracinderesultados
respectoasumedia.Valoresgrandesdesigmacorrespondena
distribuciones ms dispersas distribucionesmsdispersas.
Cuandosigmaespequeo,puededecirsequehayunaprobabilidad
muyelevadadequelavariabletomeunvalormuyprximoasu
valoresperado.Sisigmaesgrande,habrunaposibilidadelevada
dequelavariablesedesvealalzaoalabaja.
35
q j
Utilizandolosdatosdelejercicio3,calcular:
1. Laesperanzamatemticadexey
2. Lavarianzadexey
3. Histogramadexey
Esperanzamatemticadexey
4 ) 10 / 5 ( 5 ) 10 / 4 ( 4 ) 10 / 3 ( 3 ) ( = + + = x E
8 . 3 ) 10 / 2 ( 6 ) 10 / 2 ( 5 ) 10 / 1 ( 4 ) 10 / 2 ( 3 ) 10 / 3 ( 2 ) ( = + + + + = y E
Varianzadexey
6 . 0
10
6
10
3
) 4 5 (
10
4
) 4 4 (
10
3
) 4 3 (
2 2 2 2
= = + + =
x
o
36
36 . 2
10
2
) 8 . 3 6 (
10
2
) 8 . 3 5 (
10
1
) 8 . 3 4 (
10
2
) 8 . 3 3 (
10
3
) 8 . 3 2 (
2 2 2 2 2 2
= + + + + =
x
o
Histograma, x
Histograma, y
0.3
0.35
0.4
0.45
a
d
0.25
0.3
0.35
a
d
0.1
0.15
0.2
0.25
P
r
o
a
b
i
l
i
d
a
0 05
0.1
0.15
0.2
P
r
o
a
b
i
l
i
d
a
0
0.05
3 4 5
Valores posibles
0
0.05
2 3 4 5 6
Valores posibles
37
Variables aleatorias continuas Variablesaleatoriascontinuas
Se dice que una variable aleatoria es continua, cuando en un rango de valores
determinado puede tomar infinitos valores.
En el caso de variables continuas, la probabilidad de que dicha variable tome un
valor concreto es infinitamente pequea, casi cero. Por eso, en el caso de
este tipo de variables, no nos interesas tanto saber la probabilidad de que
tome un valor concreto, sino la probabilidad de que esa variable tome un
valor en un determinado intervalo o sea inferior a un cierto valor.
En el caso de variables continuas la distribucin de probabilidad o funcin de En el caso de variables continuas, la distribucin de probabilidad o funcin de
densidad, nos dice cul es la probabilidad de que la variable x sea inferior a
un determinado valor que denotamos por a.
Sea f(x) la funcin de densidad de la variable x. Dicha variable toma valores en
el siguiente rango de [a, b]. La probabilidad de que dicha variable tome un
valor por debajo de c, perteneciente a ese intervalo, vienen dada por:
38
}
= s
c
a
dx x f c x P ) ( ) (
Una de las distribuciones de probabilidad ms utilizada en la NORMAL.
Caractersticas de la NORMAL:
Es simtrica y tiene forma acampanada. Tambin se llama campana de
Gauss
El rea correspondiente a cada posible valor de la variable es infinitesimal;
es decir, que la probabilidad de que la variable tome un valor concreto es
cero.
La probabilidad de que la variable tome un valor comprendido en un cierto
intervalo finito es tambin una cantidad finita e igual al rea existente bajo intervalo finito, es tambin una cantidad finita e igual al rea existente bajo
la campana en ese intervalo
El rango de fluctuacin de las variables con distribucin normal es +/-
infinito El rea total debajo de la campana vale uno infinito. El rea total debajo de la campana vale uno.
La esperanza matemtica de la variable habr de encontrarse en el centro
de la distribucin, y dado que esta es simtrica, y que su rea total es igual
a uno, tanto el rea a la izquierda de su valor esperado como el rea a su
derecha vale 0.5
Se trata de un tipo de distribucin que queda perfectamente descrita con
solo el conocimiento de su esperanza matemtica o media y su varianza.
39
La distribuciones NORMAL.
-infinito
+ infinito a
b
La probabilidad de que x tome un valor en el intervalo [a, b],
es el rea rayada de la figura arriba representada, y se
calcula como: calcula como:
) ( ) ( ) ( a x P b x P b x a P s s = s s
}
= s s
b
dx x f b x a P ) ( ) (
40
}
= s s
a
dx x f b x a P ) ( ) (
En el caso de variables continuas tambin podemos construir un histograma.
Para ello dividimos el rango de valores que pude tomar la variable en distintos
segmentos y calculamos para cada uno de ellos la frecuencia relativa, es
decir, el porcentaje de datos que toma esa variable en cada segmento.
Ejemplo (1).
Tasa de crecimiento del IPI de
50
60
EEUU: Tasa de crecimiento del IPI
Estados Unidos.
I fl i di 3 09%
30
40
r
o
b
a
b
i
l
i
d
a
d
Inflacin media: 3.09%
Desviacin tpica: 2.937
10
20
P
r
41
-6 -4 -2 0 2 4 6 8 10
0
valores posibles
Ejemplo(2).Tasadecrecimientodelasventasalpormenor.
Para ello dividimos el rango de valores que pude tomar la variable en
distintos segmentos y calculamos para cada uno de ellos la
frecuencia relativa, es decir, el porcentaje de datos que toma esa
variable en cada segmento variable en cada segmento
30
35
40
EEUU: Tasa de crecimeinto de las ventas totales
Inflacinmedia:5.76%
Desviacintpica:2.13
20
25
30
P
r
o
b
a
b
i
l
i
d
a
d
5
10
15
P
42
-2 0 2 4 6 8 10 12
0
valores posibles
Variablesaleatoriascontinuas
Cuando una variable se distribuye normal, con esperanza y
varianza, , se denota de la siguiente forma:

2
o
) , ( ~ o N x
En el caso particular en que la media es cero, y la varianza es uno,
se dice que la distribucin es Normal Estndar.
La distribucin de la Normal Estandarizada est tabulada (existen
unas tablas estadsticas al final del capitulo) con las que se puede
calcular la probabilidad de que la variable x tome un valor
comprendido en cualquier intervalo que se desee comprendido en cualquier intervalo que se desee.
43
Cmo leer la informacin que aparece en tabla. En el interior aparece Cmo leer la informacin que aparece en tabla. En el interior aparece
la probabilidad.
variable x tome un Tabl as de l a Normal Ti pi fi cada
Probabilidaddequela
variablextomeun
valorentre0y0.27
0 1 2 3 4 5 6 7
0.0
0.1
0.2 0.106
Probablidad de que la variable
0.2 0.106
0.3
0.4
0.5 0.1985
0.6
Probablidaddequelavariable
tomeun xtomeun valorentre0y1.25
0.7
0.8
0.9
1.0 0.353
1.1
Probabilidaddequela
variable x tome un
1.2
1.3
44
variablextomeun
valorentre0y0.52
Siunavariablesedistribuyenormal,conmedia yvarianza
podemos conocer su distribucin de probabilidad tipificando la variable
2
o
podemosconocersudistribucindeprobabilidadtipificandolavariable.
Paratipificarunavariablebastaconrestarlesumediaydividiresa
diferenciaporladesviacintpica.
o

=
x
Sepuededemostrarquelavariablequehemosobtenido, altipificar
tieneunamediadeceroyvarianzaigualauno.

x
Sea vamosacalcularlaprobabilidaddequedichavariabletome
unvalormayora3206.
) 386 , 2600 ( ~N x
???? ) 3206 ( = > x P
Primero:tipificamoslavariable.
386
2600
=
x
45
386
Segundo: de la expresin anterior (1) despejamos el valor de x
(2)
386 2600+ = x
Tercero: planteamos la pregunta que nos hacen:
(3)
) 3206 ( > x P
Cuarto: Sustituimos en (3) el valor de x obtenido en (2):
??? ) 3206 386 2600 ( = > + P ??? ) 3206 386 2600 ( > + P
??? )
386
2600 3206
( =
> P
Quinto: Buscamos en las tablas de la normal estndar
) 57 1 ( 1 ) 57 1 ( s = > P P
46
) 57 . 1 ( 1 ) 57 . 1 ( s = > P P
Tenemosquecalcularlaprobabilidaddequelanormalestndarsea
inferiora1.57. e o a .5 .
) 57 . 1 ( 1 ) 57 . 1 ( s = > P P
EnlatabladelaNormalEstndartenemoslaprobabilidaddequela
Normaltomeunvalorentre0y1.57.Dichaprobabilidadesde
0.4418.
Sabemosademsquelaprobabilidaddequelavariable tomeun
valorpordebajode0esiguala0.5.Luegosabemosquela
probabilidad de que tome un valor por debajo de 1 57 es de probabilidaddeque tomeunvalorpordebajode1.57esde
0.9418.
9418 . 0 4418 . 0 5 . 0 ) 57 . 1 ( = + = s P
b l b bilid d d l i bl l
0582 . 0 9418 . 0 1 ) 57 . 1 ( = = > P
47
As,sabemosquelaprobabilidaddequelavariablextomeunvalor
mayora3206esiguala0.0582.
Unintervalodeconfianzaaunniveldesignificacin,nosdalospuntosentre
los cuales la variable en cuestin tomar valores con una probabilidad igual
p
o
loscualeslavariableencuestintomarvaloresconunaprobabilidadigual
a .
o 1
Paraelcasoanterior,vamosaconstruirunintervalodeconfianzaaunnivelde
significacindel5%.Paraello,buscamosdosvalores,[a,b]talesque:
% 5 1 ( = s s b x a P
Dadoquelavariablexsedistribuyenormal,sabemosque:
% 5 1 ( = s s b x a P
% 95 ) ( ) ( ) ( = s s = s s b x P b x P b x b P
Sabemostambinquelaprobabilidaddequextomeunvalorporencimaopor
debajodebesiguala2.5%.Deellosededuceque:
% 5 . 47 % 5 . 2 1 ) ( = = s b x P
% 95 )
2600
( = s
s b
x
b P
48
% 95 )
386
( = s s b b P
IntroduccinalaEconomadelaEmpresa p
Nosabemosculeselvalordeb.Paraconocerlo,tenemosque
tipificarlavariablex.
386
2600
=
x
Ysustituimosenlaexpresinanterior:
386
% 5 . 47 % 5 . 2 1 ) ( = = s b x P
% 5 . 47 ) 386 2600 ( = s b P
Buscamos en la tabla de la Normal estndar aquel valor que deje a la
% 5 . 47 )
386
2600
( =
s
b
P
BuscamosenlatabladelaNormalestndaraquelvalorquedejeala
izquierdadeladistribucinel47.5%delosdatos.Dichovalores
1.96
49
IntroduccinalaEconomadelaEmpresa p
Buscamos en la tabla de la Normal estndar aquel valor que deje a la izquierda BuscamosenlatabladelaNormalestndar aquelvalorquedejealaizquierda
deladistribucinel47.5%delosdatos.
% 5 . 47 ) (
*
= s z P
Dichovalores1.96,esdecir,
96 . 1
*
= z
Unavezconocidopodemoscalcularb.
*
z
386
2600
*

=
b
z
*
386 2600 z b + =
As,elintervalodeconfianzaparalavariablexes(1843.44,3356.56),seha
calculadocomo:
)) 386 96 1 ( 2600 ) 386 96 1 ( 2600 ( + +
50
)) 386 96 . 1 ( 2600 , ) 386 96 . 1 ( 2600 ( + +

Analisis de Problemas ..

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Analisis de Problemas ..

Enviado por

Direitos autorais:

Formatos disponíveis

IntroduccinalaEconomadelaEmpresa

Você também pode gostar