Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTADISTICA I
INTRODUCCION
CONCEPTOS BASICOS
DATOS ESTADISTICOS
Loa valores posibles de una caracterstica X los denotaremos por x , mientras que los valores
realmente observados de esa caracterstica X , los llamaremos datos y los denotaremos por xi donde
el valor del subndice i nos indica que es la i-sima observacin de X.
Con frecuencia usaremos el trmino poblacin para referirnos a la totalidad de datos que podran
recopilarse en una situacin dada.
x1 , x2 , , xN
PARAMETROS
Es una medida que proviene de todos los datos de la poblacin. Los parmetros son constantes que
representan por lo general caractersticas de la poblacin. Generalmente se representan por
letras griegas.
Por ejemplo, la media poblacional es un parmetro que se denota y define como
N
x x 2 ... xN
1
.
N
N
muestra tamao n
x1, x2,.xn
datos muestrales
ESTIMACION DE UN PARAMETRO
Es una medida que proviene de los datos muestrales. Las estimaciones varan de una muestra a otra
y representan caractersticas de las muestras.
Por ejemplo, la media muestral de un conjunto de datos x1 , x2 , , xn se denota y define como
n
x x ... x n
x 1 2
.
n
n
MUESTREO Y CENSO
Como el fin de la Estadstica es llegar a conocer un parmetro esto podemos lograrlo haciendo:
Un muestreo: un examen sobre una parte de la poblacin.
Un Censo: un examen sobre toda la poblacin.
QUE ES LA ESTADISTICA ?
La Estadstica estudia los mtodos y procedimientos para recopilar, organizar, presentar y analizar
datos, siempre y cuando la variabilidad e incertidumbre sea una causa intrnsica de los mismos; as
como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en
su caso formular predicciones.
DIVISION DE LA ESTADISTICA
ESTADSTICA DESCRIPTIVA
Es la parte de la estadstica que estudia los mtodos de recopilacin, organizacin, presentacin y
caracterizacin o anlisis de un conjunto de datos.
ESTADSTICA INFERENCIAL
Estudia los mtodos que hacen posible la estimacin de un parmetro en base a datos muestrales.
Recursos humanos
Para la seleccin del personal los empresarios suelen usar cada vez con ms frecuencia resultados
obtenidos en tests de aptitudes y conocimientos deseables en la persona a contratar. Las tcnicas
descriptivas son intrumentos adecuados para el tratamiento de las puntuaciones
nmericas alcanzadas en dichos tests.
Auditoria
Uno de los nuevos instrumentos de que disponen los auditores de hoy, es el empleo de mtodos de
muestreo, a fin de reducir la cantidad de revisin detallada que se necesita.
Suponga que una empresa tiene una cantidad muy grande de cuentas por cobrar. Un auditor puede
utilizar algn mtodo de muestreo estadstico para seleccionar una muestra de cuentas y a partir de
ella estimar el saldo total de las cuentas. Si la cantidad que aparece en los libros de la empresa no
cae dentro de los lmites de la estimacin, el auditor puede considerar la posibilidad de hacer un
asiento de ajuste al valor en libros.
Marketing
Los estudios de mercado dirigidos al conocimiento de la demanda de productos, productos
competidores, efectos de campaas publicitarias, etc., se llevan a cabo con regularidad en la
empresa. Antes de sacar un producto al mercado se suele realizar una investigacin al
respecto mediante muestreo con objeto de obtener alguna informacin. Las tcnicas estadsticas
permiten en estas situaciones inferir valores de parmetros a partir de la informacin muestral.
Por supuesto, a partir de una muestra no se puede conocer con exactitud y precisin las
caractersticas de toda la poblacin, siempre habr un grado de incertidumbre sobre el verdadero
valor del parmetro, el cual puede ser cuantificado en trminos de probabilidad.
Produccin
En el proceso de fabricacin de un producto intervienen innumerables factores (materias
primas,
maquinarias, obreros, etc.) que afectan a las caractersticas de calidad de ese producto. En muchas
fbricas es corriente ver cmo los productos llegan a una banda transportadora en cuyo final hay una
mquina empacadora que los enva al almacen. Entre la banda transportadora y la mquina
de empacar suele haber un operario que observa atentamente los productos que llegan
y ocacionalmente arroja alguno a un cesto cercano. Est eliminando productos defectuosos.
Hoy da el control de calidad de la produccin es bsico para que los artculos producidos cumplan
los requisitos de calidad establecidos por las normas tanto nacionales como internacionales.
Los mtodos estadsticos son una herramienta eficaz en esta rea para
mejorar
los
procesos de produccin y reducir sus defectos.
Finanzas
Resulta evidente que cualquier profesional de la empresa o los negocios debe adquirir una formacin
bsica en estadstica en un proceso de aprendizaje, que le permita moverse con soltura en el mundo
que le rodea. Si ha de tomar decisiones en un entorno de fluctuaciones y riesgos, no bastar con
entender la terminologa estadstica, necesitar conocerla lo suficiente como para aplicarla y hacer
de ella una herramienta eficaz en el ejercicio de su actividad.
Las decisiones de una empresa de invertir en nuevos productos, locales, maquinarias, etc.,vendrn
condicionadas por los beneficios esperados del dinero. Para ello son de gran utilidad las tcnicas de
prediccin, que constituyen una autntica necesidad en el mundo de los negocios.
TEMA 1 :
ESTADISTICA DESCRIPTIVA
OBJETIVOS.
1. Conocer procedimientos para organizar datos en una distribucin de frecuencias.
2. Construir e interpretar tablas y grficas estadsticas.
3. Calcular e interpretar medidas de posicin, dispersin, asimtria y apuntamiento de datos.
1.1
INTRODUCCION
Este tema pretende introducir al estudiante en el manejo de datos numricos, ensearle a organizar y
presentar datos obtenidos de un estudio mediante la construccin de tablas y grficas estadsticas.
Tambin ser de vital importancia poder condensar la informacin en medidas que la representen en
forma clara, por tal razn, trataremos de encontrar valores para esas medidas (estadsticos o
parmetros ) que logren sintetizar la informacin. Estas medidas expresarn la posicin, dispersin,
asimetra y forma de los datos.
1.2
RECOPILACIN DE DATOS
Consiste en la utilizacin adecuada de tcnicas que permitan recoger la informacin de la manera
ms eficiente.
Los datos pueden ser recopilados de:
a) Registros internos
b) Publicaciones
c) Encuestas
Cuando a) y b) no son apropiados para el estudio que estamos haciendo utilizamos la encuesta, esto
es, un instrumento que nos permite recopilar la informacin necesaria.
La encuesta est limitada por factores: tiempo,dinero,recursos materiales y humanos disponibles.
Se puede llevar a cabo por dos formas:
a) Por muestreo
b) Por censo.
1.3
ORGANIZACIN (RESUMEN) DE LOS DATOS
Aqu la informacin se resume con el fin de facilitar su presentacin y anlisis posterior.
1.3.1 DATOS AGRUPADOS EN CLASES
Introduciremos primero algunos conceptos:
Un intervalo de clase o simplemente clase se denota y define como:
Li ---- Ls : Ms de Li hasta Ls
donde Li el lmite inferior y Ls es el lmite superior de la clase.
Una clase de extremo abierto es la que no especifica uno de sus lmites
y la denotaremos as:
Hasta Ls
Ms de Li
j = 1, 2, ....., g
EJEMPLO 1.1
Los siguientes datos corresponden a consumos mensuales registrados (en cienes de crdobas) en 30
familias del barrio Costa Rica.
Tabla 1.1 Datos originales de los consumos mensuales
24
21
25
16
17
14
26
13
29
31
20
20
17
30
26
25
24
15
17
19
27
23
22
21
23
21
22
19
18
23
18
23
29
19
23
30
19
23
31
2.
14
20
24
15
21
25
16
21
25
17
21
26
17
22
26
17
22
27
Determinar el rango
R = xmayor xmenor = Dato mayor - Dato menor
3.
4.
R = 31 - 13 = 18
El lmite inferior de la primera clase debe ser un nmero menor y cercano al dato menor.
El lmite superior de la ltima clase debe ser mayor o igual, pero cercano, al dato mayor.
Tabla 1.2 Organizacin de los datos de la tabla 1.1 del ejemplo 1.1
Nfamilias
12
16
20
24
28
-------------------------------
16
20
24
28
32
4
8
10
5
3
30
5.
1.4
PRESENTACION DE DATOS
Una vez organizados los datos debemos presentarlos de una forma fcil de entender, esto es
que podamos percibir fcilmente los hechos esenciales de la informacin.
Los datos sern presentados en una tabla que contendr bsicamente : un ttulo, un cuerpo y una
fuente.
Tambin presentaremos los datos por grficas, en las cuales tomaremos en el eje horizontal la
caracterstica de inters x y en el eje vertical las frecuencias.
Debemos tener cuidado en la seleccin de las unidades en los ejes:
Regla de los 3/4
La altura del punto correspondiente a la mayor frecuencia debe ser aproximadamente igual a los 3/4
del eje horizontal.
1.4.1 DATOS CUANTITATIVOS
Cuando la caracterstica de inters de los elementos sea una variable cuantitativa, se obtendrn de ella
lo que llamaremos datos cuantitativos, que pueden ser presentados en tablas o grficas.
1.4.1.1 DATOS REPETIDOS
Cuando los datos estn muy repetidos es til contar el nmero de veces que se repite cada dato.
Supongamos que fi representa la frecuencia conque se presenta el dato xi de una variable de inters
X.
Podemos presentar este conjunto de datos en lo que llamaremos una distribucin de frecuencias de
X, mediante una tabla o una grfica.
TABLA DE FRECUENCIAS DE UNA VARIABLE DISCRETA
EJEMPLO 1.2
Supongamos que los siguientes datos representan nmero de das de atraso en el pago de 10 cuentas
de crdito.
1, 2, 1, 0, 2, 1, 2, 3, 0, 2
Si X representa el nmero de das de atraso en el pago de las cuentas, podemos presentar esta
informacin en la siguiente tabla:
Tabla 1.3 Ttulo: Distribucin de frecuencias del nmero de das de atraso en el pago de 10 cuentas
de crdito.
xi
fi
N das
N cuentas
0
1
2
3
2
3
4
1
10
Fuente: BANPRO
GRAFICO DE FRECUENCIAS DE UNA VARIABLE DISCRETA
EJEMPLO 1.3
Con los datos de la tabla 1.3 del ejemplo 1.2 obtenemos la siguiente figura.
f 5
4
3
2
1
0
-1
X
Figura 1.1 Distribucin de frecuencias del nmero de dias de atraso en el pago de 10 cuentas de
crdito.
1.4.1.2 DATOS AGRUPADOS EN CLASES
Para presentar datos agrupados en clases necesitaremos introducir los siguientes conceptos:
fj : frecuencia ( absoluta ) de la clase j.
faj : frecuencia acumulada hasta la clase j. Nmero de datos cuyos valores son inferiors o iguales al
lmite superior de la clase j .
faj = f1 + f2 + + fj
j=1,2,,g
Cuando los datos estn agrupados en clases diremos que forman una distribucin de frecuencias , la
cual, puede ser presentada por una tabla estadstica o una grfica estadstica.
TABLA DE FRECUENCIAS ( ABSOLUTAS, RELATIVAS, ACUMULADAS, RELATIVAS
ACUMULADAS )
EJEMPLO 1.4
Con los datos de la tabla 1.2 del ejemplo 1.1 obtenemos la siguiente tabla.
Tabla 1.4 TITULO : Distribuciones de frecuencias de los consumo mensuales de 30 familias del
barrio Costa Rica.
Niveles de
Consumo
12 --- 16
16 --- 20
20 --- 24
24 --- 28
28 --- 32
fj
Nfamilias
frj
Prop. Familias
4
8
10
5
3
0.13
0.27
0.33
0.17
0.10
30
1.00
mj
10
14
18
22
26
30
34
faj
Nfamilias
hasta clase j
fraj
Prop. familias
hasta clase j
4
12
22
27
30
0.13
0.40
0.73
0.90
1.00
10
f 12
10
10
8
8
6
5
4
2
0
12
16
20
24
28
32
.
Figura 1.2 Histrograma de frecuencias de los consumos mensuales de 30 familias del barrio Costa
Rica.
POLGONO DE FRECUENCIAS
Se forman haciendo que cada marca de clase represente los datos de esa clase. Luego se toman las
frecuencias correspondientes a cada marca de clase para despus unir los puntos resultantes
con segmentos. Algunos prolongan el polgono hasta las marcas de clase imaginarias inferior y
superior inmediata
EJEMPLO 1.6
Con datos de la tabla 1.4 del ejemplo 1.4 se ha dibujado el polgono de frecuencias de los consumos
mensuales de las 30 familias. Ver figura 1.3
11
12
10
8
6
4
2
0
10
14
18
22
26
30
34
Figura 1.3
POLGONO DE FRECUENCIAS ACUMULADAS (OJIVA) / POLGONO DE
FRECUENCIAS RELATIVAS ACUMULADAS (OJIVA PORCENTUAL)
Ubicamos en el eje horizontal los lmites superiores de todas las clases. Algunos prolongan el
polgono hasta el lmite superior imaginario de la clase imaginaria inferior inmediata
EJEMPLO 1.7
Con datos de la tabla 1.4 del ejemplo 1.4 obtenemos la siguiente figura.
fa
35
30
25
20
15
10
5
0
12
16
20
24
28
32
Figura 1.4 Polgono de frecuencias acumuladas ( Ojiva ) de los consumos mensuales de 30 familias
del barrio Costa Rica.
12
1.4.1.3
EJEMPLO 1.8
Tabla 1.5 Costo de la canasta bsica en crdobas a nivel nacional durante el perodo 1991 2000.
Aos
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Costo
750
780
820
880
1100
1200
1350
1550
1600
1700
18 00
17 00
16 00
15 00
14 00
13 00
12 00
11 00
10 00
90 0
80 0
70 0
199 1
199 2
19 93
1 994
1995
1996
199 7
199 8
19 99
2 000
Aos
Figura 1.5 Grfico de lneas del costo de la canasta bsica en crdobas a nivel nacional durante el
perodo 1991 2000.
Observe que el costo de la canasta bsica siempre crece durante el perodo 1991 2000, ocurriendo
un crecimiento a un ritmo mayor a partir de 1995.
13
EJEMPLO 1.10
Tabla 1.6 Salario mnimo del sector industrial a nivel nacional para el perodo 1991 2000.
Aos
Salarios
1991
1992
1993
1994
400
500
600
700
1995 1996
800
850
1997
1998
1999
2000
900
950
1000
1050
1800
1700
1600
1500
1400
1300
1200
1100
1000
900
800
700
600
500
400
300
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Aos
Costo
Salario
Figura 1.6 Comparacin del costo de la canasta bsica y el salario mnimo del sector industrial para
el perodo 1991 2000.
Observe que el costo de la canasta bsica siempre es mayor que el salario mnimo, ocurriendo la
diferencia ms pequea de C$ 180 en el ao 1994.
De 1991 a 1994 el salario creci a un ritmo mayor que el costo de la canasta bsica, pero de 1995 a
2000 el costo de la canasta bsica creci a un ritmo mucho mayor que el salario.
De la figura anterior podemos comentar que el aparato industrial nicaragense tiene poco desarrollo.
14
MONTO
ANGULO
Agricultura
Industria
Construccin
78.7
353.7
112.9
14.4
64.9
20.7
52
233
75
Total
545.3
100.0
360
x 360
Valor total de las categoras
EJEMPLO 1.13
Con los datos de la tabla 1.7 del ejemplo 1.12 obtenemos la siguiente figura.
21%
14%
A gric ult ura
Indus t ria
Cons t ruc c in
65%
Figura 1.7 Grfica de pastel que ilustra las importaciones realizadas por Nicaragua segn la
actividad ecnomica.
15
GRAFICA DE BARRAS
Este grfico est constituido por un conjunto de barras o rectngulos , separados por distancias
iguales , cuyas alturas son el valor de los datos correspondientes al atributo que sealan sus bases.
EJEMPLO 1.14
Con los datos de la tabla 1.7 del ejemplo 1.12 obtenemos la siguiente figura.
35 3.
7
40 0
30 0
20 0
10 0
11 2.9
78 . 7
0
A g ric u lt u ra
In d u s t ria C o n s t ru c c i n
A c ti v i d a d e c n o m i
ca
Figura 1.8 Grfica de barras que ilustra las importaciones realizadas por Nicaragua segn la
actividad ecnomica.
EJEMPLO 1.15
Tabla 1.8 Precios promedios en dlares de los tres principales productos de consumo: frijol, pollo
y leche a nivel centroamericano.
PRODUCTOS
Frijol
Pollo
Leche
Costa Rica
El Salvador
0.50
0.94
0.40
0.55
1.02
0.87
Guatemala
0.39
0.93
0.59
Honduras
0.48
0.72
0.47
Nicaragua
051
0.80
0.42
16
EJEMPLO 1.16
Con los datos de la tabla 1.8 del ejemplo 1.15 obtenemos la siguiente figura.
1.
2
1.
1
1
0.
9
0.
8
0.
7
0.
6
0.
5
0.
4
0.
3
0.
2
0.
1
0
C.R.
E.S.
Frijol Pollo
Leche
Figura 1.9 Grfica de barras que ilustra los precios promedios en dlares de los tres principales
productos de consumo: Frijol, Pollo y Leche.
Observando el grfico anterior conteste las siguientes preguntas:
Cul es el menor precio del pollo a nivel centroamericano ?
Cul el el mayor precio de la leche a nivel centroamericano ?
En qu pas centroamericano la leche tiene menor precio ?
En qu pas centroamericano el pollo tiene mayor precio ?
En Guatemala qu producto tiene menor precio ? En Nicaragua qu producto tiene mayor precio?
17
Posicin
9 10 11 12 13 14 15 16 17 18 19
x
Figura 1.10 Puntos sobre la recta real correspondientes a dos conjuntos de datos.
Cmo se dispersan los datos y alrededor de qu posicin lo hacen ?
1.5.1 MEDIDAS DE POSICION
1.5.1.1 MEDIDAS DE POSICIN CENTRAL
Son valores representativos que tienden a situarse en el centro de un conjunto de datos ordenados
segn su magnitud.
1.5.1.1.1 LA MEDIA ARITMTICA
DATOS NO AGRUPADOS EN CLASES
Si x1, x2,..........,xn representan datos muestrales entonces su media muestral se denota y define as
n
Si x1, x2,..........,xN representan todos los datos poblacionales entonces su media poblacional se
denota y define as
N
x
.
18
EJEMPLO 1.17
Los siguientes datos representan saldos en miles de crdobas de 5 cuentas de ahorro.
20, 10, 15, 25, 20
Calcule el saldo promedio de las 5 cuentas
Elementos: cuentas
X : saldo
n=5
20 10 15 25 20 90
x 18 (en miles de C$ )
5
5
Datos repetidos
Si los datos forman una distribucin de frecuencias de la variable X utilizaremos para la media
muestral la siguiente frmula:
x f
i
EJEMPLO 1.18
Dada la distribucin de frecuencias de la tabla 1.3 del ejemplo 1.2 , calcule el nmero promedio de
das de atraso en el pago de las cuentas.
Tabla 1.9
xi
fi
xifi
0
1
2
3
2
3
4
1
0
3
8
3
10
14
1 4
x 1.4 das
10
19
m f
j
j
.
m f
j
EJEMPLO 1.19
La distribucin de frecuencias de gastos en energa elctrica en crdobas durante el mes de Julio en
50 casas del barrio la Primavera de Managua es dada por la siguiente tabla
.
Tabla 1.10
fj
Gastos
mj
No. casas
m j fj
uj
u j fj
75 ----- 100
100 ---- 125
125 ---- 150
150 ---- 175
175 ---- 200
200 ---- 225
87.5
112.5
137.5
162.5
187.5
212.5
4
8
15
13
7
3
350
900
2062.5
2112.5
1312.5
637.5
50
7375.0
-2
-1
0
1
2
3
-8
-8
0
13
14
9
20
20
u f
j j
x (
m0
)c
20
x 137.5 (25) 137.5 10 147.50
50
(x
x)
0
i
EJEMPLO 1.20
Comprobacin de que la suma algebraica de las desviaciones de los nmeros 1, 3, 5, 7 con respecto
a su media es cero.
Tabla 1.11
xi
xi - 4
1
3
5
7
-3
-1
1
3
16
16
x 4
4
X
Figura 1.11
DESVENTAJAS DE LA MEDIA ARITMTICA
i. Es muy sensible a las observaciones extremas cuando stas no estn equilibradas en ambos lados.
ii. Es inadecuada si hay clases de extremo abierto.
21
1.5.1.1.2 LA MEDIANA
Para datos que contienen valores extremos es recomendable utilizar la mediana porque sta no es
sensible a las observaciones extremas.
La mediana es el valor que se encuentra en el centro de una secuencia ordenada de datos.
DATOS NO AGRUPADOS EN CLASES
Si un conjunto de datos estn ordenados segn su magnitud en orden creciente o decreciente
entonces la mediana la determinamos as:
i. Si n es impar entonces la mediana es el valor central
Posicin:
n 1
2
Posiciones:
n
y
2
n
1
2
EJEMPLO 1.21
Consideremos el costo en crdobas de la canasta bsica de 5 ciudades:
1300, 1000, 1100, 1350, 1200
Determine la mediana.
El arreglo ordenado es:
Posicin: 3
EJEMPLO 1.22
En 10 das un Banco tuvo 18, 13, 15, 12, 8, 3, 7, 14, 16 y 3 transacciones en moneda extranjera.
Determine la mediana.
El arreglo ordenado es: 3, 3, 7, 8, 12, 13, 14, 15, 16, 18
12 13
Me =12.5
2
NOTA: La mediana siempre existe y es nica.
Posiciones: 5 y 6
22
fj
No. casas
4
8
15
13
7
3
faj
4
12
27
40
47
50
50
1.
n / 2 = 25
2.
Me 125 (
23
EJEMPLO 1.24
Los siguientes datos representan ventas anuales registradas en millones de crdobas en 80 tiendas
Tabla 1.12
Ventas anuales
N tiendas
faj
Hasta 10
10 ---- 20
20 ---- 30
30 ---- 40
40 ---- 50
Ms de 50
8
18
32
15
6
1
8
26
58
73
79
80
80
Calcule la venta anual mediana de las tiendas.
1.
n
= 40
2
2.
Me = 20 + (
1.5.1.1.3 LA MODA
La moda de un conjunto de datos es aquel valor que se presenta con ms frecuencia.
La moda no es afectada por valores extremos. Sin embargo slo se utiliza para propsitos
descriptivos porque es ms variable para distintas muestras que las dems medidas de posicin.
DATOS NO AGRUPADOS EN CLASES
EJEMPLO 1.25
Los siguientes datos corresponden a ventas mensuales de una empresa registradas en millones de
crdobas durante el ao pasado.
100, 80, 150, 60, 100, 90, 130, 100, 90, 100, 120, 100
Cul fue la venta mensual modal de la empresa?
Mo = 100
La moda puede no existir, incluso si existe puede no ser nica.
EJEMPLO 1.26
60, 74, 82, 85, 90
La moda no existe
24
EJEMPLO 1.27
50, 60, 70, 60, 50, 40, 80, 50, 60, 45
Mo = 50 y
Mo = 60
2.
Aplicar la frmula
Mo Li k (
1
)c
1 2
donde:
Lik es el lmite inferior de la clase modal.
1 es la diferencia absoluta entre la frecuencia de la clase modal y la frecuencia de la clase
precedente.
2 es la diferencia absoluta entre la frecuencia de la clase modal y la frecuencia de la clase
siguiente.
EJEMPLO 1.28
Dada la distribucin de frecuencias de la tabla 1.10 del ejemplo 1.19, calcule el gasto modal
en energa elctrica de las 50 casas.
GASTOS
75 ---- 100
100 ---- 125
125 ---- 150
150 ---- 175
175 ---- 200
200 ---- 225
fj
No. casas
4
8
15
13
7
3
1 15 8 7
2 15 13 2
50
1. La clase con la mayor frecuencia es la tercera, esto es, k = 3
2.
7
Mo 125 (
)25 125 19.4444 144.4444
7 2
25
n(
r
) fak 1
100
)c
fk
donde
n es el nmero de datos
Lik es el lmite inferior de la clase que contiene al Pr
r
n(
) es el r% de n
100
fk es la frecuencia de la clase que contiene al Pr
fak-1 es la frecuencia acumulada de la clase que precede a la clase que contiene al Pr.
EJEMPLO 1.29
Dada la distribucin de frecuencias de la tabla 1.10 del ejemplo 1.19, Por debajo de qu gasto en
energa elctrica est el 90% de las casas ?
GASTOS
fj
fa
75 ----- 100
100 ----- 125
125 ----- 150
150 ----- 175
175 ----- 200
200 ----- 225
4
8
15
13
7
3
4
12
27
40
47
50
50
1.
2
r
90
La primera clase con una fa. 45 es k = 5
n(
) 50(
) 45
100
100
45 40
125
P90 175 (
)25 175
175 17.8571 192.8571
7
7
26
Posicin
9 10 11 12 13 14 15 16 17 18 19
X
Figura 1.12
Cmo se dispersan los datos y alrededor de qu posicin lo hacen ?
Qu conjunto de datos tendra la menor variacin?
Cuando la dispersin de los datos se considera pequea en comparacin a la magnitud de los datos
decimos que la medida de posicin es confiable, esto es, representativa de los datos.
1.5.2.1 LA VARIANZA , LA DESVIACION ESTANDAR Y EL COEFICIENTE DE
VARIACION.
DATOS NO AGRUPADOS EN CLASES
Si x1, x2,..........,xN representan todos los datos poblacionales entonces su varianza poblacional se
denota y define as
N
(x )
2
Si x1, x2,..........,xn representan datos muestrales entonces su varianza muestral se denota y define
as
Frmula abreviada
n
(x x)2
2
n 1
2
i
(x i )2
.
n 1
27
s
CVmtra (100)
x
CVpob (100)
EJEMPLO 1.30
Los siguientes datos representan saldos en miles de crdobas de 5 cuentas de ahorro.
20, 10, 15, 25, 20
Determine:
a) El saldo promedio de las cuentas
b) La varianza y la desviacin estandar de los saldos
c) El coeficiente de variacin
xi
20
10
15
25
20
90
a)
b)
(x i x )
4
64
9
49
4
130
x 2i
400
100
225
625
400
1750
90
x 18
5
130
2
s 32.50
4
(90)2
1750
1620 130
2
5 1750
32.50
s
4
4
4
s 32,50 5.7009
Tanto la varianza como la desviacin estndar de un conjunto de datos son medidas de variabilidad
de los datos alrededor de la media.
La desviacin estndar puede interpretarse como una desviacin promedio de los datos alrededor
de la media, en otras palabras, cunto se alejan en promedio los datos de la media.
Para el ejemlo 1.30, podemos decir que la desviacin promedio de los saldos de las cuentas
alrededor de C$ 18 es C$ 5.7009 o bien que los saldos se alejan en promedio C$ 5.7009 de la media.
5.7009
CV (100) 31.6717%
18
Este valor no tendr sentido a menos que lo comparemos con otro conjunto de cuentas.
c)
28
2.25
56.25
6.25
42.25
441
225
625
841
90
107.00
2132
90
x 22.50
4
(90)2
2132
2132 2025 107
4 35.6667
b) s 2
s 35.6667 5.9722
3
3
3
5.9722
c) CV (100) 26.5431%
22.50
Qu conjunto de cuentas tiene el saldo ms uniforme?
a)
Datos repetidos
Si los datos forman una distribucin de frecuencias de la variable X, la varianza muestral se define
as
2
(x
x 2 ) f i
n
1
EJEMPLO 1.31
Para la distribucin de frecuencias de la tabla 1.3 del ejemplo 1.2 , calcule la desviacin estndar
del nmero de das de atraso en el pago de las cuentas.
Recordemos que x 1.4 das.
2
(x i x ) i f
xi
fi
0
1
2
3
2
3
4
1
3.92
0.48
1.44
2.56
10
8.40
8.40
2
s 0.9333
9
s 0.9661
29
(m
2
2
)
fj
.
fj es la frecuencia de la clase j
(m
2
(m jf j2)
g
m2j f .
2
X)
fj
n 1
n 1
s
CVmtra (100)
x
CVpob (100)
EJEMPLO 1.32
En la siguiente tabla se dan los rendimientos en qq / mz. obtenidos en 60 plantaciones de algodn.
Tabla 1.13
Rendimientos
N Plantaciones
20 ---- 28
28 ---- 36
36 ---- 44
44 ---- 52
52 ---- 60
4
20
30
5
1
60
30
1.
2.
m j fj
fj
24
32
40
48
56
4
20
30
5
1
96
640
1200
240
56
2304
20480
48000
11520
3136
60
2232
85440
m j fj
2232
x 37.20 qq/mz.
60
(2232)2
85440
85440 83030.4 2409.6
2
60 40.8407
s
59
59
59
s 40.8407 6.3907qq/mz.
3.
mj
6.3907
CV (100) 17.1793%
37.20
mj
fj
(m j x) fj
24
32
40
48
56
4
20
30
5
1
696.96
540.80
235.20
583.20
353.44
60
2409.60
2409.60
2
s 40.8407
59
EJERCICIO 1.1
Para la distribucin de frecuencias de gastos de energa elctrica en crdobas, del ejemplo
1.19, verifique que la desviacin estndar del gasto de energa elctrica es s = C$ 32.73
31
15
10
10
10
Figura 1.13
DISTRIBUCIONES ASIMETRICAS
Si los valores de la media , la mediana y la moda no coinciden entonces decimos que la distribucin
es asimtrica.
Para distribuciones asimtricas unimodales las posiciones relativas de las tres medidas sern tales
que la mediana estar siempre entre la media y la moda. Ver figuras 1.14 y 1.15
Distribucin asimtrica a la izquierda o negativa.
40
34
28
30
20
10
25
20
15
5
0
Media
Me
Mo
Figura 1.14
La cola mayor se extiende a la izquierda o direccin negativa y por tanto la media es la menor de
las tres medidas.
x < Me < Mo
32
50
40
30
40
33
28
26
18
20
10
10
0
Mo
Me
Media
Figura 1.15
La cola mayor se extiende a la derecha o direccin positiva motivo por el cual la media es la mayor
de las tres medidas.
Mo < Me < x
RELACION EMPIRICA ENTRE LA MEDIA , LA MEDIANA Y LA MODA
Para distribuciones moderadamente asimtricas la mediana se aleja aproximadamente de la media un
tercio de la distancia entre la media y la moda.
x - Mo = 3 x - Me
Mo = 3Me - 2 x
EJEMPLO 1.33
Retomando los datos de la tabla 1.10 del ejemplo 1.19 tenemos que:
x =147.50
Me =146.6667
Mo =144.4444
33
3( Me)
s
Apoyndonos en este coeficiente diremos que:
Si P = 0 entonces la distribucin es simtrica.
Si P 0 entonces la diatribucin tiene asimetra negativa.
Si P 0 entonces la distribucin tiene asimetra positiva.
EJEMPLO 1.34
Para la distribucin de frecuencias de gastos de energa elctrica en crdobas durante el mes de Julio
en 50 casas del barrio la Primavera del ejemplo 1.19 tenemos que:
3(147.50 146.6667)
P 0.0764
32.73
Por lo tanto la distribucin tiene asimetra positiva.
1.5.3.3 MOMENTOS CON RESPECTO A LA MEDIA
El momento de orden r de una variable X se denota y define como
n
(x x)
m r
r = 0, 1, 2, .........
(x
xr )
,
fi
m r
r = 0, 1, 2, .......
1
n
(x
m0 = 1 ,
m1 = 0
Por qu?
m2 =
x)
,
m3 =
34
m3
3
s
m3
3
2
i
(x x)
f i
(x i x ) i f
xi
fi
xifi
2
3
4
5
6
1
2
4
2
1
2
6
16
10
6
4
2
0
2
4
-8
-2
0
2
8
16
2
0
2
16
10
40
12
36
40
x 4
empleados
10
0
m3 0
10
12
2
s 1.3333
9
m3
s
s 1.1547 empleados
0
0
0
3
1.5396
1.1547
La regla emprica
En un conjunto de datos moderamente asimtricos aproximadamente el 67% de los datos (la
mayora de los datos) estn comprendidos dentro de la distancia de una desviacin
estndar en torno a la media, y aproximadamente entre un 90% y 95% de los datos estn
comprendidos dentro
de la distancia de dos desviaciones estndar en torno a la media.
Para el ejemplo 1.35 podemos decir que aproximadamente un 67% de las pequeas empresas
(la mayora de las pequeas empresas) tienen un nmero de empleados que varan entre 4 1.1547 =
2.8453 empleados y 4 + 1.1547 = 5.1547 empleados.
35
m4
s
m4
3
4
EJEMPLO 1.36
Para el nmero de empleados de las 10 pequeas empresas tenemos que
K
m4
3.6
3.6
3 2.0250 3 0.9750
4 3
4 3
1.7778
s
1.1547
Platicrtica
Figura 1.16
36
(
(
(
(
(
(
(
(
)
)
)
)
)
)
)
)
1.3. Seale cual de las siguientes variables son continuas ( C ) y cuales son discretas ( D ).
a)
b)
c)
d)
e)
(
(
(
(
(
)
)
)
)
)
2. Un cobrador de una empresa ha registrado el nmero de das que tarda en cobrar cada una de
sus cuentas de crditos. Se han obtenido los siguientes 30 registros:
17
21
6
12
45
57
11
20
32
8
10
7
95
28
19
35
72
40
13
21
26
5
14
19
38
3
86
42
28
20
37
3. La gran variedad de factores a considerar en la compra de una vivienda, lugar, precio, tasa de
amortizacin, tipo de construccin y otros hacen que el tiempo que un comprador tarda en llegar a
su decisin final sea muy variable. Los siguientes datos representan la duracin de la bsqueda (en
semanas) de 25 compradores de vivienda en cierta poblacin.
15
5
11
9
12
17
3
10
15
1
7
19
4
6
2
15
10
8
2
13
20
3
13
8
4
9.0
10.3
11.1
9.6
14.5
13.0
6.7
11.0
8.4
10.3
13.0
11.2
7.3
5.3
12.5
8.0
11.8
8.7
10.6
9.5
11.1
10.2
9.9
9.8
11.6
15.1
12.5
14.0
8.6
5.3
a) Organice los datos anteriores en una distribucin de frecuencias que contenga 5 clases.
b) Grafique el histograma de frecuencias y la ojiva.
5.
2,
3,
2,
0,
1,
Determine:
El nmero promedio de equivocaciones.
El nmero mediano de equivocaciones.
El nmero modal de equivocaciones.
La desviacin estndar del nmero de equivocaciones.
38
6. Una empresa industrial agrup sus fbricas de acuerdo con el valor de la produccin anual de
cada una; se obtuvo la siguiente distribucin:
Produccin (en millones de C$)
40-45
45-50
50-55
55-60
60-65
65-70
a)
b)
c)
d)
e)
No. de fbricas
7
10
11
9
8
7
7. Durante un perodo de 15 aos, los precios promedios de cierto producto fueron de C$ 125, con
una desviacin estndar de C$ 25. En un perodo posterior de 12 aos, tuvieron un precio promedio
de C$ 80 con una varianza de C$ 100. En qu perodo hubo mayor estabilidad de precios?.
8. Los salarios por da en dlares de 5 obreros son dados a continuacin:
2.50 3.90
3.20
4.20
y
3.70
a) Calcule la suma algebraica de las desviaciones de cada salario con respecto a la
media aritmtica.
b) Calcule el salario mediano.
9. Dos pases A y B venden la misma materia prima en el mercado mundial a los siguientes precio
por kilogramo, en el transcurso de 6 meses:
Mes
1
2
3
4
5
6
B
2.9
3.8
3.0
3.5
3.7
5.0
39
10. La tabla siguiente muestra la distribucin por edades de cabezas de familia en un pas
dado durante el ao 2000.
Edad de aos
Hasta 25
25 a 30
30 a 35
35 a 40
40 a 45
45 a 50
50 a 55
Ms de 55
Nmero de vacas
5
18
42
27
8
40
Calcule:
1. El rendimiento promedio semanal de leche por vaca.
2. El rendimiento mas frecuente.
3. La cantidad de leche por debajo de la cual produce el 80% de las vacas.
4. La desviacin estndar del rendimiento semanal de leche.
5. Calcule el coeficiente de asimetra de Pearson, luego diga que tipo de asimetra tiene la
distribucin.
13. La tabla de distribucin de frecuencia de la tasa de desempleo en una muestra de 20 grandes
ciudades en 1999 se presenta a continuacin.
Tasa de desempleo
7.0-7.5
7.5-8.0
8.0-8.5
8.5-9.0
9.0-9.5
9.5-10
N de ciudades
2
4
5
4
3
2
20
0
2
1
3
2
10
3
5
41
16. Una autoridad urbana desea disear una grfica que muestre a los contribuyentes que asiten a
la prxima reunin, lo que sucede con el dinero que pagan por impuestos. El monto total
recolectado es de C$ 2 millones (de crdobas). Los gastos fueron: C$ 440,000 para escuelas, C$
1160,000 para caminos, C$ 320,000 para administracin y C$ 80,000 para suministros. Una grfica
de sectores parece ideal para mostrar el porcentaje de los impuestos que se dedica a
caminos, escuelas, administracin y suministros. Convierta las cantidades totales a porcentajes
del total general y represente los porcentajes en una grfica de pastel.
17. En el Anuario Estadstico 1997 se seala que el valor total de todos los bienes y
servicios producidos en Nicaragua, era de 21 mil millones de crdobas incluyendo todos los
sectores de la economa.
Sector econmico
Primarios
Secundarios
Terciarios
T
21.67
30.48
47.85
A
100.00
1993
1994
1995
1996
1997
Exportaciones
452
412
305
257
295
Importaciones
807
826
892
761
824
42
TEMA 2. PROBABILIDADES
OBJETIVOS.
1. Construir espacios muestrales y eventos asociados a un experimento aleatorio.
2. Interpretar el concepto de probabilidad de que ocurra un evento y describir los enfoques de
probabilidad.
3. Calcular probabilidades aplicando las reglas de complemento, adicin y multiplicacin.
4. Calcular probabilidades aplicando los conceptos de probabilidad condicional, regla de la
multiplicacin e independencia de eventos.
5. Resolver problemas aplicando el teorema de Bayes.
2.1
INTRODUCCION
Debido a l a tolerancia de varias formas de juegos para recreacin de la nobleza de Francia
e Inglaterra a mediados del XVII, se suscit un inters intenso por los juegos de azar, lo cual
permiti que matemticos como Blaise Pascal, Pierre de Fermat, Jacob Bernoulli, Abraham
de Moire y Thomas Bayes desarrollaran la teora de las probabilidades.
Como vivimos en un mundo donde somos incapaces de pronosticar el futuro con absoluta certeza, la
necesidad de sortear la incertidumbre nos lleva a estudiar la teora de probabilidades para conocer
las reglas que nos permitirn estudiar los fenmenos aleatorios.
En la actualidad la teora de la probabilidad constituye el fundamento de la Estadstica Inferencial,
una rama de la Estadstica con importantes aplicaciones a situaciones en que interviene la
incertidumbre. En tales circunstancias la Estadstica Inferencial permitir hacer estimaciones
de parmetros basados en la informacin muestral. Ver aplicaciones de la Estadstica en
Auditora, marketing y Control de calidad.
Comenzaremos este tema estudiando la terminologa que usaremos
EXPERIMENTO ALEATORIO ()
Es aquel que al repetirse bajo condiciones aproximadamente idnticas el resultado no es
necesariamente el mismo.
Podramos decir que todos los juegos de azar son experimentos aleatorios
Lanzar un dado y observar el nmero de puntos que aparecen en la cara superior.
Elegir al azar un naipe de la baraja comn de 52 naipes.
Lanzar una moneda y observar la cara superior.
La caracterstica principal de estos experimentos es la existencia de incertidumbre en el resultado
que se puede obtener al realizar el fenmeno.
Tambin existen otros experimentos que son considerados de naturaleza aleatoria:
EJEMPLO 2.1
1: Un contador revisa 10 facturas de una empresa. Luego cuenta el nmero de facturas con algn
error en su valor total.
EJEMPLO 2.2
2: De una lista formada por todas las cuentas de ahorro de un Banco, seleccionar al azar una y luego
anotar su vida actual.
43
S
A
Figura 2.1
Para el ejemplo 2.1
Consideremos que el evento A representa cuenta a lo ms 3 facturas con algn error.
Entonces A = { 0, 1, 2, 3 }
Decimos que un evento A ha ocurrido si el resultado del experimento es un elemento de A.
De cuntas maneras puede ocurrir un evento A?
Si #A representa el nmero de maneras que puede ocurrir el evento A, entonces #A = 4
k
NOTA. Si S tiene k elementos entonces hay 2 eventos respecto a S
TIPOS DE EVENTOS
Evento imposible ()
Es un evento que nunca ocurre. S
Para el ejemplo 2.1
Supongamos que el evento F representa cuenta 12 facturas con algn error , entonces F =
44
Evento seguro (S )
Evento simple
Es el que describe solamente una carcterstica.
Para el ejemplo 2.1
El evento A es simple.
Evento conjunto
Es el que describe dos o ms caractersticas.
El evento conjunto de A y B denotado por AB ocurre cuando A y B ocurren juntos.
Para el ejemplo 2.1
Supongamos que el evento B representa cuenta un nmero impar de facturas con algn error, esto
es,
B = { 1, 3, 5, 7, 9 }
Entonces
AB representa cuenta a lo ms 3 y un nmero impar de facturas con algn error.
AB = { 1, 3 }
es un evento conjunto
#(AB) = 2
S
A B
A B
Figura 2.2
Evento unin
El evento unin de A y B denotado por AB es aquel que ocurre si A ocurre B ocurre si ocurren
ambos.
Para el ejemplo 2.1
AB representa cuenta a lo ms 3 un nmero impar de facturas con algn error.
AB = { 0, 1, 2, 3, 5, 7, 9 }
#(AB) = 7
45
Evento complementario
A
A
Figura 2.3
Para el ejemplo 2.1
A representar lo contrario de A, esto es, A representa cuenta al menos 4 facturas con
algn error.
A = { 4, 5, 6, 7, 8, 9, 10 }
NOTA: AA =
AA = S
46
#S
EJEMPLO 2.3
Una empresa tiene 200 cuentas por cobrar de las cuales se sabe que 50 tienen un saldo menor que
C$ 12000. Un auditor selecciona una al azar, cul es la probabilidad de que tenga un saldo menor
que C$ 12000 ?
Supongamos que el evento A representa que la cuenta tiene un saldo menor que C$12000.
50
Entonces
P(A) =
0.25
200
x
=
n
EJEMPLO 2.4
La demanda de un artculo durante 360 das de cierto ao ha sido la siguiente:
Tabla 2.1
N artculos
1
2
3
4
5
N das
100
40
90
50
80
360
47
i)
ii)
P(S)=1
0 P( A ) 1
2.
3.
4.
P( A ) = 1 P( A )
5. Regla de la adicin.
Sean A y B eventos cualesquiera
P( A B ) = P( A ) + P( B ) P( A B )
48
EJEMPLO 2.6
Supongamos que para cierto da de negociaciones de una accin, los siguientes eventos:
A representa que el precio se mantiene sin cambios
B representa que el precio sube
Consideremos que P(A) = 0.64 y P( B ) = 0.21
Cul es la probabilidad de que:
i)
el precio cambie
Supongamos que el evento A representa que el precio cambia
P( A ) = 1 P( A ) = 1 0.64 = 0.36
ii)
P( AB ) = P( ) = 0
iii)
( I ) Importados
Total
104
36
136
224
240
260
140
360
500
sea mujer
P( M ) =
# M 260
0.52
# S
500
49
ii)
sea hombre
P( H ) = 1 P( M ) = 1 0.52 = 0.48
iii)
360
0.72
500
iv)
v)
# (H I ) 136
0.272
#S
500
sea mujer o prefiera productos nacionales
P( HI ) =
P( M N ) =
vi)
260 140 36
364
0.728
500 500 500 500
vii)
P( H M ) = P( H ) + P( M ) = 0.48 + 0.52 = 1
2.4
PROBABILIDAD CONDICIONAL
La probabilidad de que un evento A ocurra supuesto que otro evento B ha ocurrido se denota y
define como:
Probabilidad conjunta de A y B
P(A B)
P(A | B)
=
P(B)
Probabilidad marginal de B
Mide en cierto sentido la probabilidad relativa de A con respecto al espacio reducido B
Si B es finito entonces P(A | B)
# (A B)
#B
S
B
A
A B
Figura 2.4
50
EJEMPLO 2.8
Para el ejemplo 2.7
viii)
Suponga que el entrevistado seleccionado es mujer, cul es la probabilidad de que
prefiera comprar productos nacionales
36
P(N M) 500 36
P( N M ) =
0.1385
260
P(M)
260
500
# (N M)
36
P( NM ) =
0.1385
#M
260
ix)
# (H I) 136
0.3778
#I
360
P(A1 A 2 )
P(A1 )
La probabilidad de A1A2 es igual a la probabilidad del primer evento A1 por la probabilidad del
segundo evento A2 dado que el primer evento A1 ya ocurri.
2.4.2 INDEPENDENCIA ESTADISTICA
Dos eventos A1 y A2 son independientes si y slo si
P(A1A2 ) = P( A1 )
P(A2A1 ) = P(A2)
y que P( H I ) = 0.3778
51
EJEMPLO 2.10
Durante un perodo especfico , el 80% de las acciones ordinarias de una industria que tiene 10
acciones, han aumentado en valor comercial.
Un inversionista selecciona aleatoriamente 2 de esas acciones:
1)
7/9
A2
2/9
N2
8/9
A2
1/9
N2
A1
8/10
2/10
N1
Figura 2.5
2)
8 7 56
0.6222
10 9 90
8 2 2 8 16 16 32
0.3556
10 9 10 9 90 90 90
52
2.5
Supongamos un experimento aleatorio con su correspondiente espacio muestral S, decimos que los
eventos A1 , A2 ,.........., An forman una particin del espacio muestral S, si se cumple que:
i)
ii)
Ai Aj =
para todo i j
A1A2 ..........An = S
P(A )P(B A )
i
Cada vez que se realice el experimento aleatorio anterior podemos presentar mediante un rbol de
probabilidad todos sus resultados posibles con sus correspondientes probabilidades.
P(BA1)
A1
P(A1)
P(A2)
P(BA2)
A2
.
.
.
.
. P(BAn)
An
P(An)
B
B
B
B
.
.
.
B
B
Figura 2.6
2.6 TEOREMA DE BAYES
Queremos saber ahora , cul es la probabilidad de que Ai sea la causa de la ocurrencia de B.
P(A i )P(B Ai )
P(A )P(B A )
P(A i B)
i
i
n
P(A
)P(B
A
)
P(B)
i
i
.
53
EJEMPLO 2.11
Un gerente de crdito clasifica las cuentas a su cargo en 3 tipos:
Tipo 1: buen pagador
Tipo 2: pagador atrasado
Tipo 3: mal pagador
De los archivos se estima que el 75%, 20% y 5% de las cuentas caen en las categoras 1, 2 y 3
respectivamente. Por experiencia en el trabajo el gerente considera que el 90% de los clientes con
cuentas del tipo 1 tienen casa propia, mientras que el 50% de los clientes con cuentas del tipo 2 y el
20% de los clientes con cuentas del tipo 3 tienen casa propia.
i) Cul es la probabilidad de que una nueva aplicacin de crdito corresponda a un cliente con
casa propia ?
ii) Suponga que la nueva aplicacin corresponde a un cliente con casa propia, cul es la
probabilidad de que sea pagador atrasado?
Consideremos los siguientes eventos:
S: todas las cuentas a cargo del gerente
A1: la cuenta es del tipo 1
A2 : la cuenta es del tipo 2
A3: la cuenta es del tipo 3
B: el cliente tiene casa propia.
0.90
A1
0.10
0.50
0.50
0.75
0.20
A2
0.75(0.90) = 0.675
0.20(0.50) = 0.100
0.05
0.20
A3
0.80
0.05(0.20) = 0.010
B
0.785
Figura 2.7
i)
P(B) = P(A1) P(BA1) + P(A2) P(BA2) + P(A3) P(BA3)
= 0.75(0.90) +
0.20(0.50) + 0.05(0.20) = 0.785
ii)
P(A2B) =
P( A2 )P(B | A2 0.20(0.50)
0.1274
)
0.785
P(B)
EJERCICIO 2.1
El departamento de crdito de una tienda inform que el 30% de sus ventas son en efectivo, el 30%
se pagan con cheques y el 40% son al crdito. Se tiene informacin de que las compras por ms de
C$ 500 en efectivo, con cheques y al crdito son el 25%, 90% y 60% respectivamente
Un persona acaba de decidir comprar un artculo cuyo precio es de C$ 800, cul es la probabilidad
de que pague con cheque ?
54
d)
e)
f)
La probabilidad de que al seleccionar al azar una persona de una clase, que tiene 20
mujeres y 8 hombres, el resultado sea una mujer.
g)
La probabilidad de que las ventas de un artculo que producen una fabrica suban debido al
nuevo nombre.
2. Para cada uno de los siguientes casos, diga si los eventos que se crean son (i)
mutuamente excluyentes, (ii) colectivamente exhaustivos.
a) A los votantes registrados se les pregunt si son liberales o sandinistas.
b) Los encuestados se clasificaron como propietarios de automviles en las
categoras norteamericano, europeo, japons, ninguno.
c) A las personas se les pregunt: Actualmente vive en (i) un apartamento (ii) una casa?.
d) Un producto se clasific como: (i) defectuoso (ii) no defectuoso.
e) A las personas se les pregunt tiene intencin de comprar un televisor a colores en los
siguientes seis meses ? (i) si, (ii) no.
f) un pas obtuvo un crecimiento econmico del (i) 5% al ao (ii) 7% al ao.
g) Se clasificaron las ventas anuales en (i) a lo ms cinco millones de crdobas (ii) de ms de
cinco a diez millones (iii) de ms de diez millones.
h) En un tipo de industria se clasifican las utilidades anuales en (i) entre uno y siete millones
de crdobas (ii) de cinco millones o ms.
i) En una fbrica se clasifican las partes defectuosas de la produccin en: (i) menos del 7%.
(ii) ms del 2%, (iii) igual al 5% de la produccin.
j) La situacin econmica de un pas se describe: (i) crecimiento real del PIB del 3% anual, (ii)
inflacin 7% por ao (iii) desempleo del 8% de la fuerza laboral.
3. Determine el valor de probabilidad aplicable a cada una de las siguientes situaciones: Luego
diga qu enfoque utilizo.
a) La probabilidad de seleccionar aleatoriamente una cuenta por cobrar que est en mora, si el
5% de las cuentas estn en mora.
55
b) La probabilidad de que una sucursal de una cadena de restaurantes tenga xito financiero.
El presunto inversionista obtiene informacin sobre otras sucursales de la cadena, estudia el
rea donde se localizar la sucursal y considera el volumen de ventas necesario para el xito
financiero. Globalmente, el inversionista cree que hay un 80% de posibilidades de que la
sucursal tenga xito financiero y un 20% de lo contrario.
c) La probabilidad de accidentes de trabajo en una industria determinada sobre una base anual.
Una muestra al azar de 10 firmas que emplean un total de 8000 personas demostr
que ocurrieron 400 accidentes de trabajo durante un perodo reciente de 12 meses.
4. La probabilidad de que una nueva poltica de mercadeo tenga xito (S) se calcul en 0.60. la
probabilidad de que los gastos para desarrollar la poltica de mercadeo puedan mantenerse dentro del
presupuesto inicial (B) es 0.50. la probabilidad de que se logren los dos objetivos es 0.30.
a) Cul es la probabilidad de que se logre por lo menos uno de estos objetivos?
b) Cul es la probabilidad de que la nueva poltica de mercado tenga xito dado que el costo
de desarrollo se mantuvo dentro del presupuesto inicial. c)
Son los eventos S y B estadsticamente independientes?
5. De 12 cuentas de un archivo, 4 contienen un error de procedimiento al contabilizar los saldos de
las cuentas.
Si un auditor selecciona aleatoriamente:
a) una cuenta, Cul es la probabilidad de contenga error de procedimiento?.
b) Dos cuentas (sin reposicin),
i) Cul es la probabilidad de que ninguna cuenta contenga error de procedimiento ?
Elabore un rbol de probabilidad para representar ste proceso secuencial de muestreo.
ii) Cul es la probabilidad de que una cuenta contenga error de procedimiento?
c) Tres cuentas (sin reposicin), Cul es la probabilidad de que todas contengan error de
procedimiento?
6. De 100 personas que solicitaron empleo de operador de computadoras en una firma el
ao pasado, 40 tenan experiencia anterior (E), 30 tenan certificado ( C ), y 20 tenan
experiencia anterior y certificado.
a) Elabore un diagrama de Venn para describir grficamente estos eventos.
b) Cul es la probabilidad de que un solicitante escogido aleatoriamente:
i)
Tenga experiencia o certificado.
ii)
No tenga certificado.
iii)
No tenga ni experiencia ni certificado.
iv)
Tenga certificado dado que tiene alguna experiencia anterior.
c) Determine si la experiencia y el certificado son eventos independientes.
56
7. En los datos recolectados en una encuesta sobre la satisfaccin de los empleados de la empresa
Omega realizada a una muestra de 400 empleados, los resultados con las categoras desglosadas en
satisfecho y no satisfecho, y progresado y no progresado en la organizacin, se presentan en
la siguiente tabla de contingencia:
Satisfaccin en el
trabajo
Satisfecho ( S )
No satisfecho ( S )
Totales
Avance
Progresado ( P )
194
14
208
No progresado ( P )
162
30
192
Total
356
44
400
57
Compraron ( C )
200
100
300
No compraron (C)
50
650
700
Totales
250
750
1000
Si ( S )
No ( N )
Totales
Ciudad (C)
90
110
200
rea de residencia
Suburbio ( Su)
Rural ( R )
60
25
90
125
150
150
Totales
175
325
500
58
Recuerda ( R )
No recuerda ( R )
Total
Compra ( C )
120
60
180
No compra ( C )
80
340
420
200
400
600
Producto
Total
59
14. Una profesora ha estado enseando Estadstica durante muchos aos. Sabe que el 80% de los
estudiantes cumplen con los problemas asignados. Determin que de los alumnos que hacen
las tareas, 90% aprobarn el curso. De aquellos estudiantes que no realizan la tarea, 40%
aprobarn. Miguel Snchez tom Estadstica con la profesora y tuvo calificacin aprobatoria
cul es la probabilidad de que s haya hecho las tareas?.
15. Un comprador de ropa de una gran tienda departamental compra anualmente 20% de las piezas
a un fabricante A, 30% a un segundo fabricante B y el 50% restante a diversos proveedores. De la
ropa comprada a A se vende el 80%; 75% de la de B y 90% de los restantes. Cul es la
probabilidad de que una pieza que no se vendi al final de la temporada, provenga del fabricante B?
16. Martn Prez, gerente del departamento de crdito de Epsilon, sabe que la compaa
utiliza tres mtodos para exhortar a pagar a las personas con cuentas morosas. De los datos que se
tienen registrados, l sabe que 70% de los deudores son visitados personalmente, 20% se les
sugiere que paguen va telefnica y el restante 10% se le enva una carta. Las probabilidades de
recibir alguna cantidad de dinero debido a los pagos de una cuenta con estos tres mtodos son
0.75, 0.60 y 0.65, respectivamente. El seor Prez acaba de recibir el pago de una de las cuentas
vencidas. Cul es la probabilidad de que la peticin de pago se haya hecho:
a) Personalmente?
b) Por telfono?
c) Por correo?
17. El gerente de comercializacin de una compaa fabricante de juguete est planeando
introducir un nuevo juguete en el mercado. En el pasado, 40% de los juguetes introducidos por
la compaa han tenido xito y 60% no lo han tenido. Antes de que se comercialice el juguete, se
lleva
a cabo un estudio de mercado y se compila un informe, ya sea favorable o desfavorable.
Anteriormente, 80% de los juguetes exitosos recibieron informes favorables y 30% de los juguetes
no exitosos tambin recibieron informes favorables.
a) Suponga que el estudio de mercado da un informe favorable sobre el nuevo juguete. Cul
es la probabilidad de que el nuevo juguete tenga xito?
b) Qu proporcin de los juguetes nuevos reciben informes favorables de estudios de
mercado?.
18. Una empresa compra cierto tipo de pieza que es suministrada por tres proveedores: el 45%de
las piezas son compradas al primer proveedor resultando defectuoso el 1%.
El segundo
proveedor suministra el 30% de las piezas, y de ellas es defectuoso el 2%. Las restantes piezas
provienen del tercer proveedor, siendo defectuoso el 3% de la mismas. En un control de recepcin
de artculos se selecciona una pieza al azar y es defectuosa. Calcular la probabilidad de que la haya
suministrado el segundo proveedor.
60
19. Un analista de una empresa manufacturera estima que la probabilidad de que una empresa
competidora tenga planes para comenzar a fabricar equipo nuevo en los prximos tres aos es de
0.30 y de 0.70 de que la empresa no tenga tales planes. Si la empresa de la competencia s tiene
esos planes, definitivamente se construir una nueva instalacin fabril. Si la empresa de la
competencia no tiene esos planes, existe an una probabilidad de 60% de que se construya la nueva
instalacin fabril por otras razones,
a) Al utilizar E para la decisin de participar en el campo del equipo nuevo y F para la adicin de
una nueva instalacin fabril, ilustre los eventos posibles mediante un diagrama de rbol.
b) Suponga que la empresa de la competencia, de hecho, ha comenzado a trabajar en la
nueva fbrica. Con esa informacin, cul es la probabilidad de que la empresa haya decidido
ingresar
al campo del nuevo equipo?
20. Ochenta por ciento de material de vinil que se recibe del vendedor A es de calidad
excepcional, en tanto que solo cincuenta por ciento de material de vendedor B es de calidad
excepcional. Sin embargo, la capacidad de fabricacin del vendedor A es limitada y, por esa razn,
solo cuarenta por ciento del vinil que la empresa adquiere proviene de este vendedor. El sesenta por
ciento restante se compra al vendedor B. Se inspecciona un embarque de vinil que acaba de llegar y
se encuentre que es de excepcional calidad. Cul es la probabilidad de que provenga del vendedor
A?
21. En cierta universidad, el 70% de los estudiante vienen de instituciones privadas y el 30% de
instituciones estatales. Se sabe que el 25% de los estudiantes que vienen de instituciones privadas y
el 10% que vienen de instituciones estatales poseen vehculo propio.
a) Si se selecciona un alumno al azar de esta universidad, cul es la probabilidad de que tenga
vehculo propio?
b) Si el alumno seleccionado posee vehculo propio, cul es la probabilidad de que sea de los
que vienen de instituciones estatales?
c) Si el alumno seleccionado posee vehculo propio, cul es la probabilidad de que sea de los
que vienen de instituciones privadas?
22. La constructora Cedro, S.A. trata de determinar si debera presentar licitacin para la
construccin de un nuevo centro comercial. En el pasado, la principal competidora de
Cedro, la constructora Nardo, S.A. ha presentado licitaciones el 70% de las veces.
Si
Nardo no presenta licitacin sobre un trabajo, la probabilidad de que Cedro lo obtenga es del
0.50; si Nardo presenta licitacin, la probabilidad de que lo obtenga Cedro es de o.25.
a) Si la constructora Cedro obtienen el trabajo, cul es la probabilidad de que Nardo no haya
presentado licitacin?
b) Cul es la probabilidad de que la constructora Cedro obtenga el trabajo?
61
S
x
X (w) = x
Figura 3.1
EJEMPLO 3.1
Una empresa tiene 100 cuentas por cobrar de las cuales 30 tienen su saldo incorrecto. Un auditor
selecciona al azar y sin reposicin 2 de dichas cuentas y luego registra el nmero de cuentas con
saldos incorrectos.
62
C1
I1
C2
C1 C2
C 1 I2
C2
I1 C 2
I2
I1 I2
Figura 3.2
Como estamos interesados en registrar el nmero de cuentas que tienen su saldo incorrecto, es til
definir una variable aleatoria X que asigne a cada elemento de S su nmero de cuentas con saldo
incorrecto, o bien de una manera ms sencilla, que la variable aleatoria X represente el nmero de
cuentas con saldos incorrectos.
S
C1 C2
R
0
C 1 I2
1
I1 C 2
I1 I2
Figura 3.3
As,
X ( C1 C2 ) = 0 ;
X ( C1 I2 ) = 1 ;
X ( I1 C2 ) = 1 ;
X ( I1 I2 ) = 2
63
EJEMPLO 3.2
Registrar el tiempo que tarda un economista en revisar un documento de una empresa.
Como el resultado del experimento es ya la caracterstica numrica que queremos registrar entonces
vamos a definir la variable aleatoria X como una funcin identidad que asigne a cada tiempo w
posible que tarda en revisar el documento el mismo tiempo w, esto es,
X( w ) = w
o bien de una manera ms sencilla, que la variable aleatoria X represente el tiempo que tarda el
economista en revisar el documento.
VARIABLE ALEATORIA DISCRETA.
X es una variable aleatoria discreta si su conjunto de valores posibles es finito o infinito numerable,
esto es, si sus valores se pueden asociar a los enteros 1, 2, 3, . . . .
Para el ejemplo 3.1, X es una variable aleatoria discreta porque su conjunto de valores posibles es
finito.
VARIABLE ALEATORIA CONTINUA.
X es una variable aleatoria contina si su conjunto de valores posibles es infinito no numerable, esto
es, para dos elementos cualesquiera de este conjunto siempre existir otro entre ellos.
Para el ejemplo 3.2, X es una variable aleatoria contina. Porque entre dos tiempos posibles
siempre existir otro.
EVENTOS DEFINIDOS POR VARIABLES ALEATORIAS.
El conjunto de todas los elementos w de S que tienen asignado (Segn X) un mismo valor particular
x, ser un evento que denotaremos por X = x . Esto es,
{ w S | X( w ) = x } es equivalente a X = x.
S
w
x
Figura 3.4
64
X x
a X b , X x
X x ,
a X b , etc.
P( Y = yj ) | X = xi ) = P( Y = yj )
P( Y y ) | X x ) = P( Y y )
Esto es, la ocurrencia del evento X x no afecta en nada a la ocurrencia del evento Y y
La condicin anterior tambin debe cumplirse para eventos expresados de cualquier otra forma.
65
f ( xi ) 0
f ( xi ) = 1
xi
R
0
Figura 3.5
EJEMPLO 3.3
Recordando que X representa el nmero de cuentas con saldos incorrectos en el ejemplo 3.1,
construya la distribucin de probabilidad de X.
Arbol de probabilidad
70/100
69/99
C2
C1 C2
0.4879
30/99
I2
C 1 I2
0.2121
70/99
C2
I1 C 2
0.2121
29/99
I2
I1 I2
0.0879
C1
30/100
I1
Figura 3.6
Como los valores posibles de X son 0, 1, 2 tendremos:
f ( 0 ) = P ( X = 0 ) = 0.4879
f ( 1 ) = P ( X = 1 ) = 0.2121 + 0.2121 = 0.4242
f ( 2 ) = P ( X = 2 ) = 0.0879
66
f (xi )
0
1
2
0.4879
0.4242
0.0879
1.0000
f(x)
0.0879
si
si
si
si
x 0
x 1
x 2
x es cualquier otro valor
3. Una grfica.
f(x) 0.6
0.5
0.4
0.3
0.2
0.1
0
0.4879
0.4242
0.0879
-1
Figura 3.7
3.3
FUNCION DE DISTRIBUCION ACUMULADA DE UNA VARIABLE ALEATORIA
DISCRETA.
Sea f ( x ) la distribucin de probabilidad de una variable aleatoria X. La funcin de distribucin
acumulada de la variable aleatoria X se denota y define como:
F ( x ) P ( X
x)
f ( x
xi
x
- x
67
EJEMPLO 3.4
Construir la funcin de distribucin acumulada de la variable aleatoria X del ejemplo 3.1
Retomemos la distribucin de probabilidad de la variable aleatoria X del ejemplo 3.3 y observemos
que valores toma F ( x ) cuando: x 0 , 0 x 1 , 1 x 2 y x 2
i)
Si x 0 , F ( x ) = 0
ii)
Si 0 x 1 ,
F ( x ) = f ( 0 ) = 0.4879
Si 1 x 2 ,
iv)
porque hay dos valores posibles, que son el 0 y el 1 cuyas, probabilidades son 0.4879
y
0.4242 respectivamente.
Si x 2 , F ( x ) = f ( 0 ) + f ( 1 ) + f (2 ) = 0.4879 + 0.4242 + 0.0879 = 1
porque hay tres valores posibles, que son el 0, 1 y 2, cuyas probabilidades son 0.4879 ,
0.4242 y 0.0879 respectivamente.
Los resultados anteriores podemos expresarlos como:
1. Una funcin matemtica
0
0.4879
F(x)
0.9121
si
si
si
si
x 0
0 x 1
1 x 2
x 2
2. Una grfica
F (x ) 0.9
0.9121
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0.4879
0
-1
x
Figura 3.8
68
Algunas caractersticas de F ( x )
a) F ( x ) es siempre una funcin no decreciente.
b)
Lm F ( x ) 1
Lm F ( x ) 0
x -
c)
P ( a X b ) = F ( b ) - F ( a )
d)
f ( x ) = F ( x ) - F ( x 1 ) si x es un nmero natural.
EJERCICIO 3.1
Las llegadas de clientes a un almacn durante 80 das escogidos aleatoriamente se presenta en la
siguiente tabla.
Tabla 3.2
No. Llegadas
No. das
0
1
2
3
15
25
35
5
80
ii)
iii)
iv)
3.4
xi f ( xi )
E ( X ) puede considerarse como una media aritmtica ponderada (donde la ponderacin de cada xi
sera la probabilidad f(xi)) esto es la media que espero obtener de un gran nmero de observaciones
independientes de X, motivo por el cual escribiremos.
E ( X ) = X
( la media de X )
69
V (X) = E ( X ) - [ E ( X ) ]
donde
E ( X ) = x2i f ( xi )
2
V(X)
EJEMPLO 3.5
Un vendedor de computadoras tiene la oportunidad de trabajar con cierto comerciante. Supongamos
que el vendedor ha evaluado las posibilidades de la venta semanal de la manera indicada abajo.
Tabla 3.3
No. Computadoras
Probabilidad
0
1
2
3
i)
ii)
0.1
0.2
0.3
0.4
Hagamos que la variable aleatoria X represente el nmero de computadoras que podra vender por
semana.
2
xi
f( xi )
xi f( xi )
xi f( xi )
0
1
2
3
0.1
0.2
0.3
0.4
0
0.2
0.6
1.2
0
0.2
1.2
3.6
1.0
2.0
5.0
2
E ( X ) = 2 computadoras y V ( X ) = 5 - [ 2 ] = 5 - 4 = 1 computadora
V( X )
1 1
computadora
70
ii)
Calcule la varianza y la desviacin estndar del nmero de cuentas con saldos incorrectos
(interprete el resultado)
( xi -
xi
f ( xi )
xi f ( xi )
0
1
2
0.4879
0.4242
0.0879
0
0.4242
0.1758
0.1756
0.0679
0.1723
0
0.4242
0.3516
1.0000
0.6000
0.4158
0.7758
) f ( xi )
xi f ( xi )
i)
E ( X ) = X = 0.6 cuentas con saldos incorrectos.
Este resultado podemos interpretarlo diciendo que a medida que el auditor vaya
seleccionando 2 cuentas de las 100 muchas veces esperamos en promedio que 0 (ninguna)
1 cuenta con saldo incorrecto, pero un poco ms 1 que ninguna.
ii)
V ( X ) X 0.4158
0.6448
Este valor representa la variacin de X alrededor de X. Esto quiere decir que el nmero de
cuentas con saldos incorrectos variar entre 0 (ninguna) y 1 la mayor parte de las veces que
el auditor seleccione 2 cuentas de las 100.
Utilizando la otra frmula tendremos que:
2
V ( X ) = 0.7758 - [ 0.6 ] = 0.4158 X = 0.6448
71
EJEMPLO 3.7
Un fabricante produce cierto artculo de tal modo que el 10% son defectuosos. Si se produce un
artculo defectuoso, el fabricante pierde C$ 10, mientras que un artculo no defectuoso le produce
una ganancia de C$ 50.
Determine la ganancia esperada por artculo. Interprete el resultado.
Supongamos que X representa la ganancia por artculo y que toma los valores 10 si se produce un
artculo defectuoso y 50 si se produce no defectuoso.
xi
f ( xi )
-10
50
xi f (xi )
0.10
0.90
-1
45
44
X = E ( X ) = C$ 44
Este resultado se interpreta as: Cuando el fabricante produzca muchos artculos espera una
ganancia promedio por artculo de C$ 44
EJERCICIO 3.2
Para la distribucin de probabilidad de X del ejercicio 3.1
i)
Calcule el nmero esperado de llegadas de clientes (interprete el resultado).
ii)
Calcule la varianza y la desviacin estndar del nmero de llegadas de clientes (interprete el
resultado).
3.4.1
1) E (c ) = c
V(c) = 0
2) E ( c X ) = c E ( X )
V(cX) = c V(X)
2
3) E (a + b X ) = a + b E ( X ) ; V ( a + b X ) = b V ( X )
4) Si X , Y son variables aleatorias cualesquiera
E ( X Y ) = E ( X ) E ( Y )
5) Si X , Y son variables aleatorias independientes.
V ( X Y ) = V ( X ) + V ( Y )
72
EJEMPLO 3.8
Para el ejemplo 3.5 considere las siguiente situaciones:
1) Si el comerciante le ofrece al vendedor una comisin de C$ 500 por computador vendido
determine:
i) El ingreso semanal esperado del vendedor.
ii) Las desviacin estndar del ingreso semanal. Interprete los resultados.
Hagamos que la variable aleatoria Y represente al ingreso semanal del vendedor.
Entonces Y = 500X
Aplicando las propiedades de la esperanza y la varianza y recordando del ejemplo 3 que
E ( X ) = 2 computadoras y que X = 1 computadora tenemos que:
i)
ii)
500 2 C$ 500
Por tanto a medida que transcurran las semanas, el vendedor espera tener un ingreso semanal
promedio de C$ 1000 y su ingreso semanal variar la mayor parte de las veces entre C$ 500 y C$
1500.
2) Si el comerciante le ofrece al vendedor pagarle C$ 800 fijos por semana ms C$ 400 por
computador vendidor, determine:
i)
ii)
400
C$ 400
73
EJEMPLO 3.9
Un negociante posee dos restaurantes. Sean X , Y, que se suponen independientes entre s,
las ventas diarias de dichos restaurantes. El negociante ha reunido datos de ventas durante
muchos aos, y de acuerdo con sus registros, la media y la varianza de X son de C$ 5000
y C$ 100 respectivamente y la media y la varianza de Y son de C$ 7000 y C$ 200 respectivamente.
Calcule para los dos restaurantes combinados.
i)
i)
ii)
ii)
300 C$ 17.3205
74
=
=
=
=
1
2 (1) = 2
3 (2) (1) = 6
4 (3) (2) (1) = 24
n!
x
x! ( n - x )!
n
n ,
1
n
1
o
n
1 n) ( n - 1 ) LL ( n - x
x
x!
75
De manera que
8(7)(6)5! 8(7)(6)
8
8!
56
3! 5! 3(2)(1)5! 3(2)(1)
3
8(7)(6)
56
3 3(2)(1)
1
5
10
10
1
4
1
0
calculemos ahora
15
15(14)(13)(12)(11)(10)(9)
6435
7(6)(5)(4)(3)(2)(1)
76
EL MODELO BINOMIAL
Supongamos que estamos ante un proceso de Bernoulli con n ensayos donde uno de los dos eventos
ser el xito y la probabilidad de que ocurra un xito se representar por p.
Estaremos interesados en una variable aleatoria X que representar el nmero de xitos en
la muestra, donde el objetivo principal ser obtener una expresin matemtica que defina a
la distribucin de probabilidad de X
Puede demostrarse que la siguiente expresin matemtica define una distribucin de probabilidad de
X llamada distribucin binomial con parmetros n y p , o modelo binomial con parmetros n y p.
n
P ( X x ) p x ( 1 - p ) n x
x 0, 1, 2, L, n
x
donde x es un valor particular de X
y 1 p representa la probabilidad de un fracaso.
CARACTERISTICAS.
1.
Cada vez que se especifica un grupo de parmetros n y p se produce una distribucin
binomial particular.
2.
La esperanza de X se obtiene as
x E ( X) np
4.
La varianza de X se obtiene as
V(X) = np(1p)
EJEMPLO 3.10
En un archivo hay 5 documentos de la empresa A y 15 documentos de la empresa B. Seleccionar al
azar y con reposicin 4 documentos anotando la empresa correspondiente de cada uno.
Determine la probabilidad de que 3 sean de la empresa B.
Verificando la existencia de un proceso de Bernoulli.
Aqu existe un proceso de muestreo que resulta de repetir el ensayo : seleccionar al azar y con
reposicin un documento, n = 4 veces.
Miremos ahora que condiciones cumple:
77
78
2.
x 0, 1, 2, L, n
5
( 0.30 )2 ( 0.70 )3 10 ( 0.09 ) ( 0.343 ) 0.3087
2
5
( 0.30 )0 ( 0.70 )5 ( 1 ) ( 1 ) ( 0.1681 )
0.1681
5
( 0.30 )5 ( 0.70 )0 ( 1 ) ( 0.0024 ) ( 1 0.0024
)
5
EJEMPLO 3.12
La probabilidad de que un presunto cliente de un centro comercial escogido aleatoriamente haga una
compra es 0.20. Un vendedor visita a 15 presuntos clientes.
1. Determine la probabilidad de que:
a) Haga menos de 3 ventas.
79
15
0
15
( 1 ) ( 1 ) ( 0.0352 ) 0.0352
( 0.20 ) ( 0.80 )
0
P ( X 1)
15
1
14
15 ( 0.20 ) ( 0.0440 ) 0.1319
( 0.20 ) ( 0.80 )
1
P ( X 2)
15
2
13
105 ( 0.04 ) ( 0.0550 ) 0.2309
( 0.20 ) ( 0.80 )
2
Luego
b)
P ( X 3 ) = 1 - [ P ( X = 0 ) + P ( X = 1 ) + P ( X = 2 ) ]
= 1 - 0.3980 = 0.602
2. Determine el nmero esperado de ventas del vendedor y la desviacin estndar del nmero de
ventas.
E ( X ) = np = 15 ( 0.20 ) = 3 ventas
V ( X ) = np ( 1 p ) = 15 ( 0.20) ( 0.80 ) = 2.4
Interpretar el resultado
80
x
n-x
P ( X x )
N
n
x 0, 1, 2, L, n
donde
N representa el nmero de elementos en la poblacin
A representa el nmero de xitos en la poblacin
N A representa el nmero de fracasos en la poblacin
n representa el nmero de elementos en la muestra
x representa el nmero de xitos en la muestra
n x representa el nmero de fracasos en la muestra
CARACTERISTICAS.
A
Hagamos que p represente la proporcin de xitos en la poblacin y que 1 p representa
N
la proporcin de fracasos en la poblacin.
1. Cada vez que se especifica un grupo de parmetros n, N, A se produce una distribucin
hipergeomtrica particular.
2. La distribucin es simtrica si p = 0.50 y asimtrica cuando P 0.50
La distribucin es asimtrica a la derecha si p 0.50 y a la izquierda si p 0.50.
Cuando n crece y p se acerca a 0.50 la asimetra tiende a disminuir.
3. La esperanza de X se obtiene as
E (X) np
81
4. La varianza de X se obtiene as
N - n
V(X) np( 1 - p )
N - 1
Lo cul implica que X
V(x)
EJEMPLO 3.12
Un gerente selecciona aleatoriamente 3 individuos de un grupo de 10 empleados para asignarlos a
un estudio de clasificacin de salarios. Suponga que 4 de los empleados trabajaron previamente en
proyectos semejantes.
1. Determine la expresin matemtica que define a la distribucin de probabilidad del nmero de
empleados con experiencia.
Este es un proceso con n = 3 ensayos, que slo cumple la primera condicin de un proceso de
Bernoulli porque los 3 empleados se seleccionaron al azar sin reposicin de una poblacin finita
de tamao N = 10.
Observe que el evento E (con experiencia) ser el xito y que por tanto tendremos que:
N representa el nmero de empleados del grupo.
A representa el nmero de empleados con experiencia.
N A repreenta el nmero de empleados sin experiencia.
n representa el nmero de empleados en la muesta.
x representa el nmero de empleados con experiencia en la muestra.
n x representa el nmero de empleados sin experiencia en la muestras.
La variable aleatoria X representar el nmero de empleados con experiencia, y la expresin
matemtica que va a definir a la distribucin de probabilidad de X, ser la correspondiente a
un modelo hipergeomtrico con parmetros n = 3, N = 10 y A = 4.
Esto es,
4 6
x 3x
P ( X x )
10
3
x 0, 1, 2, 3
82
6(6
2 1
2 3 - 2
P ( X 2 )
0.30
10
10
120
3
3
4 6
4 6
0 3-0
0 3
P ( X 0 )
10
3
10
3
( 1 ) (20
0.1667
)
120
1
2
P ( X 1 )
10
3
4 ( 15 )
120
0.50
A
4
0.4
N 10
83
P(X = 1)
5
0.025 n 0.025 N
200
Esto es, el tamao de la muestra es el 2.5% del tamao de la poblacin. Luego se cumple la relacin
emprica de que n 0.05 N.
Podemos utilizar una distribucin binomial con parmetros n = 5
A
8
y p
0.04 como una aproximacin de la distribucin hipergeomtrica con
N
200
parmetros n = 5, N = 200 y A = 8.
84
5
P ( X 0 )
0.04 0
(0.96)
0.04 1
(0.96)
5 ( 1 ) ( 1 ) ( 0.8154
)
0.81.54
P(X
5
1 )
P ( X 1 ) 0.8154
0.1699
0.9853
x = 0, 1, 2,
e = 2.71828
85
CARACTERISTICAS.
Cada vez que se especifica el parmetro se produce una distribucinde Poisson particular.
La distribucin es siempre asimtrica a la derecha cuando es pequea y se acercar a la simetra
(con su punto ms alto en el centro) segn aumenta .
La esperanza de X se obtiene as
X E(X)
La varianza de X se obtiene as
V(X) =
EJEMPLO 3.14
Suponga que el nmero promedio de vehculos que llegan a un parqueo es de 10 por hora.
Cul es la probabilidad de qu en una hora determinada lleguen 4 vehculos ?
Verificando la existencia de un proceso de Poisson.
Consideremos la unidad de tiempo, una hora, dividida en porciones muy pequeas de tiempo,
digamos en segundos.
1) En cada segundo pueden observarse dos eventos mutuamente excluyentes y exhaustivos:
E : llega un vehculo.
F : no llega ninguno vehculo.
2)
10 e
P( X 4 )
4!
10
10000(0.00004540) 0.4540
0.0189
24
24
86
EJEMPLO 3.15
Suponga que el nmero promedio de llamadas que llegan a una Central Telefnica es de 120 por
hora.
1) Construya la expresin matemtica que define a la distribucin de probabilidad del nmero de
llamadas que ocurren en 3 minutos.
Podemos verificar la existencia de un proceso de Poisson.
En este proceso tendremos que:
X
representar el nmero de llamadas que ocurren en 3 minutos.
Se reciban 2 llamadas
62 e- 6
-6
P ( X 2 ) 18 e 18 ( 0.0025 ) 0.0450
2!
ii)
EJEMPLO 3.16
En una fbrica han ocurrido accidentes a razn de una cada dos meses. Suponga que ocurrieron en
forma independiente.
1. Determine la probabilidad de que:
i)
No haya accidente en determinado mes.
Tenemos un proceso de Poisson en el cual.
X representar el nmero de accidentes que ocurren cada mes.
representara el nmero promedio de accidentes por mes.
87
1
2
0
0.5
0.5
(0.5) e
(1)e
0.5
P( X 0 ) e
0.6065
0!
1
ii)
4!
2. Cuantos accidentes espero en un ao?
=
)
( 12 = 6 accidentes
- 0.3
0.027 (0.7408 )
P ( X 3 ) 0.0033
3!
6
Si hubieramos utilizado la distribucin binomial con n = 30 y p = 0.01 tendriamos que
30
P(X 3) (0.01)3 (0.99)27 4060(0.000001)(0.7623) 0.0031
3
De esta manera la diferencia entre la aproximacin de Poisson y el valor de probabilidad binomial
real es 0.0002.
88
No. das
10
16
18
4
2
50
iii)
iv)
No. centros
5
8
6
1
20
89
3. El nmero de revistas vendidas por da en una tienda durante 30 das se presenta en la siguiente
tabla.
No. Revistas
10
11
12
13
14
No. das
3
7
10
8
2
30
Si X representa el nmero de revistas vendidas por da.
i)
ii)
iii)
iv)
90
7. Una empresa tiene 4 cuenta por pagar de las cuales una tiene un saldo mayor que C$ 10,000.
Un contador selecciona al azar una cuenta despus de la otra, sin reponerla, hasta registrar inclusive
la que tiene un saldo mayor que C$ 10,000.
Cuntas cuentas espera seleccionar hasta registrar inclusive la que tiene un saldo mayor que C$
10,000 ? Interpretar el resultado.
8. De 12 cuentas de un archivo, 4 contienen un error de procedimiento al contabilizar los saldos de
las cuentas.
Un auditor selecciona aleatoriamente dos de estas cuentas (sin reposicin). Si X representa el
nmero de cuentas con error de procedimiento en la muestra.
a) Construya la distribucin de probabilidad de X y grafquela.
b) Construya la funcin de distribucin acumulada de X y grfiquela.
9. Un vendedor ha descubierto que las probabilidades del nmero de ventas por da, se presentan
de la siguiente manera:
No. Ventas
1
2
3
4
Probabilidad
0.19
0.45
0.29
0.07
10. Un agente de ventas ha recibido una oferta de trabajo de una casa comercial que
distribuye cocinas elctricas.
Suponga que X es la variable aleatoria que representa el nmero de cocinas vendidas en una semana
y que la distribucin de probabilidad de esas ventas es.
x1
f ( xi )
0
1
2
3
0.30
0.35
0.25
0.10
Si la casa comercial ofrece al agente de ventas pagarle C$ 500 fijos por semana, ms C$ 300 por
cada cocina que venda, determine.
a) El ingreso semanal esperado del agente de ventas despus de muchas semanas.
b) La desviacin estndar del ingreso semanal del agente.
Interpretar el resultado.
91
11. Una compaa tiene una sucursal en una ciudad con ventas diarias en crdobas representada
por la variable aleatoria X y otra sucursal en otra ciudad con ventas diarias en crdobas representada
por la variable aleatoria Y. Al analizar los registros de la compaa por largos perodos anteriores,
se ha encontrado que la media y la varianza de X son C$ 4,500 y C$ 340 respectivamente, y
la media y la varianza de Y son C$ 5,500 y C$ 300 respectivamente.
Si la variable aleatoria Z representa el total de ventas diarias en ambas sucursales, determine:
a) Z
b) Z
12. Un vendedor de paraguas gana C$ 30 en das de lluvias; cuando hay das soleados (no lluvia)
pierde C$ 6. La probabilidad de que un da sea lluvioso es de 40% Que ganancia espera tener por
da a largo plazo?
13. En una empresa de negocios una persona puede obtener ganancias diarias de $ 300 con una
probabilidad 0.6 o experimentar una prdida de $ 100 con probabilidad de 0.4.
Qu ganancia espera tener por da a largo plazo?
14. Se tienen dos granjas para la siembra de cierto cultivo. Se calcula que en la primera granja el
cultivo en cuestin producir una utilidad anual de $ 20,000 si tiene xito, y una prdida anual de $
2,000 si no lo tiene.
Se estima tambin que en la segunda granja el cultivo producir una utilidad anual de $ 25,000 si
tiene xito, y una perdida anual de $ 5,000 si no lo tiene. Si la probabilidad de xito en cada granja
es .
En qu granja se debe sembrar el cultivo con el fin de elevar al mximo las
utilidades esperadas?
Como se afectara la decisin si la probabilidad fuera en vez de ?
15. Si la probabilidad de que, en un momento dado, el precio del barril de petrleo en el Mercado
Mundial se mantenga constante es 0.46; las probabilidades de que el precio aumente $ 0.50 $ 1.00
son respectivamente 0.17 y 0.23 y la probabilidad de que el precio disminuya $ 0.25 es 0.14, Cul
es el aumento esperado en el precio del barril de petrleo?
16. Suponga que el 40% de los empleados de una gran firma estn a favor de la representacin
sindical, y que se pide una respuesta annima a una muestra aleatoria de 10 empleados.
1.
2.
a)
b)
c)
92
17. La probabilidad de que un posible cliente haga una compra cuando un vendedor se comunique
con l es 0.40. Si un vendedor selecciona aleatoriamente de un archivo 3 posibles clientes y se
comunica con ellos.
1. Cul es la probabilidad de que el vendedor haga
a) 3 ventas
b) por lo menos 2 ventas
2. Cuntas ventas espero que haga el vendedor a largo plazo?
3. Calcule la desviacin estndar del nmero de ventas.
18. La probabilidad de que un empleado elegido al azar este participando en un programa de
inversin en acciones de una compaa es 0.30. Si se eligen al azar 5 empleados.
Cul es la probabilidad de que el nmero de participantes sea
a) Exactamente 3 empleados?
b) Menos de 3 empleados?
c) Por lo menos 4 empleados?
19. Un gerente de un banco sabe por experiencia que, en promedio, el 10% de los clientes
de prstamos fallan en sus pagos. Un da el gerente autoriza 7 prstamos.
1. Cul es la probabilidad de que:
a) Ninguno falle en sus pagos?
b) Uno falle en sus pagos?
c) Al menos dos fallen en sus pagos?
2. Cuntos clientes espero que fallen en sus pagos despus de muchas autorizaciones de ese
tipo.
3. Calcule la desviacin estndar del nmero de clientes que fallan en sus pagos.
20. Con base en la experiencia anterior, el 15% de las facturas de una compaa que vende libros
por correo estn incorrectas. Si se selecciona una muestra aleatoria de 3 facturas actuales,
1. Obtenga la expresin matemtica que define la distribucin de probabilidad del nmero de
facturas incorrectas.
2. Cul es la probabilidad de que:
a) dos facturas estn incorrectas?
b) No ms de dos facturas estn incorrectas?
93
22. La probabilidad de que un vendedor de seguros efecte la venta en su primer visita a un cliente
nuevo es de 0.25. Si el vendedor va a visitar hoy a 3 nuevos clientes,
1. Cul es la probabilidad de que efecte una venta a
a) exactamente un cliente nuevo
b) por lo menos dos clientes nuevos.
2. A cuntos clientes espera hacerle una venta despus de muchos das ?
23. Un auditor del Departamento del Impuesto sobre la Renta est seleccionando una muestra de 6
declaraciones de impuestos de personas de una profesin particular, para una posible auditora. Si
dos o ms de ellas indican deducciones no autorizadas, se auditar todo el grupo (poblacin) de
100 declaraciones. Cul es la probabilidad de una auditora ms detallada si el porcentaje de
declaraciones incorrectas es:
a) 25 ?
b) 30 ?
c) Comente las diferencias en sus resultados dependiendo del porcentaje real de declaraciones
incorrectas.
24. El cuerpo secretarial de un importante bufete de abogados contiene 25 secretarias, 10 de las
cuales han estado con la firma ms de 5 aos. Si un ejecutivo selecciona al azar a 3 secretarias para
asignarlas a un asunto nuevo,
1. Cul es la probabilidad de que:
a) ninguna tenga ms de 5 aos de experiencia.
b) dos tengan ms de 5 aos de experiencia.
2. Escriba la expresin matemtica que define la distribucin de probabilidad del nmero de
secretarias con ms de 5 aos de experiencia.
94
25. Un auditor esta analizando los documentos por pagar de una empresa comercial. En
este momento hay 800 documentos firmados por esa empresa.
Como
el nmero de documentos es relativamente elevado, el auditor decide extraer una muestra de 8
documentos e investigarlos. La decisin de aprobar la cuenta o de seguir investigando
depende del resultado de la nuestra. El auditor decide certificar las cuentas por pagar, si a lo
ms uno de los 8 documentos muestreados es errneo, y continuar investigando si encuentra dos o
ms documentos errneos.
Si en realidad hay 16 documentos errneos.
a) Cul es la probabilidad de que el auditor certifique las cuentas?
b) Cul es la probabilidad de que decida continuar investigando?
Sugerencia: Aproxime las probabilidades con una distribucin binomial.
26. Se embarcan motores elctricos pequeos en lotes de50. Antes de que tal cargamento
sea aceptado, un inspector elige 5 motores y los inspecciona. Si ninguno de los motores
probados es defectuoso, el lote es aceptado. Si se encuentra que uno o ms son defectuosos, se
inspecciona el cargamento completo. Suponiendo que en realidad hay 3 motores defectuosos en el
lote.
Cul es la probabilidad de que no sea necesaria una inspeccin completa?
27. Un representante de ventas debe visitar 6 ciudades en un viaje. Suponga que existen
10 ciudades en el rea geogrfica a visitar, de las cuales 6 de ellas son mercados primarios
para el producto en cuestin, mientras que las otras 4 constituyen mercados secundarios. Si el
vendedor elige en forma aleatoria las 6 ciudades que va a visitar.
1. Determine la expresin matemtica que define la distribucin de probabilidad del nmero de
ciudades que son mercados primarios.
2. Cul es la probabilidad de que:
a) cuatro de ellas resulten ser mercados primarios?
b) todas sean mercados primarios?
28. En la Contralora General de la Repblica (CGR) hay 20 solicitudes para trabajar como auditor.
Si se aprueban 10 solicitudes, cul es la probabilidad de qu se encuentren las 5 mejores de todas
las solicitudes?
29. El nmero promedio de llamadas por minuto recibidas en un taller de servicio de televisin es
de 1.2
1. Determine la expresin matemtica que define la distribucin de probabilidad del nmero de
llamadas recibidas por minuto
2. Cul es la probabilidad de que en un minuto dado:
a) se reciban menos de dos llamadas
b) se reciban 4 llamadas
3. Cul es la probabilidad de que en 5 minutos dados.
a) se reciban 2 llamadas
b) al menos una llamadas
95
28. Los empleados de una oficina del Banco Central atienden como promedio120 personas en una
hora de aglomeracin. Si se sabe que como mximo estos empleados pueden atender 3 personas por
minuto, Cul es la probabilidad de que en un minuto dado:
a) no haya cola en la oficina?
b) haya cola en la oficina?
c) hayan 3 personas en la cola de la oficina?
29. Suponga que el nmero de defectos por yarda cuadrada de cierto tipo de tela tiene
una distribucin de probabilidad de Poisson. Segn la experiencia de la fbrica, el nmero
promedio de defectos es de 1.5. Calcular la probabilidad de que una yarda cuadrada tenga:
a) Tres defectos o menos.
b) Entre 3 y 5 defectos.
30. Una oficina policial del pas Homicilandia reporta que en dicho pas hay un nmero promedio
de 2 homicidios diarios.
1. Construya la expresin matemtica que define la distribucin de probabilidad del nmero de
homicidios diarios.
2. Determine la probabilidad de que en un da determinado haya:
a) menos de 3 homicidios.
b) Al menos 2 homicidios.
31. Desde el ao 1998, la clausura de bancos por problemas financieros ha ocurrido a razn de 5.7
clausuras por ao, en promedio. Suponga que el nmero de cierres X en un determinado perodo de
tiempo tienen una distribucin de probabilidad de Poisson.
a) Encuentre la probabilidad de que por lo menos tres bancos sean clausurados durante un ao
determinado.
b) Encuentre la probabilidad de que ningn banco sea clausurado durante un perodo de 4
meses.
32. El conmutador telefnico de una empresa puede manejar un mximo de 5 llamadas
por minuto. Si la experiencia indica que recibe un promedio de 120 llamadas por hora,
encuentre la probabilidad de que en un determinado minuto el conmutador est sobrecargado.
33. Se supone segn la experiencia que el 2% de las facturas de una empresa que vende libros por
correo estn incorrectas. Si se selecciona una muestra aleatoria de 20 facturas, encuentre la
probabilidad de que cuando menos una factura este incorrecta
Sugerencia: Aproxime la probabilidad con una distribucin de Poisson.
34. Para el ejercicio 21 suponga que se expone una muestra de 30 insectos al insecticida.
Cul es la probabilidad aproximada, segn la distribucin de Poisson, de que
a) sobreviva un insecto
b) no sobreviva ninguno
96
f (x ) 1
i
Cuando una variable aleatoria X es continua no tiene sentido hacer una suma de probabilidades en
el sentido anterior ya que su conjunto de valores posibles es no numerable.
En este caso, se generalizar el concepto de suma () con el concepto de integral ( ).
Por tanto, cuando la variable aleatoria sea contnua ser necesario introducir el siguiente concepto
que sustituya al de funcin de probabilidad de una variable aleatoria discreta.
Funcin de densidad de probabilidad de una variable aleatoria X continua.
Es una funcin f : R R integrable, que cumple las siguientes condiciones:
i)
f ( x) 0
ii)
f ( x ) d x 1
X b )
f ( x ) d x A
97
Esto es, el rea que existe entre la funcin, el eje x y las rectas x = a y x = b.
f(X)
Figura 4.1
No ser inters hablar de la probabilidad de que X tome un valor particular a, ya que siempre
tendremos que:
P(X = a) = 0
Por esta razn, la probabilidad de que X tome un valor comprendido en un intervalo no se ver
afectada por el hecho de que este sea abierto o cerrado en cualquiera de sus extremos:
P ( a X b ) = P ( a X b ) = P ( a X b ) = P ( a X b )
P ( X a ) = P ( X a )
P ( X a ) = P ( X a )
De todos los modelos probabilsticos contnuos que existen estudiaremos a continuacin el ms
importante segn sus aplicaciones a situaciones reales.
4.2
DISTRIBUCION NORMAL
f(x)
N (
x -
- 1
- x
e 2.71828 L
98
CARACTERISTICAS.
1. Es una familia de distribuciones normales de tal forma que cada vez que se especifican
2
los parmetros y
se identifica al correspondiente miembro de la familia, esto es, se
produce una distribucin normal particular.
2
X =
V( X )
Figura 4.2
4. La mediana y la moda coinciden con , y por lo tanto, es simtrica con respecto a , as que
P ( X ) = P ( X ) =
1
2
99
2
Figura 4.3
En la figura 4.3 se dan tres funciones de densidad de probabilidad normales. Las funciones de
densidad de probabilidad A y B tienen la misma media 1 pero diferentes desviaciones estndar.
La desviacin estndar de la funcin de densidad de probabilidad B es menor que la
desviacin
estndar de la funcin de densidad de probabilidad de A, motivo por el cual aparece ms apuntada .
Por otra parte, las funciones de densidad de probabilidad A y C tienen la misma desviacin estndar
pero medias diferentes. Ms an, las funciones de densidad de probabilidad de B y C tienen
diferentes medias y tambin diferentes desviaciones estndar.
4.2.2 LA DISTRIBUCION NORMAL ESTANDAR
Si una variable aleatoria Z tiene una distribucin normal con parmetros Z = 0 y Z = 1
entonces estamos en presencia de un miembro muy honorable de la familia, que
llamaremos distribucin normal estndar. La figura 4.4 ilustra esta distribucin.
Z = 1
= 0
Figura 4.4
100
1
f ( z ) e 2
2
Z2
- z
Z = 1
Z = 0
X
Figura 4.5
X -
Z ~ N ( 0 , 1 )
101
P ( Z z )
- f ( s ) d s
Figura 4.6
Figura 4.7
Con el propsito de no recurrir a los mtodos de integracin numrica se ha elaborado una tabla para
la funcin de distribucin acumulada de Z, que nos permite leer directamente el valor de F ( z ) para
cualquier valor z.
USO DE LA TABLA
Note que la tabla consta de dos partes, una arriba, para los valores negativos de z y otra abajo para
los valores positivos de z.
Observe, para ambas partes de la tabla, que en el mrgen izquierdo est el dgito unitario y
una dcima de z, mientras que en el margen superior se encuentran las centsimas de z.
EJEMPLO 4.1
Encuentre P ( Z - 1.24 )
102
- 1.24 )
F ( - 1.24 )
- 1.24
f (z)dz
Para no calcular la integral definida anterior es que usaremos la tabla 1, que aparece en la pgina
111, de la siguiente manera: Bajamos sobre el mrgen izquierdo o columna z, de la parte de arriba
de la tabla, hasta encontrar -1.2, luego buscamos en el margen superior el 4.
Ahora tracemos dos lneas imaginarias, una horizontal que pase por 1.2 y otra vertical que pasa
por 4. En la interseccin de las lneas anteriores encontraremos el valor 0.1075.
De manera que F (-1.24 ) = 0.1075.
La ilustracin grfica del resultado anterior es
0.1075
- 1.24
Figura 4.8
4.2.5 COMO CALCULAR PROBABILIDADE DE EVENTOS DESCRITOS POR
VARIABLES ALEATORIAS NORMALES.
2
Suponga que la variable aleatoria X tienen una distribucin normal con parmetros y .
Estamos interesados en calcular probabilidades de eventos de finidos por X. Segn la forma en que
se definan estos eventos, consideraremos los siguientes casos:
Caso 1.
El evento tiene la forma X c donde c es un valor determinado, queremos calcular P ( X c ).
Lo primero que tenemos que hacer es estandarizar la variable aleatoria X y el valor c.
Una ilustracin grfica sera la siguiente donde se ha sombreado el rea que representa P ( X c )
A
x -
Z
0
Figura 4.9
103
Esta rea acumulada a la izquierda de c -
Caso 2.
Figura 4.10
Como la distribucin normal es simtrica podemos escribir que:
P ( X c ) = 1 - P ( X c ) = A
Esto es, el rea acumulada a la derecha de c es igual a 1 menos el rea acumulada a la izquierda
de c. El rea acumulada a la izquierda de c, esto es, P ( X c ) se encuentra aplicando el Caso 1.
Caso 3.
El evento tiene ahora la forma a X b donde a y b son valores determinados,
queremos calcular P ( a X b ). Una ilustracin grfica sera la siguiente donde se ha
sombreado el rea que representa P ( a X b ).
A
a
Figura 4.11
104
A = 0.158 7
300
= 350
-1
Figura 4.12
Como el evento X 300 corresponde al Caso 1, tenemos que:
50
P ( Z
-1 )
F ( -1 0.1587
)
105
= 350
280
Figura 4.13
Como el evento X 280 corresponde al caso 2, tenemos que:
P ( X 280 ) = 1 - P ( X 280 )
50
P ( Z -1.40)
= F ( - 1.40 ) = 0.0808
A = 0.6967
300
= 350
Figura 4.14
403
106
50
P ( Z 1.06 )
F (1.06 )
0.8554
2. Suponga que un momento dado se disponen de 500 computadoras de esa marca y modelo,
Cuntas espero que operen en formas efectiva despus de 280 horas?.
Como hay 500 computadoras espero
500 P ( X 280 ) = 500 ( 0.9192 ) = 459.6 computadoras.
3. En cuntas horas estarn descompuestas el 99% de esas computadoras?
Recordemos que X representa el tiempo de operacin en forma efectiva de las computadoras.
Supongamos que a representa el mximo tiempo en horas que tarda en descomponerse el 99% de
esas computadoras, entonces.
A = 0.99
= 350
Figura 4.15
P ( X a ) = 0.99
P Z a - 350
50
Estandarizando X y a obtenemos
P ( Z
2.33 )
a - 350
2.33
50
107
EJEMPLO 4.3
En la rama de la construccin est establecido por la ley un salario mnimo de C$ 12 por hora para
los obreros. Si suponemos que los salarios en esta rama estn distribuidos normalmente con una
media de C$ 18 por hora y una desviacin estndar de C$ 3.
i) Qu porcentaje de los obreros podran iniciar un proceso de demanda por incumplimiento a la
ley?
Supongamos que la variable aleatoria X representa al salario de los obreros.
Sabemos que X N ( = 18 , = 3 ).
Cuando el salario X no llega al mnimo se puede iniciar un proceso de demanda, esto es, cuando
X 12. Por tanto calcularemos P ( X 12).
Una ilustracin grfica de la estandarizacin de X y 12 aparece a continuacin donde se ha
sombreado el rea representada por P ( X < 12 ).
= 3
A = 0.0227
A = 0. 0227
12
= 18
-2
Figura 4.16
Como el evento X 12 corresponde al caso 1, tenemos que:
P ( X 12 ) P Z 12 - 18
P ( Z - 2 0.0227
)
P Z
Luego
c - 18
3
P ( X c ) = 0.90
c - 18
P ( Z 1.28 )
3
108
A la derecha de z es
a la derecha de z es
a la izquierda de z es
a la derecha de z es
0.9983
0.7324
0.1314
0.2981
3. Las encuestas realizadas por una corporacin financiera han revelado que la vida de una cuenta
regular de ahorros abierta en uno de sus bancos tiene una distribucin normal con un promedio de
26 meses y una desviacin estndar de 8.2 meses.
Si un depositante abre una cuenta en un banco que es miembro de esa corporacin:
a) Cul es la probabilidad de que en esa cuenta haya todava dinero despus de 30 meses?
b) Cul es la probabilidad de que la cuenta haya sido cancelada antes de un ao y medio?
4.
La vida de un cierto tipo de tubo fluorescente est normalmente distribuida y su media es 1500
horas con una desviacin estndar de 250. La UNAN colocar 1200 de ellos en el prximo ao (en
el mes de Enero). Se calcula que esos tubos trabajarn 6 horas diarias, con 105 das de inactividad
en el ao. Para confeccionar el plan de piezas de repuesto del prximo ao, Qu cantidad de tubos
habr que tener de reserva para que se mantengan 1200 de ellos funcionando?
5.
El nmero de das entre la facturacin y el pago de las cuentas de crdito de un almacn tiene
una distribucin aproximadamente normal con una media de 18 das y desviacin estndar de 4 das.
a) Qu proporcin de las cuentas sern pagadas.
a.1. entre 12 y 18 das?
a.2. en menos de 8 das?
a.3. en 12 das o ms.
b) En cuntos das estarn pagadas el 99.5% de las cuentas?
109
6.
La empresa Consolidada de Conformacin de Metales produce varillas de aluminio. Se
conoce que segn el proceso empleado se fabrican varillas cuyas longitudes son
normalmente distribuidas con media poblacin igual a 6.00 pulg y desviacin estndar igual a
0.30 pulg. Si las especificaciones requeridas para las longitudes son desde 5.60 pulg hasta 6.50
pulg:
a) Qu proporcin de las varillas son cortas?
b) La empresa afirma que a lo sumo el 5% de las varillas resultan largas. Es cierta dicha
afirmacin? Explique su respuesta.
7.
El editor de una editorial calcula que transcurren en promedio 11 meses antes de terminar el
proceso de publicacin, desde la elaboracin del manuscrito hasta terminar con el libro, con
una desviacin estndar de 2.4 meses. Piensa que la distribucin normal describe bien los
tiempos de publicacin. De 19 libros que tendr a su cargo este ao, aproximadamente cuntos
finalizarn el proceso en menos de un ao ?
8.
La duracin de un determinado tipo de lavadora automtica tiene una distribucin
aproximadamente normal, con una media de 3.1 aos y una desviacin estndar de 1.2 aos.
Qu proporcin del total de unidades vendidas tendr que ser reemplazado si la garanta es de
un ao.?
9.
Suponga que el tiempo necesario para que germine una variedad de semillas de una planta est
normalmente distribuido con una media de 15 das y desviacin estndar de 4 das.
a) Qu proporcin de las semillas deben germinar
a.1. antes de 19 das?
a.2. despus de 23 das?
b) A los cuntos das deben haber germinado tres cuartas partes de las semillas?
10. Un anlisis de duracin de llamadas telefnicas locales hechas desde la oficina de una empresa
muestra que el tiempo de llamadas es una variable aleatoria que tiene una
distribucin aproximadamente normal con una media de 125.7 segundos y una desviacin
estndar de 30 segundos. Qu porcentaje de estas llamadas.
a) Es mayor que 3 minutos?
b) Es cuando mucho, 2 minutos?
c) Est entre 120 y 180 segundo?
11. La direccin de carreteras de un estado se encuentra conque su ingreso anual por cuotas esta
normalmente distribuido con una media de 700000 dlares y una desviacin de 50000. El
gerente desea saber:
a) La probabilidad de que queden cubiertos los gastos de operacin del ao prximo que
ascienden a 680000 dlares.
b) La probabilidad de que estos gastos queden cubiertos en los siguientes dos aos (suponiendo
que el monto de ingreso de un ao sea independiente del ao anterior).
c) El monto del ingreso en el mejor 25% de los aos.
110
12. En un estado hay x gasolineras cuyos ingresos son normalmente distribuidos con una media de
29000 dlares al ao y una desviacin estndar de 5100. Unas 189 gasolineras ganan entre 26000 y
31000 dlares al ao. Cuntas gasolineras hay en el estado?.
13. Supongamos que la vida til de cierta marca de llanta de automvil se
distribuye aproximadamente normal con media y desviacin estndar iguales a 32,000 y
1000 millas respectivamente.
a) Cul es la probabilidad de que una llanta dure al menos 30,350 millas?
b) Si una empresa ha tenido que reemplazar el 5% de las llantas vendidas, Cul fue la garanta
utilizada?
14. La demanda semanal de artculos que produce una empresa es una variable
aleatoria aproximadamente normal con una media de 20 artculos y una desviacin estndar de 2
artculos.
Cul es la probabilidad de que cierta semana la demanda sea:
i)
ii)
15. Una empresa de jabonera y perfumera usa una mquina para llenar cajas con polvo facial.
En un informe del departamento de control estadstico de la calidad, se afirma que los pesos netos de
las cajas estn distribuidos normalmente con una media igual a 15 onzas y desviacin estndar igual
a 0.8 onzas.
a) Se selecciona al azar una caja, cul es la probabilidad de que tenga un peso neto mayor de
14.5 onzas?
b) Si cierto da la mquina llena 1500 cajas, cuntas cajas tendrn pesos netos menores que
14.5 onzas?
16. En un curso de Estadstica el 15% de los estudiantes, los mejores, recibieron un premio y el
10%, los peores, perdieron el curso.
Suponiendo que las calificaciones del curso estn distribuidas normalmente con una media de 76
y una desviacin estndar de 15.
i) Cul fue la calificacin mnima para aprobar.
ii) Cul fue la calificacin mnima para ganar un premio.
17. Se estima que aproximadamente la demanda semanal de diesel en una gasolinera estar
normalmente distribuida con una media de 1000 galones y una desviacin estndar de 50 galones.
La gasolinera se abastecer de diesel una vez a la semana. Cul debe ser la capacidad de su tanque,
si suponemos que la probabilidad de que se termine el diesel en una semana es 0.01.
111
Tabla 1
-3.
.0013
-2.9
-2.8
-2.7
-2.6
-2.5
.0019
.0026
.0035
.0047
.0062
.0018
.0025
.0034
.0045
.0060
.0017
.0024
.0033
.0044
.0059
.0017
.0023
.0032
.0043
.0057
.0016
.0023
.0031
.0041
.0055
.0016
.0022
.0030
.0040
.0054
.0015
.0021
.0029
.0039
.0052
.0015
.0021
.0028
.0038
.0051
.0014
.0020
.0027
.0037
.0049
.0014
.0019
.0026
.0036
.0048
-2.4
-2.3
-2.2
-2.1
-2.0
.0082
.0107
.0139
.0179
.0227
.0080
.0104
.0136
.0174
.0222
.0078
.0102
.0132
.0170
.0217
.0075
.0099
.0129
.0166
.0212
.0073
.0096
.0125
.0162
.0207
.0071
.0094
.0122
.0158
.0202
.0069
.0091
.0119
.0154
.0197
.0068
.0089
.0116
.0150
.0192
.0066
.0087
.0113
.0146
.0188
.0064
.0084
.0110
.0143
.0183
-1.9
-1.8
-1.7
-1.6
-1.5
.0287
.0359
.0446
.0548
.0668
.0281
.0351
.0436
.0537
.0655
.0274
.0344
.0427
.0526
.0643
.0268
.0336
.0418
.0516
.0630
.0262
.0329
.0409
.0505
.0618
.0256
.0322
.0401
.0495
.0606
.0250
.0314
.0392
.0485
.0594
.0244
.0307
.0384
.0475
.0582
.0239
.0300
.0375
.0465
.0571
.0233
.0294
.0367
.0455
.0559
-1.4
-1.3
-1.2
-1.1
-1.0
.0808
.0968
.1151
.1357
.1587
.0793
.0951
.1131
.1335
.1562
.0778
.0934
.1112
.1314
.1539
.0764
.0918
.1093
.1292
.1515
.0749
.0901
.1075
.1271
.1492
.0735
.0885
.1056
.1251
.1469
.0721
.0869
.1038
.1230
.1446
.0708
.0853
.1020
.1210
.1423
.0694
.0838
.1003
.1190
.1401
.0681
.0823
.0985
.1170
.1379
-.9
-.8
-.7
-.6
-.5
.1841
.2119
.2420
.2743
.3085
.1814
.2090
.2389
.2709
.3050
.1788
.2061
.2358
.2676
.3015
.1762
.2033
.2326
.2643
.2981
.1736
.2005
.2297
.2611
.2946
.1711
.1977
.2266
.2578
.2912
.1685
.1949
.2236
.2546
.2877
.1660
.1921
.2206
.2514
.2843
.1635
.1894
.2177
.2483
.2810
.1611
.1867
.2148
.2451
.2776
-.4
-.3
-.2
-.1
-.0
.3446
.3821
.4207
.4602
.5000
.3409
.3783
.4168
.4562
.4960
.3372
.3745
.4129
.4522
.4920
.3336
.3707
.4090
.4483
.4880
.3300
.3669
.4052
.4443
.4840
.3264
.3632
.4013
.4404
.4801
.3228
.3594
.3974
.4364
.4761
.3192
.3557
.3936
.4325
.4721
.3156
.3520
.3897
.4286
.4681
.3121
.3483
.3859
.4247
.4641
.0
.1
.2
.3
.4
.5000
.5398
.5793
.6179
.6554
.5040
.5438
.5832
.6217
.6591
.5080
.5478
.5871
.6255
.6628
.5120
.5517
.5910
.6293
.6664
.5160
.5557
.5948
.6331
.6700
.5199
.5596
.5987
.6368
.6736
.5239
.5636
.6026
.6406
.6772
.5279
.5675
.6064
.6443
.6808
.5319
.5714
.6103
.6480
.6844
.5359
.5753
.6141
.6517
.6879
.5
.6
.7
.8
.9
.6915
.7257
.7580
.7881
.8159
.6950
.7291
.7611
.7910
.8186
.6985
.7324
.7642
.7939
.8212
.7019
.7357
.7673
.7967
.8238
.7054
.7389
.7704
.7995
.8264
.7088
.7422
.7734
.8023
.8289
.7123
.7454
.7764
.8051
.8315
.7157
.7486
.7794
.8079
.8340
.7190
.7517
.7823
.8106
.8365
.7224
.7549
.7852
.8133
.8389
1.0
1.1
1.2
1.3
1.4
.8413
.8643
.8849
.9032
.9192
.8438
.8665
.8869
.9049
.9207
.8461
.8686
.8888
.9066
.9222
.8485
.8708
.8907
.9082
.9236
.8508
.8729
.8925
.9099
.9251
.8531
.8749
.8944
.9115
.9265
.8554
.8770
.8962
.9131
.9279
.8577
.8790
.8980
.9147
.9292
.8599
.8810
.8997
.9162
.9306
.8621
.8830
.9015
.9177
.9319
1.5
1.6
1.7
1.8
1.9
.9332
.9452
.9554
.9641
.9713
.9345
.9463
.9564
.9649
.9719
.9357
.9474
.9573
.9656
.9726
.9370
.9484
.9582
.9664
.9732
.9382
.9495
.9591
.9671
.9738
.9394
.9505
.9599
.9678
.9744
.9406
.9515
.9608
.9686
.9750
.9418
.9525
.9616
.9693
.9756
.9429
.9535
.9625
.9700
.9761
.9441
.9545
.9633
.9706
.9767
2.0
2.1
2.2
2.3
2.4
.9773
.9821
.9861
.9893
.9918
.9778
.9826
.9864
.9896
.9920
.9783
.9830
.9868
.9898
.9922
.9788
.9834
.9871
.9901
.9925
.9793
.9838
.9875
.9904
.9927
.9798
.9842
.9878
.9906
.9929
.9803
.9846
.9881
.9909
.9931
.9808
.9850
.9884
.9911
.9932
.9812
.9854
.9887
.9913
.9934
.9817
.9857
.9890
.9916
.9936
2.5
2.6
2.7
2.8
2.9
.9938
.9953
.9965
.9974
.9981
.9940
.9955
.9966
.9975
.9982
.9941
.9956
.9967
.9976
.9982
.9943
.9957
.9968
.9977
.9983
.9945
.9959
.9969
.9977
.9984
.9946
.9960
.9970
.9978
.9984
.9948
.9961
.9971
.9979
.9985
.9949
.9962
.9972
.9979
.9985
.9951
.9963
.9973
.9980
.9986
.9952
.9964
.9974
.9981
.9986
3.
.9987
112
BIBLIOGRAFIA
Elementos bsicos de Estadstica Ecnomica y Empresarial
A. M. Montiel Torres
F. Rius Daz
F. J Barn Lpez
Prentice Hall, Espaa, 1997