MODELOS DISCRETOS

26 de abril de 2012

UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA FACULTAD DE ADMINISTRACIN

TEMA: MODELOS DISCRETOS CURSO: TOMA DE DESICIONES EMPRESARIALES

DOCENTE: DR. LUIS PECHO TATAJE

SECCIN: INTEGRANTES:

IX A ALCA CERNA JANETH IVON HURTADO PALOMINO JOHANA IRIS NAVARRETE CACERES HAYDEE DELIA SANTI HUANCA LOURDES

Pgina 1

MODELOS DISCRETOS

26 de abril de 2012

DEDICATORIA Dedicamos nuestros este trabajo a que estn

padres nos

constantemente

apoyando y orientando a lo largo nuestra vida, para que

seamos buenos profesionales.

Pgina 2

MODELOS DISCRETOS

26 de abril de 2012

INTRODUCCIN

Un modelo es una abstraccin de la realidad, en donde partiendo de ciertos supuestos se obtienen unas conclusiones acerca del comportamiento del fenmeno analizado. En el caso concreto de los modelos discretos de probabilidad, estos representan funciones de masa que proporcionan la probabilidad de que una variable aleatoria tome un determinado valor, siempre que se den los supuestos que exige el modelo .De all, que lo ms importante antes de aplicar las propiedades del modelo, es reconocerlo y verificar que se cumplen los supuestos exigidos.

Pgina 3

MODELOS DISCRETOS

26 de abril de 2012

MODELO DISCRETO

MODELO DISCRETO EN EL TIEMPO: Es aquel que incluye slo variables y funciones discretas en el tiempo.

En la figura 1, la funcin h(n) es discreta en el intervalo de tiempo (n1, n2) por cuanto puede tomar valores solamente para determinados puntos del intervalo. Por ejemplo:

Cuando: n = 1, h(n) = 4 , n = 2, h(n) = 3

Cuando n toma un valor interno entre 1 y 2, digamos n = 1.5, la funcin h(n) no existe.
Pgina 4

MODELOS DISCRETOS

26 de abril de 2012

MODELO DISCRETO EN MAGNITUD: Es aquel que tiene solo variables, cuyo rango de magnitud varia en forma discreta.

En la figura (2) (a), en el instante t0, la funcin f(t) puede tomar solamente ciertos valores en el intervalo (y1 ,y2 ). Se trata de una funcin continua en el tiempo y discreta en magnitud ( en este caso el dominio es el tiempo). En particular, cuando t =t0 , la funcin f(t) puede tomar un valor igual a un elemento del conjunto (10, 15, 20,25 ) pero no puede tomar otros valores, digamos 11, 12.5, etc Mediante un argumento similar se observa que la figura (2)(b) corresponde a una funcin discreta en el dominio ( en este caso el tiempo), y discreta en magnitud. En particular, en el instante no, la funcin h(n) puede tomar un valor igual a 10,15, 25; es decir solo ciertos valores del intervalo (y1, y2).

Pgina 5

MODELOS DISCRETOS

26 de abril de 2012

MODELOS DISCRETOS

1.- MODELO BINOMIAL Se define como Experimento de Bernoulli a todo aquel que cumpla con los siguientes tres requisitos: Cada vez que se repita el experimento, slo hay dos resultados posibles excluyentes entre s, denominados xito y fracaso. El resultado obtenido en cada repeticin es independiente de las restantes. La probabilidad tanto del xito como del fracaso es constante en cada repeticin del experimento. Algunos ejemplos de experimentos de Bernoulli son los sucesivos lanzamientos de un dado en donde el xito es sacar un 6, o las sucesivas extracciones con devolucin de una ficha de una caja que contiene blancas y negras, y donde el xito es sacar negra. Ntese que si la extraccin es sin devolucin, ya no es un experimento de Bernoulli, porque la probabilidad de sacar negra no es la misma en cada extraccin, y adems no existe independencia entre las sucesivas extracciones.

1.1.CARACTERSTICAS:

En cada prueba del experimento slo son posibles dos resultados, el suceso A, que se llama xito, y su contrario Ac, al que se llama fracaso. El resultado obtenido en cada prueba es independiente de los resultados obtenidos en las pruebas anteriores. La probabilidad del suceso A es constante; por tanto, no vara de una prueba a otra. Se representa por p la probabilidad de A, y por q = 1 p la probabilidad de Ac .

Pgina 6

MODELOS DISCRETOS

26 de abril de 2012

Esta frmula viene del siguiente razonamiento: Para obtener x xitos es necesario que los (n-x) intentos restantes sean fracasos. Como se ha supuesto independencia entre las repeticiones, hay que multiplicar hay que multiplicar la probabilidad de x xitos que es p fracasos que
x

por la de (n-x)

es, y adems hay que considerar que esos x xitos pueden

estar colocados en cualquiera de los n puestos, y de all el combinatorio.

Ejemplo: Un examen de seleccin mltiple consta de diez preguntas con cuatro opciones de respuesta cada una, siendo una sola la correcta. Un estudiante responde cada pregunta seleccionando al azar y de manera independiente una delas cuatro opciones. Calcule la probabilidad de responder: a) 3 preguntas correctas. b) por lo menos 5 preguntas correctas

Solucin: El xito es responder correctamente una pregunta, mientras que la variable aleatoria X es el nmero de preguntas correctamente contestadas.

Pgina 7

MODELOS DISCRETOS

26 de abril de 2012

Esta variable X cumple con los supuestos del modelo binomial, con n=10, y p=1/4, lo que se abrevia escribiendo Xb (10; 1/4).La probabilidad de acertar 3 preguntas correctas equivale calcular f(3) es decir

La probabilidad de acertar 5 por lo menos es P(X 5) = 1- F (4) = 1- 0,9219=0,0781

3.- MODELO HIPERGEOMTRICO Este modelo ya no considera experimentos de Bernoulli, debido a que se aplica en situaciones donde la seleccin de los elementos se hace sin reemplazo, y por lo tanto ya no se cumple el supuesto de independencia entre las diferentes repeticiones, ni tampoco el de probabilidad constante en cada repeticin. La situacin descrita en este modelo es la siguiente: supngase que tiene una poblacin representada por una caja, en donde existen N elementos, y que adems existe un cierto atributo, que divide a esa poblacin en dos grupos, los que lo poseen que son en total A, y los que no lo poseen, que son los restantes

3.1 CARACTERSTICAS El tamao de la muestra (n) debe ser superior en un 5 % con respecto al tamao de la poblacin (N) La poblacin es finita. La probabilidad de xito no es constante, cambia para cada observacin.

Pgina 8

MODELOS DISCRETOS

26 de abril de 2012

(N-A) elementos.

Ejemplo: En una caja hay 6 piezas defectuosas y 14 buenas. Si se toma una muestra al azar de 4 piezas sin reemplazo, calcule la probabilidad de encontrar: a) 3 defectuosas, b) alguna defectuosa.

Pgina 9

MODELOS DISCRETOS

26 de abril de 2012

Solucin: Este es un modelo hipergeomtrico donde N = 6+14 = 20 piezas en total. El atributo es ser defectuosa porque las preguntas se refieren a la variable X = nmero de defectuosas en la muestra. A = 6, n= 4. Por tanto:

4. MODELO DE POISSON: El fsico y matemtico francs Simen Denis Poisson(1781-1840) observ que el nmero de veces en una unidad de tiempo que ocurra un cierto evento (en su caso, la emisin de partculas radioactivas), se concentraba siempre alrededor de un promedio, y que era muy poco probable encontrar observaciones alejadas de ese promedio, tanto por la izquierda como por la derecha, encontrando un comportamiento tal como el que se ilustra en la figura:

Pgina 10

MODELOS DISCRETOS

26 de abril de 2012

4.1 CARACTERSTICAS El nmero de observaciones por lo general debe ser mayor o igual que 30 (n 30). La probabilidad de xito debe ser sumamente pequeo por lo general p 0.05 %. Se le conoce como los sucesos raros porque suceden de vez en cuando.

Pgina 11

MODELOS DISCRETOS

26 de abril de 2012

Ejemplo: El nmero de llamadas que recibe una central telefnica sigue un modelo de Poisson con un promedio de 0,5 llamadas por minuto. Cul es la probabilidad de que en un lapso de 5 minutos se reciban: a) exactamente 2 llamadas? b) A lo sumo 3 llamadas? c) Alguna llamada?

Pgina 12