Administrativa I
2016-1
Capítulo VII
• Distribuciones de probabilidad
• Distribución binomial
• Distribución normal
Distribuciones de
probabilidad
Son similares a las distribuciones de frecuencias
relativas; pero, en lugar de analizar el pasado,
describe la probabilidad de que un evento ocurra
en el futuro.
Desarrollo
La variable “Lanzar moneda” tiene dos eventos,
cara y escudo. Las opciones que se tienen
empiezan de la siguiente manera:
Opción 1: 1° vez cara, 2° vez cara, 3° vez cara
Opción 2: 1° vez cara, 2° vez cara, 3° vez escudo
Opción 3: 1° vez cara, 2° vez escudo, 3° vez cara
5
. . . Ejemplo 7.1
• Resumen
Opción 1° vez 2° vez 3° vez Caras
1 C C C 3
2 C C E 2
3 C E C 2
4 C E E 1
5 E C C 2
6
6 E
E C
C E
E 1
7
7 E
E E
E C
C 1
8
8 E
E E
E E
E 0
6
. . . Ejemplo 7.1
Crear una tabla con las frecuencias para cada
opción en que cae “cara”, siendo que:
• 1 opción en la que no cae ninguna cara
• 3 opciones en la que cae una cara
• 3 opciones en la que caen dos caras
• 1 opción en la que caen las 3 caras.
Caras Frecuencia
0 1
1 3
2 3
3 1 7
. . . Ejemplo 7.1
Calcular la frecuencia relativa (probabilidad)
de la tabla:
Frecuencia
Caras Frecuencia Probabilidad
relativa
0 1 1/8 = 0.1250
1 3 3/8 = 0.3750
2 3 3/8 = 0.3750
3 1 1/8 = 0.1250
1.0000
Distribución de
probabilidad 8
. . . Ejemplo 7.1
2. Cuántas posibilidades existen en el caso que se lance al
aire una moneda 5 veces.
Desarrollo
La variable “Lanzar moneda” tiene 2 eventos (cara
y escudo) y se quiere lanzar 5 veces.
25 = 32
Se tendrían 32 opciones.
Para construir la distribución de
𝑛!
probabilidad de las veces que se 𝑛 𝐶𝑟 =
puede caer escudo se utiliza la fórmula 𝑟! 𝑛 − 𝑟 !
de combinaciones. 9
𝑛!
. . . Ejemplo 7.1 𝑛 𝐶𝑟 =
𝑟! 𝑛 − 𝑟 !
Veces que aparece una cara
Caras Frecuencia 5! 5!
5 𝐶0 = = =1
0! 5 − 0 ! 5!
0 5! 5!
5 𝐶1 = = =5
1 1! 5 − 1 ! 4!
2 5! 5!
5 𝐶2 = = = 10
2! 5 − 2 ! 2! 3!
3 5! 5!
5 𝐶3 = = = 10
4 3! 5 − 3 ! 3! 2!
5! 5!
5 5 𝐶4 = = =5
4! 5 − 4 ! 4! 1!
5! 5!
5 𝐶5 = = =1
5! 5 − 5 ! 5! 0! 10
. . . Ejemplo 7.1
Tabla de frecuencias Distribución de probabilidad
0 1 0 0.0313
1 5 1 0.1563
2 10 2 0.3125
3 10 3 0.3125
4 5 4 0.1563
5 1 5 0.0313
11
Características de una
distribución de probabilidad
12
Variables aleatorias
Siempre se que se hace referencia a
variables aleatorias, se debe asumir que el
experimento que se está llevando a cabo
es al azar.
14
Ejemplo 7.2 ….
15
Variable aleatoria continua
16
Ejemplo 7.3…
17
Medidas de ubicación y
dispersión
• Media
• Varianza
• Desviación estándar
18
Media
𝜇 = σ 𝑥 𝑃(𝑥)
19
Varianza y desviación estándar
• Mide el grado de dispersión de los datos con
relación al valor esperado.
• También es un valor ponderado entre las
diferencias de sus frecuencias, multiplicadas
por su respectiva probabilidad.
𝜎= 𝜎2 20
Ejemplo 7.4…
Juan Pérez vende vehículos en la empresa “El Pelícano”;
por lo general vende la mayor cantidad de vehículos los
días sábados. Ideó la siguiente distribución de
probabilidad de la cantidad que espera vender el próximo
sábado.
Cantidad de
vehículos Probabilidad
vendidos en P(x) Determinar el tipo de
sábado
distribución de probabilidad
0 0.10
1 0.20 ¿Cuántos automóviles
2 0.30 espera vender?
3 0.30 Desviación estándar
4 0.10
21
. . .Ejemplo 7.4
• Tipo de distribución: Aleatoria discreta
• Variable aleatoria: número de automóviles vendidos.
Vehículos
vendidos en Probabilidad
x * P(x)
día sábado P(x)
x
Vehículos
vendidos en Probabilidad
día sábado P(x) )( − − 𝑃( )
x
0 0.1 4.41 0.441
1 0.2 1.21 0.242
2 0.3 0.01 0.003
3 0.3 0.81 0.243
4 0.1 3.61 0.361
1.290
24
. . .Ejemplo 7.4
• Desviación estándar 𝜎= 𝜎2
𝜎 = 1.29 = 1.13578
25
Distribuciones de probabilidad
Discretas Continuas
• Binomial • Uniforme
• Hiper-geométrica • Normal
• Poisson
26
Distribuciones de probabilidad
discretas
• Binomial
• Hiper-geométrica
• Poisson
27
Distribución de
probabilidad binomial
Es una de las técnicas más utilizadas
con experimentos en los que se tienen
únicamente dos eventos.
28
Distribución de probabilidad
Binomial
29
Distribución binomial
𝑃 𝑥 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥
C : Combinación
n : Número de pruebas
𝑥 : Variable aleatoria definida
𝜋 : Probabilidad de éxito de cada prueba
𝜋 = 0.23 31
… Ejemplo 7.5 𝜋 = 0.23
a) ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy?
La empresa hace 5 vuelos diarios 𝑛=5
Probabilidad es 0.23 𝜋 = 0.23
𝑃 𝑥 = 0 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥
=5 𝐶0 (0.23)0 (1 − 0.23)5−0
5!
= 0.23 0 (0.77)5
0! 5 − 0 !
32
… Ejemplo 7.5
5!
𝑃 𝑥=0 = 0.23 0 (0.77)5
0! 5 − 0 !
5!
= 0.23 0 (0.77)5
0! 5 !
5!
= (1)(0.2707)
1 5 !
= 0. 2707
=5 𝐶1 (0.23)1 (1 − 0.23)5−1
5!
= 0.23 1 (0.77)4
1! 5 − 1 !
5!
= 0.23 1 (0.77)4
1! 4 !
𝜋 = 0.12 35
… Ejemplo 7.5 𝜋 = 0.12
a) ¿Cuál es la probabilidad de que el pedido se
entregue tarde a 1 o 2 ciudades?
Son 7 rutas las que se están evaluando 𝑛=7
Probabilidad histórica es 0.12 𝜋 = 0.12
𝑃 𝑥 = 1 𝑜 𝑥 = 2 = 𝑃 𝑥 = 1 + 𝑃(𝑥 = 2)
38
Medidas
* Media : 𝜇 = 𝑛𝜋
* Varianza : 𝜎 2 = 𝑛𝜋(1 − 𝜋)
39
Ejemplo 7.6…
US Airways tiene 5 vuelos diarios de Pittsburgh al Aeropuerto
de Bradford, Pennsylvania. La probabilidad histórica de que
cualquier vuelo llegue tarde es de 0.19.
Calcular el tiempo promedio de llegada tarde.
Calcular la variación estándar entre cada llegada tarde.
𝜇 = 𝑛𝜋
𝜎= 𝜎2 𝜎 2 = 𝑛𝜋 1 − 𝜋
40
Ejemplo 7.6…
Tiempo promedio de llegada tarde
𝜇 = 𝑛𝜋
𝜇 = 5 0.19 = 0.8
Calcular la variación estándar entre cada llegada tarde.
𝜎 2 = 𝑛𝜋 1 − 𝜋
𝜎 2 = 5 0.19 1 − 0.19
𝜎 2 = 0.7695
𝜎= 0.8895) = 0.941 41
Distribución de probabilidad
normal
Familias de distribuciones
de probabilidad normal
La distribución normal viene generada por una
fórmula compleja para trabajar con probabilidades
continuas. 2
1 𝑥−𝜇
−
𝑃 𝑥 = 𝑒 2𝜎 2
𝜎 2𝜋
Es una de las técnicas de investigación estadística más
utilizada con probabilidades estimadas con exactitud
variable.
La información base para trabajar con una distribución
normal son la Media poblacional y la Desviación estándar
poblacional. 43
Características de la distribución
normal
Tiene forma de campana y posee una sola cima en
el centro de la distribución.
La media aritmética, mediana y moda son
iguales.
Es simétrica con respecto a la media.
– Desciende suavemente en ambas
direcciones del valor central. Se
dice que la distribución es
asintótica.
• La localización es a través de la media
𝜇 y la desviación estándar 𝜎
Familia de distribuciones de
probabilidad normal.
• La curva varía en su forma
dependiendo de los resultados que
se obtengan de los estudios
realizados.
• Algunas curvas pueden parecerse;
pero, ser muy distintas.
• Se pueden obtener infinita cantidad
de distribuciones normales.
45
Distribución de probabilidad
normal estándar
Cualquier distribución de probabilidad normal se puede
convertir en una distribución de probabilidad normal
estándar.
𝑋−𝜇
𝑧=
𝜎
50
Ejemplo 7.7…
1. Los ingresos mensuales de los supervisores de los turnos
de la Maquila “El buen vestir” se rigen por una
distribución de probabilidad normal con media de
Lps.10,000.00 y una desviación estándar de Lps.850.
𝑋 = 12000
𝜇 = 10000
𝜎 = 850 51
. . . Ejemplo 7.7
a. ¿Cuál es el valor z para el ingreso X de un supervisor que
percibe Lps. 12,000.00 mensuales?
𝑋 = 12000 12000 − 10000 2000
𝑍= = = 2.35
𝜇 = 10000 850 850
𝜎 = 850
2.35
𝜇 𝑍 𝜎=1
−1.18
𝜎=1 𝑍 𝜇
[ 𝜇 − 1𝜎 , 𝜇 + 1𝜎 ]
Regla empírica
Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los56
Negocios y la Economía. México: McGrawHill
Ejemplo 7.8…
𝜇 = 47,200
𝜎 = 800 57
…Ejemplo 7.8 𝜇 = 47,200
𝜎 = 800
47200 + 800
=ቊ
47200 − 800
48000
=ቊ
46400
47200 + 1600
=ቊ
47200 − 1600
48800
=ቊ
45600
60
Área bajo la curva
normal
Aplicación de la distribución normal
estándar que determina el valor
existente entre el valor de la media y
el z elegido.
Distribución normal
Valor Z
Rango=[0,4[
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
62
Área bajo la curva normal
La base del área bajo la curva es el valor de z; con
el auxilio de la tabla de distribución normal.
Al estandarizar la información en 𝜇 = 0 𝑦 𝜎 = 1
se desglosa el valor de z en dos datos.
Los dos dígitos a la par del punto forman un dato
y el resto del decimal es el otro dato.
𝑧 = 1 .0 2 Dato 1: 1.0
Dato 1
Dato 2: 0.02
Dato 2
P(z = x. yz) 64
Distribución Normal
• Los cálculos para Z menor que 0 se realizan en
el lado positivo; es decir, si el valor de Z es -1.22,
se busca en la curva como si fuera 1.22
65
Tipos de áreas
El cálculo del área bajo la curva varía
dependiendo de las necesidades de la
probabilidad que se está buscando. La básicas
son las siguientes:
Tipos de Áreas
• Ubicar el z en la tabla,
unir la fila 1.2 con la
columna 0.03.
𝑃 𝑧 = −1.0 = 0.3413
72
Área después de z positivo
74
Área antes de z negativo
fila 0.7 con la columna 0.06 0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764
76
Área a ambos lados de 𝜇 = 0
𝑃 𝑧 = 0.72 = 0.2642
𝑃 𝑧 = 1.03 = 0.3485
• Sumar ambas probabilidades
• Suma de probabilidades
𝑃 𝑧 < 1.06 = 0.5 + 0.3554
𝑃 𝑧 < 1.06 = 0.8554
Área mayor que Z
• Suma de probabilidades
𝑃 𝑧 > 0.03 = 0.5 + 0.0120
𝑃 𝑧 > 0.03 = 0.5120
Área entre Z de signos iguales
87
𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
a) ¿Cuál es la probabilidad de que, al contratar un nuevo
supervisor, devengue entre L.9,500 y L.10,900?
• Datos poblacionales
𝜋 = 10,000
𝜎 = 850
• Calcular el valor de z para L.9,500.
9500 − 10000 −500
𝑧= =
850 850
𝑧 = −0.59
• Calcular el valor de z para L.10,900.
10900 − 10000 900
𝑧= =
850 850
𝑧 = 1.06 88
𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
• Calcular 𝑃(−0.59 < 𝑧 < 1.06)
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633