Beruflich Dokumente
Kultur Dokumente
5.1 INTRODUCCION
En este captulo definiremos las varianzas aleatorias y utilizaremos las leyes de probabilidad. Una variable aleatoria es una variable cuyo valor es el resultado de un evento aleatorio. Se supone que se lanza una moneda tres veces y se anota el nmero de caras que se obtienen. Los posibles resultados son 0 caras, 1 cara, 2 caras, o 3 caras. Las variables aleatorias pueden ser discretas o continuas: Una variable aleatoria discreta, puede asumir solo ciertos valores, con frecuencia nmeros enteros y resulta principalmente del conteo. Una variable aleatoria continua, resulta principalmente de la medicin y puede tomar cualquier valor, al menos dentro de un rango dado. Los pesos de agua mineral es un ejemplo, a que los contenedores pueden tomar cualquier valor entre 10 y 25 libras. Una distribucin de probabilidad es un despliegue de todos los posibles resultados de un experimento junto con las probabilidades de cada resultado. Se puede determinar la probabilidad de lanzar una moneda tres veces y obtener:
1. 2. 3. 4. ninguna cara es 1/8 1 cara es 3/8 2 caras es 3/8 3 caras es 1/8
Esta distribucin de probabilidad se presenta en la tabla 5.1 la cual muestra todos los resultados posibles y sus probabilidades. Vale la pena destacar que las probabilidades suman 1.
Resultado ( caras)
Probabilidad
1/8
3/8
2 3
3/8 1/8
SU FORMULA ES:
Media o valor esperado :
E(X)=[(xi)P(xi)]
VALOR ESPERADO
El valor esperado de una variable aleatoria discreta es la media ponderada de todos los resultados posibles en los cuales los pesos son las probabilidades respectivas de tales resultados .
Es el promedio de las desviaciones al cuadrado con respecto a la media. Su formula se representa asi :
= [(xi - u) P(xi)]
(la varianza mide la dispersion de los resultados alrededor de su media.)
1) El nmero de quejas de los empleados en FB company oscila entre 0 a 6 como se muestra en la siguiente tabla
(xi) QUEJAS 0 1 2 3 4 5 6
# DE DIAS 3 4 3 6 2 1 4 23
P(xi) 3/23 =0.1304 4/23=0.1739 3/23=0.1304 6/23=0.2608 2/23=0.0869 1/23=0.0434 4/23=0.1739 1.00
(xi)P(xi) (xi-u) P(xi) 0 (0-2.825)(0.1304) 0.1739 (1-2.825)(0.1739) 0.2608 (2-2.825)(0.1304) 0.7824 (3-2.825)(0.2608) 0.3476 (4-2.825)(0.0869) 0.2170 (5-2.825)(0.0434) 1.0434 (6-2.825)(0.1739) E(X) = 2.825 3.7946= 1.93=
Debido a que no se puede interpretar unidades al cuadrado es necesario convertirle a la varianza en desviacin estndar. El numero de quejas de los empleados estn dispersos en 1.93 con respecto a su media que es 2.82
2) El nmero de casas que Ponder Real vendi mensualmente vari de 5 a 20 junto con la frecuencia de cada nivel de ventas que aparece en las dos primeras columnas de la siguiente tabla : Calcule : el valor esperado y su varianza. Casas(xi) 5 8 10 12 17 20 # de meses 3 7 4 5 3 2 24 P(xi) 3/24 7/24 4/24 5/24 3/24 2/24 1.00 (xi) P(xi) (xi-u) P(xi) 0.625 (5-10.912)(0.125) 2.336 (8-10.912) (0.292) 1.670 (10-10.912)(0.167) 2.496 (12-10.912)(0.208) 2.125 (17-10912)(0.125) 1.660 (20-10.912)(0.083) E(X)=10.912 18.718= 4.236=
El Sr. Ponder espera que el promedio de sus ventas incrementen por encima de 7.3 que vendi hace meses anteriores y una variabilidad de las ventas mensuales que haba sido de =5.7. De lo contrario, el ha decidido vender el negocio .
INTERPRETACION:
Como conclusin podra decirse que el Sr.Ponder debe tranquilizarse porque ha incrementado su promedio mensual de ventas y ha disminuido su variabilidad.
5.3 LA DISTRIBUCIN BINOMIAL UNA DISTRIBUCIN DISCRETA DE PROBABILIDAD Los experimentos que tienen solo dos posibles resultados, siguen una distribucin binomial. Una distribucin normal presenta 4 propiedades:
Solo debe haber 2 posibles resultados. Uno se identifica como xito y el otro como fracaso.
La probabilidad de un xito, , sigue siendo constante de un ensayo al siguiente, al igual que la probabilidad de fracaso, 1- .
La probabilidad de un xito en un ensayo es totalmente independiente de cualquier otro ensayo. El experimento puede repetirse muchas veces.
UNA DISTRIBUCIN BINOMIAL.- Cada ensayo en una distribucin binomial termina en slo uno de 2 resultados mutuamente excluyentes, como un xito y como un fracaso. La probabilidad de cada resultado permanece constante de un ensayo al siguiente.
Si se conoce la probabilidad de que un ensayo determinado producir un xito, es posible estimar cuantos xitos habr en un nmero dado de ensayos.
Ejemplo:
Un gerente de crdito de American expresa ha descubierto que = 10% de los usuarios de tarjeta no paga el monto completo de la deuda durante un mes dado. Desea determinar la probabilidad que de n= 20 cuentas seleccionadas de manera aleatoria, x=5 de las cuentas no sean pagadas. Esto lo expresamos as:
Lo cual se lee como: La probabilidad de 5 xitos dado que hay 20 ensayos y la probabilidad de un xito de cualquier ensayo es del 10%. La probabilidad de que 5 cuentas de las 20 sigan sin ser canceladas se puede calcular utilizando:
Esta informacin se obtiene mas fcilmente utilizando la tabla B. Ejemplo: De acuerdo con el Peridico de Educacin Superior, el 40% de todos los bachilleres trabajan durante el verano para ganar dinero para la educacin universitaria correspondiente al siguiente perodo de otoo. Si 7 bachilleres se seleccionan de manera aleatoria. Cul es la probabilidad de que (a) 5 tengan trabajos de verano; (b) ninguno trabaje; (c) todos trabajen?
Solucin
a. Ubique el valor de n=7 y =0,40. La fila correspondiente a x=5 da un valor de 0,0774. Existe un 7,74% de probabilidad de que 5 de 7 bachilleres hayan tomado trabajos de verano para ganar el dinero para su educacin. Dado n=7 y =0,40, la probabilidad de que ninguno trabaje se muestra en la tabla como: La probabilidad de que todos los estudiantes trabajen parece ser:
b.
c.
Interpretacin
Es poco probable que ninguno de los estudiantes trabaje.
Por ejemplo para los residentes de Fatbush, si n=10: De las 10 personas seleccionadas aleatoriamente, se esperara que 7 estuvieran inscritas en internet. La varianza es:
Evento A 0 1 ( =0,40) 2 3 4 5 6 7
En la tabla B, se halla sumando P(X = 0)+P(X = 1)+P(X = 2)+P(X = 3)= 0,7102 Estas sumas se compilan en la tabla C, que muestra la probabilidad del numero de xitos que es igual o menor que cierta cantidad. Segn nuestro ejemplo:
La tabla C proporciona la probabilidad de que el nmero de xitos sea igual a o menor que cierta cantidad. Se supone que se desea conocer P(A) = P(X 5). La tabla C no dar directamente la probabilidad de que un nmero de xitos sea igual a o mayor que alguna cantidad.
Evento A 0 1 ( =0,40) 2 Evento 3 4 5 6 7
P(X 2) = 0,4199
Si > 0,50 se necesitan 2 arreglos ordenados. Se asume que el 80% de los graduados tomaron trabajos. Debe construirse un arreglo para = 0,80 y uno para = 0,20
Evento A 0 1 2 ( =0,80) 7 6 5 ( =0,20) Evento A 3 4 5 6 7
Evento
Si se desea la probabilidad de que 3 o menos estudiantes trabajen, se debe hallar P(A) = P(X 3 n = 7, = 0,80) Se observa que la probabilidad 3 o menos trabajen con = 0,80 es la misma que la probabilidad de que 4 o mas no trabajen. As P(A) tambin es igual a P(X 4n = 7, = 0,20). La tabla C no dar directamente la probabilidad de que X sea igual a o mayor que algn valor . La solucin es que se halle la probabilidad de A, es decir 3 o menos y se resta de 1 . P(X 3n = 7, = 0,80) = 1 - P(X 3n = 7, = 0,20) =
10,9667 = 0,0333
Ejercicio 11
Usted ha contratado 8 recepcionistas telefnicas para que tomen los pedidos para una lnea de productos deportivos que su empresa esta comercializando. Una recepcionista esta ocupada el 30% del tiempo catalogando un pedido. Usted no desea que la probabilidad de que una llamada del cliente se reciba con una seal de ocupado exceda del 50% Debera usted contratar mas recepcionistas si 3 clientes llaman?
Ejercicio 12
Una estudiante debe obtener por lo menos el 60% en un examen de verdadero y falso con 18 preguntas por responder. Si el estudiante lanza una moneda para determinar la respuesta a cada pregunta. Cul es la probabilidad de que el estudiante pase?
FORMULA
N: es el tamao de la poblacion r: es le numero de exitos en la poblacion n: es el tamao de la muestra x: es el numero de exitos en la muestra
Ejemplos
1) De los 15 altos ejecutivos de un negocio de importaciones y exportaciones se seleccionan 12 para se enviados al Japn a estudiar un nuevo proceso de produccin. Ocho de los ejecutivos ya tienen algo de entrenamiento en el proceso antes de partir para el lejano oriente.
Desarrollo
Interpretacin
Existe un 12% de probabilidad de que de los Ocho ejecutivos seleccionados, Cinco tengan el conocimiento sobre el proceso de importaciones y exportaciones antes de partir para el lejano oriente.
2) Una encuesta de la revista Fortune (marzo 17 de 1997) sirve como fuente para este problema, que su supervisor le solicita que resuelva. De los 10 empleados hombres 7 tenan esposas que tambin trabajaban. Cul es la probabilidad de que a lo sumo un esposo tenga una esposa que este empleada fuera de casa si se seleccionan 3 trabajadores al azar?
Desarrollo
Interpretacin
Existe un 17% de que de 3 empleados escogidos al azar un esposo tenga unas esposa y que esta sea empleada y trabaje fuera de casa.
Una variable aleatoria discreta de gran utilidad en la medicin de la frecuencia relativa de un evento sobre alguna unidad de tiempo o espacio es la distribucin de Poisson. Con frecuencia se utiliza para describir el numero de llegadas de clientes por hora, el numero de accidentes industriales cada mes, el numero de conexiones elctricas defectuosas por milla de cableado en un sistema elctrico de una ciudad, o el numero de maquinas que se daan y esperan ser reparadas.
En donde X es el numero de veces que ocurre le cuento. U es el numero promedio de ocurrencias por tiempo/espacio. e = 2,71828, la base del logaritmo natural.
unidad
de
Ejemplo.
Supongamos que se esta interesado en la probabilidad de que exactamente 5 clientes lleguen durante la siguiente hora (o en cualquier hora dada) laboral la observacin simple de las ultimas 80 horas ha demostrado que 800 clientes han entrado al negocio. Por tanto, u = 10 por hora .
Existe 3,78 de oportunidad de que exactamente 5 clientes ingresen a la tienda durante la siguiente hora.
Ejemplo:
Una compaa de pavimentacin local obtuvo un contrato con el ayuntamiento para hacer mantenimiento a las vas de un gran centro urbano. Las vas recientemente pavimentadas por esta compaa demostraron un promedio de dos defectos por milla, despus de haber sido utilizadas durante un ao. Si el condado sigue con esta compaa de pavimentacin. Cul es la probabilidad de que se presenten tres defectos en cualquier milla de va despus de haber tenido trafico durante un ao?
o 18.04%. Para utilizar la tabla D halle la columna en donde =2 y la fila en donde x=3. All encontrar el valor de 0.1804.
Se supone por el momento que se desea conocer la probabilidad de tres defectos en 0.5 millas. Debido a que se da la media en ocurrencias por una milla (2por milla) es necesario ajustar de acuerdo con la estipulacin en el problema de 0.5 millas. Se debe determinar qu porcentaje es 0.5 millas de una milla = 0.5/1 =0.5. Entonces la media en ocurrencias para este problema es =(0.5)(2 ocurrencias)=1. Si el promedio es de dos por milla, va ha ser 1 por media milla . Por tanto P(x=3l=1)=0.0613.
Solucin:
C.- Se tiene que =5.2 por cada 20 minutos. La estipulacin del profesor cubre un periodo de 30 minutos. Se debe determinar que porcentaje es 30 de 20:30/20=1.5. Entonces para cada 30 minutos es 5.2 (1.5)= 7.8, as pues:
Interpretacin: Debido a que P(x=4)=0.1681<20%, un segundo tutor es innecesario. P(x>4)=0.5938>50%; las horas de oficina del tutor se extendern. Y P(x>7)=0.5188>50%el profesor Bradley ayudara en la tarea de tutora.
Ejercicio de aplicacin.
Usted compra partes para bicicleta de un proveedor en Toledo que tiene tres defectos por cada 100 partes. Usted esta en el mercado para comprar 150 partes pero no aceptara una probabilidad de mas del 50% de que mas de 2 partes sean defectuosas. Usted le comprara a dicho proveedor?
Siendo la probabilidad de que el lapso sea menor que o igual a cierta cantidad x es:
En donde: t es el lapso de tiempo e es la base del logaritmo natural 2.71828 es la tasa promedio de ocurrencia
La distribucin aleatoria de una distribucin exponencial se demuestra en el siguiente grfico, donde la curva en continuo descenso muestra que con el paso del tiempo x aumenta, y la probabilidad disminuye.
La probabilidad de que pasen 30 min Entre ocurrencias excede la probabilidad de que pasen 40min
Esto se debe a que siempre deben pasar 30min antes de que pasen 40min
Ejercicio 1
Los aviones llegan al pequeo aeropuerto en Puerto Vallarta, Mxico, a una proporcin de dos por hora. Tomar una hora reparar una rampa utilizada para desembarcar pasajeros. Cul es la probabilidad de que un avin llegue mientras que la rampa esta en reparacin?
Solucin
Tenemos que: = 2x60 min t= 1 hora P(x 1 hora) = 1 e -(2)(1) Donde: P(x 1 hora) = 1- 1
e -2
= 0,8646 = 86,46%
Interpretacin
Entonces segn los clculos podemos decir que: La probabilidad de que un avin llegue mientras la rampa esta en reparacin es de 86,46% es decir dentro de la hora llegara el avin.
Ejercicio 2
El computador principal de la universidad queda fuera de lnea tres veces por semana. El profesor Mundane debe completar un proyecto esta semana que requiere el computador. Cul es la probabilidad de que el computador est fuera de lnea toda la semana?
Solucin
Tenemos que: = 3 x 7 das t = 7 das -(3)(7) P(x 7das)= 1 e Donde: P(x 7das)= 1 1
e 21
= 0,999 = 99,99%
Interpretacin
La probabilidad de que el computador este fuera de lnea toda la semana es del 99,99% lo que indica que el profesor deber conseguir otra computado para realizar su trabajo.
0,30
a Lim. Inf.
La media o valor esperado de una distribucin uniforme est a mitad de camino entre sus dos puntos extremos as:
El rea total bajo la curva, como es el de todas las distribuciones de probabilidad, debe ser igual a 1 o 100%. Debido a que el rea es la altura por el ancho, la altura es:
= rea Ancho
Y por lo tanto =
ba
Probabilidad de que una observacin Caiga entre dos valores P(X1 X X2) = X2 X1 rango
EJERCICIOS 1 Generalmente le toma entre 1,2 y 1,7 horas aproximadamente hacer su tarea de estadstica. Los tiempos estn distribuidos de manera uniforme. Qu tan probable es que usted termine para reunirse con sus amigos dentro de 1,4 horas?
altura:
1Rango =
11,7-1,2 = 2
1,2+1,7 2
u=
+ 2
u=
u= 1,45 horas
Altura:
1 1,71,2
= 2
40%
1,2 a
1,4
1,45 u
1,7 b
Se tiene un 40% de probabilidad de terminar la tarea en un 1,4 horas para reunirse con los amigos.
2 El agua utilizada por Auto Brite para lavar los carros es de 30 galones por carro. Lo menos que se utiliza son 27 galones, y su uso est distribuido uniformemente. Una encuesta muestra que los carros no quedan limpios a menos que se utilicen 32 galones de agua en la lavada. Qu porcentaje de carros que salen de Auto Brite quedan limpios?
Altura:
1 6
= 0,17
20%
27 a
30 b
32
33
La primera (I) corresponde a una distribucin que tiene como media =67 y una desviacin estndar de =2, la desviacin estndar de 2 indica el grado en el cual las observaciones estn dispersas por encima y por debajo de 67
La segunda (II) tiene una media ms alta, de =79, pero la misma desviacin estndar de 2, esto quiere decir que tiene el mismo grado de dispersin
La tercera (III), tiene la misma media que la primera,. Sin embargo su medida de dispersin es ms grande, tal y como lo indic la desviacin estndar de =4.
A pesar de sus diferencias, las tres son distribuciones normales. Son simtricas y en forma de campana. La regla emprica especifica que, sin considerar el valor de la media o desviacin estndar, El 68,3% de todas las observaciones est a una desviacin estndar de la media. El 95,5% de todas las observaciones est a dos desviacin estndar de la media.
B. LA DESVIACIN NORMAL.
Puede existir un nmero infinito de distribuciones normales posibles cada una con su propia media y desviacin. Ya que obviamente no se puede analizar un nmero tan grande es necesario convertir a todas estas distribuciones normales a una estndar.
La siguiente figura ilustra el uso de datos, el eje superior mide las observaciones de estatura X en pulgadas. La media es = 67 pulgadas, y la desviacin estndar es = 2 pulgadas. El eje inferior refleja estas estaturas en trminos de sus valores Z.
Despus de aplicar la frmula de conversin, se encuentra que la estatura promedio de 67 pulgadas tiene un valor Z de 0. Si se quisiera convertir la estatura de toda la poblacin se encontrara que todos los valores de Z tendran una media cero y una desviacin estndar de 1.
0,3413
0,3413
67 0
69 1
X Z
67 0
69 1
X Z
D). 0,085
0,3749
X Z
0,4599
67 69,3 70,5 X 0 1,15 1,75 Z
Estandarizar una distribucin normal permite determinar mas fcilmente la probabilidad de que ocurra cierto evento es decir, si se conoce el rea se conocer la probabilidad
En la seccin anterior se pidi calcular una probabilidad dado un valor de x. es decir, que se proporcionaba el valor x para la variable aleatoria, y se deba hallar el comprendida entre dicho valor y la media.
La distribucin binomial involucra una serie de n ensayos que pueden producir (1) un xito o (2) un fracaso. La probabilidad de un xito se indica como .
Cuando n es grande se utiliza la distribucin normal para aproximar la distribucin binomial. La aproximacin se considera lo suficientemente precisa si n > 5 Y n(1-)>5 y si esta prximo a 0,50. Ejemplo: se considera un sindicato laboral en el cual el 40% de los miembros esta a favor de una huelga. Si se seleccionan 15 miembros de manera aleatoria, Cul es la probabilidad de que 10 apoyen un paro? P(X=10n=15, =0,40) = 0,0245 Los datos los encontramos en la tabla E.
Ejemplo: Los registros muestran que 45% de todos los automviles producidos por FORD MOTOR COMPANY contienen partes importadas de Japn. cual es la probabilidad de que los prximos 200 carros, 115 contengan partes japonesas?