TAREA: CURSO EN LNEA CURSO: ESTADSTICA II CARRERA: ADMINISTRACIN FECHA: 11/2008 Prof. Wilfredo Len
APELLIDOS: LOSADA GONZALEZ. NOMBRES: DOUGLAS LENIN CDULA DE IDENTIDAD: 20260332
DESCRIPCIN DE LA PRUEBA La prueba contempla una revisin de las competencias en la unidad u OBJETIVO 2, el Teorema de Bayes y la aplicacin de la media ponderada a un problema de administracin correspondiente a evaluacin pendiente del OBJETIVO 1 del programa, despus de recibir la asesora respectiva por parte del facilitador. Por favor lea pausadamente las instrucciones.
1. OBJETIVO 2. Distribucin de probabilidad 2. CONTENIDO 1. Distribucin Hipergeomtrica 2. Distribucin Binomial 3. Distribucin Normal 4. Distribucin Poisson ESTAS SON LAS PREGUNTAS
1. TEOREMA DE BAYES (Probabilidades conjuntas): Suponga que el 80% de los empleados de una empresa sean calificados como buenos y el 20% como malos. Se sabe que, en promedio, los buenos empleados llegan tarde un 3% de las veces, mientras que los empleados calificados como malos llegan tarde el 20% de las veces. Si un empleado seleccionado al azar llega tarde, Cul es la probabilidad de que l sea un buen empleado? Elabore una tabla resumen. 10 PTS (guiarse por el material de apoyo)
E =los que llegan tarde H1=los buenos empleados H2=los malos empleados
Frmula:
P (H1\ E) =
a) La probabilidad de que el empleado que lleg tarde sea bueno es:
P (H1\ E)=
=
=
La probabilidad de que el empleado que lleg tarde sea malo es:
P (H2\E) =
=
=
P (Hi).P (E\Hi) [P (Hi).P (E\Hi)] P (H1).P (E\H1) P (H1).P (E\H1) +P(H2). P (E\ H2) (0.80). (0.03) (0.80). (0.03) +(0.2). (0.2) 0.024 0.064 =0.375 P (H2).P (E\H2) P (H1).P (E\H1) +P(H2). P (E\ H2) (0.2). (0.2) (0.80). (0.03) +(0.2). (0.2) 0.04 0.064 =0.625 P(H1\E) +P (H2\E) =0.375 +0.625 =1
2. Elabore una tabla resumen. 10 PTS (guiarse por el material de apoyo)
Empleado que lleg tarde Sucesos Hi Previa P(Hi) Condicional P(E\Hi) Conjunta P(Hi). P(E\ Hi) Posterior P (Hi\ E) Buen Empleado H1 0.80 0.03 0.024 0.375 Mal Empleado H2 0.20 0.20 0.04 0.625 Total 1 0.23 0.064 1
3. Elabora un rbol de decisiones con los datos anteriores y las probabilidades conjuntas, que te puedan ayudar al anlisis del problema y la obtencin de los resultados exigidos. 5 PTS
EMPLEADOS H1 Y H2 BUENOS EMPLEADOS P(H1) =0.80 MALOS EMPLEADOS P(H2) = 0.20 EMPLEADOS QUE LLEGAN TARDE P (E\ H1)=0.03 P(E\H2) =0.20 Probabilidad Conjunta P(Hi). P(E\ Hi) 0.024 0.04 DECISIN
EL EMPLEADO BUENO NO FUE QUIEN LLEG TARDE EL EMPLEADO MALO FUE EL QUE LLEG TARDE 1. La media ponderada es una media aritmtica en la cual cada valor se pondera de acuerdo con su importancia en el grupo total. Las frmulas para las medias ponderadas de la poblacin y de la muestra son idnticas Operacionalmente cada valor del grupo (X) se multiplica por el factor de ponderacin apropiado (w) , los productos se suman y se dividen por la suma de las ponderaciones ( w = wX / w ) A continuacin se presenta un problema donde se pide integrar conocimientos de estadstica y estimaciones bsicas sobre margen de utilidad sobre ventas. Los datos para una empresa de ventas se presentan en el cuadro siguiente:
Lnea de productos Ventas Precio unitario Bs Costo Unitario Bs (Calcule esta variable) Margen de utilidad sobre venta % A 10.000 9580 4,20 B 20.000 18900 5,50 C 30.000 2778 7,40 D 40.000 35960 10,10
1. Calcule el costo unitario de cada lnea de producto, tal como se pide en el cuadro anterior? 5 PTS Emplear la siguiente frmula . M UV =(P Un C Vu ) / P Un ) x 100 M UV : Margen de utilidad sobre ventas (Utilidad Como % de la venta) P Un Precio por unidad C Vu : Costo Variable Unitario
Lnea de productos Margen de utilidad sobre venta (X) Ventas en 1000 Bs (w) Calcule (% relativo de ventas en Bs) Calcule (Nmero de unidades vendidas) Calcule (wX) Calcule el % relativo por unidades de cada lnea A 4,20 30.000.000 50,8475 3000000 126000000 69,768 B 5,50 20.000.000 33,8983 1000000 110000000 23,256 C 7,40 6.000.000 10,1695 200000 44400000 4,651 D 10,10 3.000.000 5,0847 100000 30300000 2,325 total 59.000.000 100 310700000 100
1. Calcule el % relativo de las ventas por lnea y llene la celda correspondiente del cuadro anterior . 5 PTS 2. Al relacionar el valor de las ventas por lnea con el precio por unidad en cada lnea usted podr determinar el total de unidades vendidas en cada lnea. Indique los resultados en la celda correspondiente. 5PTS 3. Calcule wX ( 5PTS) 4. Calcule el % relativo por unidades de cada lnea 5 PTS 5. Calcule la media ponderada segn la frmula w = wX / w .(5 pts)
1. Distribucin Hipergeomtrica. Esta distribucin se debe utilizar cuando la probabilidad de ocurrencia de un evento no es constante, cuando el muestreo se hace sin reemplazo de cada artculo muestreado tomado de una poblacin finita de artculos. Esto hace que se presente un cambio sistemtico en la probabilidad de xito a medida que se retiran tems de la poblacin. Para este caso se presenta el siguiente problema: Una COOPERATIVA de Valle de la Pascua dedicada a la manufactura de bloques de concreto, presenta en su estadstica de produccin de 1 hora de trabajo, 10 bloques calificados como defectuosos y 95 calificados como buenos. Se requiere saber la probabilidad de ocurrencia (r) de cero (0) artculos defectuosos, uno (1) defectuoso, dos (2) defectuosos y tres defectuosos cuando se toman muestras (n) de tamao 3. 1. - Determine las probabilidades requeridas 10PTS
El nmero de combinaciones posibles de 105 bloques tomando 3 cada vez:
Frmula:
nCr =
105C3 =
El nimero de muestras de tamao 3 que se pueden extraer de los bloques buenos es
95C3 =
r!(n-r)! n! 105! 3!(105-3)! = 105! 3!(102)! =187460 95! 3! (95-3)! = 95! 3! (92)! =138415 A) La probabilidad de cero bloques defectuosos es:
P(0) = =0.738371
B) uno (1) defectuoso:
Numero de combinaciones que se pueden hacer con 95 bloques tomando dos cada vez:
95C2= = 4465
Calculo odel numero de combinaciones que se pueden hacer con 10 bloques defectuosos tomando 2 cada vez.
10C1= = 10
La probabilidad de ocurrencia de un bloque defectuoso.
P(1) = = =0.238184
C) La probabilidad de ocurrencia de dos bloques defectuosos es:
P(2)= = =0.022805
D) La probabilidad de que los tres bloques sean defectuosos es:
P(3) = = =0.000640
138415 187460 95! 2!93! 10! 1!9! 95C1 10C2 105C3 (446)(10) 187460 95C1 10C1 105C3 120 187460 10C3 105C3 (95)(45) 187460 - Elabore una TABLA resumen que presente dichas probabilidades, la media y la desviacin estndar 10 PTS
Probabilidad de 0,1,2 y 3 bloques defectuosos en una muestra de 3 extrada de 105 bloques (basada en hipergeometra)
Clculo de lka media y la desviacin estndar. Nmero de bloques defectuosos r Prtobabilidad de cada nmero de defectuosos f
fr f 0.285714 1 fm N f(m- M) N 0.253531 1 f(m- M) N 2 2 2 2. Distribucin Binomial. Aquellos problemas en donde la probabilidad de ocurrencia de un evento se mantiene constante, o en donde se puede suponer que permanece aproximadamente constante, se pueden resolver utilizando la distribucin binomial, tambin llamada distribucin Bernoulli, la cual se basa en la expansin del binomio. Utilizando el mismo caso anterior construya una tabla que presente la probabilidad de obtener 0, 1, 2 y 3 productos defectuosos, cuando se toman muestras de tamao 3 de toda la poblacin. Cada muestra es regresada nuevamente a la poblacin de donde fue tomada, de tal manera que la poblacin se hace infinita. Siga los mismos pasos ejecutados en la asesora.
- Determine las probabilidades requeridas 10PTS
- Elabore una TABLA resumen que presente dichas probabilidades, la media y la desviacin estndar 10 PTS
Formula:
P(r\n,t) = nCr t (1t) = = t (1t)
A) la probabilidad de cero (0) bloques defectuosos se puede hallar definiendo que r=0
Cuando r=0
P (0\3, 0.09524) =3C0t (1t)
= (0.09524) (10.09524)
= (1) (0.74063)
=(1) (1) (0.74063)
=0.74063
r n-r n! r!(n-r)! r n-r 0 3-0 3! _ 0! (3-0)! 0 3 3.2.1_ 3.2.1 B) Cuando r=1
P (1\3,.009524) =3C1 (0.09524) (0.90476)
= (0.09524) (0.090476)
= (0.09524)(0.81859)
=3 (0.09524) (0.81859)
=0.23389
C) Cuando r=2
P(2\3, .09524) =3C2 (0.09524) (0.90476)
= =(0.009071) (0.90476)
=(3) (0.009071) (0.90476)
=0.02462
D) Cuando r=3
P (3\3, .09524) =3C3 (0.09524) (0.90476)
= (0.09524) (0.90476)
= (0.0008639) (1)
=(1) (0.0008639) (1)
=0.0008639
1 3-1 3! _ 1! (3-1)! 2 3.2.1_ 1.2.1 2 3-2 3! _ 2! (3-2)! 3 3-3 3! _ 0! (3-0)! 3 0 3.2.1_ 3.2.1 Tabla. PROBABILIDAD DE 1, 2 Y 3 BLOQUES DEFECTUOSOS EN UNA MUESTRA DE TRES EXTRAIDA DE UN GRUPO DE 105 (BASADA EN LAS BIN0MIAL)
Numero de artculos defectuosos en la muestra r Proporcin de defectuosos en la muestra
fr f 0,28571 1 f(m- M) N 2 0.25848 _ 1.0 1. Distribucin Normal. Hace mas de 200 ao que se descubri la distribucin normal, la cual es una distribucin terica para variables continuas. Cuando se representa la curva normal, el origen en el eje X se localiza en el centro de la distribucin. Puesto que la distribucin es simtrica, este punto medio es la media de la distribucin. Todos los valores de X se miden en funcin de las desviaciones de la media en unidades de desviaciones estndar. Los valores en el eje X, expresados en funcin de las unidades z , se representan como ( X - ) / han de asumir valores positivos o negativos.
- PROBLEMA: - Seguidamente se presentan datos y se piden soluciones a preguntas Datos: En una distribucin normal de una poblacin de empleados de N =2000 , Se tiene una media de sueldos de Bs 400 (Bolvar Fuerte) , con una desviacin estndar de Bs 20 - Se pide: - calcular la ordenada mxima. (5 pts) - La ordenada cuando X - = 40..( 5 pts) - Determinar el valor de la ordenada en el punto de 2 desviaciones estndar (2 pts) - Determinar el valor de z para los valores de X en 1, 2 y 3 desviaciones estndar (5 pts) - Determinar el porcentaje de la poblacin comprendido en el rea bajo la curva entre : 1. 1. - 1 D.S. y +1 D.S.( 1 pts) 2. - 2 D.S. y +2 D.S.( 1 pts) 3. - 3 D.S y +3 D.S.( 1 pts) DS: es desviacin estndar
Use la tabla anexa de reas de la curva normal entre la ordenada mxima y la ordenada en z
1) Clculo de la ordenada mxima:
Frmula:
Y = (0.39894)
Y = (0.39894)
Y =39.894
2. La ordenada cuando x-m=40
Frmula:
Y = (0.39894 e)
Cuando x- =40
Y= =(0.39894) (0.13535)
=(100) (0.39894) (0.13535)
=5,339
0
0
0
2000 20 n Q n Q X- M Q -1
2 ( ) 2 2000 20 Determinacin del valor de la ordenada en el punto de 2 desviaciones estndar:
Q =2 Y =? N=2000
Y= 0.39894
Y=1000 (0.39894)
Y=398.94
Determinar el valor de z para los valores de x en 1,2 y 3 desviaciones estndar:
Z =
Z1= = -19.95
Z2= =-19.90
Z3= =-19.85
1. PROBLEMA Los informes del tiempo que se produjeron durante un perodo de 33 aos en 10 estaciones metereolgicas indican que hubo un total de 363 tormentas de lluvia en el rea oeste de un pas del continente americano.Una tormenta de lluvi se define de acuerdo con la acumulacin de media pulgada o ms de agua durante un perodo de 10 minutos. Puesto que habia 10 estaciones y el perodo fue de 33 aos, el promedio de lluvia por estacin metereolgica por ao (landa ) es igual a (363/330)=1,1
2000 2 3-400 20 2-400 20 1-400 20 X- M Q 1. Utilizando la distribucin Poisson , Cul es la probabilidad de que durante el perodo de un ao una de las estaciones no registre una tormenta de lluvia? (10 pts)
2. Cul es la probabilidad de que una estacin registre 1 tormenta de lluvia durante un ao?,Dos tormentas? y Tres tormentas? (10 pts)
4.- La Distribucin Poisson es de carcter discreto y se emplea para casos en que una variable aleatoria, medida a travs de un nmero relativamente grande de ensayos del experimento considerado, presenta una probabilidad muy pequea de ocurrencia del suceso a la cual ella representa. Provee un modelo para situaciones donde se est interesado en el nmero de ocurrencias por unidad de observacin, como es el caso del nmero de camiones que llegan por hora a la zona de carga, el nmero de personas que llegan a una oficina de atencin por cada hora, etc.