Repblica Bolivariana de Venezuela

Universidad Nacional Experimental Simn Rodrguez

Vicerrectorado Acadmico

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


(r-m)


(r-m)


f(r-m)
0 0.738371 0 -0.285714 0.081632 0.0602747
1 0.238184 0.238184 0.714286 0.510204 0.1215224
2 0.022805 0.04561 1.714286 2.938777 0.0670188
3 0.000640 0.00192 2.714286 7.367348 0.0047151
Total 1.000000 0.285714 0.2535310

Clculo de la media.

Frmula:

M =




M= = =0.285714


Clculo de la desviacin estndar:

Frmula =

Q =



= = = 0.253531


=0.503519
2

2

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

r/n
Probabilidad
de
ocurrencia

F


Fr

(r-m)



(r-m)



f(r-m)
0 0/3 0.74063 0 -0.28571 0.08163 0.060458
1 1/3 0.23389 0.23389 0.71429 0.51021 0.119333
2 2/3 0.02462 0.04924 1.71429 2.93879 0.072353
3 3/3 0.00086 0.00258 2.71429 7.36737 0.006336
Total 1 0.28571 0.25848





M= = = 0.28571





Q = = = 0.25848


Q = 0.50841












2

2

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)

Frmula:


P (r\ ) = e

A) la probabilidad de cero tormenta de lluvia es:


P (0\1.1) = (2.71828)


= =0.3329



B) probabilidad de una tormenta de lluvia:


P (0\1.1)= (2.71828) =


=0.3662

C) La probabilidad de 2 tormentas

P (2\1.1)= (2.71828)

=

=0.2014

D) probabilidad de 3 tormentas:
r

r!
-

(1.1)
0!
0 -1.1
(1) (0.3329)
1
(1.1)
1!
(1.1) (0.3329)
1
-1.1
1
(1.1)
2!
2 -1.1
(1.21) (0.3329)
(2) (1)


P (3\1.1) = (2.71828)

=



=


=0.07384




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.


(1.1)
3!
3
-1.1
(1,331) (0.3329)
(3) (2) (1)
0.44305
6