Datos de identificación

Nombre estudiante Claudia Quijada Torrijos

Nombre docente

Fecha 21/03/2020.

Probabilidad y Estadística Aplicada a los Negocios

Unidad 3. Probabilidad y distribuciones de probabilidad

Actividad 1.
Proyecto Integrador Etapa 1

Instrucciones:
1. A partir del material revisado y de una Investigación en fuentes fidedignas, indica algunos usos y aplicaciones de las herramientas
revisadas hasta ahora, y que a continuación se enlistan:

ESCALA DE MEDIDAS

APLICACIÓN/EJEMPLO DONDE SE UTILICE EN LA

TIPOS DESCRIPCIÓN
ADMINISTRACIÓN

1) La escala nominal.  Comprende los datos nominales que  La prueba de asociación más común para
no tienen un orden: los datos datos nominales es el coeficiente C de
dicotómicos solo pueden tomar dos contingencia.
valores posibles (como vivo o
muerto). Es el nivel de medición más
débil. Los números u otros símbolos
 se usan simplemente para clasificar
un objeto, persona o característica.
Ejemplos: número de ficha clínica, de
teléfono, de permiso de circulación,
números en las camisetas de un
equipo de fútbol. En una escala
nominal, la operación consiste en
dividir una clase determinada en un
conjunto de subclases mutuamente
excluyentes. La única relación
envuelta es la de equivalencia,
simbolizada por el signo =, o su
ausencia, por el símbolo ≠.

Comprende los datos ordinales con Escalas de clase socioeconómica, grados

un mínimo de tres valores posibles y de un linfoma, grados de Mallampati,
2) Escala ordinal o de
con un número total limitado. Los clasificación ASA. Muchas pruebas o
rangos. 
objetos en una categoría no sólo son escalas de evaluación resultan en puntajes
diferentes de los objetos en otras que tienen la fortaleza de rangos: el
categorías de esa misma escala, puntaje del Mini Mental State, la escala de
sino que tienen alguna relación con Glasgow o el puntaje APACHE son buenos
ellos. Relaciones típicas son: mayor, ejemplos. Aun cuando estos puntajes
más alto, más difícil, más enfermo, pueden parecer más precisos que los
menos grave. Su significado rangos, generalmente no cumplen con los
específico depende de la naturaleza requisitos de escalas de mayor nivel y
de la relación que define esa escala. deben ser consideradas como ordinales.

3) La escala de intervalo. Comprende los datos continuos o En una escala de intervalo se puede
datos discretos que contienen un reconocer la equivalencia (=) y el orden (>)
elevado número de posibles valores. y, además, las razones de cada intervalo.
 Las distancias entre cualquier par de Las pruebas paramétricas pueden y deben
números de la escala tienen una usarse si se cumplen las otras
dimensión conocida y constante por presunciones puesto que las pruebas no
lo que es posible conocer con paramétricas restan potencia al análisis al
certeza la magnitud de los no usar toda la información contenida en
intervalos. Se caracteriza por tener una escala de intervalo.
una unidad común de medida que
asigna un número real a todos los
pares de objetos en el conjunto
ordenado. Aun cuando el punto cero
y la unidad de medida son
arbitrarios, la razón entre dos
intervalos es independiente de esa
unidad y de ese punto.

4) Escala de razón. demás de todos los atributos de una Medimos el peso de dos objetos en gramos
escala de intervalos, ésta tiene en su o en onzas, la razón es constante, cosa
origen un cero verdadero y en ella la que no sucede si se mide la temperatura
razón entre dos puntos de la escala de un cuerpo en grados Celsius o
es independiente de la unidad de Fahrenheit. Este tipo de escalas sólo se
medida. La masa, el peso, la obtienen cuando las siguientes cuatro
distancia, el tiempo se miden en esta relaciones son operacionalmente posibles:
escala.  equivalencia, mayor que, razón conocida
entre dos intervalos y razón conocida
El orden de las escalas indica la
entre dos valores escalares cualesquiera.
cantidad relativa de información que
Los números asociados con esta escala
contiene cada una de las ellas. Las
son verdaderos con un cero también
mediciones de un nivel de
verdadero. Cualquier prueba estadística
información concreto pueden
puede ser usada, incluyendo medidas
transformarse o re escalarse a un
como la media geométrica y el coeficiente
 nivel inferior, pero no es posible re de variación que requieren de un punto
escalar las variables a un nivel cero verdadero.
superior al que se midieron
realmente. Al re escalar a un nivel
inferior se pierde información, hecho
que tiende a aumentar el error tipo II,
de no encontrar una diferencia
cuando en realidad existe, si todo lo
demás se mantiene igual.

MEDIDAS DE TENDENCIA CENTRAL

MEDIDA DE
APLICACIÓN/EJEMPLO DONDE SE
TENDENCIA FÓRMULA
UTLICE EN LA ADMINISTRACIÓN
CENTRAL
Media aritmética  Promediar promedios de
venta por productos
 Revisar la meda de ciertas
tendencias en marcas y
segmentos de mercado.

Media ponderada  Máximos y mínimos de

stock de productos de
inventario.
 Medias de  Revisión donde hay mayor
centralización demanda de productos y/o
servicios.
 Proyección de necesidades
por zonas.

Mediana  Aplica para dar un enfoque

a los datos con mayor peso.
 Directamente en los gastos
y definiciones financieras.

MEDIDAS DE DISPERSIÓN

APLICACIÓN/EJEMPLO DONDE SE UTLICE EN LA

MEDIDA DE DISPERSIÓN FÓRMULA
ADMINISTRACIÓN
Rango R = Máxx – Mínx Empresa encarga a un economista que realice un
estudio sobre la evolución de las ventas (últimos 4
años) para, posteriormente, ofrecer consejos que
mejoren los resultados empresariales. Entre otras
muchas métricas, se pide que se calcule el rango de
producción de microchips.
 La Desviación Típica Concentración de encontrar la media de datos / en
procesos de producción, revisión de indicadores.

Varianza En el caso de analizar el riesgo de una inversión,

se tienen en cuenta dos aspectos importantes,
uno es el rendimiento invertido y otro el
esperado de acuerdo a la inversión realizada.
Como ya se mencionó, se puede utilizar la
varianza para analizar este riesgo.

Coeficiente De Variación Permite comparar la dispersión entre dos poblaciones, e

incluso comparar la variación de producto de dos
variables diferentes. Básico en Marketing y ventas así
como pronósticos de producción.

PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD

TEOREMA DE BAYES
Investiga algún ejemplo donde se utilice el teorema de Bayes en administración, e incluye los elementos que a continuación se enlistan:

DESCRIPCIÓN DEL PROBLEMA:

El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el
50% de los economistas también, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. ¿Cuál es la
probabilidad de que un empleado directivo elegido al azar sea ingeniero?

CÁLCULOS:

La probabilidad de que haya un accidente en una fábrica que dispone de alarma es 0.1. La probabilidad de que suene esta sí se ha producido
algún incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02. En el supuesto de que haya funcionado la
alarma, ¿cuál es la probabilidad de que no haya habido ningún incidente?

RESULTADOS:

Unos psicólogos especializados en el tratamiento de trastornos de personalidad están interesados en diagnosticar el trastorno que afecta un
paciente, en el que observan un conjunto de síntomas que indican que el paciente podría sufrir el trastorno A o el trastorno B. Además saben
que los porcentajes de individuos afectados por los trastornos A, B o ningún trastorno son 10, 30 y 70%. También saben que el porcentaje de
individuos afectados por el trastorno A y que muestran el síntoma X es igual al 60%, el porcentaje de individuos que sufren el trastorno B y
muestran el síntoma X es el 30% y el porcentaje de individuos no afectados que muestran los síntomas de trastorno es el 10%. En el caso de
que u paciente muestra el síntoma X, ¿cuál es la probabilidad que sufra el trastorno A? y el trastorno B? Y el C?

INTERPRETACIÓN:

La probabilidad de que suene esta sí se ha producido algún incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningún
incidente es 0.02. Probabilidades nos ayudan a tener un horizonte correcto de los sucesos como parte de nuestra planeación estratégica.

DISTRIBUCIONES DE PROBABILIDAD DISCRETA

Investiga algún ejemplo donde se utilice alguna de las funciones de distribución de probabilidad discreta en la administración, e incluye los
elementos que a continuación se enlistan:

DESCRIPCIÓN DEL PROBLEMA:

Cuando se selecciona un foco al azar de una caja que contiene un foco de 40 watts, uno de 60, uno de 75 y uno de 100, cada elemento del
espacio muestral S = {40,60,75,100} ocurre con probabilidad 1/4. Por tanto, tenemos una distribución uniforme con:

X=seleccionar foco al azar.

CÁLCULOS:

X: S R, ran X= {40,60,75,100}  f(40) =f(60) . . . f(100)=1/4 , y fx=0, para ≠ 40,60,75,100.

RESULTADOS:

 Entonces, X es uniforme discreta con parámetro k=4.

INTERPRETACIÓN:

Tenemos una variable a determinar la frecuencia. Podemos determinar la probabilidad de colocar acciones directas sobre cada caso en este
ejemplo tenemos un parámetro de K = 4.

DISTRIBUCIONES DE PROBABILIDAD CONTINUA

Investiga algún ejemplo donde se utilice alguna distribución de probabilidad continua en la administración, e incluye los elementos que a
continuación se enlistan:

DESCRIPCIÓN DEL PROBLEMA:

Un reciente estudio de la Asociación Americana de Conductores de Autopista ha revelado que el 60% de los conductores norteamericanos usa
regularmente el cinturón de seguridad. Se selecciona una muestra de 10 conductores en una autopista del estado de Oklahoma.

CÁLCULOS:
a) ¿Cuál es la probabilidad de que exactamente siete de ellos lleven el cinturón de seguridad? b) ¿Cuál la probabilidad de que al menos siete
de los conductores lleven el cinturón de seguridad?

RESULTADOS:

INTERPRETACIÓN:

1.- Debemos determinar primero de qué tipo de distribución se trata. Veamos: * Solamente hay dos posibles resultados en cada una de las
comprobaciones que se hacen a los conductores: llevan el cinturón de seguridad (resultado que denominaremos "éxito") o no lo llevan
("fracaso"). * La probabilidad de "éxito" (llevar el cinturón) es la misma e invariable : 60%. * Las pruebas son independientes: si el cuarto
conductor que es parado no lleva el cinturón de seguridad, eso no condiciona el resultado de la comprobación para el quinto conductor que
sea parado.

Por tanto: *Cumple con las condiciones del Proceso de Bernouilli. Definimos una variable aleatoria que es "número de conductores que llevan
el cinturón", es decir, "número de éxitos". Se trata, por tanto, de una distribución Binomial con n=10 y p=0.6.
Referencias:

1. Bland M. An Introduction to Medical Statistics. 3rd Ed, Oxford: OUP, 2006.

2. Dawson-Saunders B, Trapp RG. Bioestadística Médica. México D.F: Manual Moderno, 1993.
3. Dexter F, Chestnut DH. Analysis of statistical tests to compare visual analogue scale measurements
among groups. Anesthesiology 1995; 82: 896-902.
4. Forrest M, Andersen B. Ordinal scale and statistics in medical research. BMJ 1986; 292: 537-538.
5. Portney LG, Watkins MP. Foundations of Clinical Research. Applications to practice. 2nd ed. Upper
Saddle River: Prentice-Hall, 2000.