Professional Documents
Culture Documents
5.2. APLICACIN DE LA FORMULA
DE POISSON
Suponga, que en un departamento de reparacin de maquinarias se recibe en promedio de
cinco llamadas de servicio por hora. La probabilidad de que en una hora determinada se
reciban tres llamadas de servicio es
3 - 5
( 5 ) e
P ( 3 ) =
3!
( 125 )(0,00674)
P ( 3 ) =
6
P ( 3 ) = 0,1404
La probabilidad de que se reciban exactamente tres llamadas en una hora es de 0,1404 o de
14,04%.
5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON
Las tablas de Poisson, al igual que las de binomial, proporcionan un mtodo conveniente para
obtener las probabilidades con un mnimo de tiempo y de esfuerzo. Existen tablas Poisson
individuales y acumuladas.
Como la distribucin de Poisson es una funcin solo de la media del proceso, las tablas estn
diseadas para proporcionar las probabilidades con base a esta caracterstica.
Supngase que se empleara el mismo ejemplo del numero de llamadas promedio en un
departamento de reparacin de maquina es 5, cual ser la probabilidad de recibir
exactamente tres llamadas?
Siguiendo el siguiente procedimiento:
Identificar la variable: Numero de llamadas por hora
Datos :
: en promedio 5 llamadas en un hora
Se expresa en una probabilidad: P(X=3)
5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON
Se aplicara las tablas acumulativas presentadas en el anexo N 3, por las razones
especificadas en la distribuciones Binomiales, la cual tiene las siguientes caractersticas:
Proporciona sumas de probabilidades, es acumulada.
Muestra probabilidades para x o menos ocurrencias.
En la parte superior se refleja la media del proceso o .
Lateralmente se encuentra x ocurrencias por unidad.
Para simplificar en gran medida el trabajar con las tablas acumulativas enumrese todos los
resultados posibles y subraye los resultados para lo que se quiere, expresndose:
+
0 1 3 4 5 . . . n
5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON
Quedando
P ( x = 3\ = 5) = P ( x s 3 ) - P ( x s 2 )
X ( , x) - X ( , x)
X (5, 3) - X (5, 2)
Se ubica en la tabla
El promedio de 5 en la parte superior de la tabla
En la parte lateral se localiza x, la probabilidad de x se encuentra en la interseccin de la fila
con la columna del promedio o .
Sustituyendo en el planteamiento de las probabilidades de la tabla
P ( x=3) = 0, .2650 - 0,1247 = 0,1403
La probabilidad de que se reciban exactamente tres llamadas en una hora es de 0,1403 o de
14,03%.
5.4. DISTRIBUCIN DE POISSON
PROBLEMA
El numero promedios de radios que se venden en una tienda de electrodomsticos por
da se aproxima mediante el mtodo de Poisson, con una media de 4 radios por da.
Cul es la probabilidad de que la tienda venda:
a) Exactamente 2 .
b) Por lo menos 4, en tres das.
c) A lo sumo 5, en 2 das
d) Mas de 8, en 3 das
e) Por lo menos 6 pero no mas de 9 , da y medio
PROCEDIMIENTO
Identificar la variable:__________________________________________________
Identificar Datos del problema:
5.4. DISTRIBUCIN DE POISSON
PROBLEMA
Segn sea el caso liste el numero de casos para realizar las transformaciones.
Busque en la tabla las probabilidades
5.4. DISTRIBUCIN DE POISSON
PROBLEMA
6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS
Las distribuciones normales fueron descubiertas en el siglo XVII, se le conoce como
distribuciones guasiana en reconocimiento de Karl Gauss.
Es una distribucin de probabilidad continua tanto simtrica como mesocurticartica, es decir
ni plana , ni afilada.
La distribucin normal es una distribucin terica que proporciona una aproximacin muy
razonables de los datos reales, por lo tanto la curva normal es un modelo que debe
interpretarse como que una distribucin de frecuencia que se ajusta a los resultados posibles.
La distribucin normal tiene las siguientes propiedades:
Tiene forma de campana y es simtrica .
Debido a su simetra las medidas de tendencia central( media, moda y media) se
encuentran en el centro, en consecuencia tiene el mismo valor.
Su variable aleatoria asociada tiene un alcance infinito (- < X < + ).
6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS
Los dos extremos de la distribucin normal se extiende infinitamente y nunca toca el eje
horizontal.
Hay toda una familia de distribuciones normales de probabilidad. Cada distribucin se
distingue por dos parmetros, la media y la desviacin estndar.
La desviacin estndar determina el ancho de la curva.por ello existen infinidad de curvas.
El rea total bajo la curva de la distribucin normal de probabilidad es 1.00.
La probabilidad de un variable aleatoria normal se determina con las reas bajo la curva. Las
probabilidades de ciertos intervalos que mas se usan:
Aproxidamente el 68% de todos los valores de la poblacin normalmente
distribuidas se encuentra dentro de 1 desviacin estndar de la media
Aoroxidamente el 95,5% de todos los valores de la poblacin normalmente
distribuidas se encuentra dentro de 2 desviacin estndar de la media
Aproxidamente el 99,7% de todos los valores de la poblacin normalmente distribuidas
se encuentra dentro de 3 desviacin estndar de la media .
6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS
6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA
Debido a las caracterstica de que hay una infinidad de curva, no es posible tener una tabla
para cada curva , para ello se utiliza la distribuciones de probabilidad normal estndar para
encontrar reas bajo la curva normal.
Esto equivale a utilizar la media como punto de referencia, y la desviacin estndar como
una medida de la distancia de dicho punto de referencia. Se utiliza una nueva escala que se
conoce como Z, al usar la formula de transformacin:
En donde
Z = Numero de desviaciones estndar a partir de la media
X = algunos valores de interes
= media de una distribucin normal
o = desviacin estndar
X
X
X
Z
o
=
6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA
Una distribucin normal estandarizada es una distribucin de densidad de probabilidad cuya
variable aleatoria Z siempre tiene una media x = 0 y una desviacin estndar o x = 1.
Por lo tanto, siempre se puede convertir cualquier conjunto de datos normalmente
distribuidos en su forma estandarizada y despus determinar cualquier probabilidad a partir
de la tabla de distribucin normal estandarizada.
Para llevar a conocer la probabilidad de una variable continua aplicando la distribucin
normal estandarizada se debe seguir una serie de pasos, la cual se explicaran con un
ejemplo:
Se sabe que un componente elctrico sigue una distribucin normal con una media de
2.000 horas y una desviacin estndar de 200 horas. La probabilidad de que un componente
dure menos de de 2400 horas se calcula de la siguiente manera:
Identificar la variable: Duracin de los componentes elctricos en horas
Se se extraen los datos del problema
X = horas de duracin de un componente elctrico.
= 2.000 horas en promedio
o = 200 horas
6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA
La probabilidad a calcular se expresa en funcin
P ( X < 2.400)
Los valores reales de X se transforma a una escala z, con la formula
Sustituyendo
La probabilidad se transforma en
P ( Z < + 2)
X
X
X
Z
o
=
2
200
000 . 2 400 . 2
+ = =
Z
6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA
Una vez cambiado las unidades reales en unidades de Z, se ubica en la tabla normal
estndar del anexo N 4 , la cual nos indica la distancia relativas a partir de la media , que
tiene las siguientes particularidades:
1. Representa valores acumulados , para valores de Z o menos.
2. Esta dividido el valores negativos y positivos, es decir como Z es 2.00 se utiliza la tabla
positiva.
3. Los valores de z se presentan en dos partes, en primer lugar, hacia abajo en el lado
izquierdo de la tabla se localizan los valores enteros y el primer decimal, (como 2.0 ),el
ultimo digito aparece en la parte superior. El rea bajo la curva se encuentra en la
interseccin de la fila 2.0 y la columna 0.00. como lo muestra la figura N 1
6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA
Z .00 .01 .02 .03 ........ .09
0.0
0.1
1.0
1.9
1.0 2.0 . 9772
1.1
Figura N 1
rea bajo la curva normal entre la media y 2.00
Los probabilidad reflejada en la tabla es para valores de x o
menos , por lo tanto se da directamente el resultado,
quedando
P ( Z < + 2.00) = 0.9772
La probabilidad de que de que un componente de una
maquina dure menos de 2.400 horas es 0.9772 o 97,72%
6.2. DISTRIBUCIN NORMAL ESTANDARIZADA
PROBLEMA
El gerente de un supermercado desea hacer un estudio de la demanda semanal de
sacos de harina de 5 libras para pedidos oportunos a sus proveedores y no tener
periodos de desabastecimientos. Con una demanda media de 720 libras y una varianza
de 256 libras
2
Encuentre la Probabilidad de que la demanda en una semana sea :
a. Mas de 728 libras
b. Menos de 716 libras
c. Entre 680 y 760 libras.
PROCEDIMIENTO
Identificar la variable:__________________________________________________
Identificar Datos del problema:
6.2. DISTRIBUCIN NORMAL ESTANDARIZADA
PROCEDIMIENTO
Expresar en funcin de probabilidad
Transformar a valores Z con la formula :
Buscar en la tabla el valor resultante Z=
X
X
X
Z
o
=
6.2. DISTRIBUCIN NORMAL ESTANDARIZADA
7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS
La distribucin Chi Cuadrado se simbolizada con la letra griega x
2
,supngase
que se tiene una de variable aleatoria de la que se sabe que su distribucin es
normal e independientes entre si, la suma de los cuadrados de estas variables se
dice que es variable chi cuadrado, con (gl) grados de libertad. Es decir;
x
2=
Caractersticas
Una variable aleatoria chi cuadrado solo puede ser positiva o cero, hay un numero
infinito de distribuciones.
Si X tiene una distribucin normal estndar, x
2
tiene una distribucin x
2
con
grados de libertad = 1
La media de la distribucin chi cuadrada es igual a su numero de grados de
libertad y su varianza es igual al doble del numero de grados de libertad.
2 2
2
2
1
......
n
x x x + +
gl =
gl 2
2
= o
7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS
La grafica del x
2
con 1 grado de libertad tiene sesgo positivo, no es simtrica,
como se muestra en la figura N2 Conforme el grado de libertad aumenta, la
distribucin est menos sesgada cada vez, en realidad la distribucin chi cuadrado
se acerca cada vez mas a la distribucin normal, conforme el numero de grados de
libertad tiende a infinito
Figura N 2
Curva de Distribucin Chi cuadrado para un grado de libertad
0 1 2 3 4 5 6
Fuente: Elston, Robert. 1.987, pag.147
7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS
Debido a su independencia es un estadgrafo de enorme utilidad, es no
paramtrico o de distribucin libre.
Se utiliza como contraste de significacin cuando los datos son frecuencias tanto
absolutas con relativas, as como porciones.
Empleo de x
2 ,
Para comprobar si una distribucin difiere de alguna distribucin previamente
establecidas
Estimar los valores de la varianzas o desviacin estndar poblacional
En el contraste de hiptesis de diferencia de las respuestas de dos o mas grupos,
los datos son anotados en una tabla de contingencia.
En el contrate de bondad de un ajuste, que consiste en juzgar cuantitativamente
en que medida unos datos observados obedecen a una distribucin, normal o no.
7.2. ROCEDIMEINTO PARA UTILIZAR LA TABLA DE
CHI CUADRADO
8.DISTRIBUCION F
CARACTERSTICAS.
Una distribucin f es la razn de dos variables chi cuadrado con n
1
-1 gl1 como el numero de
grados de libertad para el numerador y n
2
-1 como el numero de grados de libertad para el
denominador.As la F puede designarse como F n
1
-1 ; n
2
-1
Siendo una razn de dos cantidades al cuadrado, una variable F varia de valor de 0 a infinito.
Hay una distribucin F para cada par de enteros positivos, n
1
-1 ; n
2
-1
Como la distribucin chi cuadrado, una distribucin F es positivamente asimtrica, pues su
simetra se reduce con lo aumentos de n
1
-1 ; n
2
-1
Si X es F n
1
-1 ; n
2
-1 entonces Y= 1/x es bsicamente F n2-1 ; n
1
-1. Esta es la
propuedad reciproca de F distribuciones y puede expresarse tambin como
( )
1 , 1 ;
1 , 1 ; 1
1 2
2 1
1
=
=
n n
n n
F
F
o
o
8.DISTRIBUCION F
CARACTERSTICAS.
Donde o y 1-o designan puntos porcentuales de cola inferior de una distribucin F, anlogos
para la distribucin normal, Zo y Z1-o
La media y la varianza de F n
1
-1 ; n
2
-1, respectivamente son
E(F)= n
2
-1/ n
2
-1-2 para n
2
-1>2
V(F)
| |
n
n n n 2 1 2
2 1 2
+
REPASEMOS
Hemos estudiado las distribuciones de probabilidad para variables
discretas y continua, manejado las tablas de distribucin chi cuadrado y F.
Has llegado al final del mdulo, realizars la auto-evaluacin final
la cual te permitir determinar el nivel de aprendizaje que has
obtenido durante el proceso de enseanza-aprendizaje.
Si lo consideras necesario lee de nuevo el mdulo para que fijes o
refuerces lo aprendido...
AUTOEVALUACIN
1. Realice un mapa mental sobre los tipos de distribuciones de Probabilidad, discretas y
continuas y dems revisadas en el modulo
AUTOEVALUACIN
A causa de las condiciones imperantes ,una empresa informa que el 60% de sus
cuentas por cobrar a otras empresas no estn sobrevencidas . si un contador toma
una muestra de 10 de estas cuentas. Determine la probabilidad de que :
a. a. Exactamente la mitad no estn sobrevencidas.
b. b. Mas del 20% de la muestra no han sido pagadas a la fecha.
AUTOEVALUACIN
g)
BIBLIOGRAFA
ANDERSON, David; Sweeney, Dennis y otros. (1.990) Estadistica para
Adiministacin y Econmia. International Thomson Editores
BERENSON, M. y LEVINE, D. (1996). Estadstica bsica en administracin.
Mxico. Prentice Hall.
ELSTON, ROBERT C. Y JHONSON, WILLIAM. (1987). Principios de bioestadstica.
Mxico.Editorial el Manual Moderno, S.A..
DOWNI, N.M. (1973). Mtodos estadsticos aplicados .Mxico. Editorial Harla.
KAZMIER , L. (1998). Estadstica aplicada a la administracin y economa.
Mxico. Mc Graw Hill.
LEVIN,RICHAR. y RUBIN DAVID(1.996). Estadstica para administradores.
Prentice Hall editorial .
STEVENSON, WILLIAM. Estadstica para administracion y economa. Ediciones
Karla.