Instituto Tecnolgico de Mrida

Departamento de Ciencias
Econmico-Administrativas
INGENIERIA EN GESTION EMPRESARIAL
Asignatura
I.D.O
Evidencia
Portafolio De Tareas
Integrante
MUIZ VALLES GABRIELLA

Facilitador
Ing. Pedro Pablo Canto Leal

Mrida, Yucatn, Mxico.

1 de septiembre de 2015.

Contenido
EJERCIOS DE CAPITULO 3................................................................................................................ 2
TABLA 3.2 AUTOMVILES VENDIDOS POR DA EN DICARLO MOTORS..........................................2
TABLA 3.5 CLCULO DEL VALOR ESPERADO................................................................................... 4
Problemas del captulo 3................................................................................................................. 5

EJERCIOS DE CAPITULO 3
3.1 Variables aleatorias
Para cualquier experimento en particular una variable aleatoria puede denirse de modo que cada
resultado experimental posible genere exactamente un valor numrico para la variable aleatoria. Por
ejemplo, si consideramos el experimento de vender automviles un da en una concesionaria,
podramos describir los resultados experimentales en funcin de la cantidad de automviles
vendidos. En este caso, si x = cantidad de automviles vendidos, x se conoce como variable
aleatoria. El valor numrico particular que asume este tipo de variable depende del resultado del
experimento; es decir, el valor especco de la variable aleatoria no se conoce hasta que se observa
el resultado experimental. Por ejemplo, si cierto da se venden tres automviles, el valor de la
variable aleatoria es 3; si otro da (una repeticin del experimento) se venden cuatro automviles, el
valor es 4. Denimos una variable aleatoria como sigue: Una variable aleatoria es la descripcin
numrica del resultado de un experimento.
3.2 Variables aleatorias discretas
Podemos demostrar el uso de una variable aleatoria discreta al considerar las ventas de automviles
en Di Carlo Motors, Inc., con sede en Saratoga, Nueva York. El propietario de esta compaa est
interesado en el volumen de ventas diario de los automviles. Suponga que xes una variable
aleatoria que denota la cantidad de automviles vendidos en un da determinado. Los registros de
ventas muestran que 5 es el nmero mximo de automviles que DiCarlo vendi en un da. El
propietario considera que el historial de ventas anterior representa de manera adecuada lo que
ocurrir en el futuro, as que esperaramos que la variable aleatoria x asumiera uno de los valores
numricos 0, 1, 2, 3, 4 o 5. Los valores posibles de la variable aleatoria son nitos; por tanto,
clasicaramos a x como una variable aleatoria discreta

TABLA 3.2 AUTOMVILES VENDIDOS POR DA EN DICARLO MOTORS

Volumen de ventas

Nmero de das
2

Sin ventas
Un automvil
Dos automviles
Tres automviles
Cuatro automviles
Cinco automviles

54
117
72
42
12
3

Total

300

p.64dicarlomotors
Probabilities & Payoffs
Table:+

P
E1
E2
E3
E4
E5
E6

A1
0.18
0.39
0.24
0.14
0.04
0.01

Statistics for:
Expected Monetary
Value

0
1
2
3
4
5

0
1
2
3
4
5

A1
1.5 promedio de carros que se
vendern

54
117
72
42
12
3
300

0.18
0.39
0.24
0.14
0.04
0.01
1

81
175.5
108
63
18
4.5
450

FIGURA 3.1 DISTRIBUCIN DE PROBABILIDAD PARA LA CANTIDAD DE AUTOMVILES

VENDIDOS POR DA

45
40
35
30
25
20
15
10
5
0
0

Observaciones del problema de DICARLO MOTORS:

1. Existe una probabilidad de 0.18 de que no se venda ningn automvil durante un da.
2. El volumen de ventas ms probable es 1, con f (1) 0.39.
3. Hay una probabilidad de 0.05 de un da de ventas excepcional en que se vendan cuatro o cinco
automviles.
Valor esperado
Despus de construir la distribucin de probabilidad para una variable aleatoria, con frecuencia
queremos calcular la media o valor esperado de esa variable. El valor esperado de una variable
aleatoria discreta es un promedio ponderado (quiere decir que es el peso especifico) de todos los
valores posibles de la misma, donde los pesos son las probabilidades asociadas con los valores. La
frmula matemtica para calcular el valor esperado de una variable aleatoria discreta x es
E(x)= = x f (x) formula
Varianza
El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con
frecuencia queremos una medida de la dispersin, o variabilidad, de los valores posibles de esta
variable. Por ejemplo, si los valores de la variable aleatoria varan de muy grandes a muy pequeos,
esperaramos un valor grande para la medida de la variabilidad. Si los valores muestran slo una
variacin modesta, esperaramos un valor relativamente pequeo. La varianza es una medida que se
utiliza comnmente para resumir la variabilidad de los valores que asume una variable aleatoria.

TABLA 3.5 CLCULO DEL VALOR ESPERADO

x

125=

f(x)
0 0-1.5

(x-)2
f(x)
-1.5
2.25

(x-)2f(x)
0.18
0.405

1 1-1.5

-0.5

0.25 0.39

0.0975

2 2-1.5

0.5

0.25 0.24

0.06

3 3-1.5

1.5

2.25 0.14

0.315

4 4-1.5

2.5

6.25 0.04

0.25

5 5-1.5

3.5

12.25 0.01
2

0.1225
1.25

1.118

Problemas del captulo 3

1. Los ejemplos siguientes son experimentos con sus variables aleatorias asociadas. En cada
caso identique los valores que la variable aleatoria puede asumir y establezca si la variable
aleatoria es discreta o continua:
Experimento
Variable aleatoria(x)

a. Responder un examen de 20
preguntas

b. Observar los automviles que llegan

c. Auditar 50 devoluciones de
impuestos

Nmero de preguntas que se responde

correctamente
DISCRETA
Cantidad de automviles que llegan a
a una caseta de peaje la caseta de
peaje durante 1 hora
DISCRETA
Nmero de devoluciones que
contienen errores
DISCRETA

d. Observar el trabajo de un empleado

Nmero de horas improductivas

durante 8 horas
CONTINUA

e. Pesar un embarque de productos

Peso del embarque

DISCRETA

2. La tabla siguiente muestra una distribucin de probabilidad parcial para las utilidades
proyectadas de MRA Company (en miles de dlares) para el primer ao de operacin (el valor
negativo denota una prdida):
a. Determine el valor faltante de f(200). Cul es su interpretacin de este valor? R= 0.05 es la
probabilidad de la utilidad.
X
F(x)
-100
0.1
0
0.2
50
0.3
100
0.25
150
0.1
200
0.05
1
b. Cul es la probabilidad de que MRA sea rentable?
R= es un 70% porque sumando a partir de 50 en adelante donde ya es rentable nos da la
cantidad de 70% de rentabilidad.
c. Cul es la probabilidad de que MRA gane al menos $100,000?
R= el 40%. Porque desde cero es el 20% y menos 100 es el 10% entonces sumamos esta
cantidad y nos quedamos con el 40%.
3. Se reunieron datos sobre el nmero de salas de operaciones en uso en el Hospital General de
Tampa durante un periodo de 20 das. En 3 de los das slo se us una sala de operaciones,
en 5 das se usaron dos, en 8 das se usaron tres y en 4 das se usaron todas
. a. Utilice el mtodo de frecuencia relativa para elaborar una distribucin de probabilidad para el
nmero de salas de operaciones en uso en cualquier da.
salas de
Das
op.
f(x)
3
1
0.15
5
2
0.25
8
3
0.4
4
4
0.2
1
b. Elabore una grca de la distribucin de probabilidad.
6

0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1

c. Muestre que su distribucin de probabilidad satisface los requisitos de una distribucin de

probabilidad discreta vlida.
F(X) 0 con x= 1.2.3.
f(X)= 1
4. Enseguida se muestra una distribucin de probabilidad para la variable aleatoria x.
a. Calcule E(x), el valor esperado de x.
b. Calcule 2 2, la varianza de x.
c. Calcule , la desviacin estndar de x.
Expected Monetary
Value
Probabilities & Payoffs
Table:
P
E1
0.25
E2
0.5
E3
0.25
Statistics for:
Expected Monetary
Value
Variance
Standard Deviation
Coefficient of Variation
Return to Risk Ratio

A1
3
6
9
A1
6
4.5
2.1213203
4
0
.35
2.8284271
7

2
5. Se muestran las distribuciones de frecuencia porcentuales de las cali caciones de
satisfaccin laboral para una muestra de altos directivos y de gerentes intermedios de
sistemas de informacin (SI). Las puntuaciones varan de un mnimo de 1 (muy insatisfechos)
a un mximo de 5 (muy satisfechos).
a. Desarrolle la distribucin de probabilidad para la calicacin de satisfaccin laboral de un alto
directivo.
x
f(x)
5
0.05
9
0.09
3
0.03
42
0.42
41
0.41
100
1
b. Desarrolle una distribucin de probabilidad para la calicacin de satisfaccin laboral de un
gerente intermedio.
x
f(X)
4
0.04
10
0.1
12
0.12
46
0.46
28
0.28
100
1
c. Cul es la probabilidad de que un alto directivo reporte una calicacin de satisfaccin laboral de
4 o 5?
R= seria un 83% por que al sumar .41 y .42 nos da como resultado el 83%.
d. Cul es la probabilidad de que un gerente intermedio est muy satisfecho?
R= seria un 74% ya que es la suma de 46 y 28, estos son los resultados mas satisfactorios.
e. Compare la satisfaccin laboral general de los altos directivos y gerentes intermedios
R= los altos directivos son lo que tienen ms satisfaccin laboral ya que su porcentaje es de 83%
sobre 74% que obtuvieron los gerentes intermedios.
6. La Encuesta de Vivienda Estadounidense inform los datos siguientes sobre el nmero de
habitaciones en las viviendas ocupadas por propietarios e inquilinos en las ciudades centrales
(http://www.census.gov, 31 de marzo, 2003):
habitacione ocup. Por
s
inquilinos
ocup. Por propetarios
0
547
23
1
5012
541
2
6100
3832
3
2644
8690
4
557
3783
14860
16869
8

a. Dena una variable aleatoria x = nmero de habitaciones en las viviendas ocupadas por inquilinos
y elabore una distribucin de probabilidad para la variable aleatoria, donde x = 4 represente 4
habitaciones o ms.
Dist. De
probabilidad
547 0.04
5012 0.34
6100 0.41
2644 0.18
557 0.04
14860 1.00
b. Calcule el valor esperado y la varianza para el nmero de habitaciones en las viviendas ocupadas
por inquilinos.
Expected Monetary
Value
Probabilities & Payoffs
Table:
P
E1
0.04
E2
0.34
E3
0.41
E4
0.18
E5
0.04
Statistics for:
Expected Monetary
Value
Variance
Standard Deviation
Coefficient of Variation
Return to Risk Ratio

A1
0
1
2
3
4
A1
1.86
0.814996
0.9027712
9
0.4853609
1
2.0603225

c. Dena una variable aleatoria y = nmero de habitaciones en las viviendas ocupadas por
propietarios y elabore una distribucin de probabilidad para la variable aleatoria, donde y= 4
represente 4 o ms habitaciones.
23 0.00
541 0.03
3832 0.23
8690 0.52
3783 0.22
16869 1.00
d. Calcule el valor esperado y la varianza para el nmero de habitaciones en las viviendas ocupadas
por propietarios.
Expected Monetary
Value
Probabilities & Payoffs
Table:
P
E1
0
E2
0.03
E3
0.23
E4
0.52
E5
0.22
Statistics for:
Expected Monetary
Value
Variance

A1
0
1
2
3
4
A1

2.93
0.5651
0.7517313
Standard Deviation
3
Coefficient of Variation 0.2565636
3.8976691
Return to Risk Ratio
1
e. Qu observaciones puede hacer de la comparacin del nmero de habitaciones en viviendas
ocupadas por inquilinos frente a las ocupadas por propietarios?
R= que los propietarios ocupan ms habitaciones con un porcentaje mayor de 2.93 en comparacin
con los inquilinos con un 1.86.

10

7. La demanda de un producto de Carolina Industries vara en gran medida de un mes a otro. Con
base en los datos de dos aos anteriores, la siguiente distribucin de probabilidad muestra la
demanda mensual de este producto:
unidades
demandadas
probabilidad
300
0.2
400
0.3
500
0.35
600
0.15
1800
1
a. Si la empresa coloca pedidos mensuales iguales al valor esperado de la demanda mensual, cul
debera ser la cantidad mensual para este producto?
Expected Monetary
Value
Probabilities & Payoffs
Table:
P
E1
300
E2
400
E3
500
E4
600

A1
0.2
0.3
0.35
0.15

Statistics for:
A1
Expected Monetary
Value
445
Variance 356049073
18869.262
Standard Deviation
6
42.402837
Coefficient of Variation
4
0.0235833
Return to Risk Ratio
3
b. Suponga que cada unidad demandada genera $70 en ingresos y cada unidad ordenada cuesta
$50. Cunto ganar o perder la empresa en un mes si coloca un pedido con base en su respuesta
para el inciso a) y si la demanda real para el artculo es de 300 unidades?
Genera una ganancia de 25
c. Cules son la varianza y la desviacin estndar para el nmero de unidades demandadas?
Variance 356049073
18869.262
Standard Deviation
6
8. J. R. Ryland Computer considera la expansin de una planta que permitir a la empresa iniciar la
fabricacin de un nuevo producto de cmputo. El presidente de la empresa debe determinar si hacer
la expansin como un proyecto a mediana escala o a gran escala. Existe incertidumbre respecto a la
demanda futura del producto nuevo, la cual para propsitos de planeacin puede ser baja, media o
alta. La probabilidad estimada para la demanda es 0.20, 0.50 y 0.30, respectivamente. Si x indica las
11

utilidades anuales en miles de dlares, los encargados de planeacin de la empresa desarrollarn

los siguientes pronsticos de utilidades para los proyectos de expansin a mediana y gran escala.
a. Calcule el valor esperado para las utilidades asociadas con las dos opciones de expansin. Cul
es la decisin adecuada para el objetivo de maximizar las utilidades esperadas?
Expected Monetary Value
Probabilities & Payoffs
Table:
P
E1
50
E2
150
E3
200
E4
0
Statistics for:
Expected Monetary Value
Probabilities & Payoffs
Table:
P
E1
0
E2
100
E3
300
E4
0

A1
0.2
0.5
0.3
0
A1
145

A1
0.2
0.5
0.3
0

Statistics for:
A1
Expected Monetary Value
140
a. Mediana 145; grande 140; se prefiere la mediana
Calcule la varianza para las utilidades asociadas con las dos opciones de expansin. Cul es la
decisin adecuada si el objetivo es minimizar el riesgo o la incertidumbre?
Variance
2725
Variance

12400

b. Mediana 2725; grande 12,4000; se prefiere la mediana.

12