Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
probabilidades
Bienvenida
Estimados estudiantes, en la presente semana estudiaremos el importante tema: variable
aleatoria y distribucin de probabilidades, que como veremos, nos muestra toda una gama de
valores que pueden ocurrir con base en un experimento. Es casi similar a una distribucin de
frecuencias, sin embargo, en vez de describir el pasado define qu tan probable es que suceda
algn evento futuro. Esencial para un administrador que tiene la tarea de predecir el rumbo de
ciertas acciones relacionadas con su empresa.
Introduccin al tema
Escuchar el siguiente Audio:
00:00
01:54
Aprendizajes esperados
Conozcamos ahora las capacidades y actitudes a desarrollar en
este primer tema:
Capacidad
Actitudes
o
Ejemplos:
Si pesa cuatro lingotes de acero, los pesos pueden ser de 2492 libras, 2497 libras,
2506 libras, etc. El peso es una variable aleatoria.
Si se lanza dos monedas y cuenta el nmero de caras, puede caer cero, una o dos
caras. Como el nmero de caras que resulta de este experimento se deb al azar, el
nmero de caras que caen es una variable aleatoria.
Otras variables aleatorias pueden ser el nmero de focos defectuosos producidos por
hora en Cleveland Company, Inc.; la calidad (9, 10, 11 o 12) de los miembros del
equipo de basquetbol femenil de St. James; el nmero de corredores del maratn de
Boston en la carrera 2006 y la cantidad diaria de conductores multados por conducir
bajo la inlfuencia del alcohol en Texas.
1.1.2. Tipos
1.1.2.1. Variable Aleatoria Discreta
Una variable aleatoria es discreta cuando su rango de valores es
un subconjunto de nmeros enteros finito o infinito, por tanto
numerable.
Ejemplos:
X10: Demanda diaria de solicitudes de crdito por mes en una entidad bancaria.
Ejemplos:
X1: Ingreso mensual en la SUNAT por concepto de impuestos al extender recibos de honorarios
profesionales.
X2: Demanda diaria de carne de papa en el Mercado de Moshoqueque.
X3: Duracin de la construccin de una obra pblica.
X4: Produccin mensual de arroz en la Regin Lambayeque.
X5: Gasto mensual por concepto de recreacin de la familia chiclayana.
X6: Demanda semanal de combustible en el distrito de Piura.
X7: Tiempo que trabaja por da un funcionario de empresa privada.
X8: Tiempo de vida til en anaquel de la carne de pollo.
X9: Tasa de llegada de un usuario a una ventanilla de institucin bancaria.
X10: Cantidad de electricidad consumida por da por una empresa de produccin de conservas
de frutas.
Problemas resueltos
Problema 1
Se define el siguiente experimento aleatorio:
1: observar el resultado de lanzar 2 dados perfectos
Se define la siguiente variable aleatoria y se pide: hallar su rango y decir si es discreta o
continua.
X1 : suma observada al lanzar 2 dados perfectos.
Solucin
El espacio muestral correspondiente al referido experimento aleatorio es:
Por tanto:
X1(1,1) = 2
X1(1,2) = X1(2,1) = 3
X1(1,3) = X1(2,2) = X1(3,1) = 4
X1(1,4) = X1(2,3) = X1(3,2) = X1(4,1) = 5
X1(1,5) = X1(2,4) = X1(3,3) = X1(4,2) = X1(5,1) = 6
X1(1,6) = X1(2,5) = X1(3,4) = X1(4,3) = X1(5,2) = X1(6,1) = 7
X1(2,6) = X1(3,5) = X1(4,4) = X1(5,3) = X1(6,2) = 8
X1(3,6) = X1(4,5) = X1(5,4) = X1(6,3) = 9
X1(4,6) = X1(5,5) = X1(6,4) = 10
X1(5,6) = X1(6,5) = 11
X1(6,6) = 12
Problema 2
Se define el siguiente experimento aleatorio:
2: observar las horas/hombre perdidas por mes, en una gran empresa donde el costo
hora/hombre semanal de produccin equivale a 1500 soles, laboran 35 personas 8 horas
diarias durante 24 das al mes.
Se define la siguiente variable aleatoria y se pide: hallar su rango y decir si es discreta o
continua.
X2: costo mensual por horas/ hombre perdidas por mes.
Solucin
es una funcin que asigna a cada valor posible de dicha variable una probabilidad.
La distribucin de probabilidad de una variable aleatoria describe cmo se distribuyen las
probabilidades entre los valores de la variable aleatoria.
En el caso de una variable aleatoria discreta x, la distribucin de probabilidad o funcin de
probabilidad, ms conocida como funcin de cuanta, es denotada por P(x). La funcin de
probabilidad otorga la probabilidad de cada valor de la variable aleatoria. (Anderson &
Sweeney, D, 2010)
Para el caso de variable aleatoria discreta, se tiene que sta puede ser:
a)
b)
i = 1,2,3,
i = 1, 2, 3, , n.
Ejemplo 1
Objetivos
Distribucin de Probabilidad:
Ejemplo 2
Objetivos
Sea X la variable aleatoria definida como el nmero de caras que ocurren al lanzar una moneda
4 veces.
a)
b)
c)
a)
. Suponiendo
que los diecisis sucesos elementales del espacio muestral son equiprobables,
la funcin de probabilidad, es descrita por:
y su grfica es:
Notas:
1)
La condicin a) expresa que la grfica de f(x) no tiene puntos por debajo del eje de las
abscisas.
La condicin b), indica que el rea total bajo la curva es igual a 1.
La condicin c) expresa: probabilidad igual a rea. Esto es, si A=[a,b], la
probabilidad
es igual al rea de la regin limitada por la curva, el eje X y las rectas
X=a, X=b, es decir:
2)
No es difcil verificar que si el evento A es cualquier intervalo en la recta real, entonces
P(A), satisface los axiomas de la probabilidad.
3)
Cualquier funcin f(x) que satisfaga slo las condiciones a) y b) no es probabilidad, slo
es probabilidad cuando la funcin de densidad es integrada entre dos lmites.
Ejemplo 1
Sea f(x) una funcin definida en todos los nmeros reales por:
a)
Hallar el valor de la constante c para que, f(x)
sea una funcin de densidad para alguna variable aleatoria X.
b)
Calcular
Solucin
a)
resultando, . Luego:
Nota
Objetivos
En la asignatura Estadstica Aplicada, pre requisito de la asignatura Toma de Decisiones, usted
ha estudiado las distribuciones de probabilidad de las variables aleatorias continuas ms
conocidas como las distribuciones normal, Chi Cuadrado, t de student, entre otras, cuyos
grficos respectivamente son los siguientes:
Ejemplo 1
Sea X la variable aleatoria definida como el nmero de caras que resultan al lanzar una
moneda 4 veces.
a)
b)
Solucin
a)
La funcin de probabilidades f(x) de la variable aleatoria X est descrita (ejemplo 2 del
tema Distribucin de Probabilidad), por:
f(0) = 1/16, f(1) = 4/16, f(2) = 6/16, f(3) = 4/16 y f(4) = 1/16.
Entonces,
F(0) = f(0) = 1/16
Ejemplo 2
Tomando los datos del ejemplo anterior, la funcin de distribucin F(x) viene dada en la
siguiente tabla:
Ejemplo 3
acumulada:
Valor esperado (de una variable aleatoria discreta): se denota con E y representa el
valor promedio de los resultados. Se obtiene calculando el valor:
Ejemplo 1
Objetivos
Calcular la media de la distribucin de probabilidad de la variable aleatoria X que se define
como el nmero de caras cuando se lanzan cuatro monedas.
Solucin
La distribucin de probabilidad de X se da en la Tabla 6:
La media de X es el nmero:
Esto significa que si una persona lanza 4 monedas, muchas veces, en promedio obtendr dos
caras por lanzamiento.
Ejemplo 2
Suponga que un juego al azar consiste en lanzar un dado y que el jugador puede ganar $7, si
obtiene al menos 5 puntos, o perder 2 dlares en caso contrario.
a)
b)
Sea la variable aleatoria Y, la cantidad de dinero que el jugador puede ganar. Entonces los
posibles valores de Y son: $7 si ocurre A={5,6}, con probabilidad 2/6, y -$2 si
ocurre
, con probabilidad 4/6.
a)
Los pasos
para el
clculo son
los siguientes:
; es
Un ejemplo ayudar a explicar los detalles del clculo e interpretacin de la media y desviacin
estndar de una distribucin de probabilidad.
Ejemplo 1
De nuevo una tabla resulta til para sistematizar los clculos de la varianza que es de
1.290.
automviles.
Preguntas de anlisis
Objetivos
Estimado estudiante, hemos revisado los contenidos referentes a la primera semana, y
con el fin de seguir apoyndote en este proceso de enseanza, te sugiero analices y des
respuesta a las siguientes preguntas:
1. Una variable aleatoria continua puede tomar como valores nmeros enteros?
2. Siempre el dominio de una variable aleatoria es el espacio muestral?
3. Puede el rango de una variable aleatoria tomar valores enteros?
4. Si una variable aleatoria se define como el consumo mensual de energa elctrica, sta es continua o
discreta?
5. La funcin de probabilidad de una variable aleatoria sea discreta o continua, siempre es positiva?
Videos
Video 1
1.1. Con ayuda del siguiente video explicaremos algunas dudas que se hayan
presentado en el concepto y tipologa de variable aleatoria de la primera semana.
https://youtu.be/n0T_HcJ7oak
Con el contenido terico y prctico, citado en el presente video, se consolidan los
aprendizajes relacionados con el concepto de variable aleatoria, su definicin, notacin,
su relacin con el espacio muestral, su tipologa o clasificacin discreta o continua, con
claros ejemplos muy ilustrativos.
Video 2
1.2. Con ayuda del siguiente video explicaremos algunas dudas que se hayan
presentado en el concepto de variable aleatoria discreta de la primera semana.
https://youtu.be/naEqsDvkIXs
Video 3
1.3. Con ayuda del siguiente video explicaremos algunas dudas que se hayan
presentado en el concepto de variable aleatoria continua de la primera semana.
https://youtu.be/s-hZzqm6nDc
Con el contenido terico y prctico, citado en el presente video, se consolidan los
aprendizajes relacionados con el concepto de variable aleatoria continua, su funcin de
probabilidad o de densidad de probabilidad, funcin de probabilidad acumulada o
funcin de distribucin; con claros ejemplos muy ilustrativos.
Recesin
Nuevos soles
Derivados de petrleo.
Siempre es simtrica.
Siempre toma valores mayores o iguales a cero, para todo valor de su dominio.
Para el caso de una variable aleatoria continua, las probabilidades o regiones bajo la curva de
probabilidad siempre se calculan utilizando integrales con lmites opuestos.
Estadios de sudamrica.
Gimnasios de Piura
Cuota mensual de pago a la banca local por deudas contradas por parte de microempresarios
chiclayanos.
Referencias (bibliogrficas)
Anderson, D., & Sweeney, D. (2010). Mtodos Cuantitativos para los Negocios. Mxico:
Cengage Learning Editores, S.A.
Lind, D. A. (2008). Estadstica Aplicada a los Negocios y la Economa. Mxico D. F.: McGrawHill.
Mata, A. D. (2008). Estadstica aplicada a la Administracin y la Economa. Mxico D. F.:
McGraw-Hill.
Triola, M. F. (2004). Estadstica. Mxico D. F.: Pearson Educacin.
Triola, M. F. (2004). Probabilidad y Estadstica. Mxico D. F.: Pearson Educacin.
Zamora, M. C. (2004). Estadstica. Lima: Librera Moshera S. R. L.
URL: http://site.ebrary.com/lib/bibsipansp/docDetail.action?
docID=10522957&p00=estadistica%20administracion%20economia
Breve descripcin
Este texto que se encuentra en la Biblioteca Digital de la USS, contiene varios tpicos propios
de la Estadstica Descriptiva, Probabilidades, Variables aleatorias, Distribuciones de
probabilidad, inferencia estadstica, anlisis bayesiano, entre otros.
Se recomienda leer todo lo relacionado a los captulos 6 y 7, que contienen temas sobre
variables aleatorias y sus distribuciones de probabilidad, esperanza y varianza matemtica.
Adems repasar la parte de teora de las probabilidades, que en este caso, constituye
conocimientos prerrequisitos.
La variable aleatoria slo puede tener valores que se deben al azar; por ejemplo el
nmero de unidades vendidas, niveles de produccin diaria, talla de los clientes, etc.
Entonces, no slo hemos definido la variable aleatoria, sino que adems hemos utilizado las
leyes de la probabilidad para analizar la manera en que dichas variables aleatorias se
relacionan con los experimentos.
Bienvenida
Estimados estudiantes, bienvenidos al interesante tema referido a la toma de decisiones en
situacin de riesgo. Un tema muy importante en el quehacer cotidiano de todo profesional
moderno, quien no slo tiene la necesidad, sino tambin la obligacin de tomar decisiones a
cada momento. Se abordarn los temas: Incertidumbre, riesgo, entornos y estructuras de
problemas de decisin, criterios del valor esperado, de mnima varianza, de la media con
varianza acotada, de la dispersin, de la probabilidad mxima, rboles de decisin. Al finalizar
la semana podrs aplicar teoras y tcnicas para la toma de decisiones en condiciones de
riesgo a situaciones de la vida real.
Introduccin al tema
El problema de la Decisin, motivado por la existencia de ciertos estados de
Aprendizajes esperados
Conozcamos ahora las capacidades y actitudes a desarrollar en
este segundo tema:
Capacidad
Define un problema de decisin bajo condiciones de Riesgo sin uso del muestreo.
Domina y aplica los criterios estadsticos propios del anlisis a priori sin uso del
muestreo: del valor esperado, de mnima varianza con media acotada, de la
media con varianza acotada, de la dispersin y de la probabilidad mxima.
Aplica la tcnica de los rboles de decisin bajo el entorno de Riesgo sin uso
del muestreo.
Actitudes
Reflexionemos:
Ejemplo 1
Suponga que tiene un pequeo local de ventas de pinos para Navidad. La primera tarea es
decidir cuntos pinos ordenar para la siguiente temporada. Supngase que se debe pagar $3.5
por cada rbol, se pueden ordenar slo lotes de 100 y se planea venderlos a $8 cada uno. Por
supuesto, si no se venden, no tienen valor de recuperacin. Se estudian los registros de ventas
pasadas en la iglesia y se analiza el crecimiento potencial de las ventas con otros vendedores,
llegando a las siguientes estimaciones para la siguiente temporada:
Con estos datos se puede calcular la ganancia para cada combinacin de cantidad ordenada y
ventas eventuales. Por ejemplo, si se ordenan 300 pinos y se venden slo 200, la utilidad neta
ser de $4.5 por cada rbol vendido menos una prdida de $3.5 por los rboles no vendidos,
es decir:
200($8-$3.5)-100($3.5)=$900-$350=$550
Si se hace esto para cada una de las combinaciones y se obtienen los resultados mostrados en
la tabla de decisiones siguiente o tambin llamada matriz de pagos:
Deber una compaa petrolera realizar pruebas ssmicas costosas antes de hacer
una nueva perforacin?
Los principales criterios de decisin empleados sobre tablas de decisin en ambiente de riesgo
son:
Ejemplo 2
Para un problema de decisin bajo riesgo con la siguiente Tabla de resultados (Tabla de
Pagos):
la siguiente tabla muestra el resultado esperado para cada una de las alternativas:
Verificamos los clculos, haciendo uso de la ecuacin (3), Criterio del Valor Esperado:
La alternativa ptima segn el criterio del valor esperado sera , pues proporciona el
mximo de los valores esperados.
decisin dara los mejores resultados y sera evidente la estrategia ptima a adoptar. (Webster,
2008)
Surgira la pregunta:
Siguiendo con el anlisis del Estudio de Caso presentado, sin la informacin relativa a las
probabilidades de los estados naturales, Illinois Central, con el criterio de valor esperado,
decidi renovar, lo que daba un beneficio esperado de 15000 dlares, como podemos observar
en el clculo del valor esperado (EV) de cada decisin alternativa (ecuacin (4)):
Ahora calculemos el valor que Illinois Central podra esperar adquirir. Para ello sigamos
el siguiente procedimiento:
Elijamos en cada caso el mejor pago con ese estado natural y multipliqumoslo por la
probabilidad de que ocurra el estado natural.
Por consiguiente:
Esta cifra representa la cantidad mxima que Illinois Central debe estar dispuesto a
pagar por tal informacin.
y se selecciona la que presente menor varianza, de esta forma se consigue la eleccin de una
alternativa con poca variabilidad en sus resultados y que proporciona, por trmino medio, un
resultado no demasiado pequeo. En resumen, el criterio de mnima varianza con media
acotada es el siguiente:
Ejemplo 3
Consideramos la misma Tabla del Ejemplo 2 (Tabla 4).
Para este caso tendramos la siguiente tabla que muestra el resultado esperado y su varianza
para cada una de las alternativas:
de
y se selecciona la que presente mayor valor esperado, de esta forma se consigue la eleccin
de una alternativa con poca variabilidad en sus resultados y que proporciona, por trmino
medio, un buen resultado. En resumen, elcriterio de la media con varianza acotada es el
siguiente:
Ejemplo 4
Consideramos la misma Tabla del Ejemplo 2 (Tabla 4).
La siguiente tabla muestra el resultado esperado y su varianza para cada una de las
alternativas.
donde K es una valor fijado por el decisor, y se selecciona la de mayor valor resultante. De esta
forma se consigue limitar la influencia de alternativas con un valor esperado grande, pero
tambin alta variabilidad. Por tanto, el criterio de dispersin puede resumirse de la siguiente
forma:
Ejemplo 5
De igual modo, considerando la Tabla 4 en el Ejemplo 2, la siguiente Tabla muestra, para cada
una de las alternativas, el valor esperado, la varianza y el valor esperado corregido
correspondiente a un factor K=2.:
y se selecciona aquella alternativa con mayor probabilidad asociada. Por tanto, el criterio de
probabilidad mximapuede resumirse de la siguiente forma:
Ejemplo 6
Tambin considerando la Tabla 4 del Ejemplo 2, construimos la siguiente Tabla, que muestra,
para cada una de las alternativas, la probabilidad de que el resultado sea mayor o igual que
K=10.
Objetivos
Cualquier problema que pueda
presentarse en una tabla de decisin
tambin puede ilustrarse de manera
grfica en un rbol de decisin. Todos
los rboles de decisin son similares en
el sentido de que contienen puntos de
decisin o nodos de decisin y puntos
de estados de la naturaleza o nodos de
estados de la naturaleza: (Render,
2006)
Un nodo de estados de la
naturaleza a partir del cual
podra ocurrir un estado de la
naturaleza.
Ejemplo 7
Objetivos
Supongamos que se desea invertir $10000 en el mercado de valores comprando acciones de
una de dos compaas: A y B. Las acciones de la compaa A representan un riesgo, pero
podran dar un rendimiento del 50% sobre la inversin durante el siguiente ao. Si las
condiciones de la bolsa no son favorables (es decir, mercado a la baja), las acciones pueden
perder 20% de su valor. La compaa B proporciona inversiones seguras con 15% de
rendimiento en un mercado a la alza, y slo 5% en un mercado a la baja. Todas las
publicaciones que se han consultado, predicen un 60% de posibilidades para un mercado a la
alza y 40% de un mercado a la baja.
Preguntas de anlisis
Objetivos
Estimado estudiante, hemos revisado los contenidos referentes a la segunda semana, y
con el fin de afianzar el proceso de aprendizaje, te sugiero analices y des respuesta a las
siguientes interrogantes:
1.
Proporcione un ejemplo de una buena decisin que haya tomado y que haya
resultado mal. Tambin de un ejemplo de una mala decisin que haya tomado y que haya
dado un buen resultado.
Por qu fue buena o mala cada una de estas
decisiones?
2.
3.
4.
Exponga las diferencias entre un proceso de toma de decisiones bajo certidumbre,
de riesgo y de incertidumbre.
5.
Cules son los criterios que se pueden aplicar para la toma de decisiones en
condiciones de riesgo?
6.
Video
1.1. Con ayuda del siguiente video explicaremos algunas dudas que se hayan
presentado en el concepto y tipologa de la toma de decisiones en condiciones de
riesgo de la segunda semana.
https://youtu.be/EjCO63j1afY
Tabla de probabilidades.
Tabla de valores
Tabla de decisiones.
Tabla de alternativas.
Valor esperado.
Importaciones
Plan de pensiones.
Amortizar la hipoteca.
Fondo a un ao.
Referencias bibliogrficas
Objetivos
Anderson, D., & Sweeney, D. (2010). Mtodos Cuantitativos para los Negocios. Mxico:
Cengage Learning Editores, S.A.
Bravo, R. B. (2000). Sociedad Andaluza de Educacin Matemtica Thales. Recuperado el 21
de noviembre de 2014, de Recursos Didcticos Proyecto Thales CICA: http://goo.gl/DdV5S6
Render, B. (2006). Mtodos cuentitativos para los negocios. Mxico: Pearson Prentice Hall.
Webster, A. L. (2008). Estadstica Aplicada a los Negocios y la Economa. Madrid: IRWIN.
URL: http://goo.gl/f90vzi
Breve descripcin