Professional Documents
Culture Documents
Datos no agrupados
Media.
1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20
X=210/20=10.5
Mediana
1, 2, 3, 4, 5, 6, 7 =4 mediana impar
Moda:
1, 2, 3, 4, 5, 6, 2, 3, 5, 2, 8, 9, 2 = 2
212,201,236,145,258,178,169,125,136,147,158,158,125,124,136,125,147,158,258,245,124,136,
X=4386/28=156.6
X=124+136=260/2=130
X=125,
100,101,124,124,125,125,125,125,125,136,136,136,145,145,147,147,158,158,158,169,178,189,
Rango 258-100=158
s2=56530.48/28=2355.4
Rango: 48.53
1
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
TABLA DE FRECUANCIAS
FRECUENCI
INTERVAL A FRECUENC
Nº DE OS DE FECUENC ACUMULA IA
CLASES CLASE IA DA RELATIVA
1 5,10 6 6 0.075
2 11,16 13 19 0.1625
3 17,22 12 31 0.15
4 23,28 10 41 0.125
5 29,34 10 51 0.125
6 35,40 7 58 0.0875
7 41,46 12 70 0.15
8 47,52 6 76 0.075
9 53,58 3 79 0.0375
10 59,64 1 80 0.0125
TOTAL 80 TOTAL 1
10
8
6
4
2
0
5,10 11,16 17,22 23,28 29,34 35,40 41,46 47,52 53,58 59,64
INTERVALOS DE CLASE
15
COMPRAS EN UNA TIENDA
10
FRECUENCIA
5 fecuencia
0
10 16 22 28 34 40 46 52 58 64
5 , 1 1 , 17 , 2 3 , 2 9 , 35 , 4 1 , 4 7 , 53 , 59 ,
2
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
10
fecuencia
5
0
0 2 4 6 8 10 12
INTERVALOS DE CLASE
38, 39, 33, 37, 34, 31, 38, 36, 35, 25.
X=346/10=34.6
X=35+31=66/2=33
X=38
Rango 39-25=14
1.96+5.76+11.56+11.56+19.36
s2=158.4/10=15.84
Rango: 3.98
TABLA DE FRECUANCIAS
FRECUENCIA
INTERVALOS ACUMULAD FRECUENCIA
N° DE CLASE DE CLASE FRECUENCIA A RELATIVA
1 172.5 -173.5 6 6 0.173
2 174.5-175.5 12 18 0.34
3 177.5-178.5 9 27 0.25
4 180.5-181.5 7 34 0.21
3
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
5 183.5-184.5 1 35 0.02
TOTAL 35 TOTAL 0.993
8
6
4
2
0
172.5 -173.5 174.5-175.5 177.5-178.5 180.5-181.5 183.5-184.5
INTERVALOS DE FRECUENCIA
8 frecuencia
6
4
2
0
172.5 -173.5 174.5-175.5 177.5-178.5 180.5-181.5 183.5-184.5
8
6 frecuencia
4
2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
INREVALOS DE CLASE
4
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
3.- ejercicio numero e clientes que visitan una tienda en un periodo de 22 días:
28,28,29,31,32,33,33,34,34,37,38,41,42,43,45,46,48,49,49,49,50,52
X=871/22=39.6
X=38+41/2=39.5
X=49
+29.16+40.96+70.56+88.36+88.36+88.36+108.16+153.76
s2=1359.32/22=61.79
rango:7.86
TABLA DFRECUANCIAS
FRECUENCI
FRECUENCI FRECUENCI A
INTERVALO A A ACUMULAD
N°CLASE S DE CLASE ADSOLUTA RELATIVA A
1 8,11 2 0.1 10
2 11,14 5 0.25 25
3 14,17 6 0.3 30
4 17,20 2 0.1 10
5 20,23 2 0.1 10
6 23,26 1 0.05 5
7 26,29 1 0.05 5
8 29,32 1 0.05 5
TOTAL 20 1 100
5
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
7
6
5
4
3
2
1
0
8,11 11,14 14,17 17,20 20,23 23,26 26,29 29,32
F.ADSOLUTA
7
6
5
4 F.ADSOLUTA
3
2
1
0
8,11 11,14 14,17 17,20 20,23 23,26 26,29 29,32
F.ADSOLUTA
7
6
5
4 F.ADSOLUTA
3
2
1
0
0 1 2 3 4 5 6 7 8 9
6
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
Ejemplos:
a) Calcular el rango
b) ¿En qué unidades esta expresado el rango?
2- Hallar la amplitud de la edad de los 1000 ancianos que varían entre 60 y 74 años.
Caso 1:
Amplitud=73 – 61=12 a ñ os
Caso 2:
Amplitud=Limite real superior de la Clase m á s alta – Limite real inferior de la Clase m á s baja
Amplitud=74.5 – 59.5=15 a ñ os
7
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
3- Durante cierto mes de verano los ocho vendedores de una empresa de calefacción y
aire acondicionado vendieron los siguientes números de unidades de aire
acondicionado:
8 , 11 , 5 ,14 ,8 ,11, 16 , 11
x− X́
x X́ |x− X́|
368 362 6 6
Formula:
353 362 -9 9 DM =MD=
∑|x − X́|
N
376 362 14 14
361 362 -1 1
366 362 4 4
351 362 -11 11
359 362 -3 3
2534 0 48
2534 48
X́ = =362 D . M .= =6.86
7 7
x− X́
x X́ |x− X́|
1 3 -2 2
2 3 -1 1
3 3 0 0
4 3 2 1
5 3 2 2
0 6
6
D . M .= =1.2
5
8
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
Recuérdese que la suma de las desviaciones alrededor de la media debe de ser cero.
COEFICIENTE DE VARIACION
desviacion estandar
coeficiente de variacion= x 100
media
EJEMPLOS:
33.99
coeficiente de variacion= x 100=12 %
270.50
50.25
coeficiente de variacion= x 100=33.5 %
150
45.52
coeficiente de variacion= x 100=6.2 %
730.75
9
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
3(μ−Med)
asimetria de poblacion=
σ
3( x́−Med)
asimetria de lamuestra=
s
En una distribución simétrica, el valor de coeficiente de simetría siempre será cero, ya que la
media y la mediana son de igual valor.
En una distribución con sesgo negativo, la media siempre es mayor que la mediana, por
tanto el valor de coeficiente es positivo.
En una distribución con sesgo negativo, la media siempre es menor que la mediana, por
tanto el valor del coeficiente es negativo.
EJEMPLOS:
1.-En un grupo de datos sobre las ventas de equipos de aire acondicionado, la media es
10.5 unidades, la mediana es 11.0 unidades y la desviación estándar es 3.3 unidades. Cual
es el coeficiente de simetría
3(10.5−11.0 )
asimetria de poblacion= =0.45
3.3
2.- En un grupo de datos sobre los celulares vendidos, la media es de 12.3, la mediana es
de10.0 y la desviación estándar de 2.8.Cual es el coeficiente de simetría
3(12.3−10.0)
asimetria de poblacion= =2.46
2.8
3.- En un grupo de datos sobra los números de boletos vendidos para un concierto, la
medio es de 11.23, la mediana es de 11.23, y la desviación estándar de 3.5. Cual es el
coeficiente de simetría
3(11.23−11.23)
asimetria de poblacion= =0
3.5
10
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
PROBABILIDAD.
EJEMPLO 1 En un juego de naipes bies barajadas que contiene 4 ases y otras 48 canas, la
probabilidad de sacar un as (A) en una sola extracción es:
N ( A) 4 1
P ( A )= = =
N ( S ) 52 13
EJEMPLO 2 Antes de incluir la cobertura de cierto tipo de problemas dentales en las pólizas
de seguro para atención médica a empleados adultos, una empresa de seguros desea
determinar la probabilidad de ocurrencia de este problema, de modo que pueda establecerte
el Costo del seguro. Por tanto, el especialista en estadística recolecta datos de 10 000
adultos en las categorías de edad apropiadas y encuentra que el año pasado 100 personas
han sufrido de ese problema dental. Entonces, la probabilidad de su ocurrencia es:
N ( A) 100 0.01
P ( A )= = = =1 %
n n 10000
EXPRESAR LA PROBABILIDAD
Ejemplo1 El valor menor en una aseveración de probabilidad es O (que indica que el evento
es imposible) y el valor mayor es 1 (que indica el evento ocurrirá con seguridad). Entonces,
en general:
0 ≤ P (A )≤ 1
Ejemplo2 En una observación o experimento dados, un evento ocurre o no. Por tanto, la
suma de la probabilidad de que ocurra más la probabilidad de que no ocurra es siempre igual
a 1 Entonces, si A' indica que el evento A no ocurre, se tiene
11
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
P( A)+ P( A ')=l
Ejemplo3 La oportunidad relativa de 5:2 (Idase "5 a 2") indica que por cada cinco eventos
elementales que constituyen éxito existen dos eventos elementales que constituyen fracaso.
Observe que con el método clásico de probabilidad que se estudió en la sección 5.1 el valor
de la probabilidad equivalente a una oportunidad relativa de 5:2 es:
N ( A) a 5 5
P ( A )= = = =
N (S) a+b 5+2 7
Dos o más eventos son mutuamente excluyentes o disjuntos si no pueden ocurrir de manera
conjunta. Es decir, la ocurrencia de un evento excluye en forma automática la ocurrencia del
otro evento (o eventos). Por ejemplo, suponga que se consideran los dos eventos “as" y "rey"
en relación con la extracción de una carta de un juego de naipes. Estos dos eventos son
mutuamente excluyentes, ya que ninguna carta puede ser as y rey al mismo tiempo.
Dos o más eventos son no excluyentes cuando es posible que ocurran juntos. Observe que
esta definición no indica que estos eventos deban necesariamente ocurrir siempre juntos. Por
ejemplo, suponga que se consideran los dos eventos "as" y "espada". Estos eventos no son
mutuamente excluyentes, ya que una carta dada puede ser tanto as como espada; sin
embargo, no se concluye que todo as sea una espada o que toda espada sea un as.
12
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
EJEMPLO 8 Cuando se extrae una carta de una baraja de naipes, los eventos `as' y
"espada' no son mutuamente excluyentes. La probabilidad de sacar un as (A) o una espada
(E) (o ambos) en una sola extracción es
4+13−1 16 4
P ( A o S )=P ( A ) + P ( S )−P ( A Y S ) = = =
52 52 13
Los diagramas de Ven se usan para ilustrar el razonamiento detrás de las reglas de la
adición. En la figura 5.2a, observe que la probabilidad de la ocurrencia de A o B es
conceptualmente equivalente a la suma de la proporción de las áreas comprendidas en A y
en B. En la figura 5.2b, para eventos que no son mutuamente excluyentes, algunos eventos
elementales están comprendidos tanto en A como en B; así, existe un traslape entre estos
conjuntos de eventos. Cuando las áreas comprendidas en A y en B se suman en eventos que
no son mutuamente excluyentes, el área del traslape se suma dos veces. Así, el
razonamiento al restar P(A y B) en la regla de la adición para eventos no excluyentes es
corregir la suma respecto de la adición duplicada del área de intersección.
EJEMPLO 9 Los resultados al lanzar dos veces seguidas una moneda sin cargar se
consideran como eventos independientes ya que el resaltado del primer lanzamiento no tiene
efecto sobre las respectivas probabilidades de ocurrencia de cara o cruz en el segundo
lanzamientos. La extracción de dos cartas sin reemplazo de una baraja de naipes son
eventos dependientes, ya que las probabilidades correspondientes con la segunda extracción
dependen del resultado de la primera extracción. Concretamente, ti apareció un "as" en la
primera extracción, entonces la probabilidad de que salga un "as" en la segunda extracción
es el cociente del número de ases que quedan en la baraja entre el número total de cartas
que quedan en la baraja, es decir 3/51.
13
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
P( B/ A)=P(B)
P( A /B)=P( A)
P( A Y B)
P ( BIA )=
P (A )
Con frecuencia hay alguna confusión respecto de la diferencia entre eventos mutuamente
excluyentes y no excluyentes por un lado, y los conceptos de independencia y dependencia
por el otro. En especial, observe la diferencia entre eventos que son mutuamente excluyentes
y eventos que son independientes. La exclusión mutua indica que los dos eventos no pueden
ocurrir al mismo tiempo, mientras que la independencia indica que la probabilidad de
ocurrencia de un evento no se ve afectada por la ocurrencia del otro. Por tanto, se concluye
que si dos eventos son mutuamente excluyentes, date es un ejemplo específico de eventos
altamente dependientes, ya que la probabilidad de un evento dado que el otro ya ha ocurrido
siempre será igual acero.
Los diagramas de árbol son especialmente útiles como método para representar los eventos
relacionados con observaciones sucesivas o experimentos sucesivos. La figura 5.3 es un
14
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
ejemplo de un diagrama de este tipo para los eventos relacionados con el lanzamiento de
una moneda dos veces, y muestra los resultados posibles así como la probabilidad en cada
punto de la sucesión.
Resultado del primer Resultado del segundo Evento conjunto Probabilidad del evento
lanzamiento lanzamiento conjunto
½ C CyC ¼
C
½ ½ E CyE ¼
EyC ¼
½ ½ C
E ½
E EyE ¼ = 1.0
En el caso de eventos dependientes, la probabilidad de la ocurrencia de manera conjunta
de A y B es la probabilidad de A multiplicada por la probabilidad condicional de B dado A. Si
se invierte la posición de los dos eventos se obtiene un valor equivalente. Por tanto, la regla
de la multiplicación para eventos dependientes es
P( A y B)=P ( A ) P( B/ A)
P( A y B)=P ( A )P( B)
PERMUTACIONES
15
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
interesa el número de permutaciones de “n” objetos tomados de “r” en “r”, donde “r”
es menor que “n”.
nP n!
r=
( n−r ) !
10 ! 10 ! ( 10 )( 9 )( 8 ) (7 !)
n Pr =10 P 3= = = =( 10 )( 9 )( 8 )=720
(10−3) 7 ! 7!
COMBINACIONES
Ejemplo 1: Suponga que una pequeña organización social formada por 10 miembros
hay que escoger a 3 de ellos para formar un comité. El número de ternas que puede
obtenerse, sin considerar el orden en que se eligen los miembros de cada grupo es:
10 ! ( 10 ) ( 9 ) ( 8 ) (7 !) 720
n C r=10 c 3= = = =120
3 !(7 !) (3∗2) 6
6!
∗4 !
2!4!
¿ =15∗4=60
1! 3 !
10 ! ( 10 )( 9 ) (8) 720
¿ = = =120
3! 7 ! ( 3 ) (2 )( 1) 6
6 C2∗4 C 1 60
P ( 2 M y 1 H )= = =0.50
10C 3 120
16
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
Ejemplo1: Suponga que hay 2 urnas U 1y U 2. La urna 1 tiene 8 bolas rojas y 2 bolas
verdes, mientras que la urna 2 tiene 4 bolas rojas y 6 bolas verdes. Si se elige de
manera aleatoria 1 de las urnas, y después al azar se elige una bola de esa urna, el
proceso secuencial y las probabilidades correspondientes se pueden representar en
un diagrama de árbol, el diagrama de árbol nos indica que la probabilidad de
escoger cualquiera de las 2 urnas es 0.50, y luego las probabilidades de extraer una
bola roja (R) o una verde (V) se dan de acuerdo con la urna considerada. Ahora
suponga que se observa una bola verde en el paso 2; sin saber que bola se eligió
en el paso 1. ¿Cuál es la probabilidad de que la urna 1 haya sido elegida en el paso
G
P ( U 1 ) P( )
U1 U1
P ( )
G
=
G G
=¿
P (U 1) P
( )
U1
+ P ( U 2 ) P( )
U2
.80 R
U1
.20
.50 V
.40
U 1 .60 V
ANALISIS COMBINATORIO
17
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
V 36=6∗5∗4=120 clasificaciones
Ejemplo 2: ¿Cuántos números de 4 cifras pueden formarse con los dígitos del 1 al
9?
VR 49 =9 4=6561 numeros .
Solución: El espacio maestral para el problema es W = {(1,1), (1,2), (1,3),..., (6,6)}
con 36 puntos muéstrales. Todos los sucesos elementales tiene la misma
probabilidad 1/36. Se define la v.a. X: suma de las dos caras. Esta variable puede
tomar los valores 2, 3, 4,....,12. La tabla con la “fdp” inducida es
X sucesos F(x)
2 { (1,1) } 1/36
3 { ( 1,2 ) ,(2,1)} 2/36
4 { ( 1,3 ) , ( 2,2 ) ,(3,1)} 3/36
5 { ( 1,4 ) , ( 2,3 ) , ( 3,2 ) ,( 4,1) } 4/36
6 { ( 1,5 ) , ( 2,4 ) , ( 3,3 ) , ( 4,2 ) ,(5,1) } 5/36
7 1,6 ) , ( 2,5 ) , ( 3,4 ) , ( 4,3 ) , ( 5,2 ) , 6/36
{( (6,1) }
8 { ( 2,6 ) , ( 3,5 ) , ( 4,4 ) , ( 5,3 ) ,(6,2) } 5/36
9 { ( 3,6 ) , ( 4,5 ) , ( 5,4 ) ,(6,3) } 4/36
10 { ( 4,6 ) , ( 5,5 ) ,(6,4 ) } 3/36
11 { ( 5,6 )(6,5) } 2/36
12 { (6,6) } 1/36
X H(x)
2 0
18
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
3 0
4 0
5 0
6 0
7 100
8 100
9 100
10 300
11 300
12 300
X Sucesos F(x)
0 { nnnn } 0 , 14
19
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
TEOREMA DE BAYES
0.6
20
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
p ( ingeniero
directivo )=
0.2∗0.75
0.2∗0.75+0.2∗0.5+0.6∗0.2
=0.405
DIAGRAMA DE ARBOL
Solución: N
A A
M B N
AB N B
21
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
F B N
A
AB
Solución:
A AA
B B
B B
A A
A A
B B
B B
22
PROBABILIDAD Y ESTADISTICA ADMINISTRATIVA
En este diagrama se muestran que hay solo diez maneras de que se gane el torneo,
que se obtienen contando las ramas terminales de este diagrama de árbol, las que
es posible enumerar; AA, ABB, ABAA, ABABB, ABABB, etc.
23