Professional Documents
Culture Documents
a los Procesos
Ing. MBA Miguel ngel Patio Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestin de Procesos IV
Mdulo I
Recordando la clase anterior
Qu recuerdas?
Sesiones 7 y 8:
Variables Aleatorias y
Distribucin de Probabilidad
Objetivos
Al finalizar esta sesin, el alumno:
1. Comprende los conceptos clave de las Variables
Aleatorias y sus principales aplicaciones prcticas.
2. Comprende el concepto de una Distribucin de
Probabilidad en el marco del proceso de decisin bajo
incertidumbre.
3. Comprende el concepto y el uso del Valor Esperado y
Desviacin estndar de una variable aleatoria.
4. Reconoce los ms importantes modelos de Distribucin
de Probabilidad (Binomial, Poisson, Normal).
Agenda
1. Introduccin
2. Variables aleatorias: discretas
y continuas
3. Distribuciones de probabilidad:
discretas y continuas
4. El valor esperado, la varianza
y la desviacin estndar
5. La distribucin de probabilidad
Binomial y distribucin de
Poisson
6. La distribucin de probabilidad
normal
7. Aplicaciones
Control de lectura
Lecturas previas obligatoria
Distribucin de Probabilidades
N Sellos Probabilidad
0.4
0 0.125 0.35
0.3
1 0.375 Probabilidad 0.25
2 0.375 0.2
0.15
3 0.125 0.1
1.0 0.05
0
0 1 2 3
Nmero de Sellos
Funcin de Distribucin Acumulada
Para una variable aleatoria X, el valor de la Funcin de Distribucin
Acumulativa F(x), es la probabilidad de que X tome los valores
menores o iguales a x.
F ( x) P( X x)
F (3) P( X 3) f (0) f (1) f (2) f (3)
1 1
0.875
X=x F(x) 0.9
0.8
0 0.125 0.7
0.6 0.5
1 0.500 0.5
0.4
0.3
2 0.875 0.2 0.125
0.1
3 1.000 0
0 1 2 3
Esperanza matemtica o
Valor Esperado
= E( X ) = x * f ( x)
Varianza de una
Distribucin de Probabilidad
Se denota VAR(X) o 2.
Es el Esperado de los cuadrados menos el
cuadrado del Esperado.
VAR( X ) E ( X ) E ( X )
2 2 2
x P ( x )
2 2 2
2
Esperanza matemtica o
Valor Esperado
Ejercicio 1:
Si el premio de una rifa es de un milln de
soles, y se han vendido 100,000 boletos.
Cul es nuestra probabilidad de ganar
el premio si compramos un boleto?
Cul es la esperanza de un boleto?
Qu implica comprar un boleto a
menos de S/. 10.00, exactamente a
S/.10.00?
Esperanza matemtica o Valor Esperado
Ejercicio 2:
Una tienda de autos ha establecido la siguiente distribucin
de probabilidades de los autos que espera vender un da
sbado en particular:
Nmero de autos vendidos Probabilidades
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
En un da sbado, cuntos autos se debe esperar
vender?
Cul es la CV de la distribucin? Conclusiones?
Esperanza matemtica o Valor Esperado
Ejercicio 3:
Un concesionario del nuevo Estadio Nacional, tiene que
elegir entre trabajar detrs del mostrador de venta de
salchichas Panchos Ballesteros y recibir una suma fija de $
50 por noche de ftbol, o caminar entre las gradas
vendiendo gaseosas y refrescos a comisin. Si elige esto
ltimo, puede obtener $90 en una noche clida, $70 en una
noche de clima moderado, $45 en una noche fresca y $15
en una noche fra. En esta poca del ao las probabilidades
de que las noches sean clidas, moderadas, frescas y fras
son: 0.1, 0.3, 0.4 y 0.2 respectivamente.
Qu le conviene al concesionario?
Esperanza matemtica o Valor Esperado
Uso del valor esperado y las prdidas monetarias.
Ejercicio 4:
Un mayorista de frutas compra cada caja de fresas a 20 u.m. y las vende a
50 u.m.. No puede especificar el nmero de cajas que le solicitarn
diariamente, pero dispone de los siguientes datos:
Ventas N de das Probabilidad de venta
diarias de venta de cada cantidad
10 15 0.15
11 20 0.20
12 40 0.40
13 25 0.25
100 1.00
= = =
1. Exactamente 2 clientes?
2. Menos de 5 clientes?
3. Ms de 3 clientes?
4. Por lo menos 1 cliente?
5. Los clientes llegan a la ventanilla a un rgimen de 72 por hora.
Cul es la probabilidad de que 4 clientes lleguen en un lapso de
3 minutos?
Distribucin Normal
Es simtrica respecto a la media, mediana y moda.
Su grafica tiene forma de campana
Es asinttica (no corta el eje X)
Existe una familia de distribuciones.
X
Distribucin Normal Estndar
Cualquier
distribucin cuando
n>=30 se vuelve
Normal (TLC)
Caso:
Specialty Toys
Qu aprendimos
hoy?
Pendientes para la siguiente sesin
2. Ir organizando el trabajo
aplicativo final en grupos.
Queridos futuros graduados, no cuenten el costo
https://www.youtube.com/watch?v=vTWYlULcme8&t=142s
Gracias
51
Estadstica Aplicada
a los Procesos
Ing. MBA Miguel ngel Patio Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestin de Procesos IV
Mdulo I