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
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

Veliz, C. (2014). Estadstica

para la Administracin y los
negocios. (2a ed., pp. 1-
48). Mxico-Lima: Pearson:
Variables aleatorias y
distribucin de
probabilidad
(pp. 159 - 213).
Reflexin inicial
Qu criterios
se deben
considerar para
la buena
utilizacin de
los modelos de
probabilidad?
El 20% de las personas muere a
causa del tabaco. Por lo tanto, el
80% de las personas muere
por no fumar
As que queda
demostrado que
no fumar es
peor que fumar
Variable Aleatoria
Familia de valores.
Cantidad que es el resultado de un experimento
aleatorio que, debido al azar, puede adoptar
diversos valores.
Variable Aleatoria Discreta
Slo puede asumir ciertos valores claramente
separados y que es resultado de contar algn
elemento de inters (finito)
Variable Aleatoria Continua
Puede asumir uno de una cantidad infinita de
valores, dentro de ciertos lmites.
Variable Aleatoria
Variable aleatoria discreta
Usualmente un nmero entero (0, 1, 2, 3 etc.)
Obtenida por conteo, valores especficos.

Experimento Variable Aleatoria (x) Posibles Valores

Llamar a 10 clientes # de clientes que 0, 1, 2, 3, , 10
efectan un pedido
Inspeccionar un # de repuestos 0, 1, 2, 3, 1000
embarque de 1000 defectuosos
repuestos
Administrar un # de comensales 0, 1, 2, 3, .
restaurante por un da
Vender un automvil Nmero de autos 0, 1, 2, ., 10
de 10 totales vendidos
Variable Aleatoria
Variable aleatoria continua
Puede asumir cualquier valor dentro de un rango dado.
Obtenida por mediciones.
Experimento Variable Aleatoria (x) Posibles Valores
Operar un banco Tiempo en minutos X0
entre llegadas de los
clientes
Llenar una botella de Cantidad de ml 0 x 500 ml
gaseosa, mx. 500 ml
Liderar un proyecto de Porcentaje de avance 0 x 100 %
mejora de procesos del proyecto luego de
3 meses
Prueba de un nuevo Temperatura a la que 30 x 250C
proceso qumico ocurre la reaccin (min
30C mx. 250C)
Distribucin de Probabilidades
Experimento: Lanzar 1 moneda 3 veces
Evento: Nmero de Sellos

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

El valor esperado de un experimento aleatorio

discreto se puede considerar como el
promedio de todos sus valores posibles.

= 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

Cuntas cajas debera comprar para minimizar la prdida

global esperada?
Distribucin Binomial
Experimento de Bernoulli ()
1. Modelo con reposicin
2. Probabilidad de xito (p) o Fracaso
(q) es constante para cada prueba.
3. Ensayos Independientes

El experimento est compuesto por una secuencia de

intentos/ensayos/observaciones/muestras idnticos.
El resultado se clasifica en una de dos categoras: xito o fracaso
Los datos recolectados son producto de un conteo.
Distribucin Binomial
Ley de Probabilidad:

= = =

n es el nmero de ensayos, intentos o muestras

x es el numero de xitos observados/deseados en
los n ensayos.
p es la probabilidad de xito en cada ensayo.
q es la probabilidad de fracaso: q = 1-p

Media o Valor Esperado E ( x) np

Varianza
V ( x) npq
2
Distribucin Binomial
Ejercicio 5:

Por estudios anteriores, se sabe que

una compaa que vende por telfono,
tiene un porcentaje de efectividad en
ventas del 20%.
Si durante un turno se llaman a 12
clientes, cul es la probabilidad de:
A. No hacer ninguna venta?
B. Hacer exactamente 2 ventas?
C. Hacer como mximo 2 ventas?
D. Hacer al menos 2 ventas?
Distribucin Binomial
Ejercicio 6:

Una muestra de 4 frascos se selecciona sin

restitucin de un lote de 5,000 frascos de cierto
laboratorio farmacutico.
Suponiendo que 20% de los frascos de lote no
cumplen con las especificaciones mdicas,
cul es la probabilidad de que la muestra
contenga exactamente 2 frascos malos?
Cul es la probabilidad de que en la
muestra haya por lo menos 1 frasco malo?
Distribucin de Poisson
Pertenece al Proceso de Poisson.
Es el nmero de eventos por intervalo de tiempo o espacio.
Ejemplos:
Nmero de llegadas de clientes por hora
Nmero de llamadas telefnicas en una central por minuto
Nmero de accidentes por ao
Nmero de llegadas de vehculos por da
Nmero de defectos observados en longitudes, superficies, u
objetos.
Distribucin de Poisson
Ley de Probabilidad:


= = =
!
es la media del nmero de xitos en un
periodo (tasa media)
e es la constante Neper (2.71828)
x es el nmero de xitos.
Media o Valor Esperado ==
Varianza = =
Distribucin de Poisson
Ejercicio 7
Se sabe que en promedio llegan 180 clientes por hora al banco durante la
hora del almuerzo.
Cual es la probabilidad de que en un minuto dado, lleguen:

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

Solucin al problema de la Integral

Caso especial de la distribucin normal.
Media: 0.
Desviacin estndar: 1.
Se consigue estandarizando cualquier normal:
x
Z

Distribucin Normal y
Normal Estndar
100
20

40 60 80 100 120 140 160 X

-3 -2 -1 0 +1 +2 +3 Z
Distribucin Normal
Ejercicio 8
Una empresa aplica un programa de entrenamiento
diseado para mejorar la calidad de las habilidades de
supervisin de los supervisores de lnea de produccin.
Debido a que el programa es auto administrado, los
supervisores requieren un nmero diferente de horas
para terminarlo.
Un estudio de los participantes anteriores indica que el
tiempo medio que se lleva completar el programa es de
500 horas y que esta variable aleatoria normalmente
distribuida tiene una desviacin estndar de 100 horas.
Distribucin Normal
Ejercicio 8
1. Cul es la probabilidad de que un participante
elegido al azar requiera ms de 500 horas para
completar el programa?
Distribucin Normal
Ejercicio 8

2. Cul es la probabilidad de que un

supervisor elegido al azar se tome entre
500 y 650 horas para completar el programa
de entrenamiento?
3. Cul es la probabilidad de que un
supervisor elegido al azar se tome
menos de 400 horas para completar el
programa de entrenamiento?
Distribucin Normal como una
aproximacin de la Distribucin Binomial
A pesar de ser continua, la Distribucin Normal es
algunas veces una buena aproximacin de la distribucin
Binomial cuando n es mayor o igual que 30.

Los valores discretos de la distribucin Binomial se

representan como rectngulos inscritos en la distribucin
normal con un ancho de 1 y centrados en el valor
discreto.
np
npq
Distribucin Normal como una
aproximacin de la Distribucin Binomial
Ejercicio 9:
Asuma que el 50% de los alumnos de una
Universidad fuman al menos media cajetilla
de cigarrillos por da. Cul es la
probabilidad que una muestra de 1,000
alumnos, extrada al azar, contenga ms de
la mitad de alumnos que fumen al menos
media cajetilla de cigarros por da?
Conclusin:

Cualquier
distribucin cuando
n>=30 se vuelve
Normal (TLC)
 Caso:
Specialty Toys
Qu aprendimos
hoy?
Pendientes para la siguiente sesin

1. Leer y desarrollar las

preguntas del Caso 2 -
Autoseguro de
Automvil. Colgarlo
resuelto en la intranet hasta
el inicio de la siguiente
clase y traerlo impreso.

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