Tarea 1 Estadistica 2 MV

ESCUELA DE NEGOCIOS
CARRERA DE MERCADEO
Asignatura:
Estadística II
Tema:
TAREA 1
Participante:
MANUEL VÓLQUEZ
Matrícula:
201810403
Facilitador (a):
Domingo De la Cruz
Modalidad:
SEMIPRESENCIAL
Santo Domingo Este
República Dominicana
01 de mayo del 2020

INTRODUCCIÓN
La probabilidad es una medida numérica de la posibilidad de que ocurra un

evento. Por tanto, las probabilidades son una medida del grado de
incertidumbre asociado con cada uno de los eventos previamente enunciados.
Si cuenta con las probabilidades, tiene la capacidad de determinar la
posibilidad de ocurrencia que tiene cada evento. Los valores de probabilidad se
encuentran en una escala de 0 a 1. Los valores cercanos a 0 indican que las
posibilidades de que ocurra un evento son muy pocas. Los cercanos a 1
indican que es casi seguro que ocurra un evento. Otras probabilidades entre
cero y uno representan distintos grados de posibilidad de que ocurra un evento.
Por ejemplo, si considera el evento “que llueva mañana”, se entiende que si el
pronóstico del tiempo dice “la probabilidad de que llueva es cercana a cero”,
implica que casi no hay posibilidades de que llueva. En cambio, si informan que
la probabilidad de que llueva es 0.90, sabe que es muy posible que llueva. La
probabilidad de 0.50 indica que es igual de posible que llueva como que no
llueva. En la figura 4.1 se presenta la probabilidad como una medida numérica
de la posibilidad de que ocurra un evento.
Introducción a las probabilidades
Experimentos, reglas de conteo y asignación de probabilidades

En el contexto de la probabilidad, un experimento es definido como un proceso
que genera resultados definidos. Y en cada una de las repeticiones del
experimento, habrá uno y sólo uno de los posibles resultados experimentales.
A continuación se dan varios ejemplos de experimentos con sus
correspondientes resultados.
Experimento Resultado Experimental
Lanzar una moneda cara, cruz
Tomar una pieza para inspeccionarla con defectos, sin defecto
Realizar una llamada de ventas hay compra, no hay compra
Al especificar todos los resultados experimentales posibles, está definiendo el

espacio muestral de un experimento.
ESPACIO MUESTRAL
El espacio muestral de un experimento es el conjunto de todos los resultados

experimentales.
A un resultado experimental también se le llama punto muestral para

identificarlo como un elemento del espacio muestral.
Reglas de conteo, combinaciones y permutaciones
Al asignar probabilidades es necesario saber identificar y contar los resultados

experimentales.
A continuación tres reglas de conteo que son muy utilizadas.
Experimentos de pasos múltiples La primera regla de conteo sirve para

experimentos de pasos múltiples. Considere un experimento que consiste en
lanzar dos monedas. Defina los resultados experimentales en términos de las
caras y cruces que se observan en las dos monedas. ¿Cuántos resultados
experimentales tiene este experimento? El experimento de lanzar dos monedas
es un experimento de dos pasos: el paso 1 es lanzar la primera moneda y el
paso 2 es lanzar la segunda moneda. Si se emplea H para denotar cara y T
para denotar cruz, (H, H) será el resultado experimental en el que se tiene cara
en la primera moneda y cara en la segunda moneda. Si continúa con esta
notación, el espacio muestral (S) en este experimento del lanzamiento de
monedas será el siguiente:
S {(H, H), (H, T), (T, H), (T, T)}
Por tanto, hay cuatro resultados experimentales. En este caso es fácil

enumerar todos los resultados experimentales. La regla de conteo para
experimentos de pasos múltiples permite determinar el número de resultados
experimentales sin tener que enumerarlos.
DIAGRAMA DE ÁRBOL PARA EL LANZAMIENTO DE DOS MONEDAS
Paso 1 Paso 2 Resultado experimental
Primera moneda Segunda moneda (Puntos muéstrales)
H,H
Cruz
Cruz H,T
Cara
T, H
Cara Cruz
Cara T, T
Un diagrama de árbol es una representación gráfica que permite visualizar un

experimento de pasos múltiples. aparece un diagrama de árbol para el
experimento del lanzamiento de dos monedas. La secuencia de los pasos en el
diagrama va de izquierda a derecha.
El paso 1 corresponde al lanzamiento de la primera moneda, el paso 2 al de la

segunda moneda. En cada paso, los dos resultados posibles son cruz o cara.
Observe que a cada uno de los resultados posibles en el paso 1 pertenecen
dos ramas por los dos posibles resultados en el paso 2. Cada uno de los
puntos en el extremo derecho del árbol representa un resultado experimental.
Cada trayectoria a través del árbol, desde el nodo más a la izquierda hasta uno
de los nodos en el extremo derecho del árbol, muestra una secuencia única de
resultados.
Combinaciones
Otra regla de conteo útil le permite contar el número de resultados

experimentales cuando el experimento consiste en seleccionar n objetos de un
conjunto (usualmente mayor) de N objetos. Ésta es la regla de conteo para
combinaciones.
Regla de conteo para combinaciones
El numero de combinaciones de N objetos tomados de n en n es:
N
CNn = n = N!
n! (N- n!) n!
donde N! = N(N-1)(N-2)….(2)(1)
n! = n(n-1) (n-2)….(2)(1)
y por definición 0!=1
Permutaciones.
La tercera regla de conteo que suele ser útil, es para permutaciones. Dicha
regla permite calcular el número de resultados experimentales cuando se
seleccionan n objetos diferentes.
REGLA DE CONTEO PARA PERMUTACIONES
El número de permutaciones de N objetos tomados de n en n está dado por.
P N
n = n! n = N!
(N-n)!
Ley de la adición
La ley de la adición sirve para determinar la probabilidad de que ocurra por lo
menos uno de dos eventos. Es decir, si A y B son eventos, nos interesa hallar
la probabilidad de que ocurra el evento A o el B o ambos.
Antes de presentar la ley de la adición es necesario ver dos conceptos

relacionados con la combinación de eventos: la unión y la intersección de
eventos. Dados dos eventos, A y B, la unión de A y B se define.
El diagrama de Venn de la figura 4.5 representa la unión de los eventos A y B.

Observe que en los dos círculos están contenidos todos los puntos muéstrales
del evento A y todos los puntos
muestrales del evento B. El que los círculos se traslapen indica que algunos
puntos muestrales están contenidos tanto en A como en B.
A continuación la definición de la intersección de A y B:
El diagrama de Venn ilustra la intersección de los eventos A y B mostrados en

la figura . El área donde los círculos se sobreponen es la intersección que
contiene una muestra de los puntos que están tanto en A como en B. Ahora ya
puede continuar con la ley de la adición. La ley de la adición proporciona una
manera de calcular la probabilidad de que ocurra el evento A o el evento B o
ambos. En otras palabras, la ley de la adición se emplea para calcular la
probabilidad de la unión de los dos eventos. La ley de la adición se expresa.
La unión de los eventos A y B aparecen sombreadas
Espacio
muestral S
Para que logre un entendimiento intuitivo de la ley de la adición, observe que
en la ley de la adición, los dos primeros términos P(A) P(B), corresponden a
los puntos muestrales en A B.
Pero, como los puntos muestrales que se encuentran en la intersección A B

están tanto en A como en B, cuando se calcula P(A) P(B), los puntos que se
encuentran en A B cuentan dos veces. Esto se corrige restando P(A B).
Ley de la multiplicación
Mientras que la ley de las suma de probabilidades sirve para calcular la
probabilidad de la unión de dos eventos, la ley de la multiplicación es útil para
calcular la probabilidad de la intersección de dos eventos. La ley de la
multiplicación se basa en la definición de probabilidad condicional. Al despejar
en las ecuaciones (4.7) y (4.8) P(A B), se obtiene la ley de la multiplicación
P (A Ո B) = P(B) (A I B)
`P (A Ո B) = P(A) (B I A)
Para ilustrar el uso de la ley de la multiplicación, considere el caso del
departamento de circulación de un periódico al que 84% de los hogares de
cierta región están suscritos a la edición diaria del periódico. Si D denota el
evento un hogar suscrito a la edición diaria, P(D) 0.84.Además, sabe que la
probabilidad de que un hogar ya suscrito a la edición diaria se suscriba también
a la edición dominical (evento S) es 0.75; esto es, P(S | D) 0.75.
¿Cuál es la probabilidad de que un hogar se subscriba a ambas, a la edición

diaria y a la dominical? Emplee la ley de la multiplicación y calcule la
probabilidad deseada, P(S Ո D).
P(S Ո D)= P(D)P(SI D) = 0.84(0.75) = 0.63
Así, sabe que 63% de los hogares se suscriben a ambas ediciones, a la diaria y
a la dominical. Antes de terminar esta sección hay que considerar el caso
especial de la ley de la multiplicación cuando los eventos involucrados son
independientes.
Teorema de Bayes
En el estudio de la probabilidad condicional vio que revisar las probabilidades
cuando se obtiene más información es parte importante del análisis de
probabilidades. Por lo general, se suele iniciar el análisis con una estimación de
probabilidad inicial o probabilidad previa de los eventos que interesan.
Después, de fuentes como una muestra, una información especial o una
prueba del producto, se obtiene más información sobre estos eventos. Dada
esta nueva información, se modifican o revisan los valores de probabilidad
mediante el cálculo de probabilidades revisadas a las que se les conoce como
probabilidades posteriores. El teorema de Bayes es un medio para calcular
estas probabilidades.
REVISIÓN DE LA PROBABILIDAD USANDO EL TEOREMA DE BAYES
Probabilidades Nueva Aplicación del Probabilidades
Previas Información Teorema de Bayer Posteriores

Porcentaje de piezas nuevas porcentaje de piezas malas
Proveedor 1 98 2
Proveedor 2 95 5
Como aplicación del teorema de Bayes, considere una fábrica que compra
piezas de dos proveedores. Sea A1 el evento la pieza proviene del proveedor 1
y A2 el evento la pieza proviene del proveedor 2. De las piezas que compra la
fábrica, 65% proviene del proveedor 1 y 35% restante proviene del proveedor
2. Por tanto, si toma una pieza aleatoriamente, le asignará las probabilidades
previas P(A1) = 0.65 y P(A2) = 0.35.
La calidad de las piezas compradas varía de acuerdo con el proveedor. Por

experiencia, sabe que la calidad de los dos proveedores es como muestra la
tabla . Si G denota el evento la pieza está buena y B denota el evento la pieza
está mala, la información de la tabla proporciona los siguientes valores de
probabilidad condicional.
P (G I A1)= 0.98 P (B I A1)= 0.02
P (G I A2)= 0.95 P (B I A2)= 0.05

CONCLUCIÓN
En este resumen se tomaron los conceptos básicos de probabilidad y se ilustró

cómo usar el análisis de probabilidad para obtener información útil para la toma
de decisiones. Se describió cómo interpretar la probabilidad como una medida
numérica de la posibilidad de que ocurra un evento. Además, se vio que la
probabilidad de un evento se puede calcular, ya sea sumando las
probabilidades de los resultados experimentales (puntos muestrales) que
comprende el evento o usando las relaciones que establecen las leyes de
probabilidad de la adición, de la probabilidad condicional y de la multiplicación.
En el caso de que se obtenga información adicional, se mostró cómo usar el
teorema de Bayes para obtener probabilidades revisadas o posteriores.

Tarea 1 Estadistica 2 MV

Cargado por

Copyright:

Formatos disponibles

Tarea 1 Estadistica 2 MV

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 1 Estadistica 2 MV

Cargado por

Copyright:

Formatos disponibles

ESCUELA DE NEGOCIOS

Santo Domingo Este

01 de mayo del 2020

La probabilidad es una medida numérica de la posibilidad de que ocurra un

Introducción a las probabilidades

Experimentos, reglas de conteo y asignación de probabilidades

Experimento Resultado Experimental

Lanzar una moneda cara, cruz

Tomar una pieza para inspeccionarla con defectos, sin defecto

Realizar una llamada de ventas hay compra, no hay compra

Al especificar todos los resultados experimentales posibles, está definiendo el

El espacio muestral de un experimento es el conjunto de todos los resultados

A un resultado experimental también se le llama punto muestral para

Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados

A continuación tres reglas de conteo que son muy utilizadas.

Experimentos de pasos múltiples La primera regla de conteo sirve para

S {(H, H), (H, T), (T, H), (T, T)}

Por tanto, hay cuatro resultados experimentales. En este caso es fácil

DIAGRAMA DE ÁRBOL PARA EL LANZAMIENTO DE DOS MONEDAS

Paso 1 Paso 2 Resultado experimental

Primera moneda Segunda moneda (Puntos muéstrales)

Un diagrama de árbol es una representación gráfica que permite visualizar un

El paso 1 corresponde al lanzamiento de la primera moneda, el paso 2 al de la

Otra regla de conteo útil le permite contar el número de resultados

Regla de conteo para combinaciones

El numero de combinaciones de N objetos tomados de n en n es:

y por definición 0!=1

REGLA DE CONTEO PARA PERMUTACIONES

El número de permutaciones de N objetos tomados de n en n está dado por.

Antes de presentar la ley de la adición es necesario ver dos conceptos

El diagrama de Venn de la figura 4.5 representa la unión de los eventos A y B.

A continuación la definición de la intersección de A y B:

El diagrama de Venn ilustra la intersección de los eventos A y B mostrados en

La unión de los eventos A y B aparecen sombreadas

Pero, como los puntos muestrales que se encuentran en la intersección A B

¿Cuál es la probabilidad de que un hogar se subscriba a ambas, a la edición

P(S Ո D)= P(D)P(SI D) = 0.84(0.75) = 0.63

REVISIÓN DE LA PROBABILIDAD USANDO EL TEOREMA DE BAYES

Probabilidades Nueva Aplicación del Probabilidades

Previas Información Teorema de Bayer Posteriores

La calidad de las piezas compradas varía de acuerdo con el proveedor. Por

P (G I A1)= 0.98 P (B I A1)= 0.02

P (G I A2)= 0.95 P (B I A2)= 0.05

En este resumen se tomaron los conceptos básicos de probabilidad y se ilustró

También podría gustarte