Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Lic en comercio Exterior Estadística de los Negocios Florencia Jaureguiberry Fjaureguiberry@unrn.edu.ar Resumen de la clase • Definición de variable aleatoria. • Caso Discreto: Función de Cuantía y de Distribución. Esperanza. Variancia. Propiedades. Modelos Discretos: Bipuntual, Binomial, Poisson. • Caso Continuo. Función de Densidad y de distribución. Esperanza. Variancia. Propiedades. Modelos Continuos: Normal y normal estándar. Distribución t-Student. Espacio muestral discreto Si un espacio muestral contiene un número finito de posibilidades, o una serie interminable con tantos elementos como números enteros existen, se llama espacio muestral discreto. Una empresa exporta sus productos a cuatro países diferentes: Estados Unidos, Canadá, México y Brasil. Entonces el espacio muestral para este escenario sería: S = {Estados Unidos, Canadá, México, Brasil} Cada resultado en el espacio muestral representa uno de los países a los que la empresa exporta sus bienes. Este espacio muestral podría usarse para calcular probabilidades de que ocurran ciertos eventos, como la probabilidad de que las exportaciones de la empresa a los Estados Unidos excedan cierto valor, o la probabilidad de que la empresa aumente sus exportaciones a Brasil en el próximo año. Espacio muestral continuo Si un espacio muestral contiene un número infinito de posibilidades, igual al número de puntos en un segmento de recta, se le denomina espacio muestral continuo. Estamos interesados en el valor de las exportaciones de un cerezas de Argentina a China. El valor de las exportaciones puede tomar cualquier número real positivo, ya que es una variable continua. El espacio muestral en este caso sería: S = {x | x es un número real positivo} Donde “x” representa el valor de las exportaciones en dólares estadounidenses. Dado que el espacio muestral es continuo, cualquier valor particular dentro del rango es un resultado posible. En este ejemplo, el valor de las exportaciones podría ser $1 millón, $5,3 millones, $10,7 millones o cualquier otro número real positivo. Este espacio muestral podría usarse para calcular las probabilidades de que ocurran ciertos eventos, como la probabilidad de que el valor de las exportaciones exceda un cierto umbral, o la probabilidad de un cierto aumento porcentual en el valor de las exportaciones durante un cierto período de tiempo. Variable aleatoria Variable aleatoria: función que asocia un número real con cada elemento del espacio muestral Variable aleatoria discreta puede tomar sólo un número limitado de valores (conteo). Variable aleatoria continua puede tomar cualquier valor dentro de un intervalo dado (medida). Ejemplo Experimento: de una urna que contiene 4 bolas rojas y 3 negras se sacan 2 bolas de manera sucesiva, sin reemplazo. Los posibles resultados y los valores y de la variable aleatoria Y, donde Y es el número de bolas rojas, son Ejemplo Suárez, Martínez y López, 3 obreros de la construcción, tienen distinto talle de casco (S, M y L respectivamente). Van separadamente y en ese orden a retirar los cascos que la empresa les compró (3 talles diferentes: S, M y L), y el empleado del lugar les da a cada uno un casco al azar (sin fijarse el talle). Solo tienen 3 cascos, 1 de cada talle. 1. ¿Cuáles son los puntos muestrales para los posibles órdenes en que el empleado del almacén les da los cascos? 2. Calcular los valores de la variable aleatoria M que representa el número de cascos que se le da a la persona correcta. Ejemplo Espacio muestral M SML 3 SLM 1 MSL 1 LMS 1 MLS 0 LSM 0 Distribución de frecuencia Distribución de frecuencia teórica: distribución de probabilidades según se espera varíen los resultados Las distribuciones de probabilidad representan modelos útiles para hacer inferencias y tomar decisiones en condiciones de incertidumbre La distribución de probabilidad para una variable aleatoria proporciona una probabilidad para cada valor posible y estas probabilidades deben sumar 1. Distribución de probabilidad discreta Una variable aleatoria discreta toma cada uno de sus valores con cierta probabilidad. Ejemplo de los cascos Espacio muestral M SML 3 SLM 1 MSL 1 LMS 1 MLS 0 LSM 0 M P(M=m) 3 1/6 1 3/6=1/2 0 2/6=1/3 1/6+1/2+1/3=1 Función de probabilidad discreta El conjunto de pares ordenados (x, f(x)) es una función de probabilidad o una distribución de probabilidad de la variable aleatoria discreta X si, para cada resultado x posible: 1. f (x ) ≥ 0, 2. ∑ f (x ) = 1, 3. P (X = x ) = f (x ) [ejemplo: P(X=3)=f(3)] Función de probabilidad acumulada La función de la distribución acumulada F(x) de una variable aleatoria discreta X con distribución de probabilidad f (x) es F(x) = P (X ≤ x ) = , para -∞ < x< ∞. Para la variable aleatoria M, el número de emparejamientos correctos en el ejemplo, tenemos F (2) = P (M ≤ 2) = f (0) + f (1) = 1/3+1/2=5/6 La función de la distribución acumulativa de M es F(m)= M P(M=m) 0 1/3 1 ½ 3 1/6 Ejemplo La distribución de probabilidad de x está dada por f (0) = 1/16 f (1) = 1/4 f (2) = 3/8 f (3) = 1/4 f (4) = 1/16 Calcular la función de la distribución acumulada de la variable aleatoria X . Ejemplo La distribución de probabilidad de x está dada por f (0) = 1/16, f (1) = 1/4, f (2) = 3/8, f (3) = 1/4 y f (4) = 1/16. Calcule la función de la distribución acumulativa de la variable aleatoria X . Gráficamente Función de probabilidad continua Una variable aleatoria continua tiene una probabilidad 0 de adoptar exactamente cualquiera de sus valores. En consecuencia, su distribución de probabilidad no se puede presentar en forma tabular, pero sí como fórmula f(x). La función f (x) es una función de densidad de probabilidad (fdp) para la variable aleatoria continua X, definida en el conjunto de números reales, si 1. f (x ) ≥ 0, para toda x ∈ R. 2. = 1. 3. P (a < X < b) = Gráficamente En la figura, la probabilidad de que X tome un valor entre a y b es igual al área sombreada bajo la función de densidad entre las ordenadas en x = a y x = b, y a partir del cálculo integral está dada por Valor esperado o esperanza matemática El valor esperado de una variable aleatoria es el valor promedio a largo plazo que esperaríamos observar si repitiéramos el experimento muchas veces. Representa el valor medio o promedio de los posibles resultados, ponderados por sus probabilidades. Para obtener el valor esperado de una variable aleatoria discreta, se multiplica cada valor que la variable puede tomar por la probabilidad de ocurrencia de ese valor y luego se suman los productos: ) es el i-ésimo resultado de la variable aleatoria discreta X )=probabilidad de ocurrencia del i-ésimo resultado de X Ejemplo Spongamos que lanzamos un dado justo de seis caras. Los resultados posibles son los números del 1 al 6, cada uno con una probabilidad de 1/6. El valor esperado del número que sale es: E[X] = (1 * 1/6) + (2 * 1/6) + (3 * 1/6) + (4 * 1/6) + (5 * 1/6) + (6 * 1/ 6) = 3,5 Por lo tanto, esperaríamos que el promedio a largo plazo de los números obtenidos fuera 3,5 si repitiéramos el experimento muchas veces. Ejemplo Un vendedor de una empresa de aparatos médicos tiene dos citas. Considera que en la primera cita tiene 70 por ciento de probabilidades de cerrar una venta, por la cual podría obtener una comisión de $1000. Por otro lado, cree que en la segunda cita solo tiene 40 por ciento de probabilidades de cerrar el trato, del cual obtendría $1500 de comisión. ¿Cual es su comisión esperada con base en dichas probabilidades? Suponga que los resultados de las citas son independientes. Solución Varianza La varianza nos dice cuánto es probable que los valores de la variable aleatoria difieran del valor esperado, en promedio. Una varianza baja significa que los valores de la variable aleatoria están estrechamente agrupados alrededor del valor esperado, mientras que una varianza altasignifica que los valores están más dispersos. La varianza de una distribución de probabilidad discreta está dada por: ) es el i-ésimo resultado de la variable aleatoria discreta X )=probabilidad de ocurrencia del i-ésimo resultado de X Ejemplo Una empresa exporta un producto y la demanda del producto puede tomar tres valores posibles: baja, media o alta. La empresa estima que la demanda sigue una distribución de probabilidad con las siguientes probabilidades: Probabilidad de baja demanda: 0.3 Probabilidad de demanda media: 0,5 Probabilidad de alta demanda: 0.2 Para calcular el valor esperado de la demanda, podemos usar la fórmula: Valor esperado = (Probabilidad de demanda baja x Valor de demanda baja) + (Probabilidad de demanda media x Valor de demanda media) + (Probabilidad de demanda alta x Valor de demanda alta) Valor esperado = (0,3 x 100) + (0,5 x 200) + (0,2 x 300) = 190 Ejemplo El valor esperado de la demanda es de 190 unidades. Sin embargo, la demanda real puede desviarse de este valor esperado debido a varios factores como la competencia, la estacionalidad y las condiciones económicas. Para calcular la varianza de la demanda, podemos utilizar la fórmula: Varianza = (Valor de demanda baja - Valor esperado)² x Probabilidad de demanda baja + (Valor de demanda media - Valor esperado)² x Probabilidad de demanda media + (Valor de demanda alta - Valor esperado)² x Probabilidad de demanda alta Varianza = (100 - 190)² x 0,3 + (200 - 190)² x 0,5 + (300 - 190)² x 0,2 = 4100 Esto significa que la varianza de la demanda es de 4100 unidades². En otras palabras, la demanda puede fluctuar en un promedio de 4100 unidades² desde el valor esperado de 190 unidades. Una variación más alta indica un mayor nivel de incertidumbre o riesgo involucrado en la previsión y planificación de las necesidades de producción e inventario de la empresa. Sin embargo, es importante tener en cuenta que la demanda real puede no seguir la distribución de probabilidad estimada y puede tomar valores diferentes a bajo, medio o alto. Además, otros factores, como las preferencias de los clientes, los esfuerzos de marketing y la calidad del producto, pueden afectar la demanda real obtenida por la empresa. Ejemplo Suponga que la variable aleatoria X representa el numero de autos que se utilizan con propósitos de negocios oficiales en un día de trabajo dado. La distribución de probabilidad para la empresa A es Y para la empresa B es: Calcular y comparar la varianza Solución Solución unrn.edu. ar @unrionegr o Slide 1 Lic en comercio Exterior Estadística de los Negocios Resumen de la clase Espacio muestral discreto Espacio muestral continuo Variable aleatoria Ejemplo Ejemplo (2) Ejemplo (3) Distribución de frecuencia Distribución de probabilidad discreta Función de probabilidad discreta Función de probabilidad acumulada Ejemplo (4) Ejemplo (5) Gráficamente Función de probabilidad continua Gráficamente (2) Valor esperado o esperanza matemática Ejemplo (6) Ejemplo (7) Solución Varianza Ejemplo (8) Ejemplo (9) Ejemplo (10) Solución (2) Solución (3) Slide 29
Compartir