Principal Mat. Financieras

Regresar

Matemáticas para administración
Probabilidad y estadística
Investigación de mercados, estimación, interpretación e inferencia de resultados
Matemáticas financieras

ÁLGEBRA LINEAL Y APLICACIONES

1        Concepto de ecuación

Ecuación es un planteamiento que señala que dos expresiones son iguales. Las expresiones que conforman la ecuación se denominan miembros y se separan por un signo de igualdad.  Resolver una ecuación significa encontrar todos los valores de sus variables para los cuales la ecuación se verifica.

Son ejemplos de ecuaciones

                                                 Y = 3X  + 8    

                                                 3x –5  = 2 –6x

                                                 y = 2x² + 3x – 20

                                              x³ -3x²  + 3 x  - 1  = 0

    A)  El valor en libros de un camión se expresa en la función :

      V = f(t) = 250,000 – 20,000 t   donde V es el valor en libros  y t es la edad del camión expresada en años

a)     que clase de ecuación es esta

Es una ecuación lineal decreciente

b)     cual es el valor en libros al cabo de 3 años?

V = f(3) = 250,000 – 20,000(3)  = 250,000 – 60,000 = 190,000

c)      Cuándo será   igual a cero el valor en libros?

0 = 250,000 –20,000 t

t = 250,000/20,000 = 12.5 años

  B) La indemnización de una persona que es despedida de una empresa es función del sueldo percibido. (tres meses de sueldo y 20 días por cada año laborado)  Si la persona gana $9,000 y había permanecido en la empresa 6 años determine la indemnización de la persona.

  I = 3S + 20 ( S/30)t                I = 3 (9,000)  + 20 (9,000/30) 6

                                                 I = 27,000 + 36,000  = $63,0000

2        Ecuaciones lineales

Las ecuaciones en las cuales los exponentes de las variables son iguales a uno  se conocen como ecuaciones lineales

Ecuación de una recta que pasa por dos puntos:

*   

a)           Determine la ecuación de la oferta sabiendo que cuando el precio es de $6.00 se ofrecen 25,000 unidades y cuando el precio es de $7.50 se ofrecen 33,000 unidades, ¿que precio hará que se ofrezcan 45,000 unidades?

Puntos:   (6,   25000)    (7.5, 33000)

 q =  5333p – 7000   Ecuación de oferta

 Si se ofrecen 45,000 unidades:      45,000 = 5333 p –7000

                                                                 P = $9.75

b)           Dos puntos sobre la función lineal de demanda son

              ($25,   50000)    ($35,  42500)

1)     Determine la función de demanda  q = f(p)

    

      q = -750 p + 68750

2)     ¿Que precio dará por resultado una demanda de 60,000 unidades?

60,000 = - 750 p  + 68750

          p = $11.66

3)     Si el precio es de $30 cuál será la cantidad demanda?

q = -750(30) +68750

                   q = 46250

4)     Grafique la función.

precio

cantidad

25

50000

35

42500

 

               

3        Sistemas de ecuaciones  y métodos de resolución

Se utilizan para determinar el punto de equilibrio entre la oferta y la demanda. Los costos y las ventas

Los métodos de solución de sistemas de dos ecuaciones con dos incógnitas son:

a)     Sustitución

b)     Igualación

c)      Suma-resta

d)     Determinantes

1)     Calcúlese el número de unidades que deben fabricarse y venderse para conseguir el impacto de la utilidad esperada de $320,000por un conjunto de mesa campestre cuyo precio de venta es de $ 539 y el costo es de $ 439.  Supóngase que los costos fijos son de $428,500.

Se utiliza el método de igualación

Costos Totales = Costos fijos + costos variables

            Ingresos = precio venta (unidades)

            Utilidad = Ingresos – Costos Totales

            320,000  = 539 n – ( 428,500 + 439 n)

             748,500 = 100 n

                         n  = 7485  unidades.

2)     Calcúlese el punto de equilibrio de un artículo cuyo costo de fabricación es de $4500 y su precio de venta es de $5950.  Supóngase que los costos fijos son de $282,750

En el equilibrio la utilidad es igual a cero  (los costos totales son iguales a los ingresos)

      Costos fijos + Costos variables = Ingresos

       282750+ 4500 n  = 5950 n

                       282750 = 1450 n

                                        n  = 195 unidades

    Ingresos =  5950 (195) = $ 1160250

Punto equilibrio (195, 1160250)

3)     Oferta-demanda

La Ecuación de oferta de un producto es : 240p – 3.25q – 2460 = 0

La ecuación de demanda es : 410p + 3q – 14,452.5 = 0

Determine el punto de equilibrio y grafique el sistema.

El punto de equilibrio se determinará por el método de suma-resta

3(240p – 3.25q = 2460)

                             3.25(410p + 3q   = 14452.5)

       720 p   - 9.75 q   =    7380

    1332.5p + 9.75 q   =  46970.625

      2052.5 p              =   54350.625

                              P  = 26.48

                              q = 14452.5  -  410(26.48)   =   1198.56

                                                 3

P

qo

qd

0

-756.923077

4817.5

26.48

1198.56

1198.56

30

1458.46154

717.5

4        Concepto de matriz, concepto de determinante

a)     Matriz es una arreglo de números en renglones y /o columnas

a)     Determinante es un número asociado a una matriz  cuadrada  se obtiene mediante la aplicación de una fórmula.

Para matrices cuadradas:

1        Adición y multiplicación de matrices

a)     Adición : para sumar  (o restar )matrices deben tener los mismo renglones y columnas, los elementos se suman (restan)

a)     Multiplicación escalar : es multiplicar un número por una matriz (esto se realiza multiplicando cada elemento de la matriz por el número

a)     Multiplicación matricial: para multiplicar dos matrices se necesita que sean conformables  es decir que las columnas de la primera matriz sean iguales a los renglones de la segunda matriz, para obtener el elemento aij se multiplica el renglón i de la primera matriz por la columna j de la segunda matriz elemento a elemento y los resultados se suman.

Un experto en sondeos de opinión  obtiene la matriz de preferencias  “P” electorales según los distritos :

1        Matriz inversa   

Para obtener la matriz inversa de la matriz A se procede de la siguiente manera :

PROGRAMACION LINEAL

La programación lineal es un conjunto de técnicas matemáticas que permiten solucionar problemas de planificación económica o social. El objetivo básico es encontrar la solución optima que maximiza o minimiza la función objetivo.

Hay varias maneras de enfocar este tema, una intuitivamente mediante la geometría, computacionalmente a través del método simplex o algebraicamente mediante la teoría de la dualidad. 

I- Graficación de desigualdades y sus regiones factibles

Cuando se encuentra la solución de una desigualdad de una variable, se representa por intervalos en la recta numérica. En el caso de una desigualdad de dos variables, por lo general la solución esta representada por una región en el plano coordenado( o semiespacio).

Notar que la grafica de una recta y = m x + b, separa al plano coordenado en tres partes :

1. el semiplano por encima de la recta, que consiste en todos los puntos (x,y) que satisfacen la desigualdad y > m x + b

2. la recta misma, formada por todos los puntos (x,y) que verifican su ecuación.

3. el semiplano por debajo de la recta, que consiste en todos los puntos(x,y) que satisfacen la desigualdad y< m x + b

Para el caso en que la desigualdad estricta "<" es reemplazada por "<=", la solución consiste en los puntos que satisfacen la ecuación de la recta como así también los del semiplano por debajo de ella. En este caso se dice que la solución es el semiplano cerrado.

Ejemplo 1: una desigualdad.

Un consumidor desea gastar como máximo 60 pesos en la compra de las cantidades x e y de dos productos A y B, siendo de dos pesos el costo de cada producto A y de tres pesos para el producto B. ¿Cuales son las posibles combinaciones de cantidades de A y B para satisfacer la condición?.

 desigualdad:=2x + 3y <=60 ;

[Maple Plot]

Ejemplo : Sistema de desigualdades

La solución de un sistema de desigualdades consiste en todos los puntos cuyas coordenadas satisfacen de manera simultanea todas las desigualdades y geométricamente es la región común a todas las regiones determinadas por las desigualdades dadas.

Ø      y <=  x

Ø      y > ½

Ø      y > -2x +3

[Maple Plot]

Ejemplo 3:

Ø      x + y <= 16

Ø       x > -3, x < 10

Ø       y > -2, y <= 14

[Maple Plot]

II. Programación lineal

Un típico problema de optimización por programación lineal consta de dos partes:
las restricciones
: un sistema de desigualdades ( b <= A*x) que define la región de validez y una función a optimizar (maximizar o minimizar) dentro de la región de validez. Hay una restricción fundamental en la programación lineal: se pide que x o y no sean  negativas.

En programación lineal no estamos interesados en el conjunto de todos los puntos factibles sino, el objetivo del problema es encontrar un punto (x,y), que este en el conjunto factible y que sea la solución optima, donde el valor de la función objetivo es máximo o mínimo.

Por ejemplo un fabricante puede querer maximizar una función de utilidad sujeta a las restricciones de producción impuestas por las limitaciones sobre el uso de la maquinaria y la mano de obra.

La solución del problema se puede dividir en cuatro partes:
1. Definir el sistema de desigualdades ( las restricciones) a partir de los datos del problema

2. Graficar la región de validez o factible. Este es el paso fundamental donde se imponen simultáneamente todas las restricciones dadas por las desigualdades. Geométricamente se combinan para dar la región factible.
3. Definir la función objetivo P(x,y)
4. Encontrar la solución, (x,y), el valor optimo (máximo o mínimo) de P(x,y), que satisface el sistema de desigualdades ( las restricciones impuestas)

Ejemplo : Solución del problema desde un enfoque geométrico

Una compañía produce dos tipos de artículos, manuales y eléctricos. Cada uno requiere para su fabricación del uso de tres maquinas A,B, y C. cada articulo manual requiere del uso de la maquina A durante 2 horas, de la maquina B por una hora y de la maquina C otra hora. Un articulo eléctrico requiere una hora de A, dos horas de B y una hora de C. Además el numero de horas disponibles por mes para el uso de las maquinas A,B y C es de 180, 160, y 100 respectivamente. La utilidad por cada articulo manual es de $4 y por cada articulo eléctrico es de $6. Si la compañía vende todos los artículos que puede producir, ¿Cuantos artículos de cada tipo debe producir con el fin de maximizar la utilidad mensual?

1. Definir el sistema de desigualdades . sean x e y el numero de artículos manuales y eléctricos respectivamente.

El numero de artículos producidos es no negativo: 0 <= x, 0 <= y

Para la maquina A : 2*x+y <= 180

Para la maquina B: x+2*y <= 160y para la C: x+y <= 100

La utilidad es P = 4*x+6*y: funcion objetivo

Ø      x>=0

Ø      y>=0

Ø      2*x+ y<=180

Ø      x+2*y<=160

Ø      x+y<=100

2. grafica de la región de validez ( donde se cumplen todas las restricciones impuestas por la fabricación)

[Maple Plot]

3. Definir la función objetivo

> P :=(x,y)-> 4x + 6y

4. Encontrar la solución

Observando la grafica se deduce que la solución es aquella recta que tiene en común con la región valida, un punto vértice de la región. Por lo cual hay que encontrar las coordenadas de los vértices de la región valida, formados por la intersección de las rectas de borde y se calculan resolviendo cada uno de los posibles sistemas de dos ecuaciones que se obtienen.

Punto A : pertenece a las rectas: x = 0, x+2*y = 160

  {y = 80, x = 0}

Punto B: pertenece a las rectas

x+2*y = 160, x+y = 100

{x = 40, y = 60}

Punto C : pertenece a las rectas

x+y = 100, 2*x+y = 180

Por los resultados obtenidos la máxima utilidad esta dada por P2 = $520, por lo cual la combinación adecuada es producir 40 artículos manuales y 60 artículos eléctricos, respetando las restricciones impuestas.

PERT Y EL METODO DE RED.

El PERT/CPM fue diseñado para proporcionar diversos elementos útiles de información para los administradores del proyecto. Primero, el PERT/CPM expone la "ruta crítica" de un proyecto. Estas son las actividades que limitan la duración del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las actividades de la ruta crítica deben realizarse pronto. Por otra parte, si una actividad de la ruta crítica se retarda, el proyecto como un todo se retarda en la misma cantidad. Las actividades que no están en la ruta crítica tienen una cierta cantidad de holgura; esto es, pueden empezarse más tarde, y permitir que el proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo disponible para retardos.

El PERT/CPM también considera los recursos necesarios para completar las actividades. En muchos proyectos, las limitaciones en mano de obra y equipos hacen que la programación sea difícil. El PERT/CPM identifica los instantes del proyecto en que estas restricciones causarán problemas y de acuerdo a la flexibilidad permitida por los tiempos de holgura de las actividades no críticas, permite que el gerente manipule ciertas actividades para aliviar estos problemas.

Finalmente, el PERT/CPM proporciona una herramienta para controlar y monitorear el progreso del proyecto. Cada actividad tiene su propio papel en éste y su importancia en la terminación del proyecto se manifiesta inmediatamente para el director del mismo. Las actividades de la ruta crítica, permiten por consiguiente, recibir la mayor parte de la atención, debido a que la terminación del proyecto, depende fuertemente de ellas. Las actividades no críticas se manipularan y remplazaran en respuesta a la disponibilidad de recursos.

PERT es un, método de PLANIFICACION, REPLANIFICACION y EVALUACION desti­nado a ejercer el control apropiado de los principales programas de investigación y desarrollo.

Simplemente hablando, el PERT-CPM es una técnica de planificación y un instrumento de control de la dirección que utiliza la teoría de la “Red”.  Una vez definidas las varias actividades que componen el proyecto, se forma con ellos la “Red”,  mostrando la sucesión de las  actividades en secuencia lógica y el grado de interdependencia entre ellas. Se estima el tiempo de duración asociado a cada actividad, y se determinan las partes críticas del

 

proyecto La “Red”  es el mapa, la representación gráfica de la organización interna del proyecto.   Como se observa en la figura No. 1.

La figura No. 2 se conoce como gráfica de Gantt. Este tipo de diagrama se usa mucho en la práctica para mostrar la programación de un proyecto, ya que las barras mues­tran los tiempos de inicio y terminación de las actividades.

Figura No. 2

Se puede elegir entre varios tipos de vistas con la barra de herramientas que se encuentra a la izquierda de la pantalla. La preestablecida es la gráfica de Gantt. 

GRAFICACIÓN DE UN DIAGRAMA PERT-CPM

Supongamos que llevamos nuestro carro a la estación de servicio para que le hagan los servicios correspondientes a los 15.000 km.

Lavado –Engrasar – Cambio de Aceite – Rotar Cauchos – Cambiar Filtro de Aceite – Pulir. Como se observa en la figura No 7

Primero antes que todo el mecánico decide primero elevar el carro con la plataforma,  pero antes de ello  para poder rotar los cauchos hay que sacar el repuesto, hay que quitar las tazas y aflojar las tuercas del ring, ahora si se eleva el carro, paso a seguir seria lubricar el motor bajo la tapa del automóvil mientras el carro está elevado, por esta razón se divide la lubricación en dos fracciones; lubricar bajo el carro (chasis), lubricar bajo tapa del motor  y el cambio de aceite se realiza mientras el carro esta elevado.   Al finalizar  solo falta el lavado y pulido.

 

Como se pudo observar lo mas importante para la creación de un diagrama PERT – CPM es saber concatenar y tomar decisiones con relación a las actividades que determinan un proyecto.

 CÁLCULO DIFERENCIAL E INTEGRAL

1        Concepto de límite y continuidad

Hallar los siguientes límites

Indicar si las funciones son continuas

2        Concepto de derivación

La derivada es una expresión que representa la tasa instantánea de cambio en la variable dependiente cuando se opera un cambio en la variable independiente. La notación   se emplea para representar la tasa instantánea de cambio de y con respecto al que se produce en x .

La derivada es una expresión general de la pendiente de la grafica de una función en cualquier punto de x dentro del dominio de la función.

3        Reglas de derivación

a)     derivada de una constante 

b)     derivada de x   

c)      derivada de constante por x    

d)     derivada de potencia de x   

e)     derivada de un producto   

f)        derivada de un cociente   

Utilizando las reglas de derivación obtenga las siguientes derivadas

1)  y = 6x – 4                                           = 6

2)  y = 8x³ - 2x ² - 3x  + 5                      y´ = 24x² - 4x – 3

3) y = x² + x                                           y´= 2x +1

4) y= 5x³ (6 – 3x²)                                 Y´= 5x³ (0 – 6x) + (6-3x²) 10x² = -40x4  + 60x²

4) y = x²/ (x-1)                          y´= (x-1)2x –x² (1)  =   x² -2x
                                                               (x –1)²               (x-1)²

4        Aplicaciones de derivadas

a)     Si p = -0.5q +450 es una ecuación de demanda halle la función de ingreso marginal

El ingreso es igual a p*q

 I = -0.5q² + 450 q

   El ingreso marginal será la derivada:

       I´= - q + 450

b)     La función de costo total para una planta de energía eléctrica se estima mediante:

C= 16.68 +0.125 q +0 .00439q²    dónde q es la producción total diaria y c es el costo total de combustible en miles de pesos.  Obtenga la función de costo marginal  y evalúela cuando q= 70

Se deriva el costo para obtener el costo marginal:

C´= 0.125 + 0.00878 q

Se sustituye  q = 70

C´= 0.125 +0.00878(70) = 0.7396

 APLICACIONES DE FUNCIONES

1        Concepto de función, e interpretación gráfica

2        Concepto de dominio  e imagen de una función

Una función es una regla que asigna a cada número de entrada (x) exactamente un número de salida (y).  El conjunto de todos los números de entrada se le denomina dominio de la función. Al conjunto de todos los números de salida se le llama imagen o rango de la función.

La representación gráfica de una función es mediante puntos de parejas de valores (x,y) para lo cual se elabora una tabulación.

I) Represente gráficamente las siguientes funciones:

a)     y = 10x – 8

X

y=10x-8

-2

-28

-1

-18

 0

-8

1

2

2

12

3

22

4

32

b)     y =  x² -2x +3

X

y= x²-2x +3

-3

18

-2

11

-1

6

0

3

1

2

2

3

3

6

c)      y = 2x

X

y = 2x

-2

0.25

-1

0.5

0

1

1

2

2

4

3

8

4

16

II) La función  C(x) = 25x + 80000 expresa el costo total C(x) de fabricar x unidades de un producto.  Si el número máximo de unidades que pueden producirse es igual a 20,000, establezca el dominio y rango restringidos para esta función.

El dominio es [0, a 20,000]  ya que el mínimo en producción son cero unidades y el máximo son 20000

El rango está asociado al dominio para cero unidades el costo es de 80000 y para 20000 unidades el costo es de  580000, Rango [80000 a 580000]

III) La función q = f(p) = 180,000 –40 p es la función de demanda de la cantidad de un producto q en función del precio cobrado p. Determine el dominio y el rango restringidos de esta función.

El mínimo de precio será cero para este precio la cantidad demandada será 180000

La mínima cantidad demandada será cero cuando el precio es de 4500

Por lo tanto el dominio es: [0 a 4500]  y el rango [0 a 180000]

IV) El valor de reventa de un equipo industrial está dado conforme a una función exponencial   V = f(t) = 150,000 e –0.1t    donde t son los años transcurridos desde la compra original.

a)     cual es el valor original:  al tiempo cero  V = 150000

b)     Cual es el valor de reventa al cabo de 5 años.    V = 150000 e –0.1(5)

V= 150000 (.6065) = 90975

 PROBABILIDAD Y ESTADÍSTICA

(Esencial)

1        Media mediana, moda

Las medidas de Tendencia Central más utilizadas son:

-        Medida aritmética o promedio

-        Moda

-        Mediana.

La media aritmética o promedio es la medida de tendencia central más importante y mis utilizada; para calcularla se deben tomar en cuenta todos los elementos de la muestra; se calcula sumando cada uno de los datos y se divide entre el tamaño de la muestra. Su notación es x, matemáticamente se puede expresar:

La mediana o valor medio de una muestra es el “valor del medio” de los datos arreglados en orden de magnitud (si el tamaño de la muestra es non), o el promedio de los valores del centro (si el tamaño de la muestra es par).

Li = límite inferior del intervalo que contiene a la mediana

n= tamaño de la muestra

F= frecuencia acumulada hasta antes del intervalo que contiene a la mediana

f= frecuencia del intervalo que contiene a la mediana

a= amplitud del intervalo que contiene a la mediana

La moda es el valor de la muestra que más se repite sin embargo puede no existir o tener varias modas.

Ejemplo la siguiente tabla muestra la distribución de frecuencias de los salarios de 65 empleados de la compañía GM.

Salarios

 

No. Empleados

5000

5999

8

6000

6999

10

7000

7999

16

8000

8999

14

9000

9999

10

10000

10999

5

11000

11999

2

Determine las medidas de tendencia central media , mediana y moda

Salarios

 

No. Empleados

Marca de clase

frec*mc

5000

5999

8

5499.5

43996

6000

6999

10

6499.5

64995

7000

7999

16

7499.5

119992

8000

8999

14

8499.5

118993

9000

9999

10

9499.5

94995

10000

10999

5

10499.5

52497.5

11000

11999

2

11499.5

22999

 

 

 

Sumatoria  =

518467.5

                                    
Media o promedio     X = 518437.5/ 65 = 7976.4

Mediana  =  6999.5  +(32.5 –18) 1000 = 7905
                                             16

Moda = 7499 (marca de clase del intervalo de mayor frecuencia.

Relación entre las medidas de tendencia central

Si los valores de la muestra se encuentran distribuidos simétricamente alrededor de un punto se puede asegurar que las tres medidas de tendencia central coinciden cuando la moda es única.

Distribución de los datos simétrica con una sola moda:

Distribución simétrica con dos modas (por lo tanto las tres medidas de tendencia central no son iguales)

 

Para distribuciones asimétricas se puede dar el caso de que dos de las tres medidas sean iguales o que las tres sean diferentes.

1        Rango, desviación estándar

·        Medidas de Dispersión: indican el grado de esparcimiento de los datos con respecto al valor central.

La medida de dispersión más fácil de calcular es el rango o amplitud; es simplemente la diferencia entre el valor mayor y el valor menor de la variable

Variancia o varianza:

            å f( x – x )2
S2 =
                        n

Desviación estándar   

Salarios

 

No. Empleados

Marca de clase

(mc- x)

(mc-x)²

f(mc-x)²

5000

5999

8

5499.5

-2476.92308

6135147.93

49081183.43

6000

6999

10

6499.5

-1476.92308

2181301.78

21813017.75

7000

7999

16

7499.5

-476.923077

227455.621

3639289.941

8000

8999

14

8499.5

523.076923

273609.467

3830532.544

9000

9999

10

9499.5

1523.07692

2319763.31

23197633.14

10000

10999

5

10499.5

2523.07692

6365917.16

31829585.8

11000

11999

2

11499.5

3523.07692

12412071

24824142.01

 

 

 

 

 

Sumatoria =

158215384.6

 

 

 

 

 

s² =

2434082.84

 

 

 

 

 

s =

1560.154749

Distribución de probabilidad

DISTRIBUCIÓN BINOMIAL

La distribución binomial es una distribución discreta y tiene las siguientes características:

1.- un experimento es binomial si y solo si en una elección  hay dos resultados posibles: éxito y fracaso

   p= probabilidad de éxito       q= probabilidad de fracaso= (1-p)

2.- Hay n ejecuciones y n se va a fijar con anterioridad.

3.- Todas las ejecuciones son independientes.

4.- Todas las ejecuciones tienen la misma probabilidad.

LA FORMULA PARA CALCULAR UNA DISTRIBUCIÓN BINOMIAL ES:

B(n, x, p) =  Cnx  p x    q n-x

Dónde n = numero total de ensayos

            x = número de éxitos

            p = probabilidad de éxito.

            q = 1-p

Se sabe que la probabilidad de que  ocho de cada diez personas que van a Plaza Mayor solo curiosean.  Si se eligen 5 personas al azar

A)    Cual es la probabilidad de que 2 de ellas curioseen

B)    Cual es la probabilidad de que todas curioseen

C)    Cual es la probabilidad de que al menos 4 curioseen.

Número se ensayos  n= 5 personas elegidas   probabilidad de curiosear = 8/10

A)  n=5   p = .8     x = 2

       B( 5, 2, .8)  = 0.0579

B) n = 5  p= .8   x = 5

     B(5, 5, .8) = 0.3277

C)Al menos cuatro son 4 y 5 personas

B(5, 4, .8)   + B(5,5,.8) = 0.4096 + 0.3277 = 0.7373

Distribución normal

Las características que tiene una distribución de datos en forma normal son las siguientes:

1.-Tiene forma de campana

2.-Es simétrica con respecto a la media de la distribución

3.-Se extiende desde menos infinito hasta más infinito

4.-Cada distribución normal es completamente especificada por su media y desviación estándar

5.- El área total bajo la curva normal se considera que es de 100%.

6.- El área bajo la curva entre dos puntos es la probabilidad de que una variable distribuida normalmente asuma un valor entre ellos.

7.- Dado que existe un número ilimitado de valores en el intervalo que va desde menos infinito hasta mas infinito, la probabilidad de que una variable aleatoria distribuida con normalidad se exactamente igual a cualquier valor dado e casi de cero.  Por tanto, las probabilidades siempre serán para un intervalo de valores.

8.- El área bajo la curva entre la media y cualquier otro punto es una función del número de desviaciones estándar que el punto dista de la media.

Aplicación de la distribución normal

El departamento de personal de una empresa aplica a los técnicos superiores aspirantes a un puesto un examen de aptitud, los resultados se distribuyen normalmente con un promedio de 80 y una desviación estándar de 4

a)     Que proporción de los aspirantes obtuvieron entre 80 y 84

b)     Que proporción de los resultados se encuentran entre 75 y 83

c)      Que proporción de los resultados quedan entre 75 y 78

d)     Que proporción de los resultados es superior a 85

Al resolver un problema de probabilidad de distribución normal se sugiere lo siguiente;

Dibujar una campana y colocar en el centro el valor de la media

Establecer los puntos del intervalo en que se desea buscar la probabilidad y sombrear el área correspondiente

Calcular las unidades Z por medio de la fórmula      z =  x - m
.                                                                                            
     s

Buscar en la tabla de la distribución normal la probabilidad correspondiente a las unidades de z calculadas.

                 La probabilidad de obtener una puntuación de más de 85 es 10.66%

Análisis de  regresión:  El método de mínimos cuadrados

La regresión lineal simple, plantea la ecuación lineal que describa la relación entre dos variables.  El procedimiento de mínimos cuadrados es aquel que minimiza la suma de los cuadrados de las distancias verticales de los puntos a la recta de mejor ajuste: y  = a + bx      dónde a es la intersección con el “eje y” y b es el coeficiente de regresión.  Una de las características de la recta de regresión es que pasa por (x , y )

 

 

Los siguientes datos se obtuvieron de agencias de autos usados de la ciudad con respecto a kilometraje y los precios de los modelos l995 de cierta marca.

observación

x (km recorridos)

y (precio vta)*10³

1

10

30

2

15

25

3

20

20

4

25

18

5

30

15

6

30

12

7

30

20

8

35

20

9

40

10

10

40

15

11

50

8

12

55

8

13

60

10

14

65

5

Se elabora la tabla para obtener las sumatorias

 

 

 

 

 

 

 

x (km recorridos)

y (precio vta)*10³

      xy

     

estimación

 

10

30

300

100

25.475

 

15

25

375

225

23.5475

 

20

20

400

400

21.62

 

25

18

450

625

19.6925

 

30

15

450

900

17.765

 

30

12

360

900

17.765

 

30

20

600

900

17.765

 

35

20

700

1225

15.8375

 

40

10

400

1600

13.91

 

40

15

600

1600

13.91

 

50

8

400

2500

10.055

 

55

8

440

3025

8.1275

 

60

10

600

3600

6.2

 

65

5

325

4225

4.2725

S

505

216

6400

21825

 

 

 

 

 

 

 

 

b=

-0.38555171

 

Recta de regresión

 

a=

29.3359723

 

y = 29.33 -0.385 x

Correlación

El objetivo de un estudio de correlación es determinar la consistencia de una relación entre observaciones de parejas de valores.  El término correlación significa relación mutua ya que indica el grado en el que los valores de una variable se relacionan con los de otra.

El grado de relación entre dos variables se obtiene mediante el coeficiente de correlación “r” de Pearson

El coeficiente de correlación presenta dos propiedades

a)     el signo: positivo implica que la relación entre las variables es directa

                    negativo implica que la relación entre las variables es inversa

b)     la magnitud : indica que tan cerca están de la recta los valores de la variable, valores próximos a 1 o –1 implica que la relación entre las variables es lineal, un valor cercano a cero implica que no existe relación entre las variables.

 Coeficiente de correlación

x (km recorridos)

y (precio vta)*10³

      xy

     

10

30

300

100

900

15

25

375

225

625

20

20

400

400

400

25

18

450

625

324

30

15

450

900

225

30

12

360

900

144

30

20

600

900

400

35

20

700

1225

400

40

10

400

1600

100

40

15

600

1600

225

50

8

400

2500

64

55

8

440

3025

64

60

10

600

3600

100

65

5

325

4225

25

505

216

6400

21825

3996

 

 

 

 

 

 

R  = 14 (2185) -

(505)(216)

 

 

 

        [14(21825)-(505)²][14(3936) -(216)²]

 

 

Coef de correlación

 

 

 

-0.89923808

 

 

 

 

 

 

 

 

El coeficiente de correlación es negativo por lo tanto la relación entre los kilómetros recorridos y el precio es inversa, su valor numérico es de .89 podríamos decir que se acerca a una relación lineal.

Definición y tipos de muestreo

El objeto del muestreo es poder hacer inferencias con respecto a una población después de inspeccionar solamente una parte de ésta.  Factores como el costo el tiempo, los ensayos destructivos y las poblaciones infinitas hacen que se prefiera más el muestreo que llevar a cabo un estudio completo (censo) de la población. 

Muestreo Probabilístico:  Todos los individuos o elementos tienen una probabilidad conocida de ser incluidos en la muestra.

Tipo

Procedimiento

Aleatorio Simple

1.- Hacer una lista completa del universo

2.- Asignar un número a cada individuo del universo

3.- A través de una tabla de número aleatorios o procedimiento similar seleccionar un grupo de individuos que van a constituir la muestra

Sistemático

1.- Hacer una lista completa del universo

2.- Seleccionar el primer individuo a través de un método aleatorio

3.- Seleccionar cada k-ésimo individuo a partir del primer seleccionado

Estratificado

1.- Dividir el universo en estratos internamente homogéneos

2.- Seleccionar dentro de cada estrato los indiviuos de modo aleatorio

3.- Seleccionmar cada k –ésimo  individuo a partir del primer seleccionado.

Conglomerados

1.- Dividir el universo en grupos o clusters (área geográfica)

2.- Seleccionar primero que clusters deben constituir la muestra

3.- Dentro de cada cluster seleccionar a los individuos de modo aleatorio

 

Muestreo no probabilístico: no se conocen las probabilidades de cada individuo o elemento de ser incluidos en la muestra.

Tipo

Procedimiento

Casual

Entrevistar a los individuos hasta un cierto número en forma casual (por ejemplo los que pasen por una esquina)

Intencional

Seleccionar casos típicos del universo según criterio de un experto

Cuotas

Cada entrevistador debe entrevistar a una cierta cuota de individuos de cada categoría

 

 

Estimación

1.      Estimación por intervalos

INTERVALO DE CONFIANZA PARA LA MEDIA.

El intervalo de confianza se asocia al nivel de confianza requerido 90%, 95% 99%

Para calcular el intervalo de confianza :

INTERVALO  DE CONFIANZA :   {   x – z s/     n   <  m    <  x + z s/     n }

                                                           LCI        <     m        < LCS

Si la muestra es mayor de 30 datos.     

Los valores para z de la tabla de distribución normal según la confianza serán:

Nivel de Confianza

Valor z

90%

1.65

95%

1.96

99%

2.57

A mayor tamaño de la muestra el intervalo de confianza se reduce.

A mayor confianza mayor amplitud del intervalo.

Determine el intervalo de confianza de 90% para la media poblacional sabiendo que  x = 15

  s = 2.5    y la muestra fue de 36

     {  15 – 1.65(2.5)/  36   < m       <  15 + 1.65(2.5)/  36 } = { 14.31 <  m < 16.68 }

Para menos de 30 datos se utiliza la distribución t –student  la cual considera  grados de libertad

g.l. = n –1 y nivel de significancia    a     nivel de confianza (1 -  a ) .

 Ver tabla t hoja anexa.

Las notas de consumo semanales de gasolina de un automóvil fueron:

 75.3,  76.4  , 83.2,   91,  80.1,  75, 84.8,  81.   Determine el intervalo de confianza del 98% del consumo de gasolina.

Intervalo de confianza    { x – t s /  n  <   m <x + t  s  /   n }

Se calcula la media      x =  S xi / n            Se calcula la desviación estándar

     s  =  S  (x i- x)²/ n

                                     X = 80.85                s = 5.11

Se lee t de tablas = 2.998    ( conf. 98% y n-1 = 7)

                m [    80.85 -   2.998 (5.ll)/  8 }

           { 75.42 <  m < 86.26 }

ERROR MUESTRAL

Al cociente 

 se le conoce como error muestral. 

 Si la confianza aumenta el error aumenta

Si el tamaño e la muestra aumenta el error disminuye

 

                                            de dónde  n =  (z s / e)²

 

De la fórmula anterior se puede determinar el tamaño de la muestra.

Qué tamaño de la muestra será necesaria para producir un intervalo e confianza del 90% con un error de 1 si la desviación estándar de la población es de 4.

 Para 90%    z = 1.65      s = 4   E = 1     

                                                          ,n = [(1.65)4 / 1)]²  =   43.56      n = 44

  INTERVALO DE CONFIANZA PARA PROPORCIONES

 

Se sabe que de 1500 consumidores 956 utilizan cloro para  blanquear la ropa con un nivel de confianza del 95%

a)     Determine el error muestral

b)     Construya el intervalo de confianza para la proporción de consumidores de cloro

n = 1500        x= 956           conf = 95%    z = 1.96

p = casos favorables /casos totales   =   956/1500  = 0.637

q = l – p = 1 -.637 = 0.363

Una trabajadora social del departamento de bienestar estatal desea emprender un estudio para determinar las actitudes de los ciudadanos con respecto a los programas del estado.  La trabajadora social debe tomar una muestra para hacer una estimación  de la proporción de los ciudadanos que están en desacuerdo con la pensión otorgada a los jubilados.  Desea que su error esté a .025 del valor verdadero de la proporción con un intervalo de confianza del 95%, según un sondeo preliminar el 60% de los entrevistados estaba de desacuerdo con la pensión.  Determinar el tamaño de la muestra.

      n = z ² p q/ 

      z = 1.96                                                   n = [ (l.96)²(.60)(.40)/(.025)²] = 1475.17

      p = .60                                                     n= 1.476

     q = .40                                     e = .025  

FACTOR DE CORRECCION SEGÚN EL TAMAÑO DE LA MUESTRA.

Se utiliza cuando el tamaño de la población es menor de 3,000.

N=  tamaño población      n= tamaño muestra  

Prueba de hipótesis

La prueba de hipótesis comienza con la suposición denominada “hipótesis”, que hacemos en torno a un parámetro de la población. Después reunimos datos muestrales, producimos estadísticos de la muestra y nos servimos de esta información para decidir la probabilidad de que lo que supusimos es correcto.

Para verificar la validez de nuestra suposición, obtenemos los datos muestrales y determinamos la diferencia entre el valor supuesto y el valor real de la media muestral, y observamos la diferencia; cuanto menor sea esta, mayor serà la probabilidad, y viceversa.

Por ejemplo, el gerente de una tienda comercia dice que la eficiencia de sus empleados es del 90%. Al aplicar métodos de muestreo, las estadísticas arrojaron un resultado de 93%, y seguramente aceptaremos la declaración del gerente. Pero si la estadística hubiera arrojado un resultado de 46%, rechazaríamos la suposición inmediatamente. Estos resultados los interpretamos usando el sentido común, pero si el resultado hubiera sido del 81%, ¿lo aceptaríamos como válido? Es un valor muy cercano al 90%, pero tendríamos la incertidumbre de aceptarlo o rechazarlo como válido.

Pasos para la prueba de hipótesis

1.      Formulación de hipótesis nula y alternativa

En la prueba de hipótesis, hemos de formular el supuesto valor del parámetro de la población antes de empezar el muestreo. La suposición que deseamos probar recibe el nombre de hipótesis nula, y se representa con el símbolo Ho. Si los resultados de la muestra no apoyan la hipótesis nula, debemos concluir que no son verdaderos. Cada vez que rechazamos la hipótesis nula, la conclusión que aceptamos se llama hipótesis alternativa, y se representa con H1.

Por ejemplo, supongamos que queremos probar la hipótesis de que la media de una población es igual a 500. Podemos establecer lo siguiente:

Ho: m = 500 (la hipótesis nula establece que la media de la población es igual a 500)

H1 = m ¹ 500 (la hipótesis alternativa establece que la media de la población es diferente a 500)

H1 = m < 500 (la hipótesis alternativa establece que la media de la población es menor a 500)

H1 = m > 500 (la hipótesis alternativa establece que la media de la población es mayor a 500)

2.      Establecer el nivel de significancia

La finalidad de la prueba de hipótesis no es poner en tela de juicio el valor calculado del estadístico muestral, sino emitir un juicio sobre la diferencia existente entre él y un parámetro de la población, y para esto nos ayudamos del nivel de significancia, que es el porcentaje de las medias muestrales que se encuentran dentro del límite de confianza. Aún si el estadístico muestral cae dentro de los límites de confianza, ello no prueba que la hipótesis nula sea verdadera, simplemente no ofrece evidencia estadística para rechazarla. Cuanto más alto sea el nivel de significancia que utilizamos al probar una hipótesis, mayores probabilidades habrá de rechazar una hipótesis nula que sea verdadera.

3.      Decisión de qué tipo de distribución se empleará en la prueba de hipótesis

Cuando se conoce la desviación estándar de la población deberemos utilizar la distribución normal (tabla z), y si no se conoce la desviación estándar de la población y el tamaño de la población es mayor que 30, deberemos utilizar la distribución normal, pero si el tamaño es menor a 30 utilizaremos la distribución t.

Aplicaciones para la prueba de hipótesis

Su uso es muy variado, y normalmente sirve para probar una suposición con respecto a datos estadísticos.

Ejemplos de ello puede ser:

Si se quiere probar que la nicotina del cigarro hace que la frecuencia cardiaca aumenta en durante el día en los fumadores.

Si se quiere probar la capacidad de carga de un puente que tiene 20 años de construido.

El error tipo I se define como el rechazo de la hipótesis nula Ho cuando ésta es verdadera. También es conocido como ó nivel de significancia.

Si tuviéramos un nivel de confianza del 95% entonces el nivel de significancia sería del 5%. Análogamente si se tiene un nivel de confianza del 90% entonces el nivel de significancia sería del 10%.

Ahora supóngase que la verdadera rapidez promedio de combustión es diferente de 50 cm/s, aunque la media muestral caiga dentro de la región de aceptación. En este caso se acepta Ho cuando ésta es falsa. Este tipo de conclusión recibe el nombre de error tipo II.

El error tipo II ó error se define como la aceptación de la hipótesis nula cuando ésta es falsa.

Por tanto, al probar cualquier hipótesis estadística, existen cuatro situaciones diferentes que determinan si la decisión final es correcta o errónea.

Decisión

Ho es verdadera

Ho es falsa

Aceptar Ho

No hay error

Error tipo II ó

Rechazar Ho

Error tipo I ó

No hay error

1.      Los errores tipo I y tipo II están relacionados. Una disminución en la probabilidad de uno por lo general tiene como resultado un aumento en la probabilidad del otro.

  1. El tamaño de la región crítica, y por tanto la probabilidad de cometer un error tipo I, siempre se puede reducir al ajustar el o los valores críticos.
  2. Un aumento en el tamaño muestral n reducirá y de forma simultánea.
  3. Si la hipótesis nula es falsa, es un máximo cuando el valor real del parámetro se aproxima al hipotético. Entre más grande sea la distancia entre el valor real y el valor hipotético, será menor

Distribución Ji cuadrada

Las pruebas de Ji cuadrada nos permiten verificar si más de dos proporciones de poblaciones pueden considerarse iguales. Muchas veces, los administradores necesitan saber si las diferencias que observan entre varias proporciones muestrales son significativas o si sólo se deben a la casualidad.

Como la distribución Ji cuadrada es una distribución de probabilidad, el área bajo la curva en la distribución Ji cuadrada es 1 o 100%.

Pasos para realizar un estadístico con Ji Cuadrada

1.      Formulación de la tabla de contingencia

Está constituida por renglones que se extienden horizontalmente (m) y columnas que están situadas verticalmente (n), y que sirven para clasificar la información, por lo que tendremos tablas de contingencia de m renglones por n columnas.

Por ejemplo, una compañía muestrea las actitudes que sus empleados muestran ante las evaluaciones de desempeño en su trabajo. Los empleados pueden elegir entre dos opciones: el método actual 8dos evaluaciones por año) o un método nuevo (evaluaciones trimestrales). Dividen al país en cuatro regiones, y los resultados obtenidos son los siguientes:

Opciones

Norte

Sur

Este

Oeste

Total

# de los que prefieren el método actual (frecuencia observada fo)

68

 

75

57

79

279

Frecuencia esperada fe

100 x 0.6643= 66.43

120x0.6643 =

79.72

90x0.6643 =

59.79

110x0.6643 =

73.07

 

# de los que prefieren el método nuevo (frecuencia observada fo)

32

45

33

31

141

Frecuencia esperada fe

100 x 0.3357= 33.57

120x0.3357 =

40.28

90x0.3357 =

30.21

110x0.3357 =

36.93

 

Total de empleados por región

100

120

90

110

420

La hipótesis nula sería:  Ho: norte= sur = este = oeste

La hipótesis alternativa sería = H1: norte ¹ sur¹ este¹ oeste

Donde:

nortea = proporción de los que prefieren el método actual en el norte

sura = proporción de los que prefieren el método actual en el sur

estea = proporción de los que prefieren el método actual en el este

oestea = proporción de los que prefieren el método actual en el oeste

 

proporción de los que prefieren el método actual =      68 + 75 + 57 + 79   =  279  = 0.6643
                                                                                         100 + 120 + 90 + 110    420

proporción de los que prefieren el método nuevo = 1 – 0.6643 = 0.3357

2.      Verificación de la hipótesis nula por intuición

Si los conjuntos de frecuencias observadas y esperadas son casi iguales, podemos razonar intuitivamente que aceptaremos la hipótesis nula. Si existe una gran diferencia entre estas frecuencias, rechazaremos intuitivamente la hipótesis nula y concluiremos que hay diferencias significativas en las proporciones de los empleados en las cuatro regiones que prefieren el nuevo método.

Cálculo del estadístico Ji cuadrada

Si queremos asegurarnos aún más que nuestro estadístico está bien, podemos calcular el estadístico Ji cuadrada con la siguiente fórmula:

 

c2  = S (fo – fe)
                fe

y con la siguiente tabla

fo

fe

fo – fe

( fo – fe )2

( fo – fe )2
fe

68

66.43

1.57

2.46

.0370

75

79.72

- 4.72

22.28

.2795

57

59.79

- 2.79

7.78

.1301

79

73.07

5.93

35.16

.4812

32

33.59

- 1.57

2.46

.0733

45

40.28

4.72

22.28

.5531

33

30.21

2.79

7.78

.2575

31

36.93

- 5.93

35.16

.9521

                                                                                                                      TOTAL               2.7638

La respuesta de 2.7638 es el valor de ji cuadrada que compara las preferencias por el método de evaluación y es un promedio de cuanto puede ser la diferencia entre el valor observado y el esperado. Si este valor llegara a ser de 20 por ejemplo, indicaría una diferencia sustancial entre los valores observados y los esperados. En cambio, una ji cuadrada de cero denotaría que las frecuencias observadas corresponden exactamente a las frecuencias esperadas. El valor de ji cuadrada siempre será positivo.

Análisis de variancia

A menudo abreviado ANOVA, nos permite probar la significancia de la diferencia entre más de dos medias muestrales

El análisis de variancia será útil en situaciones como las siguientes:

·        Comparar el millaje recorrido con cinco distintas marcas de gasolina

·        Probar de cuatro métodos de capacitación cuál produce el aprendizaje más rápido

·        Comparar lo que ganan en su primer año de graduados los TSU en Comercialización  de las UT del país

Pasos del análisis de variancia

1.      Determínese una estimación dela variancia de la población a partir de la variancia entre las medias muestrales

2.      Determínese una segunda estimación de la variancia de la población a partir de la variancia dentro de las muestras.

3.      Compárense estas dos estimaciones. Si tienen un valor aproximadamente igual, se acepta la hipótesis nula

 

Arriba Siguiente