[Escriba aqu]

Estadstica bsica elemental

Historia de los pronsticos
HISTORIA DE LOS PRONSTICOS
Muchas de las tcnicas de pronstico que se utilizan actualmente y que se
exponen en este libro se desarrollaron en el siglo XIX; un ejemplo de ello
son los anlisis de regresin. En contraste, slo recientemente fue que
algunos de los temas de este libro se desarrollaron y recibieron atencin. En
esta categora se encuentra el procedimiento de Box-Jenkins.
Con el desarrollo de tcnicas de pronstico ms complejas, junto con el
advenimiento de las computadoras, los pronsticos recibieron ms y ms
atencin durante los aos recientes. Este desarrollo es en especial cierto
desde la proliferacin de la pequea computadora personal. Ahora, todos los
administradores poseen la capacidad de utilizar tcnicas de anlisis de datos
muy complejas para fines de pronstico, y una comprensin de dichas
tcnicas es esencial hoy en da para los administradores de empresas.
Al crecer la preocupacin de los administradores por el proceso de
pronstico, se continan desarrollando nuevas tcnicas de pronstico. Esta
atencin se enfoca de manera particular en los errores, que son parte
inherente de cualquier procedimiento de pronstico. Es raro que los
pronsticos coincidan al pie de la letra con el futuro, una vez llegado ste,
quienes pronostican slo pueden intentar que los inevitables errores sean tan
pequeos como sea posible.
LA NECESIDAD DE PRONOSTICAR
En vista de las imprecisiones inherentes al proceso, por qu es necesario
pronosticar? La respuesta es que todas las organizaciones operan en una
atmsfera de incertidumbre y que, a pesar de este hecho, se deben tomar
decisiones que afectan el futuro de la organizacin. Para los gerentes de
organizaciones, las conjeturas acadmicas son ms valiosas que las no
acadmicas. Este libro expone varias formas de realizar pronsticos, que se
basan en mtodos lgicos de manipulacin de datos que se generaron por
sucesos histricos.
Lo anterior no quiere decir que el pronstico intuitivo sea malo. Al contrario, los
sentimientos instintivos de quienes administran organizaciones, con frecuencia
propor- cionan el mejor pronstico disponible. Este libro expone las tcnicas de
pronstico que pueden emplearse para complementar el sentido comn y la
capacidad administrativa de los que toman decisiones; en el captulo 11 se
abordan los elementos de juicio en el proceso de pronstico. En nuestra
opinin, quienes toman decisiones lo harn mejor si a partir de la
comprensin de las tcnicas de pronstico, tanto cualitativa como
cuantitativa, las utilizan de manera adecuada, en vez de que se vean
forzados a planear el futuro sin el beneficio de esta valiosa informacin
[Escriba aqu]

[Escriba aqu]

complementaria.
En los ltimos aos, el papel del pronstico con base en el juicio ha
cambiado, Antes de la llegada de las tcnicas modernas de pronstico y del
poder de las computadoras, el juicio del administrador era la nica herramienta
de pronstico disponible, No existe evidencia de que los pronsticos basados
slo en juicios no sean tan precisos como aquellos que emplean la cabal
aplicacin de tcnicas cuantitativas:
Creemos que quien pronostica de manera ms efectiva es capaz de formular
una hbil mezcla de buen juicio y tcnicas de pronstico cuantitativas, as como
el evitar el caso extremo de la total dependencia en a1guno de ellos. En un
extremo encontramos al ejecutivo que por ignorancia y miedo a las tcnicas
cuantitativas y a las computadoras, se basa slo en la intuicin y el sentir.
En el otro extremo est el pronosticador capacitado en las ltimas tcnicas
de manipulacin de datos que no es capaz o no desea relacionar el proceso
de pronstico con las necesidades de la organizacin y con quienes toman
decisiones en sta. Opinamos que las tcnicas de pronstico cuantitativo que
se exponen en este libro son slo el punto de partida en el pronstico efectivo
de resultados importantes para la organizacin el anlisis, los juicios, el sentido
comn y la experiencia empresarial deben aplicarse en el punto donde estas
tcnicas importantes han generado sus resultados.
Debido a que siempre ha sido cambiante el mundo en el que operan las
organizaciones, siempre ha existido la necesidad de hacer pronsticos. Sin
embargo, en los ltimos aos se ha incrementado la confianza en las tcnicas
que abarcan una compleja manipulacin de datos. Una nueva tecnologa y
nuevas disciplinas aparecieron de la noche a maana; la actividad
gubernamental se intensific en todos los niveles; la competencia se hizo ms
cerrada en muchas reas; en casi todas las industrias se implant el comercio
internacional; crecieron y se crearon nuevas agencias de ayuda y servicios.
Estos factores se combinaron para crear un clima organizacional que es
ms complejo, con una dinmica ms rpida y ms competitiva que nunca.
Las organizaciones que no puedan reaccionar con rapidez a las condiciones
cambiantes y prever el futuro con algn grado de precisin, estn condenadas
a la extincin.
Las computadoras, junto con las tcnicas cuantitativas que hacen posible,
se han vuelto ms que recomendables en las organizaciones modernas: se
han vuelto esenciales. Las dificultades antes expuestas generan una enorme
cantidad de datos y una tremenda necesidad de extraer informacin til de
estos datos. Las herramientas modernas de pronstico, junto con la
capacidad de la computadora se han hecho indispensables para las
organizaciones que operan en el mundo moderno.
Quin requiere hacer pronsticos? Casi cualquier organizacin, grande y
pequea, pblica y privada, utiliza el pronstico ya sea explcito o implcito,
debido a que casi toda las organizaciones deben planear cmo enfrentar las
condiciones futuras de las cuales tienen un conocimiento imperfecto. Adems,
la necesidad de hacer pronsticos cruza todas las lneas funcionales lo mismo
[Escriba aqu]

[Escriba aqu]

que todo tipo de organizaciones. Se requiere hacer pronstico en las reas

de finanzas, comercializacin, personal y de produccin, tanto en
organizaciones gubernamentales y de bsqueda de ganancias, como en
pequeos clubes sociales y en los partidos polticos nacionales. Considere
las siguientes preguntas que sugieren la necesidad de algunos
procedimientos de pronstico:

Si incrementamos nuestro presupuesto de publicidad en un 10%,

cmo afectar a las ventas?

Qu ingresos en rentas pblicas puede esperar el gobierno del

estado durante los prximos dos aos?

Cuntas unidades deberemos vender para recuperar nuestra

inversin fija en equipo de produccin?

Qu factores podemos identificar que ayuden a explicar la

variabilidad de las ventas mensuales unitarias?

Cul es el pronstico ao por ao de] saldo total de prstamos de

nuestro banco en los prximos diez aos?

Habr una recesin? Si es as, cundo empezar?, qu tan severa

ser? y cundo terminar?

TIPOS DE PRONSTICO
Cuando los gerentes de organizaciones se enfrentan con la necesidad de
tomar decisiones en una atmsfera de incertidumbre. Qu tipos de pronstico
tienen disponibles? En primer trmino, se deben clasificar los procedimientos
de pronstico de largo o corto plazos. Los pronsticos a largo plazo son
necesarios para establecer el curso general de la organizacin para un largo
periodo; de ah que se conviertan en el enfoque particular de la alta direccin.
Los pronsticos a corto plazo se utilizan para disear estrategias inmediatas y
que usan los administradores de rango medio y de primera lnea para
enfrentar las necesidades del futuro inmediato.
Tambin se podra clasificar a los pronsticos en trminos de su posicin en el
entorno micro-macro, es decir, segn el grado en que intervienen pequeos
detalles vs. grandes valores resumidos. Por ejemplo, el gerente de una planta
pudiera estar interesado en pronosticar el nmero de trabajadores que
requerir en los prximos meses (un micropronstico), mientras que el
gobierno federal est pronosticando el nmero total de personas empleadas
en toda la nacin (un macropronstico). De nuevo, los diferentes niveles de
administracin en una organizacin tienden a enfocar diferentes niveles del
entorno micro-macro. Por ejemplo, la alta direccin estara interesada en
pronosticar las ventas de toda la compaa, en tanto que los vendedores
individuales estaran mucho ms interesados en pronosticar su propio
volumen de ventas.
Los procedimientos de pronstico pueden tambin clasificarse de acuerdo con
[Escriba aqu]

[Escriba aqu]

su tendencia a ser ms cuantitativos o cualitativos. En uno de los extremos,

una tcnica puramente cualitativa es aquella que no requiere de una abierta
manipulacin de datos, slo se utiliza el "juicio" de quien pronostica. Desde
luego, incluso aqu, el "juicio" del pronosticador es en rea1idad el resultado
de la manipulacin mental de datos histricos pasados. En el otro extremo, las
tcnicas puramente cuantitativas no requieren de elementos de juicio; son
procedimientos mecnicos que producen resultados cuantitativos. Por
supuesto, ciertos procesos cuantitativos requieren de una manipulacin de
datos mucho ms compleja que otros. Este libro hace hincapi en las tcnicas
de pronstico cuantitativas, ya que es necesario un mayor entendimiento de
estos tiles procedimientos en la administracin efectiva de las /
organizaciones modernas. No obstante, debemos enfatizar de nuevo que junto
con los procedimientos mecnicos y de manipulacin de datos, se deben
emplear elementos de juicio y sentido comn. Slo en esta forma se puede
llevar a cabo un pronstico inteligente.

PRONSTlCO MACROECONMICO
Por lo regular pensamos en los pronsticos en trminos de pronosticar
variables importantes para una compaa individual o quiz para una parte
de una compaa. Ejemplos de ello son las ventas mensuales de la empresa,
las ventas unitarias de una
de las tiendas de la compaa y las horas de ausencia por empleado y mes
en una fbrica.
En contraste, existe un creciente inters en el pronstico de importantes
variables para la economa de una nacin. Se ha realizado un gran trabajo en
la evaluacin de este tipo de pronstico econmico global denominado
pronstico macroeconmico. Ejemplos que interesan al gobierno peruano y
regional son el ndice de desempleo, el producto nacional bruto y la tasa lder
de inters.
En parte, la poltica econmica se basa en proyecciones de importantes
indicadores econmicos, como los tres mencionados anteriormente. Por este
motivo, hay un gran inters en mejorar los mtodos de pronstico que
enfocan tales mediciones globales del comportamiento econmico de un pas.
En la actualidad, los mtodos de pronstico se pueden dividir en forma
genrica en dos enfoques; 1) mtodos que usan los enfoques tradicionales de
anlisis de series de tiempo y 2) mtodos menos estructurados que se enfocan
en las propiedades estadsticas de las mediciones histricas. Ambos enfoques
se describen en este libro.
[Escriba aqu]

[Escriba aqu]

Una de las principales dificultades para el desarrollo de pronsticos

precisos de la actividad econmica global, consiste en cambios significativos
en algn factor econmico clave. Entre tales factores se encuentran los
cambios significativos en los precios del petrleo, variaciones sbitas de la
inf1acin, y los cambios de poltica global en el gobierno de otro pas que
afectan la economa propia.
La posibilidad de dichos cambios significativos en el escenario econmico h a
generado una pregunta clave en el pronstico macroeconmico: deberan
modificarse los pronsticos generados mediante el procedimiento de
pronstico utilizando el juicio de quien los produce? Esta pregunta aparece
a menudo en el trabajo que se realiza en la actualidad sobre la metodologa
de pronstico.
En materia de pronstico macroeconmico se sigue desarrollando un gran
esfuerzo tanto terico como prctico. Un ejemplar del International Joumal of
Forecating (Vol. 6, nm. 3, octubre de 1990), est dedicado a este tema.
Considerando la importancia de un pronstico econmico preciso para la
formulacin de la poltica nacional, se puede esperar una continua atencin
sobre este tipo de pronstico en el futuro.

Etapas de la elaboracin de pronsticos

SELECCIN DEL MTODO DE PRONSTICO
La exposicin anterior sugiere varios factores a considerar en la seleccin de un
mtodo de pronstico. Se debe contemplar el nivel de detalle. Se requiere de un
pronstico de detalles especficos (un micropronstico)? O se necesita conocer el
estado futuro de algn factor global o general (un macropronstico)? Se precisa el
pronstico de algn punto en el futuro cercano (un pronstico a corto plazo), o para un
punto en el futuro distante (un pronstico a largo plazo)? y, hasta qu grado son
apropiados los mtodos cualitativos (de juicio) y cuantitativos (de manipulacin de
datos)?
La consideracin que se impone en la seleccin de un mtodo de pronstico es la de
que los resultados deben facilitar el proceso de toma de decisiones de los
administradores de la organizacin. Por lo tanto, el requerimiento esencial no es que el
mtodo de pronstico comprenda un proceso matemtico complicado o que sea lo
ltimo en complejidad. En vez de ello, el mtodo elegido deber producir un pronstico
que sea preciso y comprensible para los administradores, de modo que pueda ayudar
a producir mejores decisiones.
Adems, la utilizacin del procedimiento de pronstico debe producir un beneficio que
exceda al costo asociado con su uso.

PASOS A SEGUIR EN EL PRONSTICO

[Escriba aqu]

[Escriba aqu]

Todos los procedimientos formales de pronstico comprenden la extensin de las

experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones
que generaron los datos anteriores son indistinguibles de las condiciones futuras, con
excepcin de aquellas variables reconocidas de manera explcita por el modelo de
pronstico. Por ejemplo, si se est pronosticando el ndice de desempeo de los
empleados en el trabajo, usando slo como pronstico la calificacin del examen de
admisin, se asume que el ndice de desempeo en el trabaj de cada persona se
afecta slo por dicho examen. Considerando que la suposicin de pasado y futuro
indistinguibles no se cumple, resultarn pronsticos imprecisos, a menos que se
modifiquen a juicio de quien pronostica.

[Escriba aqu]

La aceptacin de que las tcnicas de pronstico funcionan sobre datos generados en

sucesos histricos pasados conduce a la identificacin de cuatro pasos en el proceso
del pronstico:
1. Recopilacin de datos.
2. Reduccin o condensacin de datos.
3. Construccin del modelo.
4. Extrapolacin del modelo (el pronstico en s).

El paso 1, sugiere la importancia de obtener los datos adecuados y asegurarse que

son correctos. Con frecuencia este paso es el mayor reto de todo el proceso de
pronstico y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre
los datos, sean o no relevantes para, el problema en cuestin. Siempre que se hace
necesario obtener datos pertinentes en una organizacin, abundan los problemas de
recopilacin y control de calidad.
El paso 2, la reduccin de datos con frecuencia es necesaria ya que en el proceso de
pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser
pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos
pueden ser los adecuados, pero slo en ciertos periodos histricos, Por ejemplo, en el
pronstico de las ventas de automviles compactos podra desearse emplear slo
datos de ventas de automviles a partir del embargo petrolero de la dcada de 1970,
en vez de datos de los ltimos 50 aos.
El paso 3, la construccin del modelo, implica el ajustar los datos reunidos en un
modelo de pronstico que sea el adecuado para minimizar el error en el pronstico.
Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin del proceso por
parte de los administradores que toman las decisiones en la empresa. Con frecuencia
se debe establecer un balance entre un enfoque de pronstico complejo que ofrezca
ligeramente ms precisin y un enfoque sencillo que sea fcil de entender y ganar el
apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es
obvio que los elementos de juicio forman parte de este proceso de seleccin. Ya que
el libro expone diversos modelos de pronstico y su aplicabilidad, confiamos en la
capacidad del lector para ejercitar el juicio en la, eleccin y uso apropiado de los
modelos de pronstico, capacidad que incrementar despus de estudiar este
material.

El paso 4, consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre

una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se
seleccion un modelo de pronstico apropiado. Es comn que quien realiz el
pronstico revise la precisin del proceso mediante el pronstico de periodos recientes
de los que se conocen los valores histricos reales. Es entonces cuando se observan
los errores de pronstico y se resumen de algn modo. Ciertos procedimientos de
pronstico suman los valores absolutos de los errores y pueden reportar esta suma, o
dividirla entre el nmero de intentos de pronstico para obtener el error de pronstico

promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se

compara luego con cifras similares de mtodos de pronstico alternativos. Algunos
procedimientos tambin rastrean y reportan la magnitud de trminos de error sobre el
periodo de pronstico. El examen de los patrones de error, conducen con frecuencia al
analista a la modificacin del procedimiento de pronstico, el cual genera despus
pronsticos ms precisos.

ADMINISTRACION DEL PROCESO DE PRONSTICO

La exposicin en este captulo tiene como objeto subrayar nuestra creencia de que la
capacidad administrativa y el sentido comn deben formar parte del proceso de
pronsticos. Se debe pensar en quien pronostica como en un, asesor de la direccin,
en vez del monitor de un dispositivo automtico de toma de decisiones. Por desgracia,
este ltimo es el caso en la prctica, en especial en el entorno de la computadora. De
nueva cuenta, las tcnicas en el proceso de pronstico deben ser vistas como lo que
en realidad son, herramientas que utilizan los administradores para llegar a mejores
decisiones.
Se puede mejorar la utilidad de los pronsticos si los administradores adoptan una actitud ms
realista. No se debe ver al proceso como un sustituto de la profeca, sino como la mejor forma de
identificar y extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal
actitud, se deben considerar inevitables los errores de pronstico e investigar las circunstancias
que los generan.

Dicho lo anterior, si el proceso de pronstico se va a conducir de la manera adecuada:

deben siempre surgir diversas preguntas clave;

Por qu se requiere de los pronsticos?

Quin utilizar los pronsticos y cules son sus requerimientos especficos?

Qu nivel de detalle o agregacin se requiere y Cual es el horizonte

adecuado en el tiempo?

Qu datos hay disponibles? sern suficientes para generar el pronstico

que se requiere?

Cul ser el costo del pronstico?

Qu tan preciso podemos esperar que sea el pronstico?

Se har a tiempo el pronstico para ayudar al proceso de toma de

decisiones?

Quien pronostica, tiene un claro entendimiento de cmo se usar el

pronstico en la organizacin?

Hay disponible un proceso de retroalimentacin para evaluar el pronstico

una vez hecho y ajustar el proceso de acuerdo con ello?

Aplicaciones (Enfoque Probabilstico).

En aos recientes, la inmensa cantidad de datos sobre el cerebro ha

permitido un enfoque estadstico ms avanzado del estudio del
cerebro

Se ha construido una plantila (template) del cerebro, no como una

representacin de una neuroanatoma particular, sino ms bien como
un promedio de muestra representativa de sujetos

Mediante transformaciones matemticas se ajusta la plantilla a un

cerebro individual y se generan medidas probabilsticas de la variacin
anatmica del individuo

Las diferencias entre la plantilla y el sujeto de estudio pueden

describirse y visualizarse en trminos de la magnitud y direccin de las
desviaciones.

El instrumento principal para estas investigaciones es la teora de patrones (pattern

theory), que aplica medidas probabilsticas a familias de transformaciones en las
neuroanatomas observadas.

Distribucin de Probabilidad
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse
como resultado de un experimento. Una distribucin de probabilidad es similar al distribucin
de frecuencias relativas .Si embargo, en vez de describir el pasado, describe la probabilidad
que un evento se realice en el futuro, constituye una herramienta fundamental para la
prospectiva, puesto que se puede disear un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenmenos naturales.
Las decisiones estadsticas basadas en la estadstica inferencial son fundamentales en la
investigacin que son evaluadas en trminos de distribucin de probabilidades.
En el presente trabajo, se estudia de manera gil los diverso tipos de distribucin
probabilstica, caracterizaremos cada distribucin, la fundamentacin matemtica de los
diversos resultados no se enfocaran en el presente trabajo; slo me limitar al estudio
descriptivo de la distribucin de probabilidades discretas.
Qu es una distribucin de probabilidad?
Muestra todos los resultados posibles de un experimento y la probabilidad de cada resultado.
Cmo generamos una distribucin de probabilidad?
Supongamos que se quiere saber el numero de caras que se obtienen al lanzar cuatro veces
una moneda al aire?
Es obvio que, el hecho de que la modena caiga de costado se descarta.
Los posibles resultados son: cero caras, una cara, dos caras, tres caras y cuatro caras.
Si realizamos el experimento obtenemos el siguiente espacio muestral:

NUMERO DE CARAS
0
1
2
3
4

1.

OBSERVACION
La probabilidad de cada resultado especifico va desde cero hasta uno inclusive
VARIABLE ALEATORIA.-Cantidad que es resultado de un experimento y debido al azar,
puede tomar valores diferentes.

Variable aleatoria discreta:- Toma valores claramente separados, generalmente se

produce por conteo.
Variable aleatoria continua:-Cantidades que toman infinitos valores, dentro de un rango
permitido, generndose una distribucin de probabilidades continuas.
Media de una Distribucin de Probabilidades.-Valor promedio a largo plazo de la
variable aleatoria, tambin es conocido como valor esperado. Esta media es un promedio
ponderado, en el que los valores posibles se ponderan mediante sus probabilidades
correspondientes de ocurrencia, se calcula con la formula:
Donde P(X) es la probabilidad que puede tomar la variable aleatoria X.
Varianza.- Mide el grado de dispersin de la distribucin de probabilidades, siendo la
formula:
...............................................(2)
Tambin se aplica la frmula:
................................................. (3)
Desviacin Estndar.-Es la raz cuadrad del varianza, luego:
..................................... (4)
DISTRIBUCIN DE LA PROBABILIDAD BINOMIAL
Esta distribucin es la que mejor se ajusta a la distribucin de probabilidades de variable
discreta.
Si lanzamos dos monedas al aire, se tiene el siguiente espacio maestral:

Si p es la probabilidad de obtener una cara(c) al considerar una sola moneda y q la

probabilidad de que salga sello(s); entonces p=q= ; luego:

Con el binomio de Newton deducimos lo siguiente:

(5)
Luego, la distribucin de probabilidad binimial esta dada por:
.. (6)
Donde:
p: Probabilidad de xito de cada ensayo.
n: Nmero de ensayos.
x: Nmero de exitos.

OBSERVACIN

(1)
(2)Si p=q=1/2, el histograma de las distribuciones binomiales son simtricas.
2.
3.

Si el experimento se repite r veces con n ensayos ; entonces se tiene:

. (7)
Luego se deduce que:
. (8)
MEDIA DE LA DISTRIBUCIN BINOMIAL
Esta dada por:
. (9)
VARIANZA DE LA DISTRIBUCIN BINOMIAL
. (10)
DISTRIBUCIN DE PROBABILIDAD ACUMULADA
Estos son similares a las distribuciones acumuladas, as aplicamos para las distribuciones
binomiales.

P(x<=2)=P(x=0)+P(x=1)+P(x=2)
DISTRIBUCION DE PROBABILIDAD HIPERGEOMETRICA
Esta distribucin se aplica cuando el muestreo se realiza sin repeticin y la probabilidad de
xito no permanece constante de un ensayo a otros calcula mediante la frmula:

 (12)
Donde:
N: Tamao de la poblacin
S: Cantidad de xitos en la poblacin
X: Nmero de xitos en la muestra.
n : Tamao de la muestra.
n>=0.05N
DISTRIBUCIN DE PROBABILIDAD DE POISSON
Describe la cantidad de veces que ocurre un evento en un intervalo determinado
(tiempo, volumen, temperatura, etc...).La distribucin se basa en dos supuestos:
1) La probabilidad es proporcional a la extensin del intervalo.
2) Los intervalos son independientes.
Esta distribucin es una forma lmite de la distribucin binomial,cuando la probabilidad de
xito es bien pequea y n es grande ,a esta distribucin se llama
"Ley de eventos improbables", lo cual significa que la probabilidad de p es bien pequea .La
probabilidad de Poisson es una probabilidad discreta; puesto que se forma por conteo
. (13)
(14)
Donde:
Media del nmero de ocurrencias.
: Constante de Euler.
x : Nmero de ocurrencias
1Media:-Esta dado por:
.
APLICACIN DE LA DISTRIBUCION DE PROBABILIDAD.
En el Laboratorio de Control y Automatizacin de la FIEE de la UNAC se tiene
16 computadoras, el Jefe de dicho laboratorio reporta el siguiente informe:

El jefe de laboratorio desea saber cual es la distribucin de probabilidad de falla de

las mquinas, para tomar acciones de mantenimiento.
N de
mquina
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

CONCLUSIONES
El jefe del laboratorio, segn la distribucin de probabilidades que tienden a cero solo har
algunos ajustes.

APLICACION DE LA DISTRIBUSION BINOMIAL.

El almacenero del laboratorio de Ingeniera Electrnica reporta que de las treinta puntas de
prueba de osciloscopios el 20% estn malogradas, l desea saber la distribucin de
probabilidad de que estn malogradas 4 puntas de prueba.
Se aplica la frmula (6).
P(x=4) =0.13252245.