Capítulo01 Ete
description
Transcript of Capítulo01 Ete
Probabi l idad
C O N C E P T U A L I Z A C I Ó N
La probabil idad se establece como la frecuencia relativa (Y,), que se obtiene de dividir la frecuencia absoluta entre el total de frecuencias dentro de un arreglo de frecuencias o una distribución de frecuencias, que establece la posibil idad de ocurrencia de los x¡ valores en el arreglo o de los x¡ puntos medios en la distribución. Por regla general, la máxima posibil idad de ocurrencia corresponde al o los valores modales del conjunto.
Considere que un evento es un suceso específico, el cual puede ocurrir de una sola manera (en caso de seleccionar a un turista) o en una cantidad mayor (en caso de seleccionar a un turista estadounidense del total de turistas de diferentes nacionalidades), sin embargo, para su representación, únicamente se considera el resultado final que se obtendría del evento mismo. Por ejemplo, si desea seleccionarse a un turista estadounidense de entre un total formado por turistas estadounidenses, europeos, asiáticos y sudamericanos, el evento sería representado por E = selección de un turista estadounidense, independientemente de cuántos turistas estadounidenses se tengan. En otra situación, si se desea contar con un grupo de personas donde se tengan exactamente dos mujeres, el evento se representaría por E = dos mujeres en el grupo.
Ejemplo 6.1. De la siguiente distribución de frecuencia, obtener la frecuencia relativa y comprobar que la máxima de éstas coincide con el punto medio (X¡) modal.
131
132
Clase F
3-7 3 8-12 7
13-17 9 18-22 12 23-27 11 28-32 8
Solución
Clase F X, F
3-7 3 5 3/50 = 0.06 = 6% 8-12 7 10 7/50 = 0.14 = 14%
13-17 9 15 9/50 = 0.18 = 18% 18-22 12 20 12/50 = 0.24 = 24% 23-27 11 25 11/50 = 0.22 = 22% 28-32 8 30 8/50 = 0.16 = 16%
2 50 100%
Valor modal X^ = 20 con F,• = 12 y Fr = 24 %, este último es el máximo valor de frecuencia relativa obtenido, por lo que queda comprobado que la máxima frecuencia relativa Fr corresponde al valor modal de la distribución.
De lo anterior se desprende que el valor de XA = 20 tiene una posibilidad de ocurrir nuevamente:
P(X4 = 20) = 24%
Nótese en el ejemplo anterior que los eventos son cada una de las clases de la distribución, independientemente del número de veces que se repite cada una de ellas.
P R O B A B I L I D A D A PRIORIY P R O B A B I L I D A D A POSTERIORI
Generalmente se necesita de cierta información base para determinar la probabilidad de ocurrencia dada por la experiencia o mediante arreglos.
133
PROBABILIDAD A PRIORI
Cuando se determina la posibilidad de ocurrencia de un evento (dentro de un conjunto), sin necesidad de llevar a cabo una prueba previa (experimento), se dice que se está calculando la probabilidad a priori del evento, que es el cociente que resulta de dividir al número de eventos favorables (que hay que seleccionar), entre el total de eventos posibles.
Si m = eventos favorables y n = eventos totales en m =s n, entonces:
Si un turista puede seleccionar entre dos destinos, para llevar a cabo su periodo vacacional o de tiempo libre, tendrá que el conjunto de selección está formado por dos eventos. Seleccionar el destino uno ( A ) , y/o seleccionar el destino dos ( A ) , que se representa por álgebra de conjunto de la siguiente manera:
S = {Di, A } = conjunto donde puede seleccionarse el destino uno o el destino dos.
S se conoce como el espacio muestral. Como debe seleccionar uno de los dos destinos, entonces la proba
bilidad de seleccionar el destino uno es uno de los dos:
/>(£>,) = I = 0.5 = 50 %
y la probabi l idad de seleccionar el destino dos, también es uno de los dos:
P ( A ) = I = 0.5 = 50 %
Lo que establece que los eventos (destinos) son equiprobables, lo que quiere decir que hay la misma probabilidad de ocurrencia.
Ejemplo 6.2. Un turista desea conocer cuál es la probabilidad de seleccionar uno de entre cinco posibles establecimientos de hospedaje. Considere que es su primer viaje.
134
Solución
El espacio muestral S, para la situación presentada es el siguiente:
S = {H\, H2, H3, HA, H5}
donde la probabilidad de seleccionar a uno de los cinco establecimientos considerados se expresa para:
P(H{) = 1/5 = 0.20 = 20%
H2 p m = 1/5 = 0.20 = 20%
H3 p m = 1/5 = 0.20 = 20%
H4 p m = 1/5 = 0.20 = 20%
H5 p m = 1/5 = 0.20 = 20%
Tiene 20 % de probabilidades de elegir a cualesquiera de los cinco, por ser eventos equiprobables.
Sin embargo, no siempre las probabilidades a priori son equiprobables. Por ejemplo, se tienen cinco turistas japoneses, seis alemanes y tres estadounidenses, la probabilidad de seleccionar a un turista de cada nacionalidad es diferente:
Para japoneses PQaponés) = 5/14 = 35.71 % Para alemanes P(alemán) = 6/14 = 42.86 % Para estadounidenses /^estadounidense) = 3/14 = 21.43 %
PROBABILIDAD A POSTERIOR!
Cuando se determina la posibilidad numérica de ocurrencia de un evento (elemento de un conjunto), con una prueba previa (experimento) se está calculando la probabilidad a posterioñ del evento.
Esta probabilidad es el cociente que resulta de dividir al número de resultados favorables (que hay que seleccionar), entre el total de resultados obtenidos (después de la experimentación).
Si m = resultados favorables y n = resultados totales, con m < n, entonces:
Si un turista ha viajado 20 veces, de manera que en 12 de estos viajes ha concurrido al destino uno, y los restantes al destino dos, y desea
CAP. 6. PROBABILIDAD 135
seleccionar uno de estos dos destinos para su próximo viaje durante su periodo vacacional, el conjunto de selección está formado por 12 viajes al destino uno y ocho viajes al destino dos, que representado por el espacio muestral es el siguiente:
S = {Dh Di, Di, Di, Di, Di, Di, Du Du Dh Dh Dh D2, D2, D2, D2, D2, D2, D2, D2}
y en forma simplificada:
S= { 1 2 A , 8 D 2 }
Como desea seleccionar uno de los destinos, entonces la probabilidad de seleccionar el destino uno es la siguiente:
P(P0 = 12/20 = 0.60 = 60%
Y la probabilidad de seleccionar el destino dos:
PXPd = 8/20 = 0.40 = 40%
En este caso las probabilidades son diferentes, no equiprobables.
Ejemplo 6.3. Supongamos que un turista viaja por octava vez en el presente año y se ha hospedado tres veces en el hotel Hi, cuatro veces en el hotel H2 y una vez en el hotel H3. ¿Cuál es la probabilidad de que en su siguiente viaje se hospede en cualesquiera de estos tres hoteles?
Solución
El espacio muestral S, para la situación presentada es, en forma simplificada:
S={3-Hu4-H2,l-H3)
donde la probabil idad de seleccionar a uno de estos hoteles se expresa para:
Hi PQHi) = 3/8 = 0.375 = 37.5%
H2 PCHd = 4/8 = 0.500 = 50.0%
H3 p m = 1/8 = 0.125 = 12.5%
136 PARTE I I
Es importante destacar que según el número de experimentos, va creciendo la probabilidad a posteriorí y tiende a la probabilidad a priori (probabilidad ideal).
C A R A C T E R Í S T I C A S P R I N C I P A L E S P A R A E L M A N E J O D E P R O B A B I L I D A D E S
Una forma de establecer la aplicación correcta de las probabilidades en la Administración Turística es con el conocimiento de lo que se espera obtener dentro de ciertos límites o situaciones.
PROBABILIDAD D E L ESPACIO MUESTRAL
El espacio muestral es aquel conjunto que contiene todos los eventos posibles que pueden ocurrir, por tanto la probabilidad de éste es uno:
P(_S) = 1 o 100%
Independientemente que los eventos representen una o varias soluciones.
Ejemplo 6.4. Un conjunto de turistas extranjeros está formado por un italiano, un rumano, un africano y un serbio, ¿cuál es la probabilidad de seleccionar un turista extranjero?
Solución
Ya que todos los elementos del espacio muestral son turistas extranjeros, invariablemente si se selecciona a una persona de ese conjunto, será un turista extranjero, por lo que la probabilidad es de 1 o 100 %.
Ejemplo 6.5. El espacio muestral es un conjunto de turistas de nacionalidad diferente, como el siguiente:
5 = {10 guatemaltecos, 15 canadienses, 5 españoles}
¿Cuál es la probabi l idad de seleccionar un turista del espacio muestral?
137
Solución
Dado que el espacio muestral está formado por turistas extranjeros, si estamos en México, la probabilidad es la siguiente:
P(S) = 30/30 = 1 = 100%
PROBABILIDAD DE LOS EVENTOS D E L ESPACIO MUESTRAL
Si los eventos (E¡) de un espacio muestral son partes mutuamente excluyentes (generalmente) de éste, la probabil idad de ocurrencia de cada uno debe ser menor a 100 % y mayor a 0 %, de manera que la suma de las probabilidades de todos los eventos sea igual a la probabilidad del espacio muestral:
El E2 £3 ... En
P(E{) P(E2) PCEj) ... P(En) 5 = espacio muestral
0% <P(E¡) < 100% o 0 <P{E¡) < 1 entonces:
PCEO + P(E2~) + PCE¿) + ...+ P(En) =P(S) = l 00 %
PROBABILIDAD DEL EVENTO IMPOSIBLE
Todo conjunto de elementos tiene como subconjunto al conjunto vacío, si la probabilidad del conjunto es 100%, la probabilidad del conjunto vacío será de 0 %, y se representa:
P(<j>) = 0 donde § = conjunto vacío
PROBABILIDAD D E OCURRENCIA D E DOS o MÁS EVENTOS
a) Si los eventos de un espacio muestral son mutuamente excluyen-tes, entonces la probabilidad de ocurrencia de uno u otro es la suma de sus respectivas probabilidades.
Ei : £2 En S = espacio muestral
138 PARTE I I
entonces:
PQEl0E2) = PQE, u £ 2 ) = + ^ 2 )
P{ExoE2oEio...oEn) = P(EX u E2 u £ 3 u . . . u En)
= P(EO + ^ 2 ) + ^ 3 ) + - +
Debido a que la disyunción lógica es una unión de conjuntos y al mismo tiempo una suma aritmética.
¿>) Si los eventos de un espacio muestral son mutuamente excluyen-tes, entonces la probabilidad de ocurrencia de uno y otro es la mult ipl i cación de las probabilidades individuales, por tanto, si:
Ei E2 £3 E„ S = espacio muestral
entonces:
P(EiyE{) = P{EX n £ 2 ) = P{EX)P{E2-)
P{ExyE2yE^y...yEn) = P{EX n E2 n E3 n . . . n £ „ )
= P{EOP{E2)P(Ei-)...P{En^
Se considera que la conjunción lógica es una intersección de conjuntos y al mismo tiempo una multiplicación aritmética.
En los casos a y b en que los eventos son independientes, la probabil idad de ocurrencia de un evento no afecta a la de otro evento dentro del mismo espacio muestral.
c) Si los eventos de un espacio muestral se traslapan parcialmente por tener elementos en común, la probabilidad de ocurrencia de uno u otro es la siguiente:
139
P(E,oE2) = P(EX u E2) = P(E{) + P ( £ 2 ) - ^ £ 2 )
/>(£iy£ 2 ) = P{E, n £ 2 ) = V>(£0 + P(E2) - u £ 2 )
Cuando los eventos de un espacio muestral contienen elementos en común, se dice que son eventos dependientes, esto es, que la probabilidad de ocurrencia de un evento afecta a la de otro de los eventos dentro del mismo conjunto.
Ejemplo 6.6. De un grupo de cinco turistas, 10 hombres de negocios y cinco paseantes, se desea saber cuál es la probabilidad de seleccionar a un turista o a un paseante.
Solución
Como los eventos turistas, hombres de negocios y paseantes son mutuamente excluyentes y la probabilidad solicitada una disyunción de eventos, se tendrá:
/'(turista o paseante) = futurista U paseante) = P(turista) + /^paseante) = 5/20 + 5/20 = 10/20 = 0.5 = 50 %
Ejemplo 6.7. Un grupo de turistas tiene una probabilidad de 30 % de visitar el Centro Histórico de la Ciudad de México; 20 % de probabilidades de visitar la Plaza de las Tres Culturas y 15 % de visitar ambas zonas. ¿Cuál es la probabilidad de que visiten una u otra de las zonas?
Solución
visitar Centro Histórico = vch visitar Plaza de las Tres Culturas = vpt
P(vcli) = 30% P(vpf) = 20%
PQuch n vpf) = P(vch y vpt) = 15%
por tanto: P(vch U vpf) = P(vch) + P(vpf) - P(vch n vpt)
= 30% + 2 0 % - 15% = 35%
140
PROBABILIDAD CONDICIONAL
Si la probabilidad de ocurrencia de un evento depende completamente de la ocurrencia de otros eventos, dentro del mismo espacio muestral, se dice que el segundo evento está condicionado a la ocurrencia del primer evento.
Por ejemplo, una cancelación de un boleto de avión está condicionada a que con anterioridad se haya vendido ese mismo boleto de avión, por tanto, la cancelación depende completamente de que se haya llevado a cabo la venta de un servicio turístico. Entonces la probabil idad de que ocurra una cancelación, dado que se realizaron ventas, está dada por:
, , , . P(venta y cancelación) P(Lancelacion\nay ventas) = — -
PQventa)
En términos generales, si la ocurrencia de B depende de que ocurra A, entonces:
P(A)
donde:
P(B\A) = probabilidad de ocurrencia del evento B, dado que ya ocurrió el evento A,
P(A n B) = probabilidad conjunta de A y B, y P(A) = probabilidad de A.
Ejemplo 6.8. La siguiente tabla muestra el número de turistas, por nacionalidad y destino (tabla de doble entrada) que vienen a México.
Destino
Nacionalidad Ciudad Playa
Estadounidense 35 15 Nicaragüense 10 20 Argentino 5 25
CAP. 6. PROBABILIDAD 141
Determinar:
á) La probabilidad de que un turista que siendo estadounidense se encuentre en la playa.
b) La probabilidad de que un turista que se encuentra en la ciudad sea argentino.
c) La probabilidad de que en la playa se encuentre un turista que no es estadounidense.
Solución
á) Al simbolizar:
Turista estadounidense = TN Destino de playa = P
por tanto:
P(TN n P) P(P\TN) =
P(77V)
de la tabla se desprende que:
PCTN n P) es igual al número de turistas estadounidenses que están en playa entre el total de turistas:
PCTN n P) = 1 5 = — = 13.64 % V J 35 + 15 + 10 + 20 + 5 + 25 110
PCTN) es igual al número de turistas estadounidenses entre el total de turistas, por tanto:
50 PQTN) = — = 45.45 %
v J 110
entonces: 15
P(P\TN) = = — = 30 % 50 50 H 0
Es la probabilidad de que un turista estadounidense se encuentre en la playa.
142 PARTE II
b) Al simbolizar:
Destino de ciudad = C Turista argentino = TS
por tanto:
y J P(C)
Con la información de la tabla:
P(TS n Q es igual al número de turistas argentinos que se encuentran en la ciudad entre el total de turistas, por consiguiente:
P(TS o C) = — = 4.54 % v J 110
P(C) es igual al número de turistas en ciudad entre el total de turistas:
50 P(C) = — = 45.45 %
v J 110
entonces:
5
P(TS\C) = ±P- = — = 10% y J 50_ 50
110
Es la probabilidad de que un turista que se encuentra en la ciudad sea argentino.
c) Al simbolizar:
Destino de playa = P Turista estadounidense = TN Turista no estadounidense = TN'
por tanto:
PCTN'n P) P(TN\P) =
P(P)
CAR 6. PROBABILIDAD 143
De la tabla se sabe que 60 turistas son no estadounidenses (son nicaragüenses o argentinos), entonces P(TN' D P) es igual al número de turistas no estadounidenses y que se encuentran en la playa entre el total de turistas:
45 PCTN'n P~) = — = 41 %
y J 110
Se sabe que P(P) es igual al número de turistas que están en playa entre el total de turistas:
prp) = J?2_ = 54.54 % v J 110
entonces:
y ; 60 60 110
Es la probabilidad de que en la playa se encuentre un turista que no es estadounidense.
R E G L A DE ELIMINACIÓN Y T E O R E M A D E B A Y E S
Una aplicación muy común de la probabil idad condicional, en la actividad turística, se presenta cuando un espacio muestral formado por eventos mutuamente excluyentes se encuentra traslapado parcialmente por un evento, cuya ocurrencia está supeditada a la ocurrencia de al menos uno de los eventos del espacio muestral.
Esquemáticamente la situación se presenta de la siguiente forma:
Ei
e 2 e 3
E n
e n ,
144 PARTE I
donde la ocurrencia de e\ está condicionada a la ocurrencia de E\ y no viceversa; lo mismo ocurre con los demás eventos e,.
Los ejemplos de este t ipo de aplicación son los siguientes:
a) Las áreas de venta de una agencia de viajes y las cancelaciones que se pueden presentar.
b) Los tipos de habitación de un hotel y el t ipo de turista que se hospeda en ellas.
c) Las salas de un museo y la motivación que tiene el visitante hacia éstas, etcétera.
Regla de eliminación
Establece la probabilidad de que ocurra el evento que se traslapa parcialmente a los eventos del espacio muestral en condiciones normales de operación. Se obtiene mediante la siguiente expresión:
P(e) = P(E{)P(ex\Ex) + P(E2)P(e2\E2)
+ P(E$P(e3\Ed + ... + P(£ n)P(e„\£ n)
donde:
P(E¡) = probabilidad de ocurrencia del evento /-ésimo del espacio muestral, y está dado por:
PÍE,) = n ( 5 )
con:
n(E¡) = número de elementos en E¡ n(S) = total de elementos del espacio muestral (S)
P(ei\E¡) = probabilidad de ocurrencia de la parte del evento que se traslapa parcialmente (e,) sobre el evento E¡ del espacio muestral, dado que ya ocurrió el evento E¡, por tanto:
<Ed
n(E¡ n e¡) = número de elementos en la intersección de E¡ con e, n(E¡) = número de elementos en el evento E,
CAP, 6. PROBABILIDAD 145
Ejemplo 6.9. Una agencia de viajes vende mensualmente en promedio, 80 boletos de avión, 120 tours por la ciudad, 10 paquetes turísticos de playa y 90 reservaciones hoteleras. Sus estadísticas muestran que por lo general, y también como promedio mensual, le cancelan 10 boletos de avión, 12 tours, 2 paquetes turísticos y 9 reservaciones hoteleras, por lo que desea saber cuál es la probabil idad de tener al menos una cancelación el próximo mes de operaciones.
Solución
En una representación esquemática se presenta de la siguiente manera:
Boletos de avión
Ei = 80
Cancelac ión boleto de avión
d = 10
Tours E, = 120
Cancelac ión tours
e2 = 12
Paquete turíst ico E-i = 10
Cancelac ión paquete turíst ico
e 3 = 2
Reservación hotelera E 4 = 90
Cance lac ión reservación
hote lera e„. = 9
S = agencia de viajes
por tanto: P(vender boleto de avión) = P(EX) = 80/300 - 26.67 %
P(vender tours) = P(E2) = 120/300 = 40.00%
/^vender paquetes turísticos) = P(Ed) = 10/300 = 3.33%
P(vender reservaciones hoteleras) = P(E4) = 90/300 = 30.00 %
En consecuencia:
P(cancelación dado que se venden boletos de avión) = P(ei\E\) = 10/80 = 12.50%
P(cancelación dado que se venden tours) = P(e2\E2) = 12/120 = 10.00%
f(cancelación dado que se venden paquetes turísticos) = P(e3\E3) = 2/10 = 20.00%
P(cancelación dado que se venden reservaciones hoteleras) = P(e4\E4) = 9/90= 10.00%
146 PARTE I I
La probabilidad de al menos una cancelación será de:
Píe-) = Ü - ( Í 2 ) + M ( « . ) + — ( - ) + — ( — ) = — = 11.00 % 7 300 W 300 120 J 300 10 y 300 90^ 300
Ejemplo 6.10. Un hotel de ciudad cuenta con el siguiente número de habitaciones: 40 sencillas, 70 dobles, 30 triples y 10 suites. Sus servicios los presta tanto a hombres de negocios como a turistas. Se sabe por sus registros que los hombres de negocios reservan habi-tualmente 70% de las habitaciones sencillas, 40% de las dobles, 10% de las tr iples y 50% de las suites. Se desea conocer la probabi l idad de que al menos una habitación sea reservada por un hombre de negocios.
Solución
La representación esquemática se presenta de la siguiente manera:
Habitación sencil la E x = 40
Cancelac ión habi tac ión
senci l la P(e,\Ei) = 70%
Habitación doble
E 2 = 70
Cancelac ión habi tac ión
doble P(e2\E2) = 4 0 %
Habitación t r i p l e
E 3 = 30
Cancelac ión habi tac ión
t r i p l e P(e3\E3) = 10%
Habitación suite
E 4 = 10
Cancelac ión habitación
suite P(e4\E4) = 5 0 %
Agencia de viajes
entonces: P(habitación sencilla) = P(E{) = 40/150 = 26.67%
/'(habitación doble) = t\E¿) = 70/150 = 46.67%
/'(habitación triple) = P(£"3) = 30/150 = 20.00%
/'(habitación suite) = P(£ 4 ) = 10/150 = 6.67%
por consiguiente:
P(habitación sencilla reservada por hombre de negocios) = 70 %
P(habitación doble reservada por hombre de negocios) = 40 %
CAP. 6. PROBABILIDAD 147
/'(habitación triple reservada por hombre de negocios) = 10%
/"(habitación suite reservada por hombre de negocios) = 50 %
La probabilidad de que al menos una habitación sea rentada por un hombre de negocios se obtiene de la siguiente manera:
P(e) = 4?-(0.7) + — ( 0 . 4 ) + — ( 0 . 1 ) + ^-(0.5) = 42.67 % v J 150V J 150 v J 150 ^ J 150 v J
Teorema de Bayes
En este caso se supone que el evento que se traslapa parcialmente, sobre los eventos mutuamente excluyentes del espacio muest ra l , ya ocurrió, por lo que se desea conocer la probabi l idad de que éste pertenezca a una de esas partes, por lo que ahora cada parte queda condicionada a que ya ocurrió el evento que se les traslapa parcialmente.
El teorema de Bayes se expresa como:
FXEj)P(e^2_ ñ e )
Ejemplo 6.11. Si del ejemplo 6.9 se sabe que existe una cancelación, ¿cuál es la probabilidad de que ésta corresponda a un paquete turístico?
Solución
Se sabe que la probabilidad de vender un paquete turístico es PCE3) = 10/300; la probabilidad de cancelación de un paquete turístico dado que se venden paquetes turísticos es la siguiente:
PXe^E¿) = 2/10 = 20.00%
Asimismo se determinó que la probabilidad de que se tenga al menos una cancelación es:
P(e) = 33/300= 11.00%
148 PARTE I I
por tanto, la probabilidad de que la cancelación recibida pertenezca a un paquete turístico se obtiene mediante:
10 300 10, / W e 3 ) = = A = 6.06 %
v 3 3 J 33 33 33 300
DISTRIBUCIÓN D E P R O B A B I L I D A D
Una distribución de probabilidad es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia. En esta situación, si tiene que elegirse entre dos personas de las cuales una es turista y la otra no, entonces la probabilidad de seleccionar al turista es de 50%, y la probabil idad de seleccionar al que no es turista es de 50%. Así, se tienen dos eventos posibles en el espacio muestral para seleccionar entre dos personas y dos probabilidades de ocurrencia, que relacionados en una tabla muestra su distribución de probabilidad.
Evento Probabilidad
Seleccionar turista 50 % Seleccionar no turista 50 %
Otra forma de identificar una distribución de probabilidad es relacionar los elementos de un arreglo de frecuencia, o de una distribución de frecuencia (como se muestra en la primera parte de este libro) con su respectiva frecuencia relativa, la cual se considera como la probabilidad de ocurrencia de los elementos o las clases, del arreglo de frecuencia o la distribución de frecuencia, respectivamente. De esta manera se puede trabajar en forma inductiva con información proveniente de la estadística descriptiva.
Dentro del contexto de las distribuciones de probabilidad, se pueden identificar los siguientes dos tipos de distribución y de aplicación útil para la administración turística: la distribución de probabilidad por eventos (probabilística, discreta) y la distribución de probabilidad por probabilidades (discretas o continuas), entre las que se encuentran la distribución binomial (discreta), la distribución de Poisson (discreta), y la distribución normal (continua).
149
DISTRIBUCIÓN D E PROBABILIDAD POR EVENTOS
Es una distribución discreta de probabilidad (considera únicamente valores enteros) que relaciona los diferentes eventos del espacio muestral con su probabilidad a priori, o a posteriori, en donde al conjunto de valores que representan a los eventos del espacio muestral se le conoce como variable aleatoria.
Por ejemplo, si se desea seleccionar un grupo de 5 personas que contenga al menos una mujer, los eventos se representarían por: E\ = grupos con una mujer; E2 = grupos con dos mujeres; E3 = grupos con tres mujeres; £ 4 = grupos con cuatro mujeres; E5 = grupos con cinco mujeres. Por consiguiente, la variable aleatoria sería el espacio muestral:
5 = {1,2, 3, 4,5}
Ejemplo 6.12. Se desea seleccionar a un grupo de cinco personas de entre 10 mujeres y cinco hombres. Sea la variable aleatoria el número de mujeres que contiene el grupo final, ¿cuál es la distribución de probabilidad que le corresponde al suceso?
Solución
Los valores de la variable aleatoria serían:
5 = {0 ,1 ,2 , 3, 4 ,5}
Como debe haber cinco personas y se tienen 10 mujeres y cinco hombres, se pueden tener únicamente mujeres en el grupo o únicamente hombres; sin embargo puede existir una combinación de hombres y mujeres que dé el total de cinco personas como se desea, todo esto da lugar a los valores de la variable aleatoria expuestos anteriormente.
Para cada uno de los valores de la variable aleatoria se determina el total de maneras diferentes en que se pueden dar. Mediante la aplicación de las técnicas de conteo se obtiene lo siguiente:
«(grupos con cero mujeres) = I O Q I • 5 C 5 = ( 1 ) 0 ) = 1
«(grupos con una mujer) íoCi • 5C4 = (10)(5) = 50
«(grupos con dos mujeres) 10C2 • 5C3 = (45)(10) = 450
«(grupos con tres mujeres) 10C3 • 5C2 = (120)(10) = 1200
«(grupos con cuatro mujeres) = 10Q • 5 C , - (210)(5) = 1050
«(grupos con cinco mujeres) = 10C5 • 5C0 = (252)(1) = 252
150 PARTE I I
total de grupos = i 5 C 5 = 3003
P(grupos con cero mujeres) = 1/3003 0.033%
/'(grupos con una mujer) = 50/3003 = 1.66%
/'(grupos con dos mujeres) = 450/3003 = 14.98%
/'(grupos con tres mujeres) = 1200/3003 = 39.96%
F(grupos con cuatro mujeres) = 1050/3003 = 34.97%
F(grupos con cinco mujeres) = 252/3003 = 8.39%
Entonces la distribución de probabilidad por eventos queda como sigue:
Si X¡ = Variable aleatoria y P(X¡) = Densidad de probabilidad de la variable aleatoria:
x,
0 1/3003 = 0.033% 1 50/3003 = 1.66% 2 450/3003 = 14.98% 3 1200/3003 = 39.96% 4 1050/3003 = 34.97% 5 252/3003 = 8.39%
2 3003/3003 = 100.00%
Con la distribución de probabilidad se tiene preparado el sistema para su análisis estadístico.
Valor esperado, varianza y desviación estándar
En el caso de la estadística inductiva la medida de posición que más se utiliza, sobre todo en el ámbito del turismo y para efectuar el análisis de los resultados, es la media aritmética probabilística o valor esperado o esperanza matemática (eventualmente se emplea la moda como el valor de mayor probabilidad de ocurrencia). De las medidas de dispersión, las que se emplearán para el análisis serán exclusivamente la varianza y la desviación estándar.
CAP. 6. PROBABILIDAD 151
El valor esperado, simbolizado por la letra n (mu), es la suma de los productos obtenidos de multiplicar cada valor de la variable aleatoria por su correspondiente probabilidad de ocurrencia, lo cual se representa:
La varianza, a 2, es la diferencia que resulta de restar, a la suma de los productos de cada valor de la variable aleatoria al cuadrado por su correspondiente probabilidad de ocurrencia, el valor esperado elevado al cuadrado. Se representa:
Finalmente la desviación estándar, o, es el resultado de extraer la raíz cuadrada de la varianza:
Como se mencionó en el apartado referente al teorema de Chebyshev, éste también es ampliamente aplicado para el análisis de la información probabilística, asimismo sucede con la regla empírica, ya que según el tipo de distribución de probabilidad será su aplicación. Si la distribución es asimétrica (caso de las distribuciones binomial y Poisson, generalmente) se emplea el teorema de Chebyshev; y si la distribución es simétrica, la regla empírica (en el caso de la distribución normal o de las distribuciones binomial y Poisson con tendencia a normal).
Por el teorema de Chebyshev se establece que para una distr ibución asimétrica:
a) En el intervalo comprendido entre sumarle y restarle dos veces la desviación estándar al valor esperado, u. ± 2o, se tiene al menos 75 % de los valores de la variable aleatoria.
ti) En el intervalo comprendido entre restarle y sumarle tres veces la desviación estándar al valor esperado, \x. ± 3a, se tiene al menos 89 % de los valores de la variable aleatoria.
En cambio, para cualquier distribución simétrica (forma de campana) por la regla empírica se dice que:
n u = X [ X , . / T O ]
^ = t[xfP{X,)}-^
152 PARTE I I
En el intervalo comprendido entre restarle y sumarle una vez la desviación estándar al valor esperado, u. ± l a , se tiene 68.27 % de los valores de la variable aleatoria.
En el intervalo comprendido entre restarle y sumarle dos veces la desviación estándar al valor esperado, \i ± 2a, se tiene 95.45 % de los valores de la variable aleatoria.
En el intervalo comprendido entre restarle y sumarle tres veces la desviación estándar al valor esperado, [i ± 3a, se tiene 99.73% de los valores de la variable aleatoria.
En el intervalo comprendido entre restarle y sumarle cuatro veces la desviación estándar al valor esperado, n ± 4a, se tiene 99.99 % (aproximadamente 100.00%) de los valores de la variable aleatoria.
Ejemplo 6.13. De un conjunto de turistas, seis alemanes y siete españoles, se desea formar un grupo de seis turistas para visitar las salas de un museo localizado en la zona arqueológica de Chichén Itzá. Sea la variable aleatoria el número de turistas alemanes que puede haber en el grupo, determinar:
a) Los valores de la variable aleatoria. ti) El valor esperado de turistas alemanes en el grupo. c) La varianza. d) La desviación estándar. e) Interpretar los resultados.
Solución
á) Ya que en el grupo final debe haber seis turistas, éste puede estar conformado de la siguiente manera:
• 0 alemanes y 6 españoles • 1 alemán y 5 españoles • 2 alemanes y 4 españoles • 3 alemanes y 3 españoles • 4 alemanes y 2 españoles • 5 alemanes y 1 español • 6 alemanes y 0 españoles
Por tanto, los valores de la variable aleatoria en cuanto al número de alemanes que puede contener el grupo final son los siguientes:
X,= {0, 1,2,3, 4, 5,6}
CAP. 6. PROBABILIDAD 153
£>) Para obtener el valor esperado se debe calcular la probabilidad de ocurrencia de cada valor de la variable aleatoria.
P(0) = (6Co)(?C 6)
13 Ce (1X7) 1716
7 1716
0.41 %
P(l) = (eCOGCs) 13 C6
(6)(21) 1716
126 1716
7.34 %
P(2) = ( 6 C 2 ) ( 7 C 4 )
13 Ce (15)(35)
1716 _ 525 " 1716
= 30.60 %
P(3) = (6C3X7C3) 13C6
(20X35) 1716
700 ~ 1716
= 40.79 %
P(4) = ( 6 C 4 ) ( 7 C 2 )
13 Ce (15)(21)
1716 315 1716
= 18.36 %
P(5) = 13 Ce
(6)(7) 1716
42 1716 ~
2.45 %
/>(6) = (eCe)(7Co)
13 Ce (1)0) 1716
1 1716
0.06 %
Note que la densidad de probabilidad no crece y decrece en la misma proporción, lo que indica que la distribución es asimétrica.
Si se presenta como distribución de probabilidad y calculando X¡P(X¡); X¡¿; y X¡¿P{X¡), se obtienen los datos de la siguiente tabla:
Xi X,P(Xd x,2 X,2P(Xd
0 7/1716 0 0 0 1 126/1716 126/1716 1 126/1716 2 525/1716 1050/1716 4 2100/1716 3 700/1716 2100/1716 9 6 300/1716 4 315/1716 1260/1716 16 5 040/1716 5 42/1716 210/1716 25 1 050/1716 6 1/1716 6/1716 36 36/1716
2 //////////////////// 4752/1716 ////////// 14 652/1716
154 PARTE I I
por tanto:
4752 2.77 turistas alemanes
1716
c) Cálculo de la varianza:
J 1716 v 1716 7
= 0.86982 (turistas alemanes en el grupo) 2
</) Cálculo de la desviación estándar:
a = %/a2" = Vo.86982 = 0.9326 turistas alemanes en el grupo
e) Con los resultados anteriores puede concluirse lo siguiente:
• El número posible de arreglos que se pueden formar con los turistas alemanes y españoles es de 1716, se toma como variable aleatoria a los turistas alemanes.
• Si se selecciona al azar a un grupo de los 1716, el valor esperado de turistas alemanes en éste sería de 2 a 3 con alta tendencia a 3 (2.77), si se considera que la variable involucrada es discreta.
• Con el teorema de Chebyshev (por ser una distribución asimétrica) se establece que 75 % de los 1716 posibles grupos contienen de 0.9048 a 4.6352 (2.77 ± 1.8652) turistas alemanes, que por ser variable discreta se redondearía de 1 a 5, esto es, 1287 grupos; por tanto el 25% restante de los grupos o no contienen turistas alemanes o todos los del grupo final son turistas alemanes.
DISTRIBUCIÓN D E PROBABILIDAD POR PROBABILIDAD
Este t ipo de distribución puede ser discreta o continua (según el número de observaciones o experimentos o su comportamiento) . Su principal característica radica en que se tiene una probabilidad base de ocurrencia, p, y que se aplica a una serie de N eventos sucesivos (con orden único), esto es, en cierta forma no pueden realizarse eventos fuera de su tiempo de ocurrencia, y al mismo tiempo cada uno tiene la posibilidad de ser favorable o desfavorable (la ocurrencia puede ser a favor o en contra).
CAP. 6. PROBABILIDAD 155
Un ejemplo de lo anterior sería el de conocer la potabil idad p de ganar un viaje (determinada a priori o a posteriorí) que correspondería a la probabilidad base. Si se tiene la oportunidad de participar en TV sorteos, éstos corresponderían a los eventos sucesivos ya que cada sorteo se realiza (generalmente) uno después de otro hasta completar el total de sorteos; asimismo, se establece la probabi l idad de ganar un viaje (evento favorable) o de perder un viaje (evento desfavorable) en cada uno de los sorteos.
Si se presentan todas las alternativas posibles con su respectiva probabilidad de ocurrencia, se obtendría la distribución de probabilidad por probabilidad correspondiente.
Distribución binomial
Como es una distribución de probabilidad por probabilidades discreta, se identifica para su aplicación cuando:
a) La probabilidad base es centralizada, esto es, su valor está comprendido dentro del intervalo de 5% a 95%, inclusive, o sea, 5% < p < 9 5 % .
b) El número de observaciones o experimentos /V es menor o igual a 10 (Nz 10).
c) Se emplea para determinar la probabilidad puntual de obtener k éxitos o resultados favorables de un total de N observaciones o experimentos, y tiene como antecedente la probabilidad, a priori o a posteriorí del éxito de un resultado favorable y se auxilia de la siguiente expresión:
P(k;N, p ) = ( ^ ) p V ^
donde:
k = número de éxitos propuesto, N = número de observaciones o experimentos, p = probabilidad base de obtener un éxito, y q = probabilidad base de no obtener un éxito.
P + Q*= 1
En este tipo de distribución, los diferentes valores de k representan a la variable aleatoria, cuando se conocen o establecen
156 PARTE I I
todos los posibles resultados de éxito que pueden lograrse. Sin embargo, para el análisis estadístico no se requiere más que conocer el valor esperado a través de la expresión:
[i = Np
así como la varianza y la desviación estándar por:
c 2 = Npq o = yJNpq
no obstante, si es necesario, se podrá realizar todo el trabajo de análisis estadístico indicado en la sección "Distribución de probabil idad por eventos" de este capítulo, con los mismos resultados.
Ejemplo 6.14. El gerente de un restaurante estima que la probabilidad de tener a un turista como comensal es de 25 %. Si en un momento del día ingresan al restaurante 8 personas, determinar:
o) La probabilidad de que al menos una de las personas sea turista. b) La probabilidad de que ninguna de ellas sea turista. c) La probabilidad de que todos sean turistas. d) El valor esperado de turistas dentro de estas ocho personas. e) Interprete los resultados a partir de la varianza y la desviación
estándar.
Solución
Ya que 25 % se encuentra dentro del intervalo de 5 % a 95 %, es una probabi l idad base centralizada, lo que da paso a la distribución binomial . Por el número de personas que ingresan, N = 8, se establece que el número es menor a 10, lo que confirma que se trata de una distribución binomial, por lo que se aplican las expresiones de ésta para resolver los incisos del a al e.
a) La probabilidad de que al menos una de las personas sea turista (una o más) se obtiene mediante la suma de las probabilidades de tener 1 O 2 O 3 O 4 O 5 O 6 O 7 U 8 turistas:
PQú menos 1) = P(k = 1) + P(k = 2) + P(k = 3) + P(k = 4)
+ P(k = 5) + P(k = 6) + P(k = 7) + P(k = 8)
CAR 6. PROBABILIDAD 157
P(k = 1) = />(1;8,0.25) =
= 0.2670 = 26.70 %
/>(/? = 2) = P(2; 8,0.25) =
= 0.3115 = 31.15 %
P(k = 3) = P(3;8,0.25) =
= 0.2076 = 20.76 %
P(k = 4) = P(4;8,0.25) =
= 0.0865 = 8.65 %
/>(/? = 5) = P(5;8,0.25) =
= 0.0231 = 2.31 %
P ( * = 6) = P(6;8,0.25) =
= 0.0038 = 0.38 %
P(k = 7) = P(7;8,0.25) =
= 0.0004 = 0.04 %
(0.25)'(0.75) 7 = 8(0.25)(0.133484)
v 2 ,
v3/
(0.25) 2(0.75) 6 = 28(0.0625)(0.177978)
(0.25) 3(0.75) 5 = 56(0.015625)(0.2373)
(0.25) 4(0.75) 4 = 70(0.0039)(0.3164)
v5y
v6y
(0.25) 5(0.75) 3 = 56(0.00098)(0.42187)
(0.25) 6(0.75) 2 = 28(0.00024)(0.5625)
v7y (0.25) 7(0.75) 1 = 8(0.00006)(0.75)
P(k = 8) = P(8;8,0.25) =
= 0.000015 = 0.0015 % v8y
(0.25) 8 (0.75)° = 1(0.000015)(1)
158 PARTE II
Al sumar todos los valores como se indicó, se tiene que:
PQú menos 1) = 0.8999 = 89.99%
Una forma sencilla y rápida de resolver el problema sería restarle a la probabilidad del espacio muestral la probabilidad de que ningún comensal sea turista, k = 0.
P(al menos 1) = 1 - P(k = 0) = 1 - P(0; 8, 0.25) = 1 - ( 8C 0)(0.25)° (0.75) 8
= 1 - 1(1)(0.100113) = 0.8999 = 89.99% LQQD
b) p(ningún turista) = P(k = 0) = 0.100113 = 10.01 % c) p(todos turistas) = P(k = 8) = 0.0000153 = 0.0015 %
rf) El valor esperado es el siguiente:
¡i = Np = 8(0.25) = 2 turistas de los ocho comensales.
e) Como puede notarse, por los resultados obtenidos, la distribución es asimétrica por lo que al aplicar el teorema de Chebyshev se tiene que:
• El valor esperado es de dos turistas entre ocho comensales recibidos, lo que corresponde a la más alta probabilidad de la distribución.
• Si se suma y resta dos veces la desviación estándar al valor esperado se obtiene lo siguiente:
LI ± 2a = 2 ± 2^Ñpq = 2 ± 2^8(0.25X0.75) = 2 ± 2.45
Existe una probabilidad de 75 % de que la verdadera media se encuentre dentro del intervalo de cero a cuatro (-0.45 a 4.45, pero se redondea por ser resultados puntuales), o 75% de los posibles resultados tendrán de cero a cuatro turistas de los ocho comensales.
• Si se suma y resta tres veces la desviación estándar al valor esperado, resulta:
\L ± 3o = 2 ± 3jÑp~q = 2 ± 3^8(0.25X0.75) = 2 ± 3.67
Existe una probabilidad de 89 % de que la verdadera media se encuentre dentro del intervalo de cero a seis (-1.67 a 5.67, pero se redondea por ser resultados puntuales y el valor negativo se lleva
CAP. 6. PROBABILIDAD 159
a cero), 89 % de los posibles resultados tendrán de cero a seis turistas de los ocho comensales.
Caso especial. Distribución binomial con tendencia a normal
Ésta se presenta cuando la probabilidad base es centralizada, pero el número de observaciones o experimentos es mayor a l 0 ( 5 / o ¿ p < 95% y TV > 10).
Por tanto, deberán calcularse el valor esperado y la desviación estándar por medio de las expresiones de la distribución binomial, con la finalidad de conocer las características principales de la distribución normal y resolver el problema, ahora, como una distribución continua.
En el apartado "Distribución normal" de este capítulo, se verá cómo se emplea la distribución normal para resolver este t ipo de casos.
Distribución de Poisson
Como es una distribución de probabilidad por probabilidad es discreta, y se identifica para su aplicación cuando:
á) La probabilidad base es extrema, esto es, su valor puede ser menor a 5 % o mayor a 95 %, o sea, 5 % > p > 95 %.
b) El número de observaciones o experimentos ./Ves mayor a 10 (N > 10).
c) El valor esperado, u,, de éxitos será menor o igual a 10, [i =s 10. d) Se emplea para determinar la probabilidad puntual de obtener k
éxitos o resultados favorables de un total de TV observaciones o experimentos, se tiene como antecedente la probabilidad, a priori o a posteriorí del éxito de un resultado favorable, y se auxilia de la siguiente expresión:
P{k; N, p ) = ^ ~
donde:
k = número de éxitos propuesto N = número de observaciones o experimentos (j. = valor esperado
160 PARTE I I
p = probabilidad base de obtener un éxito e = número neperiano = 2.71828182... (base de los logaritmos
naturales) ! = símbolo de factorial
Aquí los diferentes valores que puede adoptar k representan a la variable aleatoria, que relacionados con su probabilidad de ocurrencia, proporcionan la distribución de probabilidad correspondiente. Sin embargo, para el análisis estadístico no se requiere más que calcular el valor esperado con la expresión:
[i = Np
así como la varianza y la desviación estándar por:
a 2 = |i a = Via
nótese que en este caso exclusivamente, la varianza y el valor esperado son iguales en magnitud, aunque no de unidades. Si se requiere pueden efectuarse todos los pasos indicados en "Distribución de probabilidad de eventos" para obtener los elementos para el análisis estadístico, aunque en la distribución de Poisson esta labor sería muy ardua, sobre todo s\Nes muy grande.
Ejemplo 6.15. El gerente administrat ivo del hotel El Descanso establece que 1 % de sus huéspedes regresarán en su próximo periodo vacacional. Si cuenta en un momento dado con 900 huéspedes, determinar:
a) La probabilidad de que al menos uno regrese. b) La probabilidad de que nueve regresen. c) La probabilidad de que ninguno regrese. d) El valor esperado de huéspedes que regresarían. e) Interprete sus resultados haciendo uso de la desviación estándar.
Solución
Se establece una probabilidad base de 1 % (menor a 5 %) lo que indica distribución de Poisson, así como 900 es mayor a 10 y \x = 900 (0.01) = 9 lo que confirma la utilización de las expresiones de la distribución de Poisson.
CAR 6. PROBABILIDAD 161
a) Si considera que /'(al menos 1 regrese) = 1 - P(k = 0, ninguno regrese), entonces:
P(0;900,0.01) = = e"9 = 0.0001234 = 0.01234 %
y se tiene PQai menos 1) = 1 - 0.0001234 = 0.999877 = 99.99% de que al menos un huésped regrese en su próximo periodo vacacional.
¿>) En este caso k = 9, por tanto:
9 V 9
P(9; 900,0.01) = = (1067.63)(0.0001234) = 0.131755 = 13.18 %
de probabilidad de que nueve huéspedes regresen en su próximo periodo vacacional.
c) Aquí k = 0, por tanto:
P(0; 900,0.01) = = e 9 = 0.0001234 = 0.01234 %
la probabilidad es tan pequeña que se establece como cuasi-cero. d ) Como se indicó anteriormente, para confirmar la distribución de
Poisson, el valor esperado es de nueve huéspedes que regresen en su próximo periodo vacacional.
e) o 2 = n, entonces la varianza tiene un valor de nueve y la desviación estándar de tres (por ser la raíz cuadrada de la varianza), por tanto, al ser una distribución asimétrica y al aplicar el teorema de Chebyshev, se tiene:
• Si se suma y se resta dos veces la desviación estándar al valor esperado:
\i ± 2o = 9 ± 2(3) = 9 ± 6
Hay 75 % de probabilidades de que el valor esperado verdadero se encuentre dentro del intervalo de tres a 15; asimismo, se establece que 75% de los resultados posibles contenga de tres a 15 huéspedes que regresen en su próximo periodo vacacional.
• Si se suma y se resta tres veces la desviación estándar al valor esperado:
\i ± 3a = 9 ± 3(3) = 9 ± 9
162 PARTE II
Hay 89 % de probabilidades de que el valor esperado verdadero se encuentre dentro del intervalo de 0 a 18; asimismo, se establece que 89% de los resultados posibles contengan de 0 a 18 huéspedes que estén regresando en su próximo periodo vacacional.
Caso especial. Distribución de Poisson con tendencia a normal
Se presenta cuando la probabilidad es extrema, el número de observaciones o experimentos es mayor a 10 y el valor esperado es mayor a 10 (5% > p > 9 5 % , N> 10, (A > 10).
Por tanto, deberán calcularse el valor esperado y la desviación estándar mediante las expresiones de la distribución de Poisson, con la finalidad de conocer las características principales de la distribución normal y resolver el problema, ahora, como una distribución continua.
En el apartado siguiente se verá cómo se emplea la distribución normal para resolver este t ipo de casos.
Distribución normal
Por ser una distribución continua no permite el cálculo de probabilidades puntuales (ya que éstas serán siempre cuasi-cero) sino que establece la probabilidad de intervalos, definida por el área bajo la curva normal comprendida entre los límites del intervalo propuesto. Se muestra simétrica y en forma de campana, su eje de simetría es el valor de la esperanza matemática (valor esperado), como se muestra en la siguiente figura:
CAP. 6. PROBABILIDAD 163
En estas circunstancias se observa que siempre la máxima concentración de valores se encuentra alrededor del valor esperado.
Dada su condición de continua, permite obtener las probabilidades de intervalos no necesariamente dados por límites enteros, sin embargo para su aplicación en la Administración Turística siempre se deberán emplear intervalos con límites enteros, ya que no podrá especificarse, por ejemplo, 1.63 viajes o 63.175 turistas.
Los elementos principales que identifican a la distribución normal son los siguientes:
N = número de observaciones o experimentos (puede ser del tamaño del universo)
¡JI = valor esperado o = desviación estándar
Por lo que cada conjunto de datos presentará una curva normal característica que se obtiene con la expresión:
y ( * f ) = - 7 = e o~v27i
Sin embargo, por la inefectividad de estar determinando la curva de cada caso en particular, se emplea una curva normal estándar con base en el valor estándar de normalización, z, el cual se define algebraicamente como:
7 - x'-»
¿i
\ .a ecuación para éste es la siguiente:
1 r ( z ( ) = ^ = e ^
V271
donde su máxima ordenada se tendrá cuando z = 0 (X¡ = u) y es de 0.39894228.
El valor estándar de normalización (z) corresponde al número de veces que se suma y se resta la desviación estándar (o) al valor esperado, por consiguiente, si z = 1, \x ± l a ; si z = 2, ¡x ± 2a; si z = 3, y. ± 3a; si z = 4, u ± 4a; etc. En esta situación se puede notar que corresponde a los intervalos de confianza dados por la regla empírica para funciones simétricas:
164
\i-2o<n<\i + 2o
\i-3o^\i<,\i + 3a
[ J i - 4 a < | i < | i + 4a
Como la distribución normal es asintótica (sus ramas se aproximan al eje horizontal pero nunca lo tocan, ni en el infinito), ésta se extiende desde -<» a +00.
Como se indicó anteriormente, la probabilidad es el área bajo la curva normal en el intervalo correspondiente, por tanto, si el intervalo es de -00 a +00, la probabilidad o área bajo la curva normal es de 100% y corresponde al espacio muestral.
Para facilitar el trabajo de aplicación a la Administración Turística, se considerará que para cualquier valor de z a +4 o < -4 , el área bajo la curva normal será de 100%, como se muestra a continuación paraz = ±4.
= 0.99994 = 99.994 % = 100 %
(Las áreas bajo la curva normal para valores de z de 0 a 4 o 0 a - 4 y para dos decimales de ésta, y con referencia al origen, se dan en la tabla de áreas bajo la curva normal como anexo 1.)
PROCEDIMIENTO PARA EL CÁLCULO DE LAS PROBABILIDADES POR DISTRIBUCIÓN NORMAL
a) Identificar cualesquiera de las tres siguientes alternativas de aplicación de la distribución normal:
• Binomial con tendencia a normal. • Poisson con tendencia a normal. • Conocidas exclusivamente N, [i y a.
b) Calcular los valores estándar de normalización para cada límite del intervalo correspondiente con la expresión:
•¿i
los valores de \i y o dependen de las alternativas identificadas en el paso anterior. Recuerde que para cada distribución de probabilidad el cálculo es diferente.
CAP. 6. PROBABILIDAD 165
c) Obtener por medio de la tabla de áreas bajo la curva normal (véase anexo) la correspondiente a cada valor de z. (Fijar en la primera columna el entero y el primer decimal de z, y en el primer renglón se fija el segundo decimal, su correspondencia en el cuerpo de la tabla proporcionará el área buscada desde el eje de simetría hasta el valor de z o -z . )
d) Indicar en un esquema la posición de cada valor de z y su respectiva área para determinar la solución correspondiente al intervalo propuesto.
e) Dar una conclusión al problema.
Ejemplo 6.16. Un turista viaja cinco veces cada año en promedio a diversos destinos en el mundo, dos de estos viajes son a Italia, aunque pueden ser más. Para el próximo año tiene programados 15 viajes y desea saber cuál es la probabilidad de que:
á) Menos de 4 de esos viajes sean a Italia. 6) De 2 a 6 sean a Italia. c) Más de 8 sean a Italia. d) Al menos 5 sean a Italia. e) Entre 4 y 7 sean a Italia. f) Exactamente 3 sean a Italia.
Solución
Considerando dos de cinco viajes a Italia que realiza en promedio anual, la probabi l idad de viajar a este destino es de 2/5 (40%), lo que muestra una probabilidad centralizada que corresponde a una distribución binomial. El número de observaciones o experimentos (número de viajes programados) es mayor a 10 (N = 15), por tanto, corresponde al caso especial de la distribución binomial con tendencia a normal. Por consiguiente, para determinar las características principales de la distribución normal, se emplearán las expresiones proporcionadas por la distribución binomial:
\i = Np = 15(0.4) = 6
a 2 = Npq = 15(0.4)(0.6) = 3.6 a = V^6 = 1.8974
a) Para este inciso los límites de intervalo son cuatro y cero (menos de cuatro viajes a Italia hasta cero viajes a Italia). Por ser una distribución continua, un valor menor a 4 podría ser 3.99999999..., por lo que no afectará al proceso el manejar cuatro como límite.
166 PARTE I I
Por tanto, si, Xi = 4 y X2 = 0
Z l = fcü = =-1.05 a 1.8974
z2 = = = -3.16 a 1.8974
Por la tabla de áreas bajo la curva normal:
zx = -1.05; AZl = 0.35314
z 2 = -3.16; AH = 0.49921
esquemáticamente:
No olvidar que las áreas se miden desde el eje de simetría hasta cada uno de los límites del intervalo, por tanto:
P(Xi < 4~)=AZ2-AZ¡ = 0.49921 - 0.35314 = 0.14607 - 0.1461 = 14.61%
En conclusión, la probabilidad de menos de cuatro viajes a Italia de los 15 programados, es de 14.61 %.
¿>) Siendo los límites X\ = 2 y X2 = 6, entonces:
CAP. 6. PROBABILIDAD 167
y sus áreas correspondientes son las siguientes:
z i = -2.11; AZ] = 0.48257
z2 = 0; Az., = 0.0
esquemáticamente:
P(2 s X¡ s 6) = AZl - AZ2 = 0.48257 - 0.0 = 0.48257 - 0.4826 = 48.26 %
Conclusión, la probabil idad de dos a seis viajes a Italia, de los 15 programados, es de 48.26%.
c) Los límites en este caso son Xx = 8 y X2 = 15, por tanto:
Z x = = = 1.05 a 1.8974
X2 - u 1 5 - 6 , _ , z2 = — — " = = 4.74
a 1.8974
sus áreas correspondientes son las siguientes:
zx = 1.05; Az¡ = 0.35314
z2 = 4.74; AH = 0.50000
esquemáticamente:
P(8 <X¡) = AH - AH = 0.50000 - 0.35314 = 0.1467 = 14.67 %
Conclusión, la probabilidad de viajar más de ocho veces a Italia, de los 15 viajes programados es de 14.67%.
d ) Al menos cinco es cinco o más, por tanto los límites son X\ = 5 y X2= 15, así:
Xx - | i _ 5 - 6 a " 1.8974
= -0.53
X2 - u 1 5 - 6 z 2 = — — - = = 4.74
a 1.8974 sus áreas correspondientes son las siguientes:
z i = -0.53;
z 2 = 4.74;
0.20194
AZ2 = 0.50000
esquemáticamente:
169
P(5 < X,• < 15) = AZx + Az¿ = 0.20194 + 0.50000 = 0.70194 - 0.7019 = 70.19%
Conclusión, la probabilidad de viajar al menos cinco veces a Italia, de los 15 viajes programados, es de 70.19 %.
e) Los límites podrían ser 4.000000001 y 6.9999999, por tanto, emplear 4 y 7 no modificaría en nada los resultados.
Xi-\i 4 - 6 1.8974
= -1.05
Z2
X2-\i _ 7 - 6 a " 1.8974
= 0.53
las áreas correspondientes serán:
zi = -1.05;
z 2 = 0.53;
AZi = 0.35314
AZn = 0.20194
esquemáticamente:
P(4<X, < 7)=AZl+Az¿ = 0.35314 - 0.20194 = 0.55508 - 0.5551 = 55.51 %
En conclusión, la probabilidad de que realice entre cuatro y siete viajes a Italia, de los 15 programados es de 55.51 %.
f) Exactamente tres, únicamente existe un límite, por tanto, no hay intervalos y se considera un valor puntual, cuya probabilidad es cuasi-cero.
170 PARTE I I
Conclusión, la probabilidad de que viaje exactamente tres veces a Italia es 0%.
Ejemplo 6.17. Con base en sus estadísticas, el área de banquetes del hotel El Descanso establece que el número promedio de invitados a su salón El Baile, con capacidad para 800 personas, es de 400, con una desviación estándar de 60. Desea determinar cuál es la probabilidad de tener su próximo evento en este salón:
a) De 300 a 500 invitados. b) Menos de 350 invitados. c) Más de 600 invitados.
Solución
á) Los límites son Xx = 300 y X2 = 500, así:
Xx-\i 300 - 400 60
= -1.67
Zo = X2-\L 500 - 400
60 = 1.67
las áreas correspondientes son las siguientes:
z2= 1.67;
zx = -1.67; A2l = 0.45254
AZ2 = 0.45254
esquemáticamente:
300 400 500
171
P(350 < X¡ < 500) = A2l + AH = 0.45254 + 0.45254 = 0.90508 - 0.9051
= 90.51%
Conclusión, la probabilidad de tener de 300 a 500 invitados en el salón El Baile es de 90.51 %.
6) Los límites son Xx = 350 y X2 = 0, así:
X, - n 350 - 400 Q Q
Zi = — — —U.oo a 60
X2-\i 0 - 4 0 0 c _ z 2 = — = = -6.67
a 60 las siguientes son las áreas correspondientes:
zi = -0.83; AH = 0.29673
z 2 = -6.67; A22 = 0.5000
esquemáticamente:
P(X¡ < 350) = AZl - AZí = 0.5000 - 0.29673 = 0.20327 - 0.2033 = 20.33 %
Conclusión, la probabilidad de tener menos de 350 invitados en el salón El Baile es de 20.33 %.
c) Los límites son Xx = 600 y X2 = 800, así:
172
= X^-ji = 600 - 400 Z l a 60
X2-\L 800 - 400 c a n z2 = = — = b.b/ a 60
las siguientes son las áreas correspondientes:
z i = 3.33; Az¡ = 0.499574
z2 = 6.67; AZ2 = 0.5000
esquemáticamente:
P(X¡ > 600) = - Az¡ = 0.5000 - 0.49957 = 0.00043 - 0.0004 = 0.04 %
Conclusión, la probabilidad de tener más de 600 invitados en el salón El Baile es de 0.04%.
R E S U M E N
La probabilidad es una herramienta de gran util idad en la Administración Turística, debido a la gran cantidad de situaciones que se presentan en situación de riesgo o incertidumbre. Con ésta se pueden considerar situaciones que de otra manera tal vez no podrían considerarse en cuanto a posibilidad de ocurrencia.
CAR 6. PROBABILIDAD 173
La posible ocurrencia de fenómenos o situaciones en el ámbito turístico siempre debe ser cuantificada, de manera que se tenga un valor representativo de su ocurrencia, que permita emitir juicios más acertados y apegados a la realidad.
Tal vez la aplicación en forma continua y amplia no se dé, sin embargo, tener una idea clara y en forma numérica del comportamiento de una situación, lo que puede establecerse por las distribuciones de probabilidad, permitirá al administrador turístico ser un buen tomador de decisiones.
La probabilidad muestra sus bondades en tanto el que las maneja encuentra en ellas una fuente interminable de información para la toma de decisiones.