Académique Documents
Professionnel Documents
Culture Documents
Introduccin.................................................................................................................................. 1
Objetivos...................................................................................................................................... 2
Objetivo General....................................................................................................................... 2
Objetivos Especficos................................................................................................................2
Distribuciones de Probabilidad para una Variable Continua.........................................................3
1.0
1.1
1.2
Funcin De Distribucin.................................................................................................4
A.
La Distribucin Normal...............................................................................................4
B.
C.
La Distribucin Exponencial......................................................................................10
D.
Distribucin Uniforme...............................................................................................16
E.
Distribucin Log-Normal...............................................................................................20
Conclusin.................................................................................................................................. 23
Cuestionario............................................................................................................................... 24
Mtodos Probabilsticos
Introduccin
Distribucin Normal.
Distribucin Exponencial.
Distribucin Uniforme.
Distribucin Log-Normal.
Como parte del contenido esta, la ecuacin funcin de la distribucin de cada una de las antes
mencionadas, sus caractersticas y algunos ejemplos para aclarar cada uno de sus propiedades
y formulas.
Definiendo sobre Variables aleatorias continas Variable que toma un valor infinito de valores no
numerables. Variable aleatoria que puede tomar cualquier valor dentro de un intervalo dado de
valores.
En este caso, en lugar de trabajar con la probabilidad de valores particulares de la variable,
resulta ms apropiado calcular probabilidades asociadas a intervalos. Para distribuir
propiedades se usa una funcin que mide "concentracin" de probabilidades alrededor de un
punto, que se denomina funcin de densidad de probabilidad (fdp) y se denota como f(x).
Mtodos Probabilsticos
Objetivos
Objetivo General
Objetivos Especficos
Mtodos Probabilsticos
y=f ( x)
f ( x ) 0 para todo X.
Las probabilidades vienen dadas por el rea bajo la curva. Por tanto, el rea encerrada bajo la
totalidad de la curva es 1. Es decir, tomamos como unidad el rea bajo la curva completa.
Para que
f ( x)
necesario que:
[ a , b] .
P [ x=a ] =0 .
Mtodos Probabilsticos
Por tanto:
son
uniformes
(rectngulos
f(x)
P [ a x b ]= ( ba ) . K
k)
K=altura delrectangulo
F ( x )=P [ t x ] . Es una
[ a , b ] , entonces F ( x )
A. La Distribucin Normal
La campana de Gauss o curva normal es una funcin de probabilidad continua, Simtrica, cuyo
mximo coincide pues con la media
Mtodos Probabilsticos
1
f ( x )=
e
2
1 x
2
( )
Mtodos Probabilsticos
(Bien en las normas de calidad desarrolladas o bien en las recomendaciones establecidas por
las asociaciones). En este caso el proceso opera con eficacia y se pueden realizar trabajos de
alta exigencia con respecto a la variable controlada.
La curva de distribucin supera los lmites establecidos por la industria.
En este caso puede que estn operando causas asignables de variacin o que existen
limitaciones debidas a los recursos y equipos empleados por lo que no es posible realizar
trabajos exigentes con respecto a la variable controlada hasta que no se hayan eliminado las
causas especiales de variacin o no se dispongan de los recursos y equipos adecuados.
El histograma generado no muestra las caractersticas bsicas de una distribucin
normal.
En
este
causas
resolver
caso
estn Y
asignables
si
claramente
actuando
de
queremos
y realizar trabajos de
es
una
de
las
Mtodos Probabilsticos
= 1.
La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea de 0.5.
= 0 y
, en
= 95.46% y
3 99.73%
Mtodos Probabilsticos
Poblacin
Muestra
x- 3s
x-2s
x-s
x+s
x+2s
x+3s
Mtodos Probabilsticos
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3
x-2
x-
x+
x+2
x+3
z
-3
-2
-1
El valor de z
Determina el nmero de desviaciones estndar
9
Z
0
Mtodos Probabilsticos
Ejemplo 1: El gerente de personal de una gran compaa requiere que los solicitantes a
un puesto efecten cierta prueba y alcancen una calificacin de 500. Si las calificaciones
de la prueba se distribuyen normalmente con media
500 485
0.5
30
69.146%. Siendo esta la probabilidad de que la calificacin sea menor a 500 P (X<500). Dado
x 500
) la solucin es 1-.69146 =0.3085, 30.85% de los
P
C. La Distribucin Exponencial
Mtodos Probabilsticos
485
3 0 .8 5 %
Z.0 5
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que, el
tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante tf, no depende del tiempo transcurrido anteriormente en el que no
ha pasado nada.
Ejemplos de este tipo de distribuciones son:
densidad es
11
Mtodos Probabilsticos
12
Mtodos Probabilsticos
13
Mtodos Probabilsticos
6.8.4.1 Ejemplo
En un experimento de laboratorio se utilizan 10 gramos de
media de un tomo de esta materia es de 140 das, cuantos idas transcurrirn hasta que haya
desaparecido el
de este material?
14
Mtodos Probabilsticos
exponencial:
histograma de frecuencias relativas formado por los tiempos de desintegracin de cada uno de
estos tomos debe ser extremadamente aproximado a la curva de densidad, f. Del mismo
modo, el polgono de frecuencias relativas acumuladas debe ser muy aproximado a la curva de
su funcin de distribucin F. Entonces el tiempo que transcurre hasta que el 90% del material
radiactivo se desintegra es el percentil 90, t90, de la distribucin exponencial, es decir
15
Mtodos Probabilsticos
Ejemplo 1:
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribucin
exponencial con media de 16 aos. Cul es la probabilidad de que a una persona a la que se
le ha implantado este marcapasos se le deba reimplantar otro antes de 20 aos? Si el
marcapasos lleva funcionando correctamente 5 aos en un paciente, cul es la probabilidad
de que haya que cambiarlo antes de 25% aos?
Solucin: Sea T la variable aleatoria que mide la duracin de un marcapasos en una persona.
Tenemos que
Entonces
En segundo lugar
16
Mtodos Probabilsticos
D. Distribucin Uniforme
.
17
Mtodos Probabilsticos
Grficamente:
Grficamente:
18
Mtodos Probabilsticos
Media y Varianza
19
Mtodos Probabilsticos
Ejemplo 1: el precio medio del litro de gasolina durante el prximo ao se estima que puede
oscilar entre 140 y 160 ptas. Podra ser, por tanto, de 143 ptas., o de 143,4 ptas., o de 143,45
ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto
del intervalo, viene definida por:
Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
20
Mtodos Probabilsticos
Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5% de probabilidad, que
est entre 141 y 142, otro 5%, etc.
El valor medio de esta distribucin se calcula:
En el ejemplo:
Por lo tanto, el precio medio esperado de la gasolina para el prximo ao es de 150 ptas.
E. Distribucin Log-Normal
Se trata de la densidad de probabilidad de una variable log x distribuida segn una
funcin normal:
X = N (,)
Y = eX
21
Mtodos Probabilsticos
Tambin es conocida como Ley de Galton-Mac. Aliester o ley del efecto proporcional, segn
Calot (1988).
Los parmetros principales que la caracterizan son:
Parmetros
Soporte
cdf
Media
Mediana
Moda
22
Mtodos Probabilsticos
Varianza
Asimetra
Curtose
Entropa
Funcin de distribucin
23
Mtodos Probabilsticos
24
Mtodos Probabilsticos
Conclusin
En esta forma las caractersticas ms importantes de los datos se aproximan muy fcilmente,
compensando as el hecho de que cuando los datos se agrupan de ese modo, la informacin
inicial referente a las observaciones individuales de que antes se dispona se pierde a travs del
proceso de agrupamiento o condensacin.
La principal ventaja de usar una de estas tablas de resumen es que las principales
caractersticas
de
los
datos
se
hacen
evidentes
inmediatamente
para
el
lector.
La principal desventaja de tal tabla de resumen es que no podemos saber cmo se distribuyen
los valores individuales dentro de un intervalo de clase particular sin tener acceso a los datos
originales. El punto medio de la clase, sin embargo, es el valor usado para representar todos los
datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los lmites de cada
clase y es representativo de los datos de esa clase.
La probabilidad es la posibilidad u oportunidad de que suceda un evento particular. La
probabilidad involucrada es una porcin o fraccin cuyo valor vara entre cero y uno
exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es decir, el evento
nulo), tiene una probabilidad de cero, mientras que un evento que seguramente ocurrir (es
decir, el evento cierto), tiene una probabilidad de uno.
La regla mas evidente para las probabilidades es que deben variar en valor de 0 a 1. Un evento
imposible tiene una probabilidad cero de ocurrir, y un evento cierto tiene una probabilidad uno
de ocurrir. La probabilidad simple se refiere a la probabilidad de ocurrencia de un evento simple.
Una distribucin de probabilidad para una variable aleatoria discreta es un listado mutuamente
excluyente de todos los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia est asociada con cada resultado.
25
Mtodos Probabilsticos
Cuestionario
estadsticas
de
variable
continua.
Esta
se
obtiene
empricamente
y=f (x)
f ( x ) 0 para todo x.
F ( x )=P [ t x ] .
4) Cules son las condiciones que debe cumplir la distribucin normalSi se cumples la
siguiente condiciones:
R/
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de
Gauss:
1
f ( x )=
e
2
1 x
2
( )
26
Mtodos Probabilsticos
a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la
misma probabilidad.
27