Vous êtes sur la page 1sur 6

UNIVERSIDAD DE LAS FUERZAS ARMADAS- ESPE

ESTADSTICA

NOMBRE: Susana Ruano


Distribuciones de Probabilidad Exponencial
Las distribuciones exponenciales se utilizan como modelo para representar tiempos de
funcionamiento (tiempos de vida), es decir, el tiempo que transcurre antes que ocurra un fallo o
tiempos de espera.
Si consideramos que no hay desgaste en un producto, el modelo exponencial describe
adecuadamente la distribucin del tiempo entre dos averas de un producto reparable. Su
validez por tanto es si consideramos que no hay desgaste y no ocurren fallos precoces
debido a errores de fabricacin, envejecimiento (fatiga del material).
Su funcin de densidad que depende de un parmetro (tasa de fallo o nmero de fallos por
unidad de tiempo) es de la forma:

f(x)= e- x

1
La media de esta distribucin es

La distribucin exponencial tiene una gran utilidad prctica ya que podemos considerarla
como un modelo conveniente para la distribucin de probabilidad del tiempo de espera entre dos
hechos que sigan un proceso de Poisson.
De hecho, la distribucin exponencial puede derivarse de un proceso experimental de
Poisson con las mismas caractersticas que las que enuncibamos al estudiar la distribucin de
Poisson, pero tomando como variable aleatoria, en este caso, el tiempo que tarda en producirse un
hecho
Obviamente, entonces, la variable aleatoria ser continua. Por otro lado, existe una relacin
entre el parmetro de la distribucin exponencial, que ms tarde aparecer, y el parmetro de
intensidad del proceso , esta relacin es =
Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en los siguientes casos:
o Distribucin del tiempo de espera entre sucesos de un proceso de Poisson
o Distribucin del tiempo que transcurre hasta que se produce un fallo, si se cumple la
condicin que la probabilidad de producirse un fallo en un instante no depende del tiempo
transcurrido
o Aplicaciones en fiabilidad y teora de la supervivencia.

Como vemos este modelo depende de un nico parmetro que debe ser positivo: > 0. La
funcin de distribucin se obtiene integrando la de densidad y es de la forma:
Propiedades del modelo Exponencial

1. Su esperanza es .

2. Su varianza es 2.

3. Una propiedad importante es la denominada carencia de memoria, que podemos definir as: si
la variable X mide el tiempo de vida y sigue una distribucin Exponencial, significar que la
probabilidad de que siga con vida dentro de 20 aos es la misma para un individuo que a fecha
de hoy tiene 25 aos que para otro que tenga 60 aos.

4. Cuando el nmero de sucesos por unidad de tiempo sigue una distribucin de Poisson de
parmetro (proceso de Poisson), el tiempo entre dos sucesos consecutivos sigue una
distribucin Exponencial de parmetro = 1/

Grficamente como ejemplo planteamos el modelo con parmetro .=0,05

Ejemplo:

o La distribucin de probabilidad del tiempo que transcurre antes que falle el ventilador de un
motor Diesel se describe mediante una funcin exponencial con una tasa de fallo igual a 34.8
fallos por un milln de hora. Si la garanta es de 8000 horas Cul es la probabilidad de que el
ventilador falle?

f(x) = 1 e x

f(8000) = 1 e34.8 1068000

f(x)= 0,24

Distribuciones de Probabilidad t" Student

La distribucin de Student fue descrita en 1908 por William


Sealy Gosset. Gosset trabajaba en una fbrica de
cerveza, Guinness, que prohiba a sus empleados la
publicacin de artculos cientficos debido a una difusin
previa de secretos industriales. De ah que Gosset publicase sus resultados bajo el seudnimo de
Student.

Gosset tena buena relacin con Karl Pearson que haba sido su maestro. Necesitaba una
distribucin que pudiera usar cuando el tamao de la muestra fuera pequeo y la varianza
desconocida y tena que ser estimada a partir de los datos. Las distribuciones t se usan para tener
en cuenta la incertidumbre aadida que resulta por esta estimacin. Fisher comprendi la
importancia de los trabajos de Gosset para muestras pequeas

o En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad


que surge del problema de estimar la media de una poblacin normalmente distribuida cuando
el tamao de la muestra es pequeo.

A la teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que
tambin la podemos utilizar con muestras aleatorias de tamao grande. Existe un nuevo concepto
necesario que es "grados de libertad".

Para definir grados de libertad se har referencia a la varianza muestral:

Si el tamao de la muestra es n entonces decimos que la distribucin t tiene n-1 grados de


libertad. Hay una distribucin t diferente para cada tamao de la muestra. Estas distribuciones son
una familia de distribuciones de probabilidad continuas. Algunas de sus caractersticas son:

Las curvas de densidad son simtricas y con forma de campana como la distribucin normal
estndar.
Sus medias son 0 y sus varianzas son mayores que 1 (tienen colas ms pesadas).
Las colas de las distribuciones t disminuyen ms lentamente que las colas de la distribucin
normal.
Si los grados de libertad son mayores ms prximas a 1 es la varianza y la funcin de
densidad es ms parecida a la densidad normal.

Supngase que se toma una muestra de una poblacin normal con media y varianza
. Si es el promedio de las n observaciones que contiene la muestra aleatoria, entonces la
distribucin

es una distribucin normal estndar. Supngase que la varianza de la


poblacin varianza es desconocida. Qu sucede con la distribucin de esta estadstica si se
reemplaza por s? La distribucin t proporciona la respuesta a esta pregunta.

La media y la varianza de la distribucin t son =0y para >2, respectivamente.

La distribucin de la variable aleatoria t est dada por:


Esta se conoce como la distribucin t con V grados de libertad.

Sean X1, X2, , Xn variables aleatorias independientes que son todas normales con media y
desviacin estndar . Entonces la variable aleatoria

tiene una distribucin t con V = n-1 grados de libertad.

Ejemplo:

Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto proceso en


lotes es 500 gramos por milmetro de materia prima. Para verificar esta afirmacin toma una
muestra de 25 lotes cada mes. Si el valor de t calculado cae entre t0.05 y t0.05, queda satisfecho con
su afirmacin. Qu conclusin extraera de una muestra que tiene una media de 518 gramos por
milmetro y una desviacin estndar de 40 gramos? Suponga que la distribucin de rendimientos
es aproximadamente normal.

De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante
queda satisfecho con esta afirmacin si una muestra de 25 lotes rinde un valor t entre 1.711 y
1.711.

Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor
de t con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de
0.02. De aqu que es probable que el fabricante concluya que el proceso produce un mejor
producto del que piensa.

ndices Burstiles

Un ndice burstil corresponde a un registro estadstico compuesto usualmente de un


nmero, que trata de reflejar las variaciones de valor o rentabilidades promedio de las acciones que
lo componen. Generalmente, las acciones que componen el ndice tienen caractersticas comunes
tales como: pertenecer a una misma bolsa de valores, tener una capitalizacin burstil similar o
pertenecer a una misma industria. Estas son usualmente usadas como punto de referencia para
distintas carteras, tales como los fondos mutuos.
ndice de Sauerbeck: de precios es la media aritmtica de los ndices simples (de precios)
de cada artculo:

La mayora de los ndices burstiles son ponderados, lo que significa que en su


elaboracin se ha dado mayor peso relativo a las acciones de algunas compaas por
sobre las acciones de otras con el fin de garantizar que exprese de manera real la
situacin del mercado.

Simples: pretenden hacer comparaciones sobre una sola magnitud simple. (p.ej. el precio
del trigo). Habitualmente se definen como ratios (razn) entre el valor actual y el valor del
perodo base.
Complejos: pretenden hacer comparaciones sobre una magnitud compleja, consistente en
la agregacin de varias magnitudes simples. (p.ej. precio de los cereales, cotizacin burstil
de un grupo (qumicas, p.ej.). Habitualmente se utilizan promedios de ndices simples
(media aritmtica, geomtrica, armnica o agregativa).
El ndice de Precios al Consumidor (IPC), es un indicador mensual, nacional y para nueve
ciudades, que mide los cambios en el tiempo del nivel general de los precios,
correspondientes al consumo final de bienes y servicios de los hogares de estratos de
ingreso: alto, medio y bajo, residentes en el rea urbana del pas. La variable principal que
se investiga es el precio, para los 359 productos de la canasta fija de investigacin,
obtenidos de la Encuesta Nacional de Ingresos y Gastos de los Hogares Urbanos y Rurales
ENIGHUR (abril 2011 marzo 2012).
El ndice Dow Jones, puede representar uno de los 130,000 ndices que son elaborados por
la empresa estadounidense Dow Jones Indexes. El ndice Dow Jones que tiene mayor
relevancia e importancia en los mercados mundiales, es el Promedio Industrial Dow Jones
(DJIA), el cual es tambin conocido como ndice burstil Dow Jones. El Dow Jones
Industrial Average (DJIA), es el ndice ms importante de todos los elaborados por Dow
Jones Indexes y nos indica el comportamiento del precio de las acciones de las 30
compaas industriales ms representativas de EEUU.
El ndice de Produccin de la Industria Manufacturera es un indicador que mide el
comportamiento, en la coyuntura nacional, de la produccin generada por la industria
manufacturera en el corto plazo. Se determina a partir del valor de ventas y la variacin de
existencias, de los bienes producidos en cada uno de los establecimientos manufactureros
en el Ecuador. Este indicador forma parte del Sistema de Indicadores de la Produccin
(SIPRO), considerado como una innovacin estadstica para estandarizar y homologar
conceptos, metodologas y procesos investigativos, en el marco de las buenas prcticas
internacionales para la generacin de nmeros ndices.
Eurostoxx 50: Principal ndice burstil europeo. Abarca las 50 empresas ms importantes de
la eurozona por capitalizacin y volumen de negociacin.
DAX 30: Principal ndice alemn con las 30 empresas ms importantes de la bolsa de
Frankfurt.
FTSE 100: ndice de la bolsa de Londres con sus 100 empresas ms importantes. Fue
creado por el diario Financial Times.

Principales ndices burstiles globales

MSCI World: ndice compuesto por ms de 1.600 compaas de 23 pases desarrollados.


MSCI Emerging Markets: ndice compuesto por ms de 800 empresas de pases en
desarrollo.
S&P Global 100: ndice compuesto por 100 compaas multinacionales de todo el mundo.
BIBLIOGRAFA:

(Universidad de Valencia , s.f.)


(Youtube, s.f.) Distribucin exponencial
(INSTITUTO TECNOLOGICO DE CHIHUAHUA , s.f.)
(Indi.Universidad Valencia, s.f.)