Академический Документы
Профессиональный Документы
Культура Документы
probabilidad
Contenido
FDP uniforme
FDP lognormal
FDP beta
FDP gamma
FDP exponencial
FDP Weibull
FDP normal
FDP Rayleigh
FDP Maxwell
FDP Uniforme
~U(a,b)
y = unifpdf(x,a,b);
= fX(x;a,b)
p = unifcdf(x,a,b);
= FX(x;a,b)
x = unifinv(p,a,b);
(-1)
= FX (p;a,b)
10
11
12
13
14
15
y = betapdf(x,,);
= fX(x;,)
p = betacdf(x,,);
= FX(x;,)
x = betainv(p,,);
(-1)
= FX (p;,)
[m,v] = betastat(,);
= media y varianza
16
y = betapdf((x-a)/(b-a),,)/(b-a); = fX(x;,)
p = betacdf((x-a)/(b-a),,);
x = a+betainv(p,,)*(b-a);
= FX(x;,)
(-1)
= FX (p;,,a,b)
17
p = DISTR.BETA(x;;;a;b)
x = DISTR.BETA.INV(p;;;a;b)
= FX(x;,,a,b)
(-1)
= FX (p;,,a,b)
18
20
21
FDP exponencial
Con la FDP exponencial se modela el lapso de
tiempo entre dos eventos consecutivos de
Poisson que ocurren de manera independiente y
a una frecuencia constante.
Ejemplo: intervalo de tiempo entre los arribos de
vehculos a un punto
En forma ms general se usa para modelar
tiempos entre los arribos en lneas de espera en
un proceso de Poisson homogneo.
22
FDP exponencial
La FDP exponencial se puede entender como la
contraparte continua de la FMP geomtrica, la
cual describe el nmero de ensayos de Bernoulli
requeridos para que un proceso discreto cambie
de estado. La FMP exponencial describe el
tiempo para que un proceso continuo cambie de
estado.
23
24
La FDP es:
La FDA es:
25
Parametrizacin alternativa de la
FDP exponencial
La FDP es:
La FDA es:
Es decir
26
29
Funcin cuartil:
Media:
Si usted recibe en promedio dos llamadas
telefnicas por hora, se espera que usted tenga
que esperar media hora por cada llamada
Varianza:
30
y = exppdf(x,1/);
= fX(x;)
p = expcdf(x,1/);
= FX(x;)
(-1)
x = expinv(p,1/);
= FX (p;)
[m,v] = expstat(1/) ;
= media y varianza
31
y = DISTR.EXP(x;;FALSO)
= fX(x;)
p = DISTR.EXP(x;;VERDADERO)
= FX(x;)
x = DISTR.GAMMA.INV(p;1;1/)
(-1)
= FX (p;)
32
33
34
35
36
37
38
39
40
41
42
43
Ejemplo
44
Es la ms importante y la ms abusada de
las FDPs
Las FDPs de muchas estadsticas muestrales
tienden hacia la FDP normal conforme crece el
tamao de la muestra.
45
46
La FDP:
La FDA:
Media:
Varianza:
48
49
Ejemplos de aplicacin
50
51
52
donde,
FDP normal
estndar: observe
que es equivalente a
FX(x;0,1)
53
por lo tanto,
54
56
p = DISTR.NORMAL(x;;;FALSO)
= fX(x;;)
p = DISTR.NORMAL(x;;;VERDADERO)
= FX(x;;)
(-1)
x = DISTR.NORMAL.INV(p;;)
= FX (x;;)
p = DISTR.NORMAL.ESTAND(z)
= FX(p;0,1)
z = DISTR.NORMAL.ESTAND.INV(p)
= FX(-1)(p;0,1)
z = NORMALIZACION(x;;)
57
y = normpdf(x,,);
= fX(x;,)
p = normcdf(x,,);
= FX(x;,)
x = norminv(p,,);
(-1)
= FX (p;,)
[m,v] = normstat(,);
= media y varianza
58
p = normspec(specs,mu,sigma)
59
60
61
62
63
64
2:
65
66
67
68
Convergencia en distribucin
69
71
72
73
Ejemplo:
74
75