Академический Документы
Профессиональный Документы
Культура Документы
FECHA: 01/07/2017
Distribuciones de Probabilidad
Una distribucin de probabilidad es aquella que indica toda la gama de valores que pueden
representarse como resultado de un experimento si ste se llevase a cabo, es decir, describe la
probabilidad de que un evento se realice en el futuro. Adems constituye una herramienta
fundamental para la prospectiva, ya que se puede disear un escenario de acontecimientos
futuros considerando las tendencias actuales de diversos fenmenos naturales.
Toda distribucin de probabilidad es generada por una variable (porque puede tomar diferentes
valores) aleatoria x (porque el valor tomado es totalmente al azar). Existen tres tipos de
variables que son:
Una variable es normal cuando se ajusta a la ley de los grandes nmeros, es decir, cuando sus
valores son el resultado de medir reiteradamente una magnitud sobre la que influyen infinitas
causas de efecto infinitesimal. Las variables normales tienen una funcin de densidad con forma
de campana a la que se llama campana de Gauss. Su funcin de densidad es la siguiente:
b) P(X 80)
Solucin
La variable aleatoria X = 'puntuacin obtenida en el test' sigue una distribucin N (60, 10),
60
luego su variable tipificada ser Z= 10 con distribucin normal N (0, 1)
60 7060
a) P(X 70) = P[ ] = P [ 1] = 0.1587
10 10
60 8060
b) P(X 80) = P[ ] = P [ 2] = 1 - P[ 2 ] = 1 0.0288 = 0.9772
10 10
2. Distribucin Gamma ()
Solucin:
EJEMPLO: Los administradores de cierta industria han notado que su producto tiene un
tiempo de duracin que puede considerarse una variable aleatoria con distribucin
exponencial con una vida media de 5 aos. Cul es la probabilidad de que al elegir un
artculo de dicha produccin dure ms de 10 aos?
Solucin:
() =
1 1
Media: E = (x) = en este caso 5=
1
=
5
P = (x > 10) =
1
5(10) = .
4. Distribucin Uniforme
Corresponde al caso de una variable aleatoria que slo puede tomar valores comprendidos entre
dos extremos a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b))
tienen la misma probabilidad. Tambin puede expresarse como el modelo probabilstico
correspondiente a tomar un nmero al azar dentro de un intervalo(a, b).
1
f (x)= { , 0 > < 3
3
1
f (x)= { , 0><3
3
1x
Integral definida = {
3
F (1.2) F (0.8)
. .
( ) - ( ) = 0.1333
5. Distribucin de Weibull
Se trata de un modelo continuo asociado a variables del tipo tiempo de vida, tiempo hasta que
un mecanismo falla, etc. La funcin de densidad de este modelo viene dada por:
Solucin:
1
E (X) = 5000[1 + 0.5] = 5000[3] = 500 * 2! = 10000 horas
1
60002
P (x > 6000) = 1 F (6000) = exp - [ ] = 1.095 = 0.334
5000
Por tanto solo el 33,4% de todos los rodamientos durar al menos 6000 horas.
Bibliografa
http://pendientedemigracion.ucm.es/info/genetica/Estadistica/estadistica_basica%201.htm#INICIO
https://www2.ulpgc.es/hege/almacen/download/5/5509/Tema_1.pdf