Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDAD
UNIVERSIDAD DE IBAGUE
FACULTAD DE CIENCIAS NATURALES,MATEMATICAS
Y ESTADISTICA
PROGRAMAS DE INGENIERIAS
DOCENTE: CARLOS VALDES JIMENEZ
I-mail: carlos.valdesJ@unibague.edu.co
WhatsApp: 3005558466
©Todos los derechos son reservados2015
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
CONTENIDOS:
1. Definición de distribución de probabilidad continua.
2. Características de una distribución continua de probabilidad.
3. Distribución acumulada de probabilidad continua.
4. Valor esperado o media de un distribución de probabilidad continua.
5. Varianza de una distribución continua de probabilidad continua.
6. Distribución normal
7. Distribución Gamma.
8. Distribución exponencial.
9. Distribución Beta
10.Distribución Weibull
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
DEFINICION:
La función es un función de densidad de probabilidad para la variable aleatoria
continua X, definida en el conjunto de los números reales, si:
1.
2.
3.
CARACTERISTICAS:
1.Es generada por una variable continua (x).
2. x Es una variable que puede tomar tanto valores enteros como fraccionarios.
3. x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,
4. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o
iguales a cero. Dicho de otra forma, la función de densidad de probabilidad deberá tomar solo valores
mayores o iguales a cero. La función de densidad de probabilidad sólo puede estar definida en los
cuadrantes I y II.
5. La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual
a 1. El área definida bajo la función de densidad de probabilidad deberá ser de 1.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
EJEMPLO: Para la siguiente función,
cuando 0
a. Diga si esta función nos define una distribución de probabilidad.
b. Determine la probabilidad de que 1 x 2.
SOLUCION:
a. Para verificar que la función nos define una distribución de probabilidad, es necesario
que cumpla con las características que se habían mencionado.
1. x sí es una variable continua porque puede tomar cualquier valor entre 0 y 3
2. f(x) 0, lo que se comprueba si damos diferentes valores a x para ver que valores toma
f(x), dándonos cuenta de que efectivamente f(x) solo toma valores mayores o iguales a
cero.
x 0 0,5 1,0 1,4 2,1 2,7 3,0
0,0 0,0277 0,1111 0,2177 0,49 0,81 1,00
8 8
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
3.Para comprobar que la sumatoria de las probabilidades que toma cada valor de x es 1.Se
integra la función de 0 a 3 como se muestra a continuación.
2 1
3
1 2 1 x 1 3 3 1
A
f ( x )dx x dx (
0
9 9 2 1
)
27
(3 0 )
27
( 27 0 ) 1
-1 0 1 2 X
Distribución continua acumulada.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
la función de densidad del ejemplo anterior encuentre F(x) y utilice para evaluar
Para
SOLUCION: para
= por lo tanto.
𝛼
2 2
𝜎 (𝑋) = ∫ ( 𝑥 − 𝜇 ( 𝑋 ) ) . 𝑓 ( 𝑥 ) . 𝑑𝑥
−𝛼
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
3 3 3
𝛼 3 2 3 2 3 3 3 5 4 3
2 2 2 2
( 𝑋) ( 𝑋)
−𝛼 0 0
() () [ ] [] [] []
𝑥 𝑥 1 1 𝑥 4.5 𝑥 5.0625 𝑥 1 4.5 5.0625 243 364.5 136. 875
4 3 2 55 44 33
𝜎 =∫(𝑥−𝜇 ) .𝑓(𝑥).𝑑𝑥=∫(𝑥−2. 5) . .𝑑𝑥=∫(𝑥 −4.5𝑥+5.0625) .𝑑𝑥=¿ ∫𝑥 .𝑑𝑥−4.5∫𝑥 .𝑑𝑥+5.0625∫𝑥 .𝑑𝑥 = − + =¿ [(3) −(0) ]− [(3) −(0) ]+ [(3) −(0)]= − + =¿5.4−10.125+ .0625=0.375
9 9 9 0 0 0 9 5 0 9 4 0 9 3 0 45 36 27 45 36 27
La desviación estándar de la distribución de probabilidad es:
DEMOSTRACION:
para integrar por partes
Se obtiene
Sucesivamente obtenemos
….. pero por integración directa
EJEMPLO:
El tiempo en horas que semanalmente requiere una máquina para
mantenimiento es una variable aleatoria con distribución gamma con
parámetros = 3, = 2
a) Encuentre la probabilidad que en alguna semana el tiempo de
mantenimiento sea mayor a 8 Horas
b) Si el costo de mantenimiento en dólares es C = 30X + 2X2,
siendo X el tiempo de mantenimiento, encuentre el costo promedio de
mantenimiento
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
SOLUCION:
Sea X duración del mantenimiento en horas (variable aleatoria) su densidad de probabilidad es.
=
a. P( X>8) es el área resaltada en el grafico.
P 𝛼=3
, 𝛽=2
8
[ )) ] =0.2
−𝑥 𝑥 𝑥
𝑝 ( 𝑥> 8 ) =1 −
1
16
2
−2 𝑥 𝑒 2
+4 − 2 𝑥 𝑒
−
2
( −
+2 − 2 𝑥 𝑒 2 ( 0
b. =
E ∞ ∞ 𝑥 ∞ 𝑥
1 2 1 4 − −
2 2
𝐸 ( 𝑥 ) = ∫ 𝑥 𝑓 ( 𝑥 ) 𝑑𝑥=∫ 𝑥
−∞ 0 16
2
( )
𝑥 𝑒 𝑑𝑥= ∫ 𝑥 𝑒 𝑑𝑥
16 0
2 2
𝐸 ( 𝐶 )=30 ( 6 ) +2 ( 48 )=276
Finamente se obtiene.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
EJERCICIOS
PROPUESTOS DE LA DISTRIBUCION GAMMA:
1. En cierta ciudad el consumo diario de energía eléctrica, en millones de kilovatio por hora, de
parámetros y 8 . La planta de energía de ésta ciudad tiene una capacidad diaria de 14 millones de
KW/hora.
¿Cuál es la probabilidad de que este abastecimiento sea:
a. Insuficiente en un día cualquiera.
b. Se consuman entre 4 y 7 millones de Kw/h?
c. Encuentre E(x) y V(x)
2. En una ciudad cualquiera el consumo diario de agua(en millones de litros) sigue aproximadamente
una distribución gamma con y . Si la capacidad diaria para esta ciudad es de 9 millones de litros de
agua ¿Cuál es la probabilidad que un determinado día.
a. El suministro de agua sea inadecuado.
b. El consumo de agua este entre 8 y 12 millones de litros de agua.
c. Encuentre la media y la varianza para el consumo diario de agua.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
DISTRIBUCION
EXPENENCIAL:
Es un caso particular de la distribución gamma y tiene aplicaciones de interés
práctico. Se obtiene con = 1 en la distribución Gamma
DEFINICIÓN:
Una variable aleatoria continua X tiene distribución exponencial su densidad de
probabilidad está dada por.
Su densidad de probabilidad es
Sea X: variable aleatoria discreta (cantidad de componentes que siguen funcionando luego de 6 años)
X tiene distribución binomial con n = 3, p = 0.2231
11,6%
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
UNA APLICACION DE LA DISTRIBUCION EXPONENCIAL:
La distribución exponencial tiene aplicaciones importantes. Por ejemplo, puede demostrarse que si
una variable aleatoria tiene distribución de Poisson con parámetro , entonces, el tiempo de
espera entre dos ‘éxitos’ consecutivos es una variable aleatoria con distribución exponencial y
parámetro
DEFINICION: Es el equivalente continuo de la distribución geométrica discreta.
Describe procesos en los que interesa saber el tiempo hasta que ocurre un determinado evento.
Se puede caracterizar como una distribución del tiempo entre sucesos consecutivos generados por
un proceso de Poisson.
PARÁMETROS: Tasa de ocurrencia del evento por unidad de tiempo , >0
La función de densidad es:
con
El valor esperado es:
y la varianza es:
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
EJEMPLO:
La llegada de los camiones a una bodega tiene distribución de Poisson con
media de 4 por hora. Calcule la probabilidad que el tiempo transcurrido entre
la llegada de dos camiones consecutivos sea menor a 10 minutos.
b. Hallar la media y la varianza para el tiempo transcurrido en la llegada de camiones.
SOLUCION:
Sea X el tiempo transcurrido entre dos llegadas consecutivas (horas)
Es una variable aleatoria continua con distribución exponencial con parámetro
=4
,X>0
Adicionalmente:
con
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
DISTRIBUCION WEIBULL
Este modelo se utiliza en estudios de confiabilidad de ciertos tipos de sistemas.
DEFINICION:
Una variable aleatoria continua X tiene distribución de Weibull si su densidad de
probabilidad está dada por
𝛽
𝛽 −1 − 𝛼 𝑥
𝛼𝛽 𝑥 𝑒 , 𝑥 >0
{
𝑓 ( 𝑥 )=
0 , 𝑝𝑎𝑟𝑎 𝑜𝑡𝑟𝑜 𝑥
Demostración de la media.
Con la definición
Mediante la sustitución
a. 200 horas
b.
Mediante la sustitución se obtiene.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
PROBLEMAS PROPUESTOS:
1. Si se supone que la vida útil de cierto elemento es una variable aleatoria que tiene
distribución Weibull con y . Calcular:
a. La probabilidad de que el elemento dure más de 300 horas.
b. La variación de la vida útil.
c. La vida media útil de ese artículo.
2.Suponga que la vida útil, en años, de una batería para un IPhone que tiene una
distribución Weibull con y
a. ¿Cuánto tiempo se espera que dure una batería?.
b. ¿Cuál es la probabilidad de que una batería siga funcionando después de 2 años?.
3.La duración de un cierto sello para automóvil tiene la distribución Weibull con una taza de
falla . Encuentre la probabilidad de que tal sello siga en uso después de 4 años
b. La vida media útil de ese sello.
c. La variación de la vida útil del sello.
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
DISTRIBUCION BETA
Este modelo tiene actualmente aplicaciones importantes por la variedad de formas diferentes que
puede tomar su función de densidad para diferentes valores de sus parámetros. El dominio es el
intervalo [0,1], pero mediante alguna sustitución, otros intervalos finitos pueden llevarse a [0,1]
DEFINICION:
Una variable aleatoria continua X,
tiene distribución beta si su densidad
de probabilidad está dada por
𝛤 ( 𝛼 + 𝛽 ) 𝛼 −1
{
𝛽 −1
𝑥 ( 1− 𝑥 ) , 0< 𝑥 <1
𝑓 ( 𝑥 )= 𝛤 ( 𝛼 ) 𝛤 ( 𝛽 )
0 , 𝑝𝑎𝑟𝑎 𝑜𝑡𝑟𝑜 𝑥
y la varianza corresponde a:
a.
(vende en promedio 2 /3 del tanque cada semana)
b. 0,082= 8,2%
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
PROBLEMAS PROPUESTOS:
1.Una comunidad de vecinos dispone de un depósito que contiene una cantidad fija de
combustible para la calefacción central y que es rellenado cada mes. La experiencia
acumulada durante muchos meses permite representar la proporción de reserva utilizada
cada mes mediante un modelo de distribución Beta con parámetros y . Calcule la
probabilidad de que un mes determinado se utilice más del 75% de la reserva de
combustible.