Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 30 vistas

    U4 Distribuciones Continuas Notables

    Cargado por

    Ross
    El documento presenta una introducción a dos distribuciones de probabilidad continuas importantes: la distribución exponencial y la distribución normal. La distribución exponencial se usa para modelar el tiempo hasta que ocurre un evento y depende de un parámetro λ. La distribución normal describe fenómenos naturales y depende de parámetros μ y σ2. El documento provee fórmulas y propiedades clave de ambas distribuciones, así como ejemplos y problemas para practicar su aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    U4 Distribuciones Continuas Notables

    Cargado por

    Ross
    30 vistas17 páginas
    El documento presenta una introducción a dos distribuciones de probabilidad continuas importantes: la distribución exponencial y la distribución normal. La distribución exponencial se usa para modelar el tiempo hasta que ocurre un evento y depende de un parámetro λ. La distribución normal describe fenómenos naturales y depende de parámetros μ y σ2. El documento provee fórmulas y propiedades clave de ambas distribuciones, así como ejemplos y problemas para practicar su aplicación.

    Título original

    U4 Distribuciones continuas notables

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta una introducción a dos distribuciones de probabilidad continuas importantes: la distribución exponencial y la distribución normal. La distribución exponencial se usa para modelar el tiempo hasta que ocurre un evento y depende de un parámetro λ. La distribución normal describe fenómenos naturales y depende de parámetros μ y σ2. El documento provee fórmulas y propiedades clave de ambas distribuciones, así como ejemplos y problemas para practicar su aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    30 vistas17 páginas

    U4 Distribuciones Continuas Notables

    Cargado por

    Ross
    El documento presenta una introducción a dos distribuciones de probabilidad continuas importantes: la distribución exponencial y la distribución normal. La distribución exponencial se usa para modelar el tiempo hasta que ocurre un evento y depende de un parámetro λ. La distribución normal describe fenómenos naturales y depende de parámetros μ y σ2. El documento provee fórmulas y propiedades clave de ambas distribuciones, así como ejemplos y problemas para practicar su aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 17

    Introducción Exponencial Normal

    Estadı́stica
    para Ingenierı́as Base Cientı́fica y Geologı́a

    Prof. Diego Ayma Anza

    Universidad Católica del Norte


    Antofagasta, Chile

    Prof. Diego Ayma Anza UCN Sede Antofagasta 1 / 17


    Introducción Exponencial Normal

    Unidad 4:
    Distribuciones de probabilidad continuas notables

    Prof. Diego Ayma Anza UCN Sede Antofagasta 2 / 17


    Introducción Exponencial Normal

    Introducción

    A continuación estudiaremos las siguientes distribuciones de probabilidad


    continuas que son de relevancia en ingenierı́a y ciencias:

    1 Distribución exponencial
    2 Distribución normal (o gaussiana)

    Toda distribución dependerá de uno o más valores constantes llamados


    parámetros.

    Prof. Diego Ayma Anza UCN Sede Antofagasta 3 / 17


    Introducción Exponencial Normal

    Distribución exponencial
    La distribución exponencial se deriva del proceso de Poisson y se utiliza
    frecuentemente para modelar el tiempo transcurrido hasta que ocurre un
    determinado evento.
    Ejemplos:
    • Tiempo que transcurre en un servicio de urgencias hasta la llegada de
    un paciente.
    • Tiempo que tarda una partı́cula radiactiva en desintegrarse (datación
    de fósiles o cualquier materia orgánica mediante la técnica de carbono
    14).
    • Tiempo de vida de un componente electrónico.

    Si X es una variable aleatoria que sigue una distribución exponencial con


    parámetro λ, entonces lo denotaremos como X ∼ Exp(λ).
    Prof. Diego Ayma Anza UCN Sede Antofagasta 4 / 17
    Introducción Exponencial Normal

    Distribución exponencial
    Para X ∼ Exp(λ) se tiene que:

    X su fdp es:
    f (x) = λe −λx x >0
    X su media es:
    1
    µ = E (X ) =
    λ
    X su varianza es:
    1
    σ 2 = V (X ) =
    λ2
    X su fda es:
    F (x) = P(X ≤ x) = 1 − e −λx x >0
    X se puede reparametrizar haciendo λ = β1 (es decir, X ∼ Exp(β)), al
    ser un caso particular de la distribución gamma.
    Prof. Diego Ayma Anza UCN Sede Antofagasta 5 / 17
    Introducción Exponencial Normal

    Problema 1

    Suponga que el tiempo (en minutos) entre las llamadas a un sistema de


    alimentación eléctrica se distribuye exponencial con λ = 1/10 (o bien, β =
    10).

    a) ¿Cuál es la probabilidad de que el tiempo entre llamadas sea de, a lo


    más, 30 segundos?

    b) ¿Cuál es el tiempo medio entre llamadas? ¿Cuál es la varianza en el


    tiempo entre llamadas?

    c) ¿Cuál es la probabilidad de que el tiempo entre llamadas supere la


    media?

    Prof. Diego Ayma Anza UCN Sede Antofagasta 6 / 17


    Introducción Exponencial Normal

    Problema 2

    Un sistema contiene cierto tipo de componente cuyo tiempo de operación


    antes del fallo, en años, está dado por T . La variable aleatoria T se modela
    bien mediante la distribución exponencial con tiempo medio de operación
    antes del fallo de 5 años.

    a) Calcule la probabilidad de que un componente dado aún funcione


    después de 8 años.

    b) Si se instalan 5 de estos componentes en diferentes sistemas, ¿cuál es


    la probabilidad de que al menos dos aún funcionen después de 8
    años?

    c) Determine el tiempo de operación antes del fallo t0 tal que


    P(T > t0 ) = 0, 5.

    Prof. Diego Ayma Anza UCN Sede Antofagasta 7 / 17


    Introducción Exponencial Normal

    Distribución exponencial
    Algunos resultados importantes:

    X Si el número de determinados sucesos sigue una distribución de


    Poisson con parámetro λ, entonces el tiempo entre sucesos sigue una
    distribución exponencial con parámetro λ.

    X La distribución exponencial posee la propiedad de falta de memoria:

    P(X > t + s|X > s) = P(X > t).

    Por ejemplo, si el tiempo de vida de un componente sigue una


    distribución exponencial, entonces la probabilidad de que un
    componente que tiene s unidades de tiempo dure t unidades de
    tiempo adicionales es la misma que la probabilidad de que un
    componente nuevo dure t unidades de tiempo.
    Prof. Diego Ayma Anza UCN Sede Antofagasta 8 / 17
    Introducción Exponencial Normal

    Problema 3

    a) Suponga que se reciben llamadas en una lı́nea telefónica de


    emergencia las 24 horas del dı́a, de acuerdo con un proceso de
    Poisson a una razón de 0,5 llamadas por dı́a. ¿Cuál es la probabilidad
    de que transcurran menos de dos dı́as entre llamadas?
    b) El tiempo de vida de un circuito integrado particular tiene una
    distribución exponencial con media de dos años.
    i) Encuentre la probabilidad de que un circuito dure más de tres años.
    ii) Suponga que actualmente un circuito tiene cuatro años y aún funciona.
    Determine la probabilidad de que funcione tres años más.

    Prof. Diego Ayma Anza UCN Sede Antofagasta 9 / 17


    Introducción Exponencial Normal

    Distribución normal

    La distribución normal describe aproximadamente muchos fenómenos que


    ocurren en la naturaleza, la industria y la investigación.
    Ejemplos:
    • Errores de medida
    • Ruidos presentes en una señal digital
    • Corriente eléctrica en un trozo de cable
    • Mediciones fı́sicas en hidrologı́a (precipitaciones o caudales anuales)
    • Mediciones psicológicas como el cociente intelectual

    Esta distribución es la base de la llamada Inferencia Estadı́stica.

    Prof. Diego Ayma Anza UCN Sede Antofagasta 10 / 17


    Introducción Exponencial Normal

    Distribución normal

    Si la variable aleatoria X sigue una distribución normal con parámetros µ


    y σ 2 , que se denota como X ∼ N(µ, σ 2 ), entonces la fdp de X es:

    1 1 2
    f (x) = √ e − 2σ2 (x−µ) − ∞ < x < +∞
    2πσ 2

    Media y varianza de X ∼ N(µ, σ 2 ): E (X ) = µ V (X ) = σ 2


    Prof. Diego Ayma Anza UCN Sede Antofagasta 11 / 17
    Introducción Exponencial Normal

    Caracterı́sticas de la distribución normal

    La gráfica de la fdp anterior se suele llamar curva normal o campana de


    Gauss. Se tienen las siguientes caraterı́sticas:

    X La moda, que es el punto sobre el eje horizontal donde la curva es un


    máximo, ocurre en x = µ.

    X La curva es simétrica alrededor de x = µ.

    X La curva se aproxima al eje horizontal de manera asintótica, conforme


    nos alejamos de µ en cualquier dirección.

    X El área total bajo la curva y sobre el eje horizontal es igual a 1.

    Prof. Diego Ayma Anza UCN Sede Antofagasta 12 / 17


    Introducción Exponencial Normal

    Distribución normal estándar

    Diremos que la variable aleatoria Z sigue una distribución normal estándar


    si Z ∼ N(µ = 0, σ 2 = 1) o, simplemente, Z ∼ N(0, 1).
    Podemos transformar cualquier variable aleatoria X ∼ N(µ, σ 2 ) a una vari-
    able aleatoria Z ∼ N(0, 1) mediante el llamado proceso de estandarización:

    X −µ
    Z=
    σ

    Ejemplo: Si X ∼ N(µ = 3, σ 2 = 4), entonces:

    X −3
    =Z −→ Z ∼ N(0, 1)
    2

    Prof. Diego Ayma Anza UCN Sede Antofagasta 13 / 17


    Introducción Exponencial Normal

    Distribución normal
    A diferencia de la distribución exponencial, la fda de X ∼ N(µ, σ 2 ) no tiene
    una fórmula cerrada:
    Z x Z x
    1 1 2
    F (x) = P(X ≤ x) = f (t)dt = √ e − 2σ2 (t−µ) dt =?
    −∞ −∞ 2πσ 2
    Sin embargo, dado un valor real x, P(X ≤ x) se puede obtener mediante
    integración numérica.

    ¿Qué hacer entonces?

    1 Uso de applet (Matt Bognar, University of Iowa, link aquı́)


    2 Uso de caracterı́sticas de la distribución normal y el proceso de
    estandarización (en casos puntuales)

    Prof. Diego Ayma Anza UCN Sede Antofagasta 14 / 17


    Introducción Exponencial Normal

    Observación importante

    Como la gráfica de la fdp de una variable aleatoria X ∼ N(µ, σ 2 ) es simétrica


    con respecto a x = µ, se cumple que:

    X P(X < −a) = P(X > a), para todo a > 0

    X P(−a < X < a) = 1 − 2P(X > a), para todo a > 0

    Prof. Diego Ayma Anza UCN Sede Antofagasta 15 / 17


    Introducción Exponencial Normal

    Problema 4

    El tiempo de vida de un semiconductor láser a potencia constante sigue una


    distribución normal con media 7000 horas y desviación estándar 600 horas.

    a) ¿Cuál es la probabilidad de que el semiconductor falle antes de 6000


    horas?
    b) Si se hace uso de cinco semiconductores en un producto y se supone
    que funcionan de manera independiente, ¿cuál es la probabilidad de
    que tres sigan funcionando después de 7000 horas?
    c) ¿Qué tiempo de vida en horas es excedido por el 95,05% de los
    semiconductores?

    Prof. Diego Ayma Anza UCN Sede Antofagasta 16 / 17


    Introducción Exponencial Normal

    Problema 5

    Un proceso fabrica cojinetes de bolas cuyos diámetros se distribuye nor-


    malmente con media de 2,505 cm y desviación estándar de 0,008 cm. Las
    especificaciones requieren que el diámetro esté dentro del intervalo 2,5 ±
    0,01 cm.

    a) ¿Qué proporción de cojinetes de bolas cumple con la especificación?

    b) Suponga que se ha recalibrado el proceso de tal forma que la media


    del diámetro es ahora de 2,5 cm. ¿A qué valor debe reducirse la
    desviación estándar para que 95% de los diámetros satisfaga la
    especificación?

    Prof. Diego Ayma Anza UCN Sede Antofagasta 17 / 17

    También podría gustarte