2 Distrib Uniforme Exponencial (2022-1)

Estadística Inferencial
Distribuciones
Continuas Notables
( Parte 1)
DISTRIBUCIÓN UNIFORME
DISTRIBUCIÓN EXPONENCIAL
DISTRIBUCIÓN UNIFORME
Distribución Uniforme
Si una variable aleatoria X,
cuyo recorrido es el intervalo
de números reales [ a, b], tiene
distribución uniforme, entonces
tendremos que su función de 1 f(x)
densidad está dada por: b−a
 1
 axb
f (x) =  b − a a b

0 o.c.
Si [c,d] está incluido en [a,b] , la probabilidad de que
x tome valores en el intervalo [c,d] es numericamente
igual al área sombreada, y se calcula de la siguiente
manera:
d −a
Pc  X  d  =  ( ) dx =
d
1
b−a
c b−a
1
−
b−a
a c d b
Esperanza y varianza de una
distribución Uniforme
• El valor esperado o promedio está dado

por:
a+b
E (X) =
2
• La varianza de esta variable aleatoria es.
(b − a) 2
V (X) =
12
Ejemplo 2:
Supongamos que el tiempo (en minutos) que se tarda un
cajero en atender a un cliente es una variable aleatoria con
distribución uniforme en el intervalo [5, 15]
a) Indique cual será la función de densidad de esta variable
aleatoria
b) Calcule la probabilidad de que el tiempo de atención a un
cliente sea de a lo más 9.5 minutos
c) Calcule la probabilidad de que el tiempo de atención de un
cliente esté entre 7 y 10 minutos.
d) Determine el promedio y el coeficiente de variación para
el tiempo que se tarda el cajero en atender a un cliente.
DISTRIBUCIÓN EXPONENCIAL
Distribución Exponencial
En variables que representan los tiempos de vida útil, tiempos de
sobrevivencia, en tiempos de ocurrencia en procesos de Poisson se
suele utilizar la distribución exponencial.
Si una variable aleatoria X tiene una distribución exponencial con
parámetro  (β>0), entonces tendremos que su función de densidad
está dada por:
1
 1 − 1 X 
 e x0
f ( x) =  
 0
 otro caso
0
Si [c,d] está incluido en [a,b] , la probabilidad de que
x tome valores en el intervalo [c,d] es numericamente
igual al área sombreada, y se calcula de la siguiente
manera:
Pc  X  d  = 
d
1 − 1 t
e dt
c 
1

0 c d
Esperanza y varianza de una distribución
Exponencial
• El valor esperado o promedio de una
variable aleatoria exponencial está dado
por:
E(X ) = 
Nótese que el parámetro  es igual al
promedio de la variable aleatoria
• La varianza de esta variable aleatoria es:
V (X ) =  2
Distribución Acumulativa de una
variable aleatoria Exponencial
• Si una variable aleatoria X tiene una distribución
exponencial con parámetro , entonces la probabilidad
acumulada para cualquier valor x de su recorrido estará
dada por la siguiente función:
F ( x ) = P X  x  = 
x − 1 t − 1 x
1
e dt = 1 − e
0 
Ejemplo:
Supongamos que el tiempo de vida útil de cierta marca de
artefacto eléctrico es una variable aleatoria con distribución
exponencial, cuyo promedio es 5 años.
a) Calcule la probabilidad de que un artefacto eléctrico de
la marca indicada, tenga una vida útil de 7 años o
menos
b) Un artefacto eléctrico de dicha marca tiene más de 4
años funcionando, ¿Cuál es la probabilidad de que
funcione como máximo 7 años?
c) Determine el promedio y la desviación estándar tiempo
de vida útil de los artefactos eléctricos de la marca
indicada.
Se desea establecer un tiempo de garantía de modo que
se asumirá el costo de reparación o el reemplazo de la
unidad se esta tiene un tiempo de vida útil menor que t
años.
¿Que tiempo de garantía se debe ofrecer de modo que
el departamento de reparaciones tenga que asumir el
costo del 10% de los artefactos?
Distribución de Poisson
Recordemos que una variable aleatorias discreta que tiene distribución de
Poisson, cuyo parámetro es λ tiene la siguiente función de probabilidad:
e−   x
f ( x) = x = 0,1, 2,3,......
x!
En este caso tenemos que:
X: Número de ocurrencias por unidad de medida
λ : Número promedio de ocurrencias por unidad de medida
También se puede demostrar que E(X) = λ y V(X) = λ
Ejemplos de variables aleatorias que tiene distribución de poisson:

“Número de defectos, por metro lineal, en la producción de cierto tipo de
cables”
“Número de accidentes, en una intersección de avenidas, por semana”
Número de llamadas telefónicas que ingresan a un conmutador de una compañía,
por hora”
Relación entre las distribuciones de Poisson y Exponencial
Es de particular interés, en este caso, las situaciones en las que la unidad

de medida en una distribución de Poisson es el tiempo, en cuyo caso se le
suele llamar un proceso de Poisson.
Consideremos un proceso de Poisson cuyo parámetro es λ
En este caso estaremos interesados en dos variables de interés, las que
definimos a continuación:
X: Número de ocurrencia por unidad de tiempo
Xt: Tiempo transcurrido entre dos ocurrencias consecutivas
(Tiempo transcurrido hasta que se produce la primera ocurrencia)
Entonces la variable X se comportará como una distribución de Posisson
cuyo parámetro es λ
La variable Xt se comporta de acuerdo a una distribución Exponencial cuyo
parámetro β se relaciona con λ de la siguiente manera
1
=


2 Distrib Uniforme Exponencial (2022-1)

Cargado por

Copyright:

Formatos disponibles

2 Distrib Uniforme Exponencial (2022-1)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2 Distrib Uniforme Exponencial (2022-1)

Cargado por

Copyright:

Formatos disponibles

Estadística Inferencial

• El valor esperado o promedio está dado

También se puede demostrar que E(X) = λ y V(X) = λ

Ejemplos de variables aleatorias que tiene distribución de poisson:

Es de particular interés, en este caso, las situaciones en las que la unidad

También podría gustarte