Escolar Documentos
Profissional Documentos
Cultura Documentos
La distribución normal fue reconocida por primera vez por el francés Abraham
de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855)
elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí
que también se la conozca, más comúnmente, como la "Campana de
Gauss".
µ : Media
σ : Desviacion
es tan dar
comprendido en el intervalo .
VI. La forma de la campana de Gauss depende de los parámetros y . La
media indica la posición de la campana, de modo que para diferentes
valores de la gráfica es desplazada a lo largo del eje horizontal. Por
otra parte, la desviación estándar determina el grado de apuntamiento de
la curva. Cuanto mayor sea el valor de , más se dispersarán los datos
en torno a la media y la curva será más plana. Un valor pequeño de este
parámetro indica, por tanto, una gran probabilidad de obtener datos
cercanos al valor medio de la distribución.
−x
1
f(x)= x β
β ,x>0 ; f(x) = 0
en cualquier otro caso donde β > 0 la media y la variancia de la distribución
exponencial son:
µ = β y σ 2= β 2
Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer
evento de Poisson. La probabilidad de que el período hasta que ocurre el
primer evento de Poisson exceda x es la misma que la probabilidad de que no
ocurra un evento de Poisson en x. Esto último por supuesto está dado por
ε − λx . Como resultado,
P(X ≥ x) = ε − λx
P(0≤ X ≤ x) = 1 - ε − λx
f(x) = λ ε− λx
1
λ=
La cual es la función de densidad de la distribución exponencial con β.
Demostración:
P ( X > s + t ) e −α ( s + t )
P( X > s +t X > s) = = −α s = e −α s = P ( X > t )
P( X > s) e
La distribución exponencial no tiene memoria. La ocurrencia en periodos
sucesivos es independiente.
DISTRIBUCIÓN GAMMA
Muchas veces la distribución Gamma se utiliza en tiempos de espera, como
tiempo transcurrido hasta que ocurre un número específico de eventos de
Poisson, este número de eventos es el parámetro r en la densidad gamma, es
decir, rige el tiempo de espera o bloque de r sucesos de Poisson seguidos y
el siguiente conjunto de r sucesos, suponiendo que los acontecimientos
individuales de Poisson van llegando a un ritmo de λ ocurrencias por unidad
de tiempo. Note que la Gamma, en este caso, equivale al caso continuo de la
binomial negativa.
∞
Γ(r ) = ∫ x r −1e− x dx, r > 0
0
1. Γ(r + 1) = r Γ(r )
∞ ∞
Γ(r + 1) = ∫ x r +1−1e − x dx = ∫ x r e− x dx
0 0
u=x r
dv = e − x dx
du
= rx r −1 v = −e − x
dx
n ∞
Γ(r + 1) = lim ∫ x e dx = lim ( − x e )
n
r −x r −x
+ r ∫ x r −1e − x dx
n →∞ n →∞ o
0 0
∞ ∞
= lim − n r e − n + r ∫ x r −1e− x dx = r ∫ x r −1e− x dx
n →∞
0 0
Γ(r + 1) = rΓ (r )
2. Γ(n) = (n − 1)!
3. Γ(1) = 1
∞ ∞ n
Γ(1) = ∫ x e dx = ∫ e dx = lim ∫ e − xdx = lim ( − e − x ) = lim − e − n + 1 = 1
n
1−1 − x −x
n →∞ n →∞ o n →∞
0 0 0
4. ( 2) =
Γ 1 π
λ
( λ t ) e − λt
r −1
t≥0
fT (t ) = Γ(r )
0 en otro caso
En cuyo caso :
Solución.
La tabla nos da el valor 0,4332 que corresponde al área rayada en la curva y
representa la probabilidad.
1, 5 −t 2
p( 0 < z < 1,5) = ∫ e 2
dt = 0,4332
0
Entonces
En segundo lugar
Luego como era de esperar, por ser propio a un mecanismo exponencial,
2. Problemas de exponencial
1.- Un señor comenzó a pescar a las 9:00 AM. Si el tiempo que tarda en
atrapar un pez se distribuye exponencial con parámetro 3 (en horas):
a) Halle la probabilidad de que atrape su primer pez antes de las 10:00 AM.
b) Halle la probabilidad de que saque su primer pez antes de las 10:00 AM
dado que hasta las 9:40 AM no había pescado nada.
Solución.
Note que 3 es el promedio de peces atrapados por hora pero este no es el
promedio de la exponencial ya que el promedio de la exponencial es “tiempo
promedio” pero si es su parámetro.
e − t t≥0
fT (t ) = −t
y FT (t ) = 1 − e , entonces:
0 t<0
a) La probabilidad de que coja el primer pez antes de las 10 es
b) La probabilidad de que atrape el primer pez antes de las 10, dado que había
2.- Una secretaria recibe en promedio 6 llamadas telefónicas por hora durante
una jornada de trabajo ordinaria. Exprese el número de llamadas por hora
como sucesos de Poisson y exprese el tiempo transcurrido entre dos llamadas
consecutivas como una exponencial. (En horas).
e −6 6 x
f X ( x) =
x!
6e −6t t ≥0
fT (t ) =
0 En otro caso
1
P(T < 10) = P T <
6
( 6)
1
−8.4
= FT 1 =1− e 6
= 1 − e−1.4
1
de tiempo. Si se toma la unidad de tiempo en días, entonces α=
5
representa el equivalente proporcional al número de asaltos por unidad de
tiempo elegida por lo tanto, la distribución exponencial del tiempo medido en
días entre dos asaltos consecutivos esta dada por:
1 −1t
fT (t ) = e 5
5
7
1 − 15 t −
4
−
7
P ( 4 ≤ T ≤ 7 ) = ∫ e dt = e − e 5 = e −0.8 − e −1.4 = 0.2027
5
54
3. Problemas de Gamma.
1.- Suponga que hace fila en un banco para pagar el agua. El tiempo que tarda
2
la cajera en atender un cliente tiene una distribución exponencial con α = (en
3
minutos). Si hay 11 personas delante de usted en la fila y son las 8:30 am,
calcule la probabilidad de que pueda pagar su recibo antes de las 9:00 AM .
Solución.
Sea T: tiempo transcurrido hasta completar el primer bloque de r personas.
2
Gamma con r =12 y λ =
3
2 k
− (21) 2
e 3
* 21
11
3 =1−
11
e −1414k
P(T < 21) = 1 − ∑ ∑ = 1 − 1393190431/4455*exp(-14)
k =0 k! k =0 k!
2.- Suponga que las llamadas que entran a un conmutador siguen un proceso
de Poisson con un promedio de 5 llamadas por minuto. Cuál es la probabilidad
de que pase más de un minuto hasta que lleguen 2 llamadas al conmutador?
Solución.
Sea T: tiempo transcurrido hasta que lleguen dos llamadas. (Tiempo, en
minutos, transcurrido hasta completar el primer bloque de 2 llamadas)
T : Gamma con λ =5 y r=2 , entonces lo que se pregunta es P ( T > 1) .
1
1
∑e 5 ∑e
−5 k −5
5k
P ( T > 1) = 1 − P(T < 1) = 1 − 1 − k =0 = k =0
= e−5 + 5
k! k!
Observe que P ( T > 1) = 1 − P (T ≤ 1) = 1 − P (T < 1) pues la distribución Gamma es
una distribución continua.
3.- Un señor comenzó a pescar a las 9:00 AM. Si el tiempo que tarda en
atrapar un pez se distribuye exponencial con parámetro 3 (en horas), hallar:
a) La probabilidad de que atrape el cuarto pez antes de las 10:00 a.m
b) Consiga su quinto pescado entre las 9:40 y las 10:20.
Solución.
Sea T: tiempo transcurrido hasta atrapar el cuarto pez.
4
e −4 4k 4
e−2 2k
P ( 2 < T < 4 ) = F (4) − F (2) = P ( T < 4 ) − P ( T < 2 ) = 1 − ∑ − 1 − ∑ = 0.3185100472
k =0 k ! k =0 k !
1.- Una máquina fabrica una determinada pieza y se sabe que produce un 7
por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50
piezas sólo haya una defectuosa.
Solución :
Solución :
Solución :
Tabla 1. Áreas bajo la curva normal estándar. Los valores de la tabla que no se muestran en
negrita representan la probabilidad de observar un valor menor o igual a z. La cifra entera y el
primer decimal de z se buscan en la primera columna, y el segundo decimal en la cabecera de
la tabla.
Todo experimento que tenga estas características se dice que sigue el modelo
de la distribución Binomial o distribución de Bernoulli.
En este tipo de experimentos los éxitos buscados son expresados por unidad
de área, tiempo, pieza, etc:
CONCLUSIÓN
Con el desarrollo de este trabajo y gracias a la comprensión de
conceptos, se nota que la materia de probabilidad y estadística es una
poderosa herramienta que bien aplicada nos podrá ayudar a facilitar los
cálculos para la solución de problemas. Lo cual continúa con el propósito
esencial: Ahorro de costos y mejora continúa en cualquier ámbito en que nos
desarrollemos. Aprendi que no es limitativa el área en que nos desempeñemos
en nuestro trabajo ya que tanto en Ingeniería como Materiales, en Recursos
Humanos como en un Negocio Propio, en Comercio o en Industria, o bien por
puro pasatiempo en el panorama de la probabilidad estadística, estas
herramientas serán siempre de gran utilidad.