Anda di halaman 1dari 4

NOMBRE: Nicole Guerrero Moya

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:

Variable aleatoria discreta: Es aquella que slo toma ciertos valores


(frecuentemente enteros) y que resulta principalmente del conteo realizado.
Variable aleatoria continua: Es aquella que resulta generalmente de la medicin y
puede tomar cualquier valor dentro de un intervalo dado.

Distribucin de Probabilidad que se aplican para Variables Aleatorias Continuas

Una variable aleatoria X es continua si su funcin de distribucin es una funcin continua. En la


prctica, se corresponden con variables asociadas con experimentos en los cuales la variable
medida puede tomar cualquier valor en un intervalo: mediciones biomtricas, intervalos de
tiempo, reas, etc. Hay distintos tipos de variables aleatorias continuas estas son:

1. Distribucin normal o de Gauss

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:

EJEMPLO: Un tcnico realiza un test de cien tems a unos doscientos opositores.


Suponiendo que las puntuaciones X obtenidas por los opositores siguen una distribucin
normal de media 60 puntos y desviacin tpica 10 puntos. Se pide obtener:
a) P(X 70)

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 ()

Es una distribucin adecuada para modelizar el comportamiento de variables aleatorias


continuas con asimetra positiva. Es decir, variables que presentan una mayor densidad de
sucesos a la izquierda de la media que a la derecha. En su expresin se encuentran dos
parmetros, siempre positivos, () y () de los que depende su forma y alcance por la derecha, y
tambin la funcin Gamma (), responsable de la convergencia de la distribucin. Su funcin
de densidad es de la forma:

EJEMPLO: El tiempo en horas que semanalmente requiere una mquina para


mantenimiento es una variable aleatoria con distribucin Gamma con parmetros =3,
= 2. Encuentre la probabilidad que en alguna semana el tiempo de mantenimiento sea
mayor a 8 horas.

Solucin:

Sea X duracin del mantenimiento en horas, su densidad de probabilidad es:


3. Distribucin exponencial

Es una distribucin de probabilidad continua frecuentemente til para describir el tiempo


necesario para completar la tarea. Su funcin de densidad es:

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).

EJEMPLO: La cantidad total de gasolina bombeada en un mes es una variable aleatoria


X (expresada en diez miles de galones) con una funcin de densidad de probabilidad como
se indica abajo.

a) calcule la probabilidad de que la gasolinera bombee entre 8000 y 12000 galones en un


mes (0.8< x <1 .2= p=
Solucin:

1
f (x)= { , 0 > < 3
3

1
f (x)= { , 0><3
3

Distribucin uniforme= (0.3)

Integral de 0.8 y 0.12= P (0.8)

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:

EJEMPLO: El tiempo de falla, en horas, de un rodamiento en una caja de velocidades de



modelo satisfactoriamente como una variable aleatoria de Weibull con = y = 5000
horas. D e t e r m i n e e l t i e m p o m e d i o d e f a l l a y l a p r o b a b i l i d a d d e q u e
u n r o d a m i e n t o d u r e m s d e 6000 horas.

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