Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos de Probabilidad
Modelos de Probabilidad
Procesos Estocsticos
En estadstica, y en concreto teora de la probabilidad, un proceso
aleatorio o proceso estocstico es un concepto matemtico que
sirve
para
caracterizar;
es
una
sucesin
de variables
aleatorias (estocsticas) que evolucionan en funcin de otra variable,
generalmente, el tiempo. Cada una de las variables aleatorias del
proceso tiene su propia funcin de distribucin de probabilidad y, entre
ellas, pueden estar correlacionadas o no.
Cada variable o conjunto de variables sometidas a influencias o
impactos aleatorios constituye un proceso estocstico
Distribucin de Poisson
Definicin:
Expresa la probabilidad de un nmero k de eventos ocurriendo en un
tiempo fijo si estos eventos ocurren con una frecuencia media conocida
y son independientes del tiempo discurrido desde el ltimo evento.
Frmula:
Variables Aleatorias
metal, etc), casi todas las mediciones se hacen con algn error
intrnseco, en muchos procesos de la fsica se describen de forma
probabilstica, de de las propiedades cinticas de gases a la
descripcin de la mecnica cuntica de las partculas fundamentales.
Por estas y muchas otras razones, nmeros simples son a menudo
inadecuados para describir una cantidad, mientras que las
distribuciones de probabilidad son a menudo ms apropiados.
Hay varias distribuciones de probabilidad que aparecen en diversas
aplicaciones. Uno de los ms importantes es la distribucin normal,
que es tambin conocida como la distribucin de Gauss o curva de
campana y se aproxima a muchas distribuciones diferentes de origen
natural. El lanzamiento de una moneda de rendimiento justo de
distribucin de otro familiar, donde los valores posibles son a cara o
cruz, cada uno con una probabilidad de 1 / 2.
Distribucion Exponencial
Distribucin de la vida exponencial (o modelo HPP) las pruebas
de
Pruebas exponencial son comunes en la industria para verificar que las
herramientas, sistemas o equipos cumplen con sus requisitos de
fiabilidad a tiempo medio entre fallos (MTBF). El supuesto es que el
sistema tiene una falla constante (o reparacin) tarifa, que es el
recproco de la MTBF. El tiempo de espera entre las fallas sigue el
modelo de distribucin exponencial.
Una situacin tpica prueba podra ser: una pieza compleja de equipo
nuevo o herramienta se instala en una fbrica y un estrecho
seguimiento por un perodo de varias semanas a varios meses. Si no
tiene ms que un pre-determinado nmero de fallos durante ese
perodo, el equipo "pasa" su prueba de aceptacin de la fiabilidad.
Este tipo de prueba de fiabilidad a menudo se denomina prueba de
aptitud o de un producto de aceptacin de prueba de confiabilidad
(PRAT). Sanciones contractuales puede ser invocada si el equipo no
supera la prueba. Todo est vinculado a una reunin de los clientes
MTBF requisito en un nivel de confianza especificado.
Distribucion Gamma
En la teora de probabilidad y estadstica, la distribucin gamma es una
familia de dos parmetros de las distribuciones de probabilidad
continua. Tiene un parmetro de escala y un parmetro de forma k.
Si k es un entero entonces la distribucin representa la suma de k
variables independientes de distribucin exponencial al azar, cada una
de ellas tiene una media de (que es equivalente a un parmetro de
tasa de -1).
La distribucin gamma es con frecuencia un modelo de probabilidad
para los tiempos de espera, por ejemplo, en las pruebas de la vida, el
tiempo de espera hasta que la muerte es una variable aleatoria que a
menudo se modela con una distribucin gamma [1]. Distribuciones
Gamma se ajustaban a las cantidades de lluvia de las tormentas
diferentes , y las diferencias en las cantidades de semillas y las
tormentas de preclasificacin se reflejan en las diferencias de k y los
parmetros estimados [2]
La frmula general para la funcin de densidad de probabilidad de la
distribucin gamma es de
Donde
es la forma del parametro, es la ubicacion del parametro,
es la escala del parametro, y
es la funcin gamma que tiene la
formula
Distribucin Beta
En la teora de probabilidad y estadstica, la distribucin beta es una
familia de distribuciones de probabilidad continua definida en el
intervalo (0, 1) con parmetros de los dos parmetros forma positiva,
por lo general denota por y . Es el caso especial de la distribucin de
Dirichlet con slo dos parmetros. Dado que la distribucin de Dirichlet
es el conjugado antes de la distribucin multinomial, la distribucin
beta es el conjugado antes de la distribucin binomial. En la estadstica
bayesiana, puede ser visto como la distribucin posterior del
parmetro p de una distribucin binomial despus de observar - 1
eventos independientes con probabilidad p y - 1 con probabilidad 1 p, si la distribucin antes de p fue uniforme.
La frmula general para la funcin de densidad de probabilidad de la
distribucin beta
f) Conclusiones
Un modelo de probabilidad para de prediccin de defectos en
software puede no ser solamente usado para evaluar proyectos en
ejecucin, sino tambin puede ser usado para explorar posibles
efectos de un rango de actividades de mejora en los procesos de
software. Si los costos pueden ser asociados con mejora de
procesos, y beneficios evaluados para las mejoras previstas en la
calidad de software, entonces el modelo puede ser usado para
soportar la toma de decisiones para SPI(Software Process
Improvement).
Una desventaja de un modelo de confiabilidad de esta complejidad
es la cantidad de data que es necesario para soportar
estadsticamente estudios de validacin significativos.