DISTRIBUCION BETA

Este modelo tiene actualmente aplicaciones importantes por la variedad de formas diferentes
que puede tomar su funcin de densidad para diferentes valores de sus parmetros. El dominio
es el intervalo [0, 1], pero mediante alguna sustitucin, otros intervalos finitos pueden llevarse a
[0, 1].
Definicin
Una variable aleatoria continua X tiene distribucin beta si su densidad de probabilidad est
dada por:


1 1
( )
(1 ) , 0 1
( ) ( ) ( )
0,
r
x x x
r r f x
para otro x
o |
o |
o |

+

< <

0, 0 o | > > Son los parmetros para este modelo.




MEDIA Y VARIANZA DE LA DISTRIBUCIN BETA

Si X es una variable aleatoria continua con distribucin beta, entonces

[ ] E x
o

o |
= =
+


2
2
[ ]
( ) ( 1)
V x
o|
o
o | o |
= =
+ + +




La demostracin de se fundamenta en la definicin de la funcin beta cuyo anlisis se
encuentra en los libros de clculo. Con la definicin de valor esperado y la sustitucin
respectiva, se encuentra



Ejemplo
Un distribuidor de gasolina llena los tanques del depsito cada lunes. Se ha observado que la
cantidad que vende cada semana se puede modelar con la distribucin beta con = 4, =2

a) Encuentre el valor esperado de la venta semanal
b) Encuentre la probabilidad que en alguna semana venda al menos 90%
Solucin
Sea X: proporcin de combustible que vende semanalmente (variable aleatoria continua
con valor entre 0 y 1)

Su densidad de probabilidad es

4 1 2 1 3
(4 2)
( ) (1 ) 20 (1 ), 0<x<1
(4) (2)
r
f x x x x x
r r

+
= =

a)
4 2
[ ]
4 2 3
E x
o

o |
= = = =
+ +
(vende en promedio 2/3 del tanque cada semana)
b)
1
3
0.9
( 0.9) 20 (1 ) 0.082 8.2% P x x x dx > = = =
}






DISTRIBUCIN GAMMA

Una variable aleatoria continua X tiene distribucin Gamma si su densidad de probabilidad est
dada por

1
1
, x>0
( )
( )
0,
x
x e
f x
r
para otro x
o |
o
| o

0, 0 o | > > Son los parmetros para este modelo.


( ) r o es la funcin gamma:
1
0
( )
x
r x e dx
o
o


=
}

Si o es un entero positivo, entonces ( ) ( 1)! r r o o =
Demostracin:
1
0
( )
x
r x e dx
o
o


=
}

1 2
du = ( -1)x u x dx
o o
o

= para integrar por partes

x x
dv e dx v e

= = se obtiene:
2
0
( ) ( 1) ( 1) ( 1)
x
r x e dx r
o
o o o o

= =
}

Sucesivamente
( ) ( 1) ( 2) ( 3)...... (1) r r r r r o o o o = pero (1) r =1 por integracin directa.

MEDIA Y VARIANZA DE LA DISTRIBUCIN GAMMA
[ ] E x o| = =
2 2
[ ] V x o o| = =
Ejemplo
El tiempo en horas que semanalmente requiere una mquina para mantenimiento es una
variable aleatoria con distribucin gamma con parmetros =3, =2
a) Encuentre la probabilidad que en alguna semana el tiempo de mantenimiento sea mayor a 8
horas
b) Si el costo de mantenimiento en dlares es C = 30X + 2X
2
, siendo X el tiempo de
mantenimiento, encuentre el costo promedio de mantenimiento.

Solucin
Sea X duracin del mantenimiento en horas (variable aleatoria)Su densidad de probabilidad es:

1 3 1 2
2 2
3
1 1 1
( ) x e = x e
( ) 2 (3) 16
x
x x
f x x e
r r
o |
o
| o

= =


Para integrar se pueden aplicar dos veces la tcnica de integracin por partes:
2
2
x
x e dx
}
,
2
du = 2x u x dx =
2 2
2
x x
dv e dx v e

= =
2
2 2
2 4
x x
x e x e dx

= +
}

2
x
xe dx

}

du = u x dx =
2 2
2
x x
dv e dx v e

= =
2 2
2 2
x x
xe e dx

= +
}

Sustituyendo los resultados intermedios,
8
2
2 2 2
0
1
( 8) 1 2 4( 2 2( 2 )) 0.2381
16
x x x
P x x e xe e

(
> = + + =
(



b)
2 2
[ ] [30 2 ] 30 [ ] 2 [ ] E C E X X E X E X = + = +

[ ] 3(2) 6 E X o| = = =

2 2 2 2 4
2 2
0 0 0
1 1
[ ] ( )
16 16
x x
E X x f x dx x x e dx x e dx


= = =
} } }

Sustituya y = x/2 para usar la funcin Gamma
4 4
0 0
1
(2 ) (2 ) 2 2 (5) 2(4!) 48
16
y y
y e dy y e dy r


= = = = =
} }

Finalmente se obtiene
[ ] 30(6) 2(48) 276 E C dlares = + =


DISTRIBUCIN EXPONENCIAL

Es un caso particular de la distribucin gamma y tiene aplicaciones de inters prctico. Se
obtiene con
= 1 en la distribucin Gamma
Definicin
Una variable aleatoria continua X tiene distribucin exponencial su densidad de probabilidad
est dada por
1
, 0
( )
0,
x
e x
f x
para otro x
|
|

>

0, es el par metro para este modelo | >

MEDIA Y VARIANZA DE LA DISTRIBUCIN EXPONENCIAL
[ ] E x | = =
2 2
[ ] V x o | = =

Se obtienen directamente de la distribucin gamma con = 1
Problema
Un sistema usa un componente cuya duracin en aos es una variable aleatoria con distribucin
exponencial con media de 4 aos. Si se instalan 3 de estos componentes y trabajan
independientemente, determine la probabilidad que al cabo de 6 aos, dos de ellos sigan
funcionando.

Solucin
Sea Y: variable aleatoria continua (duracin de un componente en aos)
4 | = =

Su densidad de probabilidad es
4
1
( ) , 0
4
y
f y e y

= >
La probabilidad que un componente siga funcionando al cabo de 6 aos:
6
4
0
1
( 6) 1 ( 6) 1 0.2231
4
y
P Y P Y e dy

> = < = =
}

Sea X: variable aleatoria discreta (cantidad de componentes que siguen funcionando luego de 6
aos)X tiene distribucin binomial con n=3, p=0.2231
3
3
( ) (1 ) 0.2231 0.7769
n
x n x x x
x x
f x p p
| | | |
= =
| |
\ . \ .

3
2 3 2
( 2) (2) 0.2231 0.7769 0.1160 11.6%
x
P X f
| |
= = = = =
|
\ .



DISTRIBUCIN DE WEIBULL
Este modelo se utiliza en estudios de confiabilidad de ciertos tipos de sistemas.
Definicin
Una variable aleatoria continua X tiene distribucin de Weibull si su densidad de probabilidad
est dada por
1
, x>0
( )
0,
x
x e
f x
para otro x
|
| o
o|

0, 0, par metros para este modelo son los | o > >


MEDIA Y VARIANZA DE LA DISTRIBUCIN DE WEIBULL
Si X es una variable aleatoria continua con distribucin de Weibull, entonces

1
1
[ ] (1 ) E x r
|
o
|

= = +
2
2 2
2 1
[ ] [ (1 ) ( (1 )) ] V x r r
|
o o
| |

= = + +

Con la definicin
1
0 0
[ ] ( )
x
E x xf x dx x x e dx
|
| o
o|


= = =
} }


Ejemplo
Suponga que la vida til en horas de un componente electrnico tiene distribucin de Weibull
con
=0.1, =0.5
a) Cal c ul e l a vi da t i l pr ome di o
b) Calcule la probabilidad que dure ms de 300 horas

Solucin
Sea X: vida til en horas (variable aleatoria continua)su densidad de probabilidad:


0.5
1 0.5 0.1
( ) 0.05
x x
f x x e x e
|
| o
o|

= =

a)
1
1
2
0.5
1 1
(1 ) (0.1) (1 ) 0.1 (3) 200
0.5
r r r horas
|
o
|

= + = + = =

b)

0.5
0.5 0.1
300
( 300) 0.05
x
P x x e dx

> =
}

Mediante la sustitucin se obtiene
y=x
0.5
, dy= 0.5x
-0.5
dx= 0.5(1/y)dy se obtiene
0.1 0.1
300 300
1
( 300) 0.1
0.5
y
y
P x e dy e dy
y


> = =
} }

300
0.1
0
1 ( 300) 1 0.1 0.177 P x e dy

= s = =
}


DISTRIBUCION DE ERLANG
En estadstica, la distribucin Erlang, es una distribucin de probabilidad continua con dos
parmetros k y cuya funcin de densidad para valores x > 0 es

1
( )
( ) para x, 0
( 1)!
k
x
x
f x e
k

= >

La distribucin Erlang es el equivalente de la distribucin gamma con el parmetro
y = 1 / . Para k = 1 eso es la distribucin exponencial. Se utiliza la distribucin
Erlang para describir el tiempo de espera hasta el suceso nmero k en un proceso de Poisson.

MEDIA Y VARIANZA DE LA DISTRIBUCIN DE ERLANG
[ ] / E x k = =
2 2
[ ] / V x k o = =


DISTRIBUCION NORMAL
Una variable aleatoria continua, X, sigue una distribucin normal de media y desviacin
tpica , y se designa por N(, ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de
Gauss:
2
1
( )
2
1
( )
2
x u
f x e
o
o t

=

2
1
( )
2
1
( ) 1
2
x u
f x dx e dx
o
o t



= =
} }

MEDIA Y VARIANZA DE LA DISTRIBUCIN NORMAL
[ ] E x =
2
[ ] V x o =

Curva de la distribucin normal

El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.
Funcin de distribucin
2
1
( ) 1 1
2
1
( 1) ( 1) ( )
2
x u
x x
F x P x x f x dx e dx
o
o t


= s =
} }



Problema
Se sabe que la longitud de las alas extendidas de un tipo de ave rapaz es una variable aleatoria
que sigue una distribucin Normal, de media 120 cm. y desviacin tpica 8 cm.
1. Calclese la probabilidad de que la longitud de un ave elegida al azar sea:
a.- Mayor de 130 cm
b.- Menor de 100 cm
c.- Est comprendido entre 110 y 130 cm
solucin
a)
120 130 120
( 130) ( ) ( 1.25) 0.1056
8 8
x
P x P P z

> = > = > =

b)
100 120
( 100) ( ) ( 2.5) ( 2.5) 0.00621
8
P x P z P z P z

< = < = < = > =

c)
110 120 130 120
(110 130) ( ) ( 1.25 1.25)
8 8
( 1.25 1.25) 1 2 ( 1.25) 1 2(0.1056) 0.7888
P x P z P z
P z P z

< < = < < = < <
< < = > = =




DISTRIBUCION LOG-NORMAL
En probabilidades y estadsticas, la distribucin log-normal es una distribucin de
probabilidad de cualquier variable aleatoria con su logaritmo normalmente distribuido (la base
de una funcin logartmica no es importante, ya que loga X est distribuida normalmente si y
slo si logb X est distribuida normalmente). Si X es una variable aleatoria con una distribucin
normal, entonces exp(X) tiene una distribucin log-normal.
Log-normal tambin se escribe log normal o lognormal.
Una variable puede ser modelada como log-normal si puede ser considerada como un producto
multiplicativo de muchos pequeos factores independientes. Un ejemplo tpico es un retorno a
largo plazo de una inversin: puede considerarse como un producto de muchos retornos
diarios.
La distribucin log-normal tiende a la funcin densidad de probabilidad

Para x > 0, donde y son la media y la desviacin estndar del logaritmo de variable.
MEDIA Y VARIANZA DE LA DISTRIBUCIN NORMAL







DISTRIBUCION POISSON
Si los intervalos de eventos similares estn distribuidos exponencialmente, el nmero de
eventos ocurridos en un intervalo unitario de tiempo, tiene la distribucin de Poisson. Las
aplicaciones de las variables aleatorias de Poisson incluyen tantas reas tales como control de
los inventario, teora de colas, control de calidad, flujo de trfico y muchas otras reas ciencias
administrativas.
La distribucin de Poisson
( )
!
x
u
P x e
x

=

Condicin de normalizacin
0
( ) 1
x
P x

=
=

MEDIA Y VARIANZA DE LA DISTRIBUCIN POISSON
0 0
( )
!
x
x x
X xP x x e
x

= =
= = =


2 2
0
( ) ( )
x
x X P x

o
o

=
= =
=

Problema
En promedio, cada una de las 18 gallinas de un gallinero pone un huevo al da. Si se recogen
los huevos cada hora Cul es el nmero medio de huevos que se recogen en cada visita? Con
qu probabilidad encontraremos x huevos para 0,1, 2,3 x = ? y la probabilidad de que 4 x ?
Promedio: =1x18 / 24 =0.75 huevos / hora
Sucesos observados x 0 1 2 3 X>=4
PROBABILIDAD(%)

47.2 35.4 13.3 0.6 0.8



DISTRIBUCIN UNIFORME
Una variable aleatoria con una distribucin uniforme o rectangular se circunscribe
necesariamente a un rango dentro del cual todos los valores son igualmente probables. Si los
lmites superior e inferior del rango son a y b respectivamente, la FDP es una funcin uniforme
de a a b (los dos parmetros definen la FDP).
La FDP de una distribucin uniforme est dada por:
1
, para a x b
( )
0,
f x
b a
para otro x

s s

MEDIA Y VARIANZA DE LA DISTRIBUCIN UNIFORME
2
a b

+
=
2
2
( )
[ ]
12
b a
V x o

= =

DISTRIBUCIN TRIANGULAR
Se dice q la variable aleatoria sigua una distribucin triangular, si su funcin de densidad es de
la forma:
2
( ), para a x
( )( )
2
( ) ( ), para m x
( )( )
0,
x a m
b a m a
f x b x b
b a b m
en el resto

s s

= s s

Donde m es la moda.
La representacin grfica de su funcin de densidad:


Esperanza
( )
3
a m b
E x
+ +
=
Varianza
2
2 2
( ) ( )( )
( ) ( ) [ ( )]
18
b a b m m a
Var x E x E x

= =