Está en la página 1de 4

Distribucin continua

La distribucin uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad. Es una distribucin continua porque puede tomar cualquier valor y no nicamente un nmero determinado (como ocurre en las distribuciones discretas). Ejemplo: El volumen de precipitaciones estimado para el prximo ao en la ciudad de Torreon va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la precipitacin media esperada:

Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene un 1% de probabilidades; que est entre 401 y 402 litros, otro 1%, etc. El valor medio esperado es:

Es decir, la precipitacin media estimada en Torreon para el prximo ao es de 450 litros.

Distribucin exponencial
Mientras que la distribucin de Poisson describe las llegadas por unidad de tiempo, la distribucin exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la distribucin de Poisson es discreta la distribucin exponencial es continua porque el tiempo entre llegadas no tiene que ser un nmero entero. Esta distribucin se utiliza mucho para describir el tiempo entre eventos. Ms especficamente la variable aleatoria que representa al tiempo necesario para servir a la llegada. Ejemplos tpicos de esta situacin son el tiempo que un medico dedica a una exploracin, el tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia. El uso de la distribucin exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formndose. Otra caracterstica de este tipo de distribucin es que no tienen "edad" o en otras palabras, "memoria". Por ejemplo. Supongamos que el tiempo de atencin de un paciente en una sala quirrgica sigue una distribucin exponencial. Si el paciente ya lleva 5 horas siendo operado, la probabilidad de que est una hora ms es la misma que si hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la distribucin exponencial supone que los tiempos de servicio tienen una gran variabilidad. A lo mejor el prximo paciente operado tarda 1 hora porque su ciruga era mucho ms simple que la anterior. La funcin de densidad de la distribucin exponencial es la siguiente: Se dice que la variable aleatoria continua X tiene distribucin exponencial con parmetro

Su grfica es un modelo apropiado a vida til de objetos.

Par calcular la esperanza matemtica y la varianza, se hallara primero el momento de orden r respecto del origen:

CAPITULO II Distribucin exponencial (Prctica) Ejemplos prcticos sobre la distribucin exponencial: EJEMPLO 1.-El tiempo durante el cual cierta marca de batera trabaja en forma efectiva hasta que falle (tiempo de falla) se distribuye segn el modelo exponencial con un tiempo promedio de fallas igual a 360 das. a) qu probabilidad hay que el tiempo de falla sea mayor que 400 das?. b) Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay que trabaja ms de 200 das ms? c) Si se estn usando 5 de tales bateras calcular la probabilidad de que ms de dos de ellas continen trabajando despus de 360 das. Solucin Sea X=el tiempo que trabaja la batera hasta que falle. El tiempo promedio de falla es de 360 das. Entonces, X ~Exp (=1/360) y su funcin de densidad es:

EJEMPLO 2.-Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin exponencial con vida media de 500 horas. Si X representa la vida del tubo (tiempo q dura el tubo). a) Hallar la probabilidad que se queme antes de las 300 horas. b) Cul es la probabilidad que dure por lo menos 300 horas? c) Si un tubo particular ha durado 300 horas. cal es la probabilidad de que dure otras 400 horas? Solucin

Distribucin gamma
En estadstica la distribucin gamma es una distribucin de probabilidad continua con dos parmetros y cuya funcin de densidad para valores es

Aqu

es el nmero e y

es la funcin gamma. Para valores (el factorial de

la funcin

gamma es

). En este caso - por ejemplo para describir .

un proceso de Poisson - se llaman la distribucin distribucin Erlang con un parmetro El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son

Bibliografa
http://www.aulafacil.com/CursoEstadistica/Lecc-33-est.htm http://www.monografias.com/trabajos84/distribucion-exponencial/distribucion-exponencial.shtml http://es.wikipedia.org/wiki/Distribuci%C3%B3n_gamma