Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definicin:
Es una distribucin
continua cuya
densidad tiene forma
de campana.
Es muy importante
tanto en la
estadstica como en
la aplicada.
Si X es la variable aleatoria,
entonces su funcin de densidad
de probabilidad esta dada por:
=
1
2
<
<
X es una variable
aleatoria con distribucin
normal con media
y
varianza
, N( ,
),
entonces se cumple que:
1.
2.
3.
4.
<
=
<
<
<
<
<
+ )= .
+
= .
= .
Calculo de probabilidades
Si una variable aleatoria X se distribuye normal con
media y varianza
y se quiere encontrar la
probabilidad de que esta variable tome valores entre
don nmeros cualquiera, a y b, entonces lo que se tiene
que hacer es calcular el rea bajo la curva entre a y b, y
esto se realiza mediante mtodos numricos
La distribucin normal no tiene una solucin analtica
La
Estandarizar
= 1 se conoce
= ( )
Ejemplo:
La dimensin de una pieza se distribuye normal con
= 82.0 mm, y
< 83 =
< 83
< 81
<
83
83 82
<
=
0.5
< 2.0
Se localiza en la tabla A2
Se ubica en la columna de z en el valor de 2.00
Y la columna 0.00, donde aparece esta probabilidad que
es de 0.023
Para obtener
es decir :
El nmero combinatorio
n
k
p
q
es
es
es
es
el
el
la
la
nmero de pruebas.
nmero de xitos.
probabilidad de xito.
probabilidad de fracaso.
Media
Varianza
Desviacin tpica
Distribucin exponencial.
PI 905
ARENAS MUOZ JESS ANTONIO.
MATERIA: OPTATIVA2
PROFESOR: ARMANDO MARES.
Distribucin exponencial
A pesar de la sencillez analtica de sus funciones de
definicin, la distribucin exponencial tiene una gran
utilidad practica ya que podemos considerarla como un
modelo adecuado para la distribucin de probabilidad del
tiempo de espera entre dos hechos que sigan un proceso de
Poisson.
Definicin Poisson.
La distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de
una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado nmero de
eventos durante cierto perodo de tiempo. Concretamente, se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades muy pequeas, o sucesos "raros".
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.
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.
Codificacin.
La varianza de una variable aleatoria es una medida de dispersin.
Si la variable mide una distancia en metros la varianza se expresa en metros cuadrados.
Media de una variable X , es el numero que formaliza la idea de valor medio de un fenmeno
aleatorio.
Funcin de densidad una variable aleatoria continua describe la probabilidad relativa segn la
cual dicha variable aleatoria tomara determinado valor.
Distribucin acumulada describe la probabilidad de que una variable aleatoria X sujeta a cierta
ley de distribucin de probabilidad se situ en la zona de valores menores o iguales ax.
EJEMPLO
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. cual es la probabilidad de que dure otras 400
horas?
POISSON
HISTORIA
CARACTERSTICAS DE LA DISTRIBUCIN
DE POISSON
MENCIONA QUE
3.
Que la probabilidad de que ocurra un
evento en un intervalo de tiempo depende de la
longitud del intervalo
4.
Que las condiciones del experimento no
varan, y
5.
Que nos interesa analizar el nmero
promedio de ocurrencias en el intervalo
entonces se puede afirmar, que la variable
aleatoria mencionada en los fenmenos descritos
es una variable de Poisson.
FUNCIN DE DENSIDAD
La parte de imagen con el identificador de relacin rId2 no se encontr en el archiv o.
Donde:
FUNCIN DE DISTRIBUCIN
ACUMULADA
Si X es una variable aleatoria que tiene
distribucin de Posson con parmetro l,
entonces:
La funcin de distribucin acumulada
correspondiente es:
PARMETROS
Varianza
Media
Funcin de densidad,
Funcin de distribucin acumulada
EJEMPLO
SOLUCIN.
BIBLIOGRAFA
http://www.ub.edu/stat/GrupsInnovacio/Statmedi
a/demo/Temas/Capitulo3/B0C3m1t6.htm
http://148.204.211.134/polilibros/portal/polilibros/
P_Terminados/Probabilidad/doc/Unidad%202/2.9.
htm
http://www.uv.es/montes/NHD/PoissonAcumulad
a.pdf
Distribucin
triangular
Distribucin Triangular
La distribucin triangular, describe una
situacin donde se conocen los valores
mnimos, los valores mximos y los valores
que con mayor probabilidad pueden suceder.
Su Uso
Se utiliza principalmente para describir una
poblacin, sobre la cual existen datos de muestras
limitados.
La distribucin triangular, adems se utiliza a
menudo para modelar procesos fortuitos, o de riesgo
comercial.
Se puede aplicar para pronosticar el nivel de utilidad
en el estado de resultado y un sin numero de casos
donde no exista informacin muy extensa.
Ejemplo
Un analista o evaluador, podra describir el numero de autos vendidos por semana, cuando las
ventas anteriores muestran el numero mnimo, mximo y el numero habitual o mas probable de
autos vendidos.
En este caso, el numero mnimo y mximo de autos vendidos es fijo, y el numero mayor de
probabilidad de autos vendidos, se va a ubicar entre los valores mnimos y mximos, formando
una distribucin triangular.
En dicha distribucin, se va a mostrar que los valores que se aproximan al mnimo y al mximo,
estos tienden a ocurrir con menos frecuencia, que aquellos que se encuentran cerca del valor
mas probable.
Condiciones.
1. el numero mnimo de artculos es fijo.
2. el numero mximo de artculos es fijo.
3. el numero mas probable de artculos cae entre los valores mximos y mnimos, formando una
distribucin en forma de triangulo, la cual muestra que los valores cerca del mnimo y el mximo
son menos probables de ocurrir, que aquellos cerca del valor mas probable.
Construcciones matemticas
DISTRIBUCION UNIFORME
DISCRETA
Caracteristicas
Tenemos esta distribucin cuando el resultado
de una experiencia aleatoria puede ser un
conjunto finito de n posibles resultados, todos
ellos igualmente probables.
Resultados igualmente posibles.
PARAMETROS
k = 1, 2, 3, 4, 5, 6
DISTRIBUCIN
ACUMULADA
Ejercicio.
Se selecciona una bombilla al azar de una caja
que contiene 4 bombillas, una de 40 w, una de
60w,una de 75w y una de 100
MATERIA: OPTATIVA II
PRODUCTIVOS
GRUPO: 905
EJEMPLO:
DISTRIBUCION
LOGNORMAL
Integrante:
Mauricio Arroyo
Oscar Daniel Venegas Hernndez
Distribucin Lognormal
La distribucin lognormal es aquella en que el
logaritmo de la variable est distribuida
normalmente.
Distribucin Lognormal
Se ajusta a ciertos tipos de fallos (fatiga de componentes
metlicos), vida de los aislamientos elctricos, procesos
continuos (procesos tcnicos) y datos de reparacin y
puede ser una buena representacin de la distribucin de
los tiempos de reparacin. Es tambin una distribucin
importante en la valoracin de sistemas con reparacin.
Distribucin Lognormal
La distribucin lognormal es importante en la
representacin de fenmenos de efectos proporcionales,
tales como aquellos en los que un cambio en la variable
en cualquier punto de un proceso es una proporcin
aleatoria del valor previo de la variable. Algunos fallos en
el programa de mantenimiento entran en esta categora.
Parmetros
La distribucin lognormal posee una funcin de densidad dada en
la siguiente ecuacin:
f ( x) =
1
x 2
exp
1 ln( x ) 2
Con x, , > 0
Parmetros
ln x
F ( x ) =
lnx
C ( x ) = 1 -
Funcin de distribucin
Funcin de confiabilidad
E ( x) = e
2 media
t p = exp 1 ( p )
La funcin cuantil
Parmetros
E (x) = exp
2
media
V (x) = e 2 . e 1
2
varianza
Distribucin acumulativa
Dado que ln (X) tiene una distribucin normal, la funcin de
distribucin acumulativa de X puede relacionarse con la
distribucin acumulativa (z) de una variable aleatoria normal
estndar Z.
F ( x; , ) = P ( X x) Pln( X ) ln( x)
ln x
ln( x)
= P( Z
)
x0
Ejemplo
ISP 905
Presenta:
Gutirrez Venegas Irma Fernanda
Rangel Saavedra Celia Miroslava
DISTRIBUCIN GEOMTRICA
DEFINICIN
Esta distribucin toma en cuenta el
CARACTERSTICAS
El proceso consta de un nmero no definido
FUNCIN DE DENSIDAD
Densidad:
Sea A un suceso de probabilidad P(A)=p, y sea X la variable aleatoria que
expresa el numero de fracasos que tiene lugar en las repeticiones
independientes de pruebas de Bernoulli, hasta que ocurre A por primera
vez. La variable X toma los valores de 0,1,2,.(numero de fracasos).
Decimos que una variable aleatoria X sigue una distribucin geomtrica
de parmetros p si su funcin de probabilidad es:
dnde :
P= probabilidad de xito en cada ensayo
x= ensayos que sean necesarios para obtener un xito, para x = 1, 2, 3,..
FUNCIN DE DISTRIBUCIN
ACUMULADA
VARIANZA
PARAMETROS DE LA
DISTRIBUCIN
La variable aleatoria al igual que en la
Ejemplo:
Un jugador de baloncesto se dispone a tirar hasta anotar una canasta. S se
supone que sus tirosson independientes y la probabilidad de anotar una
canasta es de 0.8.Cual es la probabilidad de necesitar efectuar dos tiros?,
tres tiros?, cuatro tiros?, cinco tiros?, n tiros?.
Solucin
Sea Y = nmero de tiros necesarios para anotar una canasta
p= 0.8 q = 0.2
P( Y=2 ) =q p =(0.2)*(0.8) = 0.16
P( Y=3 ) = q q p = (0.2)(0.2)(0.8)= 0.032
P( Y=4 ) = q q q p = (0.2)(0.2)(0.2)(0.8) = 0.0064
P( Y=5) = q q q q p= (0.2)(0.2)(0.2)(0.2)(0.8)= 0.00128
=0.99968
Distribucin BETA
Esteban Lpez Rogelio
Rodrguez Lpez Adalberto
Distribucin beta
O Devuelve la probabilidad para una variable aleatoria continua
Distribucin Beta
O La probabilidad para una variable aleatoria que toma
O
O
=
0
(1 )
0<
< 1,
> 0,
>0
La media y la varianza
O La media y la varianza de esta distribucin
O Media
O Varianza
Ejemplo
O En cierto pas, la proporcin de tramos de
Distribucin
Gamma
INTEGRANTES:
Distribucin Gamma
Asimismo,
y tambin puede demostrase que
.
Es posible interpretar la funcin gamma como una generalizacin a
valores no enteros de r del trmino (r-1)! Que se emplea en la
funcin de densidad de probabilidad Erlang.
Parmetros de distribucin
El primer parmetro () sita la mxima intensidad de probabilidad y por este motivo en algunas
fuentes se denomina la forma de la distribucin: cuando se toman valores prximos a cero
aparece entonces un dibujo muy similar al de la distribucin exponencial. Cuando se toman
valores ms grandes de () el centro de la distribucin se desplaza a la derecha y va
apareciendo la forma de una campana de Gauss con asimetra positiva. Es el segundo
parmetro ()el que determina la forma o alcance de esta asimetra positiva desplazando la
densidad de probabilidad en la cola de la derecha. Para valores elevados de ()la distribucin
acumula ms densidad de probabilidad en el extremo derecho de la cola, alargando mucho su
dibujo y dispersando la probabilidad a lo largo del plano. Al dispersar la probabilidad la altura
mxima de densidad de probabilidad se va reduciendo; de aqu que se le denomine escala.
Valores ms pequeos de () conducen a una figura ms simtrica y concentrada, con un pico
de densidad de probabilidad ms elevado. Una forma de interpretar () es tiempo promedio
entre ocurrencia de un suceso. Relacionndose con el parmetro de la Poisson como =1/.
Alternativamente ser el ratio de ocurrencia: =1/. La expresin -1tambin ser necesaria
ms adelante para poder llevar a cabo el desarrollo matemtico. Relacin con otras
distribuciones Si se tiene un parmetro de valores elevados y pequea, entonces la funcin
Gamma converge con la distribucin normal. De media = * , y varianza 2 = * 2. Cuando
=1y =0 la distribucin Gamma es exactamente la distribucin exponencial con parmetro
=1Cuando la proporcin entre parmetros es [ = 2 , = ] entonces la variable aleatoria se
distribuye como una Chi-cuadrado con grados de libertad. Si =1,entonces se tiene la
distribucin exponencial negativa de parmetro =1/.
Bibliografa:
Distribucin Weibull
Distribucin Weibull
Modelo muy verstil debido a que su funcin de riesgo puede ser
decreciente, constante o crecente (figura 13.5b), dependiendo del
valor de su parmetro de forma.
Fu funcin esta dada por:
Con t > 0, B > 0, n > 0. esta distribucin esta dada por dos
parmetro: el de la forma (B) y el de escala n. El primero tiene efecto
sobre la forma que toma la distribucin y el segundo afecta la escala
del tiempo de vida.
La distribucin acumulada esta dada por:
Figura 13.5
Ejemplo
K Erlang
Vctor Alejandro Rocha Florido
Bibiana Segura Mena
ISP-905
06/06/16
Que es K Erlang??
K- Erlamg
Unidad de intensidad de trfico, cuyo smbolo es E. Un erlang es la
intensidad de trfico en un conjunto de rganos, cuando slo uno
de ellos est ocupado de manera continua. Cuando el trfico es de
un (1) erlang significa que el elemento de red est totalmente
ocupado durante el tiempo de medicin, normalmente una hora
USOS Y APLICACIONES
Se utiliza para simular aquellos casos de lineas de servicios con estaciones,
en cada estacin se utiliza un proceso con tiempo exponencial. Aplicar:
Lneas telefnicas
juegos de Multijugador
Video llamadas
Web
Messenger.
Otras redes sociales.
Aplica
Unidad de Trfico
CARACTERISTICAS DE LA DISTRUBUCIN
para todos los nmeros reales mayores que cero, y est dada por dos parmetros:
parmetros
Circuitos
Prob. De bloqueos
Ejemplos
Erlang B
Primero nos ubicamos en la columna correspondiente a
P0.01, es decir B=1% y luego nos desplazamos hasta
ubicar el trfico en erlang que sea igual o
inmediatamente superior a 5 E, en este caso 5.160, y as
leemos en la columna de la izquierda la cantidad de 11
lneas necesarias para cursar el trfico.
Se dispone de un comunicador telefnico que cursa un trafico de 21.90 erlong se desea optener
un grado de servicio (G 0 s) de P=.15 ( probabilidad de Bloqueo).
Determine el numero de circuitos de los que debe disponer el sistema de trafico final. Repetir el
calculo para (G o S) P=.05
Bibliografas
http://clusterfie.epn.edu.ec/ibernal/html/CURSOS/2008_Marzo_Sept/Trafico/Libros/handbook.
pdf
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/capitulo1.pdf
http://www.pitt.edu/~dtipper/2110/erlang-table.pdf
Software
http://www.teleco.com.br/es/es_erlangb.asp
http://www.elektro-energetika.cz/calculations/distrerlang.php
Integrantes:
Distribucin Pearson
tipo V
Gamma Inversa
Definicin de la distribucin
La
Utilizacin
Funcin Pearson V
Parmetros
Determinada por:
Ejemplo
Pearson vI
El
sistema
Pearson
fue
originalmente ideado en un
esfuerzo
para
modelar
observaciones
visiblemente
asimtricas.
DEFINICIN PEARSON 6
Una funcin de densidad de Pearson, p, est definida para ser una solucin vlida a
una ecuacin diferencial.
PARMETROS PEARSON 6
PARAMETROS