Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD
Y ESTADÍSTICA
COMERIAL
HUMBERTO VILLALOBOS TORRES
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA
D E P ART A M E NT O D E M A T E M Á T I C A S
04/10/2016
Distribución Exponencial
DEFINICIÓN 15: Considere una variable aleatoria
Continua, tal que su función de densidad de
probabilidad, sea expresada por:
1 x
f ( x / θ ) = exp − , x > 0, θ >0
θ θ
Distribución Exponencial
Su función de Distribución es explicita y permite
determinar cualquier probabilidad y cuantil asociado a
esta distribución:
Función de Distribución (x > 0)
x
FX(x) = [X ≤ x] = ∫ fT (t )dt = 1 – exp{- x/θ}
0
Determinación de Cuantiles
Distribución Exponencial
APLICACIÓN 20: Suponga que la duración de cierto
componente electrónico, en horas, es una variable
aleatoria definida por T. Se piensa que la función que
modela adecuadamente la duración del componente,
en horas, está dada por:
Distribución Exponencial
Posee una estrecha relación con la distribución Poisson:
N(t): Número de eventos en el intervalo (0, t)
Tiempo hasta la ocurrencia del primer evento.
T
Tiempo entre eventos
T ∼ exp(-)
Distribución Exponencial
APLICACIÓN 21: En una planta industrial de cátodos de
cobre, se han dado cuenta que el chancador es un elemento
de vital importancia para la fabricación de éstos. Así, por
estadísticas del equipo, se ha encontrado que posee un tiempo
promedio entre fallas de 100 [días]. Por condiciones del
proceso de fabricación del chancador, producto del desgaste
de las partes interiores, el chancador debe funcionar a
intervalos de 250 [días]. Si se puede suponer que el tiempo
de vida del chancador, se encuentra modelada por una
distribución exponencial. Determine el valor esperado de
fallas que ocurre en un intervalo de tiempo:
T: Tiempo de vida del chancador [días]. T ∼ exp(0,01)
N(t) : Número de fallas en intervalos de t días de
funcionamiento
„[N(250)] = 250 × 0,01 = 2,5 [fallas/int. de funcionamiento]
Elaborado por: Humberto Villalobos Torres
04/10/2016
Distribución Exponencial
APLICACIÓN 21: En una planta industrial de cátodos de
cobre, se han dado cuenta … ¿Cuál es la probabilidad que
tenga que esperar menos de 200 [horas] para la ocurrencia
de alguna falla?
[T < 200/24] = 1 – [T > 200/24]
= 1 – [N(200/24) = 0] = 0,07996
Familia Gamma
La distribución Gamma se presenta en múltiples formas,
dependiendo de dos parámetros: λ, denominado parámetro de
escala; y η, denominado parámetro de forma. Su función de
densidad es:
η η −1
θ x
f X ( x / η ,θ ) = exp{−θ x}, x>0
Γ(η )
donde: „[X] = η ) -1; •[X] = η ) -2 (η > 0, ) > 0)
Familia Gamma
Las formas asociadas a esta distribución van desde
distribuciones asimétricas positivas hasta distribuciones
completamente simétricas.
Familia Gamma
Sufunción de Distribución es no es explicita, salvo
cuando su parámetro de forma es un natural, lo cual
permite determinar cualquier probabilidad a través
de una distribución de Poisson de forma exacta:
Función de Distribución (x > 0)
η −1
exp{−θ x}(θ x) j
FX(x) = [X ≤ x] = 1 – ∑
j =0 j!
= 1 – [N(x) ≤ η – 1]
Familia Gamma
La relación que existe en el calculo de probabilidades
antes señalada, se debe a:
N(t): Número de eventos en el intervalo (0, t)
Tiempo hasta la ocurrencia del primer evento.
T
Tiempo entre eventos
Ti ∼ exp(-) ⇒ Σ Ti ∼ G(η; -)
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Gamma
APLICACIÓN 21: En una planta industrial de cátodos de
cobre, se han dado cuenta … ¿Cuál es la probabilidad
que tenga que esperar al menos de 200 [días] para la
ocurrencia de la quinta falla?
T: Tiempo de vida del chancador hasta que ocurra la
quinta falla [días]. T ∼ G(5; 0,01)
[T > 200] = [N(200) ≤ 4] = 0,9473
200
0, 015 4
=1–
∫ Γ(5)
t exp{−0, 01 t}dt
0
Naturalmente, el desarrollo de la integral es más complejo.
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Weibull
La distribución Weibull, al igual que la Gamma se
presenta en múltiples formas, dependiendo de dos parámetros:
λ, denominado parámetro de escala; y α, denominado
parámetro de forma. Su función de densidad es:
1 2 1
2
•[X] =
2
Γ 1 + − Γ 1 +
λ α α
Elaborado por: Humberto Villalobos Torres
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Weibull
Las formas asociadas a esta distribución van desde
distribuciones asimétricas hasta distribuciones
completamente simétricas, al igual que la distribución
Gamma, solamente que la Weibull decae rápidamente.
Familia Weibull
Su función de Distribución es explicita y permite
determinar cualquier probabilidad y cuantil asociado a
esta distribución:
Función de Distribución (x > 0)
x
FX(x) = [X ≤ x] = ∫ f T (t )dt = 1 – exp{–(-x)α}
0
Determinación de Cuantiles
Pj ≈ FX(j) ⇒ 1 – exp{–(-x)α} = j
x = --1 (ln((1 – j)-1))1/α
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de
un año para su producto. Si el producto llega a fallar
durante ese período, se reemplaza. El tiempo (años)
hasta la falla se modela aceptablemente con la f.d.p. dada
por:
t t 2
fT (t ) = exp − , t >0
8 16
¿Qué porcentaje de productos se espera usen la garantía?
T ∼ W(α = 2; - = 0,25)
[T ≤ 1] = 1 – exp{–(0,25×1)2} = 0,0606 ≈ 6%
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de
un año para …. El costo de producción de un artículo es de
$500 (dólares), y la utilidad por venta de una unidad es de
$250 (dólares). ¿Cuál es el efecto sobre las utilidades
esperadas en la fabricación de 100 productos, que provocan
las reposiciones debido al uso de la garantía?
250 , T >1
Y(T) : Utilidad del producto
−250 , T ≤1
„[Y(T)] = 250 [T > 1] – 250 [T ≤ 1] = 220 [dólares]
Utilidad esperada de 100 productos :
220 × 100 = 22.000 dólares
⇒ Efecto Neto 3.000 dólares
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de un
año para …. ¿Cuál es la probabilidad de que de 20
productos fabricadas fallen no más de 3?
Y : Número de productos que fallan de los 20.
⇒ Y ∼ B(20; 0,06)
[Y ≤ 3] = 0,9710
t = 1,30 [años]
Familia Uniforme
La distribución Uniforme. Es un caso particular de la
distribución Beta, cuando sus parámetros de forma
toman los valores ! = β = 1, en donde se tiene:
1
f X ( x) = I (b − a ) ( x )
b−a
2
b+a (b − a )
donde: „[X] = ; •[X] =
2 12
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Uniforme
Su función de Distribución es explicita y permite
determinar cualquier probabilidad y cuantil asociado a
esta distribución:
Función de Distribución (x > a)
x
x−a
FX(x) = [X ≤ x] = ∫ f T (t )dt =
b−a
a
Determinación de Cuantiles
x−a
Pj ≈ FX(j) ⇒ =j
b−a
x = j (b – a) + a
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Normal
La distribución Normal, es absolutamente simétrica, que
depende de dos parámetros: µ, denominado parámetro de
localización; y σ, denominado parámetro de escala. Su
función de densidad es:
1 2
1 x−µ
f X ( x) = exp − , x∈ℝ
2π σ 2 σ
Familia Normal
Su función de distribución es no es explicita, sin
embargo, mediante una transformación, llamada
estandarización, permite determinar cualquier
probabilidad y cuantil asociada a una distribución
normal, es decir:
X ∼ N(µ, σ2), entonces:
X −µ
Z=
σ
Z ∼ N(0, 1),cuyas probabilidades están tabuladas o
se encuentran disponible en calculadoras o excel.
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Normal
Se establecen probabilidades en torno a la distancia
de la media con su desviación estándar, de gran
aplicación en control de procesos.
0,6827
0,9545
0,9973
Distribución Normal
APLICACIÓN 23: El diámetro de un eje metálico empleado
en la unidad de disco de una computadora se supone tiene
distribución normal. La media actual del proceso de
fabricación de 0,1505 [plg.] y coeficiente de variación de
0,004. Se han determinado los límites de especificación para
el diámetro del eje como 0,1500 … 0,0015 [plg.]. Calcule la
fracción de ejes producidos que cumplen con las
especificaciones.
X: Diámetro de un eje metálico [plg.]
X ∼ N (0,1505, σ2);CV = 0,004
⇔ σ = 0,004 µ ⇒ σ = 0,000602
[X < 0,1485] = [Z ≤ -3,32] = 0,0005
[X < 0,1515] = [Z ≤ 1,66] = 0,9515 0,9510
Familia Normal
APLICACIÓN 24: Las bandas de plástico que se utilizan en
un dispositivo electrónico para detección, se fabrican de
manera que satisfagan una especificación de valor máximo de
305,28 mm. y una especificación mínima de 304,55 mm. Si la
dimensión de las bandas es menor que la especificación
mínima, se desechan, si son más grandes que el máximo, se
reelaboran. Se ha probado que las dimensiones de estas piezas
están distribuidas normalmente con una desviación estándar
de 0,25 mm. y que sólo el 5% de las bandas se desechan.
¿Cuál es el tamaño medio de las bandas de plástico?.
X: Dimensión de las bandas de plástico [en mm.]
⇒ X ∼ N (µ, (0,25)2)
[X < 304,55] = 0,05 Estandarizar es la clave
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Normal
APLICACIÓN 24: Las bandas de plástico que se utilizan en
un dispositivo electrónico … ¿Cuál es el tamaño medio de las
bandas de plástico?.
X: Dimensión de las … ⇒ X ∼ N (µ, (0,25)2)
[X < 304,55] = 0,05
304,55 − µ 304,55 − µ
P Z ≤ = 0, 05 = −1, 645
0, 25 0,25
µ = 304,96 [mm]
¿Qué porcentaje de bandas se reelabora?
[X > 305,28] = 1 – [Z ≤ 1,28] = 0,1003
Elaborado por: Humberto Villalobos Torres
04/10/2016
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos,
para reparar una máquina automática de carga en una
operación de empaque de alimentos de un proceso de
producción, se encuentra bien ajustada por un modelo
normal, donde el 2,28% de las reparaciones tiene un
tiempo inferior a 112,00 minutos, mientras que un 5%
de las veces este tiempo es superior a 126,58 minutos.
X : Tiempo en reparación de
las máquinas [en minutos]
⇒ X∼ N(µ, σ2)
[X > 126,58] = 0,05
[X ≤ 112,00] = 0,0228
Elaborado por: Humberto Villalobos Torres
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos, ...
. Determine el tiempo medio en la reparación de la
máquina y su varianza.
X − µ 112 − µ 112 − µ
P ≤ = 0, 0228 = −2, 00
σ σ σ
µ = 120 [min.]
X − µ 126,58 − µ
P ≤ = 0,95 σ = 4 [min.]
σ σ
ρ = 0,50
ρ = 0,9
ρ = 0,1
Elaborado por: Humberto Villalobos Torres
04/10/2016
¿Y el riesgo? µ x = 10; µy = 7 µ y = 4µ x − 33
X1 µ1 σ12 ⋯ σ1 p
V= ⋮ µ = ⋮ Σ= ⋮ ⋱ ⋮
X
σ p1 ⋯ σ p
2
p p×1 p×1
µ p p× p
0, 000323
= 0,1966
ρ = −0, 2003 1,0,00 ρIB =
2 009 × 0, 0003
−0,000102
ρLB = 0,1966
× 0, 0036
2 0, 0003
= − 0,
–0,0982 0982 1, 00