Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución exponencial
La distribución gamma especial para la que α = 1 se llama distribución
exponencial.
Resulta que la distribución exponencial es un caso especial de la distribución
gamma, y ambas tienen un gran número de aplicaciones. La distribución
exponencial y la distribución gamma desempeñan un papel importante en la teoría
de colas y en problemas de confiabilidad. Los tiempos entre llegadas en
instalaciones de servicio y los tiempos de operación antes de que partes
componentes y sistemas eléctricos empiecen a fallar a menudo se representan
bien mediante la distribución exponencial. La relación entre la distribución gamma
y la exponencial permite que la gamma se utilice en problemas similares.
En la explicación anterior establecimos las bases para la aplicación de la
distribución exponencial en el “tiempo de llegada” o tiempo para problemas con
eventos de Poisson. Aquí ilustraremos algunas aplicaciones de modelado y
después procederemos a analizar el papel que la distribución gamma desempeña
en ellas. Observe que la media de la distribución exponencial es el parámetro β, el
recíproco del parámetro en la distribución de Poisson. El lector debería recordar
que con frecuencia se dice que la distribución de Poisson no tiene memoria, lo
cual implica que las ocurrencias en periodos sucesivos son independientes. El
importante parámetro β es el tiempo promedio entre eventos. En la teoría de
confiabilidad, donde la falla de equipo con frecuencia se ajusta a este proceso de
Poisson, β se denomina tiempo medio entre fallas. Muchas descomposturas de
equipo siguen el proceso de Poisson y por ello se aplica la distribución
exponencial. Otras aplicaciones incluyen tiempos de supervivencia en
experimentos biomédicos y tiempo de respuesta de computadoras.
La media y la varianza de la distribución exponencial son μ = β y σ 2 = β2.
Problema 1
Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de
operación antes de fallar, en años, está dado por T. La variable aleatoria T se
modela bien mediante la distribución exponencial con tiempo medio de operación
antes de fallar β = 5. Si se instalan 5 de estos componentes en diferentes
sistemas, ¿Cuál es la probabilidad de que al final de 8 años al menos dos aún
funcionen? Con λ = 1/β.
Solución en Excel:
a) Calculamos lambda
λ = 1/β
λ = 1/5
λ = 0.2
b) Aplicamos la fórmula de Excel
=DISTR.EXP.N(x; lambda; acum)
=DISTR.EXP.N(8; 0.2; 1)
=0.2019
Este es la probabilidad de que un componente determinado siga funcionando
después de 8 años.
Problema 2
Hank estima que tarda un promedio de cuatro minutos en atender a cada cliente, y
los tiempos de servicio siguen una función exponencial. Hank tiene una cita para
comer de modo que desea hallar la probabilidad de que le tome menos de 3
minutos en atender al siguiente cliente. Con λ = 1/β.
Solución en Excel:
a) Calculamos lambda
λ = 1/β
λ = 1/4
λ = 0.25
Problema 1
Sea la variable X que sigue una distribución chi cuadrada con 15 grados de
libertad. Determinar: la probabilidad de que 2<x<8; la probabilidad de que x>6; la
probabilidad de que x<11; la probabilidad de que x<x es 0.975, ¿Cuál es el valor
de x?
Solución en Excel
a) =DISTR.CHICUAD(x2;grados_de_libertad;acum)-
DISTR.CHICUAD(x1;grados_de_libertad;acum)
=DISTR.CHICUAD(8;15;1)-DISTR.CHICUAD(2;15;1)
= 0.0762-0.00003
=0.0762
b) =1-DISTR.CHICUAD(x;grados_de_libertad;acum)
=1-DISTR.CHICUAD(6;15;1)
=1- 0.0203
= 0.9797
c) =DISTR.CHICUAD(x;grados_de_libertad;acum)
=DISTR.CHICUAD(10;15;1)
= 0.1803
d) =INV.CHICUAD(probabilidad;grados_de_libertad)
=INV.CHICUAD(0.975;15)
= 27.4884
= 27
Problema 2
Sea la variable X que sigue una distribución chi cuadrada con 18 grados de
libertad. Determinar: la probabilidad de que 9<x<13.
Solución en Excel
a) =DISTR.CHICUAD(x2;grados_de_libertad;acum)-
DISTR.CHICUAD(x1;grados_de_libertad;acum)
=DISTR.CHICUAD(13;18;1)-DISTR.CHICUAD(9;18;1)
= 0.2084-0.0404
=0.1682
Distribución de muestreo
Distribución muestral de la media.
La distribución muestral de un estadístico depende de la distribución de la
población, del tamaño de las muestras y del método de selección de las
muestras. En lo que resta de este capítulo estudiaremos varias de las
distribuciones muestrales más importantes de los estadísticos que se
utilizan con frecuencia. Las aplicaciones de tales distribuciones muestrales
a problemas de inferencia estadística se consideran en la mayoría de los
capítulos posteriores. La distribución de probabilidad de Xˉ se llama
distribución muestral de la media.
Se deberían considerar las distribuciones muestrales de y S2 como los
mecanismos a partir de los cuales se puede hacer inferencias acerca de los
parámetros μ y σ2. La distribución muestral de con tamaño muestral n es
la distribución que resulta cuando un experimento se lleva a cabo una y otra
vez (siempre con una muestra de tamaño n) y resultan los diversos valores
de . Por lo tanto, esta distribución muestral describe la variabilidad de los
promedios muestrales alrededor de la media de la población μ. En el caso
de la máquina despachadora de bebidas, el conocer la distribución muestral
de le permite al analista encontrar una discrepancia “típica” entre un
valor observado y el verdadero valor de μ. Se aplica el mismo principio
en el caso de la distribución de S2. La distribución muestral produce
información acerca de la variabilidad de los valores de S 2 alrededor de σ2
en experimentos que se repiten.
x−µ
Z=
σ /√n
Problema 1
Una empresa de material eléctrico fabrica bombillas que tienen una duración que
se distribuye aproximadamente en forma normal, con media de 800 horas y
desviación estándar de 40 horas. Calcule a) La probabilidad de que una muestra
aleatoria de 35 bombillas tenga una vida promedio de menos de 790 horas. b) La
probabilidad de que una muestra aleatoria de 35 bombillas tenga una vida
promedio mayor de 790 horas.
Solución en Excel
a) Encontramos el valor de z
=( x- µ)/(σ/RAIZ(n))
=(790-800)/(40/RAIZ(35))
= -1.4790
b) =1- DISTR.NORM.ESTAND.N(z;acumulado)
=1- DISTR.NORM.ESTAND.N(-1.4790;1)
=0.9304
Problema 2
El viaje en un autobús especial para ir de un campus de una universidad al
campus de otra en una ciudad toma, en promedio, 28 minutos, con una desviación
estándar de 5 minutos. En cierta semana un autobús hizo el viaje 40 veces. ¿Cuál
es la probabilidad de que el tiempo promedio del viaje sea mayor a 30 minutos?
Suponga que el tiempo promedio se redondea al entero más cercano.
Solución en Excel
a) Calculamos z
=( x- µ)/(σ/RAIZ(n))
=( 31- 28)/(5/RAIZ(40))
=3.7947
y varianza
Problema 1
Las estaturas de ciertos estudiantes están distribuidas aproximadamente en forma
normal con una media de 174.5cm y una desviación estándar de 6.9cm. Si se
extrae una muestra aleatoria de tamaño 35 sin reemplazo de esta población,
determine a) La probabilidad de que la media de la muestra se encuentre entre
172.5cm y 175.8cm. b) La probabilidad de que la media de la muestra se
encuentre debajo de 172cm.
Solución en Excel
a) Calculamos la z1 y z2
Z1: Z2:
=( x- µ)/(σ/RAIZ(n)) =( x- µ)/(σ/RAIZ(n))
=(172.5-174.5)/ =(175.8-174.5)/
(6.9/RAIZ(35)) (6.9/RAIZ(35))
= -1.7148 =1.1146
b) Calculamos Z
=( x- µ)/(σ/RAIZ(n))
=(172-174.5)/(6.9/RAIZ(35))
=-2.1435
Problema 1
Encuentre la probabilidad de a)x<x 1. b)x>x2. c) x1< x<x2, si se tienen 12 grados de
libertad. x1=1 ; x2=2.
Solución en Excel
a) =DISTR.T.N(x;grados_de_probabilidad;acumulado)
=DISTR.T.N(0;12;1)
=0.5000
b) =1- DISTR.T.N(x;grados_de_probabilidad;acumulado)
=1-DISTR.T.N(2;12;1)
=1- 0.9657
= 0.0343
c) =DISTR.T.N(x;grados_de_probabilidad;acumulado)-
DISTR.T.N(x;grados_de_probabilidad;acumulado)
=DISTR.T.N(1;12;1)-(1-DISTR.T.N(1;12;1))
=0.8315-0.1685
=0.6630
Problema 2
Si se tienen 15 grados de libertad, encuentre el valor de a para los siguientes
casos. a) P(x<a)=p1. b) P(x>a)=p2.c) P(-a>t>a)=p/2. p1=0.3; p2=0.7.
Solución en Excel
a) =INV.T(probabilidad;grados_de_libertad)
=INV.T(0.3;15)
= -0.5357
b) =1-INV.T(probabilidad;grados_de_libertad)
=1-INV.T(0.7;15)
=1- 0.5357
= 0.4643
c) =INV.T.2C(probabilidad;grados_de_libertad)
=INV.T.2C(0.3;15)
= 1.0735
Problema 3
Se tiene una variable x que sigue una distribución t de Student con 18 grados de
libertad. Calcular a) P(T<-2.48). b) P(-1.54<T<-0.45). c) P(T>t)=0.778.
Solución en Excel
a) =DISTR.T.N(x;grados_de_probabilidad;acumulado)
=DISTR.T.N(-2.48;18;1)
= 0.0116
b) =DISTR.T.N(x;grados_de_probabilidad;acumulado)-
DISTR.T.N(x;grados_de_probabilidad;acumulado)
=DISTR.T.N(-0.45;18;1)-DISTR.T.N(-1.54;18;1)
=0.3290-0.0705
=0.2586