Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tarea # 4 Investigación Sobre Distribuciones de Probabilidades de Variables Continuas
Tarea # 4 Investigación Sobre Distribuciones de Probabilidades de Variables Continuas
CARRERA: SOFTWARE
CURSO: ESTADÍSTICA II 4 – 5
INTEGRANTES:
- Brayan Fabian Morales Soledispa
Asimetría: 0
Curtosis: -6/5
Ejercicio 1:
El espesor del borde de un componente de una aeronave está distribuido de
manera uniforme entre 0.95 y 1.05 milímetros. Obtenga la función de
distribución acumulada del espesor del borde. Calcule la proporción de
bordes cuyo espesor es mayor que 1.02 milímetros. ¿Qué espesor está
excedido por el 90% de los bordes? Calcule la meda y la varianza del
espesor del borde.
1 𝑃(𝑋 > 1.02) = 1 − 0.7 = 0.3
𝑓(𝑥) =
𝑏−𝑎
𝑓(𝑥) = 10
1
𝑓(𝑥) = 𝑎+𝑏
1.05 − 0.95 𝐸(𝑥) =
2
𝑓(𝑥) = 10
0,95 + 1.05
𝑥 𝐸(𝑋) = =1
𝐹(𝑥) = ∫ 𝑓(𝑢) 𝑑𝑢 2
−∞ (𝑏 − 𝑎)2 (1.05 − 0.95)2
𝑥 𝑉(𝑋) = =
𝑥 12 12
𝐹(𝑥) = ∫ 10𝑑𝑢 = 10𝑢|
0.95
0.95 0.01
𝑉(𝑋) =
𝐹(𝑥) = 10𝑥 − 10(0.95) 12
𝐹(𝑥) = 10𝑥 − 9.5
𝐹(𝑥) = 10𝑥 − 9,5
𝑃(𝑋 ≤ 𝑥) = 0.1 = 𝐹(𝑥)
0,95 ≤ 𝑥 ≤ 1,05
0.1 = 10x – 9.5
𝐹(1.02) = 10(1.02) − 9.5
10 x = 0.1 + 9.5 = 9.6
𝐹(1.02) = 0.7 x = 0.96
Ejercicio 2:
Suponga que X tiene una distribución uniforme continua en el intervalo
[1.5,5.5]. Calcule la media, la varianza y la desviación estándar de X. ¿Cuál
es el valor de P(X<2.5)?
𝑎+𝑏 1
𝐸(𝑋) = 𝑓(𝑥) = = 0.25
2 𝑏−𝑎
1.5 + 5.5 2.5
𝐸(𝑋) = = 3.5 2.5
∫ 0.25𝑑𝑥 = 0.25𝑥|
2 1.5 1.5
(𝑏 − 𝑎) 2
(5.5 − 1.5) 2
𝑉(𝑋) = = = 0.25(2.5) − 0.25(1.5)
12 12
= 0.25(2.5 − 1.5)
16
𝑉(𝑋) = = 1.3333
12 𝑃(𝑋 < 2.5) = 0.25
𝜎 = √1.3333 = 1.1547
Distribución normal (, )
La distribución normal es, sin duda, la distribución de probabilidad más
importante del Cálculo de probabilidades y de la Estadística. Fue
descubierta, como aproximación de la distribución binomial, por Abraham
De Moivre (1667-1754) y publicada en 1733 en su libro The Doctrine of
Chances; estos resultados fueron ampliados por Pierre-Simon Laplace
(1749- 1827), quién también realizó aportaciones importantes. En 1809,
Carl Friedrich Gauss (1777- 1855) publicó un libro sobre el movimiento de
los cuerpos celestes donde asumía errores normales, por este motivo esta
distribución también es conocida como distribución Gaussiana. La
importancia de la distribución normal queda totalmente consolidada por ser
la distribución límite de numerosas variables aleatorias, discretas y
continuas, como se demuestra a través de los teoremas centrales del límite.
Las consecuencias de estos teoremas implican la casi universal presencia
de la distribución normal en todos los campos de las ciencias empíricas:
biología, medicina, psicología, física, economía, etc. En particular, muchas
medidas de datos continuos en medicina y en biología (talla, presión
arterial, etc.) se aproximan a la distribución normal. Junto a lo anterior, no
es menos importante el interés que supone la simplicidad de sus
características y de que de ella derivan, entre otras, tres distribuciones (ji-
cuadrado, t de Student y F de Snedecor) que se mencionarán más
adelante, de importancia clave en el campo de la contrastación de hipótesis
estadísticas. La distribución normal queda totalmente definida mediante dos
parámetros: la media () y la desviación estándar o desviación típica (). Su
función de densidad es simétrica respecto a la media y la desviación
estándar nos indica el mayor o menor grado de apertura de la curva que,
por su aspecto, se suele llamar campana de Gauss. Esta distribución se
denota por N(,). Cuando la distribución normal tiene como parámetros =
0 y = 1 recibe el nombre de distribución normal estándar. Cualquier
variable X que siga una distribución normal de parámetros y se puede
transformar en otra variable Y= (X-)/ que sigue una distribución normal
estándar; este proceso se denomina estandarización, tipificación o
normalización.
Función de densidad:
1 1 𝑥−𝜇 2
𝑓(𝑥) = exp [− ( ) ] , −∞ < 𝑥 < ∞
𝜎√2𝜋 2 𝜎
Valores característicos
Media = Mediana = Moda: 𝜇
Varianza: 𝜎 2
Asimetría: 0
Curtosis: 0
Con 𝜇 = 0 𝑦 𝜎 = 1 se tiene la distribución normal estándar, N(0, 1).
Ejercicio 1:
Dada una variable aleatoria continua Z, con distribución normal estándar, es
decir, N (0,1), encuentre las siguientes probabilidades usando la tabla:
a) 𝑃 = (0 ≤ 𝑍 ≤ 1,25) 𝐴3 = 0,3944 = 𝐴2
Z = 1,25 = 1,2 + 0.05 𝐴1 + 𝐴2 = 0,5
A = 0,3944 𝐴1 = 0,5 − 𝐴2
b) 𝑃(𝑍 ≥ 1,25) 𝐴1 = 0,5 − 0,3944
𝐴3 + 𝐴4 = 0,5 𝐴1 = 0,1056
𝐴4 = 0,5 − 𝐴3 d) 𝑃(0 ≤ 𝑍 ≤ 1,33)
𝐴4 = 0,5 − 0,3944 Z=1,33 = 1,3 + 0,03
𝐴4 = 0,1056 A=0,4082
c) 𝑃(𝑍 ≤ −1,25)
Ejercicio 2:
El peso de cierto modelo de baterías sigue una distribución normal con
una media de 6g y una desviación estándar de 2g. Determine el
porcentaje de baterías cuyo peso es mayor a 8g.
𝑥−𝑢 0,3413 + 𝐴4 = 0,5
𝑧=
𝜎
𝐴4 = 0,5 − 0,3413
8−6
𝑧= 𝐴4 = 0,1587
2
2 𝑃(𝑥 > 8) = 0,1587
𝑧= =1
2
𝑃(𝑥 > 8) = 15,87%
𝑧 = 1 → 𝐴3 = 0,3413
𝐴3 + 𝐴4 = 0,5
Normal bivariante:
Función de densidad:
1 1 (𝑥 − 𝜇𝑥 )2 𝑝(𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 )
𝑓(𝑥, 𝑦) = exp {− [ −
2𝜋𝜎𝑥 𝜎𝑦 √1 − 𝑝2 1 − 𝑝2 2𝜎𝑥2 𝜎𝑥 𝜎𝑦
2
(𝑦 − 𝜇𝑦 )
+ ]}
2𝜎𝑦2
Valores característicos:
𝜎𝑥2 𝑝𝜎𝑥 𝜎𝑦
Matriz de dispersión: ∑( )
𝑝𝜎𝑥 𝜎𝑦 𝜎𝑦2
Ejercicio 1:
Entre las parejas en las que hombre y mujer trabajan, la distribución
conjunta de los salarios mensuales ( X Y, ,) expresados en euros, se ajusta
a una distribución normal bivariante con los siguientes parámetros.
𝑋, 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 ℎ𝑜𝑚𝑏𝑟𝑒𝑠, 𝑐𝑜𝑛 𝜇𝑥 = 1720 𝑦 𝜎𝑥 = 100
𝑌, 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑗𝑒𝑟𝑒𝑠, 𝑐𝑜𝑛 𝜇𝛾 = 1420 𝑦 𝜎𝛾 = 80
Ejercicio 2:
Cierto compuesto metálico se ha sometido durante una hora a una
atmósfera de oxígeno a 200 grados centígrados. Una medida de su
corrosión es la ganancia de peso durante este tiempo. Se ha
comprobado que para un determinado compuesto esta ganancia X1, en
una hora, se distribuye según una normal N(100, 5).
Valores característicos:
𝜎2
𝜇+
Media: 𝑒 2
Mediana: 𝑒 𝜇
2
Moda: 𝑒 𝜇−𝜎
2 2
Varianza: 𝑒 2𝜇+𝜎 (𝑒 𝜎 - 1)
2 2
Asimetría: √(𝑒 𝜎 − 1)(𝑒 𝜎 + 2)
2 2 2
Curtosis: 𝑒 4𝜎 + 2𝑒 3𝜎 + 3𝑒 2𝜎 − 6
Ejercicio 1:
De bancos de datos de fiabilidad de componentes y de la bibliografía se han
extraídos los siguientes valores de la tasa de correspondientes al falle en la
apertura de una válvula de seguridad: λ𝑖 (𝑖 = 1, … , 4)(2 x
10−6 ; 8 𝑥 10−5 ; 9,1 𝑥 10−5 ; 1,6 𝑥 10−6 ℎ−1 .
Se trata de calcular los parámetros que nos definen la distribución lognormal de
las tasas de fallo.
Solución:
Ejercicio 2:
Los ingresos de los habitantes de un municipio siguen una distribución
logarítmico normal de parámetros 3 y 2. ¿Qué porcentaje de individuos
se encuentra entre 70 y 150?
Valores característicos
Media = Mediana = Moda: a
𝜋2
Varianza: 𝑏2
3
Asimetría: 0
6
Curtosis: 5
Ejercicio 1:
El crecimiento relativo anual (%) de la población de un determinado país
sigue una distribución logística de parámetro de posición 1 y de escala 2.
Calcular la probabilidad de que el crecimiento en un año determinado
sea superior al 5% y representar la función de densidad
1 1 5−1
𝑃(𝑥 ≥ 5) = 1 − 𝑃(𝑥 < 5)1 − [ + tanh ( )] = 1 − 0.8807 = 0.1192
2 2 4
Valores característicos:
𝑝
Media: 𝑝+𝑞
2(𝑞−𝑝)√𝑝+𝑞+1
Asimetría: (𝑝+𝑞+2)√𝑝𝑞
𝑝(𝑝+1)(𝑝−2𝑞)+𝑞(𝑞+1)(𝑞−2𝑞)
Curtosis: 6 𝑝𝑞(𝑝+𝑞+2)(𝑝+𝑞+3)
Ejercicio 1:
Si la proporción de una marca de televisores que requiere servicio
durante el primer año de operación es una variable aleatoria que tiene
una distribución beta con 𝜎 = 3 𝑦 𝛽 = 2. ¿Cuál es la probabilidad de que
al menos 80% de los nuevos modelos de esta marca que se vendieron
este año requieran servicio durante su primer año de operación?
𝛤(𝛼 + 𝛽) 𝛼−1 0.8
𝑓(𝑥) = 𝑥 (1 𝐹(0.8) = ∫ (12𝑡 2 − 12𝑡 3 ) 𝑑𝑡
𝛤(𝛼)𝛤(𝛽) 0
− 𝑥)𝛽−1 0.8
Ejercicio 1:
A una centralita de teléfonos llegan 12 llamadas por minuto, siguiendo
una distribución de Poisson. ¿Cuál es la probabilidad de que en menos
de 1 minuto lleguen 8 llamadas?
Moda: no definida
1
Varianza:
𝜆2
Asimetría: 2
Curtosis: 6
Ejercicio 1:
El tiempo de revisión del motor de un avión sigue una distribución
exponencial con media 22 minutos. Encontrar la probabilidad de que el
tiempo de revisión sea menor a 10 minutos.
10
𝑃(𝑥 < 10) = 𝐹(10) = 1 − 𝑒 −22 = 0,3652
Ejercicio 2:
El tiempo de vida de una lámpara especial sigue una distribución
exponencial con media 100 hs. ¿Cuál es la probabilidad de que una
lámpara dure por lo menos 30 horas?
Valores característicos
Media: n
Mediana: no tiene expresión explícita
Moda: n-2 para n>2
Varianza: 2n
8
Asimetría: √𝑛
12
Curtosis: 𝑛
Ejercicio 1:
La siguiente tabla refleja la cantidad de estudiantes, según la calificación
obtenida en Matemática de dos universidades:
Deficiente Regular Bueno Total
A 5 11 7 23
B 20 32 3 55
Total 25 43 10 78
¿Influye el tipo de universidad en la calificación obtenida?
Margen de error: 0,05
25 𝑥 23
5→ = 7,37
78
43 𝑥 23
11 → = 12,68
78
10 𝑥 23
7→ = 2,95
78
25 𝑥 55
20 → = 17,63
78
43 𝑥 55
32 → = 30,32
78
10 𝑥 55
3→ = 7,05
78
𝐺𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑: 𝑉 = (𝑛° 𝑓𝑖𝑙𝑎𝑠 − 1) ∗ (𝑛° 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)
V = (2-1)(3-1)=1*2=2
(𝑓 − 𝑓𝑡)2 (5 − 7,37)2 (11 − 12,68)2 (7 − 2,95)2
𝑥2 = ∑ = + +
𝑓𝑡 7,37 12,68 2,95
2 2
(20 − 17,63) (32 − 30,32) (3 − 7,05)2
+ + + = 9,28
17,63 30,32 7,05
𝑥 2 𝑡𝑎𝑏𝑙𝑎 = 5,9915; 𝑥 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 9,28
9,28 > 5,9915
Ejercicio 2:
El profesor de estadística ha determinado el número de estudiantes
reprobados y aprobados en dos grupos, de acuerdo con la siguiente
tabla:
Grupos Reprobados Aprobados
A 28 12
B 15 30
Determine si el profesor tiene una mala práctica docente. Considere un
margen de error de 0.05
H0 = El profesor tiene una mala práctica docente
H1 = El profesor no tiene una mala práctica docente.
Grados de libertad
V = (Filas – 1)(Columnas – 1)
V = (2-1)(2-1)=(1)(1)=1
E=0.05
(43)(40)
𝑓𝑡 = = 20.235
85
(43)(45)
𝑓𝑡 = = 22.765
85
f ft (𝑓 − 𝑓𝑡)2 (𝑓 − 𝑓𝑡)2
𝑓𝑡
28 20.235 60.295 2.980
15 22.765 60.295 2.649
12 19.765 60.295 3.051
30 20.235 60.295 2.712
11.392
(𝑓 − 𝑓𝑡)2
𝑥 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = ∑ = 11.392
𝑓𝑡
𝑥 2 𝑡𝑎𝑏𝑙𝑎 = 3.8415
El profesor no tiene una mala práctica docente
Distribución t de Student (n)
Esta distribución fue propuesta y tabulada por William Sealy Gosset
(1876-1937), más conocido por el seudónimo de Student, como
resultado de un estudio sobre la estimación de la media cuando el
tamaño de muestra es pequeño, estos resultados fueron publicados en
1908 en el artículo The Probable Error of a Mean [13]. La distribución t
de Student queda completamente definida por medio de sus grados de
libertad, n, y se denota por tn. Surge cuando se plantea estudiar el
cociente entre una variable aleatoria con distribución normal estándar y
la raíz cuadrada del cociente entre una variable aleatoria con distribución
ji-cuadrado y sus grados de libertad (n), siendo las dos variables
independientes. Esta distribución desempeña un papel muy importante
en la inferencia estadística asociada a la teoría de muestras pequeñas y
es usada habitualmente en el contraste de hipótesis para la media de
una población o para comparar medias de dos poblaciones. En cuanto a
la forma que presenta su función de densidad cabe destacar las
similitudes que mantiene con la función de densidad de la distribución
normal estándar: forma acampanada, simétrica y centrada en el origen;
la única diferencia existente entre ambas distribuciones es que la función
de densidad de la t de Student presenta unas colas más pesadas (mayor
dispersión) que la normal. Cabe destacar que el programa sólo permite
realizar el cálculo para una distribución t de Student con 150 grados de
libertad o menos. Esto no supone una limitación ya que, a medida que
aumentan los grados de libertad, esta distribución se va aproximando a
la normal estándar, de forma que a partir de ese valor de n pueden
considerarse prácticamente idénticas. La distribución t de Student con 1
grado de libertad coincide con la distribución de Cauchy estándar.
Función de densidad:
𝑛+1
𝛤( 2 ) 𝑥 2 −(𝑛−1)
𝑓(𝑥) = 𝑛 (1 + ) 2 , −∞ < 𝑥 < ∞
𝛤 (2) √𝑛𝜋 𝑛
Valores característicos
Media = Mediana = Moda: 0
𝑛
Varianza: 𝑛−2 para n > 2
Asimetría: 0
6
Curtosis: para n>4
𝑛−4
Ejercicio 1:
El profesor de estadística afirma que la calificación promedio de su curso
es de 7,9 si en este semestre inicia con un grupo de 28 estudiantes que
tuvieron una calificación promedio de 7,5 y desviación típica muestral de
2,3 en el curso anterior. Determine si la afirmación del profesor de
estadística es correcta, utilizando un nivel de confianza de 80%
H0 = El promedio del curso es 7.9
H1 = El promedio del curso es diferente de 7.9
Grados de libertad y significancia
g=v=n–1
g = 28 – 1 = 27
𝛼 = 20%
N.C = 80%
N.C.= 1-𝛼
𝛼 20% 10%
= = = 0.1
2 2 100
2.3 2.3
𝐸. 𝐸 = = = 0,435
√𝑛 √28
7.5 − 7.9
𝑡= = −0.92
0.435
𝛼𝑡𝑎𝑏𝑙𝑎 = 1.314
El promedio del curso es 7.9
Ejercicio 2:
Un psicólogo estima que la edad promedio de sus pacientes que sufren
ansiedad es 17 años, si la siguiente semana tiene en su agenda un
grupo de 25 pacientes con una edad promedio de 18 años y desviación
típica de 2.4, determine si la afirmación del psicólogo es correcta. Utilice
un valor para 𝛼 = 0,15 en cada extremo de su gráfica para buscar el
valor en su tabla.
H0 = 17 años 18 − 17
𝑡= = 2.08
0,48
H1 = Diferente de 17 años
𝛼𝑡𝑎𝑏𝑙𝑎 = 1,059
g = n -1 = 25 – 1 = 24
𝛼𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 2.08
𝛼 = 0,15
La edad promedio de los pacientes
𝛼𝑡𝑎𝑏𝑙𝑎 = 1,059
es 2.08
2.4
𝐸. 𝐸 = = 0.48
√25
Distribución F de Snedecor (n,m)
Otra de las distribuciones importantes asociadas a la normal es la que se
define como el cociente de dos variables aleatorias independientes con
distribución ji-cuadrado divididas entre sus respectivos grados de
libertad, n y m; la variable aleatoria resultante sigue una distribución F de
Snedecor de parámetros n y m (denotada por Fn,m). Hay muchas
aplicaciones de la F en estadística y, en particular, tiene un papel
importante en las técnicas del análisis de la varianza (ANOVA) y del
diseño de experimentos. Debe su nombre al matemático y estadístico
americano George Waddel Snedecor (1881-1974). Al igual que en la
distribución ji-cuadrado y t de Student, el programa limita los grados de
libertad, tanto del numerador como del denominador, no pudiendo
exceder el valor 150 para poder realizar los cálculos.
Función de densidad:
𝑛
𝑛 + 𝑚 𝑛 2 𝑛−2
𝛤 ( 2 ) (𝑚 ) 𝑥 2
𝑓(𝑥) = 𝑚 ,𝑥 > 0
𝑛 𝑚 𝑛𝑥 𝑛+ 2
𝛤 (2) 𝛤 ( 2 ) (1 + 𝑚 )
Valores característicos:
𝑚
Media: 𝑚−2 para m > 2
2𝑚2 (𝑛+𝑚−2)
Varianza: 𝑛(𝑚−2)2 (𝑚−4) 𝑝𝑎𝑟𝑎 𝑚 > 4
(2𝑛+𝑚−2)√8(𝑚−4)
Asimetría: (𝑚,−6)√𝑛(𝑛+𝑚−2)
𝑝𝑎𝑟𝑎 𝑚 > 6
12[(𝑚−2)2 (𝑚−4)+𝑛(𝑛+𝑚−2)(5𝑚−22)]
Curtosis: 𝑛(𝑚−6)(𝑚−8)(𝑛+𝑚−2)
𝑝𝑎𝑟𝑎 𝑚 > 8
Ejercicio 1:
Considere dos muestras de poblaciones que tienen la misma varianza
poblacional. Si la muestra 1 tiene tamaño n1 = 5 y la muestra 2 tiene
tamaño n2 = 10, determine la probabilidad teórica que el cociente de sus
varianzas respectivas sea menor o igual a 2.
1 1
𝑓𝐷(𝑑)
𝜋 1 + 𝑑2
−∞ ≤ 𝑑 ≤ ∞
Es una distribución de Cauchy con parámetros 1 y 0.
Ejercicio 2:
Un ejercicio de orientación para una persona ciega consiste en hacerla
caminar en línea recta entre dos paredes paralelas que tienen una
distancia de un kilómetro. El grado de desorientación D es la distancia
entre el lugar más cercano desde el punto de partida a la segunda pared
y el punto en el que la persona ciega alcanzo la segunda pared.
Suponiendo que el ángulo θ que forma la primera pared y la dirección
escogida por esa persona sigue una distribución uniforme en -π/2 y π/2.
Obtenga la distribución del grado de desorientación, suponiendo que es
una distribución de Cauchy.
1 1 1
𝑓𝜃 (𝜃) = 𝜋 𝜋 =𝜋 𝜋 =𝜋 𝐹𝐷 (𝑑) = 𝑃(𝐷 ≤ 𝑑) =
−(− = +
2 2 2 2 𝑃(𝑡𝑎𝑛𝜃 ≤ 𝑑)
𝜋
𝜃−(− )
𝐹𝜃 (𝜃) = 𝜋
2
𝜋 =
𝜃+𝜋/2 𝐹𝐷 (𝑑) = 𝑃(𝜃 ≤ 𝑡𝑎𝑛−1 𝑑)
−(− ) 𝜋
2 2 𝜃 = 𝑡𝑎𝑛−1 𝑑
Grado de desorientación
𝐷 = tan(𝜃)
𝜋 1 1
𝜃+
𝐹𝜃 (𝜃) = 2
→ 𝐹𝜃 (𝑑) = 𝑓(𝑑) = ( + 𝜎) → 𝑓(𝑑) =
𝜋 𝜋 1+𝜎2
𝜋 1
𝑡𝑎𝑛−1 𝑑+
2 𝜋(1+𝜎2 )
𝜋
d Cauchy (0,1)
𝑓𝜃 (𝑑) = 𝐹𝜃 ´(𝑑) → 𝐹𝜃 (𝑑) =
1 𝜋
[𝑡𝑎𝑛−1 𝑑 + 2 ]
𝜋
2 1 2
Varianza: 𝑏 2 [𝛤 (𝑎 + 1) − [𝛤 (𝑎 + 1)] ]
1 1 2 3
2𝛤3 ( +1)−3𝛤( +1)𝛤( +1)+𝛤( +1)
𝑎 𝑎 𝑎 𝑎
Asimetría: 2 1
3
[𝛤( +1)−𝛤2 ( +1)]2
𝑎 𝑎
1 1 2 2 1 3 4
−6𝛤4 ( +1)+12𝛤2 ( +1)𝛤( +1)−3𝛤2 ( +1)−4𝛤( +1)𝛤( +1)+𝛤( +1)
𝑎 𝑎 𝑎 𝑎 𝑎 𝑎 𝑎
Curtosis: 2 1
[𝛤 +1)−𝛤2 ( +1)]2
𝑎 𝑎
Ejercicio 1:
Sea X una variable aleatoria de Weibull de parámetro β > 1 que
representa la duración de un componente hasta que se averíe. Para
montar un circuito, buscamos componentes que nos duren al menos 500
unidades de tiempo. Para seleccionar esos componentes nos dan a
elegir entre 2 tipos. Los componentes del Tipo 1 están sin estrenar,
mientras que los componentes del Tipo 2 no son nuevos. ¿Qué tipo de
componentes es el más adecuado para nosotros?
Si x es una Weibull de parámetro 𝛽 > 1, el componente envejece. Cada
vez le resulta más difícil sobrevivir; es decir.
Pr(𝑋 > 𝑡0 + 𝑡|𝑋 > 𝑡0 ) < Pr(𝑋 > 𝑡)
Por tanto, nos interesa el componente sin estrenar.
Ejercicio 2:
El tiempo T en segundos que tarda en conectarse a un servidor durante
un día laborable sigue una distribución de Weibull de parámetros α = 0.6
y β = 1/4, mientas que un fin de semana es una Weibull de parámetros α
= 0.24 y β = 1, donde la densidad de la Weibull se escribe como:
Se quiere saber:
(a) Tiempo medio que tardaremos en conectarnos en ambos tipos de
día;
(b) Calcula, para ambos tipos de día, la probabilidad de tardar más de 10
segundos en realizar la conexión
(c) Si llevamos ya 5 segundos esperando a que se efectué la conexión,
¿Cuál es la probabilidad de que la conexión se demore aun 10 segundos
más?
(d) ¿Era de esperar el resultado que se obtiene en (c)?
L = laborable; F= fin de semana;
(a) µL = 14.4 seg, µF = 0.24 seg ;
(b) Pr(TL > 10) = 0.133, Pr(TF > 10) ≈ 0;
(c) Pr(TL > 15|TL > 5) = 0.5845, Pr(TF > 15|TF > 5) = Pr(TF > 10);
(d) El resultado era previsible al ser βL < 1;
Distribución Laplace (a, b)
Fue descubierta en 1774 por Pierre-Simon Laplace (1749-1827), a quien
debe su nombre, aunque también es conocida por el nombre de
distribución doble exponencial. Esta distribución viene determinada por
dos parámetros, uno de situación (a) y otro de escala (b). Su función de
densidad es simétrica y el parámetro de situación determina su eje de
simetría, además de ser el punto donde la función alcanza su valor
máximo en forma de pico afilado. Independientemente de los valores
que tomen sus parámetros, es una distribución leptocúrtica, lo que
quiere decir que su función de densidad es más apuntada que la función
de densidad de la normal con la misma media y desviación estándar.
Función de densidad:
1 |𝑥 − 𝑎|
𝑓(𝑥) = exp (− ) , −∞ < 𝑥 < ∞
2𝑏 𝑏
Valores característicos:
Media = Mediana = Moda: a
Varianza: 2𝑏 2
Asimetría: 0
Curtosis: 3
Ejercicio 1:
2(1+𝛼) 𝛼−2
Asimetría: √ 𝑝𝑎𝑟𝑎 𝛼 > 3
𝛼−3 𝛼
Ejercicio 1:
Los salarios mensuales, en euros, de una determinada empresa siguen
una distribución de Pareto de parámetros = 2,75 y x0= 900 ¿Qué
porcentaje de individuos tienen un salario superior a 2.000 euros? ¿Y a
3.000 euros?
(𝑏−𝑎)(𝑏−𝑐) 𝑎+𝑏
𝑏−√ 𝑠𝑖 𝑐 ≤
2 2
Mediana: {
(𝑏−𝑎)(𝑐−𝑎) 𝑎+𝑏
𝑎+√ 𝑠𝑖 𝑐 >
2 2
Moda: c
(𝑏−𝑐)2 +(𝑐−𝑎)2 +(𝑏−𝑐)(𝑐−𝑎)
Varianza:
18
√2(𝑎+𝑏−2𝑐)(𝑏+𝑐−2𝑎)(2𝑏−𝑐−𝑎)
Asimetría: 3
5[(𝑏−𝑎)2 −(𝑐−𝑎)(𝑏−𝑐)]2
3
Curtosis: − 5
Ejercicio 1:
Uno de los problemas de salud que afectan en mayor medida a la población en
los meses de verano son los golpes de calor; por ese motivo, es necesario
llevar un control de la temperatura atmosférica que alerta, entre otros
indicadores, de la presencia de una ola de calor.
https://ugye-
my.sharepoint.com/:w:/g/personal/kevin_tamayof_ug_edu_ec/EbBxViFKggBBo
Obcm8HTL_cB9kEQRgQR5e4npAuj5US0Ng?e=osbFnd