Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COMERCIO INTERNACIONAL
ESTADISTICA II
NUCLEO VALENCIA
C.I: 21017713
Las ideas desarrolladas por Gauss en las Disquisitiones Arithmeticae han sido de
gran relevancia e importancia en la Teoría de Números de los siglos XIX y XX.
Gauss realizo una magnífica síntesis de los resultados del pasado en la teoría de
números, y obtuvo una colección de nuevos resultados, proposiciones y métodos
que han servido desde entonces como escuela para una gran cantidad de los ma-
temáticos, Se dice que el Dirichlet siempre tenía una copia de las Disquisitiones
Arithmeticae en su escritorio.
Una distribución continua describe las probabilidades de los valores de una varia -
ble aleatoria continua. Una variable aleatoria continua es una variable aleatoria
con un conjunto de valores posibles (conocido como el rango) que es infinito y no
se puede contar.
Ejemplo
La distribución normal continua puede describir la distribución del peso de las per-
sonas. Por ejemplo, usted puede calcular la probabilidad de que un hombre pese
entre 70kg y 85 kg.
a) Distribución Uniforme
La distribución de probabilidad uniforme es un ejemplo de una distribución de pro-
babilidad es continua. Una distribución de probabilidad es continua cuando los re-
sultados posibles del experimento son obtenidos de variables aleatorias continuas,
es decir, de variables cuantitativas que pueden tomar cualquier valor, y que resul-
tan principalmente del proceso de medición.
Ejemplo
El experimento de lanzar un dado, cumple la distribución uniforme, ya que todos
los 6 los sucesos o resultados posibles tienen 1/6 de probabilidad de ocurrencia.
b) Distribución Normal
-2 0.018315
-1 0.367879
-0.8 0.527292
-0.6 0.697676
-0.4 0.852143
-0.2 0.960789
0 1
0.2 0.960789
0.4 0.852143
0.6 0.697676
0.8 0.527292
1 0.367879
2 0.018315
Se aprecian las siguientes características:
1. Su dominio es
2. Es continua.
3. Su rango es
4.
5. Su derivada es:
6. El máximo de la función se ubica en el punto
La distribución normal sirve para conocer la probabilidad de encontrar un valor de
la variable que sea igual o inferior a un cierto valor X, conociendo la media, la des-
viación estándar, y la varianza de un conjunto de datos en sustituyéndolos en la
función que describe el modelo. El cálculo resulta bastante complejo pero, afortu-
nadamente, existen tablas estandarizadas que permiten eludir este procedimiento.
Su aplicación más importante es que en la gráfica, el área sombreada correspon -
de a la probabilidad de encontrar un valor de la variable que sea igual o inferior a
un valor dado. Esa probabilidad se determina usando una tabla estandarizada.
c) Distribución Exponencial
Se refiere a la cantidad de tiempo que transcurre hasta que se produce algún
evento específico.
La variable aleatoria de la distribución exponencial es continua y suele medir el
paso del tiempo, aunque puede utilizarse en otras aplicaciones. Las preguntas típi-
cas pueden ser: "¿cuál es la probabilidad de que algún evento ocurra en los próxi -
mos x horas o días, o cuál es la probabilidad de que algún evento ocurra en-
tre x1 horas y x2 horas, o cuál es la probabilidad de que el evento dure más
de x1x1 horas para llevarse a cabo"
Por ejemplo,
La cantidad de tiempo (que comienza ahora) hasta que se produzca un terremoto
tiene una distribución exponencial.
d) Distribución Cauchy
e) Distribución Chi-Cuadrado
f) Distribución t-Student
g) Distribución F de Snedecor
Características de la distribución F
La distribución F presenta características definidas que la diferencian de otras dis-
tribuciones. Algunas de ellas son:
Las distribuciones F incluyen varios métodos estadísticos.
La distribución F particularmente se utiliza dependiendo del número de grado de
libertad que tiene la muestra. Esta característica de la distribución F también está
presente en otras distribuciones, como la distribución T y la distribución chi-cua-
drado. El valor de la distribución F es nulo, es decir, cero o positivo. No tiene valo-
res negativos.
La distribución F posee una leve inclinación hacia la derecha. Por lo tanto, se trata
de una distribución de probabilidad que no es simétrica.
Por ejemplo,
Determinar la probabilidad de que su candidato preferido a la alcaldía reciba el x%
de los votos.
Para usar una distribución de probabilidad continua para encontrar probabilidades
P(x ) se usa la siguiente fórmula general:
b
P(a ≤ X ≤ b) = ∫ f ( x ) dx
a
La segunda fórmula utiliza la función gamma (Γ) y, es más fácil trabajar con ella,
ya que se representa mediante factoriales.
DISTRIBUCIÓN GAMMA
. La distribución gamma es una distribución con dos parámetros que pertenece a
las distribuciones de probabilidad continuas. La distribución exponencial, distribu-
ción de Erlang y la distribución χ² son casos particulares de la distribución gamma.
Función Gamma {Γ(α)}
Γ(n+ 1 ) n Γ ( n ), n > 0
Γ (1/2 )=
Distribución gamma
X+Y : γ(α,β1+β2)
Para valorar la evolución de la distribución al variar los parámetros se tienen los si-
guientes gráficos. Primero se comprueba que para α =1 la distribución tiene simili-
tudes con la exponencial.
Esta distribución tiene su aplicación en industria automotriz por ejemplo: En los in-
tervalos de tiempos entre el fallo de un motor, tiempo de vida de un sistema elec -
trico, en estudios de supervivencia de fiabilidad.
1.- Usando la tabla de área de la curva normal estándar, calcule el valor de Z que verifica cada con -
dición. Ilustre con la proporción del área bajo la curva normal relevante en cada caso (3pts).
a) P( Z ≤ z ) = 0.35
Área: 0,3500 el área más próximo es 0,3500 en la intersección entre horizontal y vertical es
Z= -0,38
Gráfica
Solución Parte (b)
b) P( Z > z )=0.69
P( Z > z )=0.69
1 - P( Z ≤ 0,49 )=0.69
1 – 0,6900
0,3100
Solución C
Área: 0,6000 el área más próximo es 0,3500 en la intersección entre horizontal y vertical es
Z= 0,25
Gráfica
2.- Se sabe que la capacidad de los envases que fabrica una empresa si-
gue una distribución normal de media 3Lt y desviación típica 0.019Lt. La empresa
desecha todos los envases que tengan una capacidad inferior a 1.86 Lt o superior
a 2,5 Lt. Escriba la variable aleatoria del problema y determine el porcentaje de
envases que será rechazado.
μ=3lts
P(Z<1,86) o P(Z>2,5)
P( 1,86>Z>2,5)
Porcentaje de envases rechazados
La variable aleatoria:
Numero de envases producidos por una empresa
μ=115 cilindros
X−μ
Z = 80% ⟹ Z = 0,80 Z= σ
120−115 120−115
P(X<120) 0,8= σ
⟹ σ= 0,8
5
σ=? σ = 0,8 ⟹ σ = 6.25
Variable Aleatoria
Demanda de semanal de cilindro de una sub estación postal
(159,5)−136 23,4
Z= Z = 9,47 Z = 1,53
9,47
BIBLIOGRAFIA
Material didáctico utilizado y recomendado por el docente
www.sergas.es/Saudepublica/Documents/1899/
Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre2014.pdf
https://www.monografias.com/trabajos94/distribucion-gamma/distribucion-gamma