Distribuciones

Estadísticas
28 de noviembre de 2022
Investigacion de
operaciones 2
Prof: Deivi de Lion
Integrantes

Jesús Royiz Deyvis Martínez

2017200099 2018100071
Anthony Pérez Albert Vasquez
2016200030 2018100003
María García
2018200102
Giordano Carcerieri
2017100064
¿QUE ES LA DISTRIBUCIÓN NORMAL?

Modelo teórico Adapta una variable

Capaz de aproximar
satisfactoriamente el valor
de una variable aleatoria a
una situación ideal.
aleatoria
A una función que depende
de la media y la desviación
típica.
 CARACTERISTICAS
Data set 1
Depende de la
µ y σ. Data set 2
Area bajo la
curva igual a 1.
Data set 3
Simetrica
respecto al
Data set 4
centro.
50% de los
valores a cada
lado de la
media.
 APLICACION DE LA DISTRIBUCION

Caracteres Caracteres
Variables asociadas fisiológicos morfológicos de
a fenómenos individuos
naturales que (personas,
siguen el modelo animales,
de la normal. plantas....) de una
especie.
 ECUACIÓN Y GRAFICA
Ecuación de densidad

Por cada valor de µ y σ hay una

Representación grafica en curva normal.
forma de campana.
 DISTRIBUCION NORMAL
ESTANDARIZADA

N(µ,σ) N(0,1)

Tipificar
 EJERCICIO CON EXCEL
La resistencia a la compresión de una serie de muestras de cemento puede
modelarse con una distribución normal con media 6000 kilogramos por centímetro
cuadrado, y una desviación estándar de 100 kilogramos por centímetro cuadrado.
a. ¿Cuál es la probabilidad de que la resistencia de una muestra sea menor que
6250 kg/cm²?
b. ¿Cuál es la probabilidad de que la resistencia de una muestra se encuentre entre
5800 y 5900 kg/cm²?
DISTR.NORM(x,media,desv_estándar,acum)
Ra) P(X<6250)= 0.993790335
•X: Es el valor cuya distribución desea obtener.
•Media: Es la media aritmética de la
distribución. Rb) P(5800<X<5900)
= (0.15865525 - 0.02275013)
•Desv_estándar: Es la desviación estándar
=0.13590512
•Acumulado: Es un valor lógico que determina
la forma de la función.
 DISTRIBUCIÓN BINOMIAL

Una distribución binomial

es una distribución de
probabilidad discreta que
describe el número de éxitos
al realizar n experimentos
independientes entre sí,
acerca de una variable
aleatoria.
 PROPIEDADES
• En cada ensayo, experimento o prueba solo son
posibles dos resultados (éxito o fracaso).

• La probabilidad del éxito ha de ser constante. Esta se

representa mediante la letra p

• La probabilidad de fracaso ha de ser también constate.

Esta se representa mediante la letra q = 1-p.
 ECUACIÓN

Donde:
n = Número de
ensayos/experimentos
x = Número de éxitos
p = Probabilidad de éxito
q = Probabilidad de fracaso (1-
p)
EJEMPLO EN EXCEL
APLICACIÓN DE LA DISTRIBUCIÓN BINOMIAL

Al nivel industrial podemos aplicar la distribución binomial a

un sistema de clasificación de partes para un lote de
producción, donde se utiliza un sistema de procesamiento
digital de imágenes que permite reconocer las piezas
cuando se reúnen o no las características definidas
previamente.
 DISTRIBUCIÓN DE POISSON
Es una distribución de probabilidad de una variable aleatoria discreta,
qué nos proporciona la probabilidad de que ocurra un determinado
suceso un número de veces, en un intervalo de tiempo, longitud o área.

Concretamente, se especializa en la probabilidad de ocurrencia de

sucesos con probabilidades muy pequeñas, o sucesos «raros».

Como por ejemplo:

Se utilizadas para determinar cuántos empleados de caja son
necesarios para mantener el tiempo de espera en la fila a niveles
específicos, cuantas líneas telefónicas son necesarias para evitar que el
sistema se sobrecargue, y muchas otras aplicaciones prácticas.
 CÓMO SABER SI UNA DISTRIBUCIÓN
ES DE POISSON
Para que una distribución sea considerada como distribución
de Poisson debe cumplir con tres requisitos:

 La variable discreta “x” es el número de ocurrencias de un evento

durante un intervalo determinado (de tiempo, espacio, etc.).
 Las ocurrencias deben ser aleatorias y no contener ningún factor que
favorezca unas ocurrencias en favor de otras.
 Las ocurrencias deben estar uniformemente distribuidas dentro del
intervalo que se emplee.

Una propiedad importante de la distribución de Poisson es que, la suma de

“n” variables de Poisson independientes tendrá como resultado también una
variable de Poisson, siendo su parámetro la suma del valor de los
parámetros originales.
 ECUACIÓN PARA LA DISTRIBUCIÓN
DE POISSON

P(X)= probabilidad
𝝻=media del número de ocurrencias en un intervalo especifico
e= constante 2.71…
x=número de ocurrencias (éxitos)
DISTRIBUCIÓN DE POISSON APLICADA EN
EXCEL
DISTRIBUCIÓN DE POISSON APLICADA
EN LA INDUSTRIA
El Turismo es un rubro donde se realizan diversas actividades, el cual
existe mucha información y estadísticas útiles para una buena toma de
decisiones. Para realizar una buena toma de decisiones se debe de
plantear escenarios con resultados de probabilidad favorables, por lo que
ésta información estadística es de carácter discreto, quiere decir, que
adopta un número de valores separados, como por ejemplo: 5 días de
viaje en promedio, 3.500.000 turistas visitaron Perú éste año, 650
dólares es el gasto promedio por turista en su visita a Lima, entre otros
datos. Es por ello que, la mejor herramienta para definir probabilidades es
la distribución de probabilidades discretas.
DISTRIBUCIÓN HIPERGEOMETRICA
Es una función estadística discreta, adecuada para calcular
la probabilidad en experimentos aleatorios con dos
resultados posibles. La condición que se requiere para
aplicarla es que se trate de poblaciones pequeñas, en las
cuales las extracciones no se reemplazan y las
probabilidades no son constantes.
 APLICACIÓN DE LA
DISTRIBUCION
Es especialmente útil en todos aquellos casos en los que
se extraigan muestras o se realizan experiencias repetidas
sin devolución del elemento extraído o sin retornar a la
situación experimental inicial.
FUNCIÓN MATEMÁTICA

Esta consta de tres parámetros, que son:

Número de elementos de población (N)

Tamaño de la muestra (m)

Cantidad de eventos en la población

completa con un resultado favorable (o
desfavorable) de la característica
estudiada (n).
ECUACION GENERAL

N= Tamaño de la Población.
n= Tamaño de la Muestra.
K=Cantidad de elementos
que cumple características
deseada.
x= Cantidad de Éxitos.
 EJEMPLO
En una jaula hay 30 pericos rusos y 20 pericos chinos si
extraemos 10 pericos al azar calcular posibilidad de que 3 de
ellos hablen chino (característica deseada).

DATOS:
N= 50
n= 10
k= 20
x= 3
INTERPRETACION: La probabilidad de que me
salgan 3 pericos me hablen chino es de
0.2259
 PROPIEDADES
La muestra siempre debe
ser pequeña, aunque la
población sea grande. Los elementos de la muestra se van
extrayendo de a uno, sin
incorporarlos nuevamente a la
población.
La propiedad a estudiar es binaria, es
decir sólo puede tomar dos valores: 1
o 0, o bien cierto o falso.
En cada paso de extracción de
elementos, la probabilidad cambia
dependiendo de los resultados
previos.
Ejercicio aplicado en Excel
 DISTRIBUCION LOG-NORMAL
Por lo tanto es
la descripción
mediante una
distribución
Y tenemos una normal de los
logaritmos
variable aleatoria «x» neperianos de
cuyo valor son igual una variable
Ocurre cuando una
variable aleatoria «y»
𝑿 = 𝒆𝒚
tiene una
distribución normal. 𝒀 = 𝐥 𝐧(𝒙)
𝟏 − 𝐲−𝛍 𝟐
−
𝐟 𝐘 = 𝐞 𝟐𝛔𝟐
𝟐𝛑𝛔
 ECUACIÓN DE PROBABILIDAD
Resumen Variable aleatoria lognormal

1 ln 𝑥 −𝜃 2
Función e
−
2𝜔2 ;
x>0
de f x = x 2πω σ>0
densidad 0 ; otro caso

Media ω2
θ+ 2
(𝛍=θ) μx = e ; μx : Media de log X .

Varianza
2 2
(𝛔𝟐 = 𝝎𝟐 ) σ2x = eω − 1 e2θ+ω ; σx : desviación estándar de log X .
PROPIEDADES DEL LOG-NORMAL
Tasa y probabilidades Se utiliza para
de fallo con valores parámetros que son
x>0 a su vez producto de
numerosas
cantidades aleatorias
Depende de dos
parámetros ,
ajustándose a
distribución empíricas

1
𝜃+2𝜎 2
La 𝑥 = 𝑒 >
𝑀𝑒 = 𝑒 𝜃
EJEMPLO DEL LOG-NORMAL
 APLICACIÓN INDUSTRIAL DEL LOG-
NORMAL

Se ajusta para hallar Representación en la

Calcular la vida de los Hallar fallas en un
la fatiga de distribución de los
aislamientos proceso y de
componentes tiempos de
eléctricos mantenimiento
metálicos reparación
 DISTRIBUCIÖN WEIBOL
Es una distribución
de probabilidad
continua, basada en
datos, medidas o
asumidos.

Es una distribución
triparamétrica.
APLICACIÓN DE DISTRIBUCION
WEIBOL
Tiene un uso versátil en
distintos campos
Aplicaciones en
ingeniería en cada
campo
Investigaciones medicas
Control de calidad
Finanzas
Climatología
 Ejemplos
Aplicado

Enfocaremos un
análisis de
confiabilidad
asociado a una
estadística de fallas
de equipos de una
planta fraccionadora
de gas
Analizando los datos de la
tabla No. 2, como primera
observación tenemos que
hay un 95.98% que los TPF
sean menores a 95.98%,
por supuesto que es una
información, pero no nos
ayuda mucho ya que
tenemos datos desde 240
horas a 13,776 horas, por
lo que debemos analizar la
gráfica de Weibull
Del análisis tenemos que el Factor de Forma β es 0.6433
lo que indica que tenemos una tasa de falla descendente,
al igual que una t = η (aproximadamente 2,000).
Ya con los datos de forma y escala podemos realizar
cualquier estimado de confiabilidad utilizando la ecuación
(7) o el gráfico de Weibull.
R(t) = 1-F(t) (7)
Por ejemplo, si queremos estimar cuál es la confiabilidad
o probabilidad para que los equipos no fallen a t1=500
horas o t2=3000 horas, obtendremos lo siguiente:
R(t1) = 80%
R(t2) = 10%