ESTADISTICA INDUSTRIAL

CARRERA: Ingeniería Industrial

NOMBRE: Sanchez Hernandez Eduardo

TAREA : DISTRICION BETA

GRUPO: 870451

ENTREGA: Sabado 21 de octubre

 DESARROLLO
CARACTERISTICAS

La distribución beta tiene varias características importantes:

1. Rango de valores: La distribución beta está definida en el intervalo (0, 1), lo que
significa que sus valores se encuentran entre 0 y 1 exclusivamente. Esto la hace
especialmente útil para modelar proporciones y probabilidades.

2. Forma flexible: La forma de la distribución beta es controlada por dos parámetros, a

menudo denotados como α y β. Estos parámetros permiten ajustar la forma de la
distribución para adaptarse a diferentes conjuntos de datos. Pueden influir en la
simetría, curtosis y asimetría de la distribución.

3. Distribución asimétrica: Dependiendo de los valores de los parámetros α y β, la

distribución beta puede ser simétrica o asimétrica. Puede tener una asimetría positiva
(cola larga a la derecha) o una asimetría negativa (cola larga a la izquierda).

4. Relación con la distribución binomial: La distribución beta está estrechamente

relacionada con la distribución binomial. Si se toma una variable aleatoria que sigue
una distribución binomial y se normaliza dividiéndola por el número total de ensayos,
la distribución resultante se aproximará a una distribución beta a medida que el
número de ensayos aumente.

5. Función de densidad de probabilidad (PDF) y función de distribución acumulativa

(CDF): La distribución beta tiene una función de densidad de probabilidad (PDF) que
describe la probabilidad de obtener un valor específico. También tiene una función de
distribución acumulativa (CDF) que proporciona la probabilidad acumulada de que una
variable aleatoria sea menor o igual que un valor dado.
 DESARROLLO
APLICACIONES

La distribución beta es una distribución de probabilidad continua que se utiliza en

diversos campos, como estadísticas, investigación de operaciones, finanzas y ciencias
sociales

. Algunas aplicaciones comunes de la distribución beta incluyen:

1. Modelado de proporciones: La distribución beta se utiliza para modelar

proporciones o porcentajes, como la proporción de éxitos en un experimento binomial.

2. Análisis de riesgos y finanzas: En finanzas, la distribución beta se utiliza para modelar

los rendimientos de los activos financieros y calcular el coeficiente beta, que mide la
sensibilidad de un activo en relación con el mercado. También se utiliza en el análisis
de riesgos para modelar la incertidumbre y calcular medidas como el Value at Risk
(VaR).

3. Estimación de parámetros: La distribución beta se utiliza como distribución previa

conjugada en el análisis bayesiano para estimar parámetros desconocidos en un
modelo.

4. Control de calidad: En el control de calidad, la distribución beta se utiliza para

modelar la variabilidad en los procesos y calcular límites dne control para el control
estadístico de procesos.

5. Optimización de recursos: La distribución beta se utiliza en problemas de

optimización de recursos para modelar la distribución de probabilidades de las
demandas o rendimientos de diferentes alternativas y encontrar la asignación óptima
de recursos.
 DESARROLLO
FUNCION DE DENSIDAD
La función de densidad de probabilidad (PDF) de la distribución beta se define de la
siguiente manera:

f(x; α, β) = (1/B(α, β)) * (x^(α-1)) * ((1-x)^(β-1))

Donde:
- x es el valor en el rango (0, 1) para el cual se desea calcular la densidad de
probabilidad.
- α y β son los parámetros de la distribución beta, donde α > 0 y β > 0.
- B(α, β) es la función beta, que actúa como un factor de normalización y se calcula
como B(α, β) = (Γ(α) * Γ(β)) / Γ(α+β), donde Γ representa la función gamma.

La función de densidad de probabilidad de la distribución beta describe cómo la

probabilidad se distribuye a lo largo del intervalo (0, 1). La forma de la distribución está
determinada por los valores de los parámetros α y β. Estos parámetros controlan la
forma, la simetría y la asimetría de la distribución

FORMULA DE LA MEDIA
La fórmula de la media de la distribución beta depende de los parámetros α y β de la
distribución. La media de la distribución beta se calcula de la siguiente manera:

μ = α / (α + β)

Donde:
- μ es la media de la distribución beta.
- α y β son los parámetros de la distribución beta, donde α > 0 y β > 0.

La media de la distribución beta es una medida de tendencia central que representa el

valor esperado de la variable aleatoria que sigue dicha distribución. Indica el punto
central de la distribución y puede interpretarse como un promedio ponderado de los
valores posibles, donde α y β actúan como pesos.

Es importante tener en cuenta que la media de la distribución beta solo está definida
cuando tanto α como β son mayores que cero. Si alguno de los parámetros es cero, la
media no está definida.
 DESARROLLO
FORMULA DE LA VARIANZA
La fórmula de la varianza de la distribución beta se calcula utilizando los parámetros α
y β de la distribución. La varianza de la distribución beta se puede obtener utilizando la
siguiente fórmula:

σ^2 = (α * β) / ((α + β)^2 * (α + β + 1))

Donde:
- σ^2 representa la varianza de la distribución beta.
- α y β son los parámetros de la distribución beta, donde α > 0 y β > 0.

La varianza es una medida de dispersión que indica qué tan dispersos están los valores
alrededor de la media en la distribución. Una varianza más alta indica una mayor
dispersión, mientras que una varianza más baja indica una menor dispersión.

FORMULAS DE APROXIMACION A LA NORMAL

La aproximación de la distribución beta a una distribución normal puede realizarse

utilizando la aproximación de la distribución normal o mediante el teorema del límite
central. Si los parámetros de la distribución beta son lo suficientemente grandes, la
distribución beta se aproxima a una distribución normal.

La media y la varianza de la distribución beta se utilizan para determinar los

parámetros de la distribución normal aproximada. La aproximación de la distribución
beta a una distribución normal se puede realizar de la siguiente manenra:

1. Media de la distribución normal aproximada:

μ' = α / (α + β)

2. Varianza de la distribución normal aproximada:

σ'^2 = (α * β) / ((α + β)^2 * (α + β + 1))
 DESARROLLO
Ejemplos

1. Modelado de proporciones: Supongamos que estás investigando la proporción de

personas que prefieren un determinado producto entre dos opciones. Puedes utilizar
la distribución beta para modelar la incertidumbre alrededor de esta proporción y
calcular intervalos de confianza.

2. Análisis de conversiones en marketing: En el ámbito del marketing digital, la

distribución beta se utiliza para modelar las tasas de conversión, es decir, la proporción
de visitantes de un sitio web que realizan una acción deseada, como hacer una compra
o suscribirse a un boletín informativo.

3. Evaluación de riesgos financieros: La distribución beta se utiliza en finanzas para

modelar los rendimientos de los activos financieros y calcular el coeficiente beta, que
mide la sensibilidad de un activo en relación con el mercado.

4. Control de calidad: En el ámbito del control de calidad, la distribución beta se utiliza

para modelar la variabilidad en los procesos y establecer límites de control para
garantizar que los productos o servicios cumplan con las especificaciones requeridas.

5. Investigación científica: La distribución beta también se utiliza en estudios científicos

para modelar proporciones y probabilidades, como en la investigación de
enfermedades, la genética o la ecología.