Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadisticas
Actividad 2 Unidad VI
Flores Aguayo Viviana
21212484
Ing. Industrial
2Z
Varianza
• Medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable
respecto a su media. O en pocas palabras, la media de los residuos al cuadrado:
Desviación Estándar
• Medida de dispersión para variables de razón (variables cuantitativas o cantidades racionales) y
de intervalo. Se define como la raíz cuadrada de la varianza de la variable.
Distribucion exponencial
• La distribución exponencial suele referirse a la cantidad de tiempo que transcurre hasta que se produce
algún evento específico.
• Los valores de una variable aleatoria exponencial se producen de la siguiente manera. Hay menos
valores grandes y más valores pequeños.
• Las distribuciones exponenciales se utilizan habitualmente en cálculos de fiabilidad de productos, es
decir, el tiempo que dura un producto.
• La variable aleatoria de la distribución exponencial es continua y suele medir el paso del tiempo, aunque
puede utilizarse en otras aplicaciones.
La función de densidad de probabilidad viene dada por:
Distribución de parámetros
• El primer parámetro (α) sitúa la máxima intensidad de probabilidad y por este motivo en algunas
fuentes se denomina “la forma” de la distribución: cuando se toman valores próximos a cero
aparece entonces un dibujo muy similar al de la distribución exponencial.
• Cuando se toman valores más grandes de (α) el centro de la distribución se desplaza a la derecha y
va apareciendo la forma de una campana de Gauss con asimetría positiva.
• Es el segundo parámetro (β) el que determina la forma o alcance de esta asimetría positiva
desplazando la densidad de probabilidad en la cola de la derecha.
• Para valores elevados de (β) la distribución acumula más densidad de probabilidad en el extremo
derecho de la cola, alargando mucho su dibujo y dispersando la probabilidad a lo largo del plano.
• Al dispersar la probabilidad la altura máxima de densidad de probabilidad se va reduciendo; de
aquí que se le denomine “escala”.
• Valores más pequeños de (β) conducen a una figura más simétrica y concentrada, con un pico de
densidad de probabilidad más elevado.
• Una forma de interpretar (β) es “tiempo promedio entre ocurrencia de un suceso”. Relacionándose
con el parámetro de la Poisson como β=1/λ. Alternativamente λ será el ratio de ocurrencia: λ=1/β.
• La expresión también será necesaria más adelante para poder llevar a cabo el desarrollo
matemático
Para valores no enteros, el valor de la función Gamma se obtiene a partir de:
La función de densidad de la distribución Gamma es:
lo que significa que una distribución Gamma de parámetro α=1 y β =0 es una distribución
exponencial de parámetro α=1.
Distribución normal
• Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su
extendida utilización, justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.
La importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a
fenómenos naturales que siguen el modelo de la normal
• Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo:
tallas, pesos, envergaduras, diámetros, perímetros,...
• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad
de abono.
• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos,
puntuaciones de examen.
• Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio,...
• Errores cometidos al medir ciertas magnitudes.
• Valores estadísticos muestrales, por ejemplo : la media.
• Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...
Y en general cualquier característica que se obtenga como suma de muchos factores.
Función de la densidad
• Empleando cálculos bastante laboriosos, puede demostrarse que el modelo de la función de
densidad que corresponde a tales distribuciones viene dado por la fórmula:
Función de distribución
• Puede tomar cualquier valor (- ∞ + ∞)
• Son más probables los valores cercanos a uno central que llamamos media µ
• Conforme nos separamos de ese valor µ , la probabilidad va decreciendo de igual forma a derecha
e izquierda (es simétrica).
• Conforme nos separamos de ese valor µ, la probabilidad va decreciendo de forma más o menos
rápida dependiendo de un parámetro σ , que es la desviación típica.
Característica de la distribución normal
tipificada (reducida, estándar)
• No depende de ningún parámetro
• Su media es 0, su varianza es 1 y su desviación típica es 1.
• La curva f(x) es simétrica respecto del eje OY
• Tiene un máximo en este eje+
• Tiene dos puntos de inflexión en z =1 y z = -1
Aproximación de la Binomial a la Normal
• Una distribución binomial B(n,p) se puede aproximar por una distribución normal, siempre que n
sea grande y p no esté muy próxima a 0 o a 1. La aproximación consiste en utilizar una distribución
normal con la misma media y desviación típica que la distribución binomial.
En la practica se utiliza la aproximación cuando :
En cuyo caso :