Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ADMINISTRACIÓN DE EMPRESAS
ESTADISTICA INFERENCIAL
PRESENTADO POR:
CUARTO SEMESTRE
FECHA: 27/02/2024
CARTAGENA DE INDIAS D.T. Y C.
Distribución exponencial
La distribución exponencial suele referirse a la cantidad de tiempo que transcurre hasta que se produce
algún evento específico. Por ejemplo, la cantidad de tiempo (que comienza ahora) hasta que se produzca
un terremoto tiene una distribución exponencial. Otros ejemplos son la duración, en minutos, de las
llamadas telefónicas de larga distancia comerciales y la cantidad de tiempo, en meses, que dura la batería
de un automóvil. También se puede demostrar que el valor del cambio que se tiene en el bolsillo o en el
monedero sigue una distribución exponencial aproximadamente.
Los valores de una variable aleatoria exponencial se producen de la siguiente manera. Hay menos
valores grandes y más valores pequeños. Por ejemplo, los estudios de marketing han demostrado que la
cantidad de dinero que los clientes gastan en una visita al supermercado sigue una distribución
exponencial. Hay más gente que gasta pequeñas cantidades de dinero y menos gente que gasta grandes
cantidades de dinero.
La variable aleatoria de la distribución exponencial es continua y suele medir el paso del tiempo, aunque
puede utilizarse en otras aplicaciones. Las preguntas típicas pueden ser: "¿cuál es la probabilidad de que
algún evento ocurra en los próximos x horas o días, o cuál es la probabilidad de que algún evento ocurra
entre x1 horas y x2 horas, o cuál es la probabilidad de que el evento dure más de x1 horas para llevarse a
cabo" En resumen, la variable aleatoria X es iguala (a) el tiempo entre eventos o(b) el paso del tiempo
para completar una acción, por ejemplo, esperar a un cliente. La función de densidad de probabilidad
viene dada por:
e(x)=1μe–1μx
Una forma alternativa de la fórmula de la distribución exponencial reconoce lo que suele llamarse el
factor de decaimiento. El factor de decaimiento simplemente mide la rapidez con la que la probabilidad
de un evento disminuye a medida que la variable aleatoria X aumenta. Cuando se utiliza la notación con
el parámetro de decaimiento m, la función de densidad de probabilidad se presenta como:
e(x) = me–mx
F(x)=∫0∞[1μe–xμ]=1–e–xμ
EJEMPLO:
Supongamos que X = la cantidad de tiempo (en minutos) que un empleado de correos pasa con un
cliente. A partir de los datos históricos, se sabe que el tiempo promedio es de cuatro minutos.
Dado que μ = 4 minutos, es decir, el tiempo promedio que el dependiente pasa con un cliente es de 4
minutos. Recuerde que seguimos calculando probabilidad y por tanto nos tienen que decir los parámetros
poblacionales como la media. Para hacer cualquier cálculo, necesitamos conocer la media de la
distribución: el tiempo histórico de prestación de un servicio, por ejemplo. Conocer la media histórica
permite calcular el parámetro de decaimiento, m.
e(x) = me–mx
1μ, o e(x)=1μe–1μx
Para calcular las probabilidades de una función de densidad de probabilidad exponencial, tenemos que
utilizar la función de densidad acumulada. Como se muestra a continuación, la curva de la función de
densidad acumulada es:
Por ejemplo, f(5) = 0,25e(–0,25)(5) = 0,072. Es decir, la función tiene un valor de 0,072 cuando x = 5.
El gráfico es el siguiente:
LA DISTRIBUCION UNIFORME
La distribución uniforme es una distribución de probabilidad continua y se refiere a eventos que tienen la
misma probabilidad de ocurrir. Cuando se resuelven problemas que tienen una distribución uniforme,
hay que tener en cuenta si los datos son inclusivos o excluyentes de los extremos.
𝜇=𝑎+𝑏2 y 𝜎=(𝑏–𝑎)212‾‾‾‾‾√
EJEMPLO:
un ejemplo simple es tirar un dado. Los valores posibles son 1,2,3,4,5 y 6 y cada que lanza el dado, la
probabilidad de una puntuacion determinanda es de 1/6