Asignatura: Inferencia Estadstica

Estudiante: Jes
us Olivo Martnez A.
E-mail: jeomartinezac@unal.edu.com
C
odigo: 25461070

Fecha: 27 de Agosto de 2014

Programa: Ingenira Industrial
Departamento: Estadstica
Docente: Henry Mendoza Rivera.

Taller 1.
1. Cuales es el
area de la Ingeniera Industrial en la que le gustara enfocarse y
que relaci
on tiene con la estadstica?
Especialista en metodos de produccion: considero al departamento de produccion como
el coraz
on de una empresa industrial, las actividades de metodos, estudio de tiempos y
salarios son el coraz
on del grupo de fabricacion. Mas que en cualquier otra parte, es aqu
donde se determina si un producto va a ser producido de manera competitiva. Tambien
es aqu donde se aplican la iniciativa y el ingenio para desarrollar herramientas, relaciones
hombre-m
aquina y estaciones de trabajo eficientes para trabajos nuevos antes de iniciar
la producci
on, asegurando de este modo que el producto pase las pruebas frente a la
fuerte competici
on. En esta fase es donde se emplea continuamente la creatividad para
mejorar los metodos existentes y afirmar a la empresa en posicion adelantada en su lnea
de productos. En esta actividad se puede mantener buenas relaciones laborales mediante
el establecimiento de normas justas de trabajo, o bien, dichas relaciones pueden resultar
afectadas adversamente por la adopcion de normas in-equitativas.
Los modelos estadsticos son de gran importancia en la elaboracion de grandes metodos de
producci
on, puesto que con estos se puede dar un pronostico de la eficiencia de los nuevos
metodos.
2. Qu
e es el coeficiente de Curtosis?
El coeficiente de curtosis es una medida que determina el grado de concentracion que presentan los valores alrededor de la media. Por medio del coeficiente de curtosis se puede
identificar si existe una gran cantidad de valore(Leptoc
urtica), una concentracion normal(Mesoc
urtica) o una baja concentracon(Platic
urtica).

4 =

4
=
4

1
n

(Xi X )4

(Xi X )2 4
)
N

donde:
Xi es un valor de la variable de estudio.
X es el valor de la media poblacional de la variable de estudio.
N es el total de datos en la poblacional.

Para 4 = 3 los datos se distribuyen de forma normal, o mesoc

urtica.Si 4 > 3 es leptoc
urtica y si 4 < 3 entonces es platic
urtica.
3. Que es el coeficiente de Asimetria?
Esta medida permite identificar si los datos se distribuyen uniformemente a traves de la
media. Siendo llamada asimetria positiva cuando las mayoria de los datos se encuentran
por encima de la media y negativa cuando ocurre lo contrario.

3 =

3
=
3

1
n

(Xi X )3

(Xi X )2 3
)
N

donde:
Xi es un valor de la variable de estudio.
X es el valor de la media poblacional de la variable de estudio.
N es el total de datos en la poblacional.
La medida 3 ser
a positiva o negativa si la distribucion es sesgada a la derecha o a la
izquierda, repectivamente. Para una distribucion simetrica 3 = 0
4. C
omo se calcula la funci
on Gamma y cu
ales son sus propiedades?
La funcion Gamma de Euler : (0, ) R esta defina por:
(z) =

z1 t
e dt
0 t

x (0, +)

Si n X + , entonces: (x) = (x 1)!

Las propiedades de la funci
on Gamma son:
La formula de reflexion de Euler:

(1 x)(x) =
sin(x)
La formula de multiplicaci
on:
1
2
(x)(x + n )(x + n )...(x +

n1
n )

= (2)

(n1)
2

n 2 nx (nx)

La formula de duplicaci
on:

22x1 (x)(x + 12 ) = (2x)

( 12 ) =

1
(x)

= xex

m=1 {(1

x
x m
}(
m )e

constante de Euler )

5. C
omo se calcula la funci
on Beta y cu
ales son sus propiedades?
La funci
on Beta de Euler B : (0, +)(0, +) R esta definida por:
B(x, y) =

1 x1
(1
0 t

t)y1 dt

(x > 0, y > 0)

Las propiedades de la funci

on Beta son:
(x)(y)
(x + y)
B(x, y) = B(y, x)

B(x, y) =

B(x, y) =

1 x1
(1
0 t

t)y1 dt =

tx1
dt
(1 + t)y+x

B( 12 , 12 ) =
B(1, 1, ) = 1

6. Que relaci
on existe entre las distribuciones discretas?
Relacion entre binomial negativa y geometrica: Cuando una distribuci
on binomial
negativa de parametros n y p, n toma el valor de 1, esta distribucion se denomina
distribuci
on geometrica.
Relacion entre binomial y poisson: Cuando un experimento se realiza un numero
suficientemente grande de veces, y este experimento solo tiene dos posibles resultados,
exito o fracaso, con probabilidad de exito peque
na. Este tipo de experimento por lo
general, tiene distribucion binomial, pero por la magnitud de sus parametros puede
ser aproximada a una distribucion poisson.
Relacion entre binomial y bernoulli: Cuando una distribuci
on binomial de parametros
n y p, donde n = 1, la distribucion recibe el nombre de distribucion bernoulli.
Relacion entre binomial e hipergeometrica: Cuando los parametros de una distribuci
on
hipergeomtrica son lo sufientemente grandes, este tipo de distribucion se puede aproximar a una distribuci
on binomial.

7. Que relaci
on existe entre las distribuciones continuas?
La distribuci
on Beta de parametros a=1 y b=1 es la misma distribucion Uniforme.
La distribuci
on Exponencial se obtiene al fijar el parametro r = 1 y > 0 de una
distribuci
on Gamma.
La distribuci
on Exponencial se puede obtener, cuando = 1,siendo parametro de
una distribuci
on Weibull.
La distribuci
on Gamma y la de Weibull son generalizaciones de la distribucion Exponencial y sin embargo, no son una misma distribucion. Existen distribuciones Gamma
que no son Weibull y viceversa.

 La distribuci
on de Poisson describe el n
umero de eventos por unidad de tiempo;
la distribuci
on Exponencial representa el tiempo que transcurre entre dos eventos
sucesivos. La distribuci
on Exponencial puede derivarse de la de Poisson.
La Geometrica tiende a la distribuci
on Exponencial cuando, en la primera distribuci
on
q tiende a cero y el tiempo entre llegadas tambien tiende a cero.
La distribuci
on Chi-Cuadrdo se obtiene al fijar el parametro = 1/2 y r = k/2(k
entero positivo), de una distribucion Gamma.
La distribucion Erlang con parametro r = 1, es la ya conocida distribuci
on Exponencial
La distribucion Erlang se obtiene al hacer del parametro r de una distribuci
on Gamma
constante.
la distribuci
on Cauchy es un caso especial de la distribucion T Student, cuando los
grados de libertad son igual a uno. Tambien si X y Y son independientes n(0, 1), X/Y
es una distribuci
on Cauchy.

8. Que relaci
on existe entre las distribuciones discretas y las continuas?
La distribuci
on binomial se puede aproximar a una distribucion normal.
En la distribuci
on gamma si su parametro es un entero positivo, entonces esta se
puede aproximar a una poisson.

9. Represente las graficas de distintas distribuciones discretas, haciendo variar

sus parametros

=1

= 0.5

= 0.7

 = 2, = 0.5

= 4, = 0.5

= 4, = 0.3

= 5, = 0.5

= 3, = 0.5

= 5, = 0.7

10. Represente las graficas de distintas distribuciones continuas, haciendo variar

sus parametros

E(x) = 0, = 2

E(x) = 0, = 4

=1

E(x) = 2, = 2

= 0.5

= 0.7

 = 2, = 1

= 3, = 1

= 1, = 2

= 0.5, = 2

= 3, = 1.5

= 0.5, = 1

 = 1, = 0.5

= 0.5, = 1

= 1, = 1