Documente Academic
Documente Profesional
Documente Cultură
Unidad VI
1. LA DISTRIBUCIÓN NORMAL
1 2
/ 2σ 2
f ( x; µ, σ 2 ) = e −( x − µ ) -∞< x <∞
σ 2π
Donde:
µ Es la media de la distribución
σ Es la desviación estándar
f(x)
X
µ
Figura 6.1 Gráfica de densidad de Probabilidad Normal.
147
Matemática Aplicada
Si en lugar de x tomamos:
( x − µ)
z=
σ
F(z)
1 z −t2 / 2
F( z ) = ∫ e dt
2π − ∞
z
z
µ=0
Figura 6.2 Gráfica de densidad de Probabilidad Normal Estándar.
148
Matemática Aplicada
EJEMPLO 1
Solución
F(z)
z
0,87 1,28
µ=0
Fig. 6.3
149
Matemática Aplicada
F(z)
z
-0,34 0,62
µ=0
Fig. 6.4
F(z)
z
0, 85
µ=0
Fig. 6.5
F(z)
z
0,85
µ=0
Fig. 6.6
150
Matemática Aplicada
EJEMPLO 2
SOLUCIÓN
5.50 − 4.35
• 1 − F = 1− F(1.95)
0.59
= 1− 0.9744
= 0.0256
EJEMPLO 3
Solución
4−µ
Para determinar µ de tal manera que F = 0.02 y, por lo tanto,
0.04
4−µ
F − = 0.98 buscamos en la tabla 3 la entrada más cercana a
0.04
0.98 y obtenemos 0.9798, que corresponde a z = 2.05. Así:
4−µ
− = 2.05
0.04
151
Matemática Aplicada
EJEMPLO 4
Solución
σ = 3,3
X
7,5 Número de
µ = 11,6 Interrupciones
Fig. 6.7
152
Matemática Aplicada
7,5 − 11,6
1 − F = 1 − F( −1,24)
3,3
= F(1,24)
= 0,8925
Para ello se establece una franja cuyo ancho será el rango de aceptación.
Este rango se establece alrededor de la media µ la que definirá la Línea
Media LM.
R = LSC − LIC
LSC = µ + Aσ
LIC = µ − Aσ
3
Donde A = ; n = tamaño de la muestra.
n
Los límites de este rango serán el Límite Superior de Control LSC y el
Límite Inferior de Control LIC
LSC
µ + 3σ
n
LM
µ
µ − 3σ L IC
n
MUESTR A
Fig. 6.8
153
Matemática Aplicada
EJEMPLO 5
Solución
La línea media:
LM = µ = 5,60
Los límites de control serán:
LSC = µ + Aσ = 5,60 + ( 3 )0,05 = 5,667
5
LIC = µ − Aσ = 5,60 − ( 3 )0,05 = 5,533
5
154
Matemática Aplicada
3σ 5,68 LSC
µ 5,667
n
5,66
5,64
5,62
LM
µ = 5,60
5,58
5,56
LIC
5,54 5,533
µ − 3σ
n
5,52
MUESTRA
1 2 3 4 5 6 7 8 9 10
Fig. 6.9
155
Matemática Aplicada
156
Matemática Aplicada
Sol:
2. DISTRIBUCIÓN GAMMA
1
α x α -1 e - x/ β para x > 0, α > 0, β > 0
f(x) = β Γ ( α )
0 en otra parte
157
Matemática Aplicada
Figura 6.10
1 ∞
µ= ∫ x ⋅ x α −1e − x / β dx
β Γ(α ) 0
α
β ∞ α −y βΓ((α + 1)
µ= ∫
Γ(α ) 0
y e dy =
Γ(α )
µ = αβ
La Varianza de la distribución gamma esta dada por:
σ 2 = αβ 2
158
Matemática Aplicada
3. DISTRIBUCIÓN EXPONENCIAL
1 − x
e β para x > 0, β>0
f(x) = β
0 en otra parte
β =1
x
1 −β
f(x) = e
β
x f(x)
0.9048374
0.1 2
0.6065306
0.5 6 DISTRIBUCION EXPONENCIAL
0.4493289 (Beta = 1)
0.8 6
1
0.3678794
0.9
1 4
0.8
0.1353352
PROBABILIDAD (X=x
0.7
2 8
0.6
0.0497870
3 7 0.5
0.4
0.0183156
4 4 0.3
0.0067379 0.2
5 5 0.1
0.0024787 0
6 5 0 2 4 6 8 10 12
7 8
0.0003354
8 6
0.0001234
9 1
10 4.54E-05
Figura 6.11 Representación gráfica de la función exponencial para β = 1.
159
Matemática Aplicada
FUNCION EXPONENCIAL
(Beta = 1; Beta = 0.1; Beta = 5)
4
3.5
PROBABILIDAD (X = X)
3
2.5
β = 0,1 Serie1
2
Serie2
1.5
β =1 Serie3
1
β=5
0.5
0
-0.5 0 5 10 15
VARIABLE ALEATORIA x
Figura 6.12
EJEMPLO 1
En promedio llegan tres camiones por hora para ser descargados en una
bodega, ¿Cuáles son las probabilidades de que el tiempo entre el arribo
de sucesivos camiones sea:
160
Matemática Aplicada
Solución
1/ 12
∫ 3e −3 x dx = 1 − e −1/ 4 = 1.221
0
4. LA DISTRIBUCIÓN BETA
Γ(α + β) α -1
X (1- X)β-1 para 0 < x < 1, α > 0, β > 0
f(x) = Γ(α).Γ(β)
0 en otra parte
EJEMPLO 1
161
Matemática Aplicada
Figura 6.13
Solución
3
• µ= = 0,60 lo que significa que, en promedio, el 60% de los
3+2
tramos de carretera requieren reparaciones en un año dado.
• Sustituyendo α = 3 y β = 2 en la fórmula de la distribución beta y
partiendo del hecho de que
Γ(5) = 4! = 24
Γ(3) = 2! = 2
Γ(2) = 1! = 1
Luego reemplazando estos valores en la función Beta obtenemos:
f ( x ) = 12 x 2 (1 − x ) para 0 〈 x 〈1
0 en otra parte
1/ 2
5
∫ 12x 2 (1 − x )dx =
16
0
162
Matemática Aplicada
5. LA DISTRIBUCIÓN DE WEIBULL
αβx β −1e − αx
β
parax > 0, α > 0, β > 0
f(x) =
0 en otra parte
∫ αβ x β − 1 e − α x β dx
0
aβ
β
∫ α e − α y dy = 1 − e − α a
0
Y, como puede verse, y es un valor de una variable aleatoria con una distribución
exponencial. Las representaciones gráficas de varias distribuciones de Weibull
1
con α = 1 y β= ; 1; 2 se muestran en la figura 6.14.
2
Figura 6.14
163
Matemática Aplicada
∞
µ= ∫ x ⋅ αβ x β−1e −αxβ dx
0
∞
µ = α −1/ β ∫ u1/ β e −u du
0
1
Y reconociendo la integral como Γ1 + , es decir, como un valor de la
β
función gamma, encontramos que la media de la distribución de wibull
está dada por
1
µ = α −1/ β Γ1 +
β
2 1
σ 2 = α −2 / β {Γ1 + − [Γ1 + ] }
2
β β
EJEMPLO 1
164
Matemática Aplicada
Solución
• Integrando, obtenemos
∞
0.5 0 .5
− 0.5
∫ (0.05)x e 0.1x dx = e −0.1( 300 ) = 0.177
300
165
Matemática Aplicada
166