Documente Academic
Documente Profesional
Documente Cultură
Distribucin uniforme
ea
r
f(x)
de
ab
ob
pr
d
da
ili
x
intervalo
a
f(x) =
1
b-a
si a < x < b
f(x) =
1
3-1
f(x) =
f(x)
0,25
x
intervalo
a
1
2
x-a
P(X < x) =b - a
1,5 - 1 0,5
P(X < x) = 3 - 1 = = 0,25
2
f(x)
0,25
x
x
a
intervalo
b
Media:
x =
Varianza:
x =
Desviacin estndar:
f(x)
1 + 3
2
4
2
=2
(b a)2 (3 1)2
=
12
12 = 0,333
x =0,333
= 0,5774,
0,25
x
x
a
intervalo
b
Distribucin exponencial
Distribucin exponencial
Recuerda que la distribucin de poisson proporciona informacin de
probabilidades de acontecimientos en, espacio o tiempo, como: las
llegadas de camiones a una caseta de cobro, las personas que llegan a
un banco, el nmero de defectos por metro cuadrado en una tela de
alambre,
Pero no todas las personas estn interesadas en los tiempo de llegadas,
como los clientes que consideran el tiempo en que tardan ser atendidos;
a estos, se les provee un tiempo de servicio, con distribucin
exponencial.
La probabilidad de encontrar intervalos especificados de, tiempo o
espacio, entre acontecimientos consecutivos se puede describir por la
distribucin de probabilidad exponencial.
La frmula:
f(x) = *e-x
>0
= 0,5
=2
=1
=3
La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0
>0
f(x) = *e-x
e = 2,71828
= 2 x m2,
La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0
>0
f(x) = *e-x
1
+
La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0
>0
f(x) = *e-x
P(X < x)
La frmula:
Funcin de densidad de probabilidad exponencial
Donde x > 0
>0
f(x) = *e-x
P(x < X)
=P(x
x
< X) = e-x/
F(x2)P(X
=
F(x1)P(X
=
F(x2) F(x1)
x2
Ejemplo:
1/ = 1/1 = 1
x = x = 1/ = 1/1 = 1
c) P(X 4)
c) p(2 X 5)
F(5) F(2) =- e-5+ e-2= 0,1286
F(5)
F(2)
F(5) F(2)
2
c) p(2 X 5)
F(-x)
F(-5,00) = 0,9933
F(-2,00) = 0,8647
Se restan:0,9933
- 0,8647
p(2 X 5) 0,1286
=
= 1 EXP(-x)
= 1/x
= 1/1
x = 1
Distribucin gamma
La funcin Gama,
() =
x 1 e-x dx
(4) =
Se copia
Se derivaSe derivaSe deriva
= x e
x4 1 e-x dx
Se integra
-x
Se integra
Se integra
Se integra 0
0
0
0
0
0
0
0
-6
3 -
2 -
-
-
3 -0
2 -0
-0
= e - 3 e - 6e - 6e 0
[ e 3*0 e 6-0e - 6e
] -0= 6
3) (1/2) = ()1/2
Se multiplican lo signos: - * - = +
Ejemplos:
Otros valores > 0
Distribucin gamma,
Se dice que una variable aleatoria continua X tiene una distribucin
gama si la funcin densidad de probabilidad de X es:
1
-1 -x/
x
e
f(x; , ) =
()
edia y varianza de una variable aleatoria X que tiene la distribucin gama estnd
E(x) = = *
V(x) = 2 = *2
Cuando X es una variable aleatoria gama estndar, la funcin de
distribucin acumulada de X,
F(x; ) =
x
0
y e
dy
()
-1 -y
-1
k
x
= 1 e-x
K = 0 k!
F(5;2) = 0,960
F(3; 2) = 0,801
Se restan:
F(5;2) = 0,960
F(3; 2) = 0,801
0,159
Es la probabilidad de tiempo
de reaccin de entre 3 y 5
segundos,
Cul es la probabilidad de
que el tiempo de reaccin
sea de ms de 4 segundos?
Calculada en excel,
P(X x)
0,9595723
5 1 2
2
0,8008517
3 1 2
3
0,1587205
Se restan:
9
(X x) = F(x; ; ) = F(x/; )
Suponga que el tiempo de sobrevivencia de un ratn macho seleccionado
al azar expuesto a 240 radiaciones gama tiene una distribucin gama con
= 8 y = 15,
El tiempo de
= 8 * 15 = 120
E(x) = = *
sobrevivencia
esperado:
= 2 8 * 152 =
1800
= 42,43
La desviacin estndar: 2 =
*
Calculada en excel,
0 X 120) = F(120/15; 8) F(60/15; 8)
F(8; 8)
F(4; 8)
F(4; 8) = 0,051
F(8; 8) = 0,547
Se restan:
F(8; 8) = 0,547
F(4; 8) = 0,051
0,496
Es la probabilidad que el
ratn viva entre 60 y 120
semanas,
Calculada en excel,
P(X x)
0,5470391
120 15 8
9
0,0511336
60 15 8
2
0,4959055
Se restan:
7
Distribucin Weibull
Distribucin Weibull
Se dice que una variable aleatoria X tiene una distribucin Weibull con
parmetros y ( > 0, > 0) si la funcin probabilidad de X es:
Datos observados
1 -(x/)
e
f(x; , ) = x
Se relacionan con
datos particulares
de y
= *(1 + 1/)
2
2 = 2 * { (1 + 2/) [(1 + 1/)]
} al cuadrado, usa
Est elevado
funcin de excel
POTENCIA(nmero;2)
2 *EXP(GAMMA,LN,EXACTO(1 + POTENCIA(EXP(GAMMA,LN,EXACTO(1
2/))
+ 1/)),2)
F(x; , ) = 1 e
- (x/)
para x 0
Ejemplo:
En aos recientes la distribucin Weibull ha sido utilizada para modelar
emisiones de varios contaminantes de motores,
Sea X la cantidad d emisiones de NOx (g/gal) de un motor de cuatro
tiempos de un tipo seleccionado al azar y suponga que X tiene una
distribucin weibull con = 2 y = 10,
2
=-(10/10)
1 e-1 = 0,632
ual es la probabilidad P(X 10) = F(10; 2, 10) = 1 e
1e
ual es la probabilidad P(X 25) = F(25; 2, 10) = 1 =
e-(25/10)
2
-6,5
= 0,998
Distribucin t de Student
istribucin t de student
Aparenta una distribucin normal,
X-
S/(n1/2)
Teorema:
Cuando X es la media de una muestra
aleatoria de tamao n tomada de una
distribucin normal con media , la variable
aleatoriaMedia de la muestra
Media de la poblacin
Distribucin de probabilidad t
X-
T=
S/(n1/2)
Tamao de la muestra
ropiedades de distribucin t,
Sea tv, la curva de funcin de densidad para el grado de libertad
v,
1. Cada curva tv tiene la forma de una campana y con su centro
en cero,
2. Cada curva tv est ms esparcida que la curva (z) normal
estndar,
3. Conforme v se incrementa, la dispersin tv correspondiente
disminuye,
4. A medida que v -> , la secuencia de curvas tv tiende a la
curva normal estndar (as que la curva z a menudo se llama
curva t con grado de libertad = ,
Valor crtico:t,v
r
ea b
ajo l
a cu
rva
Grados de
libertad del lado
derecho,
Intervalo de confianza100*(1-)%
100 %
/2
ea b
ajo
la c
urva
curva tv
/2
Grados de
libertad del
lado derecho,
Intervalo de confianza100*(1 - )%
100 %
x + t/2 , n - 1 *
t/2 , n - 1 *
n
s
n
s
Ejemplo:
Como parte de un proyecto ms grande para estudiar el
comportamiento de paneles de revestimiento sometidos a esfuerzo, un
componente estructural extensamente utilizado en Estados Unidos
report sobre varias propiedades mecnicas de especmenes de
madera de pino escoss, Considere las siguientes observaciones de
mdulo de elasticidad (Mpa) obtenidas un minuto despus de cargar
10490 16620 17300 15480
una
configuracin,
12790
17260 13400 13900
13630 13260 14370 11700
15470 17840 14070 14760
El tamao de la muestra, n = 16
Se calcula la media de la muestra
n
x=
i=1
xi
10,490+ 16,620 + + 14,070 + 14,076 x = 14,521.25
=
=
16
n
x2 - ( x )2
s=
n(n 1)
x
1
110,040,10
Se le resta 1 por ser muestra pequea.
Se restan
0
2 10,490
3
163,584,10
n * ( x2) = 55,005,552,000
0
4 12,790
185,776,90
5
menos ( x)2 =
53,981,875,600
0
6 13,630
1.023.676.400
239,320,90
7
0
8 15,470
Varianza
276,224,40
9
0
1 16,620
1.023.676.400 1.023.676.400
2
s
=
= 4,265.32
297,907,60
=
0
16(16 1)
n(n 1)
0
1 17,260
175,827,60
1
0
1 13,260
s = 4,265.32 = 2,065.26
318,265,60
2
0
1 17,840
299,290,00
3
0
1 17,300
2
x 179,560,00
x
4
13,400
0
1( x)
2
= (232,340)2 = 53,981,875,600
206,496,90
5
14,370
0
n1* (
x2) = 16 * 3,437,847,000
= 55,005,552,000
197,964,90
x
omo es bilateral, los grados de libertad se divide para ambos lados: /2 = 0.025.
Valor crtico:t
,v
rea
bajo
la c
urva
/2 = 0.025
/2 = 0.025
100 %
Buscar en la tabla:
t,v =
Valor crtico:
t0.025, 15
T/2,v = t0.025, 15
Valor crtico:
n-1 = 16 1 = 15
/2
/2
.05
0.0
25
= 1 0.95 = 0.05
Nivel de confianza
t0.025, 15 = 2.131
x t/2 , n - 1 *
2,065.26
= 14,521.25(2.131)
(16)1/2
2,065.26
=15,621.52
= 14,521.25+(2.131)
1/2
(16)
t/2 , n - 1 *
2,065.26
= 13,420.98
(2.131)
= 14,521.251/2
(16)
13,420.98 x 15,621.52
rvalo es muy ancho debido a la gran variabilidad de los datos de una muestra pe
Para tener mas precisin se usa el intervalo de prediccin (IP) para una
sola observacin que tiene que ser seleccionado de una distribucin de
poblacin normal es:
determinar en el futuro la elasticidad de una viga:
x t/2 , n - 1 * s *
Lmite superior:
x + t/2 , n - 1 * s *
Lmite inferior:
x - t/2 , n - 1 * s *
19,274.9
9,767.55 = 9,507.35
=4.32
Ejercicios:
Determina el valor crtico t que capturar el rea deseada de la
curva t con cada unto de los siguientes casos:
Busca en la tabla t de student.
a) rea central = 0.95, gl = 10.
b) rea central = 0.99, gl = 50.
430.51 x 446.81.
b) Suponer que el 440 es un valor factible
Si es factible, est dentro del rango
430.51 x 446.81.
c) Ver si el 450 es un valor factible
No es factible, est fuera del rango
430.51 x 446.81.
Funcin: PROMEDIO()
de
dos
Frmula:
2=
En donde:
(fo fe)2
fe
fo E
=s la frecuencia observada.
feEs
=la frecuencia esperada relacionada.
Procedimiento:
1. Formular dos hiptesis opuestas.
a) H0 = La relacin entre variables son independientes.
b) HA = Las dos variables son dependientes.
2. Seleccionar un estadstico prueba.
Seleccionamos.
(fo fe)2
2=
fe
Seala la columna
2, gl
d) Se acepta Ho si:
valor
crtico obtenido de la tabla.
, gl
Si el estadstico de prueba
2=
(fo fe)2
fe
, gl
Ejemplo:
Supongamos que la Federal de aviacin desea determinar si hubo alguna
conexin entre las causas oficiales de accidentes de aviacin y el tipo de
licencia que posean los pilotos involucrados.
1. Con la hiptesis nula Ho se indica que las dos variables, (A) las causas
de accidentes y (B) la licencia de piloto, son independientes con la
relacin a los accidentes areos..
2. La
indicade
que
dependientes.
A la hiptesis
DeHmodo
que si alalternativa
hacer la prueba
la son
ji cuadrada
cae antes del
punto crtico entonces se acepta la hiptesis nula, de lo contrario se
rechaza y se acepta la alternativa.
El punto crtico, es el criterio para tomar
como referencia para determinar si rechaza
o se acepta la hiptesis nula. Este se calcula
de las tablas de distribucin de la 2, gl,
como se ver mas adelante.
1
2
3
4
5
6
piloto
Comerci
(A) Causas del
Estudiant
al o lnea total
accidente
eo
de
particula
transport
r
e
Tormenta elctrica
50
20
70
Hielo
40
10
50
Falla del equipo
25
6
31
Error del controlador
25
5
30
Incapacidad del
piloto.
80
6
86
Otras.
30
3
33
250 e
50
300
Frecuencias esperadas f .
250
fe =
70 =58.33
300 *
50
fe =
70 =11.67
300 *
1
2
3
4
5
Causas del
accidente
Tormenta elctica
Hielo
Falla del equipo
Error del
controlador
Incapacidad del
piloto.
5,00
30
71,67
14,33
86
causas del
accidente
Frecuencias
licencia de piloto
fo
fe
Estudiante o paticular
50,00 58,33 -8,33
1
Comercial o lnea de
transporte
20,00 11,67 8,33
Estudiante o particular
40,00 41,67 -1,67
2
Hielo
Comercial o lnea de
transporte
10,00 8,33
1,67
Estudiante o particular
25,00 25,83 -0,83
3 Falla del equipo Comercial o lnea de
transporte
6,00 5,17
0,83
Estudiante o paticular
25,00 25,00 0,00
Error del
4
Comercial o lnea de
controlador
transporte
5,00 5,00
0,00
Derivar una regla de
decisin
(punto crtico).
Estudiante
o paticular
80,00 71,67 8,33
Incapacidad del
5
Comercial o lnea de
piloto
a) El nivel de significancia
transporte = 0.95
6,00 14,33 -8,33
Estudiante o paticular
30,00 27,50 2,50
6
Otras.
o lnea de
b) Grados
de
libertadComercial
= (nmero
de renglones 1)(nmero
transporte
3,00 5,50
-2,50
Tormenta
elctrica
gl = (6 1)(2 1) = 5*1 = 5.
(fo - fe)2
[(fo - fe)2]/fe
69,39
1,19
69,39
2,79
5,95
0,07
2,79
0,69
0,33
0,03
0,69
0,00
0,13
0,00
0,00
2
69,39
69,39
6,25
0,00
=14.87
0,97
4,84
0,23
de columnas 1).
6,25
1,14
20.05, 5 =11.07
Nive
l de
sign
ifica
ncia
:
Valor crtico
El estadstico de prueba
2 = 14.88