Free Essay

Estadistic

In: Business and Management

Submitted By galtamir
Words 1266
Pages 6
Distribuciones continuas
Distribución uniforme
Sea x una variable aleatoria con función de densidad f(x), se dice que x tiene una distribución uniforme con parámetros α,β, si y solo si f(x) es:

1/( β-α) α β x f(x)
1/( β-α) α β x f(x) f(x)= 1/(β-α), α<x<β

0, resto de x

α,β ϵ R f(x)= 1/(β-α), α<x<β

0, resto de x

α,β ϵ R

Probabilidad=αβfxdx
Valor esperado μ(x)= (α+β)/2

Valor esperado μ(x)= (α+β)/2

Varianza v(x)= (β- α)^ 2 /12

Varianza v(x)= (β- α)^ 2 /12

Función Generadora de Momentos M(x) = [ (e^ βt- e^ α t ]/ t. (β- α)
Función Generadora de Momentos M(x) = [ (e^ βt- e^ α t ]/ t. (β- α)

Ejemplos: 1) En un trayecto urbano hay dos semáforos consecutivos de modo que 2.5 minutos después de que el primero se ponga verde se pone rojo el segundo. Ambos se cierran cada 2 minutos, permaneciendo cerrados 30 segundos.
Un conductor se ha detenido en el primero y el tiempo en recorren la distancia entre ambos semáforos es una x(1,4). ¿Cuál es la probabilidad de que se pare en el segundo? 2) El volumen de precipitaciones estimado para el próximo año en la ciudad de Sevilla va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la función de distribución y la precipitación media esperada. 3) El experimento de lanzar un dado ¿Cuál es la probabilidad de que salga un dos en el primer lanzamiento?

Distribución gamma
Sea una variable aleatoria continua, se dice que tiene distribución Gamma, si y solo si la función de densidad está dada por: [ (x^α-1 . e^ -x/β ]/ Γ(α).β^ α , x >0
0, resto de x

f(x)= [ (x^α-1 . e^ -x/β ]/ Γ(α).β^ α , x >0
0, resto de x

f(x)=

Probabilidad=0∞fxdx
Función Gamma Γ (α)= (α -1). Γ(α -1)

Función Gamma Γ (α)= (α -1). Γ(α -1)

Valor esperado μ(x)= α.β

Valor esperado μ(x)= α.β

Varianza v(x)= α . β^ 2

Varianza v(x)= α . β^ 2

Función Generadora de Momentos M(x) = (1- β.t)^-α
Función Generadora de Momentos M(x) = (1- β.t)^-α

Observación: Su aplicación es generalmente para definir el tiempo de vida.

Ejemplos: 1) Suponiendo que cierta pieza metálica se romperá después de sufrir dos ciclos de esfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia promedio de dos por cada 100 horas. Obtener la probabilidad de que el intervalo de tiempo se encuentre hasta que ocurre el segundo ciclo a más de dos desviaciones por encima de la media. 2) El tiempo de horas que semanalmente requiere una máquina para mantenimiento es una variable aleatoria con distribución gamma α =3 y β=2, encuentre la probabilidad de que en alguna semana el tiempo de mantenimiento sea mayor a 8 horas. 3) La corrección gamma en fotografía, televisión y pantallas de ordenador. Gamma es el exponente en una relación entre valores de vídeo o píxeles y el brillo mostrado. En fotografía es la pendiente de la curva de la densidad de la película fotográfica (log(opacidad)) frente al log de la exposición (curva de Hurter-Driffield).

Distribución Exponencial

Gamma (α=1) [ e^ -x/β ]/ β , x >0
0, resto de x

f(x)= [ e^ -x/β ]/ β , x >0
0, resto de x

f(x)=

Probabilidad=0∞fxdx
Valor esperado μ(x)= β

Valor esperado μ(x)= β

Varianza v(x)= β^ 2

Varianza v(x)= β^ 2

Función Generadora de Momentos M(x) = (1- β.t)^-1
Función Generadora de Momentos M(x) = (1- β.t)^-1

Ejemplos:

1) El tiempo que tarda una partícula radiactiva en desintegrarse. El conocimiento de la ley que sigue este evento se utiliza en ciencia para la dilatación de fósiles o cualquier materia orgánica mediante la técnica del carbono 14. 2) El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de un paciente. 3) En un proceso de Poisson donde se repite sucesivamente un experimento a intervalos de tiempos iguales, el tiempo que transcurre entre la ocurrencia de dos sucesos consecutivos sigue un modelo probabilístico exponencial. El tiempo que transcurrimos entre que sufrimos dos veces una herida importante.

Distribución Beta
Sea x una variable aleatoria continua, se dice que tiene una distribución beta, si y solo si su función de densidad está dada por: [ (x^α-1 . (1-x)^(β-1) ]/ B(α,β) , 0≤x≤1

0, resto de x

f(x)= α,β >0 [ (x^α-1 . (1-x)^(β-1) ]/ B(α,β) , 0≤x≤1

0, resto de x

f(x)= α,β >0

x f(x) 0
1
x f(x) 0
1

Probabilidad=01fxdx
Valor esperado μ(x)= α / (α+β)

Valor esperado μ(x)= α / (α+β)

Varianza v(x)= (α . β) / [(α+β)^2 .(α+β+1)]

Varianza v(x)= (α . β) / [(α+β)^2 .(α+β+1)]

Función Generadora de Momentos M(x) = No está definida
Función Generadora de Momentos M(x) = No está definida

Observación: Sus límites están entre 0 y uno en el eje x, y su aplicación general está basada para causas de proporciones, tasas, porcentajes e índices.

Ejemplos:

1) En el presupuesto familiar, la porción que se dedica a salud sigue una distribución Beta (2,2). ¿Cuál es la probabilidad de que se gaste más del 25% del presupuesto familiar en salud? ¿Cuál será el porcentaje medio que las familias dedican a la compra de productos y servicios de salud? 2) La fracción de cierto mineral presente en muestras geológicas sigue una distribución beta de parámetros α=0.34 y β=7.63. Se quiere saber qué cantidad de dicho mineral se espera encontrar en una muestra de 500 g, así como la probabilidad de que la proporción supere el 3%. 3) El tiempo diario que la gente dedica a observar la televisión.

Distribución Normal
Sea x una variable aleatoria continúa, se dice que tiene una distribución normal con media μx y varianza σx, si y solo si su densidad está dada por: e e
(x- μx)^2
(x- μx)^2

f(x)= -00 < x < +00 f(x)= -00 < x < +00
2.(σx)^2
2.(σx)^2

(2.π)^(1/2) . σx
(2.π)^(1/2) . σx

μx x f(x) μx x f(x) Probabilidad=-∞+∞fxdx

Observación: Es una distribución simétrica. Para su aplicación universal se utiliza la distribución normal estándar, el cual implica por medio de tablas llegar a una aproximación deseada sin necesidad de solucionar integrales complejas.
Ejemplos:
1) Los pesos de los individuos de una población se distribuye normalmente con media 70 kg y desviación típica de 6 kg. De una población de 2000 personas, cuantas personas tendrán un peso comprendido entre 64 y 76 kg? 2) La duración media de un televisor es de ocho años y su desviación típica 0,5 años. Sabiendo que su vida útil se distribuye normalmente, halla la probabilidad de que al adquirir un televisor dure más de nueve años? 3) Se supone que la estancia de los enfermeros en un hospital sigue un distribución normal de media 8 días y desviación típica de 3. Calcular la probabilidad de que la estancia de un enfermero: sea inferior a 7 días, sea superior a 3 días y comprendido entre 10 y 12 días.

Similar Documents

Free Essay

Estadistics

...¿Es importante la estadística en la toma de decisiones? Hay muchos sucesos o fenómenos que no tienen respuestas de cómo sucedieron, por lo que se debe recurrir a herramientas necesarias para hacer estudios de los mismos que aclaren los hechos o dudas de cada aspecto acontecido y así obtener datos e información. Con la ayuda de la estadística se podrán obtener resultados con los cuales se analizara y experimentara constantemente para obtener una lógica a esas situaciones impredecibles. La constante renovación de los resultados permitirá que situaciones de incertidumbre se vuelvan cada vez más explicativas. Para todo esto es que se necesita la estadística con la que se obtendrá respuestas a varias necesidades que la sociedad se enfrenta diariamente. La tarea fundamental de esta ciencia es reducir datos masivos de una población o de una muestra a partir de los constantes experimentos, con el objetivo de que estos datos representen la realidad para transformarla, conocerla y poder anticipar el futuro; es decir las respuestas o información proporcionadas permitirán tomar las mejores decisiones dependiendo de lo que se desea mejorar, reducir, modificar, desarrollar. Tiene sus orígenes desde la antigüedad en donde las civilizaciones egipcia, griega y romana obtenían los datos solo con un propósito el de aplicar impuestos y así planificar el reclutamiento militar. Se podría decir que Galton, biólogo y su discípulo Karl Pearson, biólogo y además matemático, fueron sus dos grandes...

Words: 1121 - Pages: 5

Premium Essay

Estadistics

...For my clothing store, which is located in northern Bogota, we need analyze our target; assess the viability of launching a new brand of jeans to the market and help with the sales forecast. It will make the following survey: The model of the survey is as follows: Good morning / afternoon, we are conducting a survey to assess the launch of a new brand of jeans for women. We appreciate giving us a minute of your time and answer the following questions: 1. Do you wear the clothing of jeans? • Yes • No 2. What brands of jeans use or prefer? • Fiorucci • Sibilla • Pioneer • Milk • Tayssir • Other • I have no favorite brand 3. ¿When buying a jean, which is the first thing taken into account? • Brand • The quality of the fabric • Model • Finishes • Price • How well can you be? • Other 4. What models of jeans do you prefer? • Classic • Straws • Bell • Capri • In wide waistband • Whether it is fashionable • Other 5. Which of these motifs preferred in the preparation of a jean? • Double pocket • Folds in legs • Pockets on legs • Zippered front pockets • Zippered back pockets • Not many frills • Other 6. Which of these types of applications preferred in a jean? • Embroidery at front pockets • Embroidery on back pockets • Greviches (color stones) in front pockets • Greviches on back pockets • Cross in back pockets • Cross in front pockets • Not many applications • Other 7. Which of these places usually go to buy their jeans? • Malls • Department...

Words: 1415 - Pages: 6

Free Essay

Natafísica

...Resum Matemàtiques l’accident del Challenger podria haver-se evitat Què és un model estadístic? Un model estadístic es un conjunt de equacions matemàtiques que descriuen un document d’estudi al atzar, de manera aleatòria. L’accident del challenger va ser el 1996, però també ens parla del descobriment de empremtes de dones en pintures rupestres d’una cova i ..... El challenger va esclatar poc després d’enlairar-se. Van morir els 8 tripulants. La ciència necessita la Modelització d’estadística. Què va anar malament en el Challenger? Fallada d’una junta teòrica en el coet dret de la llançadora. La fallada es va produir per la temperatura ambient d’aquell dia (-0.6ºC) degut a que la goma de les juntes és menys flexible a temperatures baixes. Un anàlisi estadística adequada hauria evitat l’accident. Challenger no va ser el únic coet que va enlairar-se, van haver 24 llançaments anteriors, 7 d’ells es va detectar problemes en la junta però no va arribar a ‘’estrallar-se’’. La ciència necessita la Modelització d’estadística. Què va anar malament en el challenger? Utilitzant un model de regressió logística hauríem vist que aquell dia era millor suspendre el llançament. Aquell dia la probabilitat que hi hagués una fallada en les juntes teòriques era del 99.5%. Ajornant el llançament 2-3 dies s’hauria evitat l’accident. La temperatura ambient fos superior a 0ºC s’hagués evitat. La longitud entre dos dits de la mà permet saber si una emprenta es d’una dóna o d’un home...

Words: 498 - Pages: 2

Free Essay

Asdf

...PRIMER CURS 2013/14 1er QUADRIMESTRE DILLUNS 8-9 9-10 10-11 11-12 12-13 13-14 14-15 DIMARTS DIMECRES DIJOUS GRAU EN ENGINYERIA MECÀNICA - GEM 2on QUADRIMESTRE DIVENDRES 8-9 9-10 10-11 11-12 12-13 13-14 14-15 DILLUNS DIMARTS DIMECRES DIJOUS DIVENDRES 15-16 Fonaments Físics de l'Enginyeria I (20224004) (L1) Lab. 204 Fonaments Físics de l'Enginyeria (20224004) (L3) Lab. 204 ********** Fonaments Químics Enginyeria (20224009) (P1) Aula 109 Exp. Gràf. I disseny assistit per ord. I Fonaments MateMàtics Fonaments Químics (20224001) a l'Enginyeria a l'Enginyeria I (P1) Aula CAD (20224009) (20224006) ************* Aula 102 Aula 102 Fon. Fisics Enginyeria (20224004) (P2) Aula 109 15-16 Fonaments Físics II (20224005) (L2) Lab 204 ********** Mètodes Numèrics Prog. Algor. (20224003) (L1/L3) Aula 102 Mètodes Numèrics i Prog. Algor. (20224003) (P1) Aula 102 ********** Fon. Físics Eng. II (20224005) (P2) Aula 109 Exp. Gràf. i disseny assistit per ord. II (20224002) (P1) Aula CAD Mètodes Numèrics i Prog. Algor. (20224003) (P2) Aula 102 ************** Fon. Físics Eng. II (20224005) (P1) Aula 109 16-17 17-18 Fonaments Físics Eng. I (20224004) Aula 102 18-19 19-20 Fonaments Físics de l'Enginyeria (20224004) (L2) Lab. 204 Exp. Graf. I disseny assis. per ordin. I (20224001) (L3) Aula CAD ********** Admin. Empreses i Org. Fonaments Matemàtics Producció Enginyer. I (20224010) (20224006) (P2) Aula 117 (P1) Aula 102 ********** Fonaments Físics Eng. I (20224004)...

Words: 1577 - Pages: 7