UNIVERSIDAD DE EL SALVADOR.FACULTAD MULTIDISCIPLIANRIA DE
OCCIDENTE.DEPARTAMENTO DE INGENIERIA Y ARQUITECTURA.GRUPO TERICO
NMERO UNO.
PROBABILIDAD Y ESTADISTICA.DISTRIBUCIONES DE PROBABILIDAD.
PARA: ING. EDUARDO ANTONIO MARROQUN ESCOTO.
DE:MELARA HERNANDEZ, ANDREA ALEJANDRA.GUERRA PORTILLO, IVAN
ARMANDO.BARRIENTOS HERNANDEZ, RICARDO ALBERTO.
FECHA DE ENTREGA: VIERNES 29 DE MAYO DE 2015
NDICE.
DISTRIBUCIN MULTINOMIAL.
Este modelo se puede ver como una generalizacin delBinomialen el
que, en lugar de tener dos posibles resultados, tenemosrresultados
posibles.Propiedades del experimento multinomial:1. Sonpruebas
ensayos repetidos e idnticos (con reposicin).2. En cada prueba
ensayo se pueden producirresultados.3. Las probabilidades de cada
uno de losresultadospermanecen constantes en todas las pruebas
ensayos. Donde p1 +p2 + +pk=14. Son pruebas ensayos
independientes.5. El inters se centra en contar losxitos que se
producen en losensayos de cada una de lascategoras posibles de
observar cada vez.Si una prueba intento puede dar cualquiera de
losresultados posiblescon probabilidades, entonces la distribucin
multinomial dar la probabilidad de que:
Enpruebas independientes.
Y donde:yComo son pruebas independientes, cualquier orden
especfico que produzca Ocurrir conde probabilidad.
El nmero de rdenes arreglos que pueden producir resultados
similares ser:
Combinando los dos componentes, se tiene entonces que:
Cony
Laesperanza matemticadel sucesoiobservado ennpruebas es:
Lavarianzaes:
Ejemplo.Se sabe que las bombas de gasolina para autos existentes
en el mercado se pueden clasificar en:De rendimiento excelente.De
rendimiento bueno.De rendimiento regular.De rendimiento malo.Se
selecciona una muestra debombas mediante proceso aleatorio. Cul ser
la probabilidad de que quede conformada por:y?
DISTRIBUCIN HIPERGEOMETRICA.En teora de la probabilidad la
distribucin hipergeomtrica es una distribucin discreta relacionada
con muestreos aleatorios y sin reemplazo. La distribucin
hipergeomtrica considera el caso en el cual una poblacin finita se
divide en dos grupos, uno de los cuales se considera "xitos" y el
otro "Fracasos. La distribucin hipergeomtrica es aplicable a
muestreos sin reemplazo en una poblacin finita.Frmula.La frmula que
se debe emplear para la distribucin hipergeomtrica es:
Siendo: P(x)= probabilidad hipergeomtrica que se va a calcular
para un valor dado de x. N= Tamao de la poblacin. A= Numero de
xitos en la poblacin n= Tamao de la muestra x= Numero de xitos en
la muestraEs necesario tener en cuenta que x no pude exceder a A ni
a n.Recordemos que: Media, varianza y desviacin estndar.
Varianza
Ejemplo.En una jaula hay 30 pericos rusos y 20 pericos chinos,
si extraemos 10 pericos al azar. Cul es la probabilidad de que 3 de
ellos hablen chino?
DISTRIBUCIN DE PROBABILIDAD POISSON.
Ejemplo.En la inspeccin de hojalata producida por un proceso
electroltico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de identificar a)
una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5
minutos, c) cuando ms una imperfeccin en 15 minutos.
Solucin:a) x = variable que nos define el nmero de
imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3,....,
etc., etc.l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3
minutos en la hojalata b) X = variable que nos define el nmero de
imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3,....,
etc., etc.l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos
en la hojalata =1-(0.367918+0.367918) = 0.26416 c) X = variable que
nos define el nmero de imperfecciones en la hojalata por cada 15
minutos = 0, 1, 2, 3,....., etc., etc.l = 0.2 x 15 = 3
imperfecciones en promedio por cada 15 minutos en la hojalata
0.0498026 + 0.149408 = 0.1992106
DISTRIBUCIN DE PROBABILIDAD UNIFORME
La distribucin de probabilidad uniforme es un ejemplo de una
distribucin de probabilidad es continua. Una distribucin de
probabilidad es continua cuando los resultados posibles del
experimento son obtenidos de variables aleatorias continuas, es
decir, de variables cuantitativas que pueden tomar cualquier valor,
y que resultan principalmente del proceso de medicin.Ejemplos de
variables aleatorias continuas son:La estatura de un grupo de
personasEl tiempo dedicado a estudiarLa temperatura en una ciudadEs
una distribucin en el intervalo [a,b] en la cual las probabilidades
son las mismas para todos los posibles resultados, desde el mnimo
de a hasta el mximo de b. El experimento de lanzar un dado es un
ejemplo que cumple la distribucin uniforme, ya que todos los 6
resultados posibles tienen 1/6 de probabilidad de ocurrencia.
La funcin de densidad de una distribucin uniforme (altura de
cada rectngulo en la grfica anterior) es:
Dnde:a = mnimo valor de la distribucinb = mximo valor de la
distribucinb a = Rango de la distribucinLa media, valor medio
esperado o esperanza matemtica de una distribucin uniforme se
calcula empleando la siguiente frmula:
La varianza de una distribucin uniforme se calcula empleando la
siguiente frmula:
De donde la desviacin estndar es
La probabilidad de que una observacin caiga entre dos valores se
calcula de la siguiente manera:
Ejemplo.1. Un reloj de manecillas se detuvo en un punto que no
sabemos. Determine la probabilidad de que se haya detenido en los
primeros 25 minutos luego de sealar la hora en un
punto.SolucinIntervalo [0-60]
LA DISTRIBUCIN GAMMAEste modelo es una generalizacin del modelo
Exponencial ya que, en ocasiones, se utiliza para modelar variables
que describen el tiempo hasta que se produce p veces un determinado
suceso.Su funcin de densidad es de la forma:
Como vemos, este modelo depende de dos parmetros positivos:yp.
La funcin (p) es la denominadafuncin Gamma de Eulerque representa
la siguiente integral:
Que verifica(p+ 1) =p(p), con lo que, sipes un nmero entero
positivo,(p+ 1) =p!
Propiedades de la distribucin Gamma Su esperanza esp. Su media
es =p Su varianza esp2 su desviacin tpica o estndar es
La distribucin Gamma (, p= 1)es una distribucin Exponencial de
parmetro . Es decir, el modelo Exponencial es un caso particular de
la Gamma conp= 1. Dadas dos variables aleatorias con distribucin
Gamma y parmetro comn X~G(,p1)yY~G(,p2) Se cumplir que la suma
tambin sigue una distribucin GammaX+Y~G (,p1+p2).Una consecuencia
inmediata de esta propiedad es que, si tenemoskvariables aleatorias
con distribucin Exponencial de parmetro (comn) e independientes, la
suma de todas ellas seguir una distribucinG (,k).
Ejemplo:
DISTRIBUCIN EXPONENCIALNotacin:
Enestadsticaladistribucin exponenciales unadistribucin de
probabilidadcontinua con un parmetrocuya funcin de densidades:
Sufuncin de distribucinacumulada es:
Donderepresenta elnmero e.Elvalor esperado (media)y lavarianzade
unavariable aleatoriaX con distribucin exponencial son:
La mediana es:
La distribucin exponencial es un caso particular dedistribucin
gammaconk= 1. Adems la suma de variables aleatorias que siguen una
misma distribucin exponencial es una variable aleatoria expresable
en trminos de la distribucin gamma.Antes de introducir la variable
exponencial puede mirarse un origen natural de sta a partir de una
variable aleatoria Poisson, la cual indica el nmero de veces que
ocurre un evento en una unidad de tiempo. Si se escribe la funcin
de probabilidad Poisson de la siguiente manera:La probabilidad de
que no ocurra algn evento, en el periodo hasta el tiempoest dada
por:
De esta manera, puede definirse ahora una variable aleatoria
continuaque mide el tiempo que tarda en ocurrir el primer evento de
Poisson. Es decir,
Lo que permite construir la funcin de distribucin acumulada
as:
Al derivar, con respecto ase tiene lafuncin de densidad de la
variable aleatoria exponencial.
Observaciones:1. En la definicin de la variable aleatoria
exponencial, sta se plantea como tiempo que tarda en ocurrir el
primer evento Poisson. Sin embargo, esta definicin puede hacerse
extensiva a las dems unidades de medicin consideradas en los
eventos de Poisson, por ejemplo, cantidad de metros de carretera
que deben recorrerse hasta que aparezca el primer bache, cantidad
deque deben inspeccionarse en una hacienda hasta que aparezca el
primer cafetal de broca, etc.2. En el lenguaje de las aplicaciones
tambin se utiliza la distribucin exponencial para modelar tiempo
entre eventos, distancia entre eventos, volumen entre
eventosEjemplo.Suponga que un sistema contiene cierto tipo de
componente cuyo tiempo de falla en aos est dado por la variable
aleatoria T, distribuida exponencialmente con tiempo promedio de
falla. S 5 de estos componentes se instalan en diferentes sistemas,
cul es la probabilidad de que al menos 2 continen funcionando
despus de 8 aos?Solucin:La probabilidad de que un determinado
componente est funcionando an despus de 8 aos es:La | nos indica
que la integral se vaa evaluar desde 8 hastaSeaxel nmero de
componentes funcionando despus de 8 aos. Entonces mediante la
distribucin Binomial,n = 5p = 0.20 = probabilidad de que un
componente est funcionando despus de 8 aosq = 1-p = 0.80 =
probabilidad de que un componente no funcione despus de 8 aosP(x2)
= p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)
BIBLIOGRAFA.
http://www.aulafacil.com/cursos/l11243/ciencia/estadisticas/estadisticas/distribuciones-discretas-multinomial
(25/05/15)
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_228_70.html(25/05/15)http://es.slideshare.net/sistemas2013/estadstica-hipergeometrica
(25/05/12)http://habitantedelinfinito.blogspot.com/2014/01/distribucion-hipergeometrica.html
(27/05/2015)http://www.monografias.com/trabajos86/distribucion-probabilidad-uniforme/distribucion-probabilidad-uniforme.shtml#ixzz3bNuoRzX1http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t7.htmhttp://www.monografias.com/trabajos94/distribucion-gamma/distribucion-gamma.shtmlhttp://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencialhttp://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_235_77.htmlhttp://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/03Distribucion%20Exponencial.htm