13-01-2012

1
Estadstica Aplicada 1
1
y sus distribuciones asociadas
2
Introduccin
Muchos fenmenos aleatorios de inters estn basados en la
repeticin de sucesivas veces y en idnticas condiciones de un
experimento aleatorio elemental con dos posibles resultados,
los cuales llamaremos a nuestra conveniencia xito (E) y
fracaso (F). Este modelo se conoce como Proceso Bernoulli.
Muestreo de piezas que salen de una cadena de produccin
y que son catalogadas como defectuosas o aceptables.
Llegadas de clientes a un establecimiento comercial, los
cuales pueden adquirir o no un determinado producto o
servicio.
Enfermos de cierta patologa que pueden responder
favorablemente o no a un determinado tratamiento.

3
Definicin
Ensayos Bernoulli: Es un experimento aleatorio que
slo tiene dos resultados posibles, denotados por xito
(E) y fracaso (F). La probabilidad de xito se denota
por .
Proceso Bernoulli: Es aquel que se basa en sucesivas
repeticiones de ensayos Bernoulli (digamos ), donde
cada ensayo es independiente uno del otro y adems la
probabilidad de xito (y por consiguiente la
probabilidad de fracaso = 1 ) permanece
constante a travs del proceso.

4
Ejemplo
Suponga que cierta ciudad tiene 50 restaurantes con
licencia, de los cuales 15 tienen por lo menos una
infraccin seria al cdigo sanitario y otros 35 no tienen
infracciones. Hay cinco inspectores, cada uno
inspeccionar un restaurante durante la prxima
semana. El nombre de cada restaurante se escribe en un
papel diferente y una vez que han sido revueltos cada
inspector en turno saca uno sin devolverlo. Seale el
-simo intento como un xito si el -simo restaurante
seleccionado ( = 1, . , 5) no tiene infraccin seria.
Decida si es o no un proceso de Bernoulli.

5 6
13-01-2012
2
Ejemplo
Cierta regin de Chile, tiene 500.000 conductores
registrados, de los cuales 400.000 estn asegurados. Se
selecciona una muestra de 10 conductores sin reemplazo.
El -simo ensayo se marca como exito si el -simo
conductor est asegurado. Es este un proceso de
Bernoulli?
7
Regla Prctica
Suponga una serie de ensayos Bernoulli, pero el
muestreo es sin reemplazo de una poblacin de tamao
. Si el tamao muestral (nmero de ensayos) es a lo
sumo 5% del tamao de la poblacin, el proceso se
puede analizar como si fuera exactamente un Proceso de
Bernoulli.

8
Distribucin Bernoulli
Una v.a. se distribuye Bernoulli (o sigue la distribucin
de Bernoulli) con parmetro (la probabilidad de E) si
se basa en un experimento Bernoulli y a la cual le
asignamos el valor = 1 si sucede un E o el valor = 0
si sucede un F. Esto se denota por ~ .
9
Distribucin Bernoulli

1
1
= 0, 1
0

=
0 < 0
1 0 < 1
1 1

= 0, 1 0, 1
= = 1
10
Distribucin Binomial
Una v.a. se distribuye Binomial ~ , con
parmetros y si se basa en un proceso Bernoulli el cual
consta de ensayos independientes (es decir, es fija la
cantidad de ensayos), cada uno con una probabilidad de xito
igual a , y es la cantidad de xitos encontrados en los
ensayos.
Nota: Observe que en el fondo una v.a. binomial no es ms
que una suma de v.a. Bernoulli independientes entre s, es
decir:

~ , = 1,2, ,
=

=1
~ ,
11
Distribucin Binomial

1
n
0,1,2, ,
0

=
0 < 0

1
n

=0
0
1

= 0,1,2, , 0, 1
= = 1
12
13-01-2012
3
Distribucin Binomial
Propiedad Reproductiva
Sean

, con i = 1,2, , , es decir v.a.

binomiales independientes con el mismo parmetro
(el parmetro no tiene por qu ser el mismo),
entonces:
=

=1
~

=1
,
13
En una planta de produccin se revisan diariamente una
determinada cantidad de productos con la finalidad de observar su
calidad (defectuoso o no). Por experiencia, la compaa sabe que la
probabilidad de producir un producto defectuoso es de un 10%.
Suponga que maana se revisarn 10 productos y pasado maana
15. Cul es la probabilidad de que sean encontrados al menos 5
productos defectuosos en los prximos dos das?

14
Ejemplo
La probabilidad de dar en el blanco de dos tiradores A y
B es respectivamente 0,4 y 0,7. Cada uno hace cinco
disparos. Si se sabe que juntos acertaron 6 tiros, cul es
la probabilidad de que A haya acertado dos?

15
Distribucin Geomtrica
Una v.a. se distribuye de forma Geomtrica
~ con parmetro (la probabilidad de E) si
se basa en un proceso Bernoulli el cual termina
cuando es encontrado el primer E y es la cantidad
de Fs que se producen antes de encontrar el primer
E.
16
Distribucin Geomtrica

=
1


0
+
0

=
0 < 0
1 1
+1
0

=
0
+
0, 1
=
1

=
1

2

17
Distribucin Geomtrica
Propiedad de Carencia de Memoria
Si la v.a. se distribuye de forma Geomtrica ~
con parmetro (la probabilidad de E) entonces olvida
su historia, es decir, tiene carencia de memoria.
Matemticamente:
+ =
18
13-01-2012
4
Suponga que cada una de las llamadas que hace una persona a una estacin de radio muy
popular tiene una probabilidad del 2% de ser contestada (que la lnea no est ocupada).
Suponga que las llamadas son independientes.
1. Cul es la probabilidad de que la primera llamada que entre sea la dcima que realiza
la persona?
2. Cul es la probabilidad de que sea necesario llamar ms de cinco veces para encontrar
desocupada la lnea?
3. Si una persona ya ha llamado 7 veces sin una respuesta positiva, cul es la
probabilidad de que tenga que llamar por lo menos 13 veces para que le contesten?
4. Cul es el nmero promedio de llamadas que deben hacerse para hallar desocupada
la lnea?

19
Distribucin Binomial Negativa
Una v.a. sigue la distribucin Binomial Negativa
~ , con parmetros y (la probabilidad de E) si se
basa en un proceso Bernoulli el cual termina cuando se
encuentra el -simo E y es la cantidad de Fs que se
producen antes de encontrar el -simo E.
Observe que en el fondo una v.a. binomial negativa no es ms
que una suma de v.a. geomtricas independientes entre s,
es decir:

~ , = 1,2, ,
=

=1
~ ,
20
Distribucin Binomial Negativa

=
+ 1

1


0
+
0

=
0 < 0

+ 1

=0
0

=
0
+
0, 1
=
1

=
1

2

21
Distribucin Binomial Negativa
Propiedad Reproductiva
Sean

, con i = 1,2, , , es decir v.a.

binomiales negativas independientes con el mismo
parmetro (el parmetro no tiene por qu ser el
mismo), entonces:
=

=1
~

=1
,
22
Ejemplo
Un pediatra desea reclutar 5 parejas, cada una en espera
de su primer hijo, para que participe en un nuevo
rgimen de nacimiento natural.
Sea la probabilidad de que una pareja seleccionada al
azar acceda a participar. Si = 0,2 , cul es la
probabilidad de que 15 parejas no hayan accedido a
participar antes de encontrar a la quinta que si lo haga?
y que como mximo se le pida a 15 parejas?

23
Distribucin Hipergeomtrica
Se dice que la v.a. sigue la distribucin
Hipergeomtrica ~ , , con parmetros , y
si cuenta la cantidad de E encontrados en ensayos sin
reposicin tomados de una poblacin de tamao
donde de los elementos son exitos y son
fracasos.
Nota: A diferencia del Proceso de Bernoulli, este proceso
llamado Hipergeomtrico,, es hecho sobre una
poblacin finita, donde cada elemento es un E o un F, sin
embargo los ensayos no son independientes y la
probabilidad de xito tampoco es constante.

24
13-01-2012
5
Distribucin Hipergeomtrica

=
0 < max 0, +

=max 0,+
max 0, + < min ,
1 min ,

=
0
+
max 0, + min , 0, 1 , ,
=

=

1

25
Un equipo de trabajadores formado por 2 artesanos y 4
albailes debe ser constituido para un proyecto, disponindose
de un total de 5 artesanos y 6 albailes. El hermano de uno de
los artesanos es un albail. Si el equipo es elegido al azar,
calcular la probabilidad de que:
a) Los dos hermanos sean elegidos.
b) Ninguno de los dos hermanos sea escogido.

26
y sus distribuciones asociadas
27
Proceso Poisson
Es un proceso de conteo de ocurrencias aleatorias a lo largo
del tiempo el cual sigue las siguientes pautas:
1. El nmero de ocurrencias observadas en intervalos de
tiempo disjuntos, son v.a. independientes.
2. El nmero medio de ocurrencias por unidad de tiempo,
, denominado tasa del proceso, se mantiene constante a
lo largo del tiempo.
3. La probabilidad de una nica ocurrencia en un intervalo
de tiempo muy pequeo ( ), es aproximadamente
proporcional a la longitud del intervalo.
4. La probabilidad de ms de una ocurrencia en un intervalo
de tiempo muy pequeo (), es despreciable.
5. En el instante = 0, no ha habido ocurrencias an.

28
Distribucin de Poisson
Una v.a. se distribuye Poisson ~ con parmetro
si se basa en un proceso Poisson en un intervalo dado y
es la cantidad de ocurrencias ocurridas en el intervalo
dado, siendo el nmero promedio de ocurrencias en
dicho intervalo.
Nota: Se basa en un proceso Poisson, mas no
necesariamente las ocurrencias deben medirse a travs
del tiempo, tambin pude ser en cualquier otro tipo de
intervalo, por ejemplo, intervalo de longitud, de rea, de
volumen, etc.
29
Distribucin de Poisson

!

0
+
0

=
0 < 0

=0
0

=
0
+

+

= =
30
13-01-2012
6
Distribucin de Poisson
Propiedad Reproductiva
Sean

con i = 1,2, , , es decir v.a. Poisson

independientes, entonces:
=

=1
~

=1


31
La cantidad de vasos de cervezas ordenadas durante una hora en la
cantina Juanito puede considerarse como un Proceso Poisson con
un promedio de 30 cervezas pedidas por hora.
a) Cul es la probabilidad de que se pidan exactamente 60
cervezas entre las 10 y las 12 de la noche?
b) Cul es la probabilidad de que se pida al menos una cerveza
entre las 9 y las 12 de la noche?
c) Cuntos vasos de cerveza se esperan que sean pedidos entre las
9 P.M. y la 1 A.M.? y cul es su desviacin estndar?
32
Segn el programa Impacto, en ciudad de Mxico hay en promedio
3,5 perros callejeros por cada cuadra en las zonas marginadas de la
ciudad (las cuales constituyen cerca del 80% del rea urbana). Si se
supone que los perros estn igualmente distribuidos en dichas
zonas, y por ende este experimento aleatorio puede considerarse
como un Proceso Poisson, determine la probabilidad de que en una
zona marginada se encuentre usted con cuatro o ms perros
callejeros en:
a) una cuadra cualquiera
b) las siguientes cinco cuadras que recorra

33
Distribucin Exponencial
Una de las distribuciones continuas ms importantes, y usada en
nuestra carrera, es la exponencial. sta v.a. es comnmente usada
para modelar el tiempo de falla de un producto, tiempo
transcurrido hasta la llegada de un cliente a un centro comercial,
longitud de la carretera recorrida hasta que aparece un hoyo, etc.
Por lo anteriormente comentado, no es difcil entonces notar que
esta v.a. lo que hace es medir un intervalo entre ocurrencias
sucesivas en un Proceso Poisson. Por ejemplo, el tiempo que
transcurre entre la llegada del primer cliente y el segundo a una
estacin de servicio. Recuerde que una de las condiciones del
Proceso Poisson es que la probabilidad de ocurrencias simultneas
es despreciable (digamos 0), o sea es prcticamente imposible
que lleguen dos clientes al mismo tiempo.
34
Distribucin Exponencial
Una v.a. sigue la distribucin Exponencial ~
con parmetro si se basa en un proceso Poisson y es
la longitud del intervalo (de tiempo, longitud, rea o
volumen) entre dos ocurrencias sucesivas, siendo la
tasa del proceso.
35
Distribucin Exponencial

0
0

=
0 < 0
1

=
0
+

+

=
1

=
1

2


36
13-01-2012
7
Distribucin Exponencial
37
~ 1

0
0

es estrictamente decreciente para > 0

0 > +
Distribucin Exponencial
Propiedad de Carencia de Memoria
Esta propiedad puede establecerse matemticamente
como
> + > = >
para cualesquiera cantidades positivas de y . En
otras palabras, si modela el tiempo entre dos
ocurrencias sucesivas, la pdf del tiempo que falta hasta
que ocurra el evento (llegada o terminacin de servicio,
por ejemplo) siempre es la misma, sin importar cuanto
tiempo () haya pasado. En efecto, el proceso "olvida
su historia.

38
Distribucin Exponencial
Relacin con la distribucin de Poisson
Sea el nmero de ocurrencias en un intervalo de tiempo
( > 0), en donde = 0 es el instante en el que comienza la cuenta.
Si consideramos el proceso Poisson con tasa unitaria , es decir, el
nmero promedio de ocurrencias en un intervalo de tiempo
unitario (ej: 1 minuto, 1 hora, 1 da) entonces la media de es ,
y su correspondiente pmf es:
= =

=

!

0
+
0

Por lo tanto, la probabilidad de que en un lapso de tiempo , no
haya ocurrencias es = 0 =

que es equivalente a la
probabilidad obtenida a partir de la distribucin exponencial para
que la primera ocurrencia suceda despus de un tiempo .

39
El programa del Rumpy, el Club del Cangrejo, se realiza de
Lunes a Viernes en base a las llamadas telefnicas que realizan
los socios del Club. Se estima que en promedio se reciben
llamadas cada 6 minutos (obviamente, cada llamada es
independiente). Sabiendo que el Rumpy se enoja cuando han
pasado ms de 7 minutos sin recibir llamadas, calcule: (a) La
probabilidad de que el Rumpy no se enoje; (b) La probabilidad
de que el Rumpy se enoje, cuando ya han transcurrido 4
minutos desde la ltima llamada que recibi.
40
Distribucin Erlang
Una v.a. se distribuye Erlang ~ , con parmetros
y si se basa en un proceso Poisson y es la longitud del
intervalo (tiempo, longitud, rea o volumen) hasta la -sima
ocurrencia, siendo la tasa del proceso.
Nota: Observe que en el fondo una v.a. Erlang no es ms que
una suma de r v.a. exponenciales independientes entre s, es
decir:

~ , = 1,2, ,
=

=1
~ ,

41
Distribucin Erlang

1 !
0
0

=
0 < 0
1

!
1
=0
0

=
0
+

+

=


=

2


42
13-01-2012
8
Distribucin Erlang
Propiedad Reproductiva
Sean

, con = 1,2, , , es decir v.a.

erlang independientes con la misma tasa (el parmetro
no tiene por qu ser el mismo), entonces:
=

=1
~

=1
,

43
Ejemplo
Las fallas en las unidades de procesamiento central de
los sistemas de cmputo grandes, a menudo se modelan
como procesos Poisson. Supngase que las unidades que
fallan se reparan de inmediato, y que el nmero
promedio de fallas por hora es 0,0001. Sea el tiempo
que transcurre hasta que se presentan cuatro fallas en un
sistema. Calcule la probabilidad de que sea mayor que
40.000 horas.

44
45
Distribucin Normal
Es una de las distribuciones de probabilidad de variable
continua que con ms frecuencia aparece aproximada a
fenmenos reales.
Su importancia radica en que permite modelar
numerosos fenmenos naturales, sociales y psicolgicos.
Mientras que los mecanismos que subyacen a gran parte
de este tipo de fenmenos son desconocidos, por la
enorme cantidad de variables incontrolables que en ellos
intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observacin se obtiene como la
suma de unas pocas causas independientes.
46
Distribucin Normal
Algunos ejemplos de variables asociadas a fenmenos naturales que
siguen el modelo de la normal son:
Medidas fisiolgicas de especmenes biolgicos como el logaritmo de
las medidas del tamao de tejidos vivos (longitud, altura, superficie de
piel, peso); la longitud de apndices inertes (pelo, garras, rabos,
dientes) de especmenes biolgicos en la direccin del crecimiento;
Caracteres fisiolgicos como el efecto de un frmaco
Caracteres sociolgicos como el consumo de cierto producto por un
mismo grupo de individuos
Cambios en el logaritmo de tasas de cambio, ndices de precios, ndices
de existencias de mercado
Caracteres psicolgicos como el cociente intelectual
Nivel de ruido en telecomunicaciones
Errores cometidos al medir ciertas magnitudes
La intensidad de la luz lser

47
Distribucin Normal
Se dice que una variable aleatoria continua sigue una
distribucin normal de parmetros y
2
y se denota
~ ,
2
si su funcin de densidad de probabilidad
est dada por:

2
2
2
2


48
13-01-2012
9
Distribucin Normal

2
2
2
2

=
+

= =
2

49
=DISTR.NORM.ESTAND.N(

;1)
Distribucin Normal
50
Distribucin Normal
51
Distribucin Normal
Propiedad Reproductiva
Sean

2
con = 1,2, , , es decir v.a.
normales independientes, entonces:
=

=1
~

=1
,

=1


52
Distribucin Normal
Funcin Lineal
Sean ~ ,
2
y , constantes reales, entonces:

= + ~ +,
2

2


53
Distribucin Normal Estndar
Una variable aleatoria normal con
= 0,
2
= 1
se llama variable aleatoria normal estndar y se denota
con la letra .

~ 0,1

2
2
2

=

54
13-01-2012
10
La longitud de cierto tipo de piezas producidas por dos fbricas A y
B, se distribuye normalmente con parmetros 4; 0,5
2
y
3,9; 0,4
2
. Sabiendo que una pieza se considera defectuosa
cuando su longitud es inferior a 3 superior a 5 y que el 60% de las
piezas son producidas por A y el restante 40% por B, calcula:
a) La probabilidad de que una pieza elegida al azar no sea
defectuosa.
b) La probabilidad de que al elegir tres piezas ninguna sea
defectuosa.

55 56
En un determinado juego, en el que se trata de conseguir la mxima puntuacin, la
probabilidad de superar en una partida los 30 puntos es de 0,6, mientras que la de quedarse
por debajo de 20 puntos es 0,2. Se sabe que la variable aleatoria la puntacin obtenida en
una partida sigue una distribucin normal. Adems, sabemos que el resultado de cada
partida es independiente del de las anteriores.
a) Obtenga los valores de los parmetros de la distribucin de probabilidad de dicha
variable aleatoria.
b) Calcule la probabilidad de que la puntuacin obtenida en una partida diste de la
media en ms de 5 puntos.
c) Suponga que se realiza un torneo en el que hay que participar en 4 partidas. Se
consigue premio si en al menos 3 de las 4 partidas se logra una puntuacin de al
menos 40 puntos. cul es la probabilidad de conseguir premio?
d) Cul sera dicha probabilidad si en el torneo se tuviera que participar en 50 partidas,
y se obtuviera premio logrando 40 puntos o ms, en al menos 35 de ellas?

57
Distribucin Log-Normal
La distribucin log-normal es utilizada para modelar los
tiempos de duracin de distintos tipos de componentes.
En particular, es muy utilizada para modelar el tiempo
de vida de los neumticos, es decir, su desgaste.
La distribucin log-normal es el resultado de aplicarle la
funcin exponencial a una v.a. normal. Note que
mientras la distribucin normal siempre es simtrica con
respecto a su media, la distribucin log-normal siempre
tiene un sesgo positivo.

58
Distribucin Log-Normal
Se dice que una variable aleatoria positiva tiene una
distribucin log-normal ~ ,
2
si la variable
aleatoria = tiene una distribucin normal. La
pdf resultante de una variable aleatoria log-normal
cuando est normalmente distribuido con
parmetros y
2
es:

=



2
2
2
2

+


59
Distribucin Log-Normal

2
2
2
2
> 0
0

=
+

+

=
+

2
2
=
2+
2

2
1
60
13-01-2012
11
Distribucin Log-Normal
Propiedades
1. Si es una v.a. con distribucin ~ ,
2
y , y
son constantes reales, entonces:
=

~ + ,
2

2


2. Si y son v.a. independientes, con distribuciones
~
1
,
1
2
y ~
2
,
2
2
, respectivamente,
entonces:
= ~
1
+
2
,
1
2
+
2
2

61
La empresa Goodyear, afirma que cierto tipo de neumticos que comercializa,
tiene un tiempo de vida (desgaste) que puede ser modelado a travs de la
distribucin log-normal, con un promedio de 40.000 millas y una desviacin
estndar de 7.500 millas. Por otro lado, la empresa Kal Tire Chile, presta servicios
de neumticos a distintas empresas mineras en la regin. Esta empresa ha logrado
atraer a sus clientes gracias a su fuerte estrategia basada en la calidad de los
neumticos que provee a las mineras.
En este momento Kal Tire Chile est por hacer una fuerte inversin en la compra
de neumticos, para proveer a sus clientes mineros. Los neumticos, nombrados
anteriormente que vende Goodyear son idneos para las caractersticas del trabajo
en faena. Sin embargo, como la poltica de Kal Tire Chile, est asociada a la
completa satisfaccin de sus clientes, desea estar seguro, o sea, tener una
probabilidad de al menos un 70% que los neumticos durarn ms de 30.000
millas. Dejar satisfecho a Kal Tire Chile los neumticos de Goodyear?
62
63
Distribucin Uniforme Discreta
Una variable aleatoria es una variable aleatoria uniforme
discreta con parmetros y ~ , si cada uno de
los valores , +1, +2, , tienen la misma
probabilidad de ocurrencia.

64
Distribucin Uniforme Discreta

=
1
+ 1
, + 1, + 2, ,
0

=
0 <
+ 1
+ 1
<
1

= , + 1, + 2, , , <
=
+
2
=
+1
2
1
12

65
Distribucin Uniforme Discreta
66
1
+ 1

13-01-2012
12
Distribucin Uniforme Continua
Una v.a. es una v.a. uniforme continua o rectangular
con parmetros y ~ , si cada valor real dentro
del intervalo , tiene la misma densidad de
probabilidad.
El parmetro representa el mnimo valor que puede
tomar la variable aleatoria, y representa el mximo.
67
Distribucin Uniforme Continua

=
1


0

=
0 <


<
1

= / , <
=
+
2
=

2
12

68
Distribucin Uniforme Continua
69
1

Distribucin Triangular
Se dice que una v.a. continua tiene una distribucin
triangular con parmetros , y ~ , , , si la
pdf de es

=
2


2

<
0

donde representa el valor mnimo que puede tomar la
variable aleatoria, el valor mximo y el valor ms
probable.
70
Distribucin Triangular

=
2


2

<
0

=
0 <

2

<
1

2

<
1

= / , , < <
=
+ +
3
=

2
+
2
+
2

18

71
Distribucin Triangular
72
13-01-2012
13
Distribucin Trapezoidal
Se dice que una v.a. continua tiene una distribucin
trapezoidal ~ , ,
1
,
2
con parmetros , ,
1
y

2
, si la pdf de es

=
2
+
2

1

1


1
2
+
2

1

1
<
2
2
+
2

1

2

2
<
0

donde representa el valor mnimo que puede tomar la
variable aleatoria, el valor mximo y el intervalo
1
,
2

representa el tramo ms probable.

73
Distribucin Trapezoidal
=
2
+2 1 1
1
2
+2 1
1 < 2
2
+2 1 2
2 <
0
=
0 <

2
+2 1 1
< 1
2 1
+2 1
1 < 2
1

2
+2 1 2
2 <
1

= / , ,
1
,
2
<
1
<
2
<
=
1
3
+
1
+
2
+

2

1

1
+
2


=
1
18

1
2
+
2

2
+
1

2

2
2

1

2

1
+
2

1
2

74
Distribucin Trapezoidal
75
Distribucin Weibull
Se dice que una v.a. tiene una distribucin Weibull ~ , con
parmetros (de forma) y (de escala) positivos, si la pdf de es:

0
0

La distribucin modela el tiempo hasta una falla (en sistemas) cuando la
tasa de fallos es proporcional a una potencia del tiempo:
Un valor < 1 indica que la tasa de fallos decrece con el tiempo.
Cuando = 1, la tasa de fallos es constante en el tiempo.
Un valor > 1 indica que la tasa de fallos crece con el tiempo.
La distribucin de Weibull se utiliza tambin en anlisis de la supervivencia, confiabilidad,
el modelamiento de procesos estocsticos relacionados con el tiempo de fabricacin y
distribucin de bienes, teora de valores extremos, meteorologa, para modelar la
distribucin de la velocidad del viento, en telecomunicaciones, en sistemas de radar para
simular la dispersin de la seal recibida, en seguros, para modelar el tamao de las
prdidas.
76
Distribucin Weibull

0
0

=
0 < 0
1

=
0
+
,
+

= 1 +
1

=
2
1 +
2

1 +
1

2

77
Distribucin Weibull
78