Beruflich Dokumente
Kultur Dokumente
FACULTAD DE MECNICA
CONSULTA
Datos informativos
Nombre: Dominic Torres
Fecha:18/06/17
Nivel: Cuarto A
Cdigo: 1768
Riobamba-Ecuador
Distribucin
de
Poisson
Esta
distribucin
es
una
de
las
ms
importantes
distribuciones
de
variable
discreta.
Sus
principales
aplicaciones
hacen
referencia
a
la
modelizacin
de
situaciones
en
las
que
nos
interesa
determinar
el
nmero
de
hechos
de
cierto
tipo
que
se
pueden
producir
en
un
intervalo
de
tiempo
o
de
espacio,
bajo
presupuestos
de
aleatoriedad
y
ciertas
circunstancias
restrictivas.
Otro
de
sus
usos
frecuentes
es
la
consideracin
lmite
de
procesos
dicotmicos
reiterados
un
gran
nmero
de
veces
si
la
probabilidad
de
obtener
un
xito
es
muy
pequea
.
Planteamos un ejemplo:
Tres
ejecutivos
del
Insalud
opinan
que
el
nmero
medio
de
pacientes
que
llegan
a
cierto
servicio
nocturno
de
guardia
durante
una
hora
es
2
,
segn
el
primero,
3
,
segn
el
segundo,
y
5
segn
el
tercero.
Sus
opiniones
pueden
ponderarse
teniendo
en
cuenta
que
el
primero
tiene
el
doble
de
experiencia
profesional
que
los
otros
dos.
Para
tomar
una
decisin
de
asignacin
de
personal
en
ese
servicio
quieren
estimar
el
nmero
medio
de
pacientes,
sin
despreciar
sus
opiniones
,
por
lo
que
realiza
una
experiencia
controlando
una
hora
de
actividad
en
el
servicio
en
la
que
acuden
3
pacientes
.Esta
informacin
la
van
a
combinar
con
la
inicial
a
travs
de
un
proceso
Bayesiano
:cmo
lo
haran?
l
i
P(l
i)
2
0,5
3
0,25
4
0,25
Realizada
la
experiencia,
las
verosimilitudes
de
las
tres
alternativas
nos
vendrn
dadas
por
la
funcin
de
cuanta
de
la
distribucin
de
Poisson,
con
l
i
2
0,180447
3
0,224042
5
0,140374
l
i
2
0,497572
3
0,308891
5
0,193536
Esta
distribucin
a
posteriori
nos
dar
cuenta
de
toda
la
informacin
disponible
acerca
del
parmetro
desconocido,
(nmero
medio
de
pacientes
por
hora);
tanto
de
la
informacin
subjetiva
de
los
expertos
(convenientemente
ponderada)
como
de
la
informacin
emprica
suministrada
por
la
observacin.
A
partir
de
esta
distribucin
a
posteriori
podemos
plantear
nos
dar
un
valor
concreto
para
la
estimacin
de
considerando
una
funcin
de
prdida
cuadrtica
.
La
estimacin
adecuada
sera
la
media
de
la
distribucin
a
posteriori:
pacientes
la
hora
La
distribucin
Hipergeomtrica
La
distribucin
hipergeomtrica
es
especialmente
til
en
todos
aquellos
casos
en
los
que
se
extraigan
muestras
o
se
realizan
experiencias
repetidas
sin
devolucin
del
elemento
extrado
o
sin
retornar
a
la
situacin
experimental
inicial.
Cada
una
de
las
pruebas
puede
dar
nicamente
dos
resultados
mutuamente
excluyentes:
A
y
no
A.
N = N1 + N2
Propiedades:
1) Esperanza: E(X) = n N1 / N 2.
La
distribucin
Uniforme
Grficamente:
Grficamente:
La
distribucin
de
Weibull
Se
trata
de
un
modelo
continuo
asociado
a
variables
del
tipo
tiempo
de
vida,
tiempo
hasta
que
un
mecanismo
falla,
etc.
La
funcin
de
densidad
de
este
modelo
viene
dada
por:
que,
como
vemos,
depende
de
dos
parmetros:
>
0
y
>
0,
donde
es
un
parmetro
de
escala
y
es
un
parmetro
de
forma
(lo
que
proporciona
una
gran
flexibilidad
a
este
modelo).
Usamos Weibull
Se
debe
principalmene
a
la
gran
diversidad
de
formas
que
este
modelo
puede
tomar,
dependiendo
de
los
valores
de
los
parametros
caracteristicos.
Esto
nos
permite
usar
un
mismo
modelo,
independientemente
de
en
que
forma
varie
la
tasa
de
fallos
del
compenente
estudiado,
simplificando
en
gran
medida
la
taera
de
analisis
de
los
resultados
2. Su esperanza vale:
3. Su varianza vale:
Bibliografa
Nio, L. (2014). Distribucin de Weibull. Recuperado 19 de junio de 2017,
a partir de https://prezi.com/rhhfkdtdotf6/distribucion-de-weibull/
2017, a partir de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/
B0C4m1t9.htm
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/
B0C3m1t9.htm
Semper, T. (2010). Distribucin de Poisson. Recuperado 19 de junio de
http://www.ugr.es/~proman/Probabilidad/PDF/P_T05_TablaUniformeConti
nua.pdf