Instituto tecnolgico superior de Macuspana

Ingeniera civil


Probabilidad y estadstica
Abraham Lincoln Martnez Ruiz
Integrantes del equipo:
Alvaro Arcos Yoni
Torres Rodrguez Ricardo Giovanni
Feria Garca Ana Yaneli
Hernandez Martinez Rigoberto
Alejo Flix Nelson de Jess

Distribucin uniforme
La distribucin Uniforme es el modelo (absolutamente) continuo ms simple. Corresponde al caso de una variable
aleatoria que slo puede tomar valores comprendidos entre dos extremos a y b, de manera que todos los intervalos
de una misma longitud (dentro de (a, b)) tienen la misma probabilidad. Tambin puede expresarse como el modelo
probabilstico correspondiente a tomar un nmero al azar dentro de un intervalo (a, b).

Propiedades del modelo Uniforme

La funcin de distribucin se obtiene integrando la funcin de densidad y viene dada por:

Esperanza Varianza
Ejemplo
Ejemplo: el precio medio del litro de gasolina durante el prximo ao se estima que puede oscilar entre 140 y 160 ptas.
Podra ser, por tanto, de 143 ptas., o de 143,4 ptas., o de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades,
todas ellas con la misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo, viene
definida por:
Donde:
b:160 ptas.
a:140 ptas.

Por lo tanto, la funcin de distribucin del ejemplo sera:
Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5% de probabilidad, que est entre 141 y 142,
otro 5%, etc.
El valor medio de esta distribucin se calcula:
Varianza es:
(160-140)2/12=33.33

Distribucin exponencial

La distribucin exponencial estudia entre cada una de las llegadas de un tiempo en que ocurrir uno cosa.
El tiempo entre estas llegadas es exponencial.
La distribucin exponencial es continua porque el tiempo entre llegadas no tiene que ser un nmero entero.
Esta distribucin se utiliza mucho para describir el tiempo entre eventos. Ms especficamente la variable
aleatoria que representa al tiempo necesario para servir a la llegada.

La variable aleatoria x tiene una distribucin exponencial, con parmetro |, si su funcin de densidad es:

:

|
|
x
x ) x ( f

=
1 , x > 0 ; f(x) = 0 en cualquier otro caso donde | > 0
La media y la variancia de la distribucin exponencial son:


= | y o
2
= |
2

Funcin de densidad:
f(x)=
x
si x > 0

Espacio paramtrico: Tasa media de ocurrencia >0
Valor esperado: 1 /
Varianza: 1/ 2
Funcin generadora de momentos: / t
para t <
La funcin de distribucin de la exponencial se puede calcular
analticamente mediante la formula F(x)=1ex para x>0.
DISTRIBUCIN EXPONENCIAL
La vida edia de un televisor s es de 7 aos. si esta vida puede considerarse como una variable aleatoria
distribuida en forma exponencial,

a) Cul es la probabilidad de que un televisor de este tipo falle despus del 7-ao de uso?
b) si se toma una muestra aleatoria de estos 10 televisores S, Cul es la probabilidad de que un televisor
de esta muestra dure ms de 12 aos?

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?
5 = |
La probabilidad de que un determinado componente est funcionando an despus de 8 aos es:

2 0
5
1
8
5
8
8
5
. dt ) ( P
t
~ = = >

}
c c
La | nos indica que la integral se va a evaluar desde 8 hasta
Relacion con la distribucin de poisson

Las aplicaciones ms importantes de la distribucin exponencial son aquellas situaciones en donde
se aplica el proceso de Poisson.
Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer evento de Poisson. La probabilidad de que
el perodo hasta que ocurre el primer evento de Poisson exceda x es la misma que la probabilidad de que no ocurra un
evento de Poisson en x. Esto ltimo por supuesto est dado por
P(X > x) =
x
c

Entonces, la funcin de distribucin acumulada para x es:

P(0s X s x) = 1 -
x
c

Ahora, con objeto de que se reconozca la presencia de la distribucin exponencial, puede derivarse la distribucin
acumulada anterior para obtener la funcin de densidad:
f(x) =
x
c

Sea x el nmero de componentes funcionando despus de 8 aos. Entonces mediante la distribucin

Binomial,
n = 5
p = 0.20 = probabilidad de que un componente est funcionando despus de 8 aos
q = 1-p = 0.80 = probabilidad de que un componente no funcione despus de 8 aos
P(x > 2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)

{ } 2627 0 7373 0 1 8 0 2 0 8 0 2 0 1
4 1
1 5
5 0
0 5
. . ) . ( ) . ( C ) . ( ) . ( C = = + =
Distribucin normal

Caractersticas
El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.

Una variable aleatoria continua, X, sigue una distribucin normal de media y desviacin tpica , y se designa
por N(, ), si se cumplen las siguientes condiciones:

1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de Gauss:
La distribucin de probabilidad conocida como distribucin normal es, por la cantidad de fenmenos que explica, la ms
importante de las distribuciones estadsticas.

Ejercicio

Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por lo menos en cinco puntos de la
puntuacin que marca la frontera entre el Apto y el No-Apto (son declarados No-Aptos el 25% de los
estudiantes que obtuvieron las puntuaciones ms bajas).