You are on page 1of 18

UNIVERDIDAD FERMN TORO

VICE-RECTORADO ACADMICO
FACULTAD DE INGENIERA

TRABAJO

INTEGRANTES:
JORGE MOGOLLON
CI: 21.459.583
SECCION:
SAIA B

Cabudare, 05 de Junio del 2015.

INTRODUCCIN

De acuerdo al estudio de la estadstica entre sus objetivos

implica

conocer de manera cuantitativa determinada parte de la realidad, por esto se


hace necesario construir un modelo particular del objeto de estudio; en este
sentido la probabilidad se caracteriza en la forma medible de diferentes
valores donde se asigna a cada posible resultado de un experimento
aleatoriodeterminada probabilidad.
Las distribuciones de probabilidad estn relacionadas con la distribucin
de frecuencias; debido a que la distribuciones tratan sobre expectativas de
que algo suceda, resultan ser modelos tiles para hacer inferencias y tomar
decisiones de incertidumbre una distribucin; por ello la distribucin de
frecuencias terica es una distribucin de probabilidades que describe la
forma en que se espera que varen los resultados.
A continuacin se presentar diferentes probabilidades entre ellas, la
continua, gamma, erlang, exponencial, weibull con el objetivo de conocer sus
uso, la grafica que representa y un ejemplo de cada una de ellas.

Distribucin de Probabilidad Continua


Una distribucin de probabilidad es continua, es decir, de variables
cuantitativas que pueden tomar cualquier valor, y que resultan principalmente
del proceso de medicin.
Continuas se refierecuando los resultados posibles del experimento son
obtenidos de variables aleatorias puede asumir un nmero infinito de valores,
que son resultado de unamedicin.
Por ejemplo, el valor de la temperatura media del aire en intervalos
dadosde tiempo. Por supuesto que las variables aleatorias continuas
dependen de la exactituddel instrumento de medicin en este caso del
termmetro.
Usos:
La distribucin continua de probabilidad ms importante en todoel campo
de la estadstica es la distribucin normal, describe aproximadamente
muchos fenmenos que ocurren en la naturaleza, la industria y la
investigacin. Las mediciones fsicas en reas como los experimentos
meteorolgicos, estudios de la lluvia y mediciones de partes fabricadas a
menudo se explican ms adecuadamente con la distribucin normal.
Adems,

los

errores

en

las

mediciones

cientficas

se

aproximan

extremadamente bien mediante una distribucin normal.


Grafica: Distribucin de probabilidad para una variable aleatoria contina,
su grfica, quese denomina curva normal, es la curva con forma de campana

El modelo probabilstico para la distribucin de frecuencias de una variable


aleatoria continua implica la seleccin de una curva, generalmente regular o
aislada, a la que se llama distribucin de probabilidad o funcin de densidad
de probabilidad de una variable aleatoria. Si la ecuacin de esta distribucin
de probabilidad continua es f(x), entonces la probabilidad de que x est en el
intervalo a < x < b es el rea bajo la curva de distribucin para f(x) entre los
dos puntos a y b.
Una vez que conocemos la ecuacin f(x) de una distribucin de
probabilidad particular se pueden encontrar probabilidades especficas, por
ejemplo, la probabilidad de que x est en el intervalo a < x <b, de dos
maneras. Podemos graficar la ecuacin y utilizar mtodos numricos para
aproximar el rea sobre el intervalo a < x < b. Este clculo puede realizarse
utilizando mtodos muy aproximados o una computadora para obtener
cualquier grado de precisin. O bien, si f(x) tiene una forma particular,
podemos

usar

el

clculo

integral

para

encontrar

P(a

<x<

b).

Afortunadamente, no hay que utilizar en la prctica, ninguno de estos


mtodos, porque se han calculado y tabulado las reas bajo la mayora de
las distribuciones de probabilidades continuas ms empleadas.

Distribucin de Probabilidad Gamma


La distribucin Gamma es una distribucin de probabilidad continua. La
distribucin Gamma modela la suma de mltiples variables independientes,
distribuidas exponencialmente. Se puede ver como un caso especial de
distribucin exponencial; pero otras distribuciones, como la Chi Cuadrado,
se basan en ella.
Asimismo para un valor de alfa 1, la distribucin Gamma equivale a la
distribucin exponencial. Cuando el valor de alfa es un nmero entero, la
distribucin Gamma se convierte en la distribucin Erlang. Para un valor de
alfa entero y uno de beta equivalente a 2, la distribucin Gamma se convierte
en distribucin de chi-cuadrado con 2 grados de libertad de alfa.
La distribucin gamma se puede caracterizar del modo siguiente: si se
est interesado en la ocurrencia de un evento generado por un proceso de
Poisson (nmero de ocurrencias de un evento, llegadas, en un intervalo de
tiempo) de media lambda, la variable que mide el tiempo transcurrido hasta
obtener n ocurrencias del evento sigue una distribucin gamma con
parmetros a= nlambda(escala) y p=n (forma). Se denota
Gamma(a,p).

Ejemplo, en la distribucin gamma aparece cuando se realiza el estudio


de la duracin de elementos fsicos (tiempo de vida).
Esta distribucin presenta como propiedad interesante la falta de
memoria. Por esta razn, es muy utilizada en las teoras de la fiabilidad,
mantenimiento y fenmenos de espera (por ejemplo en una consulta mdica
tiempo que transcurre hasta la llegada del segundo paciente).
Campo de variacin:
0 <x <

Parmetros:
a: parmetro de escala, a > 0
p: parmetro de forma, p > 0

Usos: Estas distribuciones juegan un rol fundamental en los problemas de


confiabilidad. Los tiempos entre llegadas en instalaciones de servicio, y
tiempos

de

fallas

de

partes

componentes

sistemas

elctricos,

frecuentemente son bien modelados mediante la distribucin exponencial.La


velocidad del viento horaria y media diaria no se ajusta a una distribucin
normal,

se

emplean

distribuciones

de

extremos,

para

ajustar

las

distribuciones de velocidades de viento.La precipitacin diariano tiene una


distribucin normal. Usualmente se emplea una distribucin de extremos
Gamma, para ajustar las distribuciones delluvias diarias.
Tiene aplicaciones en tiempos de espera y teora de la confiabilidad;
define una familia de la que otras distribuciones son casos especiales; la
densidad gamma se puede desarrollar con el proceso de poissont

La frmula para la distribucin Gamma es la siguiente:

Grfica:

Ejemplo
El nmero de pacientes que llegan a la consulta de un mdico sigue una
distribucin de Poisson de media 3 pacientes por hora. Calcular la
probabilidad de que transcurra menos deuna hora hasta la llegada del
segundo paciente.
Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre
hasta la llegada del segundo paciente sigue una distribucin Gamma (6, 2).
Clculo de probabilidades. Distribuciones continuas
Gamma (a,p)
a : Escala 6,0000
p : Forma 2,0000
Punto X 1,0000
Cola Izquierda Pr [X<=k] 0,9826
Cola Derecha Pr [X>=k] 0,0174
Media 0,3333

Varianza 0,0556
Moda 0,1667
La probabilidad de que transcurra menos de una hora hasta que llegue el
segundo pacientees 0,98.
Se destaca que con valores iguales a cero no es posible el clculo del
valor A pues ellogaritmo de cero es infinito. En el caso de que aparezcan
valores nulos hay que crear unafuncin mixta compuesta de la probabilidad
del valor nulo y la probabilidad del valor nonulo: q y p = 1-q.
Ejemplo:
Con los datos de precipitacin del mes de Julio se pide calcular los
percentiles 20, 40, 60 y 80 mediante el empleo de la ley de distribucin
Gamma.
00
00
9.4
6.0
0.0
10.5

44.8
8.7
10.0
2.8
12.3
3.9

3.2
2.5
8.2
37.1
16.7
4.8

2.8
68.6
71.2
9.7
72.9
13.8

0.0
5.6
4.0
37.9
2.6

Solucin.
El nmero de datos de la serie es de 29. Podemos observar que en algunos
aos durante el mesde Julio no hubo precipitacin. Como con los valores
iguales a cero no es posible el clculo delvalor A pues el logaritmo de cero es
infinito. Hay que crear una funcin mixta compuesta de laprobabilidad del
valor nulo q y la del valor no nulo p = 1-q.

Distribucin de Probabilidad Exponencial


La distribucin exponencial es el equivalente continuo de la distribucin
geomtrica discreta.
Esta ley de distribucin describe procesos en los que interesa saber el
tiempo hasta queocurre determinado evento; en particular, se utiliza para
modelar tiempos de supervivencia.
Un ejemplo es el tiempo que tarda una partcula radiactiva en
desintegrarse. El conocimientode la ley que sigue este evento se utiliza, por
ejemplo, para la datacin de fsiles o cualquiermateria orgnica mediante la
tcnica del carbono.
Una caracterstica importante de esta distribucin es la propiedad
conocida como falta dememoria. Esto significa, por ejemplo, que la
probabilidad de que un individuo de edad tsobreviva x aos ms, hasta la
edad x+t, es la misma que tiene un recin nacido de sobrevivirhasta la edad
x.

Dicho

de

manera

ms

general,

el

tiempo

transcurrido

desde

cualquierinstante dado t0 hasta que ocurre el evento, no depende de lo que


haya ocurrido antes delinstante t0.
La distribucin exponencial se puede caracterizar como la distribucin del
tiempo entresucesos consecutivos generados por un proceso de Poisson;
por ejemplo, el tiempo quetranscurre entre dos heridas graves sufridas por
una persona. La media de la distribucin dePoisson, lambda, que representa
la tasa de ocurrencia del evento por unidad de tiempo, es elparmetro de la
distribucin exponencial, y su inversa es el valor medio de la distribucin.
Tambin se puede ver como un caso particular de la distribucin
gamma(a,p), con a=lambda yp=1.
El uso
El uso de la distribucin exponencial supone que los tiempos
de servicio son aleatorios, es decir, que un tiempo de servicio determinado
no depende de otro servicio realizado anteriormente ni de la posible cola que

pueda estar formndose. Otra caracterstica de este tipo de distribucin es


que no tienen "edad" o en otras palabras, "memoria". Por ejemplo.
Supongamos que el tiempo de atencin de un paciente en una sala
quirrgica sigue una distribucin exponencial. Si el paciente ya lleva 5 horas
siendo operado, la probabilidad de que est una hora ms es la misma que si
hubiera estado 2 horas, o 10 horas o las que sea. Esto es debido a que la
distribucin exponencial supone que los tiempos de servicio tienen una gran
variabilidad. A lo mejor el prximo paciente operado tarda 1 hora porque su
ciruga era mucho ms simple que la anterior.

Grfica: Su grfica es un modelo apropiado a vida til de objetos.


Se dice que la variable aleatoria continua X tiene distribucin exponencial
con parmetro

Ejercicio
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos
sigue una distribucinexponencial con media de 16 aos. Cul es la
probabilidad de que a una persona a la que sele ha implantado este
marcapasos se le deba reimplantar otro antes de 20 aos? Si elmarcapasos
lleva funcionando correctamente 5 aos en un paciente, cul es la
probabilidadde que haya que cambiarlo antes de 25 aos?
La variable aleatoria tiempo de vida del marcapasos sigue una
distribucin exponencial deparmetro lambda=1/16=0,0625
Resultados
Clculo de probabilidades. Distribuciones continuas
Exponencial (lambda)
Lambda : Tasa 0,0625
Punto X 20,0000
Cola Izquierda Pr[X<=k] 0,7135

Cola Derecha Pr[X>=k] 0,2865


La probabilidad de que se le tenga que implantar otro marcapasos antes de
los 20 aos sesita en un entorno a 0,71.
Teniendo en cuenta la propiedad de falta de memoria de la exponencial, la
probabilidadde tener que cambiar antes de 25 aos un marcapasos que lleva
funcionando 5 es igual a laprobabilidad de cambio a los 20 aos, es decir,
P(X<25/X>5) = P(X<20) = 0,71.

Distribucin de Probabilidad Erlang


La distribucin de Erlang es una distribucin de probabilidad continua con
amplia

aplicabilidad

principalmente

debido

su

relacin

con

las

distribuciones exponencial y gamma. La distribucin de Erlang fue


desarrollado por AK Erlang para examinar el nmero de llamadas telefnicas
que pudieran ser realizados al mismo tiempo para los operadores de las
estaciones de conmutacin. Este trabajo de ingeniera de trfico telefnico ha
sido ampliado para tener en cuenta los tiempos de espera en los sistemas de
formacin de colas en general. La distribucin se utiliza ahora en el campo
de los procesos estocsticos y de biomatemticas.
La distribucin es una distribucin continua, que tiene un valor positivo
para todos los nmeros reales mayores que cero, y viene dada por dos
parmetros: la forma, que es un entero positivo, y la tasa, que es un nmero
real positivo. La distribucin se define a veces utilizando la inversa de la tasa
parmetro, la escala. Es la distribucin de la suma de las variables
exponenciales independientes con media.

Cuando el parmetro de forma es igual a 1, la distribucin se simplifica a


la distribucin exponencial. La distribucin Erlang es un caso especial de la
distribucin Gamma, donde el parmetro de forma es un nmero entero. En
la distribucin Gamma, este parmetro no se limita a los nmeros enteros.

UsosSe utiliza en modelos de sistemas de servicio masivo, para describir


el tiempo de espera hasta el suceso, son aleatorias.

Grfica

La distribucin gamma, cuando a es un entero positivo se conoce con el


nombre de Erlang. Existe una asociacin entre los modelos de probabilidad

de Poisson y de Erlang. Si el nmero de eventos aleatorios independientes


que ocurren en un lapso especfico es una variable aleatoria de Poisson con
frecuencia constante de ocurrencia igual a 1/ q, entonces, para una a dada,
el tiempo de espera hasta que ocurre el a-simo evento de Poisson sigue
una distribucin de Erlang.
Cuando a=1, la distribucin de Erlang se reduce a una distribucin
exponencial negativa. Ntese que la variable aleatoria de una distribucin
exponencial negativa puede pensarse como el lapso que transcurre hasta el
primer evento de Poisson. De acuerdo con esto, la variable aleatoria de
Erlang es la suma de variables aleatorias independientes distribuidas
exponencialmente.
Otro caso especial del modelo de probabilidad gamma es la distribucin
chi-cuadrado.
Si se hace a= u /2 y q=2 , se obtiene:

Donde u recibe el nombre de grados de libertad.


La media y varianza de la distribucin chi-cuadrado se obtienen de los de la
gamma.
E[X]= u y Var[X]=2. u

Weibull
La distribucin Weibulles una distribucin de probabilidadcontinua; queda
totalmente definida mediante dos parmetros, forma (a) y escala (b). En el
caso particular de que a=1, se tiene la distribucin exponencial, y si a = 2 y b
= recibe el nombre de
2 distribucin de Rayleigh.

Usos:
Esta distribucin se utiliza para modelar situaciones del tipo tiempo fallo,
modelar tiempos de vida o en el anlisis de supervivencia, aparte de otros
usos como, por ejemplo, caracterizar el comportamiento climtico de la lluvia
en un ao determinado.Se ha usado para modelar situaciones del tipo
tiempo- falla, bien puede indicar la vida til de cierto artculo, planta o
animal, confiabilidad de un componente.
Grficas Obsrvense a continuacin las grficas de algunas de las formas
que adquiere la distribucin.

Ejercicio
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).La funcin de distribucin se obtiene por
la integracin de la funcin de densidad y vale:

CONCLUSION
Una vez desarrollado el tema sobre probabilidades se puede llegar a las
siguientes conclusiones:
A travs de esas construcciones tericas, se podr experimentar sobre
aquello que la realidad no permita;se usa extensamente en reas como la
estadstica, la fsica, la matemtica, la ciencia para lograr conclusiones sobre
la probabilidad de sucesos potenciales en sistemas complejos.
Debido a la necesidad de modelar lo observable laprobabilidad constituye
un importante parmetro en la determinacin de las diversas casualidades
obtenidas tras una serie de eventos esperados dentro de un rango
estadstico; un modeloresulta extremadamente til, siempre que se
corresponda con la realidad que pretende representar o predecir; por ello es
necesario conocer cada distribucin de la probabilidad en el casos
especifico, sus usos y formas de aplicarlas.
Asimismo la probabilidad mide la frecuencia con la que se obtiene un
resultado (o conjunto de resultados) al llevar a cabo un experimento
aleatorio, del que se conocen todos los resultados posibles, bajo condiciones
suficientemente

estables;

en

este

sentido

se

recurre

diferentes

distribuciones de probabilidad como weibull, erlang, exponencial, gamma,


continua segn el caso y uso.

BIBLIOGRFIA

Distribuciones probabilsticas de uso comn, Documento PDFBadii,


Castiloprobabilidad.pdf[Consulta: junio 5, 2014]
Distribuciones de Probabilidades Continuas, Documento PDF.[Consulta:
Mayo 30, 2014]
Distribuciones de Probabilidad Wibull, Documento PDF [Consulta: junio 4,
2014]
Distribuciones de probabilidad[Documento en Lnea]
http://www.monografias.com/trabajos84/distribucionexponencial/distribucin-exponencial.shtml#ixzz33uek68NXde[Consulta:
junio 5, 2014]
Probabilidades [Documento en Lnea]
http://www.monografias.com/trabajos20/estadistica/estadistica.shtml#ixzz3
3xDPLLuh, [Consulta: Junio 3 2014]
Probabilidad Continua[Documento en Lnea]
http://www.cnice.mecd.es/Descartes /Bach_HCS_ 2/
Distribuciones_probabilidad_continuas/normal.htm.[Consulta: Mayo 30,
2014]
ProbabilidadesErlang [Documento en Lnea] v2009n05erleng.pdf [Consulta:
junio 4, 2014]