You are on page 1of 6

DISTRIBUCIN GRAMMA

EJEMPLO 1:

En una ciudad se observa que el consumo diario de energa (en millones de kilowatt-hora) es una
variable aleatoria que sigue una distribucin gamma con parmetros = 3 y =2. Si la planta de
energa que suministra a la ciudad tiene una capacidad diaria de generar un mximo de 12, cul
es la probabilidad de que haya un da donde no se pueda satisfacer la demanda?

Donde,

=3 =2
() = ( 1)! = (3) = (3 1)! = 2

De forma que,

La probabilidad de que exista 1 exceso,

Resolviendo la integral con ayuda del Derive, la probabilidad obtenida es,

EJEMPLO 2:
Si un componente elctrico falla una vez cada 5 horas, cul es el tiempo medio que transcurre
hasta que fallan dos componentes? Cul es la probabilidad de que transcurran 12 horas antes
de que fallen los dos componentes?

Distribucin exponencial

Ejemplo 1:
Supngase que la produccin de un da de 850 piezas manufacturadas contiene 50 piezas que no
cumplen con los requerimientos del cliente. Se seleccionan del lote dos piezas al azar y sin
reemplazo. Sea la variable aleatoria X igual al nmero de piezas de la muestra que no cumplen.
Cul es la funcin de distribucin acumulada de X?

( = 0) = (800/850) (799/849) =0,886


( = 1) = 2(800/850) (50/849) =0,111
( = 2) = 2(50/850) (49/849) =0,003

Por lo tanto:

(0) = ( 0) =0,886
(1) = ( 1) =0,886+0,111=0,997
(2) = ( 2) =1

Ejemplo 2:

La contaminacin constituye un problema en la fabricacin de discos de almacenamiento


ptico. El nmero de partculas de contaminacin que ocurre en un disco ptico tiene una
distribucin de Poisson y el nmero promedio de partculas por centmetro cuadrado de
superficie del disco es 0.1. El rea de un disco bajo estudio es 100 centmetros cuadrados.
(a) Encuentre la probabilidad de que ocurran 12 partculas en el rea del disco bajo
estudio.

(b) La probabilidad de que ocurran cero partculas en el rea del disco bajo estudio

(c) Determine la probabilidad de que 12 o menos partculas ocurran en el rea


del disco bajo estudio
E(x)=100 cm 2 x0.1 partculas/ cm 2 = 10 partculas

Por lo tanto:

(b) La probabilidad de que ocurran cero partculas en el rea del disco bajo estudio es

(c) Determine la probabilidad de que 12 o menos partculas ocurran en el rea del disco bajo
estudio. La probabilidad es

Distribucin Student

Ejemplo 1:

Los valores de las matriculas de estudiantes en una universidad privada tienen un


comportamiento aproximadamente normal, donde el promedio es de 2.100.000. Se seleccionan
8 liquidaciones, siendo los valores los siguientes: 1.950.000, 2.100.000, 2.250.000, 1.890.000,
2.250.000, 1.950.000, 2.050.000, 2.350.000. Determine la probabilidad de que:

El promedio sea menor de 2.000.000.

El promedio se encuentre entre 2.000.000 y 2.200.000

El promedio sea mayor o igual a 2.500.000

Solucin manual:

Sea X = Liquidacin matriculas.

m = 2.100.000 ; s = ?

=2.098.750 s=168.644.8085 n=8

a) P( <2.000.000)=P( <2.000.000)

P(t<(2.000.000-2.100.000)/(168644.8085/2.8284)= P(t<-1.677)
La probabilidad se encuentra entre 0.9 y 0.95, segn la tabla T que se encuentra ms adelante,
no obstante, al t ser negativo, la probabilidad est entre 0.1 y 0.05, es decir, los valores
complementarios..

Para buscar en la tabla, se tiene en cuenta la fila con 7 g.l y se ubica el 1.677, el cual se encuentra
entre los valores mencionados. De ah que sea importante utilizar el Excel, que nos permite
calcular la probabilidad exacta.

b) P (2.000.000 < < 2.200.000)= P( <2.200.000) ? P( 2.000.000).

Luego de tipificar, se tiene:

P(t<3.35) ? P(t<-1.677) = 0.995 ?0.075= 0.92

Existe una alta probabilidad de que el promedio de las matriculas se encuentre entre 2.000.000
y 2.200.000.

c) P( >2.500.000)= P(t> 6.70) = 1- P(t< 6.70)= 1-1=0

Dado que el valor de 6.70 es mucho mayor que el ubicado en la tabla de 3.49 y corresponde a
0.995, es claro, entonces, que para valores mayores de 3.49, la probabilidad ser de 1.

Por lo tanto, la probabilidad de que el promedio de matrcula sea superiora a 2.500.000 es cero.

Ejemplo 2:

Los puntajes de un grupo de estudiantes se comportan normal, con promedio de 50, sin
embargo, no se conoce la desviacin. Se tom una m.a de 9 estudiantes encontrando una
varianza de 36 y un promedio de 52. Cul es la probabilidad de que el promedio:

Sea mayor de 54?

Sea menor que 54?

Est comprendido entre 48 y 52 puntos?

Solucin manual:

Sea X = Puntaje estudiantes.

m = 50 puntos s = ?

=52 s2=36 s=6 n=9

a) P( >54)=1- P(t<(54-50)/(6/3)) = 1- P(t<2) = 1- 0.9625 = 0.0375

1-a

n 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.995

1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657

8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355


Como se observa en la tabla, el 2.0 se encuentra entre 1.86 y 2.306, valores que corresponden
a las reas de 0.95 y 0.975. Realizando una estimacin burda, se promedian los dos valores
correspondientes a las reas. Encontrando que la probabilidad de que el promedio del puntaje
de los estudiantes sea mayor de 54 es muy baja, 0.0375.

c) P( <54)= P(t<(54-50)/(6/3)) = P(t<2) = 0.9625. Por el contrario de lo anterior, es muy probable


que el promedio del puntaje de los estudiantes sea menor de 54, dicha probabilidad equivale al
0.9625.

d) P(48< >52)=P( <52)-P( <48)=P(t<(52-50)/(6/3))-P(t<(48-50)/(6/3))=

P(t<1)- P(t<-1)= 0.825 ?(1-0.825) = 0.65

La probabilidad es de 0.65. Se aprecia que al ser simtrica la distribucin t, se calcula la


probabilidad utilizando el inverso.
Distribucin Fisher

Ejemplo 1

Un valor de f con 6 y 10 grados de libertad para un rea de 0.95 a la derecha es,


f0.95,6,10=1/(f0.05,10,6)=1/4.06=0.246

Si de dos poblaciones normales, o aproximadamente normales, se extraen dos muestras


aleatorias e independientes, y a cada una se le calcula su respectiva varianza, el cociente de
2
F s2 s
ambos valores 1 2 (con F>1, esto es, siempre se coloca el ms grande como numerador)

tendr una distribucin de Fisher, cuyos valores crticos fueron obtenidos por W. Snedecor en
una tabla que se caracteriza por tener dos grados de libertad: el correspondiente al numerador
1=n1-1 y el del denominador 2=n2-1. Programas de computacin permiten calcular los
valores crticos respectivos

En las Tablas se presenta una hoja para cada nivel de confianza, se eligen los ms apropiados
como: 95% ; 97,5% ; 99% ; 99,5% y 99,9%. Como siempre, el rea total bajo la curva es la unidad
y se extiende desde 0 a + . La forma es muy parecida a la Chi-cuadrado. se muestran tres casos,
con diferentes grados de libertad, y se marca el valor de F=2,5 con una ,lnea punteada vertical.

Ejemplo 2

El jefe de un laboratorio se encuentra con una tcnica de medicin fuera del control estadstico.
Para investigar las causas decide investigar si el factor humano tiene incidencia, y toma una
muestra de suero cualquiera la divide en 20 alcuotas. Luego elige 10 de ellas al azar y se las
entrega al laboratorista 1 para que haga las determinaciones; las restantes las encomienda al
laboratorista 2 para que las mida. Los resultados obtenidos son: s12=2,4 es la varianza obtenida
por el laborista, 1 y s22=0,8 para el otro. Decidir si hay diferencia en dispersin entre ambos.

H0: 12 22

H1: 12 22
El estadgrafo es

12 2.4
F 3.0
22 0.8

Como se trata de un ensayo de dos colas, para un nivel del 95% de confianza, se busca en las
tablas para: 1=2=n1-1=9 grados de libertad, mientras que = 0,025 para el lmite inferior y
= 0,975 para el superior. Estos valores son F0,975;(9,9) = 4,03.

Luego, para calcular el valor no tabulado = 0,025 se aprovecha una propiedad que tiene la
funcin F usando la inversa: F0,025;(9,9) =1/F0,975; (9,9) =1/4,03 = 0,248 Como el valor hallado
F=3 cae dentro de la zona de aceptacin, no hay evidencia significativa como para decir que el
factor humano tiene incidencia en la dispersin de las mediciones.