2. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
3. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
4. 1. Distribución Uniforme (1/3)
GÉNESIS
p(x) f(x)
x1 x2 xn-1 xn X a b X
Probabilidades y Estadística I
5. 1. Distribución Uniforme (2/3)
FICHA TÉCNICA X U ( a, b)
1
x ∈ [ a, b ]
a) Función de probabilidad f ( x) = b − a
0
en el resto
0 x<a
x−a
=
b) Función de distribución F ( x) a≤ x<b
b − a
1
x≥b
a+b (b − a )
2
c) Esperanza E[X ] = d) Varianza Var [ X ] =
2 12
Probabilidades y Estadística I
6. 1. Distribución Uniforme (3/3)
EJEMPLO
Dos personas A y B quedan de 5 a 5.20 de la tarde. Calcular:
a) Probabilidad de que A espere entre 10 y 15 minutos si llega a las 5 en punto.
b) Tiempo medio que espera B si llega a las 5.
c) Tiempo medio de espera de B si llega a las 5.10 y aún no ha llegado A.
Probabilidades y Estadística I
7. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
8. 2. Distribución Normal (1/13)
GÉNESIS
Lo medio es muy probable y los extremos son improbables con la misma gradación.
µ–σ µ µ+σ
Probabilidades y Estadística I
9. 2. Distribución Normal (2/13)
FICHA TÉCNICA X N (µ ,σ )
− ( x − µ )2
1
a) Función de probabilidad =
f ( x) ⋅e 2σ 2
−∞ < x < ∞
2πσ
A) Máximo:
Hacer máximo f(x) equivale a hacer mínimo la expresión ( x − µ ) 2 , que se obtiene
cuando x = µ .
B) Puntos de inflexión: x µ ±σ
=
C) Simétrica respecto de eje x = µ :
f ( µ − a )= f ( µ + a)
Probabilidades y Estadística I
10. 2. Distribución Normal (3/13)
FICHA TÉCNICA X N (µ ,σ )
z
− ( u− µ )2
x 1
b) Función de distribución F ( x ) = P[ X ≤ x ] = e 2σ 2
du
−∞
2πσ
c) Esperanza µ d) Varianza σ2
Probabilidades y Estadística I
13. 2. Distribución Normal (6/13)
TIPIFICACIÓN X N (µ ,σ )
X −µ x−µ x−µ x−µ
FX ( x) = [ X ≤ x ] = P ≤ = Z ≤ =Z
σ
P P F
tipificando
σ σ
σ
Z N (0,1)
Probabilidades y Estadística I
14. 2. Distribución Normal (7/13)
P [Z ≥ z]
PROBABILIDADES
z
1-F(z)
Probabilidades y Estadística I
15. 2. Distribución Normal (8/13)
PROBABILIDADES
P [Z ≤ −z]
-z z
F(-z) 1-F(z)
Probabilidades y Estadística I
16. 2. Distribución Normal (9/13)
PROBABILIDADES
P [ a < Z < b= F (a ) − F (b)
]
a b
Probabilidades y Estadística I
17. 2. Distribución Normal (10/13)
EJEMPLO
Un tubo electrónico tiene una distribución de vida normal de media 280 h y desviación típica
σ . ¿Cuál debe ser el valor máximo que debe alcanzar σ si queremos que el tubo tenga una
probabilidad 0.8 de vivir entre 240 h y 320 h?
40 40 40
z0.9 = ⇒σ = = = 31.2109
σ z0.9 tabla 1.2816
Probabilidades y Estadística I
18. 2. Distribución Normal (11/13)
APROXIMACIONES
p < 0.1
np > 1
B ( n, p ) P (λ )
λ = np
µ = np µ =λ
npq > 5 λ >5
σ = npq σ= λ
N ( µ ,σ )
Probabilidades y Estadística I
19. 2. Distribución Normal (12/13)
APROXIMACIONES
X B (n, p ) (
Y N np, npq )
P [ X = a ] ≈ P [ a − 0.5 ≤ Y ≤ a + 0.5]
P [ X ≤ a ] ≈ P [Y ≤ a + 0.5]
P [ X < ai ]= P [ X ≤ ai −1 ] ≈ P [Y ≤ ai −1 + 0.5]
Probabilidades y Estadística I
20. 2. Distribución Normal (13/13)
NORMAL TRUNCADA X X ≥0
1 −( x−µ )
2
⋅ e 2σ x≥0
2
− ( u − µ )2
f ( x) = kσ 2π siendo k=∫
∞ 1
e 2σ 2
du
0 0
σ 2π
resto
Probabilidades y Estadística I
21. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
22. 3. Distribución Exponencial (1/3)
GÉNESIS X ≡ “nº de ocurrencias por unidad de tiempo u”∼ P(λ)
T ≡ “tiempo que transcurre hasta la primera ocurrencia (en la unidad u)”
La probabilidad P [T > t0 ] equivale a que a la probabilidad de que en el intervalo ( 0,t0 ) haya
ocurrido 0 sucesos de Poisson, la cual se puede calcular mediante una nueva v.a X ' P(λt0 )
como P [ X ' = 0] .
P [T > t0 ] = P [ X ' = 0] = e − λt0
F (t ) =P [T ≤ t ] = − P [T > t ] = − e − λt
1 1
Probabilidades y Estadística I
23. 3. Distribución Exponencial (2/3)
FICHA TÉCNICA X Exp (λ )
a) Función de probabilidad = λ e− λ x x ≥ 0
f ( x)
b) Función de distribución F ( x) =λ x x ≥ 0
1 − e−
1
c) Esperanza E[X ] =
1 d) Varianza Var [ X ] =
λ λ2
Probabilidades y Estadística I
24. 3. Distribución Exponencial (3/3)
EJEMPLO
Si las llamadas que llegan a una centralita siguen una distribución de Poisson
de media 3 llamadas / 5 minutos, calcular la probabilidad de que transcurran
5 minutos sin ninguna llamada.
T ≡ “tiempo (en minutos) que transcurre hasta la primera llamada”∼ Exp(3/5)
P [T ≥ 5] = − FT (5) = −3/ 5×5 = −3
1 e e
Probabilidades y Estadística I
25. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
26. 4. Distribución Erlang (1/3)
GÉNESIS X ≡ “nº de ocurrencias por unidad de tiempo u”∼ P(λ)
T ≡ “tiempo que transcurre hasta la ocurrencia k-ésima (en la unidad u)”
La probabilidad P [T > t0 ] equivale a que a la probabilidad de que en el intervalo ( 0,t0 ) haya
ocurrido k-1 sucesos de Poisson, la cual se puede calcular mediante una nueva v.a X ' P (λt0 )
como P [ X ' ≤ k − 1] .
( λt0 )1 ( λt0 )2 ( λ t0 )
k −1
P [T > t0 ] P [ X ' ≤ k −= e − λt0
= 1] 1 + + + .... +
1! 2! (k − 1)!
( λt )1 ( λt )2 ( λt )
k −1
F (t ) =P [T ≤ t ] = − P [T > t ] = − e − λt 1 +
1 1 + + .... +
1! 2! (k − 1)!
Probabilidades y Estadística I
27. 4. Distribución Erlang (2/3)
FICHA TÉCNICA X Erlang (k , λ )
λ k x k −1e − λ x
=
a) Función de probabilidad f ( x) x≥0
(k − 1)!
( λt )
i
k −1
b) Función de distribución 1 − e−λ x
F ( x) = ∑i =0 i!
x≥0
k
E[X ] =
k
c) Esperanza d) Varianza Var [ X ] =
λ λ2
Probabilidades y Estadística I
28. 4. Distribución Erlang (3/3)
EJEMPLO
En el ejemplo de la centralita, ¿cuál es la probabilidad de que el
tiempo que transcurre hasta recibir 2 llamadas enla centralita sea
superior a 5 minutos?
T ≡ “tiempo (en minutos) que transcurre hasta la segunda llamada”∼ Erlang(2,3/5)
3 / 5× 5
P [T ≥ 5] = − FT (5) = −3/ 5×5 + e −3
1 e = e −3 =
2 0.099
1!
Probabilidades y Estadística I
29. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
30. 5. Distribución Gamma (1/4)
GÉNESIS
Generalización
X Erlang (k , λ ) X γ (k , λ )
k > 0, k ∈ R
λ k x k −1e − λ x Generalización λ k x k −1e − λ x
f ( x) x≥0 =f ( x) x≥0
(k − 1)! Γ(k )
Probabilidades y Estadística I
31. 5. Distribución Gamma (2/4)
FICHA TÉCNICA X γ (k , λ )
λ k x k −1e − λ x
=
a) Función de probabilidad f ( x) x≥0
Γ(k )
λk x
=
b) Función de distribución F ( x)
Γ(k ) 0∫ t k −1e − λt dt x ≥ 0
k
E[X ] =
k
c) Esperanza d) Varianza Var [ X ] =
λ λ2
Probabilidades y Estadística I
33. 5. Distribución Gamma (4/4)
FUNCIÓN GAMMA
∞
∫x
Γ(k ) =k −1e − x dx
0
Siendo k un entero positivo
a) Γ(1) =
1
b) Γ(k ) = (k − 1) Γ(k − 1)
c) Γ(k ) =( k − 1) ! Siendo k un entero positivo
∞
Γ(k )
∫x
k −1 − λ x
d) e dx =
0
λk
Probabilidades y Estadística I
34. Esquema inicial
1. Distribución Uniforme
2. Distribución Normal
3. Distribución Exponencial
4. Distribución Erlang
5. Distribución Gamma
6. Distribución Beta
Probabilidades y Estadística I
36. 5. Distribución Beta (2/4)
FICHA TÉCNICA X Beta ( p, q )
a) Función de probabilidad
b) Función de distribución Definición teórica
c) Esperanza d) Varianza
Probabilidades y Estadística I