Professional Documents
Culture Documents
Ecuacin 1
Como consecuencia de la Ecuacin 1, la funcin de distribucin acumulativa de
probabilidades, la funcin de densidad de probabilidades y la funcin de
probabilidad vienen dadas por las ecuaciones 2, 3 y 4, respectivamente.
Nota:
La Texas Instrument (TI-89), con su aplicacin flash del programa de Probabilidad y Estadstica, en el caso de la
distribucin Geomertrica, se da por la opcion F5, seccion F.
Distribucin Hipergeometrica
Note que los clculos que involucra el modelo Hipergeomtrico se pueden volver muy engorrosos para valores
grandes de sus parmetros.
Distribuciones Multinomial
La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos posibles
resultados en cada ensayo, puede haber mltiples resultados:
Ejemplo de distribucin binomial: a unas elecciones se presentaron 2 partidos polticos: el POPO obtuvo un 70% de
los votos y el JEJE el 30% restante. Cul es la probabilidad de que al elegir 5 ciudadanos al azar, 4 de ellos hallan
votado al JEJE?
Ejemplo de distribucin multinomial: a esas elecciones se presentaron 4 partidos polticos: el POPO obtuvo un 40%
de los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es la probabilidad de que al elegir 5
ciudadanos al azar, 3 hayan votado al POPO, 1 al MUMU y 1 al LALA?
La distribucin multinomial sigue el siguiente modelo:
Donde:
X1 = x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el partido POPO lo hayan votado 3 personas)
n: indica el nmero de veces que se ha repetido el suceso (en el ejemplo, 5 veces)
n!: es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1)
p1: es la probabilidad del suceso X1 (en el ejemplo, el 40%)
Veamos el ejemplo:
Luego:
P = 0,0256
Es decir, que la probabilidad de que las 5 personas elegidas hayan votado de esta manera es tan slo del 2,56%
Nota: 0 es igual a 1, y cualquier nmero elevado a 0 es tambin igual a 1
Veamos otro ejemplo:
En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano y el 10% portugueses. En un
pequeo grupo se han reunido 4 invitados: cual es la probabilidad de que 2 sean espaoles y 2 italianos?
Aplicamos el modelo:
Luego
P = 0,0384
Por lo tanto, la probabilidad de que el grupo est formado por personas de estos pases es tan slo del 3,84%.
MODELO DISTRIBUCIN GAMMA.
La distribucin de probabilidad beta es una funcin de densidad con dos parmetros definida en el intervalo
cerrado 0 <= y <= 1. Se utiliza frecuentemente como modelo para fracciones, tal como la proporcin de impurezas
en un producto qumico o la fraccin de tiempo que una maquina est en reparacin.
( ) ( )
B( , ) y 1 (1 y ) 1 dy
( )
Ntese que la definicin de (y) sobre el intervalo 0<= y <= 1 restringe su aplicacin. Si c<= y <= d, y = (y- c) / (d- c)
definir una nueva variable en el intervalo 0<= y <= 1. As la funcin de densidad beta se puede aplicar a una
variable aleatoria definida en el intervalo c<= y <= d mediante una traslacin y una medicin en la escala.
La funcin de distribucin acumulativa para la variable aleatoria beta se llama comnmente funcin beta y esta
dada por
y t 1 (1 t ) 1
F ( y) dt I y ( , )
0 B( , )
Para valores enteros de alfa y beta, Iy (alfa, beta) est relacionada con la funcin de probabilidad binomial. Cuando
y = p, se puede demostrar que
y 1 (1 y) 1 n
F ( p) dy p y (1 p) n y
B( , ) y
En donde 0< p < 1 y n igual a alfa ms beta menos uno.
El valor esperado y la varianza de una variable aleatoria X con distribucin beta son
Weibull (2-Parameter)
Funcin de densidad de probabilidad
Funcin de
densidad(pdf)
Funcin de
distribucin(cdf)
Media
Mediana
Moda
if k > 1
Varianza
Coeficiente de
simetra
Funcin
generadora de
momentos(mgf)
Funcin
caracterstica
Propiedades
Su funcin de distribucin de probabilidad es
donde i = (1 + i / k).
Distribuciones relacionadas
La distribucin de Weibull desplazada (a travs de un parmetro adicional) tambin se encuentra en la
literatura.2 Tiene funcin de densidad
para y f(x; k, , ) = 0 cuando x < , donde k > 0 es el parmetro de forma, > 0 es el parmetro de
escala y , el de localizacin. Coincide con la habitual cuando =0.
La distribucin de Weibull puede caracterizarse como la distribucin de una variable aleatoria X tal que
sigue una distribucin exponencial estndar de intensidad 1.2 De hecho, la distribucin de Weibull coincide con la
sobre (0,1), entonces sigue una distribucin de Weibull de parmetros k y . Este resultado
permite simular numricamente la distribucin de manera sencilla.
La distribucin de Weibull es un caso especial de la distribucin Exponentiated Weibull distribution (de tres
parmetros) cuando el parmetro adicional vale 1. Tambin es un caso especial de la generalized extreme value
distribution. Fue precisamente en este contexto que fue identificada por Maurice Frchet in 1927.
Aplicaciones
La distribucin de Weibull se utiliza en:
Anlisis de la supervivencia
Reliability engineering
En ingeniera, para modelar procesos estocsticos relacionados con el tiempo de fabricacin y distribucin de
bienes
Teora de valores extremos
Meteorologa
Para modelar la distribucin de la velocidad del viento
En telecomunicaciones
En sistemas de radar para simular la dispersin de la seal recibida
En seguros, para modelar el tamao de las prdidas.