Scribd
Cargar
121 vistas4 páginas

Probabilidades en Distribución Exponencial

La distribución exponencial describe el tiempo que transcurre entre eventos y depende de una tasa λ. Se usa para calcular la probabilidad de que ocurran x eventos en un tiempo dado o que pase más/menos de un tiempo determinado. La distribución normal modela variables continuas y depende de una media μ y desviación estándar σ. Puede transformarse a una variable normal estándar Z para calcular probabilidades mediante tablas o fórmulas.

Cargado por

Javier Silva
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como XLSX, PDF, TXT o lee en línea desde Scribd
121 vistas4 páginas

Probabilidades en Distribución Exponencial

La distribución exponencial describe el tiempo que transcurre entre eventos y depende de una tasa λ. Se usa para calcular la probabilidad de que ocurran x eventos en un tiempo dado o que pase más/menos de un tiempo determinado. La distribución normal modela variables continuas y depende de una media μ y desviación estándar σ. Puede transformarse a una variable normal estándar Z para calcular probabilidades mediante tablas o fórmulas.

Cargado por

Javier Silva
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como XLSX, PDF, TXT o lee en línea desde Scribd

Distribución Exponencial

- Se encuentra relacionada con la distribución de Poisson, utilizada para hallar la probabilidad de que ocurren x número de
- La distribución exponencial nos permitará conocer el tiempo que transcurre entre los eventos
- Toma como parametro a landa 𝜆=𝑛ú𝑚𝑒𝑟𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛 𝑒𝑛 𝑢𝑛𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜
- Cuando no se conoce landa, se calcula con el inverso del promedio.

𝜆= 1/𝑃𝑟𝑜𝑚𝑒

Ejemplo Cartilla
Suponga que la vida útil de una lámpara industrial, en miles de horas, se distribuye exponencialmente con tasa de falla λ=1
La probabilidad de que la lámpara dure más de esta vida útil. P(t > 3) = ?

Datos de entrada
Promedio 3 𝑃(𝑡>3)= 𝑒^(−(1⁄3)∗3)=𝑒^(−1)= 0.368 R/ La probabilidad es de 36,8%
λ 0.333
P(t > 3) 0.368

¿Cuál es la probabilidad de que la lámpara dure más de 5000 horas? p > 5


promedio = 3
𝑃(𝑡>5)= 𝑒^(−(1⁄3)∗5)=𝑒^(−5⁄3)=0.189

¿Cuál es la probabilidad de que la lámpara dure menos de 1000 horas? p < 1


promedio = 3
𝑃(𝑡≤1)=1−𝑒^(−(1⁄3)∗1)=𝑒^(−1⁄3)=0.716531

Ejemplo 2:
El tiempo durante el cual cierta marca de bateria trabaja en forma efectiva hasta que falle se distribuye según el modelo e
promedio de fallas igual a 360 dias.
Halle la probabilidad que el tiempo de la bateria trabaja hasta que falle sea mayor de 400 dias

Datos de entrada
Promedio 360 P(t > 400) = ?
λ 0.00277778
0.3292
𝑃(𝑡>400)= 𝑒^(−(1⁄360)∗400)=𝑒^(−400⁄360)=
0.3292
0.3292
ue ocurren x número de eventos en intervalo de tiempo.

𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜

𝜆= 1/𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜

nte con tasa de falla λ=1/3 (una falla cada 3000 horas, en promedio).

es de 36,8%

buye según el modelo exponencial con un tiempo


Distribución Normal
- Es un tipo de distribución de probabilidad continua
- Su gráfica es conocida como la famosa "Campana de Gauss"
- Parámetros:
promedio= Media (µ)
Desviación Estándar (σ)

- Se puede transformar cualquier variable aleatoria normal X en otra variable aleatoria normal Z, con media = 0 y desviación es
𝑧= (𝑥−𝜇)/𝜎
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎= 𝜎^2 √𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎= √(𝜎^2 )

1. Calcular el valor de Z

Media (µ) 12
Desviación Estándar (σ) 2

Z= -1

2. Calculo la probabilidad

Si tomo el valor de tablas

Si lo calculo con excel 0.158655


Z, con media = 0 y desviación estándar = 1

√𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎= 𝜎

También podría gustarte