1 / 25

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa. Modelos de Probabilidad Continuos. Distribución de Probabilidad Uniforme Distribución de Probabilidad Normal Distribución de Probabilidad Exponencial. f ( x ). x. . Modelos de Probabilidad Continuos.

agatha
Télécharger la présentation

Universidad Diego Portales Facultad de Economía y Empresa

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Universidad Diego Portales Facultad de Economía y Empresa

  2. Modelos de Probabilidad Continuos • Distribución de Probabilidad Uniforme • Distribución de Probabilidad Normal • Distribución de Probabilidad Exponencial f(x) x 

  3. Modelos de Probabilidad Continuos • Como recordará, una Variable Aleatoria Continua puede asumir cualquier valor en un intervalo en la línea de los números reales o en un conjunto de intervalos. • No es posible hablar de la probabilidad de una variable aleatoria asumiendo solo un valor. • Más bien, hablamos de la probabilidad de que la variable aleatoria asuma un determinado valor en un determinado intervalo. • La probabilidad de que la VA asuma un valor al interior de un intervalo de x1 a x2 se define como el área bajo la curva de la función de densidad de probabilidad entre x1y x2.

  4. Distribución de Probabilidad Uniforme • Una Variable Aleatoria se encuentra uniformemente distribuida siempre que su probabilidad sea proporcional al largo del intervalo. • Función de Densidad de Probabilidad Uniforme: f(x) = 1/(b - a) para a<x<b = 0 TOL Donde: a = Menor valor que la VA puede asumir b = Mayor valor que la VA puede asumir

  5. Distribución de Probabilidad Uniforme • Valor Esperado de x E(x) = (a + b)/2 • Varianza de x Var(x) = (b - a)2/12 Donde: a = Menor valor que la VA puede asumir b = Mayor valor que la VA puede asumir

  6. Ejemplo: Restaurante Slater • Distribución de Probabilidad Uniforme A los clientes de Slater se les cobra por el tamaño de la porción de ensalada que toman. Muestreos anteriores sugieren que el tamaño de la ensalada se distribuye uniforme entre 5 y 15 onzas. La función de densidad de probabilidad es: f(x) = 1/10 para 5 <x< 15 = 0 TOL Donde: x = peso en onzas del plato de ensalada

  7. Ejemplo: Restaurante Slater • Distribución de Probabilidad Uniforme ¿Cuál es la probabilidad de que un cliente tome entre 12 y 15 onzas de ensalada? f(x) P(12 <x< 15) = 1/10(3) = 0,3 1/10 x 5 10 12 15 Peso (oz.)

  8. Ejemplo: Restaurante Slater • Valor Esperado de x E(x) = (a + b)/2 = (5 + 15)/2 = 10 • Varianza de x Var(x) = (b - a)2/12 = (15 – 5)2/12 = 8,33

  9. Distribución de Probabilidad Normal Gráfico de una Función de Densidad de Probabilidad Normal f(x) x 

  10. Distribución de Probabilidad Normal • Características de la Distribución de Probabilidad Normal • La forma de la curva normal tiene la forma de una curva en forma de campana. • Consiste de dos parámetros, m (media) y s (desviación estándar); ellos son suficientes para determinar la localización y la forma de la distribución. • El punto más alto en la curva normal es la media, que también corresponde a la mediana y la moda. • La media puede ser cualquier valor numérico: negativa, cero, o positiva. … continua

  11. Distribución de Probabilidad Normal • Características de la Distribución de Probabilidad Normal • La curva normal es simétrica. • La desviación estándar determina el ancho de la curva: valores mayores resultan en curvas más anchas y planas. • El área total bajo la curva es 1 (0,5 a la izquierda de la media, y 0,5 a la derecha). • Las probabilidades para la VA normal están dadas por áreas bajo la curva.

  12. Distribución de Probabilidad Normal • % de los valores en intervalos comúnmente utilizados • El 68,26% de los valores en una VA normal se localizan alrededor de +/- 1desviación de su media. • El 95.44% de los valores en una VA normal se alrededor de +/- 1desviación de su media. • El 99.72% de los valores en una VA normal se alrededor de +/- 1desviación de su media.

  13. Distribución de Probabilidad Normal • Función de Densidad de Probabilidad Normal Donde:  = media  = desviación estándar  = 3.14159 e = 2.71828

  14. Distribución de Probabilidad Normal Estandarizada • Una VA que tiene una distribución normal con media cero y una desviación estándar de uno se dice tener una Distribución de Probabilidad Normal Estandarizada. • La letra z se usa comúnmente para describir a esta VA normal. • Convirtiendo a una Desviación Normal Estandarizada • Podemos pensar a z como una medida del número de desviaciones estándar en que x se encuentra alejada de .

  15. Ejemplo: Pep Zone • Distribución de Probabilidad Normal Estandarizada La cadena de venta de Auto partes Pep Zone vende repuestos para autos y aceites para motores de diferentes graduaciones. Cuando los inventarios de aceite llegan a los 20 galones, se emite de inmediato una orden de recompra. El administrador de una tienda local está preocupado de que se pierdan ventas debido a falta de inventarios mientras se espera por reabastecimientos. Se ha determinado que la demanda se encuentra normalmente distribuida con media de 15 galones y una desviación estándar de 6 galones. Al administrador le gustaría conocer la probabilidad de quedarse sin inventarios de aceite, es decir, P(x > 20).

  16. Area = 0,2967 Area = 0,5 – 0,2967 = 0,2033 Area = .5 z 0 .83 Ejemplo: Pep Zone • Distribución de Probabilidad Normal Estandarizada Las tablas normales estándar muestran una área de 0, 2967 para la región entre z = 0 y z = 0,83 de las líneas abajo. El área de la cola sombreada es 0,5 – 0,2967 = 0,2033. La probabilidad de quedarse sin inventarios es de 0,2033. z = (x - )/ = (20 - 15)/6 = 0,83

  17. Ejemplo: Pep Zone • Usando la Tabla de Probabilidades Normal Estándar

  18. Ejemplo: Pep Zone • Distribución de Probabilidad Normal Estandarizada Si el administrador de Pep Zone quiere que la prob. de quedarse son inventarios sea no más de 0,05 ¿En que nivel de inventarios debería emitir una orden de recompra? z.05 representa el valor z de corte del área de 0,05 en la cola Area = .05 Area = .5 Area = .45 z.05 0

  19. Ejemplo: Pep Zone • Usando la Tabla de Probabilidades Normal Estándar Buscamos el área 0, 4500 en la tabla de probabilidades área encontrar el valor de z.05 z.05 = 1.645 es el estimado más cercano.

  20. Ejemplo: Pep Zone • Distribución de Probabilidad Normal Estandarizada El valor correspondiente de x está dado por x =  + z.05  = 15 + 1.645(6) = 24.87 Cuando los inventarios alcancen 24.87 galones, debe emitirse una orden de recompra para que la probabilidad de quedarse sin ellos sea de 0,05. Tal vez el administrador de Pep Zone deba emitir la orden de recompra en 25 galones, y no en los 20 galones actuales, para mantener dicha probabilidad bajo 0,05.

  21. Distribución de Probabilidad Exponencial • Función de Densidad de Probabilidad Exponencial para x> 0,  > 0 donde:  = media e = 2.71828

  22. Distribución de Probabilidad Exponencial • Función de Distribución Exponencial Acumulativa donde: x0 = algún valor específico de x

  23. Ejemplo: Lavado de Autos de Al • Distribución de Probabilidad Exponencial El tiempo de arribo de autos al negocio de lavado de autos de Al sigue una distribución de probabilidad exponencial con un tiempo medio de arribo de 3 minutos. Al dueño le gustaría saber la probabilidad de que el tiempo entre la llegada de dos clientes sea 2 minutos o menos. P(x< 2) = 1 - 2.71828-2/3 = 1 - .5134 = .4866

  24. Ejemplo: Lavado de Autos de Al • Gráfico de la Función de Densidad de Probabilidad f(x) .4 P(x< 2) = area = .4866 .3 .2 .1 x 1 2 3 4 5 6 7 8 9 10 Tiempo entre llegadas de clientes sucesivas (mins.)

  25. Relación entre la distribución de Poissony la Distribución Exponencial (Si) la distribución Poisson provee una descripción adecuada del número de ocurrencias por intervalo (Si) la distribución exponencial provee una descripción adecuada de la longitud del intervalo entre ocurrencias

More Related