8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución...

44
8. Distribuciones continuas 1

Transcript of 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución...

Page 1: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

8. Distribuciones continuas

1

Page 2: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Transformaciones de variables aleatorias

restoelen

xxxf

0

112/3)(

2

11

11

)1(2/1

10

)( 3

x

x

x

x

xF

2/)()(

2)(

2)(

1 yywyux

xxuy

XXuY

Densidad

Distribución

Transformación o cambio de variable aleatoria

¿Cuál será la función de densidad de probabilidad transformada g(y)?

2

Page 3: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

21

)2/(21

)2/(')(')(

)2/()2/()2()()(

yfyFyGyg

yFyXPyXPyYPyG

restoelen

yyyg

0

2216/3)(

2

22

21

]1)2/[(2/1

20

)( 3

y

y

y

y

yG

3

Page 4: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Probemos ahora con una transformación que no sea biyectiva, como:

yywyux

xxuy

XXuY

)()(

)(

)(

1

2

2

yyf

yyf

yyF

yyFyGyg

yFyF

yXyPyXPyYPyG

2

1)(

2

1)(

2

1)('

2

1)(')(')(

)()(

)()()()( 2

4

Page 5: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

restoelen

yyyg

0

102/3)(

10

11

00

)(

y

y

yy

y

yG

5

Page 6: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución log-normal Log-N(,)Se trata de la densidad de probabilidad de una variable log x distribuida según una función normal:

XeYNX ),(

yyf

yyFyGyg

yFyXPyePyYPyG X

1)(log

1)(log')(')(

)(log)log()()()(

0;2

)(logexp

1

2

1)( 2

2

yy

yyg

6

Page 7: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

7

Page 8: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

8

Page 9: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

9

Page 10: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución exponencial Exp ()

La distribución exponencial es el equivalente continuo de

la distribución geométrica discreta. Que recordemos era:

...,,,xppxXPpG x 210 ,1)()(

Describe procesos en los que nos interesa saber el

tiempo hasta que ocurre un determinado evento,

sabiendo que el tiempo que puede transcurrir desde

cualquier instante dado t, hasta que ello ocurra en un

instante tf, no depende del tiempo transcurrido

anteriormente. 10

Page 11: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución exponencial Exp ()

Ejemplos de este tipo de

distribuciones son: el tiempo que

tarda una partícula radiactiva

en desintegrarse (datación de

fósiles o cualquier materia

orgánica mediante la técnica del

carbono 14) o el tiempo que

puede transcurrir en un servicio

de urgencias, para la llegada de

un paciente.

11

Page 12: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución exponencial Exp ()En un proceso de Poisson donde

se repite sucesivamente un

experimento a intervalos de

tiempo iguales, el tiempo que

transcurre entre la ocurrencia de

dos "sucesos raros" consecutivos

sigue un modelo probabilístico

exponencial. Por ejemplo, el

tiempo que transcurre entre que

sufrimos dos veces una herida

importante (o una coz de burro,

recuerda...) 12

Page 13: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

0 ,0 para )( xexf x

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

2.0

0 1 2 3 4 5 6 7 8

1

)(

0

0

x

x

e

dxedxxf

Distribución exponencial Exp ()

1

0

dxex xVida media

13

Page 14: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

xxtx t eedte 100

Distribución exponencial Exp ()

0,0

0,1)(

x

xexF

x

14

Page 15: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

15

Page 16: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

16

Page 17: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Tippex de Powerpoint

17

Page 18: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

18

Page 19: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será
Page 20: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

20

Page 21: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

21

Page 22: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

22

Page 23: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

23

Page 24: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será
Page 25: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

En instalaciones o aparatos con posibilidad de accidentes graves: centrales nucleares, aviones, coches,... es imprescindible conocer la probabilidad de que éstos acontezcan durante la vida del sistema.

Fiabilidad

25

Page 26: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Definimos la variable aleatoria:

T = tiempo durante el que el elemento funciona satisfactoriamente antes de que se produzca un fallo.

La probabilidad de que el elemento proporcione unos resultados satisfactorios en el momento t se puede definir como la fiabilidad o confiabilidad:

R(t) = P(T > t)

Fiabilidad

26

Page 27: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

La infiabilidad Q(t) es la probabilidad de que ocurra un fallo antes del instante t: Q(t) = F(t) = 1 - R(t)

Sea λ(t) la tasa de fallos o averías por unidad de tiempo. Supongamos que un elemento funciona en el instante t. La probabilidad condicional de que se produzca una avería entre el momento t y el t + dt puede escribirse:

)(

)(

)();(

)(

)(

)(

1

)()()(

)(

1

)()(

)()(

)(

)()()|(

ttd

tRLndt

td

tdR

tR

tt

ttRtR

tR

tttR

ttRtR

tR

tQttQtTttTtP

tdttExptR

0)()(

27

Page 28: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

La curva de la bañeraCurva típica de evolución de la tasa de fallos

Existencia inicial de dispositivos defectuosos o instalados indebidamente con una tasa de fallos superior a la normal.

Esta tasa de fallos elevada va disminuyendo con el tiempo hasta alcanzar un valor casi constante.

Fallos normales o aleatorios. El comportamiento de la tasa es constante durante esta etapa y los fallos son debidos a las propias condiciones normales de trabajo de los dispositivos o a solicitaciones ocasionales superiores a las normales.

La tercera etapa de fallos de desgaste es debida a la superación de la vida prevista delcomponente cuando empiezan a aparecer fallos de degradación como consecuencia del desgaste. Se caracteriza por un aumento rápido de la tasa de fallos.

28

Page 29: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Si la tasa de fallos o averías por unidad de tiempo es constante: λ(t) = λ, tendremos que la fiabilidad es:

tdttExptR

0)()(

)()()(0

tExpdttExptRt

una densidad de probabilidad exponencial.Esta fórmula de fiabilidad se aplica a todos los dispositivos que han sufrido un rodaje apropiado que permita excluir los fallos iniciales, y que no estén afectados aún por el desgaste (la zona plana de la bañera).

29

Page 30: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

En 1951 Weibull propuso que la expresión empírica más simple capaz de ajustar a una gran variedad de datos reales:

tdttExptR

0)()(

00

0)()(

ttExptR

ttdtt

t

0

1

0

0

)(

1)(

ttExp

tttf

ttExptF

0

1

tty

r

30

Page 31: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución de Weibull W(r, )

rXYExpX /1)(

11

/1

)()(')(')(

)()()()()(

rr

Xrr

XYY

rX

rrY

ryyfryyFyGyg

yFyXPyXPyYPyG

0;)( 1 yeryygryr

31

Page 32: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Función generatriz de momentos

dxxfeeEtg

xXPeeEtg

txtX

ii

txtX i

)(][)(

)(][)(

...!3!2

1

)(...!3!2

1][)(

3

3

2

2

1

33

22

mt

mt

tm

dxxfxt

xt

txeEtg tX

0

)(

t

k

k

k dttgd

m

Discreta

Continua

32

Page 33: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Función característica

dxxfeeEt

xXPeeEt

itxitX

ii

itxitX i

)(][)(

)(][)(

Observemos que:

dttexf itx )(21

)(

a partir de la anti-transformada de Fourier de la función característica obtenemos la densidad de probabilidad.

33

Page 34: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Desarrollando en Taylor la función característica alrededor de t = 0:

...!

...!2

1)( 22

2

1 kk

k

tmki

tmi

timt

...!

)0(...

!2)0(''

)0(')0()()(

2 kk

tk

ttt

kkkk

k

kitXkk

k

k

itX

itX

itX

miXiEdtd

eXiEdttd

miXiEeXiEt

imiXEiXeEt

eEt

][)0(

][)(

...

][)0(''][)(''

][)0('][)('

1)0(][)(

222222

1

0

)(1

t

k

k

kk dttd

im

34

Page 35: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

ite

itdxe

dxeedxxfeeEt

xitxit

xitxitxitX

0

)(

0

)(

)(][)(

1)0('][

)0('

)()(' 2

iXE

i

iti

t

222222

222

2

2

3

2

112])[(][

2)0(''][

2)0(''

)(2

)(''

XEXE

iXE

i

iti

t

Calculemos la esperanza y la varianza de la distribución exponencial.

35

Page 36: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Sean {X1, X2, ... , XN } n variables aleatorias independientes

con funciones características {1(t), 2(t), ... , N(t) }, e

Y = X1+ X2+ ... + XN.

Entonces:

n

iiY tt

1

)()(

Ejemplo:

Sean X1 = Exp(), X2 = Exp() ... , Xn = Exp() n variables aleatorias independientes. ¿Cómo se distribuye Y = X1+ X2+ ... + Xn?

nn

kY

k

ititt

nkit

t

1

)(

...,,2,1;)(

36

Page 37: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

Distribución de Erlang Er(n, )

00,;)(

)( 1

xnexn

xf xnn

n

n

nun

n

n

unn

xitnn

xnn

itxitxitX

itn

itndueu

itn

duit

eit

u

ndxex

n

dxexn

edxxfeeEt

)()(

1

)()(

1

)(

1

)()(

)()(][)(

0

1

0

1

0

)(1

1

37

Page 38: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será
Page 39: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será
Page 40: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

40

Page 41: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

41

Page 42: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

42

Page 43: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

43

Page 44: 8. Distribuciones continuas 1. Transformaciones de variables aleatorias Densidad Distribución Transformación o cambio de variable aleatoria ¿Cuál será

44