Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESCUELA DE POSGRADO
MAESTRÍA
INGENIERÍA CIVIL
MENCIÓN
GESTIÓN Y GERENCIA DE LA CONSTRUCCIÓN
TEMA:
DISTRIBUCIÓN BETA, DISTRIBUCIÓN ELANG, DISTRIBUCIÓN JI CUADRADO Y DISTRIBUCIÓN
EMPÍRICA ACUMULADA
CURSO:
GESTIÓN DE LA INNOVACIÓN Y MATERIALES DE LA CONSTRUCCIÓN
CICLO: I
SECCION: B
Las distribuciones de probabilidad continuas son aquellas en las que la variable
aleatoria puede asumir un número infinito de valores, que son resultado de una
medición.
Por ejemplo, el valor de la temperatura media del aire en intervalos dados de
tiempo. Por supuesto que las variables aleatorias continuas dependen de la
exactitud del instrumento de medición en este caso el termómetro.
Existen varios tipos de distribuciones continuas de probabilidad:
Distribución uniforme continua.
Distribución normal.
Distribución gamma.
Distribución exponencial.
Distribución beta.
Distribución de erlang.
Distribución ji cuadrado.
Distribución empírica acumulada.
Las distribuciones continuas son imposibles de tabular y por lo tanto se
representan con curvas.
La distribución beta es una familia de
distribuciones de probabilidad continua
definidas en el intervalo (0,1) con dos
parámetros positivos que determinan la forma,
típicamente notados como α y β.
La distribución beta puede tomar muchas
formas según los valores de α y β.
La distribución beta se usa generalmente para
estudiar las variaciones a través de varias
muestras de un porcentaje que representa
algún fenómeno, por ejemplo; el tiempo que
dedicamos diariamente hacer deporte, el
porcentaje de tiempo que realmente trabaja un
empleado en su horario de trabajo, la
distribución del intervalo de tiempo necesario
para completar una fase de proyecto PERT,
etc.
Se emplea para la variables aleatorias
continuas que no son negativas, por lo que su
gráfica esta sesgada a la derecha.
La distribución beta se puede deducir a partir de la función Beta, definida de la
siguiente manera:
1
𝛼−1 𝛽−1
𝛤(𝛼) × 𝛤(𝛽)
𝐵 𝛼, 𝛽 = න 𝑥 (1 − 𝑥) 𝑑𝑥 = , 𝑝𝑎𝑟𝑎 𝛼, 𝛽 > 0
0 𝛤(𝛼 + 𝛽)
Γ(n)=(n-1)!
Distribución Beta
Este modelo tiene aplicaciones importantes por la variedad de formas
diferentes que puede tomar su función de densidad eligiendo valores para sus
parámetros.
La variable aleatoria continua X tiene una distribución beta con los parámetros
α>0 y β>0, si su función de densidad es dada por:
1
𝑥 𝛼−1 (1 − 𝑥)𝛽−1 , 0 < 𝑥 < 1,
𝑓 𝑥 = ൞𝐵 𝛼, 𝛽
0 , 𝑝𝑎𝑟𝑎 𝑜𝑡𝑟𝑜 𝑥
Media y Varianza de la Distribución Beta
La media de una distribución beta en la que los parámetros α y β, está definida
por:
𝛼
𝜇=
𝛼+𝛽
1 1
𝑃 𝑥 > 0.90 = 20 න 𝑥 3 𝑑𝑥 −න 𝑥 4 𝑑𝑥
0.90 0.90
𝑛+1
𝑥
𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 න 𝑥 𝑛 𝑑𝑥 =
𝑛+1
La distribución de ji-cuadrada es una distribución continua que se especifica por los grados de
libertad y el parámetro de no centralidad. La distribución es positivamente asimétrica, pero la
asimetría disminuye al aumentar los grados de libertad.
Se utiliza la distribución de ji-cuadrada (χ2) en pruebas de significancia estadística para:
Comprobar qué tan bien se ajusta una muestra a una distribución teórica. Por ejemplo, puede
utilizar una prueba de bondad de ajuste de ji-cuadrada para determinar si los datos de la
muestra se ajustan a una distribución de Poisson.
Comprobar la independencia de las variables categóricas. Por ejemplo, un fabricante desea
saber si la ocurrencia de cuatro tipos de defectos (espárrago faltante, abrazadera rota,
sujetador flojo y sello con fugas) está relacionada con los turnos (diurno, vespertino, nocturno).
Cuando los grados de libertad son 30 o más, la distribución de ji-cuadrada puede aproximarse
razonablemente con una distribución normal, como se ilustra en las siguientes gráficas:
Ji- cuadrado como prueba de asociación
Supongamos que un investigador está interesado en evaluar la asociación entre uso de
cinturón de seguridad en vehículos particulares y el nivel socioeconómico del conductor del
vehículo. Con este objeto se toma una muestra de conductores a quienes se clasifica en una
tabla de asociación, encontrando los siguientes resultados: