INSTITUTO TECNOLÓGICO DE TUXTLA GUTIÉRREZ

MARCO TEÓRICO
UNIDAD 4. DISTRIBUCIONES DE PROBABILIDADES CONTINUAS
En el año de 1733, Abraham DeMoivre desarrollo la ecuación matemática de la curva normal, la cual es la base de los fundamentos de la teoría de la estadística inductiva. A esta distribución también se le llama distribución gaussiana, en honor a Karl Friedrich Gauss (1777-1855), quien derivó su ecuación de errores en mediciones repetidas de la misma cantidad…

PROBABILIDAD Y ESTADÍSTICA 02 de junio de 2011

Bautista León Fidel Cárdenas de Paz Jairo Molina González Carolina Isabel Zepeda Rojas Roberto Carlos

Ingeniería Industrial Q2-2C 2º semestre

.......................................................................................................................................................... 6 Bibliografía ................................................................................. 3 Función de densidad y acumulada .................................................................................. 4 Aproximación de la normal a la binomial ..... 6 Variable aleatoria continua de una distribución exponencial ............................................................................................................................................................................................................................................................... 3 Distribución normal .....................................................................Tabla de contenido Definición de variable aleatoria ................................................. 3 Variable aleatoria continua ........................... 5 Variable aleatoria continua de una distribución gamma .................................. 7 .................................................................... 5 Distribución gamma y exponencial ...............................

su media y su desviación estándar. quien derivó su ecuación de errores en mediciones repetidas de la misma cantidad.DEFINICIÓN DE VARIABLE ALEATORIA La conjunción entre probabilidad y estadística constituye la base fundamental para la comprensión de las técnicas que se emplean en la estadística inferencial y la toma de decisiones. Por lo tanto se representan los valores de densidad de X por . en honor a Karl Friedrich Gauss (1777-1855). Variable aleatoria continua Una variable aleatoria continua que tiene una distribución en forma de campana se llama variable aleatoria normal tal como la siguiente figura: La ecuación matemática para la distribución de probabilidad de la variable normal depende de los dos parámetros y . cuando se repite un experimento se obtienen resultados diferentes. como por ejemplo. A esta distribución también se le llama distribución gaussiana. Esta distribución muestra una grafica en forma de campana. por ejemplo. podría arrojar distintas mediciones en la resistencia eléctrica de un alambre. En el año de 1733. DISTRIBUCIÓN NORMAL La distribución continua de la probabilidad más importante en todo el campo de la estadística es la distribución normal. . las variaciones en los instrumentos de medición o pequeñas impurezas en la composición química de los metales. los cambios en al temperatura ambiental. los experimentos meteorológicos. debido a pequeñas variaciones en variables no controladas en el experimento. lluvias y más las podemos explicar con la distribución normal. En muchas ocasiones. la cual es la base de los fundamentos de la teoría de la estadística inductiva. Abraham DeMoivre desarrollo la ecuación matemática de la curva normal. la cual describe aproximadamente demasiados fenómenos que ocurren en la naturaleza de la industria y la investigación.

Esto puede realizarse por medio de la transformación: . se obtiene: . Siempre que asuma un valor . La dificultad que se encuentra al resolver las integrales de las funciones de densidad normal hace necesaria la tabulación de las aéreas de la curva normal para una referencia rápida. se escribe: . una vez que se especifican y . Para evaluar la media. Donde Una vez especificada y . Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z con medida cero y variancia 1. sería una tarea inacabable realizar tablas separadas para cada valor concebible de y . . la curva normal se determina completamente. . se obtiene. Otra vez. Si se hace y . y variancia . si cae entre los valores y . con media . si y . es: Ahora se mostrará que los parámetros y son en realidad la media y la varianza de la distribución normal. Muchas variables aleatorias tienen distribuciones de probabilidades que pueden describirse adecuadamente por medio de la curva normal. No obstante. Por lo tanto. la variable aleatoria caerá entre los valores correspondientes y para sustituimos a dentro de la formula. La varianza de la distribución normal es: .Función de densidad y acumulada La función de densidad de la variable aleatoria normal X. el correspondiente valor de es .

Desde el punto de vista teórico. DISTRIBUCIÓN GAMMA Y EXPONENCIAL Además de que la distribución normal la podemos utilizar para resolver problemas de diferentes ámbitos tales como de ingeniería y demás ciencias. las distribuciones gamma y exponencial. es la distribución normal estándar . La distribución gamma toma su nombre de la bien conocida función gamma. APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A LA BINOMIAL Las probabilidades que se asocian con experimentos binomiales pueden obtenerse fácilmente cuando es pequeña.La distribución de una variable aleatoria normal con media cero y variancia 1 se llama distribución normal estándar. entonces la forma . cuando y variancia . que se estudia en muchas áreas de las matemáticas. . es conveniente calcular las probabilidades binomiales por procedimientos de aproximación. La distribución normal es una distribución de aproximación conveniente debido a que la función de una distribución acumulativa se tabula de manera sencilla. Si es grande. La distribución binomial se aproxima demasiado bien a la normal en problemas prácticos cuando se trabaja con la función de distribución acumulada. En ello se presentan dos de tales funciones de densidad. Estas son algunas de sus propiedades de esta función que se presentaran a continuación. algunas distribuciones convergen a normales a medida que sus parámetros se aproximen a ciertos límites. existen todavía numerosas situaciones que necesitan diferentes tipos de funciones de densidad. de la formula de la distribución binomial. La distribución normal frecuentemente es una buena aproximación a la distribución discreta cuando esta ultima toma la forma de una campana simétrica. Si es una variable aleatoria binomial con media de límite de la distribución de: . En seguida se plantea un teorema que permite utilizar áreas bajo la curva normal para aproximar propiedades binomiales cuando es suficientemente grande.

La distribución gamma especial para la cual se llama distribución exponencial. . Variable aleatoria continua de una distribución exponencial La variable aleatoria continua X tiene una distribución exponencial. si su función La media y la variancia de la distribución gamma son: Y . . el tiempo de incapacidad por enfermedad de un paciente. etc. con parámetro .La función gamma se define como: Para Cuando se integra por partes con . para todo número real . Sin embargo. y así sucesivamente. con parámetros de densidad es: . si su función de densidad es: . Variable aleatoria continua de una distribución gamma La variable aleatoria continua X tiene una distribución gamma. por la primera formula de la función gamma y de aquí que. La distribución exponencial es una distribución continua definida por: . Está relacionada con el tiempo de reacción de un conductor frente a un estimulo. . el diámetro del punto producido por una impresora. Nótese que cuando donde. y . y para la formula recursiva: la aplicación repetida de esta fórmula da: . es un entero positivo.

. R.) Edo. Angel. de México. (1998). G. WALPOLE. 115. M. G. México: Mc Graw Hill. Trad. & D. 113. SUMMA Enciclopedia Universal (2006 ed. (U. Freund John E. En E. D. WALPOLE.Bibliografía Castellanos.. . E.F. G. ALGUNAS DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. 133.. México: PRENTICE HALL HISPANOAMERICANA S. Probabilidad y Estadística aplicadas a la Ingeniería. B. (1996). (2006). Naucalpan de Juárez. (1994). Montogomery Douglas C. Trad.. págs. 136. Julian. (C... 124. R. Bogotá: Grupo Editorial Norma.) México D..). Ed. ESTADÍSTICA ELEMENTAL (octava edicion ed. C. 3). Vol.A. S.). McGRAW-HILL. PROBABILIDAD Y ESTADISTICA (4ª EDICION ed.

Sign up to vote on this title
UsefulNot useful