Distribucin Lognormal

Muchas variables no se distribuyen de manera gaussiana, sin embargo, aplicando

alguna transformacin es posible convertir los datos a una forma que est distribuida
de esa manera.

La transformacin logartmica se aplica en muchos casos, en especial cuando el rango

de las observaciones abarca varios rdenes de magnitud.

Una variable aleatoria X cuyos logaritmos Y = ln(X) estn distribuidos de manera

normal, se dice que sigue una distribucin lognormal cuya PDF es:
donde y son la media y desviacin estndar de Y.

La relacin entre estos parmetros y los de la variable original X es:

En este caso la variable sigue una distribucin Gaussiana estndar

N(0,1).

Distribucin Exponencial

Hay dos casos especiales importantes de la distribucin gamma, que

resultan de restricciones particulares sobre los parmetros y . El
primero es cuando se tiene = 1, entonces la distribucin gamma se
reduce a la distribucin exponencial, con PDF:

Esta ecuacin es analticamente integrable, de modo que la CDF est

dada por:

Un uso importante de la distribucin exponencial en ciencias

atmosfricas es en la caracterizacin de la distribucin del tamao
de gotas de lluvia (Marshall-Palmer).

El segundo caso es la distribucin chi-cuadrada (o ji-cuadrada), que

son distribuciones gamma con parmetro de escala = 2. Su PDF est
dada por:
donde el parmetro es conocido como los grados de libertad y se
satisface que = /2.

Grados de libertad: es una medida del nmero de piezas de

informacin independientes en las que se basa la estimacin de un
parmetro. Es igual al nmero de observaciones menos el nmero de
estadsticos adicionales utilizados para el clculo.

Es muy utilizada en el contexto de pruebas estadsticas.

Distribuciones de valores extremos. Descripcin del comportamiento de los m

valores ms grandes. La PDF de la distribucin generalizada de valores extremos
o GEV es:
donde es el parmetro de ubicacin, el parmetro de escala y el parmetro
de la forma.

La CDF se obtiene de la integracin analtica de la PDF:

Los momentos de la distribucin estn dados por:

= [1 (1-)]/

2
=
2
[(1 - 2 )
2
(1-)]/
2

Hay tres casos especiales, dependiendo del valor del parmetro de la

forma :

Distribucin Gumbel (cuando tiende a 0):

Para > 0 se tiene la distribucin Frechet.

Para < 0 se tiene la distribucin Weibull:

Grfico Q-Q (Q-Q plot)

Cuantil Fraccin o porcentaje de puntos que quedan por debajo del valor dado.

El grfico Q-Q (o grfico cuantil-cuantil) es un mtodo para comparar la forma de dos

distribuciones de probabilidad. Se puede usar para comparar dos distribuciones tericas,
o una distribucin muestral con una terica, o dos distribuciones muestrales.

Para ello, se grafican los cuantiles de la primera distribucin contra los de la segunda.
Tambin se traza una lnea de referencia a 45 grados de modo que si los dos conjuntos
de datos provienen de una poblacin con la misma distribucin, los puntos deben caer
arpoximadamente a lo largo de dicha lnea.

Ventajas:
- El tamao de los conjuntos de datos a comparar no necesitan ser iguales.
- Se pueden identificar desplazamientos en ubicacin, en escala, cambios en simetra y la
presencia de datos atpicos. Por ejemplo, si los dos conjuntos de datos provienen de
poblaciones cuyas distribuciones difieren solamente por un desplazamiento en su
ubicacin, los puntos deben caer a lo largo de una lnea recta que est desplazada ya sea
hacia arriba o hacia abajo de la lnea de referencia a 45 grados.

El grfico Q-Q se usa para contestar las siguientes preguntas acerca de

los dos conjuntos de datos que se comparan:
- Provienen de poblaciones con una distribucin comn?
- Tienen en comn la ubicacin y escala?
- La forma de las distribuciones es similar?
- Las colas de las distribuciones se comportan de manera similar?

Si las dos distribuciones difieren por una transformacin lineal, el Q-Q

plot sigue alguna lnea recta, pero no necesariamente la recta y = x.

Si la tendencia general del Q-Q plot es ms plana (ms inclinada) que

la recta y = x, la distribucin graficada en el eje horizontal es ms
(menos) dispersa que la graficada en el eje vertical.

Con frecuencia la Q-Q plot tiene forma de S, indicando que una de

las distribuciones es ms sesgada que la otra, o que una de las
distribuciones tiene colas ms pesadas que la otra.


Intervalos de confianza

Cuando las observaciones se distribuyen de manera Gaussiana, se dice

que = [1 2F(z)] representa la probabilidad de que un valor quede
fuera del intervalo z . Tal probabilidad recibe el nombre de nivel de
significancia de una prueba estadstica y se denota mediante .
Cuando z = 1.96, [1 2F(z)] = 0.05 el nivel de significancia es = 0.05,
entonces hay 5% de probabilidad de que una observacin presente una
desviacin de la media mayor que | 1.96 | y existe un 95% de
probabilidad (nivel de confianza) de que una observacin quede dentro
del intervalo 1.96 .

Nivel de confianza: 1-2F(z) %

Intervalo de confianza: z

Lmites de confianza: z y + z
NOTA: En este caso F(z) es la funcin de densidad de probabilidad acumulada para
la Normal estndar partiendo del centro de la distriubucin, = 0.