Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de Probabilidad
Distribuciones de Probabilidad
para x = 1,2,3,4 ;
(b)
para x = 0,1,2,3,4
Rpta.: (a) No. f(1) < 0 (b) No. La suma de las cinco
probabilidades es 6/5 y no 1
Hay muchos problemas en que no slo nos interesa la probabilidad f(x) de que el
valor de una variable aleatoria sea x, sino tambin la probabilidad F(x) de que el
valor de una variable aleatoria sea menor o igual que x. Nos referiremos a la
funcin que asigna el valor F(x) a cada x dentro del rango de la variable
aleatoria como funcin de distribucin de la variable aleatoria.
Refirindonos una vez ms al ejemplo de la evaluacin de las podadoras de
csped y basando nuestros clculos en la tabla anterior, obtenemos
x 0 1 2 3
F(x) 0,26 0,76 0,98 1,00
para la funcin de distribucin del nmero de clasificaciones preferentes.
VARIABLES ALEATORIAS CONTINUAS
Las variables aleatorias continuas pueden tomar valores sobre una escala
continua. Por ejemplo : si un experimento consiste en determinar la fuerza que
se requiere para romper determinada muestra en una prueba de tensin, el
resultado mismo, digamos 138,4, es el valor de la variable aleatoria considerada.
FUNCIONES DENSIDAD DE PROBABILIDAD O DENSIDADES DE
PROBABILIDAD
La probabilidad de que una variable aleatoria tome un valor sobre el intervalo
desde a hasta b, donde a y b son constantes y a s b es
donde Ax = intervalo de longitud
x
1
,x
2
, ... , x
n
= n puntos
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS
Control de Calidad de Procesos Ing. Heber Helfer C.
13
Ejemplo : si una variable aleatoria tiene la densidad de probabilidad
f(x) = 2e
-2x
para x > 0
0 para x s 0
encuntrese las probabilidades de que tome un valor
a) entre 1 y 3
b) mayor que 0,5
Rpta:
a)
b)
2
1 2
x
f(x )
Ejemplo : del ejemplo anterior, encuntrese la funcin de distribucin y
utilcese para determinar la probabilidad de que la variable aleatoria tome un
valor menor o igual a 1
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS
Control de Calidad de Procesos Ing. Heber Helfer C.
14
y la sustitucin de x = 1 arroja el resultado
F(1) = 1 - e
-2
= 0,865
Obsrvese que la funcin de distribucin de este ejemplo es no decreciente, que
F(-) = 0 y que F() = 1. En realidad, de la definicin se deduce que estas
propiedades las comparten todas las funciones de distribucin.
Ejemplo : encuntrese k de tal manera que la siguiente regla de correspondencia
sea la densidad de probabilidad de una variable aleatoria:
Rpta :
1) k > 0
2)
Las medidas estadsticas con que se describen las densidades de probabilidad
son muy similares a las que empleamos para caracterizar las distribuciones de
probabilidad. Reemplazando sumatorias por integrales, definimos el k-simo
momento con respecto al origen como
El primer momento con respecto al origen es conocido como media y se denota
; es el valor esperado, o promedio de una variable aleatoria que tiene
densidad de probabilidad f.
Se define el k-simo momento alrededor de la media como
En particular, el segundo momento con respecto a la media recibe el nombre de
variancia y se representa por o
2
; igual que antes, mide la dispersin de una
densidad de probabilidad en el sentido de que da el valor esperado del cuadrado
de la desviacin con respecto a la media. Tambin, o se conoce nuevamente
como desviacin estndar.
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS
Control de Calidad de Procesos Ing. Heber Helfer C.
15
Ejemplo : Calcule la media y la variancia de la densidad de probabilidad citada.
y adems que