Está en la página 1de 38

Variable Aleatoria Continua.

Principales Distribuciones
Definicin de v. a. continua
Funcin de Densidad
Funcin de Distribucin
Caractersticas de las v.a. continuas
Principales Distribuciones continuas
Ejercicios

Definicin de v. a. continua
Las variables aleatorias continuas se definen sobre espacios muestrales infinitos
no numerables, es decir, toman un nmero de valores infinito. Se
representan mediante letras maysculas y pueden tomar como posibles
valores:
X = { x1, x2, ... , xi , ... , xn, }
Se suele comentar que las variables aleatorias discretas son el resultado de
contar (edad de una persona, n de hijos, n de hermanos, n de veces que
aparece cara en un lanzamiento de moneda, n de puntos de un dado,
etc), mientras que las variables aleatorias continuas son el resultado de
medir (velocidad media de un automvil, talla y peso de una persona,
etc)
Ejemplo:
Si consideramos la variable aleatoria altura de las personas espaolas mayores
de 21 aos, esta variable puede tomar infinitos valores, ya que entre
cualesquiera dos valores, digamos 163.5 y 164.5, pueden darse infinitos
valores de altura, uno de los cuales es exactamente el 164.

Funcin de Densidad: f(x)


Definicin

Es una funcin no negativa de integral


1.

Pinsalo como la generalizacin del


histograma
con
frecuencias
relativas para variables continuas.

Para qu lo voy a usar?

Nunca lo vas a usar directamente.


Sus
valores
no
representan
probabilidades.

Funcin de Densidad: f(x)


Para qu sirve la f. densidad?
Muchos procesos aleatorios vienen descritos por variables de forma que son
conocidas las probabilidades en intervalos.
La integral definida de la funcin de densidad en dichos intervalos coincide con
la probabilidad de los mismos.
Es decir, identificamos la probabilidad de un intervalo con el rea bajo la
funcin de densidad.

Funcin de Densidad: f(x)


Sea (, (), P) un espacio de probabilidad y X una v. a. c. Se llama funcin de
densidad, f(x), a una funcin real no negativa, tal que a, b R, con - a
b :
y que verifica:
(i) f(x) 0
Grficamente se representa
mediante una curva.
Observacin
f(x) no representa la probabilidad
de nada, es slo al integrar cuando
obtenemos probabilidades.

(ii)

Funcin de Distribucin, F(x)


Es la funcin que asocia a cada valor de una
variable,
la
probabilidad
acumulada
de los valores inferiores o iguales.

Pinsalo como la generalizacin de las


frecuencias acumuladas. Diagrama integral.

A los valores extremadamente bajos les


corresponden valores de la funcin de
distribucin cercanos a cero.

A los valores extremadamente altos les


corresponden valores de la funcin de
distribucin cercanos a uno.

Lo encontraremos en los artculos y aplicaciones en


forma de p-valor, significacin,
No le deis ms importancia a este comentario
ahora. Ya os ir sonando conforme avancemos.

Funcin de Distribucin, F(x)


Sea (, (), P) un espacio de probabilidad, X v. a. continua, {xi} i = 1 ..
los valores que toma y f(x) la funcin de densidad de X.
Se llama funcin de distribucin (acumulativa) de la v.a.c. X, F(x), a la
probabilidad de que X sea menor o igual que x; es decir:

Que cumple las siguientes propiedades:


(i) F(- ) = 0
(iii) F() = 1
(v) F es montona no decreciente, es decir, si xi xj entonces F(xi) F(xj)
(vi) F es continua
(vii) Si f(x) es continua, entonces F(x) es derivable y
(viii) P(a X b) = F(b) - F(a) =

Funcin de Distribucin, F(x)


Grficamente resulta:

Caractersticas de las v.a. continuas


Se trata de resumir la informacin de una variable aleatoria en un conjunto de
medidas (nmeros).
Esperanza:
Sea X una v. a. c. El valor esperado o esperanza matemtica de X, denotada por
E(X) o por , se define como:
E(X) es un valor fijo que depende de la distribucin de probabilidad de X. Est
medida en las mismas unidades que X.
Propiedades de la esperanza:
(i) Si C es una constante, entonces E(C) = C.
(ii) Linealidad: E(aX + b) = aE(X) + b, a, b
(iii) Si g(X) es una funcin de X, entonces:
(iv) Si g(X), h(X) son funciones de X, entonces E[g(X)+h(X)]=E[g(X)]+E[h(X)]
(v) |E[g(X)]| E[|g(X)|]

Caractersticas de las v.a. continuas


Varianza:
Sea X una v. a. d. La varianza de X se denota con Var(X), V(X) o 2 y se
define como
V ( X ) ( X ) 2 f ( x)dx

La raz cuadrada positiva de la varianza se llama desviacin tpica y se


denota con . Tanto la varianza como la desviacin tpica miden la
dispersin de la v.a. respecto a su media.
Observaciones:
- La varianza y la desviacin tpica son cantidades positivas.
- La desviacin tpica est medida en las mismas unidades que la v.a.
Propiedades de la varianza:
(i) Si C es una constante, V(C)=0
(ii) V(X) = E(X2) - E2(X)
(iii) Si a y b son constantes: V(aX+b) = a2 V(X)
La desviacin media se define como la esperanza de |X-|.

Principales Distribuciones
Como ocurra con las variables aleatorias discretas, en la prctica, la
funcin de densidad de la mayora de las variables continuas se ajusta a un
modelo terico expresado mediante una frmula concreta. Veremos los ms
habituales.

V.A. CONTINUAS
Normal N(, )
Chi-Cuadrado de Pearson 2
t de Student
F de Fisher-Snedecor

Principales Distribuciones
Distribucin Normal N( , )
Es el modelo de distribucin ms utilizado en la prctica, ya que:
1. Multitud de fenmenos se comportan segn una distribucin normal.
(distribucin de pesos, alturas, coeficientes de inteligencia, errores en la
medida, etc)
2. Es la distribucin muestral de varios estadsticos maestrales, tales como
la media, etc
3. Es una buena aproximacin de otras distribuciones (as la distribucin
de una variable binomial, de Poisson, etc son aproximadamente
normales).
Se dice que una variable aleatoria continua sigue una distribucin normal si
su funcin de densidad viene dada por la expresin:

1
f ( x)
e
2

1 x

Principales Distribuciones
Esta distribucin viene definida por dos parmetros:
: es el valor medio de la distribucin y es precisamente donde se sita el
centro de la curva (de la campana de Gauss).
: es la desviacin tpica. Indica si los valores estn ms o menos alejados del
valor central
N(, ): Interpretacin geomtrica
Podis interpretar la media como un
factor de traslacin.

Y la desviacin tpica como un factor


de escala, grado de dispersin,

Principales Distribuciones
Los

puntos de inflexin de la fun. de densidad estn a distancia de .


Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia ,
tenemos probabilidad 68%
a distancia 2 ,
tenemos probabilidad 95%
a distancia 25
tenemos probabilidad 99%
N(, ): Interpretacin probabilista
Entre la media y una desviacin tpica tenemos
siempre la misma probabilidad: aprox. 68%

Entre la media y dos desviaciones


tpicas aprox. 95%

Principales Distribuciones
Se caracteriza porque la grfica de la funcin de densidad forma una curva,
simtrica respecto a un valor central que coincide con la media de la
distribucin, y se extiende sin lmite, tanto en la direccin positiva como
negativa del eje X, de forma asinttica (campana de Gauss).
La

funcin de densidad es simtrica, mesocrtica y unimodal.


Media, mediana y moda coinciden.

Por ser funcin de densidad, el rea total


encerrada bajo la curva y sobre el eje X
es igual a 1. Un 50% de los valores estn
a la derecha de este valor central y otro
50% a la izquierda.

Principales Distribuciones
La curva de cualquier funcin
de densidad est construida de
tal modo que el rea bajo la
curva, limitada por los dos
puntos x = a y x = b es igual a la
probabilidad de que la variable
aleatoria X asuma un valor
entre x = a y x = b.
No es posible calcular la
probabilidad de un intervalo
simplemente usando la primitiva
de la funcin de densidad, ya
que
no
tiene
primitiva
expresable en trminos de
funciones comunes.

Principales Distribuciones
Es posible transformar todas las observaciones de cualquier v. a. X con
distribucin normal N(, ), mediante una traslacin , y un cambio de escala
, a un nuevo conjunto de observaciones de una variable aleatoria normal Z
con media 0 y varianza 1 Z=N(0,1). Esta distribucin normal se denomina
normal tipificada, y su ventaja reside en que hay tablas donde se recoge la
probabilidad acumulada para cada punto de la curva de esta distribucin.
Para transformar una v. a. X en una normal tipificada se crea una nueva
variable (Z) que ser:

x
z

Por tanto:
x

P ( X xi ) P Z i

b
a
P ( a X b) P
Z

Principales Distribuciones
Cmo se trabaja con la tabla de la normal tipificada?
La columna de la izquierda indica el valor cuya probabilidad acumulada
queremos conocer. La primera fila nos indica el segundo decimal del valor que
estamos consultando. Los valores del interior de la tabla representan reas (o
probabilidades)
Llamaremos z al punto del eje OX que deja a su izquierda un rea en la
curva, es decir
P ( Z z )

Como la curva normal es simtrica respecto a su media y esta, en el caso de la


normal tipificada (que es la tabulada) es 0, se verifica

z z1

Hay ocasiones en que estamos interesados en conocer el punto del eje OX que
deja a su izquierda , bajo la curva normal tipificada, un rea . En estos
casos buscamos en el interior de la tabla el valor ms cercano a , y las
coordenadas de la fila-columna de la posicin de ese valor nos da el punto
buscado.

Principales Distribuciones
Z es normal tipificada.
Calcular P [Z<1,85]

Solucin: 0,968 = 96,8%

Principales Distribuciones
Z es normal tipificada.
Calcular P[Z<-0,54]

Solucin: 1-0,705 = 0,295

Principales Distribuciones
Z es normal tipificada.
Calcular P[-0,54<Z<1,85]

Solucin: 0,968-0,295= 0,673

Principales Distribuciones
Aproximacin de la Binomial a la Normal.
Distribucin Binomial:
Si n es pequea Las probabilidades se obtienen de la frmula de la
binomial o de su tabla acumulada.
Si n es grande Las probabilidades se obtienen por aproximacin.
Aproximacin discreta (la de Poisson) para aproximar probabilidades
de la binomial cuando n es grande y p cercana a 0 a 1 (1-p cercano a 0).
Aproximacin continua (la normal) para aproximar probabilidades de
la binomial es excelente cuando n es grande (n >30) pero sigue siendo
buena para valores relativamente pequeos de n, siempre y cuando p est
cercano a 0.5. (np y nq ambos 5).
Cuidado con las probabilidades asociadas a los puntos extremos de los
intervalos considerados Correccin de continuidad

Principales Distribuciones
Ejemplo:
Una prueba de opcin mltiple tiene 200 preguntas, cada una con 4 posibles
respuestas, de las cuales slo 1 es la correcta. Cul es la probabilidad de que
un alumno que contesta al azar 80 de ellas acierte entre 25 y 30? La
probabilidad de una respuesta correcta para cada una de las 80 respuestas es
p=1/4.
X = n de respuestas correctas de las 80 contestadas
XB(80, )
30
P(25 X 30)= b x;80, 1 4
x 25
13
3.873
Usamos la aproximacin a la normal con = np = 80. = 20 y npq 80

44

Se necesita conocer el rea entre 24.5 y 30.5 (por la correccin de continuidad). Los
correspondientes valores de Z son:
24.5 20
Z1
1.16
3.873
30.5 20
Z2
2.71
3.873

Principales Distribuciones
La probabilidad de responder correctamente de 35 a 30 preguntas la
proporciona el rea comprendida entre estos dos valores bajo la curva
de la normal estndar

P (25 X 30)

b x;80, 1 4 P(1.16 Z 2.71)


30

x 25

P ( Z 2.71) P ( Z 1.16) 0.9966 0.8770 0.1196

Principales Distribuciones
Distribucin Chi - Cuadrado de Pearson 2k
Tiene un slo parmetro denominado
grados de libertad.
La funcin de densidad es asimtrica
positiva. Slo tienen densidad los valores
positivos.
La funcin de densidad se hace ms
simtrica incluso casi gausiana cuando
aumenta el nmero de grados de libertad.
Normalmente consideraremos anmalos
aquellos valores de la variable de la cola
de la derecha.

Principales Distribuciones
Distribucin Chi - Cuadrado de Pearson 2k

Principales Distribuciones
Aproximacin de 2 a la Normal

Principales Distribuciones
Distribucin t de Student tk
Tiene un parmetro denominado grados de libertad.
Cuando aumentan los grados de libertad, ms se acerca a
N(0,1).
Es simtrica con respecto al cero.
Se consideran valores anmalos los que se alejan de cero
(positivos o negativos).

Principales Distribuciones
Distribucin t de Student tk

Principales Distribuciones
Distribucin F de Fisher-Snedecor Fk1,k2
Tiene dos parmetros denominados grados de libertad.
Slo toma valores positivos. Es asimtrica.
Normalmente se consideran valores anmalos los de la cola
de la derecha.

Principales Distribuciones
Distribucin F de Fisher-Snedecor Fk1,k2

Ejercicios
Ejercicio 4.1
La variable X=" n de centmetros a que un dardo queda del centro" al ser
tirado por una persona, se observ que tena por funcin de densidad
f(x):
k
0<x<10
0
restantes casos
Se pide:
a) Hallar k para que f(x) sea funcin de densidad. Representarla
b) Hallar la funcin de distribucin. Representarla
c) Media, Varianza y Desviacin Tpica.
d) P(X1)
e) Probabilidad de acertar en la diana.
Ejercicio 4.2
Se emplean calibradores para rechazar todos los componentes en los cuales
haya cierta dimensin cuya medida no est dentro de las especificaciones
1.5 d. Se sabe que esta medida tiene una distribucin normal con media
1.5 y desviacin estndar de 0.2. Determine el valor de d, de modo que las
especificaciones cubran el 95% de las medidas.

Ejercicios
Ejercicio 4.3
En la observacin del n de glbulos rojos (en millones) de los habitantes de
una gran ciudad se observ que seguan aproximadamente una
distribucin normal de media 4.5 y desviacin tpica 0.5.
Se pide calcular:
a) Probabilidad de que un habitante tomado al azar tenga ms de cinco
millones de glbulos rojos.
b) Tanto por ciento de la ciudad con menos de 3.75 millones
c) N de glbulos rojos del 20 por 100 ms alto de la ciudad
d) N de glbulos rojos del 10 por 100 ms bajo de la ciudad
e) N de glbulos rojos del 80 por 100 ms prximo a la media

Ejercicios
Ejercicio 4.4
Un bilogo comprob que la probabilidad de que al inyectar a una rata un
determinado producto sobreviviera despus de una semana era de 0.5.
Si el bilogo inyect el producto a un lote de 100 ratas.
Se pide calcular:
a) Probabilidad de que vivan ms de 65
b) Probabilidad de que vivan entre 40 y 60
c) Probabilidad de que vivan menos de 30
d) Probabilidad de que vivan ms de 45. Qu significa esta
probabilidad?
Ejercicio 4.5
Una variable aleatoria sigue una distribucin 2 de Pearson. Se pide
calcular:
a) Los puntos crticos: 2 0.90;5 2 0.01;26 2 0.025;8 2 0.08;10
b) Las probabilidades: P( 28 3.49); P( 28 15.51); P( 210 4);
P( 220 29);

Ejercicios
Ejercicio 4.6
Una variable aleatoria sigue una distribucin t de Student
Se pide calcular:
a) Los puntos crticos: t 0.20;20 t 0.99;10 t 0.25;10
b) Las probabilidades: P(t10 1.372); P(t8 1.2); P(-0.5 t6 0.6);
P(|t24|>2)
Ejercicio 4.7
Una variable aleatoria sigue una distribucin F de Fisher-Snedecor
Se pide calcular:
a) Los puntos crticos: F0.1;10,12 F0.05;5,24 F 0.90;28,30
b) Las probabilidades: P(2 F10;20 2.25)

Ejercicios
Ejercicio 4.8
La poblacin de sujetos tallados en el servicio militar se distribuye en X:
altura N (1,69; 0,01) y en Y: peso N (68,2; 1,80). Suponiendo que
ambas variables son independientes en la poblacin y que
seleccionamos una muestra aleatoria de 10 sujetos:
a) Cul es la probabilidad de que su estatura est comprendida entre
1,65 y 1,70 m.?
b) Cul es la probabilidad de que su altura y peso sean superiores a
1,72 m. y 65 kg.?
c) Cules son los pesos que delimitan al 50 por 100 central de los
sujetos?
d) Si creamos la nueva variable: W = 2 X: Calcule E(W), 2(W) y
P(3,32 W 3,40)

Ejercicios
Ejercicio 4.9
La variable extroversin (X) se distribuye segn el modelo normal con
media 50 y desviacin tpica 10. Conteste a las siguientes preguntas:
a) Probabilidad de que los sujetos obtengan como mucho una puntuacin
de 35
b) Probabilidad de que los sujetos obtengan una puntuacin mayor de 60
en extroversin
c) Calcule la puntuacin en extroversin que deja por debajo de s al
80% de los sujetos
d) Probabilidad de observar un valor comprendido entre 42 y 59
e) Calcule la puntuacin que corresponde al centil 90 en directas,
diferenciales y tpicas
f) Calcule los valores que acotan el 50% central de sujetos
g) Calcule la puntuacin S que corresponde al centil 75 (siendo S= 2zi+5)
h) Si se extrae una muestra aleatoria de 25 alumnos, cul es la
probabilidad de que su media aritmtica sea mayor de 55?

Ejercicios
Ejercicio 4.10
La variable U se distribuye segn 2 con 9 grados de libertad, la variable V
se distribuye segn t de student con 15 grados de libertad y la variable
W se distribuye segn F de Snedecor con 6 y 8 grados de libertad.
Segn esto conteste a las siguientes preguntas:
a) Probabilidad de que la variable U adopte como mucho el valor 8
b) Puntuacin U tal que la probabilidad de obtener como mximo
ese valor sea 0,70
c) Probabilidad de observar valores en la variable V entre -1,341 y
2,602
d) Calcular la puntuacin V que corresponde al centil 80
e) Probabilidad de que la variable W adopte como mnimo el valor
4,65
f) Puntuacin W que corresponde a la probabilidad acumulada de
0,90