Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Superior Universidad Nacional Experimental "Francisco de Miranda"

Morn, estado Carabobo

ESTADSTICA APLICADA Distribuciones de Probabilidad

Integrante: Anilette Zrate CI. V-19.743.867

1.- DISTRIBUCIN EXPONENCIAL Una variable aleatoria X tiene distribucin exponencial de parmetro > 0 si su funcin de densidad es

Integrando, su funcin de distribucin, o de probabilidad acumulada, es

La interpretacin del parmetro es sencilla, pues coincide con la inversa de la esperanza de la variable aleatoria X.

Dentro del contexto del anlisis de supervivencia, cuando X se interpreta como el tiempo necesario para que se produzca el fallo de un componente de una mquina, o el tiempo que transcurre hasta la muerte de un organismo biolgico, tiene especial importancia la funcin que recibe el nombre de funcin de supervivencia y que es la probabilidad de que el individuo no fallezca antes del instante x.

2.- DISTRIBUCIN PEARSON

La distribucin de Pearson con n grados de libertad se define como la distribucin que sigue la variable definida como suma de los cuadrados de n variables normales tipificadas independientes. Sean 1

Z , Z ,..., Zn 2

un

conjunto

de

variables

aleatorias

indepen-dientes

n 2 2 X = Z n Z N (0,1) i i= 1 i , entonces
Caractersticas

E[ X ] = n

Var[ X] = 2n

Para el clculo de probabilidades, en las tablas podremos encontrar el valor de x tal que P ( X x) = p Propiedad (Teorema de adicin)

Dadas

{ }

k X 2 n i i =1 i

X n + n + ...+ n i= 1 i 1 2 k independientes

Relacin con la normal

2 X n Si , entonces Y =

2X N ( 2n 1,1) si n es grande.

3.- DISTRIBUCIN "T" DE STUDENT

Dadas las variables aleatorias independientes X e Y tales que X N (0,1) e

T=

2 Y n , la nueva variable aleatoria definida como t Student con n grados de libertad, que denotamos por n .
Caractersticas

X Y n sigue una distribucin t de

E [ T ] = 0 para n>2; si n=1 no existe media Var[ T ] = n n 2 para n>3

Para el clculo de probabilidades, en las tablas podremos encontrar el valor de x tal que P (T x) = p Es una distribucin simtrica y por tanto se cumple que f(x)=f(-x). Con lo cual se deduce que P (T x) = 1- P (T x) La distribucin t de Student converge a una normal cuando los grados de libertad tienden a infinito (sirve para n>30).

4.- DISTRIBUCIN "F" DE SNEDECOR La distribucin F es conocida con este nombre gracias al matemtico americano George W. Snedecor (1882-1974) quien la bautiz de este modo en honor de R. A. Fisher (1890-1962) que ya la haba estudiado anteriormente en 1924. La distribucin F de Snedecor aparece en los contrastes asociados a comparaciones entre las varianzas de dos poblaciones normales.

Si (X1, X2,..., Xm) y (Z1, Z2,..., Zn) son m+n variables aleatorias normales independientes de media =0 y varianza , la variable tiene una distribucin Fm,n de Snedecor de m y n grados de libertad. Su funcin de densidad es

con x > 0, siendo

la funcin gamma de Euler, con p > 0. Finalmente, la funcin de distribucin viene dada por

Esta distribucin aparece en algunos contrastes del anlisis normal y del diseo de

experimentos. 5.- DISTRUBICIN NORMAL La distribucin normal es una distribucin de probablidad. Lo que significa que podemos decir cul es la probabilidad de ocurrencia de un evento aleatorio proveniente de una poblacin normal.

Bibliografa

http://www.sgapeio.es/INFORMEST/VICongreso/taller/applets/biomates/tabl/tabl_exp/tabl _exp.htm http://www.biorom.uma.es/contenido/UIB/bioinfo/index.htm

http://www3.uji.es/~mateu/t5-ig12.doc

http://www.uv.es/ceaces/normaMu/chi2/chi2.htm http://aathosc.tripod.com/introinfest.htm http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf http://www.sgapeio.es/INFORMEST/VICongreso/taller/applets/biomates/tabl/tabl_snedeco r/tabl_snedecor.htm