Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- Introduccin
Frecuentemente nos encontraremos con variables aleatorias de tipo continuo que tendrn sus
correspondientes distribuciones de probabilidad continuas.
(0 3) = (6 9)
Esta variable aleatoria se dice que tiene una distribucin uniforme en el intervalo [9:00,9:10],
es decir, en el intervalo [0,10].
Una variable aleatoria sigue una distribucin uniforme en el intervalo [, ] si la
probabilidad de que la variable aleatoria tome un valor en cualquier subintervalo es proporcional a
la longitud del subintervalo.
2 Grado en Administracin y Direccin de Empresas
Pgina 59
( ) = ( ) =
( ) =
() =
,
Una variable aleatoria , de tipo continuo, sigue una distribucin uniforme en el intervalo real
[, ], con < < < +, si su funcin de densidad es:
1
() = ,
0
,
Abreviadamente,
(, )
() = ( ) =
0,
,
= () =
1,
<
>
2. Media.
Es el centro del intervalo de definicin y en consecuencia coincide con la mediana.
2 Grado en Administracin y Direccin de Empresas
Pgina 60
[] =
3. Varianza.
1
1
1
2
+
() =
=
=
=
() = [ 2 ] ([])2
3
3
[ 2 ] = 2 1 =
3 ( )
() = [ 2 ] ([])2
+ 2
([])2 =
() =
3 3
+ 2 ( )
=
3 ( )
2
() = [ ] =
1
=
, 0
( )
EJEMPLO. Tiempo que se tarda para ir del domicilio a la facultad vara entre 30 y 40 minutos.
Diariamente se debe llegar a las 09:00.
1. A que hora se debe salir de casa para tener una probabilidad de 0,80 de no llegar tarde a
clase.
es la variable aleatoria que indica el tiempo que tarda el alumno de su domicilio a la
facultad y admitimos que sigue una distribucin uniforme en el intervalo [30,40],
[30,40].
Su funcin de densidad ser:
1
() = ,
0
,
1
1
=
() = 40 30 10 ,
0
,
( ) = 0,80
30
30
=
=
= 0,80
40 30
10
= 30 + (10 0,8) = 38
Se debe salir de casa a las 08:22 minutos para tener una probabilidad de 0,8 de no llegar
tarde a clase.
2. Tiempo medio que se tarda en ir a clase.
[] =
+ 40 + 30
=
= 35
2
2
Pgina 61
3. Varianza.
( )2 (40 30)2
=
= 8,33
12
12
() =
Y su desviacin tpica:
() = 8,33 = 2,88
()2
22 ,
< < +
No hay una nica distribucin normal sino una familia de distribuciones, resultante de los
diferentes valores de los parmetros y .
Propiedades de la funcin de densidad () de la (, ):
1. () es continua en toda la recta real R.
2. () es simtrica respecto de = : ( ) = ( + ), R.
3. () tiene como asntota horizontal el eje de abscisas:
lim () = 0
lim () = 0
Pgina 62
<
()
>0
>
Mximo
Punto de
inflexin
Convexa
Punto de
inflexin
Convexa
Cncava
Creciente x<
Decreciente x>
1 < 2 < 3
Pgina 63
Dentro de la familia de distribuciones normales hay una muy importante, que corresponde a los
valores de los parmetros = 0 y = 1, es decir la distribucin (0,1) y recibe el nombre de
distribucin tipificada o estndar, cuya correspondiente funcin de densidad se obtiene
haciendo = 0 y = 1 en la expresin:
() =
() =
1 2
(0)2
212
()2
22 ,
< < +
< < +
=+
Sigue una distribucin (, ).
Podemos definir la distribucin (, ) y
mediante la proposicin 1 llegar a la
distribucin (0,1) y al contrario, a partir de
la distribucin (0,1) y mediante la
proposicin 2 llegar a la distribucin (, ).
Representacin grfica de la funcin de
densidad () correspondiente a la
distribucin (0,1).
Pgina 64
3.2 Caractersticas.
1. Funcin de distribucin.
Correspondiente a una variable aleatoria distribuida segn una (, ) ser:
() = ( ) =
Representacin grfica.
()2
22
< < +
() = ( ) = ( + =
de
2 =
3. Media.
() = [ ] = (+) = +
[] =
()
=
=0
Pgina 65
= 2 + 2
2 =0
() = [ 2 ] ([])2
([])2 = 2
() = 2 + 2 2 =
()2
22
= 1
()2
22
Pgina 66
()2
22
1 2
2
1
(1 2 ) =
= (1 2 )
(43 46) =
40
3
4640
3
= (1 2) = (2,0) (1,0)
Pgina 67
Observamos la Tabla A.5 del anexo A, donde se tienen los valores de la funcin de
distribucin acumulativa () = ( ).
Utilizacin de tablas.
Observando la tabla de valores positivos de se pone de manifiesto que al menor valor de
, = 0, le corresponde una probabilidad acumulada:
( 0) = (0) = 0,5
Para = 0,11, tenemos:
( 0,11) = 1 ( 0,11) = 1 0,5438 = 0,4562
La primera columna vertical nos indica el nmero entero y el primer decimal y la primera fila
horizontal nos ofrece el segundo decimal, mientras que el cuerpo interior de la tabla nos da los
valores de la funcin de distribucin, ().
Pgina 68
Reglas bsicas.
1. ( ) = () cuando es positivo.
2. ( ) = 1 ().
3. ( ) = () = 1 () = ( )
4. ( ) = () ().
EJEMPLO. Distribucin normal estndar (0,1), calcular el rea bajo la curva normal que est:
1. A la izquierda de 1,78.
( 1,78) = (1,78) = 09625
2 Grado en Administracin y Direccin de Empresas
Pgina 69
2. A la derecha de 0,76.
( 0,76) = 1 ( 0,76) = 1 (0,76) =
= 0,2236
3. A la izquierda de -1,45.
= ( 2,65) ( 0,25) =
Pgina 70
2. ( ) = 0,2709
3. ( ) = 0,9726
= 1,92
4. ( 0,18) = 0,4199
Pgina 71
EJEMPLO. Variable aleatoria distribuida segn una normal con media = 50 y desviacin
tpica = 8. Obtener.
1. Probabilidad tome valores entre 38 y 58.
Primero tipificar la variable aleatoria :
38 50 50 58 50
1
(1 2 ) 1 =
(38 58) =
=
8
8
8
2 =
= (1,5 1) = (1) (1,5) = (1) 1 (1,5) = 0,8413 1 + 0,9332 =
= 0,7745
50 66 50
( 66) =
= ( 2) = 1 ( 2) = 1 (2) = 1 0,9772 =
8
8
= 0,0228
Pgina 72
EJEMPLO. Demanda semanal de un artculo sigue una distribucin normal de media = 100 y
una desviacin tpica = 20. Qu existencias deben tener al principio de la semana para poder
satisfacer la demanda con una probabilidad del 0,95?
es la demanda semanal del artculo.
(100,20) y deseamos saber ( ) = 0,95
Primero tipificar
100 100
= 0,95
20
20
100
= 0,95
20
0,045
100
= 0,95
20
Las existencias deben ser de 133 unidades para poder tener una probabilidad del 0,95 de
poder satisfacer la demanda.
Probabilidades comunes.
1. ( + )
= 0,6826
( + ) =
= 0,9544
(| | 2 ) = 0,9544
Pgina 73
= 0,9974
( 3 + 3 ) =
(| | 3 ) = 0,9974
Pgina 74
3.4 Propiedades.
2. Propiedad reproductiva.
La suma de variables aleatorias independientes, 1 , 2 , , , y distribuidas segn una
( , ), = 1,2, , , sigue una distribucin
1 + + , 12 + + 2
= 1 + +
,
Pgina 75
= (6,67 26,67) =
0,3
0,3
0,3
= (26,67) (6,67) 1 0 = 1
(0,1)
( ) =
1
2
>5 >
1
2
= [] =
=
1
1
= 2 () = 2 =
Pgina 76
=
=
Desviacin tpica
( ) =
Es decir:
Y la desviacin tpica:
Entonces:
( ) =
= () =
Pgina 77
EJEMPLO. Empresa dedicada a la fabricacin y venta de bebidas observa que el 40% de los
establecimientos que son visitados por sus vendedores realizan compras de esas bebidas. Si un
vendedor visita 20 establecimientos, determinar la probabilidad de que por lo menos 6 de esos
establecimientos realicen una compra.
es una variable aleatoria del nmero de establecimientos que al ser visitados por el vendedor
realizan compras distribuyndose segn una (20, 0,4).
Utilizando Tabla A.1
( 6) = 1 ( 5) = 1 ((( = 0) + (( = 1) + (( = 2) + (( = 3) + (( = 4) +
+(( = 5) = 1 0,1255 = 0,8745
Las condiciones para poder realizar la aproximacin por medio de la normal son:
>5
20 0,4 = 8 > 5
= 0,4
1
2
Pgina 78
= = 20 0,4 = 8
( 6) =
8 68
[ ]
(0,1)
( )
[ ] = [1 + + ] =
Pgina 79
Con lo cual,
Abreviadamente
2 ( ) = [( )2 ] = 2
[ ]
=
(0,1)
( )
( , )
= 1 + +
Se distribuye segn una (, ).
Luego el Teorema de Moivre es un caso particular del Teorema Central del Lmite.
EJEMPLO. Sucesin de variables aleatorias { }, independientes y distribuidas segn una
Poisson de parmetro = 2. Se define la variable aleatoria:
100
100 =
=1
y la desviacin tpica es
(0,707 0,707) =
(190 100 210) =
10 2
10 2
10 2
= (0,707) (0,707) = 0,7611 0,2389 = 0,5222
En la Tabla A.5 el valor de ms prximo a 0,707 es 0,71: (0,71) = 0,7611. Lo mismo para el
valor -0,707.
EJEMPLO. Las ventas diarias de un concesionario siguen una distribucin uniforme entre 20 y
30 coches diarios. Determinar la probabilidad que tiene ese concesionario de vender ms de
4.800 coches despus de trascurrir 200 das.
es la variable aleatoria que indica las ventas del da i-simo, que se distribuye segn una
uniforme (20,30). 200 es la variable aleatoria correspondiente a la venta de los 200 das, es
decir:
200 = 1 + + 200
Media de :
+ 30 + 20
=
= 25
[ ] =
2
2
Varianza de :
( )2 (30 20)2
( ) = 2 ( ) =
=
= 8,3
12
12
Teorema Central del Lmite:
[ ]
[ ] = 200 25 = 5000
2 200
(200 ) = 200 8,3 = 1666,6
( )
Pgina 80
Junto con la distribucin normal, estn tres distribuciones, ji-cuadrado de Pearson, la t-Student
y la F-Snedecor, que sern ampliamente utilizadas cuando estudiemos las distribuciones de
estadsticos muestrales.
5.1 Distribucin 2 de Pearson.
() = 1 = 2 1,
Evidentemente
() = 0,
>0
>0
Pues
1 2
2
1
1
() = 2
=
21 2 ,
2 1
2
>0
1
=
2
Pgina 81
Abreviadamente indicaremos que la variable aleatoria sigue una distribucin ji-cuadrado con
un grado de liberta: 12 .
Podemos generalizar la definicin anterior, extendindola a la suma de los cuadrados de nvariables aleatorias (0,1) e independientes.
Proposicin 4.
Sean n-variables aleatoria independientes, igualmente distribuidas segn una (0,1).
Entonces, diremos que la variable aleatoria:
= 12 + + 2
Es decir la distribucin 2 con n-grados de liberta se puede considerar como una suma de nvariables aleatorias 2 independientes y con la misma distribucin 12 , y por tanto la suma de
todas ellas seguir una distribucin 2 con n-grados de libertad, 2 .
Todo esto lo indicaremos como: = 12 + + 2 2
La suma de n-variables aleatorias independientes, (0,1) y elevadas al cuadrado sigue una
distribucin ji-cuadrado con n-grados de libertad.
A medida que el nmero de grados de
libertad se va haciendo grande la forma de
la funcin de densidad se va pareciendo a la
normal estndar, (0,1). Se puede
demostrar que la media [] = , es igual al
nmero de grados de libertad, y la () =
2 .
Si las variables aleatorias no son
(0,1) sino que son ( , 1), entonces la
variable aleatoria 12 + + 2 se distribuye
segn una 2 no centrada con grados de
liberta y parmetro de descentralizacin:
= 2
=1
( ) = (2 2) = 2 2 =
2 Grado en Administracin y Direccin de Empresas
= 2 2 1 2 2 1
Pgina 82
2 2 1 = 2 2 1
2
,
2
,
2 2 2
2
,
2 1 2
Siendo una variable aleatoria distribuida segn una 2 de Pearson con n-grados de libertad.
En el interior de esta tabla aparecen, para diferentes valores de (nmero de grados de
2
libertad) y diferentes valores de la probabilidad , el valor, ,
, tal que a su izquierda deja un
rea, bajo la curva funcin de densidad, igual a .
Pgina 83
2
11,0,05
= 4,575
2. ( ) = 0,75
0,75 = ( ) = 1 ( ) ( ) = 1 0,75 = 0,25
2
= 11,0,25
= 7,584
2
2
. Obtener la (38
20).
EJEMPLO. Dada una variable aleatoria distribuida segn un 38
Sabemos que la variable aleatoria:
2
2 38 1, 1
2 = 238
Luego:
Tipificando:
2
2
(38
20) = 238
2 20
2
238
2 20 =
2
238
2 38 1 2 20 2 38 1
1
1
Pgina 84
1 (12 + + 2 )
Pgina 85
Si en =
2
2 2
= = =
1 +
Para > 0,5, y siendo una variable aleatoria -Student con n-grados de libertad
( = 1,2, ,30, , ).
Cuando 0,5, los valores sern negativos pero sus magnitudes sern las mismas que las
de los correspondientes valores que se encuentran en la parte derecha. Es decir:
= 1 ( )
Pgina 86
2. = 0,90
3. = 0,05
Para 0,5, usaremos el dato 1 y le aadiremos signo negativo.
1 0,05 = 0,95 0,05 = 0,95
1
=
Pgina 87
>0
1
=
2
no est centrada.
1
Si 1 ,2 , entonces su inversa = 2 ,1 y adems se verifica que
1 ,2, = 1
1 ,2 ,
1
+
2
0
1 2 2
2
2
2 Grado en Administracin y Direccin de Empresas
Pgina 88
2 ,1 ,1 =
2 ,1 ,1
1 ,2 ,
10,15,0,90 = 2,06
2. 10,15,0,10 = 0,10
Utilizando la propiedad de reciprocidad
10,15,0,10 =
15,10,10,10
10,15,0,10 =
15,10,0,90
1
= 0,44
2,24
Pgina 89