Está en la página 1de 18

Probabilidad y Estadstica Aplicada al Campo Petrolero.

FUNCIN DE DENSIDAD
En la teora de la probabilidad, la funcin de densidad de probabilidad, funcin de
densidad, o, simplemente, densidad de una variable aleatoria continua describe la
probabilidad relativa segn la cual dicha variable aleatoria tomar determinado
valor.
La probabilidad de que la variable aleatoria caiga en una regin especfica del
espacio de posibilidades estar dada por la integral de la densidad de esta
variable entre uno y otro lmite de dicha regin.
La funcin de densidad de probabilidad (FDP o PDF en ingls) es no-negativa a lo
largo de todo su dominio y su integral sobre todo el espacio es de valor unitario.
Definicin
Una funcin de densidad de probabilidad caracteriza el comportamiento probable
de una poblacin en tanto especifica la posibilidad relativa de que una variable
aleatoria continua X tome un valor cercano a x.
Una variable
aleatoria X tiene
densidad f,
negativa integrable de Lebesgue, si:

siendo f una

funcin

no-

Por lo tanto, si F es la funcin de distribucin acumulativa de X, entonces:

y (si f es continua en x)

Intuitivamente, puede considerarse f(x) dx como la probabilidad de X de caer en


el intervalo infinitesimal [x, x + dx].
Se define como el cociente entre la probabilidad de X de tomar un valor en
el intervalo [x, x + dx]
y dx,
siendo dx un infinitsimo.
La mayora de las funciones de densidad de probabilidad requieren uno o ms
parmetros
para
especificarlas
totalmente.
Recprocamente respecto de la definicin ya desarrollada, pueden hacerse las
siguientes
consideraciones.
La probabilidad de que una variable aleatoria continua X quede ubicada entre los

Ricardo Montejo
Hernndez
1
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


valores a y b est dada por el desenvolvimiento en el intervalo de la FDP; de los
valores comprendidos en el rango entre a y b.

La FDP es la derivada (cuando existe) de la funcin de distribucin:

As, si F es la funcin de distribucin acumulativa de X, entonces:

y (si f es continua en x)

Descripcin Intuitiva-Prctica
En situaciones prcticas, la FDP utilizada se elige entre un nmero relativamente
pequeo de FDP comunes, y la labor estadstica principal consiste en estimar sus
parmetros.
Por lo tanto, a los efectos del registro, es necesario saber qu FDP se ha utilizado
e indicarlo en la documentacin de evaluacin de la incertidumbre.
La definicin formal de la funcin de densidad requiere de conceptos de la teora
de
la
medida.
Si una variable aleatoria X sigue una funcin de probabilidad X*P su densidad con
respecto a una medida de referencia es la derivada de RadonNikodym

Una variable aleatoria continua X con valores en un espacio de medida


(habitualmente Rn con conjuntos Borel como subconjuntos mesurables), tiene
como distribucin

de

probabilidad,

la

medida XP en

la densidad de X con respecto a la medida de referencia sobre


la derivada de RadonNikodym.

Ricardo Montejo
Hernndez
2
4 Ing.Petrolera

:
es

Probabilidad y Estadstica Aplicada al Campo Petrolero.


Siendo f/; toda funcin medible con la siguiente propiedad:

para todo conjunto medible

Es decir, es una funcin con la propiedad de que...

...para cada conjunto medible A.


Funciones de Distribucin de Probabilidad
A diferencia de la probabilidad, una fdp puede tomar valores mayores que uno. Por
ejemplo, la distribucin uniforme continua en el intervalo [0, ] tiene una densidad
de probabilidad f(x) = 2 para 0 x y f(x) = 0 fuera de tal intervalo.
Hay que advertir que la funcin de densidad no es propiamente nica: dos
funciones distintas pueden representar la misma distribucin de probabilidad si
slo difieren en un conjunto de medida nulo.
Adems, puede haber distribuciones de probabilidad que carezcan de funcin de
densidad.
Esto ocurre cuando, sin ser discretas, no le asignan probabilidad positiva a
algunos puntos individuales presentan conjuntos de medida nula.
Esto sucede con la distribucin de Cantor cuando se toma la de Lebesgue como
medida de referencia.
Cuando, como ocurre normalmente en las aplicaciones, X es una variable
aleatoria real y es la medida de Lebesgue, la funcin de densidad es una funcin
tal que

De modo que si F es la funcin de distribucin de X, entonces

Ricardo Montejo
Hernndez
3
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


Intuitivamente, se puede pensar que (x) dx es la probabilidad de que X asuma
valores en el intervalo infinitesimal [x, x + dx].
Propiedades
De las propiedades de la funcin de densidad se siguen las siguientes
propiedades de la fdp (a veces visto como pdf del ingls):

para toda .

El rea total encerrada bajo la curva es igual a 1:

La probabilidad de que
tome un valor en el intervalo
es el rea bajo
la curva de la funcin de densidad en ese intervalo o lo que es lo mismo, la
integral definida en dicho intervalo. La grfica f(x) se conoce a veces
como curva de densidad.

Algunas FDP estn declaradas en rangos de


la distribucin normal.

Ricardo Montejo
Hernndez
4
4 Ing.Petrolera

, como la de

Probabilidad y Estadstica Aplicada al Campo Petrolero.

FUNCIN ACUMULADA. DISTRIBUCIN. GRFICAS DE LOS


ALUMNOS.
Definicin. Sea X una variable aleatoria continua. La funcin de distribucin
acumulada (f.d.a) de la variable aleatoria X se define como:

Ejemplo. Supngase de X es una variable aleatoria continua cuya f.d.p. est dada
por:

Obtenga la f.d.p de la variable aleatoria X.

La funcin de distribucin acumulada es importante por varias razones. Esto es


particularmente cierto cuando tratamos con una v.a. continua, ya que en este caso
no podemos estudiar la conducta probabilstica de X. Al calcular la probabilidad:
P(X = x), ya que esta siempre es igual a cero. Sin embargo, podemos hacer
preguntas acerca de: P(X<x).
Teorema. Sea F(x) la f.d.a. de una variable aleatoria continua X, la cual tiene como
f.d.p a la funcin f(x).
Entonces:
Para todo valor de x, en la cual la funcin F(x) es diferenciable.
Ejemplo. Supongamos que una v.a. continua X tiene una f.d.a. dada por:

Obtener la f.d.p. de la variable aleatoria X.


Aplicando el teorema anterior se tiene:

Ricardo Montejo
Hernndez
5
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


La funcin f(x) no est definida en x = 0 y en x = 1.
Ejemplo. Supongamos que una v.a. continua X tiene una f.d.a dada por:

Obtenga la f.d.p. de la variable aleatoria X.

Ejemplo. Sea X el ngulo entre la direccin fijada y la direccin de la aguja de una


hiladora. Si la aguja se mueve en cierto modo, y se puede suponer que para cada
valor de X entre 0 y 2p, la probabilidad P(X x ) es igual a la razn del ngulo X y
el ngulo total 2p. Esto representa a la funcin de distribucin:

Obtenga la f.d.p. de la variable aleatoria X.


Derivando a la funcin de distribucin obtenemos:

La probabilidad del evento a X b, la podemos obtener en trminos de


la f.d.a como:

Ricardo Montejo
Hernndez
6
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.

VARIABLES ALEATORIAS CONTINUAS


Definicin 3.6
Sea
una variable aleatoria con valores en
y
una densidad de probabilidad sobre . Se dice que
es una variable aleatoria
continua de densidad

si para todo intervalo

La ley de la variable aleatoria

de

se tiene:

es la ley continua sobre

, de densidad

Para determinar la ley de una variable aleatoria continua, hay que calcular su
densidad. De manera equivalente, la ley de una variable continua se determina
dando la probabilidad de que ella pertenezca a un intervalo cualquiera. Es lo
que hemos hecho para nuestro ejemplo de base, el llamado a Random, que es
una variable aleatoria continua, de densidad
continua

de densidad

, cae entre

. Una variable aleatoria

con una probabilidad igual a :

Mientras ms grande sea la densidad


en un segmento, mayores sern las
probabilidades de que
caiga en ese segmento, lo cual justifica el trmino
``densidad''.
Como ya hemos observado para Random, la probabilidad de que una variable
aleatoria continua caiga en un punto cualquiera es nula.

En consecuencia:

Ricardo Montejo
Hernndez
7
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


Observemos tambin que el modificar una densidad en un nmero finito o
numerable de puntos, no cambia de las integrales sobre los segmentos y en
consecuencia la ley de probabilidad asociada tampoco cambia. El valor que toma
la densidad en un punto particular, no es importante. Por ejemplo Random tiene
como densidad a
pero da lo mismo usar
. Como en los casos discretos,
debemos conocer algunos ejemplos bsicos. Las densidades se dan en un punto
cualquiera de .
Ley uniforme.
La ley uniforme sobre un intervalo es la ley de ``sorteos al azar'' en un intervalo.
Si

son dos nmeros reales, la ley uniforme sobre el intervalo

denota por

se

. Ella tiene por densidad a la funcin:

Random es una variable aleatoria de ley uniforme

Ley exponencial.
Las leyes exponenciales modelan intervalos de tiempo o duraciones aleatorias,
como la vida de una partcula en fsica. La ley exponencial de parmetro
se denota por

. Ella tiene por densidad a la funcin:

Ley normal.
La ley normal, ley de Gauss o Laplace-Gauss es la ms clebre de las leyes de
probabilidad. Su xito y su omnipresencia en las ciencias de la vida vienen del
Teorema del Lmite Centrado que estudiaremos ms adelante. La ley normal de
parmetros
a la funcin:

se denota por

Ricardo Montejo
Hernndez
8
4 Ing.Petrolera

. Ella tiene por densidad

Probabilidad y Estadstica Aplicada al Campo Petrolero.

Las leyes exponenciales y normales constituyen el ncleo de las familias de leyes


clsicas que se encuentran ms frecuentemente en estadstica.
Ley de Weibull.

La ley de Weibull de parmetros


densidad:

, denotada por

, tiene por

Se la emplea como modelo de duracin aleatoria, principalmente en fiabilidad


(duracin de funcionamiento sin roturas, duracin de reparacin). La ley
es la ley

Ley gamma.

La ley gamma de parmetros


densidad:

Donde

, denotada por

es la ``funcin gamma'', definida por

entero,
cuadrado con

la

ley

. Para
es

grados de libertad y se denota por

suma de los cuadrados de

tiene por

llamada ley

chi

. Esta es la ley de la

variables aleatorias independientes de ley

Ricardo Montejo
Hernndez
9
4 Ing.Petrolera

de

Probabilidad y Estadstica Aplicada al Campo Petrolero.

se emplea para las varianzas empricas de muestras gaussianas. La ley


es la ley exponencial

Ley beta.

La ley beta de parmetros


densidad:

, denotada por

tiene por

Esta familia de leyes nos provee de modelos no uniformes para variables


aleatorias acotadas. Si unas variables aleatorias independientes siguen la ley
uniforme
beta.

, sus estadgrafos de orden (valores reordenados) siguen leyes

Ley log-normal.

La ley log-normal

es la ley de una variable aleatoria, de valores

positivos, cuyo logaritmo sigue la ley


funcin:

. Ella tiene por densidad a la

En medicina, numerosos parmetros fisiolgicos son modelados empleando leyes


log-normales.
Ley de Student.

Ricardo Montejo
Hernndez
10
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.

La ley de Student con

grados de libertad

, donde las variables aleatorias


,

de ley

, es la ley de la relacin
son independientes,

de ley

. Ella tiene por densidad a la funcin:

Se la utiliza para estudiar la media emprica de una muestra gaussiana.


Ley de Fisher.
La ley de Fisher de parmetros
, donde
leyes

(enteros positivos) es la ley de la relacin

son dos variables aleatorias independientes de

respectivamente. Ella tiene por densidad a la funcin:

Se la emplea para comparar las varianzas de muestras gaussianas.

Ricardo Montejo
Hernndez
11
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.

DEFINICIN DE DISTRIBUCIN DE PROBABILIDAD NORMAL:


La Normal es la distribucin de probabilidad ms importante. Multitud de variables
aleatorias continuas siguen una distribucin normal o aproximadamente normal.
Una de sus caractersticas ms importantes es que casi cualquier distribucin de
probabilidad, tanto discreta como continua, se puede aproximar por una normal
bajo ciertas condiciones.
La distribucin de probabilidad normal y la curva normal que la representa, tienen
las siguientes caractersticas:
La curva normal tiene forma de campana y un solo pico en el centro de
distribucin. De esta manera, la media aritmtica, la mediana y la moda de
distribucin son iguales y se localizan en el pico. As, la mitad del rea bajo
curva se encuentra a la derecha de este punto central y la otra mitad est a
izquierda de dicho punto.

la
la
la
la

La distribucin de probabilidad normal es simtrica alrededor de su media.


La curva normal desciende suavemente en ambas direcciones a partir del valor
central. Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al
eje
X pero jams llega a tocarlo. Es decir, las colas de la curva se extienden de
manera indefinida en ambas direcciones.

Ricardo Montejo
Hernndez
12
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.

Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de
media y desviacin estndar usaremos la expresin: X N(,).

DISTRIBUCIN UNIFORME CONTINUA


En teora de probabilidad y estadstica, la distribucin uniforme continua es una
familia de distribuciones de probabilidad para variables aleatorias continuas, tales
que cada miembro de la familia, todos los intervalos de igual longitud en la
distribucin en su rango son igualmente probables. El dominio est definido por
dos parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a
menudo escrita en forma abreviada como U(a,b).
Funcin de densidad de probabilidad
La funcin de densidad de probabilidad de la distribucin uniforme continua es:

Los valores en los dos extremos a y b no son por lo general importantes porque no
afectan el valor de las integrales def(x) dx sobre el intervalo, ni de x f(x) dx o
expresiones similares. A veces se elige que sean cero, y a veces se los elige con
el valor 1/(b a). Este ltimo resulta apropiado en el contexto de estimacin por el
mtodo de mxima verosimilitud. En el contexto del anlisis de Fourier, se puede
elegir que el valor de f(a) f(b) sean 1/(2(b a)), para que entonces la
transformada inversa de muchas transformadas integrales de esta funcin
uniforme resulten en la funcin inicial, de otra forma la funcin que se obtiene
Ricardo Montejo
Hernndez
13
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


sera igual "en casi todo punto", o sea excepto en un conjunto de puntos
con medidanula. Tambin, de esta forma resulta consistente con la funcin
signo que no posee dicha ambigedad.
Funcin de distribucin de probabilidad
La funcin de distribucin de probabilidad es:

Funciones generadoras asociadas

Funcin generadora de momentos


La funcin generadora de momentos es

a partir de la cual se pueden calcular los momentos mk

y, en general,

Para una variable aleatoria que satisface esta distribucin, la esperanza


matemtica es entonces m1 = (a + b)/2 y la varianza es m2 m12 = (b a)2/12.

Propiedades

Generalizacin a conjuntos de Borel


Esta distribucin puede ser generalizada a conjuntos de intervalos ms
complicados. Si S es un conjunto de Borel de medida finita positiva, la distribucin
probabilidad uniforme enS se puede especificar definiendo que la pdf sea nula
fuera de S e igual a 1/K dentro de S, donde K es la medida de Lebesgue de S.
Ricardo Montejo
Hernndez
14
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


Estadsticas de orden
Sea X1,..., Xn una muestra i.i.d. de U(0,1). Sea X(k) el orden estadstico k-simo de
esta muestra. Entonces la distribucin de probabilidad de X(k) es una distribucin
Beta con parmetros k y n k + 1. La esperanza matemtica es

Esto es til cuando se realizan Q-Q plots.


Las varianzas son

'Uniformidad'
La probabilidad de que una variable aleatoria uniformemente distribuida se
encuentre dentro de algn intervalo de longitud finita es independiente de la
ubicacin del intervalo (aunque s depende del tamao del intervalo), siempre que
el intervalo est contenido en el dominio de la distribucin.
Es posible verificar esto, por ejemplo si X U(0,b) y [x, x+d] es un subintervalo de
[0,b] con d fijo y d > 0, entonces

lo cual es independiente de x. Este hecho es el que le da su nombre a la


distribucin.
Uniforme estndar
Si se restringe
y
, a la
llama distribucin uniforme estndar.

distribucin

resultante U(0,1) se

la

Una propiedad interesante de la distribucin uniforme estndar es que si u 1 es una


distribucin uniforme estndar, entonces 1-u 1 tambin lo es.
Distribuciones relacionadas
Si X tiene una distribucin uniforme estndar, entonces:

Y = -ln(X)/ tiene una distribucin exponencial con parmetro .

Y = 1 - X1/n tiene una distribucin beta con parmetros 1 y n. (Notar que esto
implica que la distribucin uniforme estndar es un caso especial de la
distribucin beta, con parmetros 1 y 1).
Ricardo Montejo
Hernndez
15
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


Relaciones con otras funciones
Siempre y cuando se sigan las mismas convenciones en los puntos de transicin,
la funcin densidad de probabilidad puede tambin ser expresada mediante
la funcin escaln de Heaviside:

en trminos de la funcin rectngulo

No existe ambigedad en el punto de transicin de la funcin signo. Utilizando la


convencin de la mitad del mximo en los puntos de transicin, la distribucin
uniforme se puede expresar a partir de la funcin signo como:

Aplicaciones

En estadstica, cuando se utiliza un p-value a modo de prueba estadstica para


una hiptesis nula simple, y la distribucin de la prueba estadstica es continua,
entonces la prueba estadstica esta uniformemente distribuida entre 0 y 1 si la
hiptesis nula es verdadera.
Muestreo de una distribucin uniforme
Existen muchos usos en que es til realizar experimentos de simulacin.
Muchos lenguajes de programacin poseen la capacidad de generar nmeros
pseudo-aleatorios que estn distribuidos de acuerdo a una distribucin uniforme
estndar.
Si u es un valor muestreado de una distribucin uniforme estndar, entonces el
valor a + (b a)u posee una distribucin uniforme parametrizada por a y b, como
se describi previamente.
Muestreo de una distribucin arbitraria
La distribucin uniforme resulta til para muestrear distribuciones arbitrarias. Un
mtodo general es el mtodo de muestreo de transformacin inversa, que utiliza
la distribucin de probabilidad (CDF) de la variable aleatoria objetivo. Este mtodo
es muy til en trabajos tericos. Dado que las simulaciones que utilizan este
mtodo requieren invertir la CDF de la variable objetivo, se han diseado mtodos
alternativos para aquellos casos donde no se conoce el CDF en una forma
cerrada. Otro mtodo similar es el rejection sampling.
Ricardo Montejo
Hernndez
16
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.


La distribucin normal es un ejemplo importante en el que el mtodo de la
transformada inversa no es eficiente. Sin embargo, existe un mtodo exacto,
la transformacin de Box-Muller, que utiliza la transformada inversa para convertir
dos variables aleatorias uniformes independientes en dos variables aleatorias
independientes distribuidas normalmente.

APROXIMACIN DE LA BINOMIAL A LA NORMAL


Teorema de Movire-Laplace: si X es una variable discreta que sigue una
distribucin binomial de parmetros n y p, B(n,p) y se cumple que n>10, np>5 y
nq>5 resulta una aproximacin bastante buena suponer que la variable X
(recordemos que en la binomial =np y
se aproxima a la variable
normal
Resulta mucho ms sencillo trabajar con la variable normal X que con la binomial
X, pues recordemos que los valores de la normal estn tabulados.
Correccin de continuidad o de Yates: cuando aproximamos una distribucin
binomial mediante una normal, estamos convirtiendo una variable X discreta (toma
un nmero determinado de valores) en una continua X (toma valores en un
intervalo).
Los valores de la probabilidad para valores fijos de la variable continua son cero
(ya que sera el rea de un punto), y necesitamos definir un intervalo. Para evitar
este problema en la aproximacin de los valores fijos estos se corrigen (correccin
de continuidad o de Yates) sustituyndolos por un intervalo centrado en el punto y
de valor unidad. En el siguiente esquema se muestran todas las situaciones
posibles:

Ricardo Montejo
Hernndez
17
4 Ing.Petrolera

Probabilidad y Estadstica Aplicada al Campo Petrolero.

APROXIMACIN POISSON A LA NORMAL


Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de , una
variable aleatoria de Poisson X puede aproximarse por otra normal dado que el
cociente

Converge a una distribucin normal de media nula y varianza 1.

Ricardo Montejo
Hernndez
18
4 Ing.Petrolera