Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESPECIALES DE VARIABLES
ALEATORIAS CONTINUAS
Universidad De Sucre
Facultad De Ingeniera
Departamento De Ingeniera Civil
Sincelejo
2014
CONTENIDO
Introduccin . 5
Objetivos . 6
Objetivos generales . 6
Objetivos especficos 6
DISTRIBUCIN NORMAL..... 7
Importancia de la Distribucin normal . 8
Propiedades 8
Usos... 9
Ejemplos........ 9
Ejemplo 1...... 9
Ejemplo 2...... 10
Ejemplo 3...... 10
Ejemplo 4...... 11
Ejemplo 5...... 11
Distribucin T de Student.... 12
Propiedades...... 13
Usos........ 13
Grados de libertad...... 13
Tabla...... 14
Ejemplos........ 15
Ejemplo 1...... 15
Ejemplo 2...... 16
Ejemplo 3...... 17
Ejemplo 4...... 18
Ejemplo 5......... 19
Distribucin Chi Cuadrado ..... 20
Propiedades....... 21
Usos........ 21
Grados de libertad ....... 21
Tabla........ 22
Ejemplos....... 23
Ejemplo 1..... 23
Ejemplo 2..... 24
Ejemplo 3..... 25
Ejemplo 4..... 26
Ejemplo 5..... 27
Distribucin F...... 28
Propiedades...... 29
Usos...... 29
Grados de libertad ....... 30
Tabla...... 31
Ejemplos........ 31
Ejemplo 1...... 32
Ejemplo 2...... 32
Conclusiones. 35
Bibliografa 34
INTRODUCCIN
Para la ciencia hoy en da se hace indispensable saber aplicar la estadstica para su estudio.
A travs del presente trabajo se dar a conocer los conceptos y los modelos necesarios bsicos
para describir, analizar, interpretar y comprender las distribuciones especiales de variables
aleatorias continuas. Estas distribuciones son muy importantes porque permiten el anlisis de
caractersticas de una poblacin y examina la probabilidad de que se encuentre dichas
caractersticas. En el campo de la ingeniera estas distribuciones son fundamentales en los
estudios investigativos, ya que dan la informacin necesaria para la toma de decisiones y as
disear estrategias que puedan mejorar los resultados de la investigacin
OBJETIVOS
OBJETIVO GENERAL:
Analizar, interpretar y contextualizar las distintas distribuciones especiales de variables
aleatorias continas.
OBJETIVOS ESPECIFICOS:
a. Reconocer la distribucin normal, t de Student, chi cuadrada, f de Fisher-Snedecor y el
contexto de su aplicacin.
b. Calcular probabilidades para variables aleatorias continuas.
c. Realizar ejercicios en los que se apliquen las distribuciones estudiadas al campo de la
ingeniera civil.
DISTRIBUCIN NORMAL
Corresponde a una distribucin de variable aleatoria continua, que se extiende sobre un
campo de variabilidad infinito. Est dada por la funcin:
z
1
Y=
e2
2
2
2
Siendo:
= desviacion estandar de la distribucion binomial=
pqn
Todo ejercicio planteado como Binomial, en especial cuando (n) el nmero de experimentos
realizados es grande, se debe resolver mediante la distribucin Normal. Este procedimiento
permite facilitar y agilizar las operaciones, cuyo resultado no ser exacto (mtodo binomial) sino
un valor bastante aproximado, razn por la cual algunos lo identifican como mtodo aproximado.
Una distribucin normal de media y desviacin tpica se designa por N(, ). Su grfica es
la campana de Gauss:
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad. Al
ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la izquierda y otra igual
a 0.5 a la derecha. La probabilidad equivale al rea encerrada bajo la curva.
Importancia De La Distribucin Normal
La distribucin normal es de suma importancia en estadstica por tres razones principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a comportarse
probabilsticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin con el
teorema del lmite central.
Propiedades:
1. La curva es simtrica y mesocurtica.
2. El rea bajo la curva es igual al 100 %
3. La curva no toca al eje horizontal ya que es asinttica, se prolonga indefinidamente.
7. La variante estadstica
Z=
x
, es una medida de las deviaciones estndar o de las
P(64x76)= P
7670
z (
=P (1 z 1 )
( 6470
6 )
6 )
P (1 z 1 )=P ( z 1 )P ( z 1 )
Entonces:
10
P ( z 1 ) =0.8413
P (1 z 1 ) =0.84130.1587=0.6825 = 68.25%
3.
R/: La probabilidad de que al adquirir un televisor dure mas de 9 aos es del 2,28%
Se supone que la estancia de los enfermos en un hospital sigue una distribucin normal de
media 8 das y deviacin tpica 3. Calcular la probabilidad de que la estancia de un
enfermo:
a. Sea inferior a 7 das
b. Sea superior a 3 das
c. Este comprendida entre 10 y 12dias
Sln/:
78
1
1
1
P z<
=P z <
=P z > =1P z
a. P(x<7)=
3
3
3
3
) (
) ( )
( )
10.6293=0.3707 =37.07%
b. P(x>3)=1-P(x<3)= 1-
( z > 53 )
5
=1( z < )=1P
( z > 38
3 )
3
11
[ ( )]
1 1P z
c. P(10<x<12)=
5
=1( 10.9515 )=0.9515=95.15
3
128
<Z
=0.90820.7454=0.1628=16.28
( 108
3
3 )
R/ La probabilidad de que la estancia de un enfermo sea inferior a 7 das es del 37.07%, que
sea superior a 3 das es de 95.15% y que este comprendida entre 10 y 12dias es de 16.28%.
4.
P( x >7)= p Z >
76
0,8
P (X > 75) = P
( Z> 7569
12 )
12
DISTRIBUCIN T DE STUDENT
En muchas ocasiones no se conoce y el nmero de observaciones en la muestra es
menor de 30. En estos casos, se puede utilizar la desviacin estndar de la muestra como
una estimacin de , pero no es posible utilizar la desviacin como estadstico de prueba.
El estadstico de prueba adecuado es la distribucin t.
Dicha distribucin est dada por la frmula:
t=
S
n1
Siendo:
= media.
= el valor a analizar.
S= desviacin estndar.
n= tamao de la muestra.
Su grafica es:
13
A pesar de las correcciones que se le puedan hacer a las desviaciones tpicas, no es efectiva en
todas las muestras; por tal razn la distribucin de todas las medias muestrales, no tiene un
comportamiento similar a la distribucin normal, a pesar de ser una distribucin continua. A esta
distribucin se le conoce como distribucin t de Student.
Propiedades:
1. Cada curva t tiene forma de campana con centro 0.
2. Cada curva t, est ms dispersa que la curva normal estndar.
3. A medida que k aumenta, la dispersin de la curva t correspondiente disminuye.
4. A medida que k , la secuencia de curvas t se aproxima a la curva normal estndar.
Usos:
1. para determinar el intervalo de confianza dentro del cual se puede estimar la media de
una poblacin a partir de muestras pequeas (n<30).
2. para probar hiptesis cuando una investigacin se basa en muestreo pequeo.
3. para probar si dos muestras provienen de una misma poblacin.
14
Grados de libertad:
Existe una distribucin t distinta para cada uno de los posibles grados de libertad.
Qu son los grados de libertad? Podemos definirlos como el nmero de valores que podemos
elegir libremente.
Tabla
15
Ejemplos
1.
62.160
2.1
=
=1.8
5.83
1.166
251
df=n-1= 25-1=24
Buscando en la tabla de Distribucin de t de Student, encontramos el valor del
rea:
16
2. Se desea obtener un intervalo de confianza al 99% para el tiempo medio requerido para
realizar un trabajo. Una muestra aleatoria de 16 mediciones produce una media y una
desviacin estndar de 13 y 5.6 minutos respectivamente.
S
=x t
n
( )
= 13
2.947
( 5.616 )
= 13 4.12
1 = 17.12 minutos
2 = 8.88 minutos
R/: el tiempo requerido para realizar el trabajo ser entre 8.88 y 17.2 minutos con una
certeza de 99%
17
3.
18
4. La compaa USAL produce varillas. El presidente de la USAL. dice que sus varillas
tienen una resistencia de 300 MPa. Entonces la competencia va a varias ferreteras y
compra 15 varillas para probar esa afirmacin. Las varillas de la muestra resisten en
promedio 290 MPa con una desviacin estndar de 50 MPa. Entonces, si quiere
desmentir al presidente de USAL se necesita saber cul es la probabilidad de que las 15
varillas seleccionadas al azar tengan una resistencia promedio no mayores de 290 MPa.
t=
S
n
t=
290300 10
=
=0.7746
50
12.91
1 5
19
R/ la probabilidad de que las 15 varillas seleccionadas al azar tengan una resistencia promedio
no mayores de 290 MPa es de 22.57%.
5. Una muestra aleatoria de 10 vigas de acero, tiene una resistencia media a la compresin
de 57498 libras por pulgada cuadrada (l.p.c.), con una desviacin tpica de 539(l.p.c.).
Docimar la hiptesis, de que la verdadera resistencia media a la compresin de las vigas
de acero de las que se extrajo la muestra es =57000. Utilizar la alternativa bilateral
57000 y un nivel de significacin del 1%.
n=10 =57498 S=539
=57000 =10-1=9
Ho: =57000
Ha: 57000
t=
5749857000
539
9
=2,77
20
2
DISTRIBUCION CHI CUADRADO ( )
( n1 ) S2
=
2
2
Su grafica es:
( )
=
2
2
21
Propiedades:
1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay un nmero
infinito de distribuciones X2.
3. El rea bajo una curva Chi-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a la
derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2(n-1).
22
23
Ejemplos:
1.
Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus
destinos en una ciudad grande forman una distribucin normal con una desviacin
24
estndar
( n1 ) s 2 (171)(2)
=
=32
X2=
2
12
25
( n1 ) s 2 (251)(9,1)
=
=36,4
X=
6
2
2
Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la derecha de 0.05.
Por lo que la P(s2 >9.1) = 0.05
b. Se calcularn dos valores de ji-cuadrada:
( n1 ) s 2
X2=
2
( 251 ) (3,462)
=13,874
6
X2=
(251)(10,745)
=42,98
6
Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad. Al buscar el
valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de 42.98 da un rea a la
derecha de 0.01. Como se est pidiendo la probabilidad entre dos valores se resta el rea de 0.95
menos 0.01 quedando 0.94.
Por lo tanto la P(3.462
s2
10.745) = 0.94
26
Segn lo anterior:
P ( 26 >3.4 )=1P( 26 <3.4)
27
P ( 26 >3.4 )=0.757223
R/ La distribucin de probabilidad de una variable estadstica chi-cuadrado, de 6 grados de
libertad sea mayor de 3,4 es de 75.72%.
( y )2
Escuela de Negocios Universidad S =
N 1
2
=0,815
2
X2=
(51)(0,815)
12
=3,26
Busquemos el valor de chi-cuadrada en nuestra tabla para g.l. (v) = 4 y por la asimetra de la
grfica el 95% se localiza entre 97.5% y 2.5%, es decir, entre 0.975 y 0.025
R/ Vemos que para 0.975 el valor es 0.484 y para 0.025 es 11.143, por lo que nuestro valor no queda
fuera de estos lmites. Entonces, el fabricante puede estar seguro que su desviacin
estndar igual a un ao es razonable y no tiene razn suficiente para sospechar que
este dato es distinto.
28
2max =
2min =
( 61 )( 0,0285 )
=0,1246
1,145
(619)(0,0285)
=0,0129
11,07
29
DISTRIBUCIN F
Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin de
probabilidad continua. Tambin se le conoce como distribucin F de Snedecor (por George
Snedecor) o como distribucin F de Fisher-Snedecor. Una variable aleatoria de distribucin F se
construye como el siguiente cociente:
F=
U1
d1
U2
d2
Dnde:
U1 y U2 siguen una distribucin chi-cuadrado con d1 y d2 grados de libertad respectivamente, y
U1 y U2 son estadsticamente independientes.
Su grafica es:
30
Propiedades:
1. Si X
F(n, m) entonces:
E ( x )=
m
m>2
m2
V (x )=
2m (n+ m2)
m>4
2
m ( m2 ) (m4)
2.
Sea
x1 x2
xn
Sea
y1 y2
yn
31
F=
s12
12
s22
es tal que F
F(
n1
1,
n21
22
Usos:
1.
32
de observaciones de la muestra menos uno, o bien, n - 1. Por tanto, el promedio de las variancias
muestrales se determina dividiendo la suma de las variancias de la muestra entre el nmero de
muestras, o k. Los grados de libertad para el denominador son entonces, k(n -l).
33
Tabla:
34
Ejemplos:
35
1. En un proceso hay dos mquinas cortadoras diferentes en antigedad lo que hace pensar
que las varianzas de corte no son iguales. Se toma una muestra de 16 partes de cada
mquina, cul es la probabilidad de que la razn de varianzas sea:
a.
Mayor a 1.97?
b.
Menor a 3.52?
SLN/
P ( F 1.97 )=10.9=0.1 Para v 1=15 y v 2=15
a.
R/ La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1.
P ( F 3.52 )=0.9 Para v 1=15 y v 2=15
b.
2.
Sln/:
Sustituyendo en la frmula los datos, se tiene
2
s1
s1
< 2< 2
2
s 2 f 1 2 s 2 f
2
36
2
1,04
< 12 <
(0,51)(1,98) 2
1,04
( 0,51)(
1
)
1,98
21
1,0299 2 < 4,0376
2
Como ambos lmites son mayores que 1 se puede concluir que la varianza 1 es
significativamente mayor que la varianza 2.
37
Conclusiones
38
Bibliografa:
1.
2.
3.
4.
5.
6.