Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Soluci
on: Si consideramos la v.a. X que contabiliza el n
umero de personas
que padecen la enfermedad, es claro que sigue un modelo binomial, pero
que puede ser muy bien aproximado por un modelo de Poisson, de modo
que
1
X;B n = 500,000, p = = X ; Poi ( = 5)
100,000
As el n
umero esperado de personas que padecen la enfermedad es E [X] =
5. Como Var [X] = 5, existe una gran dispersion, y no sera extra
no encon-
trar que en realidad hay muchas mas personas o menos que estan enfermas.
La probabilidad de que haya mas de tres personas enfermas es:
6.3.1. Distribuci
on uniforme o rectangular
X;U (a, b)
6.3. DISTRIBUCIONES CONTINUAS 145
1
f (x) = si a x b (6.14)
ba
Con esta ley de probabilidad, la probabilidad de que al hacer un ex-
perimento aleatorio, el valor de X este comprendido en cierto subintervalo
de [a, b] depende unicamente de la longitud del mismo, no de su posicion.
Cometiendo un peque no abuso en el lenguaje, podemos decir que en una
distribucion uniforme la probabilidad de todos los puntos del soporte es la
misma 2 .
1.0
F(x)
0.8
0.6
f(x)
0.4
Unif(a = 0, b = 2)
0.2
0.0
b+a
E [X] =
2
(b a)2
Var [X] =
12
2
Hay que observar que en principio esa afirmacion es cierta para cualquier v.a. conti-
nua, ya que para ellas la probabilidad de cualquier punto es nula. Sera m
as preciso decir
que la densidad de todos los puntos es constante en [a, b].
146 Bioestadstica: Metodos y Aplicaciones
6.3.2. Distribuci
on exponencial
1.0
f(x) = ex para = 1
0.8
0.6
0.4
0.2
0.0
0 1 2 3 4
1
E [X] =
1
Var [X] =
2
1.0
1
F(x) = 1 ex
0.8
0.6
0.4
0.2
f(x) = ex
0.0
0 1 2 3 4
1
T ;Exp = f (t) = e t si t 0
140
F (t) = 1 e t
1
F (t90 ) = 0, 9 e t90 = 1 0, 9 t90 = ln 0, 1 322 das
1
T ;Exp = f (t) = e t si t 0
16
F (t) = 1 e t
Entonces
Z 20 20
P[T 20] = f (t) dt = F (20) = 1 e 16 = 0, 7135
0
En segundo lugar
6.3.3. Distribuci
on normal o gaussiana
1 x 2
f (x) =
1
2
e 2 ( ) , x IR (6.17)
Observaci
on
E [X] = (6.18)
2
Var [X] = (6.19)
0.4
N( = 0, = 1)
0.3
0.2
0.1
0.0
3 2 1 0 1 2 3
N( = 0, = 1)
0.4
0.3
P(x ) = 0.68
0.2
0.1
P(x 2) = 0.95
0.0
3 2 1 0 1 2 3
Aproximaci
on a la normal de la ley binomial
Se demuestra que una v.a. discreta con distribucion binomial, X;B (n, p)
se puede aproximar mediante una distribucion normal si n es suficientemen-
te grande y p no esta ni muy proximo a 0 ni a 1. Como el valor esperado y
la varianza de X son respectivamente n p y n p q, la aproximacion consiste
en decir que X ; N (n p, n p q). El convenio que se suele utilizar para poder
realizar esta aproximacion es:
n > 30
X;B (n, p) donde np > 4 = X ; N (n p, n p q)
nq > 4
N(0,1)
N(3,1)
N(-3,1)
0.5
0.4
0.3
0.2
0.1
0
-4 -2 0 2 4
6.3.4. on 2
Distribuci
X;21
n
{Zi }ni=1 ;N (0, 1) Zi2 ;2n
X
= (6.20)
i=1
154 Bioestadstica: Metodos y Aplicaciones
N(0,1)
N(0,2)
N(0,4)
0.5
0.4
0.3
0.2
0.1
0
-4 -3 -2 -1 0 1 2 3 4
Figura 6.9: Distribuciones gaussianas con igual media pero varianza dife-
rente.
E [X] = n (6.21)
Var [X] = 2n (6.22)
n
Xi i 2
;2n
X
i=1
i
6.3. DISTRIBUCIONES CONTINUAS 155
0.16 Bin(100;0,15)
N(np,npq)
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 20 40 60 80 100
6.3.5. Distribuci
on t de Student
Z
T =q ;tn (6.23)
1 2
n n
donde Z;N (0, 1), 2n ;2n . Este tipo de distribuciones aparece cuando
tenemos n + 1 v.a. independientes
X;N , 2
156 Bioestadstica: Metodos y Aplicaciones
Bin(100;0,5)
N(np,npq)
0.1
0.08
0.06
0.04
0.02
0
0 20 40 60 80 100
Xi ;N i , i2 i = 1, . . . , n
X
T =v ;tn
n 2
u1 X
u X
t i i
n i=1 i
0.5
22
0.4
0.3
24
0.2
26
0.1
0.0
0 2 4 6 8
n
tn N (0, 1)
6.3.6. La distribuci
on F de Snedecor
1
nX m X
F = 1 = ;Fn,m (6.24)
mY
n Y
t30 t = N(0, 1)
0.4
t3
0.3
t1
0.2
0.1
0.0
4 2 0 2 4
Yj ;N mj , s2j i = 1, . . . , m
y as
n 2
1X Xi i
n i=1 i
F =
m
!2 ;Fn,m
1 X Yj mj
m j=1 sj
F10, 20
0.8
F10, 10
0.6
0.4
0.2
0.0 F10, 5
1
F ;Fn,m ;Fm,n
F
6.4. Problemas
Ejercicio 6.1. Para estudiar la regulacion hormonal de una lnea metaboli-
ca se inyectan ratas albinas con un farmaco que inhibe la sntesis de pro-
tenas del organismo. En general, 4 de cada 20 ratas mueren a causa del
farmaco antes de que el experimento haya concluido. Si se trata a 10 ani-
males con el farmaco, cual es la probabilidad de que al menos 8 lleguen
vivas al final del experimento?