Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de probabilidad
Recordamos que una variable aleatoria continua es
una variable cuyo valor no puede predecirse con
exactitud (aunque s en trminos probabilsticos, es
decir, con determinado grado de incertidumbre) y que
los valores que puede tomar son todos los nmeros
de un intervalo de nmeros reales con ms de un
elemento.
Ejemplo 1: Supngase que se estudia el peso de los ejemplares de una cierta
especie de pjaros; para ello, se toma una muestra, se agrupan los datos en
Intervalos, y se calculan los porcentajes.
%
150-155 3 40
155-160 8
160-165 20
165-170 40 20
170-175 23
175-180 5
180-185 2
155-160 8
160-165 20
165-170 40 20
170-175 23
175-180 5
180-185 2
Funcin de
densidad
%
y = f(x)
170
170
Peso
Funcin de
densidad
%
y = f(x)
170
170 Peso
2.- f ( x)dx = 1.
a
3.- P ( X a ) = f ( x)dx.
En estas condiciones, P(a X b) (es decir, la probabilidad de que
la variable X tome un valor entre los valores a y b) se calcula como:
b
P(a X b) = f ( x)dx
a
f(x)
a b
IMPORTANTE: Por lo tanto, la probabilidad de que la variable X tome un
valor determinado, digamos a, es CERO:
a
P( X = a) = f ( x)dx = 0
a
Tambin,
P ( a X b) = P ( a X b) = P ( a X b) =
= P ( a X b)
DEFINICION (Funcin de distribucin). Dada una
variable aleatoria continua X, con funcin de densidad
f(x), la funcin de distribucin F(x) es la funcin que
para cada valor de x nos da la probabilidad de que X
tome un valor menor o igual que x:
x
F ( x) = P ( X x) = f (t )dt.
La funcin de distribucin cumple:
2. Se verifica:
P ( a X b ) = F (b ) F ( a )
MEDIA, VARIANZA, DESVIACION TIPICA
MEDIA:
m = xf ( x)dx
MEDIA, VARIANZA, DESVIACION TIPICA
VARIANZA:
Variable aleatoria discreta X:
s 2 = x m 2 p ( x) = x 2 p ( x) m 2
x x
s = s2
DISTRIBUCIONES CONTINUAS MS
CONOCIDAS
Distribucin Uniforme. Se dice que una variable aleatoria
continua X tiene una distribucin uniforme en el intervalo
(a, b), a < b, si su funcin de densidad de probabilidad f
est definida como
f ( x)
1
, si a x b,
f ( x) = b a
0, en otro caso.
a b
E(X ) =
ab
, Var ( X ) =
b a 2
Se tiene
2 12
Ejemplo 2.
Se sabe que X es una variable aleatoria
uniformemente distribuida entre 10 y 20.
a) Trazar la grfica de la funcin de
densidad.
b) Determinar P(X<15).
c) Calcular P(12 X 18).
d) Hallar el valor esperado, E(X).
e) Encontrar la desviacin estndar de X.
Distribucin normal
)2
( xx
1
f ( x) = e 2 2
, m , 0.
2
Puntos
de
inflexin
s s +
m - s m, Mo, Md m + s
Distribucin normal con m =0 para varios valores s
1.6
1.2 s=0.25
s=0.5
s=1
f(x) 0.8
0.4
0
-2.50 -1.50 -0.50 0.50 1.50 2.50
x
( x ) 2
1
f ( x) = e 2 2
, m , 0.
2
s =5 s =5
s = 10
Interpretacin geomtrica:
Podemos interpretar la
media como un factor de
traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
N(, ): Interpretacin probabilstica
Entre la media y una
desviacin tpica
tenemos siempre la
misma probabilidad:
aproximadamente el
68%.
Entre la media y
dos desviaciones
tpicas aprox. 95%
2 e
dv = 1
95%
68%
99%
68%
95%
99% z
-3 -2 -1 0 1 2 3
Estandarizacin.
Dada una variable con media y desviacin
estndar , se denomina valor estandarizado z, de
una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones
estndars, es decir:
xm
z=
s
z y2
x- 1
2
z= ( z ) = P( Z z ) = e dy
2
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
+
0
La tabla consta de: *Margen izquierdo : Los enteros de z y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: reas correspondientes,
acumuladas, desde 0
hasta 3.99
0 1 2 3 4 5 6 7 8 9
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .... ...... ......
0.3 .1179 ..... ...... ...... ......
0.4 .1554 .... ..... ....
?
z
-3 -2 -1 0 1 2 3
Ejemplo 4.
Cul es la probabilidad de que un valor de Z est entre 0 y -2.03?
Se busca en la tabla el rea correspondiente a z = 2.03
0 1 2 3 4
1.8
1.9
2.0 0.47882
2.1
47. 88%
z
-3 -2 -1 0 1 2 3
Ejemplo 5.
Cul es la probabilidad de que un valor de Z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que Z estuviera entre 0
y 2.03 es 0.47882
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< Z< 2.03) = 0.95764
?
95.76%
47.88% 47.88%
z
-3 -2 -1 0 1 2 3
Ejemplo 6.
Cul es la probabilidad de que un valor de Z sea mayor a 1.25 ?
50%
39.44%
10.56%
? z
-3 -2 -1 0 1 2 3
Ejemplo 7.
Hallar P( -0.34 < Z < )
P(0 < Z <0.34) = 0.13307 = 63.31%
P(-0.34 < Z < 0)
P (0 < Z < ) = 0.50000
P( -0.34 < Z < ) =
0.13307 + 0.50000 = 0.63307
13.31% 50%
-3 -2 -1 0 1 2 3
Ejemplo 8.
Hallar P( 0.34 < Z < 2.30) P(0< Z<0.34) = 0.13307
P( 0 < Z < 2.30) = 0.4893
P (0.34 < Z < 2.30) = 0.48930 - 0.13307 = 0.35623
35.62%
z
-3 -2 -1 0 1 2 3
EJEMPLO 9.
0.40824
0.09176
? x
-0.5 1 2.5 4 5.5 6 7 8.5
-3 -2 -1 0 1 1.33 2 3 z
Hasta ahora vimos como dado un valor x de la variable X,
hallar probabilidades transformando (estandarizando) la
variable en valores de X-m
Z=
s
Cmo hallar un valor de X, dada la probabilidad?
Ejemplo: Sea X una variable distribuida normalmente con m =4
y s =2 . Hallar el valor de X que deja por encima de l un 38.20%
(0.3820)
Se debe desestandarizar :
X=Zs+m
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor ms aproximado :0.1179 38.20%
corresponde a z =+ 0.30
Sustituyendo en la frmula
(0.30)(2)+4 =4.60 x=?
4.60
EJEMPLO 10.
EJERCICIOS.
Funcin de densidad: f ( x ) = e x
0, x 0
Distribucin exponencial.
x =1/
f ( x ) = e =1/
2 2 2 2
= Z Z Z ,
n 1 2 n
Chi-Cuadrado Distribucin
0,1 Grad. de libertad
13
0,08
densidad
0,06
0,04
0,02
0
0 10 20 30 40
x
Chi-Cuadrado Distribucin
0,1 Grad. de libertad
13
0,08
densidad
0,06
0,04
0,02
0
0 10 20 30 40
x
Est tabulada 2
n ,
2
P( 2
) =
n n ,
Distribucin t de Student con n grados de libertad.
t de Student Distribucin
0,4 Grad. de libertad
10
0,3
densidad
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
Distribucin t de Student con n grados de libertad.
t de Student Distribucin
0,4 Grad. de libertad
10
densidad 0,3
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
t de Student Distribucin
0,4 Grad. de libertad
10
densidad 0,3
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
t n , P (Tn t n , ) =
Est tabulada
Es importante en inferencia
estadstica
Distribucin F de Snedecor con n1, n2 grados de
libertad :
2 2
/ n1
n1 n1 Ji-cuadrada con n1
Fn1 ,n2 = 2
grados de libertad
/ n2 2
n2 n2
Ji-cuadrada con n2
grados de libertad
0,4
0,2
0
0 1 2 3 4 5
x
Distribucin F de Snedecor con n1, n2 grados de
libertad :
0,4
0,2
0
0 1 2 3 4 5
x