Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISTRIBUCIONES DE
PROBABILIDAD
http://dxsp.sergas.es
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
NDICE
13.1. Clculo de probabilidades.......................................................................................................... 3
13.1.0. Conceptos generales............................................................................................................ 3
13.1.1. Distribuciones discretas ...................................................................................................... 5
13.1.1.1. Distribucin uniforme discreta (a,b)................................................................... 5
13.1.1.2. Distribucin binomial (n,p).................................................................................. 6
13.1.1.3. Distribucin hipergeomtrica (N,R,n) ................................................................ 8
13.1.1.4. Distribucin geomtrica (p) ................................................................................. 9
13.1.1.5. Distribucin binomial negativa (r,p) ................................................................ 10
13.1.1.6. Distribucin Pascal (r,p) ..................................................................................... 12
13.1.1.7. Distribucin Poisson () ..................................................................................... 13
13.1.2. Distribuciones continuas................................................................................................. 16
13.1.2.1. Distribucin uniforme o rectangular (a,b) ....................................................... 16
13.1.2.2. Distribucin normal (, ).................................................................................. 18
13.1.2.3. Distribucin lognormal (, ) ............................................................................ 20
13.1.2.4. Distribucin logstica (a, b) ................................................................................ 21
13.1.2.5. Distribucin beta (p,q) ........................................................................................ 22
13.1.2.6. Distribucin gamma (a,p) .................................................................................. 23
13.1.2.7. Distribucin exponencial ().............................................................................. 25
13.1.2.8. Distribucin ji-cuadrado (n) .............................................................................. 26
13.1.2.9. Distribucin t de Student (n) ............................................................................. 29
13.1.2.10. Distribucin F de Snedecor (n,m) ................................................................... 31
13.1.2.11. Distribucin Cauchy (, ) ............................................................................... 33
13.1.2.12. Distribucin Weibull (a, b) ............................................................................... 34
13.1.2.13. Distribucin Laplace (a, b) ............................................................................... 36
13.1.2.14. Distribucin Pareto (, x0) ................................................................................ 37
13.1.2.15. Distribucin triangular (a, c, b) ....................................................................... 39
13.2. Generacin de distribuciones .................................................................................................. 40
13.2.0. Conceptos generales.......................................................................................................... 40
13.2.1. Distribuciones discretas .................................................................................................... 41
13.2.1.1. Distribucin multinomial ................................................................................... 41
13.2.2. Distribuciones continuas................................................................................................. 44
13.2.2.1. Distribucin normal bivariante ......................................................................... 44
Bibliografa .......................................................................................................................................... 46
Anexo 1: Novedades del mdulo de distribuciones de probabilidad ........................................ 48
Anexo 2: Frmulas del mdulo de distribuciones de probabilidad............................................ 49
Anexo 3: Resumen de las distribuciones discretas ........................................................................ 71
Anexo 4: Resumen de las distribuciones continuas....................................................................... 72
http://dxsp.sergas.es
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 3
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
As, por ejemplo, la variable talla de un recin nacido puede tener valores entre 47 cm y 53
cm, pero no todos los valores tienen la misma probabilidad, porque las ms frecuentes son
las tallas prximas a los 50 cm. En este caso la ley normal se adapta satisfactoriamente a la
distribucin de probabilidad emprica, que se obtendra con una muestra grande de casos.
Epidat 4 ofrece, en este mdulo, procedimientos usuales para calcular probabilidades y sus
inversas, para un conjunto bastante amplio de funciones de distribucin, discretas y
continuas, que son habituales en el proceso de modelacin. Por ejemplo, el conjunto de
distribuciones pertenecientes a la familia exponencial es de uso frecuente en metodologas
como el anlisis de supervivencia o el Modelo Lineal Generalizado. Otras distribuciones son
comunes y habituales en el campo de actuacin de disciplinas tales como la economa, la
biologa, etc. La lista de distribuciones disponibles en Epidat 4 ha sido ampliada con respecto
a la versin anterior del programa.
Cuando la opcin elegida es el clculo de una probabilidad dado un punto x de la
distribucin, se presentan en todos los casos dos resultados: la probabilidad acumulada hasta
ese punto, dicho de otra manera, la probabilidad de que la variable tome valores inferiores o
iguales a x (cola izquierda); y la probabilidad de que la variable tome valores superiores a x
(cola derecha), es decir, el complementario de la cola izquierda. En el caso discreto, a
mayores se presenta la probabilidad de que la variable sea igual al punto x; este resultado no
tiene sentido cuando estamos ante una distribucin continua ya que la probabilidad de que
la variable sea igual a un punto es igual a cero, lo que hace que la inclusin o exclusin del
punto x no influya en el clculo de las colas. Para ciertas distribuciones continuas simtricas
(normal, logstica y t de Student) el programa tambin presenta la probabilidad de dos colas,
es decir, la probabilidad que queda a ambos lados del intervalo (-x, x) (x, -x) segn el punto
sea positivo o negativo, respectivamente. Epidat 4 permite calcular probabilidades para
varios puntos a la vez.
La otra opcin permitida en Epidat consiste en calcular un punto a partir de una
probabilidad, bien sea la probabilidad de la cola izquierda, de la cola derecha o de las dos
colas, siempre que sea posible.
Asimismo, los resultados de Epidat 4 incluyen la media, la varianza, la asimetra y la curtosis
de la correspondiente distribucin, as como la mediana y la moda en el caso de las
distribuciones continuas.
Epidat 4 tambin ofrece la posibilidad de representar grficamente la funcin de distribucin
y la funcin de densidad, o de masa de probabilidad, de cada una de las distribuciones. Estas
grficas pueden ser personalizadas por medio de un editor de grficos que se inicia cada vez
que se genera una grfica.
Aunque cada distribucin fue estudiada de forma independiente, en general el programa
representa las funciones en el intervalo 3 , 3 , que puede ser ampliado por el
usuario hasta 10 , 10 desde el editor. La justificacin para elegir estos intervalos
se basa en la desigualdad de Chebyshev, que establece que [8]:
1
PrX r
r2
donde X es una variable aleatoria de media y varianza 2, y r es un nmero positivo.
Teniendo en cuenta esta desigualdad, se obtiene que en el intervalo 3 , 3 queda
sin representar una probabilidad de 0,11, que se reduce a 0,01 para el intervalo
10 , 10 .
http://dxsp.sergas.es 4
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
En el Anexo 3 se incluye una tabla que resume las caractersticas de estas distribuciones.
Ejemplo
El temario de un examen para un proceso selectivo contiene 50 temas, de los cuales se elegir
uno por sorteo. Si una persona no ha estudiado los 15 ltimos temas cul es la probabilidad
de que salga un tema que haya estudiado?
La variable que representa el nmero del tema seleccionado para el examen sigue una
distribucin uniforme con parmetros a = 1 y b = 50. La persona ha estudiado los temas del 1
al 35; por tanto, la probabilidad que se pide es la cola a la izquierda de 35. Para obtener los
resultados en Epidat 4 basta con proporcionarle los parmetros de la distribucin, y
seleccionar la opcin de calcular probabilidades para el punto 35.
http://dxsp.sergas.es 5
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
La persona tiene una probabilidad del 70% de que el tema elegido sea uno de los que haya
estudiado.
http://dxsp.sergas.es 6
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Valores:
k: 0, 1, 2, ..., n
Parmetros:
n: nmero de pruebas, n 1 entero
p: probabilidad de xito, 0 < p < 1
Ejemplo
En un examen formado por 20 preguntas, cada una de las cuales se responde declarando
verdadero o falso, el alumno sabe que, histricamente, en el 75% de los casos la
respuesta correcta es verdadero y decide responder al examen tirando dos monedas: pone
falso si ambas monedas muestran una cara y verdadero si al menos hay una cruz. Se
desea saber cual es la probabilidad de que tenga ms de 14 aciertos.
Hay que proporcionarle a Epidat 4 los parmetros de la distribucin binomial y el punto k a
partir del cual se calcular la probabilidad. En este caso n = 20, p = 0,75 y el punto k = 14.
Resultados con Epidat 4:
http://dxsp.sergas.es 7
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Se sabe que el 7% de los tiles quirrgicos en un lote de 100 no cumplen ciertas
especificaciones de calidad. Tomada una muestra al azar de 10 unidades sin reemplazo,
interesa conocer la probabilidad de que no ms de dos sean defectuosas.
El nmero de tiles defectuosos en el lote es R = 0,07100 = 7. Para un tamao muestral de
n= 10, la probabilidad buscada es P{nmero de defectuosos 2}.
http://dxsp.sergas.es 8
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 9
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Valores:
k: 0, 1, 2, ...
Parmetros:
p: probabilidad de xito, 0 < p < 1
Ejemplo
La probabilidad de que cierto examen mdico d lugar a una reaccin positiva es igual a
0,8, cul es la probabilidad de que ocurran menos de 5 reacciones negativas antes de la
primera positiva?
La variable aleatoria nmero de reacciones negativas antes de la primera positiva sigue
una distribucin geomtrica con parmetro p = 0,8.
Resultados con Epidat 4:
http://dxsp.sergas.es 10
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
situaciones, la varianza es mayor que la media, por lo que se incumple la propiedad que
caracteriza a una distribucin de Poisson, segn la cual la media es igual a la varianza. La
primera aplicacin en bioestadstica la realiz Student (William Sealy Gosset (1876-1937)) a
principios de siglo cuando propuso esta distribucin para modelar el nmero de glbulos
rojos en una gota de sangre. En este caso, la variabilidad extra se debe al hecho de que esas
clulas no estn uniformemente distribuidas en la gota, es decir, la tasa de intensidad no es
homognea.
La distribucin binomial negativa es ms adecuada que la de Poisson para modelar, por
ejemplo, el nmero de accidentes laborales ocurridos en un determinado lapso. La
distribucin de Poisson asume que todos los individuos tienen la misma probabilidad de
sufrir un accidente y que sta permanece constante durante el perodo de estudio; sin
embargo, es ms plausible la hiptesis de que los individuos tienen probabilidades
constantes en el tiempo, pero que varan de unos sujetos a otros; esto es lo que se conoce en
la literatura como la propensin a los accidentes (accident proneness) [9][10]. Esta hiptesis
se traduce en una distribucin de Poisson mixta, o de efectos aleatorios, en la que se supone
que las probabilidades varan entre individuos de acuerdo a una distribucin gamma y esto
resulta en una distribucin binomial negativa para el nmero de accidentes.
El nmero mximo de xitos permitidos en Epidat 4, para realizar clculos de la distribucin
binomial negativa, es 1.000.
Valores:
k: 0, 1, 2, ...
Parmetros:
r: nmero de xitos, r 1 entero
p: probabilidad de xito, 0 < p < 1
Ejemplo
Se sabe que, en promedio, una de cada 100 placas de rayos X que se realizan es defectuosa.
Cul es el nmero medio de placas tiles que se producen entre 10 defectuosas?
Si se considera el primer fallo como punto de inicio, hay que considerar la variable nmero
de placas tiles antes de 9 defectuosas, que sigue una distribucin binomial negativa de
parmetros r = 9 y p = 0,01.
Es necesario hacer notar que, cuando se est interesado en obtener alguno de los valores
caractersticos de la distribucin objeto de estudio (en este ejemplo, nmero medio de placas
tiles), es indiferente calcular probabilidades o puntos, ya que el programa presenta los
valores caractersticos de la distribucin en ambos casos. En este ejemplo, se seleccion la
opcin de calcular la probabilidad del punto 1, aunque se trata de un dato irrelevante en el
clculo del nmero medio de placas tiles. Se puede comprobar fcilmente que la
modificacin del punto o de la opcin de clculo no influyen en los valores caractersticos.
http://dxsp.sergas.es 11
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Siguiendo con el ejemplo de la distribucin binomial negativa, si en promedio una de cada
100 placas de rayos X que se realizan es defectuosa, cul es el nmero medio de placas
realizadas entre 10 defectuosas?
Si se considera el primer fallo como punto de inicio, hay que considerar la variable nmero
de placas realizadas antes de 9 defectuosas, que sigue una distribucin de Pascal de
parmetros r = 9 y p = 0,01.
http://dxsp.sergas.es 12
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 13
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Para que una variable recuento siga una distribucin de Poisson deben cumplirse varias
condiciones:
1. En un intervalo muy pequeo (p. e. de un milisegundo) la probabilidad de que
ocurra un evento es proporcional al tamao del intervalo.
2. La probabilidad de que ocurran dos o ms eventos en un intervalo muy pequeo es
tan reducida que, a efectos prcticos, se puede considerar nula.
3. El nmero de ocurrencias en un intervalo pequeo no depende de lo que ocurra en
cualquier otro intervalo pequeo que no se solape con aqul.
Estas propiedades pueden resumirse en que el proceso que genera una distribucin de
Poisson es estable (produce, a largo plazo, un nmero medio de sucesos constante por
unidad de observacin) y no tiene memoria (conocer el nmero de sucesos en un intervalo
no ayuda a predecir el nmero de sucesos en el siguiente).
El parmetro de la distribucin, , representa el nmero promedio de eventos esperados por
unidad de tiempo o de espacio, por lo que tambin se suele hablar de como la tasa de
ocurrencia del fenmeno que se observa.
A veces se usan variables de Poisson con "intervalos" que no son espaciales ni temporales,
sino de otro tipo. Por ejemplo, para medir la frecuencia de una enfermedad se puede contar,
en un perodo dado, el nmero de enfermos en cierta poblacin dividida en "intervalos" de,
por ejemplo, 10.000 habitantes. Al nmero de personas enfermas en una poblacin de
tamao prefijado, en un instante dado, se le denomina prevalencia de la enfermedad en ese
instante y es una variable que sigue una distribucin de Poisson. Otra medida para la
frecuencia de una enfermedad es la incidencia, que es el nmero de personas que enferman
en una poblacin en un periodo determinado. En este caso, el intervalo es de personas-
tiempo, generalmente personas-ao, y es tambin una variable con distribucin de Poisson.
Habitualmente, ambas medidas se expresan para intervalos de tamao unidad o, dicho de
otro modo, en lugar de la variable nmero de enfermos, se usa el parmetro .
La distribucin de Poisson tiene iguales la media y la varianza. Si la variacin de los casos
observados en una poblacin excede a la variacin esperada por la Poisson, se est ante la
presencia de un problema conocido como sobredispersin y, en tal caso, la distribucin
binomial negativa es ms adecuada.
http://dxsp.sergas.es 14
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
El nmero de enfermos que solicitan atencin de urgencia en un hospital durante un periodo
de 24 horas tiene una media de 43,2 pacientes. Se sabe que el servicio se colapsar si el
nmero de enfermos excede de 50. Cul es la probabilidad de que se colapse el servicio de
urgencias del hospital? Representar la funcin de masa de probabilidad.
Para calcular la probabilidad pedida y, adems, representar la funcin de masa de
probabilidad hay que marcar el cuadro situado en la parte inferior derecha de la pantalla:
Obtener las funciones de distribucin y densidad.
Resultados con Epidat 4:
http://dxsp.sergas.es 15
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
En el Anexo 4 se incluye una tabla que resume las caractersticas de estas distribuciones.
Ejemplo 1
Supngase una variable que se distribuye uniformemente entre 380 y 1.200. Determnese:
1. La probabilidad de que el valor de la variable sea superior a mil.
2. La media y la desviacin estndar de dicha variable.
A Epidat se le proporcionar el lmite superior e inferior del campo de variacin de la
variable [380, 1.200] y, adems, el punto a partir del cual se quiere calcular la probabilidad.
http://dxsp.sergas.es 16
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
La probabilidad de que la variable sea superior a mil se sita en un entorno de 0,24, la media
es 790 y la desviacin estndar, raz cuadrada de la varianza, es aproximadamente 237.
Ejemplo 2
Un contratista A est preparando una oferta sobre un nuevo proyecto de construccin. La
oferta sigue una distribucin uniforme entre 55 y 75 miles de euros. Determnese:
La probabilidad de que la oferta sea superior a 60 mil euros se sita en un entorno de 0,75, y
la media es 65.
http://dxsp.sergas.es 17
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Se supone que el nivel de colesterol de los enfermos de un hospital sigue una distribucin
normal con una media de 179,1 mg/dL y una desviacin estndar de 28,2 mg/dL.
1. Cul es el porcentaje de enfermos con un nivel de colesterol inferior a 169 mg/dL?
2. Cul ser el valor del nivel de colesterol a partir del cual se encuentra el 10% de los
enfermos del hospital con los niveles ms altos?
3. Representar la funcin de densidad.
Para responder a estas preguntas habr que ejecutar Epidat 4 dos veces: en el primer caso
para calcular una probabilidad, en el segundo caso el dato de entrada es una probabilidad,
http://dxsp.sergas.es 18
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
A partir de 215,24 mg/dL se encuentran los valores de colesterol del 10% de los enfermos
que tienen los valores ms altos.
http://dxsp.sergas.es 19
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Supngase que la supervivencia, en aos, luego de una intervencin quirrgica (tiempo que
pasa hasta que ocurre la muerte del enfermo) en una cierta poblacin sigue una distribucin
lognormal de parmetro de escala 2,32 y de forma 0,20. Calcular la probabilidad de
supervivencia a los 12 aos y la mediana de supervivencia.
http://dxsp.sergas.es 20
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 21
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
El crecimiento relativo anual (%) de la poblacin de un determinado pas sigue una
distribucin logstica de parmetro de posicin 1 y de escala 2. Calcular la probabilidad de
que el crecimiento en un ao determinado sea superior al 5% y representar la funcin de
densidad.
Resultados con Epidat 4:
http://dxsp.sergas.es 22
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
En el presupuesto familiar, la porcin que se dedica a salud sigue una distribucin beta(2,2).
1. Cul es la probabilidad de que se gaste ms del 25% del presupuesto familiar en
salud?
2. Cul ser el porcentaje medio que las familias dedican a la compra de productos y
servicios de salud?
Resultados con Epidat 4:
http://dxsp.sergas.es 23
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo 1
El nmero de pacientes que llegan a la consulta de un mdico sigue una distribucin de
Poisson de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menos de
una hora hasta la llegada del segundo paciente.
Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre hasta la llegada del
segundo paciente sigue una distribucin Gamma (6, 2).
Resultados con Epidat 4:
La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente
es 0,98.
Ejemplo 2
Suponiendo que el tiempo de supervivencia, en aos, de pacientes que son sometidos a una
cierta intervencin quirrgica en un hospital sigue una distribucin gamma con parmetros
a = 0,81 y p = 7,81, interesa saber:
http://dxsp.sergas.es 24
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 25
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribucin
exponencial con media de 14 aos. Cul es la probabilidad de que a una persona a la que se
le ha implantado este marcapasos se le deba reimplantar otro antes de 20 aos? Si el
marcapasos lleva funcionando correctamente 5 aos en un paciente, cul es la probabilidad
de que haya que cambiarlo antes de 25 aos?
La variable aleatoria tiempo de vida del marcapasos sigue una distribucin exponencial de
parmetro = 1/14 0,07
Resultados con Epidat 4:
La probabilidad de que se le tenga que implantar otro marcapasos antes de los 20 aos se
sita en un entorno de 0,75.
Teniendo en cuenta la propiedad de falta de memoria de la exponencial, la probabilidad
de tener que cambiar antes de 25 aos un marcapasos que lleva funcionando 5 es igual a la
probabilidad de cambio a los 20 aos, es decir, P(X < 25/X > 5) = P(X < 20) = 0,75.
http://dxsp.sergas.es 26
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Esta distribucin, que debe su nombre al matemtico ingls Karl Pearson (1857-1936), es
fundamental en inferencia estadstica y en los tests estadsticos de bondad de ajuste. Se
emplea, entre otras muchas aplicaciones, para realizar la prueba de hiptesis de
homogeneidad, de independencia o la prueba de bondad de ajuste (todas ellas denominadas
pruebas ji-cuadrado) y para determinar los lmites de confianza de la varianza muestral de
una poblacin normal.
Si X sigue una distribucin ji-cuadrado con n grados de libertad, para valores de n grandes (n
> 100), entonces la variable Y 2X sigue aproximadamente una distribucin normal de
media 2n 1 y desviacin estndar 1.
Epidat 4 realiza los clculos de esta distribucin para valores de n menores o iguales que 150.
Campo de variacin:
0<x<
Parmetros:
n: grados de libertad, n 1 entero
Ejemplo
Para estudiar la relacin entre la edad de las mujeres y su aceptacin de una ley sobre
interrupcin del embarazo se ha llevado a cabo una encuesta sobre 400 mujeres cuyos
resultados se recogen en la siguiente tabla:
Aceptacin
0-18 21 34 25
18-35 24 31 25
36-50 30 30 20
51-65 37 30 13
> 65 40 30 10
Como resultado de aplicar la prueba ji-cuadrado de Pearson se obtuvo como valor del
estadstico 2=19,2828. Este valor por si solo no permite extraer ninguna conclusin; debe
compararse con el valor de la distribucin ji-cuadrado de (5-1)*(3-1)=8 grados de libertad que
deja un 5% de probabilidad a su derecha, fijado un nivel de significacin del 5% o,
equivalentemente, un nivel de confianza del 95%. Este valor, llamado punto crtico, delimita
la zona de rechazo de la hiptesis nula de no asociacin entre las variables.
1. Calcular el valor de la ji-cuadrado con 8 grados de libertad que deja a su derecha un
rea bajo la curva igual a 0,05.
2. Representar la funcin de densidad y marcar en ella el valor del estadstico y el punto
crtico, qu puede concluirse acerca de la relacin entre las dos variables?
3. Calcular el valor p del estadstico, es decir, la probabilidad a la derecha del valor del
estadstico 2=19,2828.
http://dxsp.sergas.es 27
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
El valor 15,5073 es el punto crtico del test para un nivel de significacin del 5%, ya que deja
a su derecha una cola de probabilidad 0,05.
A la vista de este grfico se puede observar como el valor del estadstico (lnea negra) es
superior al punto crtico del test para un nivel de significacin del 5% y, por lo tanto, est en
la zona de rechazo. Esto significa que hay evidencia de asociacin entre el grado de
aceptacin del aborto y la edad de las mujeres.
http://dxsp.sergas.es 28
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
El valor p del estadstico es 0,0134 y se corresponde con el rea bajo la curva a la derecha del
valor del estadstico. Si este valor es menor que 0,05, como as ocurre, se rechaza la hiptesis
nula de no asociacin entre las dos variables.
http://dxsp.sergas.es 29
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Campo de variacin:
- < x <
Parmetros:
n: grados de libertad, n 1 entero
Ejemplo
La distribucin t de Student se aproxima a la normal a medida que aumentan los grados de
libertad.
1. Calcular, para una distribucin N(0,1), el punto que deja a la derecha una cola de
probabilidad 0,05.
2. Calcular, para una distribucin t de Student, la probabilidad de que la variable tome
un valor a la derecha de ese punto. Tomar como grados de libertad sucesivamente n =
10 y n = 150.
Para el primer apartado hay que seleccionar en la lista de distribuciones la normal de
parmetros = 0 y = 1.
1. Resultados con Epidat 4:
En el segundo apartado se ejecutar dos veces Epidat 4: la primera vez para una distribucin
t de Student con 10 grados de libertad y la segunda vez con 150 grados de libertad.
http://dxsp.sergas.es 30
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 31
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
En un laboratorio se efectuaron ciertas mediciones y se comprob que seguan una
distribucin F con 10 grados de libertad en el numerador y 12 grados de libertad en el
denominador.
1. Calcule el valor que deja a la derecha el 5% del rea bajo la curva de densidad.
2. Cul es la probabilidad de que la medicin sea superior a 4,30?
3. Represente la funcin de distribucin y de densidad de las medidas.
http://dxsp.sergas.es 32
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Considere la distribucin Cauchy de parmetros = 0,75 y = 5.
1. Qu proporcin del rea bajo la curva se ubica a la derecha de 9,21?
2. Qu valor de la variable asla el 10% superior de la distribucin?
http://dxsp.sergas.es 33
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
El valor 7,3083 divide a la distribucin en dos partes: el 90% de sta queda a la izquierda de
dicho punto y el 10% a la derecha.
http://dxsp.sergas.es 34
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
La distribucin Weibull queda totalmente definida mediante dos parmetros, forma (a) y
escala (b). En el caso particular de que a=1, se tiene la distribucin exponencial, y si a = 2 y b
= 2 recibe el nombre de distribucin de Rayleigh.
El perfil de la funcin de densidad presenta formas muy variadas dependiendo del valor que
tome su parmetro de forma, a. Si a es menor o igual que 1, la funcin de densidad es
siempre decreciente; en caso de tomar valores mayores que la unidad su funcin de
densidad muestra una forma ms acampanada, pero no simtrica, de forma que crece hasta
alcanzar el mximo y luego decrece.
En este caso, Epidat 4 limita ambos parmetros inferiormente por el valor 0,2 y
superiormente por 200.
Campo de variacin:
0<x<
Parmetros:
a: forma, a > 0
b: escala, b > 0
Ejemplo
La vida til, en aos, de cierto tipo de instrumental mdico quirrgico sigue una distribucin
de Weibull con parmetros a= 2 y b= 1,75.
1. Cul es la probabilidad de que el instrumental dure menos de 3 aos?
2. Representar la funcin de densidad y de distribucin de su vida til.
La probabilidad de que el instrumental dure menos de 3 aos, es decir que dure 2 aos o
menos, es 0,73.
http://dxsp.sergas.es 35
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Una distribucin es leptocrtica si la funcin de densidad presenta un grado de
apuntamiento mayor que el de la distribucin normal con la misma media y varianza, lo que
se traduce en un coeficiente de curtosis positivo. Comprobar grficamente el carcter
leptocrtico de la distribucin de Laplace para el caso particular en que a= 2 y b= 3.
http://dxsp.sergas.es 36
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
En primer lugar hay que calcular la media y varianza de esta distribucin para luego
representar la funcin de densidad de la distribucin normal correspondiente.
Resultados con Epidat 4:
http://dxsp.sergas.es 37
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
potencial del porcentaje de individuos con una renta superior o igual a un cierto valor de
renta a medida que dicho valor de renta crece [8]. El uso de esta distribucin se ha ido
ampliando a diferentes mbitos de estudio.
Se trata de una distribucin biparamtrica, con parmetros de forma () y de situacin (x0).
El parmetro x0 es un indicador de posicin (valor mnimo) que, en trminos econmicos,
puede interpretarse como el ingreso mnimo de la poblacin. El parmetro est asociado
con la dispersin, donde a mayor valor se obtienen densidades de Pareto ms concentradas
en las proximidades de x0, es decir, menos dispersas.
Epidat 4 permite valores del parmetro de forma comprendidos entre 0,5 y 100, y valores del
parmetro de situacin entre 0,1 y 1.000.
Campo de variacin:
x0 x <
Parmetros:
: forma, > 0
x0: situacin, x0 > 0
Ejemplo
Los salarios mensuales, en euros, de una determinada empresa siguen una distribucin de
Pareto de parmetros = 2,75 y x0= 900 Qu porcentaje de individuos tienen un salario
superior a 2.000 euros? Y a 3.000 euros?
Resultados con Epidat 4:
http://dxsp.sergas.es 38
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Uno de los problemas de salud que afectan en mayor medida a la poblacin en los meses de
verano son los golpes de calor; por ese motivo, es necesario llevar un control de la
temperatura atmosfrica que alerta, entre otros indicadores, de la presencia de una ola de
calor.
Durante el mes de Agosto del ao 2010, en Santiago de Compostela, las temperaturas
mnima y mxima absolutas fueron de 12,2 C y 35,8C, respectivamente, y el valor ms
probable fue de 19,8C. Si se asume que la temperatura sigue una distribucin triangular de
parmetros a=12,2, c=19,8 y b=35,8, cul es la probabilidad de que supere los 30C?
http://dxsp.sergas.es 39
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 40
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
de ese tipo. Una aplicacin de estas tcnicas se da, por ejemplo, en el campo de la inferencia.
El procedimiento se puede describir, de modo general, como sigue: se ajusta un modelo a los
datos empricos y se utiliza este modelo ajustado para simular muestras aleatorias que, a su
vez, se usan para estimar los parmetros de la distribucin terica. Este procedimiento
general se denomina bootstrap paramtrico.
http://dxsp.sergas.es 41
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
pi. Esto ocurre, por ejemplo, en el mtodo de captura-recaptura, que fue desarrollado por
zologos para estimar poblaciones animales y que ha sido aplicado a poblaciones humanas
en estudios epidemiolgicos.
Valores:
xi = 0, 1, 2, ... (i = 1, ..., m)
Parmetros:
n: nmero de pruebas, n 1 entero
m: nmero de resultados posibles, m 3 entero
m
pi: probabilidad del suceso i, 0 < pi < 1 (i = 1, ..., m), donde p
i 1
i 1
Ejemplo
Volviendo al ejemplo de los conejillos de indias, supngase que se est interesado en simular
una muestra de tamao 10 de una distribucin multinomial con parmetros n = 6; p1 = 0,5; p2
= 0,25 y p3 = 0,25.
Los resultados de Epidat indican que en la primera simulacin los 6 conejitos de indias se
organizaron de la siguiente manera: tres de ellos fueron descendientes rojos, un descendiente
negro y dos descendientes blancos. En la segunda simulacin, 4 de los conejitos fueron rojos,
uno negro y otro blanco. Y as sucesivamente hasta llegar a la dcima simulacin donde tres
de los conejitos fueron descendientes rojos, dos negros y uno blanco.
http://dxsp.sergas.es 42
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 43
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Aqu, a diferencia de los restantes mdulos, no se pondrn ejemplos pues no tiene mayor
sentido, ya que la estructura de las aplicaciones siempre es la misma. No obstante, para
http://dxsp.sergas.es 44
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Ejemplo
Suponga que la distribucin de la variable peso de una poblacin de jvenes sigue una
distribucin normal de media = 65 kg y desviacin estndar = 15 kg. Suponga, adems,
que la variable altura en dicha poblacin sigue una distribucin normal de media = 1,68 m
y desviacin estndar = 0,20 m. La correlacin entre las dos variables es alta, de un 0,75.
Con estos datos estimar el porcentaje de obesos en la poblacin teniendo en cuenta que la
obesidad est definida por un ndice de masa corporal (IMC = peso/talla2) superior a 30
kg/m2.
Para calcular el porcentaje hay que simular los valores de la variable IMC, pues no se
dispone de la distribucin terica. Los pasos a seguir sern los siguientes:
1. Simular 1.000 valores de la distribucin normal bivariante con los siguientes
parmetros: media y desviacin estndar del peso, media y desviacin estndar de la
talla, y el coeficiente de correlacin entre la talla y el peso.
2. Llevar los valores de la variable simulada a una hoja de clculo (por ejemplo) y
efectuar el cociente IMC = peso/talla2.
3. Contar el nmero de valores de la variable IMC que superan el umbral 30 kg/m2
(condicin de obesidad).
Con los 1.000 valores simulados se obtiene un porcentaje de sujetos con un IMC superior a 30
kg/m2 del 5,7%.
Nota: Cada vez que se realiza una nueva simulacin se obtienen valores
diferentes, aunque se mantenga la misma distribucin, el valor de sus
parmetros y el tamao de la muestra.
http://dxsp.sergas.es 45
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
Bibliografa
5 Katz DL. Epidemiology, biostatistics and preventive medicine review. USA: W.B.
Saunders Company; 1997.
9 Kemp AW, Kemp CD. Accident proneness. En: Armitage P, Colton T, editores.
Encyclopedia of Biostatistics Vol. 1. Chichester: John Wiley & Sons; 1998. pp. 35-7.
14 John Aldrich. University of Southampton [pgina en Internet]. Figures from the history
of probability and statistics. Disponible en:
http://www.economics.soton.ac.uk/staff/aldrich/Figures.htm
15 Johnson D. The triangular distribution as a Proxy for the beta distribution in risk
analysis. The Statistician. 1997;46(3):387-98.
http://dxsp.sergas.es 46
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014.
http://dxsp.sergas.es 47
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 1: novedades
- Cauchy
- Weibull
- Laplace
- Pareto
- Triangular
http://dxsp.sergas.es 48
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
1. Clculo de probabilidades
1.1. Distribuciones discretas
1.2. Distribuciones continuas
2. Generacin de distribuciones
2.1. Distribuciones discretas
2.2. Distribuciones continuas
http://dxsp.sergas.es 49
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
1. Uniforme discreta
2. Binomial
3. Multinomial
4. Hipergeomtrica
5. Geomtrica
6. Binomial negativa
7. Pascal
8. Poisson
Parmetros de la distribucin:
1
f k , a k b, k entero
N
Valores caractersticos:
ab
Media:
2
N2 1
Varianza:
12
Asimetra: 0
6(N 2 1)
Curtosis:
5(N 2 1)
http://dxsp.sergas.es 50
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Parmetros de la distribucin:
n n n!
f k p k 1 pn k , 0 k n, k entero, siendo
k k k! n k !
Valores caractersticos:
Media: np
Varianza: np(1-p)
1 2p
Asimetra:
np(1 p)
1 6p(1 p)
Curtosis:
np(1 p)
1.3.- Multinomial (n, p1, p2, ..., pm) [Martn-Pliego y Ruiz-Maya (2004, p. 379-382)]
X = (X1, X2, , Xm) = Nmero de veces que ocurren m sucesos disjuntos en n pruebas
independientes
Parmetros de la distribucin:
n: Nmero de pruebas (entero 1; en Epidat: n 1)
m: Nmero de resultados posibles (entero 3; en Epidat: m 3)
m
pi: Probabilidad del suceso i, i=1, , m (0 < pi < 1 y pi 1 ; en Epidat: 0 < pi <
i 1
1)
http://dxsp.sergas.es 51
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
m
n!
f k 1 , k 2 ,..., k m p k1 p k 2 ...p kmm , ki {0, 1, ..., n} y ki n
k 1 ! k 2 !...k m ! 1 2 i 1
Valores caractersticos:
Cov X i , X j npi p j si ij
Parmetros de la distribucin:
N: Tamao de la poblacin (entero 1; en Epidat: 1 N 1.000)
R: Nmero de xitos en la poblacin (entero, 1 R N; en Epidat: 1 R N)
n: Nmero de pruebas (entero, 1 n N; en Epidat: 1 n N)
R N R
k n k
f k , max(0,n-N+R) k min(R, n), k entero
N
n
Valores caractersticos:
Media: np
Nn
Varianza: np1 p
N 1
http://dxsp.sergas.es 52
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
N 2n
(1 2p)
Asimetra: N 2
Nn
np(1 p)
N 1
BC
Curtosis: A 3
np(1 p)
Donde:
R
p
N
3(N 1)( N 6)
A
(N 2)( N 3)
(N 1)N(N 1)
B
(N n )( N 2)( N 3)
Nn
6N p(1 p) n
C 1 N2
N 1
Parmetros de la distribucin:
fk p1 pk , k 0, k entero
Valores caractersticos:
1 p
Media:
p
http://dxsp.sergas.es 53
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
1 p
Varianza:
p2
2p
Asimetra:
1 p
p 2 6p 6
Curtosis:
1 p
Parmetros de la distribucin:
k r 1 r
f k p 1 pk , k 0, k entero
r 1
Valores caractersticos:
r1 p
Media:
p
r 1 p
Varianza:
p2
2p
Asimetra:
r(1 p)
p 2 6p 6
Curtosis:
r(1 p)
http://dxsp.sergas.es 54
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Parmetros de la distribucin:
k 1 r
f(k ) p (1 p)k r , k r, k entero
r 1
Valores caractersticos:
r
Media:
p
r 1 p
Varianza:
p2
2p
Asimetra:
r(1 p)
p 2 6p 6
Curtosis:
r(1 p)
Parmetros de la distribucin:
http://dxsp.sergas.es 55
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
k e
f k , k 0, k entero
k!
Valores caractersticos:
Media=Varianza:
1
Asimetra:
1
Curtosis:
1. Uniforme o rectangular
2. Normal
3. Normal bivariante
4. Lognormal
5. Logstica
6. Beta
7. Gamma
8. Exponencial
9. Ji-cuadrado
10. t de Student
11. F de Snedecor
12. Cauchy
13. Weibull
14. Laplace
15. Pareto
16. Triangular
http://dxsp.sergas.es 56
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Parmetros de la distribucin:
Funcin de densidad:
1
f x ,a<x<b
ba
Valores caractersticos:
ab
Media = Mediana:
2
b a 2
Varianza:
12
Asimetra: 0
Curtosis: -6/5
Parmetros de la distribucin:
Funcin de densidad:
1 1 x 2
f x exp , - < x <
2 2
Valores caractersticos:
http://dxsp.sergas.es 57
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Varianza: 2
Asimetra: 0
Curtosis: 0
Parmetros de la distribucin:
Funcin de densidad:
x 2 x x y y y y 2
f x , y
1 1 x
exp
2 x y 1 2
1 2 2 x
2
xy 2 2y
- < x, y <
Valores caractersticos:
2x x y
Matriz de dispersin:
2
x y y
Parmetros de la distribucin:
http://dxsp.sergas.es 58
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Funcin de densidad:
1 1 ln x 2
f x exp ,x>0
x 2 2
Valores caractersticos:
2
Media: e 2
Mediana: e
Moda: e
2
Varianza: e 2 e 1
2
2
Asimetra: e 2
1 e 2
2
4
2e 3 3e 2 6
2 2 2
Curtosis: e
Parmetros de la distribucin:
Funcin de densidad:
1 e ( xa ) b
f x , - < x <
b 1 e ( xa ) b 2
Valores caractersticos:
2 2
Varianza: b
3
http://dxsp.sergas.es 59
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Asimetra: 0
6
Curtosis:
5
Parmetros de la distribucin:
Funcin de densidad:
x p1 1 x q1
f x ,0<x<1
p, q
1
donde es la funcin beta: p , q t p1 1 t q 1 dt .
0
Valores caractersticos:
p
Media:
pq
p 1
Moda: para p > 1 y q > 1
pq2
pq
Varianza:
p q 1 p q
2
2(q p) p q 1
Asimetra:
p q 2 pq
http://dxsp.sergas.es 60
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Parmetros de la distribucin:
Funcin de densidad:
a p ax p1
f x e x ,x>0
p
donde es la funcin gamma: z t z 1e t dt , y si n es un entero: n n 1!
0
Valores caractersticos:
p
Media:
a
p 1
Moda: para p > 1
a
p
Varianza:
a2
2
Asimetra:
p
6
Curtosis:
p
http://dxsp.sergas.es 61
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Parmetros de la distribucin:
Funcin de densidad:
f x e x , x > 0
Valores caractersticos:
1
Media:
ln 2
Mediana:
Moda: no definida
1
Varianza:
2
Asimetra: 2
Curtosis: 6
Parmetros de la distribucin:
http://dxsp.sergas.es 62
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Funcin de densidad:
n 1 x
x 2 e 2
f x ,x>0
n
2
n
2
2
donde es la funcin gamma: z t z 1e t dt , y si n es un entero: n n 1!
0
Valores caractersticos:
Media: n
Varianza: 2n
8
Asimetra:
n
12
Curtosis:
n
Parmetros de la distribucin:
Funcin de densidad:
n 1 n 1
2
x 2
f x 1
2
, - < x <
n n
n
2
Valores caractersticos:
http://dxsp.sergas.es 63
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
n
Varianza: para n > 2
n2
Asimetra: 0
6
Curtosis: para n > 4
n4
Parmetros de la distribucin:
Funcin de densidad:
n
n m n 2 n 2 2
x
f x 2 m
,x>0
n m nx n m 2
1
2 2 m
Valores caractersticos:
m
Media: para m > 2
m2
m n 2
Moda: para n > 2
n m 2
2m 2 n m 2
Varianza: para m > 4
nm 22 m 4
2n m 2 8m 4
Asimetra: para m > 6
m 6 nn m 2
http://dxsp.sergas.es 64
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Curtosis:
12 (m 2) 2 (m 4) n( n m 2)(5m 22)
para m > 8
n(m 6)(m 8)(n m 2)
Parmetros de la distribucin:
Funcin de densidad:
1
f( x) , - < x <
( ( x ) 2 )
2
Valores caractersticos:
Media: no definida
Mediana = Moda:
Varianza: no definida
Asimetra: no definida
Curtosis: no definida
Parmetros de la distribucin:
http://dxsp.sergas.es 65
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Funcin de densidad:
a 1 x a
ax
f( x) exp , x > 0
bb b
Valores caractersticos:
1
Media: b 1
a
bln 2
1
Mediana: a
1
a 1 a
Moda: b para a > 1
a
2 1 2
Varianza: b 2 1 1
a a
1 1 2 3
2 3 1 3 1 1 1
Asimetra:
a a a a
3
2 2 1 2
a 1 1
a
Curtosis:
1 1 2 2 1 3 4
6 4 1 12 2 1 1 3 2 1 4 1 1 1
a a a a a a a
2
2 2 1
a 1 a 1
Parmetros de la distribucin:
http://dxsp.sergas.es 66
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Funcin de densidad:
1 xa
f( x) exp , - < x <
2b b
Valores caractersticos:
Varianza: 2b 2
Asimetra: 0
Curtosis: 3
Parmetros de la distribucin:
Funcin de densidad:
x 0
f( x) , x x0
x 1
Valores caractersticos:
x 0
Media: para > 1
1
1
Mediana: x 0 2
Moda: x 0
x 02
Varianza: para > 2
( 2)( 1) 2
http://dxsp.sergas.es 67
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
2(1 ) 2
Asimetra: para > 3
3
6( 3 2 6 2)
Curtosis: para > 4
( 3)( 4)
Parmetros de la distribucin:
Funcin de densidad:
2x a
f( x) para a x c
b a c a
2b x
f( x) para c x b
b a b c
Valores caractersticos:
abc
Media:
3
( b a)(b c) ab
b si c
2 2
Mediana:
a ( b a)(c a) si c a b
2 2
Moda: c
( b c) 2 ( c a) 2 ( b c)( c a)
Varianza:
18
http://dxsp.sergas.es 68
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
2 (a b 2c)(b c 2a)(2b c a)
Asimetra:
5 ( b a) 2 (c a)(b c)
3
2
3
Curtosis:
5
http://dxsp.sergas.es 69
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 2: frmulas
Bibliografa
http://dxsp.sergas.es 70
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre 2014. Anexo 3: resumen discretas
Xi: 0, 1, 2, Nmero de veces que ocurren m sucesos Se aplica cuando se tiene un proceso estable y sin
Multinomial m: n de resultados posibles
(i= 1, , m) disjuntos en n pruebas independientes memoria
pi: probabilidad del suceso i
r: nmero de xitos
Nmero de pruebas necesarias para obtener r Se relaciona con la binomial negativa de la
Pascal r, r+1, r+2,
p: probabilidad de xito xitos siguiente manera: Pascal(r,p)=BN(r,p)+r
http://dxsp.sergas.es 71
soporte.epidat@sergas.es
Epidat 4: Ayuda de Distribuciones de probabilidad. Oct 2014. Anexo 4: resumen continuas
a: situacin
Laplace (-, )
b: escala
: forma
Pareto [x0, )
x0: situacin
a: mnimo
Se emplea cuando hay poca informacin
Triangular [a, b] c: moda
disponible de la variable
b: mximo
http://dxsp.sergas.es 72
soporte.epidat@sergas.es