Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3 Distribuciones PDF
3 Distribuciones PDF
3 Tercera
Unidad Didctica
"DISTRIBUCIONES DE PROBABILIDAD
DISCRETAS"
En realidad lo que estamos haciendo es asignar a cada suceso del espacio muestral
un nmero, pero esta asignacin no tiene por qu ser nica.
A veces puede ocurrir que los valores que toma la variable aleatoria son los
mismos, pero no ocurre lo mismo con las probabilidades. Pongamos un ejemplo.
Se dispone de dos frmacos A y B distintos para curar una misma enfermedad; los
resultados de la variable aleatoria solamente pueden ser 1 0 y uno de ellos puede
curar el 20% de los casos y el otro el 70%.
Para tener identificada una variable aleatoria no basta con indicar los valores que
pueda tomar, hay que indicar tambin sus probabilidades.
Veamos ejemplos:
X 0 1 2
P(X) 1/4 1/2 1/4
F(X) = P(X ! x)
*Un conjunto infinito A se dice que es numerable si se puede establecer una aplicacin
biyectiva f entre el conjunto de los naturales y A.
146
En el ejemplo anterior:
n
= ! p ix i = E[ X]
i=1
[
V [X ] = E ( x ! )
2
]
Es decir:
Puesto que la varianza no podra medirse en las mismas unidades que la variable,
utilizamos la raz cuadrada de la varianza y a este nmero la llamamos desviacin
tpica.
Desv[ X] = V[X]
EJEMPLO 3.1:
Calcular la media y la varianza del nmero de hijos varones de una familia con dos
hijos.
Solucin:
P1 = P(X = 0) = 1/ 4 !#
P 2 = P(X = 1) = 2 / 4 = 1 / 2 " 1 / 4 + 1 / 2 + 1/ 4 = 1
P3 = P(X = 2) = 1/ 4 #$
En promedio, una familia con dos hijos tiene un hijo varn con una varianza de
1/2.
148
EJEMPLO 3.2:
Solucin:
2 1
E[X] = 50.000 + 150.000 = 83.330pts.
3 3
Puesto que 83.333 < 90.000, esto indica que es preferible, desde el punto de vista
econmico, tener ingresados a los pacientes cinco das.
La varianza la calculamos de la siguiente forma:
2 1
V[X] = (50.000 ! 83.000)2 + (150.000 ! 83.330)2 = 2, 2 109
3 3
149
Lgicamente p+q=1
EFFEE
- Lanzar un dado varias veces, considerando xito que salga el 6 y fracaso que no
salga el 6. En este caso p=1/6 y q=5/6.
150
- La clasificacin de las piezas fabricadas por una mquina, considerando xito las
piezas aceptables y fracaso las piezas defectuosas. En este caso p y q se asignan
haciendo un estudio de gran nmero de piezas.
p
E E EE p3
p
E
q
F EE F p2q
p
E
p
E E FE p2q
q
F
q
F EF F pq 2
p
E FEE p2q
p
E
q
F FEF pq 2
q
F
p
E F FE pq 2
q
F
q
F FF F q3
151
Construir el rbol puede ser una tarea larga y conviene buscar una frmula general
para un experimento binomial.
Convengamos en identificar todos aquellos resultados que tienen el mismo
nmero de xitos. Tras n pruebas nos encontraramos con:
EE...E !!" p n
EE...EF !!" np n#1q
EE...EFF!!" n(n # 1)pn#2 q2
.............................................
EF...F !!" npq n#1
FF... F !!" q n
Las distintas probabilidades son los sumandos del desarrollo del binomio (p+q)n,
por lo que:
! n$
P( X = r ) = # p r q n& r
"r%
EJEMPLO 3.3:
Solucin:
!# 7$ ! 1 $ 3! 5 $ 4
P(X = 3) = = 0' 08
" 3% " 6 % " 6 %
152
EJEMPLO 3.4:
Solucin:
P(x>1) = P(x=2)+P(x=3)+P(x=4)+P(x=5)
EJEMPLO 3.5:
Solucin:
! 4$
Incluimos el nmero combinatorio # porque se pueden dar cuatro
" 1%
posibilidades.
DAAA, ADAA, AADA, AAAD
153
2 2
! 1 # ! 9 # !% 4#
P(x = 2) = = 0, 0486
" 10 $ " 10 $ " 2$
! 1 3 9 !% 4#
P(x = 3) = " #$ = 0, 0036
10 10 " 3$
! 1 #4
P(x = 4) = " $ = 0, 0001
10
EJEMPLO 3.6:
Solucin:
!# 4$ ! 1$ 0 ! 2 $ 4
P(x = 0) = = 0,1975
" 0% " 3% " 3 %
!4 1 1 2 3
P(x = 1) = # $ ! $ ! $ = 0, 3951
" 1% " 3% " 3 %
! 4$ ! 1 2 ! 2 2
P(x = 2) = # " $% " $% = 0, 2963
" 2% 3 3
! 4$ ! 1 3 2
P(x = 3) = # " $% = 0, 0988
" 3% 3 3
! 4$ ! 1 4
P(x = 4) = # " $% = 0, 0123
" 4% 3
EJEMPLO 3.7:
Solucin:
P( X ! 2) = P(X = 0 ) + P( X = 1) + P(X = 2) =
"$ 50% " 50 " 50
(0, 02) 0 (0, 98)50 + $ % (0, 02)(0, 98)49 + $ % (0, 02)2 (0, 98) 48
# 0& #1& #2&
154
Funcin de densidad de una variable aleatoria que siga una B(n,p) con n-r
xitos.
VARIANZA:
n
! 2 = V[ x] = # ( x " ) pi = npq
2
i=1
DESVIACIN TPICA:
! = npq
EJEMPLO 3.8:
Solucin:
E: Estar averiado
F: No estar averiado.
X ~ B(n=5, p=0'1)
!5 !5
P( x = r) = # $ p r q 5&r = # $ 0,1r 0, 95& r
" r% " r%
! 5$ ! 5$
= # p 4q + # 0,150, 9 0 = 4, 6 10&4
" 4% " 5%
E [x] = np = 5 0,1 = 0, 5
EJEMPLO 3.9:
Solucin:
Las pruebas son independientes, porque lo que ocurra con un alumno no tiene
nada que ver con lo que le ocurra a otro.
a)
! n$
P( X = r ) = # p r q n& r
"r%
157
! n$ ! 7$
P(x = 0) = # p0 q n = # q 7 = 0, 77 = 0, 0824
" 0% " 0%
b)
! 7$ 7 0
P(x = 7) = # 0, 3 q = 0, 0002 Imposible
" 7%
c)
P( X ! 2) = P(X = 2 ) + P( X = 3)+...+ P(X = 7) =
1 " P(X # 1) = 1 " (P(r = 0) + P(r = 1)) =
= 1 " 0, 0824 " 0, 2471 = 0, 6705
Parmetros:
E [x] = np = 7 0, 3 = 2,1
V[x] = npq = 2, 1 0, 7 = 1, 47
! = 1, 47
EJEMPLO 3.10:
Solucin:
! 6$
P( x = 0 ) = # p 0q 6 = 0, 1176
" 0%
EJEMPLO 3.11:
Solucin:
X ~ B(20,0'995)
10 " 20%
P( x ! 10) = ' $ 0, 995 k0, 00510( k = 2, 08975 10 (18
k=0 # k &
Media: E [x] = np = !
Varianza: V[x] = ! = E[ x]
$ n' $ n'
lim & pr q n )r = lim & lim p r lim q n )r
n !" % r ( n! "% r ( p!0 n! "
p!0 p! 0
np !#
!
Teniendo en cuenta que p =
n
160
%$' r % $ n#r
lim 1 # '
n!
lim =
n!" r!(n # r)! & n ( n! "& n(
n
% $
1# '
n(n # 1)...(n # r + 1) $ r & n(
= lim lim
n r n!" % r
r! $
1# '
n!"
& n(
[1]
% $'n
lim 1 #
$r n(n # 1)...(n # r + 1) n!"& n(
= lim r
r! n!" n % $'r
lim 1 #
n! "& n(
Calculamos cada uno de estos lmites:
n n # 1 n # r +1
lim ... ! 1
n!" n n n
#$
+ # .
n
% ' $
% $'n - 1 * 0
lim 1 # )
! lim - 1 + n ! e #$
n!" & n( n!" ) * 0
-& #$ ( 0
, /
% $ r
lim 1 # ' !1
n!" & n(
Sustituyendo en [1] tenemos:
!r " !
P(!) = e
r!
EJEMPLO 3.12:
Solucin:
161
EJEMPLO 3.13:
Solucin:
a) P(6 < x < 15) = P(x ! 14 ) " P(x ! 6) = 0, 9986 " 0, 6063 = 0, 3923
5
!6 6
b) P( x = 5) = e = 0,1606
5!
EJEMPLO 3.14:
Solucin:
a)
"0
P( x = 0 ) = e !" = e !0,4
0!
b)
P(x ! 2) = 1" P(x < 1) = 1 " P(x = 0) " P(x = 1) =
#0 0, 41 1 0, 4
= 1 " e "0,4 " e "0,4 = 1" 0,4 " 0,4
0! 1! e e
EJEMPLO 3.15:
Solucin:
!r "!
P ( x = r) = e
r!
210
!= = 3, 5
60
! 10
P( X > 10) = " P(x = r ) = 1 # " P(x = r ) =
r=11 r=0
EJEMPLO 3.16:
Solucin:
120
E[X] = = 2=!
60
P( X ! 3) = 1" P(X < 3) = 1 " [P( x = 0 ) + P( x = 1) + P( x = 2 )] =
= 1 " 0,1353 " 0, 2707 " 0, 2707 = 0, 3233
EJEMPLO 3.17:
Solucin:
P( X1 ! 5) = 0, 3711
b) X2: "nmero de unidades defectuosas en la 2a planta". ! P(6)
P( X2 ! 4 ) = P( x2 = 0)+...+P (x 2 = 4) = 0, 2851
De stos, cules sern favorables a nuestro suceso?. Aquellas que tengan r xitos
y N-r fracasos.
(r veces) (n! r veces )
EE
!#"...#
$E FF
!#"...#
$F
Np Nq
!# Np$ !# Nq $
" r % " n & r%
Por consiguiente:
!# Np$ !# Nq $
" r % " n & r%
P( X = r ) = ; r = 0,1,2,..., n
!# N$
" n%
Media: E [x] = np
166
N !n
Varianza: V[x] = npq
N !1
n
Cuando ! 0, 05 , la distribucin hipergeomtrica se aproxima a la binomial.
N
EJEMPLO 3.18:
Solucin:
P(xito)=0,0 l
n 25
Puesto que = = 0, 025 < 0, 05
N 1000
P( x ! 2) = l " [ P( x = 0) + P( x = 1)] =
# 25& # 25&
=1"% 0, 010 0, 9925 " % 0, 011 0, 9924 =
$0' $1'
1 " 0, 7778 " 0,1964 = 0, 0258
EJEMPLO 3.19:
Solucin:
N = 50!#
&
n = 5 "X % H' 50, 5, ()
3
3 5
p= #
5$
P( x ! 2) = l " P(x < 2) = 1 " [ P(x = 0) + P( x = 1)]
# 3 # 2 )
50 & 50 &
% 5( % 5( +
$ 0 '$ 5 ' +
P(X = 0) =
#% 50& +
$ 5' +
P( X ! 2) = 0, 9241
# 3& # 2& *
5( +
50 50
% 5( %
$ 1 '$ 4 ' +
P(X = 1) =
#% 50& +
$ 5' +,
No hay duda de que al menos dos apoyarn al candidato A. con una probabilidad
del 92%.
168
EJEMPLO 3.20:
En una clase en la que hay 20 estudiantes, 15 estn insatisfechos con el texto que
se utiliza. Si se le pregunta acerca del texto a cuatro estudiantes tomados al azar,
determine la probabilidad de que:
a) exactamente tres estn insatisfechos con el texto.
b) cuando menos tres estn insatisfechos.
Solucin:
!
Es una H" 20;4, #$
3
4
a)
!# Np$ !# Nq $ !# 15$ !# 5$
" r % " n & r% " 3 % " 1%
P( X = 3) = = = 0, 469
!# N$ !# 20$
" n% " 4%
b)
P( X ! 3) = P(x = 3) + P(x = 4 ) = 0, 75
EJEMPLO 3.21:
Solucin:
"
X ! H# 14;5, $%
5
14
!# 5$ !# 9$
" 2% " 3%
P( X = 2 ) = = 0, 42
!# 14$
" 5%
EJEMPLO 3.22:
Solucin:
"
X ! H# 40;8, $% p =
20 1 19
q=
40 20 20
"& 2 $ "& 38$
# 0% # 8 %
P( X = 0) = = 0, 6359
"& 40$
# 8%
EJEMPLO 3.23:
Solucin:
3 22
N = 25 N1 = 3 N2 = 22 p= q=
25 25
!# Np$ !# Nq $ !# 3$ !# 22 $
" xi % " n & x i % " 0% " 3 & 0%
P( X = 0 ) = = = 0, 6696
!# N$ !# 25$
"n% " 3%
Hay una probabilidad del 67% de que se embarque la caja.
EJEMPLO 3.24:
Solucin:
! 3
a) B 3, #
" 25 $
! 3$ ! 3 0 ! 22 3
P( x = 0 ) = # " $% " $% = 0, 6815
" 0% 25 25
! 1
b) B 3, #
" 25 $
!# 3$ ! 1 $ 0 ! 24 $ 3
P( x = 0 ) = = 0, 8847
" 0% " 25% " 25 %
EJEMPLO 3.25:
Solucin:
!
H" 40;8, #$
2 1
N = 40 n=8 p=
40 20
!% 2# !% 38#
" 0$ " 8 $
P(X = 0) = = 0, 6359
!% 40#
" 8$
173
"DISTRIBUCIONES DE PROBABILIDAD
CONTINUAS"
3.2.1.2 Definicin
De modo riguroso, se dice que una variable aleatoria sigue una distribucin
normal de media , y desviacin tpica , y se designar por N(, ), si se cumplen las
siguientes condiciones:
1 # 1 ( x# ) 2
f(x) = e 2 !
! 2"
Esta funcin de densidad que parece en principio con una expresin matemtica
aparentemente complicada, tiene la siguiente representacin (figura 3.3):
(x# ) 2 (x# ) 2
1 # $ 1 ' 1 #
2! 2 2! 2
f' (x) = e &% # 2! 2 (x # ))( = # ! 3 2" e (x # )
! 2"
1 1
f'' () = ! 3 e 0 (1 ! 0) = ! 3 <0
" 2# " 2#
1
f() =
! 2"
177
3.- El rea del recinto encerrado bajo la campana y el eje x es igual a la unidad.
Por tratarse de una funcin de densidad. Y al ser simtrica, deja igual rea, 0,5, a
la izquierda y a la derecha de la recta x = . Esto se verifica porque:
+" +" (x !) 2
!
# #
1 2$ 2
f(x) = e dx =
!" !" $ 2%
x!
haciendo el cambio de variable = y , entonces dx = dy, y por lo tanto
"
+$ 2 +$ # y2
% %
1 # y2 1 1
= e !dy = e 2 dy = 2" = 1
#$ ! 2" 2" #$ 2"
+" ! y 2 +" ! y 2
I=
#!" e2
dy = 2
#0 e 2
dy = 2I1
(x " )2 x"
f'' (x) = 0 ! 1 " 2 = 0! = 1 ! x = #
# #
( +! # )2 2
1 # 1 # !2 1 #1 1
2! 2
f( + !) = e = e 2! = e 2=
! 2" ! 2" ! 2" ! 2"e
y en el punto x = -
178
( !" ! )2 2
1 ! 1 ! "2 1 !1 1
2" 2
f( ! ") = e = e 2" = e 2=
" 2# " 2# " 2# " 2#e
(x% ) 2
1 %
2# 2
lim f(x) = lim e =0
x!+" x!+" # 2$
En la figura 3.4 puede observarse que para fijo, el variar tiene el efecto de
desplazar la curva hacia la derecha o la izquierda; manteniendo constante, el cambio
de tiene por efecto acercar o alargar del valor medio los puntos de inflexin, es
decir, un apuntamiento o aplastamiento de la curva (ver figura 3.5).
-a +a
1 " x22
f(x) = e x #("$, +$)
2!
&
x2
F( x) = P( ! " x) = 1 e$ 2
dx
2#
$%
1,2
,8
,6
1
,4 2!
,2
-,2
-4 -3 -2 -1 0 1 2 3 4
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8655 0.8686 0.8708 0.8729 0.8749 0.8870 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
Tablas de la distribucin normal estndar
181
Veamos su utilizacin con un ejemplo sencillo. Si Z es una variable que sigue una
distribucin N(0,1), calcularemos la probabilidad de que la variable Z tome valores
menores o iguales a 1.37.
Es decir:
P(Z 1.37) = 0.9147
que quiere decir que el 91.47% de las observaciones se encuentran distribuidas entre -
y 1.37.
182
Esta tabla da las reas de las dos colas de la distribucin, es decir, da la siguiente
probabilidad
P( |Z| a ) = P( - < Z -a ) + P( a Z < + )
-a 0 a
Este ltimo tipo de tablas es el que hemos utilizado anteriormente, pues nos
proporciona la funcin de distribucin de la variable.
X!
Z=
"
Valores de X
-2! -! +! +2!
Valores de Z
-2 -1 0 1 2
N( 1 2 , ! 12 + ! 22 )
TEOREMA DE DE MOIVRE
X ! np
Z=
npq
En este caso hemos de tener en cuenta que X era una variable aleatoria discreta y
queremos tratarle cmo continua, por lo que es preciso hacer una correccin para
continuidad. As se verifica que:
3.2.2.1 Definicin
Es otra distribucin de gran importancia en Estadstica, que fue descubierta por
HELMET (1876), pero cay en el olvido hasta que en 1900 fue descubierta de nuevo
por PEARSON.
Esta variable depende, pues, del nmero de sumandos que la forman, llamado
"grados de libertad", y el rango es el semieje real positivo (ya que es una suma de
cuadrados).
$ 1
e " 2 x 2 "1 si
x n
x# 0*
f(x) = % 2 2 !(n 2)
n
& 0 si x<0
#
n "1 "x
* (n) es la funcin gamma, que denota la siguiente integral: !( n ) = $ x e dx que verifica, que
0
si n en entero (n) = (n-1)! ; adems (n/2) = .
187
2.- Es asimtrica.
(n ! 1)s2
2 es aproximadamente 2n-1
"
2
siendo s la cuasivarianza muestral.
g.l \ 0.9950 0.9750 0.950 0.900 0.200 0.10 0.050 0.025 0.010 0.001
1 0.0000393 0.000982 0.00393 0.0158 1.642 2.706 3.841 5.024 6.631 10.828
2 0.0100 0.0506 0.103 0.211 3.219 4.605 5.g91 2.378 9.210 13.816
3 0.0717 0.216 0.352 0.584 4.642 6.251 7.851 9.348 11.345 16.266
4 0.207 0.484 0.711 1.064 5.989 7.779 9.488 11.143 13.277 18.467
5 0.412 0.831 1.]45 1.610 7.289 9.236 11.070 12.833 15.086 20.515
6 0.676 1.237 1.635 2.204 8.558 10.645 17.592 14.449 16.812 22.458
7 0.989 1.690 2.167 2.833 9.803 17.017 14.067 16.013 18.475 74.327
8 1.344 2.180 2.733 3.490 11.030 13.362 15.507 17.535 20.090 26.124
9 1.735 2.700 3.325 4.168 17.242 14.684 16.919 19.023 21.666 77.877
10 2.156 3.247 3.940 4.865 13.442 15.987 18.307 20.483 23.209 29.588
11 2.603 3.816 4.575 5.578 14.631 17.275 19.675 21.920 24.725 31.264
12 3.074 4.404 5.226 6.304 15.812 18.549 21.026 23.337 26.217 32.909
13 3.565 5.009 5.897 7.047 16.985 19.812 22.362 24.736 27.588 34.528
14 4.075 5.629 6.571 7.790 18.151 21.064 23.685 26.119 29.141 36.173
15 4.601 6.262 7.261 8.547 19.311 22.307 24.996 27.488 30.578 37.697
16 5.142 6.908 7.962 9.312 20.465 23.452 26.296 28.845 32.000 39.752
17 5.697 7.564 8.672 10.085 21.615 24.769 27.587 30.191 33.409 40.790
18 6.265 8.231 9.390 10.865 22.760 25.989 28.869 31.526 34.805 42.312
19 6.844 8.907 10.117 11.651 23.900 27.204 30.144 32.857 36.191 43.820
20 7.434 9.591 10.851 12.443 25.038 28.412 31.410 34.170 37.566 45.315
21 8.034 10.283 11.591 13.240 26.171 29.615 32.671 35.479 38.932 46.797
22 8.643 10.982 12.338 14.041 27.301 30.813 33.924 36.781 40.289 48.268
23 9.260 11.689 13.091 14.848 28.429 32.007 35.172 38.076 41.638 49.728
24 9.886 12.401 13.848 15.659 29.553 33.196 36.415 39.364 42.980 51.179
25 10.520 13.120 14.611 16.473 30.675 34.382 37.652 40.646 44.314 57.620
26 11.160 13.844 15.379 17.292 31.795 35.563 38.885 41.923 45.642 54.052
27 11.808 14.573 16.151 18.114 32.912 36.741 40.113 43.195 46.963 55.476
28 12.461 15.308 16.928 18.939 34.027 37.916 41.337 44.461 48.278 56.892
29 13.121 16.047 17.708 19.769 35.139 39.087 42.557 45.722 49.588 58.301
30 13.787 16.791 18.493 20.599 36.250 40.256 43.773 46.979 50.892 59.703
EJEMPLO 3.26:
Solucin:
3.2.3.1 Definicin
La distribucin "t" es sumamente importante en Inferencia Estadstica; fue
descubierta por GOSSET (1908). El nombre de STUDENT es el seudnimo con el que
firm sus publicaciones estadsticas, y puede pensarse de l que es el fundador de la
inferencia estadstica exacta, pues hasta 1908 era corriente tratar a la variable
(x ! )
s n
!
tn =
!12 + !22 +!+!2n
n
Tambin puede definirse a travs de una variable Z normal estndar N(0,1), y una
variable 2 que siga una distribucin Chi-cuadrado con n grados de libertad; se define
entonces la variable "t" de STUDENT con n grados de libertad como
Z
tn =
! 2n
n
2&)
n+1
!( n+1 ) # x 2
f(x) = 2 %1 + (
n"!( n2 ) $ n'
191
Distr. Normal
Distr. t de Student
(x ! )
t n!1 = s
n !1
en ellas aparece el valor de la variable que para los grados de libertad indicados en la
primera columna, deja un rea en las dos colas de valor indicado en la primera fila.
EJEMPLO 3.27:
Solucin:
194
n m
X= ! X 2i e Y= ! Yj2
i=1 j=1
X
F= Yn
m
s2
4.- El cociente 1 2 sigue una distribucin con n1-1 y n2-1 grados de
s2
libertad, siendo s12 y s22 las cuasivarianza muestrales de dos muestras de
tamaos n1 y n2 respectivamente, provenientes de dos poblaciones normales
N(1, 1) y N(2, 2) respectivamente.
(n1 ! 1)s12
"2
(n 2 ! 1)s22
"2
sigue una distribucin Chi-cuadrado con n2-1 grados de libertad. Entonces,
el cociente
( n1 ! 1)s12
(n1 ! 1)" 2
( n2 ! 1)s22
(n 2 ! 1)" 2
n2\n1 1 2 3 4 5 6 7 8 9 10 20 30 40 60 120
1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 248.0 250.1 251.1 252.2 253.3 254.3
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.45 19.46 19.47 19.48 19.49 19.50
3 10.13 9.55 9.28 9.12 9.01 8.94 6.89 8.85 8.81 8.79 8.66 8.62 8.59 8.57 8.55 8.53
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.97 5.80 5.74 5.72 5.69 5.66 5.63
5 6.61 5~79 5.41 5.19 5.05 4.95 4.88 4.82. 4.77 4.73 4.56 4.50 4.46 4.43 4.40 4.36
6 S~99 5.14 4.76 4~53 4.39 4.28 4.21 4.15 4.10 4.06 3.87 3.81 3.77 3.74 3.70 3.67
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.44 3.38 3.34 3.31 3.27 3.23
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.15 3.08 3.04 3.00 2.97 2.93
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 2.94 2.86 2.83 2.79 2.75 2.71
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.77 2.70 2.66 2.62 2.58 2.54
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.65 2.57 2.53 2.49 2.45 2.40
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.54 2.47 2.43 2.38 2.34 2.30
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.46 2.38 2.34 2.30 2.25 2.21
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.39 2.31 2.27 2.22 2.18 2.13
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.33 2.25 2.20 2.16 2.11 2.07
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.28 2.19 2.15 2.11 2.06 2.01
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.23 2.15 2.10 2.06 2.01 1.96
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.19 2.11 2.06 2.02 1.97 1.92
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.16 2.07 2.03 1.98 1.93 1.88
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.12 2.04 1.99 1.95 1.90 1.84
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.10 2.01 1.96 1.92 1.87 1.81
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.07 1.98 1.94 1.89 1.84 1.78
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.05 1.96 1.91 1.86 1.81 1.76
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.03 1.94 1.89 1.84 1.79 1.73
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.01 1.92 1.87 1.82 1.77 1.71
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 1.99 1.90 1.85 1.80 1.75 1.69
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 1.97 1.88 1.84 1.79 1.73 1.67
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 1.96 1.87 1.82 1.77 1.71 1.65
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 1.94 1.85 1.81 1.75 1.70 1.64
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 1.93 1.84 1.79 1.74 1.68 1.62
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 1.84 1.74 1.69 1.64 1.58 1.51
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.75 1.65 1.59 1.53 1.47 1.39
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.66 1.55 1.50 1.43 1.35 1.25
3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88 1.83 1.57 1.46 1.39 1.32 1.22 1.00
EJEMPLO 3.28:
Solucin:
EJEMPLO 3.29:
Solucin:
1
F !;n,m =
F1"!;m,n
se verifica que
1 1 1
F0.95;15,5 = = = = 0.345
F1!0.95;5,15 F0.05;5,15 2.90
198
"DISTRIBUCIN NORMAL"
3.3 Ampliacin
199
PRIMER CASO
P( Z ! a )
200
0 a
Figura 3.12: Representacin grfica de la informacin que nos suministra de manera directa
la tabla de la normal con la que vamos a trabajar: P ( Z ! a )
Figura 3.13.a: El rea rayada de la curva representa Figura 3.13.b: El rea rayada de la curva
representa P (Z ! " a ) P (Z ! a )
P( Z ! "a ) = 1 " P( Z ! a )
EJEMPLO 3.30:
Calcular P(Z-2)
Solucin:
Como tercer caso consideraremos la misma situacin que en el caso primero pero
suponiendo ahora, que la variable aleatoria sigue una distribucin normal no estndar,
de parmetros , .
encontrndonos, una vez efectuado el cambio, en la misma situacin del primer caso.
EJEMPLO 3.31:
Solucin:
Se trata, lo mismo que en el caso anterior de dar solucin a uno de los supuestos
ya vistos, en concreto al supuesto segundo, pero considerando ahora que trabajamos con
una normal no estndar.
Lo primero que tenemos que hacer es tipificar ya que si no, la igualdad anterior no
se verifica, por tanto:
EJEMPLO 3.32:
Solucin:
Si en lugar de trabajar con una N(0,1) trabajsemos con una N(,!) sera preciso,
como en casos anteriores, tipificar. Es decir:
EJEMPLO 3.33:
Solucin:
P(1! X ! 1.85) = P(X ! 1.85) " P( X < 1) = 0.9678 " 0.8413 = 0.1265
P( Z ! "b) " P(Z < "a ) = 1" P( Z < b) " [1 " P(Z ! a )] =
= 1 " P (Z < b ) " 1 + P (Z ! a ) = P ( Z ! a ) " P (Z < b )
EJEMPLO 3.34:
Solucin:
P( !2.3 " Z " !1.8) = P(Z " !1.8) ! P(Z < !2.3) =
= 1! P( Z < 1.8) ! 1 + P( Z " 2.3) = P( Z " 2.3) ! P( Z < 1.8) =
= 0.9893 ! 0.9641 = 0.0252
205
EJEMPLO 3.35:
Solucin:
Buscamos dentro de la tabla el valor 0.9251 y vemos que el correspondiente valor
de a es 1.44.
EJEMPLO 3.36:
Solucin:
# a " 5%
P( X ! a ) = P$ Z ! = 0.8413
3 &
a!5
= 1" a = 3 + 5 = 8
3
207
"DISTRIBUCIN NORMAL"
Fijaremos esta cantidad de forma que el 95%, por ejemplo, de los individuos
sanos quede correctamente clasificado, es decir, de forma que slo un 5% de los
individuos sanos tenga un dimetro mayor de esa cantidad M.
209
0
6.5 7 7.5 8 8.5 9 9.5 10
M=?
Figura 3.17. Representacin grfica de la distribucin del dimetro de los hemates
en individuos sanos y en individuos cirrticos. M ser el punto de corte a partir del cual
el individuo ser clasificado en una o en otra categora.
El clculo es inmediato:
(M-7.5)/0.2= 1.645
Es decir:
0
6.5 7 7.5 8 8.5 9 9.5 10
M = 7.8 29
Figura 3.18: Representacin grfica de la distribucin del dimetro de hemates en las dos poblaciones.
Prefijado queda delimitado el valor de M y el valor de
Si disminuye, aumenta
En efecto:
Veamos como esta afirmacin es cierta. Realizar este clculo es idntico al caso
anterior slo que ahora la regla de decisin es distinta:
212
(M-7.5)/0.2 = 2.33
Observamos que segn este criterio el valor de corte es ahora mayor M> M
Luego:
Si el porcentaje de falsos positivos disminuye hasta el 1%, el porcentaje de falsos
negativos sobrepasa el 18%.