Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribucin Uniforme
Demostracin.
c a< x<b
f X (x) =
0 en otros casos
La condicin f ( x ) dx = 1
-
X
Implica
c dx = 1
a
b
1
Lo que quiere decir c dx = c [ b - a ] = 1
por tan to c =
a
b-a
Ejemplo
Daniel es un nio de 2 aos, y de acuerdo con su historia familiar, parece razonable suponer que
cuando sea adulto su estatura tenga la misma verosimilitud de estar comprendida entre 160 y 172
cm. En base a esta suposicin, cuando sea adulto, cul es la probabilidad de que su talla: sea
superior a 165 cm? Este entre 164 y 169 cm?
Solucin.
X: Talla de Daniel cuando sea adulto.
RX: (160, 172)
f X ( x ) = 1/ 12 160 < x < 172
Sean los eventos:
A: Cuando sea adulto su talla sea superior a 165cm.
A = [ X > 165 ]
172
1 1 7
P(A) = P(X > 165) =
12
165
dx = [172 - 165] =
12 12
= 0.5833
Distribucin Exponencial
Otra variable continua que tambin se presenta con frecuencia es la variable exponencial.
Definicin. Una variable absolutamente continua X, tiene distribucin exponencial con parmetro l >
0, si su funcin de densidad est dada por:
l e- l x x > 0
fX ( x) =
0 x 0
Donde l es una constante real. Por notacin se escribe X : exp ( l )
Esperanza y Varianza de X.
E(X) = 1/ l V ( X ) = 1 l2
Ejemplo
Se ha observado que las fallas mecnicas ocurridas en una planta industrial, aparecen como un
proceso Poisson aproximado con parmetro l = 1 / 2 por hora ( 1 cada 2 horas). S se llega a la planta
a las 9 a.m. del lunes y se designa con T el tiempo, desde la llegada hasta la primera falla, entonces el
comportamiento probabilstico de T viene dada por la funcin de densidad
1
1 - t
fT ( t ) = e 2 t>0
2
Es decir:
Distribucin Normal
La frmula para esta distribucin fue publicada por primera vez por Abraham De Moivre el 12 de
noviembre de 1733.
Muchos otros matemticos contribuyeron en la obtencin de esta frmula, como Carl Gauss, por sus
aportes a la distribucin normal tambin se llama distribucin Gaussiana.
La variable aleatoria normal tiene como funcin de densidad la siguiente expresin matemtica:
2
1 x - m
-
2s
e -< x <
f ( x) = ,
s 2p
En esta ecuacin p y e son las constantes 3.14159 y 2.71828. Los parmetros m , la media y s la
desviacin estndar pueden considerarse como la medida de Tendencia Central y Dispersin
respectivamente.
La grfica de la distribucin normal es la siguiente:
Si se hace lo mismo que en el caso anterior a una distancia de dos desviaciones estndar, el
rea encerrada ser aproximadamente el 95%.
Para hallar la probabilidad de que Z tome un valor entre dos puntos cualesquiera por ejemplo z 0 y z1:
Debe hallarse el rea limitada por las perpendiculares trazadas en estos puntos, la curva y el eje
z2
z1 -
horizontal, es decir: e 2
2p dz , sin embargo no tiene que llevarse a cabo tal integracin dado que se
z0
cuenta con tablas que proporcionan dicho resultado. Para indicar que una variable aleatoria tiene
distribucin normal con media 0 y varianza 1 se utiliza la siguiente notacin: Z : N ( 0,1)
Ejemplo
Sea la variable Z : N ( 0,1) , calcule las siguientes probabilidades:
a. P(Z< -1.2) b. P(Z<1.58) c. P(-1<Z<2) d. P(Z<a) = 0.025 e. P(-a<Z<a)= 0.96
Solucin.
Exp.
Accin: De esta poblacin de alumnos se selecciona un alumno
Interesa: observar su talla
Luego la variable aleatoria es, X: Talla del alumno (la unidad en la que se expresar la variable ser
los c.m.)
El recorrido de X, aproximadamente es; R X : (155, 185)
El comportamiento probabilistico de la variable es:
X - m 160 - 170
P(X > 160) = 1 - P ( X 160 ) = 1 - P
s 5
= 1 - P ( Z - 2 ) = 1 - 0.0227 = 0.9773
Finalmente para hallar la cantidad de alumnos de dicha poblacin, que tiene una talla superior a
160 c.m. multiplicamos 0.9773 por 1000, lo que da 977. En conclusin son 997 alumnos que tienen
una talla superior a 160 c.m.
b. Ubiquemos el evento y su probabilidad debajo de curva descrita por X, donde el evento es:
N: La talla del alumno sea menor o igual que a.
P(N) = P(X<a) = 0.3050
P(X<a)
Tarea
DISTRIBUCIN CHI-CUADRADO
DISTRIBUCIN t DE STUDENT
Buscar en los libros y traer por escrito, La variable aleatoria, la funcin de densidad de probabilidad,
la grfica que muestra su comportamiento probabilstico, su esperanza y su varianza.
Un ejemplo asociado a cada distribucin, y calcular la probabilidad de 2 eventos.