Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dis Continuas PDF
Dis Continuas PDF
1
X;B n = 500,000, p = = X ; Poi ( = 5)
100,000
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 pequeno 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 mas preciso decir
que la densidad de todos los puntos es constante en [a, b].
146 Bioestadstica: Metodos y Aplicaciones
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
1 x 2
f (x) =
1
2
e 2 ( ) , x IR (6.17)
Observacion
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
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. Distribucion 2
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
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)
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?