Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 Distribuciones Continuas de Probabilidad (Modo de Compatibilidad) PDF
4 Distribuciones Continuas de Probabilidad (Modo de Compatibilidad) PDF
de probabilidad
Recordamos que una variable aleatoria continua es
una variable cuyo valor no puede predecirse con
exactitud (aunque sí en términos “probabilísticos”, es
decir, con determinado grado de incertidumbre) y que
los valores que puede tomar son todos los números
de un intervalo de números reales con más de un
elemento.
Ejemplo 1: Supóngase que se estudia el peso de los ejemplares de una cierta
especie de pájaros; 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
Función de
densidad
%
y = f(x)
170
170
Peso
Función 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
También,
P ( a X b) = P ( a X b) = P ( a X b) =
= P ( a X b)
DEFINICION (Función de distribución). Dada una
variable aleatoria continua X, con función de densidad
f(x), la función de distribución F(x) es la función 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 función de distribución 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 MÁS
CONOCIDAS
Distribución Uniforme. Se dice que una variable aleatoria
continua X tiene una distribución uniforme en el intervalo
(a, b), a < b, si su función de densidad de probabilidad f
está 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 gráfica de la función de
densidad.
b) Determinar P(X<15).
c) Calcular P(12 X 18).
d) Hallar el valor esperado, E(X).
e) Encontrar la desviación estándar de X.
Distribución normal
μ)2
( xx
1
f ( x) = e 2σ 2
, m , σ 0.
σ 2π
Puntos
de
inflexión
s s +
m - s m, Mo, Md m + s
Distribución 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 μ) 2
1
f ( x) = e 2σ 2
, m , σ 0.
σ 2π
s =5 s =5
s = 10
Interpretación geométrica:
• Podemos interpretar la
media como un factor de
traslación.
• Y la desviación típica
como un factor de
escala, grado de
dispersión,…
N(μ, σ): Interpretación probabilística
• Entre la media y una
desviación típica
tenemos siempre la
misma probabilidad:
aproximadamente el
68%.
• Entre la media y
dos desviaciones
típicas aprox. 95%
σ 2π e
dv = 1
95%
68%
99%
68%
95%
99% z
-3 -2 -1 0 1 2 3
Estandarización.
• Dada una variable con media μ y desviación
estándar σ, se denomina valor estandarizado z, de
una observación x, a la distancia (con signo) con
respecto a la media, medido en desviaciones
estándars, es decir:
xm
z=
s
z y2
x- μ 1
2
z= ( z ) = P( Z z ) = e dy
σ 2π
Los valores
negativos de z NO
están tabulados, ya
que la distribución
es simétrica
+
0
La tabla consta de: *Margen izquierdo : Los enteros de z y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: áreas 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.
¿Cuál es la probabilidad de que un valor de Z esté entre 0 y -2.03?
Se busca en la tabla el área 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.
¿Cuál es la probabilidad de que un valor de Z esté 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 área 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.
¿Cuál 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
¿Cómo 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 él un 38.20%
(0.3820)
Se debe desestandarizar :
X=Zs+m
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor más aproximado :0.1179 38.20%
corresponde a z =+ 0.30
Sustituyendo en la fórmula
(0.30)(2)+4 =4.60 x=?
4.60
EJEMPLO 10.
EJERCICIOS.
Función de densidad: f ( x ) = e x
0, x 0
Distribución exponencial.
x µ=1/λ
f ( x ) = e σ=1/λ
2 2 2 2
= Z Z Z ,
n 1 2 n
Chi-Cuadrado Distribución
0,1 Grad. de libertad
13
0,08
densidad
0,06
0,04
0,02
0
0 10 20 30 40
x
Chi-Cuadrado Distribución
0,1 Grad. de libertad
13
0,08
densidad
0,06
0,04
0,02
0
0 10 20 30 40
x
Está tabulada 2
n ,
2
P( 2
) =
n n ,
Distribución t de Student con n grados de libertad.
t de Student Distribución
0,4 Grad. de libertad
10
0,3
densidad
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
Distribución t de Student con n grados de libertad.
t de Student Distribución
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 Distribución
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 , ) =
Está tabulada
Es importante en inferencia
estadística
Distribución 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
Distribución F de Snedecor con n1, n2 grados de
libertad :
0,4
0,2
0
0 1 2 3 4 5
x