Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Graficos EI PDF
Graficos EI PDF
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Uniforme.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Uniforme de parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~𝑈𝑈(𝛼𝛼, 𝛽𝛽), si su función de densidad es
1
, 𝛼𝛼 ≤ 𝑥𝑥 ≤ 𝛽𝛽
𝑓𝑓(𝑥𝑥) = �𝛽𝛽 − 𝛼𝛼
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
y
6.0
5.0
4.0
3.0
2.0
1.0
Figura 1: Función de densidad de probabilidad para una variable aleatoria contínua Uniforme con
parámetros 𝛼𝛼 = 0.2 𝑦𝑦 𝛽𝛽 = 0.8
Fernando Tenesaca 1
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Gamma.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Gamma de parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~Γ(𝛼𝛼, 𝛽𝛽), si su función de densidad es
1
𝑥𝑥 𝛼𝛼 −1 𝑒𝑒 −𝑥𝑥 ⁄𝛽𝛽 , 𝑥𝑥 ≥ 0; 𝛼𝛼 > 0, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽𝛼𝛼 Γ(𝛼𝛼)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
∞
Γ(𝛼𝛼) = � 𝑡𝑡 𝛼𝛼−1 𝑒𝑒 −𝑡𝑡 𝑑𝑑𝑑𝑑
0
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
y
0.6
0.5
0.4
0.4
0.4
0.3
0.2
0.2
0.2
0.1
0.0
x
Figura 2: Función de densidad de probabilidad para una variable aleatoria contínua Gamma con
parámetros 𝛼𝛼 = 1.2 𝑦𝑦 𝛽𝛽 = 1.2
Fernando Tenesaca 2
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Exponencial.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Exponencial de parámetro 𝛽𝛽, denotado por 𝑋𝑋~Exp(𝛽𝛽), si su función de densidad es
1 −𝑥𝑥 ⁄𝛽𝛽
𝑒𝑒 , 𝑥𝑥 ≥ 0; 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂
𝟏𝟏
𝝁𝝁 = 𝜷𝜷 𝝈𝝈𝟐𝟐 = 𝜷𝜷𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) =
(𝟏𝟏 − 𝜷𝜷𝜷𝜷)
y
0.6
0.5
0.4
0.4
0.4
0.3
0.2
0.2
0.2
0.1
0.0
x
Figura 3: Función de densidad de probabilidad para una variable aleatoria contínua Exponencial con
parámetro 𝛽𝛽 = 1
Fernando Tenesaca 3
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Erlang.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Erlang de parámetros n y 𝛽𝛽, denotado por 𝑋𝑋~Erl(𝑛𝑛, 𝛽𝛽), si su función de densidad es
1
𝑥𝑥 𝑛𝑛−1 𝑒𝑒 −𝑥𝑥 ⁄𝛽𝛽 , 𝑥𝑥 ≥ 0; 𝑛𝑛 ∈ ℕ, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽𝑛𝑛 (n − 1)!
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
2.5
2.0
1.5
1.0
0.5
Figura 4: Función de densidad de probabilidad para una variable aleatoria contínua Erlang con
parámetros 𝑛𝑛 = 3 𝑦𝑦 𝛽𝛽 = 0.5
Fernando Tenesaca 4
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Chi Cuadrado de parámetro 𝑛𝑛, denotado por 𝑋𝑋~𝜒𝜒𝑛𝑛2 , si su función de densidad es
1
𝑥𝑥 𝑛𝑛 ⁄2−1 𝑒𝑒 −𝑥𝑥 ⁄2 , 𝑥𝑥 ≥ 0; 𝑛𝑛 ∈ ℕ
𝑓𝑓(𝑥𝑥) = �2𝑛𝑛 ⁄2 Γ(𝑛𝑛⁄2)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
𝒏𝒏
𝝁𝝁 = 𝒏𝒏 𝝈𝝈𝟐𝟐 = 𝟐𝟐𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = (𝟏𝟏 − 𝟐𝟐𝟐𝟐)−𝟐𝟐
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00
Figura 5: Función de densidad de probabilidad para una variable aleatoria contínua Chi Cuadrado con
parámetro 𝑛𝑛 = 4
Fernando Tenesaca 5
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Normal.
Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Normal de parámetros 𝜇𝜇 y 𝜎𝜎 2 , denotado por 𝑋𝑋~𝑁𝑁(𝜇𝜇, 𝜎𝜎 2 ), si su función de densidad es
1 1 𝑥𝑥−𝜇𝜇 2
− � �
𝑒𝑒 2 𝜎𝜎 , 𝑥𝑥 ∈ ℝ, 𝜇𝜇 ∈ ℝ, 𝜎𝜎 > 0
𝑓𝑓(𝑥𝑥) = �𝜎𝜎√2𝜋𝜋
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
𝟏𝟏
𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 = 𝝁𝝁 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 = 𝝈𝝈𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝒆𝒆𝒖𝒖𝒖𝒖 + 𝟐𝟐 𝒕𝒕
𝟐𝟐 𝝈𝝈𝟐𝟐
y
0.600
0.550
0.500
0.450
0.400
0.350
0.300
0.250
0.200
0.150
0.100
0.050
x
−0.5 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
0 050
Figura 6: Función de densidad de probabilidad para una variable aleatoria contínua Normal con
parámetro 𝜇𝜇 = 3 y 𝜎𝜎 2 = 1.5
Fernando Tenesaca 6
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Definición.- Se dice que una variable aleatoria contínua Z tiene una distribución de probabilidad
Normal Estándar de parámetros 𝜇𝜇 = 0 y 𝜎𝜎 2 = 1, denotado por 𝑍𝑍~𝑁𝑁(0,1), si su
función de densidad es
1 1
(𝑧𝑧)2
𝑒𝑒 −2 , 𝑧𝑧 ∈ ℝ
𝑓𝑓(𝑧𝑧) = �√2𝜋𝜋
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
𝟏𝟏 𝟐𝟐
𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 = 𝟎𝟎 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 = 𝟏𝟏 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝒆𝒆 𝟐𝟐 𝒕𝒕
0.60
0.50
0.40
0.30
0.20
0.10
Figura 7: Función de densidad de probabilidad para una variable aleatoria contínua Normal Estándar
con parámetro 𝜇𝜇 = 0 y 𝜎𝜎 2 = 1
Fernando Tenesaca 7
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Beta.
Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad Beta de
parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~𝛽𝛽(𝛼𝛼, 𝛽𝛽), si su función de densidad es
𝑥𝑥 𝛼𝛼 −1 (1 − 𝑥𝑥)𝛽𝛽 −1
, 0 ≤ 𝑥𝑥 ≤ 1; 𝛼𝛼 > 0, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = � 𝛽𝛽(𝛼𝛼, 𝛽𝛽)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1
Γ(𝛼𝛼)Γ(𝛽𝛽)
𝛽𝛽(𝛼𝛼, 𝛽𝛽) = � 𝑡𝑡 𝛼𝛼−1 (1 − 𝑡𝑡)𝛽𝛽 −1 𝑑𝑑𝑑𝑑 =
0 Γ(𝛼𝛼 + 𝛽𝛽)
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
𝜶𝜶 𝜶𝜶𝜶𝜶
𝝁𝝁 = 𝝈𝝈𝟐𝟐 = 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝑭𝑭(𝜶𝜶, 𝜷𝜷, 𝒕𝒕)
𝜶𝜶 + 𝜷𝜷 (𝜶𝜶 + 𝜷𝜷 + 𝟏𝟏)(𝜶𝜶 + 𝜷𝜷)𝟐𝟐
y
6.0
5.0
4.0
3.0
2.0
1.0
Figura 8: Función de densidad de probabilidad para una variable aleatoria contínua Beta con
parámetros 𝛼𝛼 = 0.5 𝑦𝑦 𝛽𝛽 = 0.5
Fernando Tenesaca 8
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución T de Student.
Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad T de
Student de parámetro 𝜈𝜈 (grados de libertad), denotado por 𝑋𝑋~𝑇𝑇(𝜈𝜈), si su función de
densidad es
⎧ 1 Γ �𝜈𝜈 + 1�
(𝜈𝜈 +1)
2 − 2
⎪ 2 𝑥𝑥
�1 + � , 𝑥𝑥 ∈ ℝ; 𝜈𝜈 ∈ ℕ
𝑓𝑓(𝑥𝑥) = √𝜋𝜋𝜈𝜈 Γ �𝜈𝜈 � 𝜈𝜈
⎨ 2
⎪ 0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
⎩
𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷
𝝂𝝂
𝝁𝝁 = 𝟎𝟎 , 𝝂𝝂 ≥ 𝟐𝟐 𝝈𝝈𝟐𝟐 = , 𝝂𝝂 ≥ 𝟑𝟑 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝑵𝑵𝒐𝒐 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆 𝒅𝒅𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆
𝝂𝝂 − 𝟐𝟐
Fernando Tenesaca 9