1.6 Clase Modelos Continuos PDF

04/10/2016
PROBABILIDAD
Y ESTADÍSTICA
COMERIAL
HUMBERTO VILLALOBOS TORRES
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA
D E P ART A M E NT O D E M A T E M Á T I C A S
04/10/2016
Distribución Exponencial
DEFINICIÓN 15: Considere una variable aleatoria
Continua, tal que su función de densidad de
probabilidad, sea expresada por:
1  x
f ( x / θ ) = exp −  , x > 0, θ >0
θ  θ
X ∼ exp(1/θ). ⇒ „[X] = θ; •[X] = θ 2

Elaborado por: Humberto Villalobos Torres
04/10/2016
Su función de Distribución es explicita y permite
determinar cualquier probabilidad y cuantil asociado a
esta distribución:
Función de Distribución (x > 0)
x
FX(x) = [X ≤ x] = ∫ fT (t )dt = 1 – exp{- x/θ}
0
Determinación de Cuantiles
Pj ≈ FX(j) ⇒ 1 – exp{- x/θ} = j

x = ln((1 – j)-θ)
04/10/2016
APLICACIÓN 20: Suponga que la duración de cierto
componente electrónico, en horas, es una variable
aleatoria definida por T. Se piensa que la función que
modela adecuadamente la duración del componente,
en horas, está dada por:
fT (t) = β exp {– β t} ˆ[0; ∞[ (t),
Calcule la probabilidad de que la duración del componente,

sobrepase su duración esperada.
[T > β-1] = exp {-1} = 0,3679 (SIEMPRE)

04/10/2016
Posee una estrecha relación con la distribución Poisson:
N(t): Número de eventos en el intervalo (0, t)
Tiempo hasta la ocurrencia del primer evento.
T
Tiempo entre eventos
T ∼ exp(-)

04/10/2016
APLICACIÓN 21: En una planta industrial de cátodos de
cobre, se han dado cuenta que el chancador es un elemento
de vital importancia para la fabricación de éstos. Así, por
estadísticas del equipo, se ha encontrado que posee un tiempo
promedio entre fallas de 100 [días]. Por condiciones del
proceso de fabricación del chancador, producto del desgaste
de las partes interiores, el chancador debe funcionar a
intervalos de 250 [días]. Si se puede suponer que el tiempo
de vida del chancador, se encuentra modelada por una
distribución exponencial. Determine el valor esperado de
fallas que ocurre en un intervalo de tiempo:
T: Tiempo de vida del chancador [días]. T ∼ exp(0,01)
N(t) : Número de fallas en intervalos de t días de
funcionamiento
„[N(250)] = 250 × 0,01 = 2,5 [fallas/int. de funcionamiento]
04/10/2016
cobre, se han dado cuenta … ¿Cuál es la probabilidad que
tenga que esperar menos de 200 [horas] para la ocurrencia
de alguna falla?
[T < 200/24] = 1 – [T > 200/24]
= 1 – [N(200/24) = 0] = 0,07996
¿Cuál es la probabilidad que en al menos 7 de 10 intervalos

no ocurran más de dos fallas?
Y: Número de Intervalos en que no ocurran más de dos
fallas. Y ∼ B(10; p)
p = [N(250) ≤ 2] = 0,5438 ≈ 0,55 ⇒ [Y ≥ 7] = 0,266
04/10/2016
Familia Gamma
La distribución Gamma se presenta en múltiples formas,
dependiendo de dos parámetros: λ, denominado parámetro de
escala; y η, denominado parámetro de forma. Su función de
densidad es:
η η −1
θ x
f X ( x / η ,θ ) = exp{−θ x}, x>0
Γ(η )
donde: „[X] = η ) -1; •[X] = η ) -2 (η > 0, ) > 0)
La distribución Gamma es un modelo muy popular en

aplicaciones de ingeniería de: Teoría de colas ó líneas de
espera, Confiabilidad, Energía Eólica, Hidrología, etc.

04/10/2016
Familia Gamma
Las formas asociadas a esta distribución van desde
distribuciones asimétricas positivas hasta distribuciones
completamente simétricas.

04/10/2016
Familia Gamma
Sufunción de Distribución es no es explicita, salvo
cuando su parámetro de forma es un natural, lo cual
permite determinar cualquier probabilidad a través
de una distribución de Poisson de forma exacta:
η −1
exp{−θ x}(θ x) j
FX(x) = [X ≤ x] = 1 – ∑
j =0 j!
= 1 – [N(x) ≤ η – 1]

04/10/2016
Familia Gamma
La relación que existe en el calculo de probabilidades
antes señalada, se debe a:
N(t): Número de eventos en el intervalo (0, t)
Tiempo hasta la ocurrencia del primer evento.
T
Tiempo entre eventos
Ti ∼ exp(-) ⇒ Σ Ti ∼ G(η; -)
04/10/2016
Familia Gamma
cobre, se han dado cuenta … ¿Cuál es la probabilidad
que tenga que esperar al menos de 200 [días] para la
ocurrencia de la quinta falla?
T: Tiempo de vida del chancador hasta que ocurra la
quinta falla [días]. T ∼ G(5; 0,01)
[T > 200] = [N(200) ≤ 4] = 0,9473
200
0, 015 4
=1–
∫ Γ(5)
t exp{−0, 01 t}dt
0
Naturalmente, el desarrollo de la integral es más complejo.
04/10/2016
Familia Weibull
La distribución Weibull, al igual que la Gamma se
presenta en múltiples formas, dependiendo de dos parámetros:
λ, denominado parámetro de escala; y α, denominado
parámetro de forma. Su función de densidad es:
f X ( x / α , λ ) = αλ α xα −1exp{−(λ x)α }, x>0

1  1
donde: „[X] = Γ 1 + 
λ  α
1   2    1 
2
•[X] =
2
Γ 1 +  −  Γ 1 +   
λ   α    α   
04/10/2016
Familia Weibull
Las formas asociadas a esta distribución van desde
distribuciones asimétricas hasta distribuciones
completamente simétricas, al igual que la distribución
Gamma, solamente que la Weibull decae rápidamente.

04/10/2016
Familia Weibull
esta distribución:
x
FX(x) = [X ≤ x] = ∫ f T (t )dt = 1 – exp{–(-x)α}
0
Pj ≈ FX(j) ⇒ 1 – exp{–(-x)α} = j
x = --1 (ln((1 – j)-1))1/α
04/10/2016
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de
un año para su producto. Si el producto llega a fallar
durante ese período, se reemplaza. El tiempo (años)
hasta la falla se modela aceptablemente con la f.d.p. dada
por:
t  t 2
fT (t ) = exp −  , t >0
8  16 
¿Qué porcentaje de productos se espera usen la garantía?
T ∼ W(α = 2; - = 0,25)
[T ≤ 1] = 1 – exp{–(0,25×1)2} = 0,0606 ≈ 6%

04/10/2016
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de
un año para …. El costo de producción de un artículo es de
$500 (dólares), y la utilidad por venta de una unidad es de
$250 (dólares). ¿Cuál es el efecto sobre las utilidades
esperadas en la fabricación de 100 productos, que provocan
las reposiciones debido al uso de la garantía?
 250 , T >1
Y(T) : Utilidad del producto 
−250 , T ≤1
„[Y(T)] = 250 [T > 1] – 250 [T ≤ 1] = 220 [dólares]
Utilidad esperada de 100 productos :
220 × 100 = 22.000 dólares
⇒ Efecto Neto 3.000 dólares
04/10/2016
Familia Weibull
APLICACIÓN 22: Un fabricante ofrece una garantía de un
año para …. ¿Cuál es la probabilidad de que de 20
productos fabricadas fallen no más de 3?
Y : Número de productos que fallan de los 20.
⇒ Y ∼ B(20; 0,06)
[Y ≤ 3] = 0,9710
¿Cuántos años se requieren como garantía tal que se satisfaga

la garantía en el 90% de las veces?
[T > t] = 0,90 ⇒ t = 0,25-1 (ln((1 – 0,1 )-1))1/2
t = 1,30 [años]

04/10/2016
Familia Uniforme
La distribución Uniforme. Es un caso particular de la
distribución Beta, cuando sus parámetros de forma
toman los valores ! = β = 1, en donde se tiene:
1
f X ( x) = I (b − a ) ( x )
b−a
2
b+a (b − a )
donde: „[X] = ; •[X] =
2 12
04/10/2016
Familia Uniforme
esta distribución:
Función de Distribución (x > a)
x
x−a
FX(x) = [X ≤ x] = ∫ f T (t )dt =
b−a
a
x−a
Pj ≈ FX(j) ⇒ =j
b−a
x = j (b – a) + a
04/10/2016
Familia Normal
La distribución Normal, es absolutamente simétrica, que
depende de dos parámetros: µ, denominado parámetro de
localización; y σ, denominado parámetro de escala. Su
función de densidad es:
1  2
 1 x−µ  
f X ( x) = exp −   , x∈ℝ
2π σ  2  σ  
donde: „[X] = µ; •[X] = σ 2.

04/10/2016
Familia Normal
Su función de distribución es no es explicita, sin
embargo, mediante una transformación, llamada
estandarización, permite determinar cualquier
probabilidad y cuantil asociada a una distribución
normal, es decir:
X ∼ N(µ, σ2), entonces:
X −µ
Z=
σ
Z ∼ N(0, 1),cuyas probabilidades están tabuladas o
se encuentran disponible en calculadoras o excel.
04/10/2016
Familia Normal
Se establecen probabilidades en torno a la distancia
de la media con su desviación estándar, de gran
aplicación en control de procesos.
0,6827
0,9545
0,9973

04/10/2016
Distribución Normal
APLICACIÓN 23: El diámetro de un eje metálico empleado
en la unidad de disco de una computadora se supone tiene
distribución normal. La media actual del proceso de
fabricación de 0,1505 [plg.] y coeficiente de variación de
0,004. Se han determinado los límites de especificación para
el diámetro del eje como 0,1500 … 0,0015 [plg.]. Calcule la
fracción de ejes producidos que cumplen con las
especificaciones.
X: Diámetro de un eje metálico [plg.]
X ∼ N (0,1505, σ2);CV = 0,004
⇔ σ = 0,004 µ ⇒ σ = 0,000602
[X < 0,1485] = [Z ≤ -3,32] = 0,0005
[X < 0,1515] = [Z ≤ 1,66] = 0,9515 0,9510

04/10/2016
Familia Normal
APLICACIÓN 24: Las bandas de plástico que se utilizan en
un dispositivo electrónico para detección, se fabrican de
manera que satisfagan una especificación de valor máximo de
305,28 mm. y una especificación mínima de 304,55 mm. Si la
dimensión de las bandas es menor que la especificación
mínima, se desechan, si son más grandes que el máximo, se
reelaboran. Se ha probado que las dimensiones de estas piezas
están distribuidas normalmente con una desviación estándar
de 0,25 mm. y que sólo el 5% de las bandas se desechan.
¿Cuál es el tamaño medio de las bandas de plástico?.
X: Dimensión de las bandas de plástico [en mm.]
⇒ X ∼ N (µ, (0,25)2)
[X < 304,55] = 0,05 Estandarizar es la clave
04/10/2016
Familia Normal
APLICACIÓN 24: Las bandas de plástico que se utilizan en
un dispositivo electrónico … ¿Cuál es el tamaño medio de las
bandas de plástico?.
X: Dimensión de las … ⇒ X ∼ N (µ, (0,25)2)
[X < 304,55] = 0,05
 304,55 − µ  304,55 − µ
P Z ≤  = 0, 05 = −1, 645
 0, 25  0,25
µ = 304,96 [mm]
¿Qué porcentaje de bandas se reelabora?
[X > 305,28] = 1 – [Z ≤ 1,28] = 0,1003
04/10/2016
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos,
para reparar una máquina automática de carga en una
operación de empaque de alimentos de un proceso de
producción, se encuentra bien ajustada por un modelo
normal, donde el 2,28% de las reparaciones tiene un
tiempo inferior a 112,00 minutos, mientras que un 5%
de las veces este tiempo es superior a 126,58 minutos.
X : Tiempo en reparación de
las máquinas [en minutos]
⇒ X∼ N(µ, σ2)
[X > 126,58] = 0,05
[X ≤ 112,00] = 0,0228
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos, ...
. Determine el tiempo medio en la reparación de la
máquina y su varianza.
 X − µ 112 − µ  112 − µ
P ≤  = 0, 0228 = −2, 00
 σ σ  σ
µ = 120 [min.]
 X − µ 126,58 − µ 
P ≤  = 0,95 σ = 4 [min.]
 σ σ 
126,58 − µ 112 − µ 126,58 − µ

= 1, 645 − =
σ 2 1, 645
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos, ... . Si
el proceso se interrumpe por más de 125 minutos, todo el
equipo debe ajustarse. ¿Cuál es la probabilidad que se
interrumpa más de 20 veces el proceso para encontrar
recién la tercera que el equipo deba ajustarse?.
Y: N° de veces que se inicia el proceso hasta encontrar
la tercera en que el equipo deba ser ajustado.
⇒ Y ∼ bN(3; p)
p = [ X > 125] = 1 – [Z ≤ 1,25] = 0,1056
125 − 120
4
[Y > 20] = [S20 ≤ 2] = 0,6769
S20 ∼ b(20; 0,10)
Familia Normal
APLICACIÓN 25: El tiempo requerido, en minutos,
... Si el costo de reparación de la máquina es CR
[US], y el costo adicional cuando debe ajustarse el
equipo es de $ 10.000 [US]. Calcule el costo total
esperado de reparación de una máquina.
C(X): Costo total en reparación …
CR X ≤ 125
C (X) 
10.000 + CR X > 125
„[C(X)] = CR [ X ≤ 125] + (10.000 + CR) [ X > 125]
= 0,8944 CR + 0,1056 (10.000 + CR)
= CR + 1.056
Familia Normal
APLICACIÓN 17: El tiempo requerido, en minutos, ...
. La Gerencia se compromete a un tiempo medio en
reparación de la máquina de 115 [minutos], es decir,
se tiene que X ∼ N(115; 42), utilizando más personal
de mantenimiento, lo que conlleva a que CR aumente
a CR’. ¿Cuál es el monto esperado máximo requerido
para aceptar este aumento de personal?.
„[C(X)] = CR’ [ X ≤ 125] + (10.000 + CR’) [ X > 125]
= CR’ [Z ≤ 2,5] + (10.000 + CR’) (1 – [Z ≤ 2,5])
„[C(X)] = 0,9938 CR’ + 0,0062 (10.000 + CR’) = CR’ + 62
⇒ CR’ + 62 < CR + 1.056 ⇒ CR’ – CR < 994
04/10/2016
Distribución Normal Bivariada

Un modelo probabilístico multivariado (bivariado)
comúnmente utilizado es el de la distribución
Normal, cuya función de densidad conjunta está dada
por:

04/10/2016

• Esta distribución puede tener múltiples formas
dependiendo de la relación lineal (ρ) que exista entre las
variables.
ρ = 0,50
ρ = 0,9
ρ = 0,1
04/10/2016

PROPIEDAD 6: Sea Vt = (X, Y) un vector normal
bivariado, entonces fX(x) y fY(y), son las distribuciones
marginales, cuya función de densidad es la de una
distribución Normal, es decir:
Este teorema es posible de visualizar a través de las

gráficas de las distribuciones conjuntas una vez
aplastadas éstas sobre los ejes respectivos.

04/10/2016

PROPIEDAD 7: Sea Vt = (X, Y) un vector normal
bivariado, entonces S = aX ± bY, una función lineal de
variables aleatorias normales, sigue un modelo normal
tal que:
2
S∼ N( µs ; σ s )
µs = E[S] = E[aX ∓ bY] = aE[X] ∓ bE[Y]
2
σs = V[S] = V[aX ∓ bY]
= a 2 V[X] + b 2 V[Y] ∓ 2abCOV (X; Y)

04/10/2016

Sea Vt = (X, Y) un vector aleatorio Normal bivariado.
Entonces, la función de probabilidad condicional de X,
se denota por f(x/ Y= y), se encuentra dada por:

04/10/2016

La distribución anterior establece que la distribución
condicional, en un vector normal, sigue un modelo
normal, cuya condición afecta solamente la media de la
variable como se observa e las siguientes gráficas:

04/10/2016

PROPIEDAD 8: En estas distribuciones la esperanza
condicional recibe el nombre del mejor predictor lineal
de la variable, ante el conocimiento de un valor
puntual de la otra:

•
04/10/2016
Aplicación Normal bivariada

APLICACIÓN 26: Un compulsivo inversionista desea utilizar
un monto significativo de dinero en la compra de una sola
acción, entre dos alternativas a su disposición. Sin embargo,
su criterio de decisión se basa en datos almacenados en su
computador, que por desgracia ha sido afectada por el virus
Nimda. Por fortuna, su compulsiva adicción a invertir en
acciones, le lleva a escribir datos en su agenda, de los cuales
ha recuperado una serie de antecedentes de las dos acciones.
Él ha estimado que la rentabilidad de estas acciones, en
porcentaje, es bien modelada por una distribución Normal
bivariada, donde:
σˆ xy = 16; Y/ X =6 = 3; X /Y =3 = 9;
σˆ x2 = 16; σˆ y2 = 64
04/10/2016

APLICACIÓN 26: Un compulsivo inversionista desea utilizar
un monto significativo de dinero … ¿En qué acción debe
invertir, si se basa en la rentabilidad media de la acción?.
¿Cuál propondría Ud. basándose y justificando su respuesta
en los antecedentes que se entregan?
σ xy 16
µ y / X =6 = µ y + (6 − µ x ) 3 = µ y + (6 − µ x )
σ y2 16
µ y = µx − 3
σ xy 16
µ x / Y =3 = µ x + (3 − µ y ) 9 = µ x + (3 − µ y )
σ x2 64
¿Y el riesgo? µ x = 10; µy = 7 µ y = 4µ x − 33

04/10/2016

APLICACIÓN 26: Un compulsivo inversionista desea
utilizar un monto significativo de dinero … ¿Cuál es la
probabilidad que la rentabilidad de la acción X supere
a la rentabilidad de la acción Y?
 −3 
[X > Y] = [X – Y > 0] = 1 − P  Z ≤ 
 48 
X – Y ∼ N(„[X – Y]; •[X – Y])
„[X – Y] = „[X] – „[Y]
= 1 – [Z ≤ – 0,4330]
= 10 – 7 = 3
•[X – Y] = •[X] + •[Y] – = 1 – 0,3327 = 0,6673
2Cov(X; Y)
= 16 + 64 – 2 × 16 = 48
04/10/2016

APLICACIÓN 26: Un compulsivo inversionista desea
utilizar un monto significativo de dinero … ¿Si se sabe
que la rentabilidad de la acción de la empresa Y es de
19%. Determine la probabilidad que la rentabilidad de
la acción de X, tenga un rentabilidad menor a 16%.?
 16 − 13 
[X ≤ 16 / Y = 19] = P  Z ≤ 
16
 12 
µ x /Y =19 = 10 + × (19 − 7) = 13
64 = [Z ≤ 0,8660]
 162 
σ x2/Y =19 = 64 × 1 −  = 12 = 0,8068
 64 × 12 

04/10/2016
Distribución Normal p-variada

Elconcepto de la distribución Normal bivariada, puede
ser extendido al caso p-dimensional, recordando los
conceptos y medidas de estadística descriptiva
multivariada. Considérese las siguientes situaciones:
 X1   µ1   σ12 ⋯ σ1 p 
     
V= ⋮  µ = ⋮  Σ= ⋮ ⋱ ⋮ 

X   
   σ p1 ⋯ σ p 
2
 p  p×1   p×1
µ p   p× p
Entonces es posible que V ~ Np (µ; Σ)

04/10/2016
Aplicación Normal Trivariada

APLICACIÓN 27: Se plantea invertir una partida de $
100.000 US en tres fondos mutuos: el Fondo
Internacional, invierte en una variedad de acciones
internacionales; el Fondo Local, invierte en acciones del
mercado bursátil local chileno; y el Fondo de Bonos,
invierte en bonos corporativos de alto rendimiento. Con
base en experiencias pasadas se calculan los
rendimientos medios y matriz de varianza y covarianza
de estos fondos, que se muestran a continuación:

04/10/2016

APLICACIÓN 27: Se plantea invertir una … Determine
cuales son los tipos de fondos que se encuentra más
relacionados.
−0, 00114
ρLI = = –0,2003
 1, 00 
2
0, 009 × 0, 0036
 0, 000323

= 0,1966
ρ =  −0, 2003 1,0,00 ρIB =
2 009 × 0, 0003

−0,000102 
ρLB = 0,1966
 × 0, 0036
2 0, 0003
= − 0,
–0,0982 0982 1, 00 

04/10/2016

APLICACIÓN 27: Se plantea invertir una … Una empresa
consultora, Wurtt Ltda., propone invertir en un porfolio el
cuál distribuye los ingresos en: 20% en el fondo
internacional, 60% en el fondo local y el resto en el fondo
de bonos. Determine la distribución, media y varianza de
este porfolio.
W = 0,2 I + 0,6 L + 0,2 B
W ∼ N(„[0,2I + 0,6L + 0,2B]; •[0,2I + 0,6L + 0,2B])
„[0,2I + 0,6L + 0,2B] = 0,2„[I] + 0,6„[L] + 0,2„[B]
= 0,215 + 0,612 + 0,27 = 11,60
•[0,2I + 0,6L + 0,2B] = 0,22•[I] + 0,62•[L] + 0,22•[B] +
2 0,2 0,6 Cov(I; L) + …
04/10/2016

APLICACIÓN 27: Se plantea invertir una … Suponga Ud.
que tiene acceso a información privilegiada, la cuál
asegura que el rendimiento del fondo internacional será de
6%. ¿Cuál es la probabilidad que el fondo local tenga un
rendimiento menor que 13,16%?
-0, 00114
XL / XI = 6 ∼ N(12 + (6 – 15);
0, 009
0,0036(1 – (–0,2003)2))
XL / XI = 6 ∼ N(13,14; 0,003456)
[XL / XI = 6 ≤ 13,16] = [Z ≤ 0,340] = 0,6631


1.6 Clase Modelos Continuos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1.6 Clase Modelos Continuos PDF

Cargado por

Copyright:

Formatos disponibles

04/10/2016

X ∼ exp(1/θ). ⇒ „[X] = θ; •[X] = θ 2

Pj ≈ FX(j) ⇒ 1 – exp{- x/θ} = j

fT (t) = β exp {– β t} ˆ[0; ∞[ (t),

Calcule la probabilidad de que la duración del componente,

[T > β-1] = exp {-1} = 0,3679 (SIEMPRE)

Elaborado por: Humberto Villalobos Torres

Elaborado por: Humberto Villalobos Torres

¿Cuál es la probabilidad que en al menos 7 de 10 intervalos

La distribución Gamma es un modelo muy popular en

Elaborado por: Humberto Villalobos Torres

Elaborado por: Humberto Villalobos Torres

Elaborado por: Humberto Villalobos Torres

f X ( x / α , λ ) = αλ α xα −1exp{−(λ x)α }, x>0

Elaborado por: Humberto Villalobos Torres

Elaborado por: Humberto Villalobos Torres

¿Cuántos años se requieren como garantía tal que se satisfaga

[T > t] = 0,90 ⇒ t = 0,25-1 (ln((1 – 0,1 )-1))1/2

Elaborado por: Humberto Villalobos Torres

donde: „[X] = µ; •[X] = σ 2.

Elaborado por: Humberto Villalobos Torres

Elaborado por: Humberto Villalobos Torres

126,58 − µ 112 − µ 126,58 − µ

Distribución Normal Bivariada

Elaborado por: Humberto Villalobos Torres

Distribución Normal Bivariada

Distribución Normal Bivariada

Este teorema es posible de visualizar a través de las

Elaborado por: Humberto Villalobos Torres

Distribución Normal Bivariada

= a 2 V[X] + b 2 V[Y] ∓ 2abCOV (X; Y)

Distribución Normal Bivariada

Elaborado por: Humberto Villalobos Torres

Distribución Normal Bivariada

Elaborado por: Humberto Villalobos Torres

Distribución Normal Bivariada

Elaborado por: Humberto Villalobos Torres

Aplicación Normal bivariada

Aplicación Normal bivariada

Elaborado por: Humberto Villalobos Torres

Aplicación Normal bivariada

Aplicación Normal bivariada

Elaborado por: Humberto Villalobos Torres

Distribución Normal p-variada

Entonces es posible que V ~ Np (µ; Σ)

Aplicación Normal Trivariada

Elaborado por: Humberto Villalobos Torres

Aplicación Normal Trivariada

Elaborado por: Humberto Villalobos Torres

Aplicación Normal Trivariada

Aplicación Normal Trivariada

[XL / XI = 6 ≤ 13,16] = [Z ≤ 0,340] = 0,6631

También podría gustarte

[T > β-1] = exp {-1} = 0,3679 (SIEMPRE)

[T > t] = 0,90 ⇒ t = 0,25-1 (ln((1 – 0,1 )-1))1/2

[XL / XI = 6 ≤ 13,16] = [Z ≤ 0,340] = 0,6631