Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Función de densidad de
una variable aleatoria
continúa.
Función de distribución de Sea X una variable aleatoria continua con función de densidad f(x),
una variable aleatoria se define la función de distribución, F(x), como:
continua 𝑓(𝑐) = [𝑥 ≤ 𝑋] =
Decimos que una variable aleatoria continua X tiene distribución Ejemplo. Suponga que el tiempo en minutos
que un usuario cualquiera permanece
revisando su correo electrónico sigue una
Distribución exponencial
distribución exponencial de parámetro λ =
1/5. Calcule la probabilidad de que un usuario
cualquiera permanezca conectado al servidor
de correo a) menos de un minuto. b) más de
un ahora.
exponencial con parámetro λ ą 0, y escribimos X „ expλq, cuando su Solución: Para el primer inciso tenemos que
función de densidad es: 1
P(X < 1) = ∫0 1/5 e − x/5 dx = 0.181 .
∞
Para el segundo inciso, P(X > 60)= ∫60 1/5 e −
La grafica de esta función cuando el parámetro λ toma el valor x/5 dx = .0000061
particular 3 se muestra en la Figura 3.12(a). La correspondiente
función de distribución aparece a su derecha. Es muy sencillo
verificar que la función f(x) arriba definida es efectivamente una
función de densidad para cualquier valor del parámetro λ>0.
Aplicando el método de integración por partes puede también E(x) =
1/ƛ, y Var(x) = 1/ƛ2. Esta distribución se usa para modelar tiempos de
espera para la ocurrencia de un cierto evento (Rincón, 2013)
Es el modelo de distribución más utilizado en la práctica, ya que A partir de (1.4) compruebe que E(Z) = 0 y
multitud de fenómenos se comportan según una distribución Var(Z) = 1. La proposición anterior parece muy
normal. Esta distribución de caracteriza porque los valores se modesta pero tiene una gran importancia
distribuyen formando una campana de Gauss, en torno a un valor operacional pues establece que el cálculo de
central que coincide las probabilidades de una variable aleatoria
Distribución normal con el valor medio de normal cualquiera se reduce al cálculo de las
la distribución: probabilidades para la normal estándar.
Explicaremos esta situación con más detalle.
Suponga que X es una variable
aleatoria con distribución N(μ, σ2), y que
deseamos calcular, por ejemplo,
P(a < X < b), para a < b números dados.
Tenemos entonces que:
P( a < X < b ) = P( a − μ < X − μ < b − μ )
BIBLIOGRAFIA.