Está en la página 1de 14

Variables aleatorias continuas y

distribuciones de probabilidad
Variables aleatorias continuas
• Cuando las v.a. son continuas, las distribuciones de
probabilidad asociadas son modelos matemáticos
que dan lugar a curvas, por lo tanto, las
probabilidades son áreas bajo las curvas.
• Algunas distribuciones continuas son:
- Normal o Gauss.
- T de Student.
- Chi cuadrada.
- F de Snedecor.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
CARACTERÍSTICAS
- La mediana, moda y el promedio coinciden en su valor.
- Presenta condiciones de simetría.
- Esta distribución describe una gran cantidad de fenómenos
en distintos campos, ejemplo:
- Caracteres morfológicos de individuos: talla, peso, etc.
- Caracteres sociológicos: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen, etc.
- Caracteres psicológicos: cociente intelectual, grado de
adaptación a un medio.
- - Errores cometidos al medir ciertas magnitudes.
,:

DISTRIBUCIÓN NORMAL

DEFINICIÓN: Una variable aleatoria continua X, se dice que está


distribuida normalmente con media  (- <  < ) y 2  0
si su función
de densidad de probabilidad f (x) es:
- < x < 
1 x  2
1   
  = 3.1415
f ( x)  e 2 
 e = 2.7182
 2
NOTACIÓN: X  N (  , 2 )

PARÁMETROS : Tiene dos parámetros: la media  y la varianza


2
Existen infinito número de distribuciones normales por lo que
existe necesidad de estandarizar.
,:

DISTRIBUCIÓN NORMAL ESTANDAR •

• DEFINICIÓN: Si Z es una variable aleatoria que tiene distribución


normal, con media  = 0 y varianza 2 = 1, entonces Z se llama
variable aleatoria normal estándar, cuya función de densidad es:

z
2
f ( z ) 1
2
e 2
,   z 

𝑋−𝜇
𝑍=
𝜎
CARACTERÍSTICAS DE LA DISTRIBUCIÓN
,:

NORMAL Y NORMAL ESTANDAR ,

- Describe el comportamiento de
variables continuas que tienen altas
frecuencias en los valores centrales
y bajas frecuencias en los
extremos.
- Ambas distribuciones son
simétricas.
- Media, mediana y moda coinciden.
- Es asintótica con respecto al eje X.
DISTRIBUCIÓN NORMAL ESTANDAR

CARACTERÍSTICAS
Esta distribución describe una gran cantidad de
fenómenos en distintos campos, ejemplo:
- Caracteres morfológicos de individuos: talla, peso, etc.
- Caracteres sociológicos: consumo de cierto producto
por un mismo grupo de individuos, puntuaciones de
examen, etc.
- Caracteres psicológicos: cociente intelectual, grado de
adaptación a un medio.
- - Errores cometidos al medir ciertas magnitudes.
DISTRIBUCIÓN CHI CUADRADO
,

DEFINICIÓN DE GRADOS DE LIBERTAD


Parámetro asociado con la distribución de probabilidad.
Es el número de elementos que pueden escogerse libremente, el
número de variables que pueden variar libremente, aquí la
independencia es funcional y no estadístico

DEFINICIÓN CHI CUADRADO


Es una variable aleatoria y estadígrafo de contraste.
n  x 
2
n
 
 2  z12  z 22 ..........  z n2  zi2     
i 1 i 1
DISTRIBUCIÓN CHI CUADRADO
,

CARACTERÍSTICAS
• Es una familia de distribuciones, cada
una diferente para cada uno de los
valores de los grados de libertad. Cuando
x−μ 2 2
n=1, tenemos ~χ (1)
σ2
• - Son asimétricas positivas; sin embargo
a medida que los grados de libertad
aumentan, la chi - cuadrado se aproxima
a una distribución normal (n ≥ 30)
DISTRIBUCIÓN CHI CUADRADO
,

CARACTERÍSTICAS
• La distribución Chi cuadrado no tiene
valores negativos, siendo el valor
mínimo “cero”.
• La distribución es unimodal y
continua.
Valor esperado 𝐸 𝑋 = 𝑛
Varianza V [X]=2n
UTILIDAD:
- Prueba de asociación entre variables.
- Prueba de bondad de ajuste.
DISTRIBUCIÓN T DE STUDENT
,

CARACTERÍSTICAS la distribución normal.


• Hay una distribución T para cada
grado de libertad (r)
• La distribución toma valores
- , . Alrededor de T = 0, la
distribución es simétrica.
• Cuando r > 30, la distribución t se
aproxima a una N (0 , 1).
• Tiene mayor dispersión que la
distribución normal estándar.

• El levantamiento de la curva de la
distribución t es menor que el de
DISTRIBUCIÓN T DE STUDENT
,

VALOR ESPERADO muestra es menor que 30.


E(X) = 0 , r >1 • En pruebas estadísticas en
donde la muestra aleatoria es
VARIANZA pequeña y la varianza
poblacional desconocida.
r • La variable aleatoria
V ( x)  , r 2
r2

APLICACIONES  x   n
~t ( n1)
• Para hallar intervalos de s
confianza para la media
poblacional cuando la varianza
poblacional no se conoce y la
DISTRIBUCIÓN F DE SNEDECOR
,

CARACTERÍSTICAS • Valor esperado


• F depende de dos parámetros
r1 y r2 (r1: g.l. del
numerador, r2 g.l. del•
denominador), por lo que• Varianza:
existe una distribución F
diferente.

• F es una distribución continua


asimétrica positiva.
DISTRIBUCIÓN F DE SNEDECOR
,

APLICACIONES
Se utiliza para comparar las
varianzas de dos
variables aleatorias
independientes distribuidas
normalmente.
NOTA:

También podría gustarte