Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
Departamento de Estadı́stica
Universidad de Concepción
Contenidos
1 Modelos probabilı́sticos
Modelos de probabilidad continuos
Modelo Uniforme:
X es una variable aleatoria Uniforme en (a, b) si su función de
densidad está dada por:
1
b−a si a < x < b
fX (x) = ,
0 si e.o.c
Modelo Uniforme:
La función de dencidad acumulada está dada por:
0 si e.o.c
x−a
FX (x) = P(X ≤ x) = si a ≤ x <b ,
b−a
1 si b≤x
Ejemplo:
Si el tamaño (en metros) de las casas en un determinado pueblo se
distribuye U(2, 3)
1 Cuál es la probabilidad que una casa del pueblo mida entre 2.5 y
2.7 metros?
Sea X: Tamaño (en metros) de las casas en un determinado
pueblo.
Tenemos que X ∼ U(2, 3),
R 2.7 1
Se pide P(2.5 < X < 2.7) = 2.5 3−2 = 0.2. O bien
P(2.5 < X < 2.7) = FX (2.7) − FX (2.5) = 2.7−2 2.5−2
3−2 − 3−2 = 0.2.
Modelo Exponencial:
X es una variable aleatoria Exponencial con parámetro λ > 0
conocido, si su función de densidad está dada por:
λe−λx si x > 0
fX (x) = ,
0 si e.o.c
Su notación es X ∼ Exp(λ).
De la función de densidad de probabilidad se obtiene.
E(x) = λ1 .
1
Var (x) = λ2
.
λ
MX (t) = λ−t si t < λ
Modelo Exponencial:
La función de densidad acumulada está dada por:
0 si e.o.c
FX (x) = P(X ≤ x) = ,
1 − e−λx si x ≥ 0
Notas
La dist. exponencial se usa comúnmente cuando la v.a. X
denota el tiempo que transcurre hasta que ocurra un evento.
El valor de λ se conoce como tasa y tiene el mismo significado
que el parámetro λ descrito en el modelo Poisson.
Ejemplo:
En chile se suben, en promedio, 2 fotos por segundo a Instagram.
Con este antecedente responda:
1 Cuál es la probabilidad que en un lapso de 1 segundo NO se
suban fotos?
Sea X: Tiempo (en segundos) que transcurre hasta que se sube
una foto a Instagram.
Luego, X ∼ Exp(2). Se pide
P(X > 1) = 1 − FX (1) = e−2×1 = 0.1353353. (La misma
pregunta y el mismo resultado que el modelo Poisson pero
enfocado desde esta otra distribución).
2 Cuál es la probabilidad que antes de 2 segundos se suban fotos?
Se pide P(X < 2) = FX (2) = 1 − e−2×2 = 0.9816844
Modelo Normal:
X es una variable aleatoria Normal con parámetro (µ, σ 2 ), si su
función de densidad está dada por:
√ 1 exp{− 12 [ x−µ 2
fX (x) = 2πσ 2 σ ] } si −∞ < x < +∞
,
0 si e.o.c
Con (µ ∈ <, σ > 0)
Su notación es X ∼ N(µ, σ 2 ).
De la función de densidad de probabilidad se obtiene.
E(x) = µ.
Var (x) = σ 2
MX (t) = exp{µt + 12 σ 2 t 2 }
Si Z ∼ N(0, 1) y
1 P(Z ≤ z) = 0.5948 ⇒ z =?. Soln: z = 0.24.
2 P(Z > z) = 0.0104 ⇒ z =?.
Soln: P(Z > z) = 1 − P(Z ≤ z) = 0.0104 ⇔ Φ(z) = 0.9896
⇔ z = 2.31.
3 P(−1.04 < Z ≤ z) = 0.8264 ⇒ z =?.
Soln:
P(−1.04 < Z ≤ z) = Φ(z) − Φ(−1.04) = Φ(z) − (1 − Φ(1.04)) =
Φ(z) − (1 − 0.8508) = 0.8264 ⇔ Φ(z) = 0.9756 ⇔ z = 1.97.
(Jorge Figueroa Z)