Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 Distribuciones Continuas 2022
5 Distribuciones Continuas 2022
VARIABLE
ALEATORIA
a b
CONTINUA
Variable aleatoria continua
f: RX R
Función Uniforme o Constante
La hemos visto….
1
a xb
f ( x) = b − a
0 en otra parte
0 si xa
x−a
F ( x) = si a xb
b − a
1 si xb
Variables Aleatorias Continuas
Sea X una variable aleatoria continua. La función densidad de
probabilidad (pdf) es una función que satisface:
2.
f(x) dx = 1
El área TOTAL bajo la curva
Rx
vale 1
F(x) = P(X x)
Si
Si X es una v.a. Discreta Si X es una v.a. Continua
x
F(x) = S p(x ) i F(x) = p(x) dx
-
i xi x
1. F (−) = limF ( xi ) = 0
xi →−
2. F (+) = limF ( xi ) = 1
xi →+
4. 0 F ( xi ) 1
5. F (a X b) = F (b) − F (a)
Esperanza matemática
μ= xf ( x)dx (Distribución continua)
−
Varianza
2 = ( x − )2
f ( x )dx (Distribución continua)
−
Distribución normal
Sin duda la distribución continua de
probabilidad más importante, por la
Pierre Simon de Laplace frecuencia con que se encuentra y por sus
(1749-1827)
aplicaciones teóricas, es la distribución
normal, gaussiana o de Laplace-Gauss.
Notación: X N( ; 2 )
1 x− 2
1 −
2
f ( x) = e ,xR
2
La curva normal adopta un número infinito de formas, determinadas por
sus parámetros μ y σ2.
E X = V X = 2
Características de la distribución Normal
• Tiene forma de campana, es asintótica al eje de las abscisas (para x = )
− +
- +
, Mo, Mna
Curvas normales con distintas medias y
desviaciones estándar
=5 =5
= 10
N(0;1)
N(0;2)
N(0;4)
• la varianza como un
factor de escala, grado
de dispersión…
( x − μ) 2
1 −
f ( x) = e 2σ2
σ 2π
Para obtener la función de distribución F(x)
deberíamos integrar la función de densidad
de probabilidad:
x ( v −μ) 2
1 − De modo que la probabilidad de una
F ( x) =
σ 2π e
−
2σ 2
dv variable aleatoria normal X en un intervalo
a x b es:
b ( v −μ) 2
1 −
P(a X b) = F (b) − F (a) =
σ 2π a
e 2σ 2
dv
( v −μ) 2
En particular: 1 −
σ 2π e
−
2σ 2
dv = 1
¡No podemos calcular analíticamente el valor de la integral!
F(x) está tabulada...
¿Cómo calcular probabilidades asociadas a una curva
normal específica?
Dado que tanto como pueden asumir infinitos valores lo que hace
impracticable tabular las probabilidades para todas las posibles
distribuciones normales, se utiliza la distribución normal reducida o
tipificada o estandarizada.
Nos permite así comparar entre dos valores de dos distribuciones normales
diferentes, para saber cuál de los dos es más extremo.
La nueva variable z se distribuye como una NORMAL con
media = 0 y varianza 2 = 1
En cualquier distribución normal las probabilidades delimitadas entre la
media y…
= 68 %
2 = 95 %
3 = 99,7 %
68%
95%
99,7% z
-3 -2 -1 0 1 2 3
Aplicación para celular (Apps) a descargar
Uso de la tabla de distribución Normal
Esta tabla tiene dos carillas, una de ellas para valores de la variable z,
positivos y otra para valores de z negativos. En el borde de la tabla se
encuentran los valores de z y dentro de la tabla los valores de probabilidad.
La gráfica que se señala indica que las probabilidades se acumulan de
izquierda a derecha.
Observamos aquí la
2da hoja, con los
valores de variable
positivos. La 1er
columna tiene los
valores de z con el un
valor entero y un
decimal, el segundo
decimal se busca en
la 1er fila.
Mirando la tabla para z=1,24 la probabilidad es 0,8925.
Uso de la tabla de distribución Normal
Si se busca un valor de probabilidad, se debe buscar dentro de la tabla el valor
más cercano. Ej: Si se quiere saber a que valor de z, corresponde una
probabilidad de 0,85 acumulada de izquierda a derecha
X=8 xA − A 8 − 6
N(6;1) zA = = =2
A 1
X=80 xB − B 80 − 70
N(70;100) zB = = =1
B 10
X − 115 − 140
Cuando X=115 Z= = = −1.25
20
X − 150 − 140
Cuando X=150 Z= = = 0.50
20
Es decir que la probabilidad de que una persona elegida al azar tenga un peso
entre 115 y 150 libras en una población con µ=140 y σ =20 es de 0,5859
Distribuciones Continuas Especiales
Chi-cuadrado de Pearson con n grados de libertad:
= X + X + + X
2
n
2
1
2
2
2
n
es asimétrica
0,06
positiva
0,04 Media: n
0,02 Varianza: 2n
0
0 10 20 30 40
x
2 2
Teorema de la partición de Chi-Cuadrado: 𝜒𝑛2 = 𝑋𝑛−1 + 𝑋1𝑔𝑙
Chi cuadrado
Tiene un sólo parámetro
denominado grados de
libertad.
La función de densidad es
asimétrica positiva. Sólo
tienen densidad los valores
positivos.
La función de densidad se
hace más simétrica incluso
casi gausiana cuando aumenta
el número de grados de
libertad.
Normalmente consideraremos
anómalos aquellos valores de
la variable de la “cola de la
derecha”.
Distribución chi-cuadrado
Chi-Cuadrado Distribución
0,1 Grad. de libertad
13
0,08
densidad
0,06
0,04
0,02
0
0 10 20 30 40
x
Está tabulada
2
n , P(
2 2
) =
n n ,
Uso de la tabla de distribución Chi cuadrado
Hallar la probabilidad
P(26 >10,644)=1-P(26 ≤ 10,644)=
La tabla en la primer columna presenta los
Grados de libertad y en la primer fila la probabilidad.
2 (8; 0,05)
z z = N (0;1) Normal
tn =
n2 n2 Chi-cuadrado
n de n grados de
libertad
t de Student Distribución
0,4 Grad. de libertad
10
0,3
densidad
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
Es SIMÉTRICA respecto a X=0
Media: 0
Varianza: n/(n-2) (para n>2)
T de student
Tiene un parámetro denominado grados de libertad.
t de Student Distribución
0,4 Grad. de libertad
10
densidad 0,3
0,2
0,1
0
-6 -4 -2 0 2 4 6
x
/ n1
2
2 Chi-cuadrado con n1
Fn1 ,n2 =
n1 n1 grados de libertad
/ n2
2
n2
2
n2
Chi-cuadrado con n2
grados de libertad
0,4
0,2
0
0 1 2 3 4 5
x
F de Snedecor
Normalmente se
consideran valores
anómalos los de la
cola de la derecha.
F de Snedecor
0,4
0,2
0
0 1 2 3 4 5
x
Buscar
Buscar
F ( 2; 21) con =0,05
F ( 2; 21); =0,05=3,467
El uso de esta tabla F lo veremos en ANOVA
Que es el último tema del programa de la asignatura.