Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución Uniforme
Sea X una variable aleatoria continua que toma valores en el intervalo [ a, b ], donde a y b son finitos.
Dicha variable aleatoria está distribuida uniformemente si presenta una función de densidad de probabilidad
constante en el intervalo de definición y es igual al recíproco de la longitud de dicho intervalo.
Es decir que la función de densidad de probabilidad está dada por:
f (x) = 1 / ( b - a ) si a x b
Ejemplo:
Se elige un punto al azar sobre el segmento [ 0, 2 ] . Calcular la probabilidad de que el punto escogido
quede comprendido entre 1 y 3/2.
f ( x ) = 1/2 si 0 x 2
3/2 3/2
P (1 x 3/2) = ½ dx = x /2 | = (3/2 - 1)/2 = 1/4 = 0,25
1 1
Condición de cierre
b b b
f ( x ) dx = 1 / ( b - a ) dx = x / ( b - a ) | = ( b - a )/( b - a ) = 1
a a a
Representación gráfica 5
f (x) 4
1/( b - a) 3
2
1
1
0
-1 0 1 2 3 4 5
a b
Esperanza matemática
b b
E ( x ) = x . 1/( b - a ) dx = ½ x /( b - a ) | = ½ ( b2 - a2 )/( b - a ) = ( b + a )/2
2
a a
Luego E ( x ) = ( a + b )/2
Variancia
V ( x ) = ´2 - 2 = E ( x 2 ) - E2 ( x )
b b
E ( x2 ) = x2 . 1 / ( b - a ) dx = 1/3 x3/( b - a ) | = 1/3 .( b3 - a 3 )/( b - a ) =
a a
= 1/3. ( b - a ) . ( b2 + a b + a2 ) /( b - a ) = ( a2 + a b + b2 ) / 3
Luego:
= ( 4 a2 + 4 a b + 4 b2 - 3 a2 - 3 b2 - 6 a b)/12 = ( a2 - 2 a b + b2 )/12 =
= ( a - b )2/12 = ( b - a ) 2/12
___
de donde el desvío standard es : = ( b - a ) / 12
Sea x una variable aleatoria que puede tomar cualquier valor real, es decir: - < x < . Entonces x
tiene una distribución Normal si presenta la siguiente función de densidad de probabilidad:
x - 2
1 - ½ ( ------ )
f ( x ) = ----------- e
___
(2)
2
Representación gráfica
La distribución Normal, es una función exponencial decreciente a partir de x = , por lo que presenta
el siguiente gráfico, el cual se denomina campana de Gauss:
Distribución Normal
0,016
0,014
0,012
0,010
0,008
0,006
0,004
0,002
0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
-+
f ( - x ) = f ( + x )
lím f(x) =0
x
c) presenta un máximo en x =
___
El máximo de la función está en el punto de abscisa x = y de ordenada f ( ) = 1/2
La integral definida en todo el campo de variación, en este caso integral impropia ( por ser los
extremos inferior y superior - e respectivamente ) es igual a uno. Es decir:
+
f ( x ) dx = 1
-
Normal Standard
Gráficamente:
Distribución Normal
0,016
0,014
0,012
0,010
0,008
0,006
0,004
0,002
0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
se obtiene una nueva variable (z) denominada Normal Standard ( ó estandarizada), la cual presenta las
siguientes características:
1 - z2/2
f ( z ) = -------------- . e la cual se simboliza z ~ N ( 0, 1 ) y se denomina Normal Standard.
( 2 )
4
Gráficamente:
0,016
0,014
0,012
0,010
0,008
0,006
0,004
0,002
0,000
-4 -3,4 -2,9 -2,3 -1,8 -1,2 -0,6 -0,1 0,48 1,04 1,6 2,16 2,72 3,28 3,84
z2
P ( z1 z z2 ) = f (z) dz (2)
z1
Gráficamente:
Distribución Normal Standard
0,016
0,014
0,012
0,010
0,008
0,006
0,004
0,002
0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
Aunque los gráficos de f (x) y f (z) son coincidentes sólo cuando = 0 y = 1, las áreas son
proporcionales, por lo que el cálculo de probabilidades establecido en (1) es igual al de (2). Es decir:
5
P ( x1 x x2 ) = P ( z1 z z2 )
Función de acumulación
x
F(x)= f ( x ) dx
-
Gráficamente:
Función de distribución
1,00
0,80
0,60
0,40
0,20
0,00
-4 -3,4 -2,8 -2,2 -1,6 -1 -0,4 0,2 0,8 1,4 2 2,6 3,2 3,8
Sea y = (x - ) / y ~ N ( 0, 1 )
- y2/2
donde f (y) = : ( 2 ) .e - < y <
Luego:
+ yt - y2/2
y ( t ) = E ( e yt
) = : ( 2 ) e . e dy =
-
t2/2
Dividiendo y multiplicando por e
Sustituyendo: z = y – t dz = dy
De donde:
6
t2/2
Si z = ( x - )/ z(t)= e es la fgm de la Normal Standard
Si z = ( x - )/ entonces x = z +
t 2t2/2
luego x ( t ) = z + ( t ) = z ( t ) . e t = e .z
t ( t ) = e . e
t + 2t2/2
x(t)=e es la fgm de la Normal General
Esperanza matemática
t2/2
E ( z ) = ´z ( t ) | = e .t | = 0
t=0 t=0
Como x = z + E ( x ) = E (z + ) = E(z) . + = 0 + =
Variancia
t2/2 t2/2
E ( z ) = ´´z ( t ) | =
2 2
e . t + e | = 1
t=0 t=0
Luego V ( z ) = E ( z2 ) - E2 (z) = 1 - 0 = 1
De donde: V ( x ) = V ( z + ) = x = 2 . V ( z ) = 2
Ejemplo:
Por resultados de exámenes anteriores, se supone que la nota de esta materia se distribuye normalmente
con un promedio de 5 puntos y una dispersión de 1 punto.
X = nota de Probabilidad
= 5 puntos = 1 punto x ~ N (, )
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
4 5 x
-1 0 z
0,016
0,014
P(6 x 8)= 0,012
0,010
=P(1 z 3) 0,008
0,006
= 0,15731 0,004
0,002
0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
5 6 8 x
0 1 3 z
50. P ( x 6 ) = 0,016
0,014
= 50 . P ( z 1 ) 0,012
0,010
= 50 . 0,15866
0,008
0,006
= 8 alumnos
0,004
0,002
0,000 8
-4
0,32
1,04
1,76
2,48
3,92
3,2
-3,3
-2,6
-1,8
-1,1
-0,4
5 6 x
0 1 <
d) ¿Cuál es la nota a partir de la cual se espera se encuentre el 60% de los alumnos de mayor puntaje?.
P ( x x0 ) = 0,60
P ( z z0 ) = 0,60 0,016
0,014
z0 = - 0,25
0,012
0,010
0,008
Si z = ( x - )/
0,006
x=z.+ 0,004
0,002
x0 = - 0,25 . 1 + 5 0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
xo 5 x
= 4,75 puntos zo 0 z
e) La profesora decide promocionar al 5% de los alumnos que obtengan las mejores notas. ¿Cuál es la nota
de promoción?.
P ( x x0 ) = P ( z z0 ) = 0,05
z0 = 1,64 0,016
0,014
x0 = 1,64 . 1 + 5 0,012
0,010
= 6,64 puntos
0,008
= 7 puntos 0,006
0,004
0,002
0,000
-4
3,2
0,32
1,04
1,76
2,48
3,92
-3,3
-2,6
-1,8
-1,1
-0,4
5 xo x
0 zo z
Sea x una v.a. distribuida según una binomial con media E(x) = np y V(x) = npq
Si se verifican las siguientes condiciones:
El número de observaciones es muy grande ( n ) . En la práctica n 20.
La probabilidad elemental p tiende a q ( p q ) . En la práctica 0,4 p 0,6.
Entonces se puede aproximar mediante la distribución Normal
9
___
donde z = ( x - np ) / npq
n
Para demostrar esta aproximación, se parte de P ( x) = x p x q n – x y se aplica límite cuando n .
A fin de ello, se necesita aplicar la fórmula de Stirling, que presenta una aproximación muy conocida de
n!, que establece que para un n muy grande:
____
n ! 2 e –n . n n+1/2
____
en el supuesto que: lim n! / 2 e –n . n n+1/2 = 1
n
Ejemplo:
Una moneda se lanza al aire 50 veces. Calcular la probabilidad de obtener a lo sumo 20 caras.
X = número de caras
n = 50 p=½ q=½
x ~ Bi ( n = 50 ; p = ½ )
20 50
P ( x 20 ) = x ( ½ )x ( ½ ) 50 - x = 0,1013 10 %
x=0
= 0,10202 10 %
Si se verifica que el número medio de veces que aparece el suceso es muy grande, (En la práctica
20) , entonces se puede aproximar mediante la distribución Normal
__
donde z=(x-)/
Ejemplo:
La probabilidad de que se produzca un accidente aéreo es de 0,004. Si en un año se realizan 10.000 vuelos,
calcular la probabilidad de que se produzcan menos de 30 accidentes.
X = número de accidentes anuales
n = 10.000 p = 0,004
10
x ~ Bi ( n = 10.000 ; p = 0,004)
29 10000
P ( x < 30 ) = x ( 0,004 ) x ( 0,996) 10000 -x
x=0
29
P ( x < 30) = e - 40 . 40x / x!
x=0
= 0,048 5 %
Ejemplo:
Encontrar un valor aproximado de la probabilidad de que se necesiten 150 ó menos ensayos independientes
para obtener 48 éxitos cuando la probabilidad elemental es 0.25.
X= número de ensayos independientes
K = 48
P = 0.25
Luego: x Pa(k = 48, p = 0.25)
Donde E(x) = k/p = 48/0.25 = 192
V(x) = kq/p2 = 48.0.75/ (0.25) 2 = 576
= 0,0418 4 %
11
Distribución Exponencial Negativa
Dada una variable aleatoria continua x no negativa ( x 0 ), que presenta la siguiente función de
densidad de probabilidad:
f ( x) = k. e - k x con x 0 y k>0
2
f(x )
1.5
0.5
0
0 1 2 3 4 5 6 7
x
Condición de cierre
+ + +
f ( x ) dx = k . e -kx dx = - e -kx
| = - e - + e -0 = 1
0 0 0
Función de acumulación
x x x
F ( x ) = f ( x ) dx = k . e -kx
dx = - e -kx
| = - e -kx + e -0 = 1 - e -kx
0 0 0
+ + +
x ( t ) = E ( e xt
) = ext k e -kx
dx = k . e - k x + x t dx = k e - x(k-t )
dx =
0 0 0
+
= - k / ( k - t ) e -x(k -t)
| = k/(k-t)
0
12
Esperanza matemática
Teniendo en cuenta que la esperanza matemática está dada por el momento natural de primer
orden, se la puede obtener derivando la f.g.m. con respecto a t y valorizando en t = 0.
E ( x ) = ´1 = ´x ( t = 0 )
´x ( t ) = - k . ( - 1 ) / ( k - t )2 | = 1 / k
t=0
E(x)=1/k
Variancia
Teniendo en cuenta que la variancia está dada por el momento centrado de segundo orden y que
éste es igual al momento natural de segundo orden menos el cuadrado de la esperanza matemática, se la
puede obtener a través de la fgm.
V ( x ) = 2 = ´2 - 2
´2 = ´´x ( t = 0 )
´´x ( t ) = d/dt [ k . ( k - t ) -2 ] | = 2 k ( k - t ) -3 | = 2 / k 2
t=0 t=0
Ejemplo:
Suponiendo que la esperanza de vida de los varones es de 68 años, calcular la probabilidad de que un
recién nacido varón supere los 70 años de vida.
E ( x ) = 68 = 1 / k k = 1 / 68
x ~ Exp ( k = 1 / 68 )
+ +
P ( x > 70 ) = 1 / 68 . e - x / 68
dx = - e -x / 68
| = e -70/68 = 0,357
70 70
13
Relación con Poisson
P ( x ) = e - t . ( t ) x / x! donde x = 0, 1, 2, . . . .
El tiempo de espera hasta que ocurra por primera vez el suceso será:
Como: F´ ( t ) = f ( t )
luego: F´ ( t ) dt = [ 1 - F ( t ) ] . dt
de donde: F´ ( t ) / [ 1 - F ( t ) ] dt = dt
Integrando ambos miembros: F´ ( t ) / [ 1 - F ( t ) ] dt = dt
De donde : - ln [ 1 - F ( t ) ] = t + c
-t
Luego: 1- F(t) = e ec
Por lo tanto : F ( t ) = 1 - e - t
ec para t 0
F(t)=P(Tt)= 1 - e - t
si t 0
0 si t < 0
De donde
F´ ( t ) = f ( t ) = e - t
es decir t ~ Exp ( )
Ejemplos:
1) El número de partículas x emitidas en t horas por una fuente radioactiva tiene una distribución de
Poisson con parámetro 30. Sea la variable T el número de horas hasta la primera emisión.
14
¿ Cuál es la probabilidad de que el tiempo entre emisiones sucesivas:
a) sea mayor a 5 minutos. b) sea superior a 10 minutos. c) sea menor a 30 segundos.
x = número de partículas emitidas en t horas.
= 30 / 1 . t = 30 t
P ( x ) = e -30 t . ( 30 t ) x / x! con x 0
2) Se sabe que el número de accidentes en una fábrica sigue un proceso de Poisson con un promedio de 2
accidentes durante una semana. Calcular la probabilidad de:
a) que haya 4 accidentes en una semana.
b) que el tiempo entre un accidente y otro sea superior a 3 días.
15