To print higher-resolution math symbols, click the Hi-Re s Fonts for Printing button on the jsMath control panel.

If the math symbols print as black boxes, turn off image alpha channels using the Options pane of the jsMath control panel.

Pgina Principal

Todo para Matemticas Finitas

Todo para Clculo Aplicado Ejercicios

Todo

Resumen de Temas

Tutoriales En Lnea

Utilidades En Lnea Webmaster English

1. Funciones de densidad de probabilidad

3. Media, mediano, desviacin est.

Todo texto en-lnea

Clculo aplicado capitulo en-lnea: clculo aplicado a probabilidad y

estadstica Section 3. Las distribuciones exponencial, normal, y beta
Nota: Las matemticas en esta pgina han sido mecanografiadas por jsMath. Para ver jsMath a su mejor expresin, debe instalar las fuentes jsMath TeX. Haga clic en el botn de jsMath en la parte inferior derecha de la pagina para ver ms detalles.

Funcin de densidad exponencial

Usted trabaja como un analista de inversiones, y tiene informacin que los prestamistas hipotecarios son fallando continuamente a un razn anual de 5%. Qu es la probabilidad de que un prestamista hipotecario fallar en algn momento del los siguientes x aos? Para contestar la pregunta, suponga se que se comience con 100 prestamistas hipotecarios. Pues estn fallando continuamente a un razn anual de 5%, el nmero que sobrevive despus de x aos se expresa por la ecuacin de desintegracin

Nmero que sobreviven = 100e0 05x ,

por tanto

Nmero que fallan = Nmero total Nmero que sobreviven = 100 100e0 05x = 100(1 e0 05x )
Por lo tanto, el porcentaje que habr fallado por aquel tiempoy de ah la probabilidad que buscamosse expresa por

P=

100(1 e0 05x ) = 1 e0 05x 100

Ahora sea X el nmero de aos que tardar un prestamista hipotecario para fallar. Acabamos de calcular la probabilidad de que X este entre 0 y x. En otras palabras,

P (0

x) = 1 e0 05x

Pero tambin sabemos que

x

P (0

x) =

f (t) dt

por uso de una funcin apropriada de densidad de probabilidad. Por lo tanto,

x

f (t) dt = 1 e0 05x
El teorema fundamental de clculo nos informa que la derivada del lado izquierdo es f (x). Por lo tanto,

f (x) =

d dx

f (t) dt =
0

d [1 e0 05x ] = 0 05e0 05x dx

que es la funcin de densidad de probabilidad que estuvimos buscando. Pregunta Es cierto que esta funcin satisface las condiciones matemticas de una funcin de densidad de probabilidad? Respuesta Primero, el dominio de f es [0 de densidad de probabilidad,

), pues x se refiere al nmero de aos desde ahora. Comprobando los requisitos (a) y (b) para una funcin

(a) 0 05e0 05x

+

0
M

(b)
0

0 05e0 05x dx = lim

M +

0 05e0 05x dx e0 05x

M 0

= lim
M M + +

= lim (e0 e0 05M ) = 1 0 = 1

No hay nada especial con en nmero 0.05. Cualquier funcin de la forma

f (x) = aeax
en la que a es un constante positivo es tambin una funcin de densidad de probabilidad. Una funcin de densidad de tal forma se refiere como una funcin de densidad exponencial.
Funcin de densidad exponencial

Una funcin de densidad exponencial es una funcin de la forma

f (x) = aeax
con dominio [0 +

(a un constante positivo) ). Su grfica se muestra en la siguiente figura. y

Inicio de pgina

Ejemplo 1 Prestamistas hipotecario fallandos

Siguiendo el ejemplo ms arriba, qu el la probabilidad de que un prestamista hipotecario fallare entre 2 y 4 aos desde ahora? Qu es la probabilidad de que durare al menos 5 aos? Solucin Recuerde que nuestra funcin de densidad de probabilidad para prestamista hipotecarios se expresa por

f (x) = aeax = 0 05e0 05x

Las probabilidades que buscamos son dadas por integrales:
4

P(2

4) =

0 05e0 05x dx
4 2

= e0 05x

= e0 01 e0 02

086

P(X

5) = = lim
M +

0 05e0 05x dx
M

0 05e0 05x dx e0 05x

M 5

= lim
M M + + 0 25

= lim (e0 25 e0 05M ) = e 779

Por lo tanto, hay una probabilidad de 8.6% de que un prestamista hipotecario especifico fallare entre 2 y 4 aos desde ahora, y una probabilidad de 77.9% de que durare al menos 5 aos. Antes de seguir ... Podramos calcular tambin P(X

5) como 1 P (0
Inicio de pgina

5) y as evitar haber calcular una integral impropia.

Ejemplo 2 Desintegracin exponencial

Plutonio 239 desintegra continuamente a un razn de 0.00284% por ao. Sea X el instante cuando desintegrar un tomo de plutonio, elegido al azar, entonces escriba la funcin asociada de densidad de probabilidad, y sela para calcular la probabilidad de que un tomo de plutonio desintegrar entre 100 y 500 aos a partir de ahora. Solucin Por uso de la discusin de prestamistas hipotecarios fallandos como gua, observamos que a densidad de probabilidad es

= 0 0000284, de modo que la funcin de

f (x) = aeax = 0 0000284e0 0000284x

Para contestar la segunda parte de la pregunta,
500

P(100

500) =
100

0 0000284e0 0000284x dx

011

Por lo tanto, hay una probabilidad del 1.1% de desintegrar un tomo de plutonio durante el periodo dado de 400 aos.
Inicio de pgina

Funcin de densidad normal

Tal vez la clase ms interetante de funciones de densidad probabilidad es la de las funciones de densidad normal, definidas como sigue:
Funcin de densidad normal

Una funcin de densidad normal es una funcin de la forma

f (x) =

1 2

(x )2 2 2

con dominio ( + ). La cantidad se llama la media y puede ser cualquier nmero real, mientras se llama la desviacin estndar y puede ser cualquier nmero real positivo. La siguiente figura muestra la grfica de una funcin de densidad normal:

Propiedades de la curva de densidad normal

Puede comprobar las siguientes propiedades por so de clculo y un poco de lgebra: (1) La curva normal es en forma de campana, con el mximo a x (2) Es simtrica respecto la recta vertical x (3) Es cncava haca abajo en el rango (4) Hay puntos de inflexin a x

(el punto central indicado en la grfica).

= . x = + , y cncava haca arriba fuera de aquel rango.

como muestra en la grfica.

yx

(5) (Menos obvio) La integral de la funcin de densidad normal se expresa en trminos de la funcin error de Gauss:

x 1 f (x) dx = erf 2 2

+C

La funcin de densidad normal se aplique a muchas situaciones que envuelven medida y prueba. Por ejemplo, medidas repetidas imprecisas de un largo de un objeto, medidas hechas sobre muchos artculos en una cadena de montaje, y colecciones de notas de un examen suelen ser distribuidas normalmente. Es por esta razn que es tan importante la curva de densidad normal en control de calidad, y en valorar los resultados de pruebas estandarizadas. Para usar la funcin de densidad normal para calcular probabilidades, necesitamos calcular integrales de la forma f (x) dx Sin embargo, hemos visto ms a arriba que la antiderivada de la funcin de densidad normal no puede ser expresa por cualquier funcin comn. Tradicionalmente, estadsticos y otros han usado tablas y tcnicas de transformacin para calcular tales integrales. Este enfoque est quedando obsoleto a medida que computadoras de mano y calculadoras programables nos estn entregando a los manos (literalmente) la capacidad de calcular estas probabilidades. Siguiendo esta tendencia, mostraremos en el siguiente ejemplo el uso de varias tecnologas para hacer estas calculaciones.
Inicio de pgina b

Ejemplo 3 Quality Control

Pressure gauges manufactured by Precision Corp. must be checked for accuracy before being placed on the market. To test a pressure gauge, a worker uses it to measure the pressure of a sample of compressed air known to be at a pressure of exactly 50 pounds per square inch. If the gauge reading is off by more than 1% (0.5 pounds), the guage is rejected. Assuming that the reading of a pressure gauge under these circumstances is a normal random variable with mean 50 and standard deviation 0.5, find the percentage of gauges rejected.

X 50.5. Thus, the probability that a gauge Solution For a gauge to be accepted, its reading X must be 50 to within 1%, in other words, 49 5 X 50 5) X is a normal random variable with = 50 and = 0 5. The formula tells us that will be accepted is P (49 5
50 5

P(49 5
where

50 5) =
49 5

f (x) dx

f (x) =

1 2

(x )2 2 2

1 05 2

(x 50)2 2(0 5)2

Method 1: Calculating the intergal numerically Using a TI-83/4, for example, you would enter the above formula as Y1=(1/(0.5(2)^0.5))e^(-(X-50)^2/0.5) and then enter fnInt(Y1,X,49.5,50.5) in the home screen. Alternatively, the built-in normalcdf function in the TI-83/4 permits one compute P (a for this is normalcdf(a, b, , ) In Excel, P(a

b) directly as well. The format

b) is computed with the formula

=NORMDIST(b, , 1)-NORMDIST(a, , 1) Alternatively, you could use the Numerical integration utility on this Website: Enter the formula Y1=(1/(0.5(2*pi;)^0.5))e^(-(X-50)^2/0.5) for "f (x) " adjust the accuracy as desired, and press "Adaptive Quadrature."

The numerical calculation yields an answer of approximately 0.6827. In other words, 68.27% of the gauges will be accepted. Thus, the remaining 31.73% of the gauges will be rejected. Before We Go On ... Here is a utility that calculates the area under the normal curve with high accuracy (to around 16 decimal places). The algorithm used to compute the probabilities is from a collection of powerful statistical algorithms due to Ian Smith:
Notes:

1. You must fill in values for the mean and standard deviation. 2. To compute, say, P (X 1 2) enter P (1 2 X ) 3. To compute, say, P (X 1 2) enter P ( X 1 2) Mean = X St. Deviation = Rounding:

P(

Normal Probability Calculator As we mentioned above, the traditional and still common way of calculating normal probabilities is to use tables. The tables most commonly published are for the standard normal distribution, the one with mean 0 and standard deviation 1. If X is a normal variable with mean and standard deviation , the variable Z = (X ) is a standard normal variable (see the exercises). Thus, to use a table we first write

P(a

b) = P

and then use the table to calculate the latter probability (Z always stands for the standard normal variable). The following calculations, true for any normal random variable, are very useful to remember:

P( P( 2 P( 3

X X X

+ ) 6827 +2 ) 9545 +3 ) 99737

Question Why can we assume that the reading of a pressure gauge is given by a normal distribution? Why is the normal distribution so common in this kind of situation? Answer The reason for this is rather deep. There is a theorem in probability theory called the Central Limit Theorem that says that a large class of probability density functions may be approximated by normal density functions. Repeated measurement of the same quantity gives rise to such a function.
Inicio de pgina

Beta Density Function

There are many random variables whose values are percentages or fractions. These variables have density functions defined on [0 1]. A large class of random variables, such as the percentage of new businesses that turn a profit in their first year, the percentage of banks that default in a given year, and the percentage of time a plant's machinery is inactive, can be modeled by a beta density function.
Beta Density Function

A beta density function is a function of the form

f (x) = ( + 1)( + 2)x (1 x)

with domain [0 1] The number can be any nonnegative constant. Below are the graphs of f (x) for several values of . You can adjust the value of last one (change the value and press "Return" or "Enter"). in the

=0 f (x) = 2(1 x)

=05 f (x) = 3 75x0 5 (1 x)

=1 f (x) = 6x(1 x)

=3 f (x) = 20x3 (1 x)

= f (x) = ( + 1)( + 2)x (1

Ejemplo 4 Downsizing in the Utilities Industry

A utilities industry consultant predicts a cutback in the Canadian utilities industry during 2010-2015 by a percentage specified by a beta distribution with = 0 25 Calculate the probability that Ontario Hydro will downsize by between 10% and 30% during the given five-year period. Solution The beta density function with

= 0 25 is

f (x) = ( + 1)( + 2)x (1 x) = 2 8125x0 25 (1 x) = 2 8125(x0 25 x1 25 )

Thus,
0 30

P(0 10

0 30) =
10

2 8125(x0 25 x1 25 ) dx x1 25 x2 25 1 25 2 25
0 30

= 2 8125

0 2968
0 10

So there is approximately a 30% chance that Ontario Hydro will downsize by between 10% and 30%. Before We Go On ... Go to the definition box above and put = 0 shape is "in between" those for = 0 and = 0 5 shown on the left.

25 to see the graph of the associated density function. You will notice that its

Inicio de pgina

Last Updated: April, 2008 Web materials copyright 2008 Stefan Waner