Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Principales Distribuciones
Definicin de v. a. continua
Funcin de Densidad
Funcin de Distribucin
Caractersticas de las v.a. continuas
Principales Distribuciones continuas
Ejercicios
Definicin de v. a. continua
Las variables aleatorias continuas se definen sobre espacios muestrales infinitos
no numerables, es decir, toman un nmero de valores infinito. Se
representan mediante letras maysculas y pueden tomar como posibles
valores:
X = { x1, x2, ... , xi , ... , xn, }
Se suele comentar que las variables aleatorias discretas son el resultado de
contar (edad de una persona, n de hijos, n de hermanos, n de veces que
aparece cara en un lanzamiento de moneda, n de puntos de un dado,
etc), mientras que las variables aleatorias continuas son el resultado de
medir (velocidad media de un automvil, talla y peso de una persona,
etc)
Ejemplo:
Si consideramos la variable aleatoria altura de las personas espaolas mayores
de 21 aos, esta variable puede tomar infinitos valores, ya que entre
cualesquiera dos valores, digamos 163.5 y 164.5, pueden darse infinitos
valores de altura, uno de los cuales es exactamente el 164.
Funcin de Densidad: f(x)
Definicin
Es una funcin no negativa de
integral 1.
Pinsalo como la generalizacin del
histograma con frecuencias relativas
para variables continuas.
y que verifica:
(i) f(x) 0 (ii)
Grficamente se representa
mediante una curva.
Observacin
f(x) no representa la probabilidad
de nada, es slo al integrar cuando
obtenemos probabilidades.
Funcin de Distribucin, F(x)
Es la funcin que asocia a cada valor de una
variable, la probabilidad acumulada
de los valores inferiores o iguales.
Esperanza:
Sea X una v. a. c. El valor esperado o esperanza matemtica de X, denotada por
E(X) o por , se define como:
Propiedades de la esperanza:
(i) Si C es una constante, entonces E(C) = C.
(ii) Linealidad: E(aX + b) = aE(X) + b, a, b
(iii) Si g(X) es una funcin de X, entonces:
Observaciones:
- La varianza y la desviacin tpica son cantidades positivas.
- La desviacin tpica est medida en las mismas unidades que la v.a.
Propiedades de la varianza:
(i) Si C es una constante, V(C)=0
(ii) V(X) = E(X2) - E2(X)
(iii) Si a y b son constantes: V(aX+b) = a2 V(X)
La desviacin media se define como la esperanza de |X-|.
Principales Distribuciones
Como ocurra con las variables aleatorias discretas, en la prctica, la
funcin de densidad de la mayora de las variables continuas se ajusta a un
modelo terico expresado mediante una frmula concreta. Veremos los ms
habituales.
V.A. CONTINUAS
Normal N(, )
Chi-Cuadrado de Pearson 2
t de Student
F de Fisher-Snedecor
Principales Distribuciones
Distribucin Normal N(,)
Es el modelo de distribucin ms utilizado en la prctica, ya que:
1. Multitud de fenmenos se comportan segn una distribucin normal.
(distribucin de pesos, alturas, coeficientes de inteligencia, errores en la
medida, etc)
2. Es la distribucin muestral de varios estadsticos maestrales, tales como
la media, etc
3. Es una buena aproximacin de otras distribuciones (as la distribucin
de una variable binomial, de Poisson, etc son aproximadamente
normales).
Se dice que una variable aleatoria continua sigue una distribucin normal si
su funcin de densidad viene dada por la expresin:
1 x
2
1
2
f ( x) e
2
Principales Distribuciones
Esta distribucin viene definida por dos parmetros:
: es el valor medio de la distribucin y es precisamente donde se sita el
centro de la curva (de la campana de Gauss).
: es la desviacin tpica. Indica si los valores estn ms o menos alejados del
valor central
N(, ): Interpretacin geomtrica
Podis interpretar la media como un Y la desviacin tpica como un factor
factor de traslacin. de escala, grado de dispersin,
Principales Distribuciones
Los puntos de inflexin de la fun. de densidad estn a distancia de .
Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia , tenemos probabilidad 68%
a distancia 2 , tenemos probabilidad 95%
a distancia 25 tenemos probabilidad 99%
N(, ): Interpretacin probabilista
Entre la media y una desviacin tpica Entre la media y dos desviaciones
tenemos siempre la misma tpicas aprox. 95%
probabilidad: aprox. 68%
Principales Distribuciones
Se caracteriza porque la grfica de la funcin de densidad forma una curva,
simtrica respecto a un valor central que coincide con la media de la
distribucin, y se extiende sin lmite, tanto en la direccin positiva como
negativa del eje X, de forma asinttica (campana de Gauss).
No es posible calcular la
probabilidad de un intervalo
simplemente usando la primitiva
de la funcin de densidad, ya
que no tiene primitiva
expresable en trminos de
funciones comunes.
Principales Distribuciones
Es posible transformar todas las observaciones de cualquier v. a. X con
distribucin normal N(, ), mediante una traslacin , y un cambio de escala
, a un nuevo conjunto de observaciones de una variable aleatoria normal Z
con media 0 y varianza 1 Z=N(0,1). Esta distribucin normal se denomina
normal tipificada, y su ventaja reside en que hay tablas donde se recoge la
probabilidad acumulada para cada punto de la curva de esta distribucin.
Calcular P [Z<1,85]
Calcular P[Z<-0,54]
Z es normal tipificada.
Calcular P[-0,54<Z<1,85]
bx;80, 1 4
30
P(25 X 30)=
x 25
Usamos la aproximacin a la normal con = np = 80. = 20 y npq 80 1 3 3.873
44
Se necesita conocer el rea entre 24.5 y 30.5 (por la correccin de continuidad). Los
correspondientes valores de Z son:
24.5 20
Z1 1.16
3.873
30.5 20
Z2 2.71
3.873
Principales Distribuciones
La probabilidad de responder correctamente de 35 a 30 preguntas la
proporciona el rea comprendida entre estos dos valores bajo la curva
de la normal estndar
Ejercicio 4.2
Se emplean calibradores para rechazar todos los componentes en los cuales
haya cierta dimensin cuya medida no est dentro de las especificaciones
1.5 d. Se sabe que esta medida tiene una distribucin normal con media
1.5 y desviacin estndar de 0.2. Determine el valor de d, de modo que las
especificaciones cubran el 95% de las medidas.
Ejercicios
Ejercicio 4.3
En la observacin del n de glbulos rojos (en millones) de los habitantes de
una gran ciudad se observ que seguan aproximadamente una
distribucin normal de media 4.5 y desviacin tpica 0.5.
Se pide calcular:
a) Probabilidad de que un habitante tomado al azar tenga ms de cinco
millones de glbulos rojos.
b) Tanto por ciento de la ciudad con menos de 3.75 millones
c) N de glbulos rojos del 20 por 100 ms alto de la ciudad
d) N de glbulos rojos del 10 por 100 ms bajo de la ciudad
e) N de glbulos rojos del 80 por 100 ms prximo a la media
Ejercicios
Ejercicio 4.4
Un bilogo comprob que la probabilidad de que al inyectar a una rata un
determinado producto sobreviviera despus de una semana era de 0.5.
Si el bilogo inyect el producto a un lote de 100 ratas.
Se pide calcular:
a) Probabilidad de que vivan ms de 65
b) Probabilidad de que vivan entre 40 y 60
c) Probabilidad de que vivan menos de 30
d) Probabilidad de que vivan ms de 45. Qu significa esta
probabilidad?
Ejercicio 4.5
Una variable aleatoria sigue una distribucin 2 de Pearson. Se pide
calcular:
a) Los puntos crticos: 2 0.90;5 2 0.01;26 2 0.025;8 2 0.08;10
b) Las probabilidades: P(28 3.49); P(28 15.51); P(210 4);
P(220 29);
Ejercicios
Ejercicio 4.6
Una variable aleatoria sigue una distribucin t de Student
Se pide calcular:
a) Los puntos crticos: t 0.20;20 t 0.99;10 t 0.25;10
b) Las probabilidades: P(t10 1.372); P(t8 1.2); P(-0.5 t6 0.6);
P(|t24|>2)
Ejercicio 4.7
Una variable aleatoria sigue una distribucin F de Fisher-Snedecor
Se pide calcular:
a) Los puntos crticos: F0.1;10,12 F0.05;5,24 F 0.90;28,30
b) Las probabilidades: P(2 F10;20 2.25)
Ejercicios
Ejercicio 4.8
La poblacin de sujetos tallados en el servicio militar se distribuye en X:
altura N (1,69; 0,01) y en Y: peso N (68,2; 1,80). Suponiendo que
ambas variables son independientes en la poblacin y que
seleccionamos una muestra aleatoria de 10 sujetos:
a) Cul es la probabilidad de que su estatura est comprendida entre
1,65 y 1,70 m.?
b) Cul es la probabilidad de que su altura y peso sean superiores a
1,72 m. y 65 kg.?
c) Cules son los pesos que delimitan al 50 por 100 central de los
sujetos?
d) Si creamos la nueva variable: W = 2 X: Calcule E(W), 2(W) y
P(3,32 W 3,40)
Ejercicios
Ejercicio 4.9
La variable extroversin (X) se distribuye segn el modelo normal con
media 50 y desviacin tpica 10. Conteste a las siguientes preguntas:
a) Probabilidad de que los sujetos obtengan como mucho una puntuacin
de 35
b) Probabilidad de que los sujetos obtengan una puntuacin mayor de 60
en extroversin
c) Calcule la puntuacin en extroversin que deja por debajo de s al
80% de los sujetos
d) Probabilidad de observar un valor comprendido entre 42 y 59
e) Calcule la puntuacin que corresponde al centil 90 en directas,
diferenciales y tpicas
f) Calcule los valores que acotan el 50% central de sujetos
g) Calcule la puntuacin S que corresponde al centil 75 (siendo S= 2zi+5)
h) Si se extrae una muestra aleatoria de 25 alumnos, cul es la
probabilidad de que su media aritmtica sea mayor de 55?
Ejercicios
Ejercicio 4.10
La variable U se distribuye segn 2 con 9 grados de libertad, la variable V
se distribuye segn t de student con 15 grados de libertad y la variable
W se distribuye segn F de Snedecor con 6 y 8 grados de libertad.
Segn esto conteste a las siguientes preguntas:
a) Probabilidad de que la variable U adopte como mucho el valor 8
b) Puntuacin U tal que la probabilidad de obtener como mximo
ese valor sea 0,70
c) Probabilidad de observar valores en la variable V entre -1,341 y
2,602
d) Calcular la puntuacin V que corresponde al centil 80
e) Probabilidad de que la variable W adopte como mnimo el valor
4,65
f) Puntuacin W que corresponde a la probabilidad acumulada de
0,90