Distribucin continua

Distribucin gamma
Una variable x tiene distribucin gamma y se conoce como variable
aleatoria gamma, si y solo si su identidad de probabilidad esta dad por:

1 1
> 0
= ()
0

> 0 > 0

= 0 1 > 0
 La media y la varianza de la distribucin gamma estn dadas por = y
2 = 2 .

Resultados importantes de la funcin gamma:

1 =1
= 1 . 1
1/2 =
= 1 !
 Ejemplo.
Sea x una v.a. con distribucin gamma (=5, =2) calcule:
a) p(x<2)
b) p(10<x<15.2)
c) p(x>18.3)

Obtienes la funcin a partir de los datos:

Escriba aqu la ecuacin.

1
51 2 > 0
= 25 (5)
0

= 5 = 4!

2 1 1
a) P(x>2)= 0 25 (5) 51
2 = 4 2 = 0.003598
(32)(24)

15.5 1 1
b) P(10<x<15.5)= 10 25(5) 51
2 = 4
2 = .325625
(786)

1 1
c) P(x>18.3)= 18.3 25(5) 51 2 1 18.3 (32)(24) 4 2 = .050109

Puede observarse que la funcin a integrar es la misma que en a, lo que

cambio fueron los limites de integracin.
Distribucin exponencial

Las distribuciones exponenciales se utilizan como modelo para representar

tiempos de funcionamiento(Tiempo de vida), es decir , el tiempo que
transcurre antes que ocurra un fallo o tiempos de espera.
 Su funcin de densidad que depende de un parmetro (tasa de fallo o
numero de fallos por unidad de tiempo ) es de la forma:

La media de esta es de 1/ y la desviacin tpica tambin es 1/

Ejemplo 1.

La distribucin de probabilidad del tiempo que transcurre antes que falle el

ventilador de un motor disel se describe mediante una funcin
exponencial con una tasa de fallo a 34.8 fallos por un milln de horas. Si la
garanta es de 8000 horas Cul es la probabilidad de que el ventilador
falle?

6 8000
8000 = 1 34.810 = 0.24
Distribucin CHI-CUADRADA

Es una de las distribuciones mas empleadas en todos los campos. Su uso es

cuando se quiere probar si unas mediciones que se hayan efectuado
siguen una distribucin esperada. Otro de sus usos es en intervalos de
confianza y pruebas de hiptesis para las varianzas o desviaciones
estndar.
Ejemplo.
La siguiente tabla reflejada la cantidad de estudiantes, segn la
calificacin obtenida es matemticas de dos universidades:

Influye el tipo de universidad en la calificacin obtenida?

 Datos:
Margen de error: 0.05
Hiptesis nula: No influye el tipo de universidad
Hiptesis alternativa: si influye el tipo de universidad
Frecuencias tericas:
25 23 25 55
5 = 7.37 20 = 17.63
78 78

43 23 43 55
11 = 12.68 32 = 30.32
78 78

10 23 10 23
7 = 2.95 3 = 2.95
78 78

Grados de libertad: v=(n_filas - 1)*(n_columnas - 1)

v=(2-1)*(3-1)=1*2=2
 Para hallar el chi-cuadrado:
()2 (57.37)2 (1112.68)2 (72.95)2 (37.05)2 (2017.63)2
2 = = 7.37 + 12.68 + + + +
2.95 7.05 17.63
(3230.32)2
= 9.28
30.32

2 = 5.9915 2 = 9.28 2 > 2 -> Hn

2 > 2 -> Ha
Distribucin F de Fisher
Tambin llamada F de Fisher-Snedecor

Representa la distribucin muestral de la razn de dos varianzas. Es decir

que se obtiene de la razn de dos distribuciones ji-cuadrado.

21
Definimos el estadstico f como: = 22

El cual es el valor de una variable aleatoria que tiene distribucin f con

parmetros v1=n1-1 y v2=n2-1
Cmo usar las tablas?

La tabla de valores de probabilidad acumuladas de izquierda a derecha.

Para extraer valores de probabilidad de esta tabla se sigue el siguiente
procedimiento:

1. Extraer muestra de dos poblaciones y estimar las desviaciones estndar.

2. Determinar los grados de libertad (v1 y v2) tal que v1=n1-1 y v2=n2-1.
21
3. Calcular el valor de . Si se conocen las varianzas entonces:
22
21 22
= 2
2 21
Ejemplo

En un proceso hay dos maquinas cortadores diferentes en antigedad lo

que hace pensar que las varianzas de corte no son iguales. Se toma una
muestra de 16 partes de cada maquina, Cul es la probabilidad de que
la razn de varianzas sea:
1. Mayor a 1.97 ?
2. Menor a 3.52 ?
Solucin:
a) 1.97 = 1 0.9 = 0.1 1 = 15 2 = 15
La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1

b) 3.52 = 0.99 1 = 15 2 = 15

La probabilidad de que la razn de varianzas sea menor a 3.52 es 0.99

Distribucin t de student

Se dice que una variable aleatoria continua T se distribuye con r grados de

libertad y se representa por T ~ t(r), si su funcin de densidad es.

Donde r es un entero positivo.

 Con frecuencia, la distribucin t con r grados de libertad es definida como
la distribucin de la variable T.
1. Si X tiene distribucin t-Student con r grados de libertad, entonces su media y su
varianza son respectivamente.

2. Su grafica tiene forma de campana de Gauss, simtrica en cero.