Variables Aleatorias Continuas y Distribuciones de Probabilidad

Variables Aleatorias Continuas y Distribuciones de Probabilidad.
No todas las variables aleatorias son discretas, este captulo tratar sobre el segundo tipo general de variables aleatorias, llamadas variables aleatorias continuas.
Se dice que una variable aleatoria, por ejemplo X, es continua si los conjuntos de valores posibles es un intervalo completo de nmeros, es decir, si para alguna Ax est contenido en el intervalo A y B.
Funcin de Densidad de Probabilidad.
Tambin llamada: Distribucin de Probabilidad, sea X una variable aleatoria continua, entonces una funcin de densidad de probabilidad de X es una funcin f(x) tal que para dos nmeros cualesquiera a y b.
La probabilidad de que X tome un valor en el intervalo [a, b] es el rea arriba de este intervalo y bajo la grfica de una funcin de densidad. La curva f(x) se llama curva de densidad.
Para que f(x) sea una funcin de densidad de probabilidad, se deben satisfacer las siguientes condiciones: 1. f(x) > 0,...para todo x.
2. Proposicin: Si X es una variable aleatoria continua, entonces para cualquier valor de c, P( X = c) = 0. En definitiva, la probabilidad asignada a algn valor en particular es cero, mientras que la probabilidad de un intervalo no depende de si est incluido en cualquiera de sus puntos terminales. Funcin de Distribucin Acumulada. La funcin de distribucin acumulada, F(x), para una variable aleatoria continua X, est definida para todo nmero x mediante:
Para cada x, F(x) es el rea bajo la curva de densidad a la izquierda de x. F(x) se incrementar de manera uniforme cuando aumenta x.
La funcin de distribucin acumulada es muy til para calcular probabilidades: Sea X una variable aleatoria continua con funcin de densidad de probabilidad f(x) y funcin de distribucin acumulada F(x). Entonces, para cualquier nmero a, la probabilidad es: P(X > a) = 1 - F(a) Y para dos nmeros cualesquiera a y b, con b > a, la probabilidad es: P(a X b) = F(b) - F(a) Relacin entre la Funcin de Probabilidad de Densidad y la Funcin de Distribucin Acumulada. Si X es una variable aleatoria continua con funcin de distribucin de probabilidad f(x) y funcin de distribucin acumulada F(x), entonces: F'(x) = f(x),......t (-, x) Esperanza de una Variable Aleatoria Continua. La esperanza, promedio, valor esperado o media de una variable aleatoria continua X con funcin de densidad de probabilidad f(x) es:
A veces, se desea calcular la esperanza de alguna funcin h(X) de la variable aleatoria X, si se considera h(X) como una nueva variable aleatoriaY, su esperanza es:
Siempre que
Sea finita. Varianza de una Variable Aleatoria Continua. La varianza de una variable aleatoria continua X con funcin de densidad de probabilidad f(x) es:
La raz cuadrada positiva, , de la varianza de X, se denomina: desviacin tpica de X.
Proposiciones de Esperanza y Varianza de una Variable Aleatoria Continua. Sea X una variable aleatoria continua y sean a y b dos nmeros reales cualesquiera, se verifica que: 1. E(aX + b) = aE(X) + b 2. Var(aX + b) = aVar(X) 3. Var(X) = E(X) - [E(X)] Distribucin Uniforme. Se dice que una variable aleatoria continua X, que toma todos los valores del intervalo [a, b] real, sigue una distribucin uniforme de parmetros a y b, si su funcin de densidad de probabilidad es:
Se representa por: X ~ U(a, b). Su funcin de distribucin acumulada, F(x) es:
La media de la distribucin uniforme viene dada por:
Y la varianza de la distribucin uniforme viene expresada por:
Distribucin Normal. Se dice que una variable aleatoria continua X, tiene una distribucin normal o de Gauss de parmetros y , si su funcin de densidad de probabilidad es:
Se representa la distribucin normal, por: X ~ N(, ). La media de la distribucin normal viene dada por: E(X) = Y la varianza de la distribucin normal viene expresada por: Var(X) = La representacin grfica as cmo los significados de la esperanza y varianza son:
Distribucin Normal No Estndar (Tipicacin). Si X tiene una distribucin normal con media y desviacin estndar , entonces:
Se dice que tiene una distribucin normal estndar. Aproximacin de la Distribucin Binomial por la Normal. Sea X una variable aleatoria continua que sigue una distribucin de probabilidad binomial : X ~ B(n, p), si np 5 y por ende, nq 5, se pude aproximar por una distribucin normal:
La media, al igual que en la distribucin binomial, viene dada por: x = E(X) =np Y la varianza, al igual que en la distribucin binomial, viene expresada por: x2 = E[(X - x)2 = np(1 - p) Correccin por continuidad: 1. P(a X b) = P(a - 0.5 X b + 0.5)
2. P(a <.X b) = P(a + 0.5 X b + 0.5) 3. P(a X <.b) = P(a - 0.5 X b - 0.5) 4. P(a < X <.b) = P(a + 0.5 X b - 0.5) Aproximacin de la Distribucin de Poisson por la Normal. Sea X una variable aleatoria continua que sigue una distribucin de probabilidad de Poisson: X ~ P(), si > 25, se pude aproximar por unadistribucin normal:
Por lo tanto, sigue N(0,1) de forma aproximada. La media, al igual que en la distribucin de Poisson, viene dada por: x = E(X) = Y la varianza, al igual que en la distribucin de Poisson, viene expresada por: x2 = E[(X - x)2 = Correccin por continuidad: 1. P(a X b) = P(a - 0.5 X b + 0.5) 2. P(a <.X b) = P(a + 0.5 X b + 0.5) 3. P(a X <.b) = P(a - 0.5 X b - 0.5) 4. P(a <.X <.b) = P(a + 0.5 X b - 0.5) Distribucin Exponencial. Se dice que una variable aleatoria continua X, tiene una distribucin exponencial de parmetro , si su funcin de densidad de probabilidad es:
Para > 0. Se representa por: X ~ Exp(). La media de la distribucin normal viene dada por: E(X) =
Y la varianza de la distribucin normal viene expresada por: Var(X) = La distribucin exponencial posee una caracterstica a tener en cuenta: Carencia de memoria. Sea X ~ Exp(). Si x, y Z, se verifica que: P(X < x + y | X.> x) = P(X < y) A continuacin, se disponen de una coleccin de problemas resueltos.
Problemas: Variables Aleatorias Continuas Problema Problema Problema Problema Problema Problema Problema Problema 1 11 21 31 41 51 61 71 Problema Problema Problema Problema Problema Problema Problema Problema 2 12 22 32 42 52 62 72 Problema Problema Problema Problema Problema Problema Problema Problema 3 13 23 33 43 53 63 73 Problema Problema Problema Problema Problema Problema Problema Problema 4 14 24 34 44 54 64 74 Problema Problema Problema Problema Problema Problema Problema Problema 5 15 25 35 45 55 65 75 Problema Problema Problema Problema Problema Problema Problema Problema 6 16 26 36 46 56 66 76 Problema Problema Problema Problema Problema Problema Problema Problema 7 17 27 37 47 57 67 77 Problema Problema Problema Problema Problema Problema Problema Problema 8 18 28 38 48 58 68 78 Problema Problema Problema Problema Problema Problema Problema Problema 9 19 29 39 49 59 69 79 Problema Problema Problema Problema Problema Problema Problema 10 20 30 40 50 60 70
PUBLICADO POR EL BAR QUERO MANUEL CABALLERO EN 21:36
ETIQUETAS: ESTADSTICA, MATEMTICAS
90 COMENTARIOS:
Annimo dijo...
Hola primeramente felicitarte por el blog. Tengo una duda; Si me dicen P(x<3)=0.1, como puedo hallar la esperanza? Se supone que tengo que me tienen que dar la funcion para obtener E(x)... pero solo me dan ese dato. Te agradeceria si me puedieses ayudar. Un saludo desde BCN 10 DE NOVIEMBRE DE 2010 17:34
Manuel Caballero dijo... Buenas:
Creo que que simplemente con ese dato, el ejercicio es ms bien terico, es decir, explicar cmo obtendras la esperanza dependiendo del carcter de la variable aleatoria X.
Y por qu te digo esto? Pues porque no se especifica si la variable aleatoria X sea discreta o continua, dependiendo de que tipo sea la esperanza matemtica se calcular de una forma u otra.
Si X es una Variable Aleatoria Discreta En el caso de no pertenecer a ninguna distribucin conocida: Binomial, Poisson, Geomtrica, etc, se debe tener los sucesos de x y su correspondiente probabilidad, es decir, crear un tabla cmo la que sigue:
x.........0....1......2....3.....n P(x)...0.1..0.2..0.4..0.1...a
Incluso puede que no est definidas todas las probabilidades, por lo que con notas como:
P(X < 3) = 0.1 P(X) = 1
Se podra montar un sistemas de ecuaciones y obtener las probabilidades de los sucesos que faltan para posteriormente, obtener la esperanza matemtica mediante su expresin:
E[X] = xP(x)
En caso de que la variable aleatoria discreta pertenezca a alguna de las distribuciones conocidas, aplicaremos la esperanza de cada distribucin.
Si X es una Variable Aleatoria Continua En el caso de no pertenecer a ninguna distribucin conocida: Normal, Uniforme, Exponencial, etc, se debe tener la funcin de densidad de probabilidad o la funcin de distribucin acumulada para posteriormente, aplicar la expresin matemtica de la esperanza.
No es necesario que te den la funcin tal cual, pero el enunciado debe definir que patrn seguir y el intervalo vlido de trabajo.
En caso de que la variable aleatoria continua pertenezca a alguna de las distribuciones conocidas, aplicaremos la esperanza de cada distribucin.
NOTA: Para la distribucin de Cauchy, la esperanza no existe.
Gracias por tu comentario y si tienes la solucin no se te olvide de exponerla. 11 DE NOVIEMBRE DE 2010 11:51
Annimo dijo... Hola Manuel. A ver me han dado una pista. Me han dicho que se trata de una distribucin exponencial. Te pongo el ejercicio para que lo veas:
Nosotros queremos saber cul es la duracin media de unas zapatillas. Lo que ocurre es que se lo preguntamos al zapatero y no lo sabe, pero sabe la probabilidad de que duren menos de 3 meses antes de romperse que es de 0,1.
a) Cul es la duracin media? b) Calcula la probabilidad de que dure ms de 6 meses. c) Representa las probabilidades de los apartados anteriores.
Mi hipotesis seria: Utilizar la funcin de densidad de la exponencial, con un sumatorio de las integrales de (aqu dudo) [0,3] cambiando x por 0,1 y 2. Y todo esto igual a 0.1 y despejar beta que seria E(x). Como lo ves? Muchas gracias por contestar, y nuevamente enhorabuena me est ayudando muchsimo 11 DE NOVIEMBRE DE 2010 12:04
Con el enunciado, no hace falta que te den ninguna pista, ya que se deduce que la probabilidad es al primer fallo/acierto, por lo tanto estamos antes una distribucin exponencial (aunque las pistas de vez en cuando nunca vienen mal).
Los pasos que mencionan para obtener la esperanza son ms o menos acertados, no hace falta hacer ningn sumatorio ya que estamos trabajando con variables aleatorias continuas.
El procedimiento a seguir es el siguiente:
Obtener la funcin de distribucin acumulada con los datos dados. Lo nico que sabemos es:
P(X < 3) = 0.1
Ese dato equivale a la funcin de distribucin acumulada al siguiente:
F(2) = P(X 2)
Y sabemos que la funcin de distribucin acumulada es la integral desde - hasta x, en nuestro caso, al tratarse de una distribucin exponencial nos condiciona a:
x>0 Ser cero en otro caso.
Por lo tanto, ya tenemos el ndice inferior de la integral para obtener la funcin de distribucin acumulada, sera desde 0 hasta x, el lmite superior emplearemos el dato que nos ofrece el enunciado:
x=2
Ya disponemos de los lmites de integracin, desde 0 hasta 2. Por lo tanto, debemos integrar la funcin de densidad de la distribucin exponencial entre esos lmites:
F(2) = P(X 2) = (1/)e^(-x/)dx
NOTA: Los lmites de la integral sera desde 0 hasta 2, por comentarios no me permite ponerlo bien.
La solucin de la integral es sencilla, con un cambio de variable:
y = -x/ dy = -(1/)dx
Sustituimos:
(1/)e^(-x/)dx = (1/)(-)e^(y)dy = -e^(y)dy
La integral es inmediata y deshacemos el cambio de variable:
e^(y)dy = e^(y) y = -x/
Aplicamos los lmites de integracin, la solucin de la integral es:
F(2) = P(X 2) = (1/)e^(-x/)dx = -e^(-x/)|0-2 = -[e^(-2/) - e^0] = -[e^(-2/) - 1] = 1 - e^(-2/)
Pues bien, simplemente aplicamos el dato del enunciado:
F(2) = P(X 2) = 0.1
Por lo tanto:
F(2) = 1 - e^(-2/) = 0.1
Despejamos:
e^(-2/) = 0.9
Para resolver dicha igualdad, aplicamos logaritmo neperiano en ambas partes:
-2/ = Ln(0.9)
Despejamos el parmetro que nos interesa :
= -2/Ln(0.9) 18.982443
Sabiendo que la esperanza matemtica de la distribucin exponencial es el propio parmetro medio, obtenemos la solucin al primer apartado:
= E[X] = = 18.982443
Es decir, se esperan que dichas zapatillas duren casi 19 meses.
Los dems apartados te los dejo para ti, ya teniendo el parmetro medio es pan comido.
PD: Para comprobar los resultados puedes emplear software estadstico, por ejemplo en R:
> qexp(0.1, rate=1/18.982443, lower.tail = T) [1] 2
Vemos que 2 es el espacio que nos dan en el enunciado del problema: F(2) = P(X 2) = 0.1
Un saludo y gracias por tu comentario. 11 DE NOVIEMBRE DE 2010 12:56
Annimo dijo... Grandioso, Enorme!!! Muchas grcias no hiba mal encaminado... (si no fuese por lo del sumatrio) Muchos de los de mi clase de la universidad, estamos encantados con tu blog. A mi me est ayudando muchisimo. Continua con este trabajo, por que de verdad es magnfico. Saludos desde BCN 11 DE NOVIEMBRE DE 2010 14:12
Nlida dijo... Hola Manuel! tienes un blog q no he encontrado por ninguna parte. Mis felicitaciones y respeto. Gracias. apesar de q tenemos un buen prof, Me ha ayudado bastante en entender mejor los problemas! 1 DE DICIEMBRE DE 2010 05:59
Manuel Caballero dijo... Buenas Nlida:
Me alegro mucho de que te hayan servido de ayuda los contenidos que exponemos en el blog.
Gracias por tu comentario y un saludo. 1 DE DICIEMBRE DE 2010 12:46
Annimo dijo... Hola, me gustara saber cmo pasa de:
" P(X < 3) = 0.1
Ese dato equivale a la funcin de distribucin acumulada al siguiente:
F(2) = P(X 2)"
Es decir, como clcula que la probabilidad de que duren menos de 3 meses es 0.1, equivale a "F(2) = P(X 2)".
Muchas gracias de antemano por su ayuda. 6 DE DICIEMBRE DE 2010 20:18
La pregunta es sencilla, cuando decimos que una variable aleatoria tiene un rango menor que tres:
P(X < 3)
Es lo mismo decir, que dicha variable aleatoria tiene un rango menor o igual a dos:
P(X 2)
Es decir, al ser menor que tres obligamos a la variable a comprender los nmeros desde menos infinito hasta dos.
Y si nos vamos a la teora, la definicin de la Distribucin Acumulada no es ms que la siguiente:
F(X) = P(X x)
Un saludo y gracias por tu comentario. 6 DE DICIEMBRE DE 2010 20:51
Annimo dijo... Buenos das, me podra ayudar con el siguiente ejercicio? "sea X una variable aleatoria con funcin de densidad: 2x si x pertenece [0,1] 0, si x no pertenece [0,1] Se pide: - hallar la funcin de distribucin de Y=min(X, 0.75). - Calcular P{Y>0.25}
Muchas gracias por su ayuda 7 DE DICIEMBRE DE 2010 10:38
La funcin de distribucin acumulada de la variable aleatoria continua X es:
Si X < 0:.........F(x) = 0 Si 0 X 1:....F(x) = x Si X > 1:.........F(X) = 1
La forma de obtenerla es fcil, como ejemplo estn los problemas comprendidos desde el 1 hasta el 10 de este capitulo.
Ahora bien, qu significa Y = min(X, 0.75)?
Se refiere al mnimo valor que toma la variable aleatoria X?
Si es as, el resultado sera: Y pertenece (0, 0.75), y su funcin de distribucin acumulada sera:
Si Y 0:..............F(y) = 0 Si 0 < Y < 0.75:....F(y) = y Si Y 0.75:.........F(y) = 1
Y la probabilidad a obtener sera:
P(Y > 0.25) = 1 - P(Y 0.25) = 1 - 0.25 = 0.9375.
Quedo a la espera de que me corrijas o des ms informacin del problema. Un saludo y gracias por tu comentario. 7 DE DICIEMBRE DE 2010 11:22
Annimo dijo... S justo se refiere al mnimo valor que toma X. Muchas gracias ahora lo tengo claro. Sin embargo tengo una nueva duda (espero no abusar), si en lugar de darme la funcin de densidad, me dicen que X tiene una distribucin uniforme en [0,1] y que halle la funcin de distribucin de Y = min(X, 0.75) cmo lo hara?. Si me dan la funcin de densidad y gracias a su explicacin y ejercicios, ahora ya tengo claro como hallar la funcin de distribucin. Pero si slo me dicen que la variable es uniforme como lo hago?. Es decir, si te dan un modelo (uniforme, exponencial, normal...) como hallas la funcin de distribucin? Gracias de nuevo por todo, 7 DE DICIEMBRE DE 2010 11:35
Manuel Caballero dijo...
Buenas:
En caso de que te den una funcin conocida: Uniforme, Exponencial, etc. Los pasos a seguir son exactamente iguales que si te dieran una funcin cualquiera.
Eso s, para las distribuciones conocidas debern darte su funcin de densidad o , como suele ser habitual, te la tendrs que aprender de memoria por ser bastante habituales y comunes de usar.
Una vez tengas la funcin de densidad, la integras tal como dice la definicin y teora para obtener la funcin acumulada.
Ms arriba en los comentarios, alguien plante un problema con una funcin exponencial, si lo observas, vers que para obtener la solucin tuve que, previamente, calcular la funcin acumulada tal y como indica su definicin.
En los problemas tambin tienes ejercicios con dichas funciones conocidas y cmo se obtienen sus funciones acumuladas.
Otra manera, aunque no te la recomiendo, es que te aprendas de memoria ambas funciones: Densidad y Acumulada. Aunque repito, no te lo recomiendo.
Y con respecto a cmo se empleara en el problema la distribucin uniforme, pues es fcil, los lmites seras desde 0 hasta 0.75. Una vez tenido los lmites ya puedes integrar la funcin de densidad de la uniforme para obtener la acumulada.
Annimo dijo...
Buenos das, tiene usted algo publicado de funciones de densidad de dos variables? es decir, hallar la funcin de densidad conjunta de dos variables por ejemplo x e y?
Gracias. 7 DE DICIEMBRE DE 2010 13:05
En estos momentos no est disponible, es un apartado al igual que el de estudios de contrastes no paramtricos que tenemos en mente publicar.
Pero como muy pronto, empezaramos en Marzo del ao que viene.
Lo siento, un saludo y gracias por tu comentario. 7 DE DICIEMBRE DE 2010 13:10
Annimo dijo... Buenas noches, me puede ayudar en este ejercicio? "Sea X una variable aleatoria con funcin de densidad uniforme en (-1,1). Calcular la funcin de densidad de la variable Y=X^2". Mi libro, primero halla la funcin de distribucin y para ello, toma como lmites de integracin lo siguiente: {Yy}={X^2y}={-y X y} Con los lmites de - y + halla la integral de 1/2, y le da como resultado y. Mi duda es dado, que si X toma valores entre (-1,1), Y tomar valores entre (0,1), por tanto
los lmites de integracin no deban ser 0 y y?
Espero haberme explicado.. Muchas gracias de antemano y un saludo 7 DE DICIEMBRE DE 2010 22:27
Voy a resolver el ejercicio a ver si me entero de tu duda.
X ~ U(-1, 1). Distribucin Uniforme.
Su funcin de densidad es:
f(x) = 1/2, -1 x 1 (0 en otro caso)
Bien, nos piden obtener la funcin de densidad de la variable Y, la cual se expresa de la siguiente forma:
Y = X
No es ms que un cambio de variable, pero en fin, para obtener su funcin de densidad vamos previamente a obtener, su funcin de distribucin acumulada. Para tal fin, aplicamos la definicin:
F(Y) = P(Y y)
Realizamos el cambio de variable:
F(Y) = P(Y y) = P(X y) = P(-y x y)
Pues bien, sabemos que f(x) = 1/2, realizamos la integral desde -y hasta y para obtener la funcin de distribucin acumulada:
F(Y) = P(Y y) = (1/2)dx = -(1/2)x|y--(-y) = (1/2)[y + y] = y
NOTA: Los lmites de la integral sera desde -y hasta y, por comentarios no me permite ponerlo bien.
Pues bien, ya tenemos la funcin de distribucin acumulada de Y:
F(Y) = y
Cuyo intervalo de accin es de 0 y 1 (No puede ir desde -1 hasta 1 ya que la raz cuadrada de un nmero negativo no es vlida).
Pues bien, simplemente nos queda deshacer el camino recorrido para obtener la funcin de densidad:
f(y) = F'(Y) = [y/]' = (2y)
Ya est resuelto el problema, como ves los propios pasos que debes seguir te dictan las propias claves del problema.
Los lmites de integracin de Y no deben ser 0 y y porque la integral que se realiza es de la variable X,
Annimo dijo... Gracias, lo tengo claro, sin embargo, mirando ms ejercicios veo que si en lugar de que X tenga funcin de densidad uniforme en (-1,1), la tiene en (0,1), los lmites de integracin s son (0,), cuando segn este ejercicio sera (y realizando el mismo cambio de variable): F(Y) = P(Y y) = P(X y) = P(-y x y).
En mi libro de texto si X es (0,1), se integra en (0,y) y no en (-y, y).
Gracias de nuevo. 8 DE DICIEMBRE DE 2010 18:51
Vamos a ver, no es lo mismo que la variable aleatoria continua est definida en un rango u otro.
Si est en el intervalo (-1, 1) pues se tendr en cuenta los lmites de integracin desde negativo hasta positivo.
Pero en cambio, si la misma variable aleatoria continua est en el intervalo (0, 1), slo se tendr en cuenta desde 0 hasta positivo.
Esto es as ya que para valores distintos de los que marca el rango de la funcin de densidad, su valor es cero.
A ver un ejemplo, sea X una variable aleatoria continua definida en el rango (0, 5).
Para obtener la funcin de distribucin acumulada, no puedo integrar desde, por ejemplo, -
5 hasta 5, por la simple razn de que la propia variable slo est definida desde 0 hasta 5 y por ende, para otros valores su resultado es cero.
Es por ello que slo integrar desde valores dentro del rango de accin de la funcin de densidad.
Un saludo. 8 DE DICIEMBRE DE 2010 19:29
Annimo dijo... Aclarado. Ninguna duda!!
Muchas gracias por su ayuda. 8 DE DICIEMBRE DE 2010 20:13
Annimo dijo... Hola Manuel, No se ven algunas operaciones. Grcias y un saludo 14 DE DICIEMBRE DE 2010 08:28
Si, tenemos un problema grande encima (aunque por fortuna existe solucin). Dadme dos das de cmo obtener la mejor forma de solucionarlo y en una semana, estar todo
establecido de nuevo.
Perdonar las molestias, un saludo. 14 DE DICIEMBRE DE 2010 09:47
Annimo dijo... ayudenme si tengo 50x^-3/6 de limites de 2 a 10 como integro esto.. ayuda por favor... 9 DE FEBRERO DE 2011 06:35
La integral es simple e inmediata, es potencia de la variable x, se resuelve de tal manera:
50x/dx = 50(-3/6+1)x
Aplicamos los lmites de integracin: [2, 10]:
50/0.5 [10 - 2] 174.806410
Un saludo. 9 DE FEBRERO DE 2011 09:36
mariluz dijo... saludos pero para que sea una funcion d eprobabilidad de densidad tienes que cumplir que f(x)=1
9 DE FEBRERO DE 2011 16:27
Manuel Caballero dijo... Buenas Mariluz:
Efectivamente, para que una funcin sea de probabilidad de densidad debe ser positiva y la integral de todo el rango debe valer uno, tal y cmo est explicado en el apartado de teora (esto es por convenio de que una probabilidad debe ser positiva y menor que la unidad).
En cambio, si te refieres a al comentario de resolver la integral, no determina nada de funcin de probabilidad ni nada relacionado con la estadstica.
Simplemente que se resuelva la integral de la funcin dada en el intervalo indicado.
Un saludo y gracias por tu comentario. 9 DE FEBRERO DE 2011 16:35
Annimo dijo... Hola Manuel!! Si en un ejercicio me dan la media como puedo obtener los mximos y mnimos (a y b)de la uniforme?? grcias! 15 DE ABRIL DE 2011 15:48
Buenas:
Supongo que te darn tambin el valor de la varianza y as, tendrs dos ecuaciones ( y ) con dos incgnitas (a y b).
Si te dan simplemente la media, tendras una ecuacin con dos incgnitas.
Un saludo y gracias por tu comentario. 17 DE ABRIL DE 2011 10:21
Annimo dijo... Hola!! Tu blog me est sirviendo de gran ayuda para estudiar.Me sera de gran ayuda si me pudiese resolver el siguiente problema:
La fraccin de varones en una poblacin es de 0,58 .Si se extrae al azar una muestra de 100 personas , Cual es la probabilidad de que el numero de varones de esa muestra est comprendido entre 50 y 70?.
Muchas Gracias. 26 DE ABRIL DE 2011 18:17
Realizamos una recopilacin de datos que nos ofrece el enunciado:
Sea la variable aleatoria X, nmero de varones.
Tamao de la muestra: N = 100 individuos. La variable aleatoria discreta X sigue una distribucin binomial: X ~ B(100, 0.58)
Comprobaremos, si se puede aproximar a la Normal, para ello, se deben cumplir las siguientes condiciones:
1. np 5 1000.58 = 58 5 OK.
2. nq 5 100(1-0.58) = 42 5 OK.
Como podemos comprobar, cumple las restricciones necesarias, por lo que resolveremos este problema usando la aproximacin a la normal.
Por lo tanto: X ~ N(np, (npq)) = N(58, 24.36).
La probabilidad que debemos obtener es la siguiente:
P(50 X 70)
Aplicamos el corrector por continuidad y tipificamos:
P(49.5 X 70.5) = P((49.5-58)/24.36 Z (70.5-58)/24.36) P(-1.72 Z 2.53)
Operamos:
P(-1.72 Z 2.53) = (0.5 + (2.53)) - [1 - (0.5 + (1.72))]
Despejamos y buscamos en la tabla de la Normal:
P(50 X 70) = P(-1.72 Z 2.53) = (2.53) + (1.72) = 0.4943 + 0.4573 = 0.9516
Por lo tanto, la probabilidad de que el nmero de varones est comprendido entre 50 y 70 de una muestra aleatoria de 100 personas es de0.9516.
Me alegro que te sea de ayuda el material que exponemos en el blog. Gracias por tu comentario. 27 DE ABRIL DE 2011 10:33
Annimo dijo... Hola Manual, primero que nada me parece genial el aporte que haces, me a ayudado montones... mi pregunta es:como encuentro la esperanza de una variable aleatoria continua que tiene distinta funcion de densidad para dos intervalo de valores muchas gracias 5 DE MAYO DE 2011 03:57
Si te fijas en la definicin de obtencin de la esperanza de una funcin expuesta en este captulo, vers que est definida entre el intervlo a y b.
Pues para una funcin de densidad que est definida en ms de un intervalo, se aplica la misma frmula pero para cada intervalo emplearemos la definicin de la funcin de densidad en ese intervalo concreto y sumamos.
Un saludo y gracias por tu comentario. 5 DE MAYO DE 2011 13:57
Annimo dijo... eso pens, pero al hacerlo me da una varianza negativa. Haber si me ayudas f(x)=-1/3para -1<x<0 y f(x)=-1/3+x para 0<x<2. me piden calcular la varianza muchas gracias 5 DE MAYO DE 2011 21:40
Si te vas al apartado de Funcin de Densidad de Probabilidad, vers que para que consideremos una funcin de estas caractersticas se deben satisfacer dos condiciones, la primera es:
1. f(x) > 0,...para todo x.
Esto quiere decir que cualquier funcin podr ser considerada como funcin de densidad de probabilidad si es positiva para cualquier valor de x.
La funcin que tu me has puesto no cumple con esta condicin, excepto en el siguiente intervalo:
f(x) = -1/3 + x para 1/3 < x < 2
Un saludo. 6 DE MAYO DE 2011 11:02
Annimo dijo...
Hola me gusto mucho el blog y quisiera ver si me puedes ayudar con este ejercicio:
Encontrar la probabilidad de que ninguna de tras lamparas de un semaforo tengan que cambiarse durante kas orimeras 1200 hras de operacion, si el tiempo de vida X de una lampara es una variable aleatoria que tiene la densidad de manera que X se mide en multiplos de 1000 horas.
f(x)={4[0.25-(x-1.5)^3] cuando1<x<2 {0 en otras partes 23 DE MAYO DE 2011 16:12
El intervalo est bien definido? o falta algn tipo de informacin?.
Te digo esto porque segn comentas en el enunciado, la variable aleatoria X se mide en mltiplos de 1000 horas, pero el intervalo slo es de 1 a 2 horas.
Estara fuera del intervalo de la distribucin de probabilidad y por ende, su valor es cero calcules lo que calcules.
Un saludo por tu comentario y revisa el enunciado. 23 DE MAYO DE 2011 22:16
Annimo dijo... el intervalo esta bien definido yo tome como me pedia a 1200 horas como 1.2 pero no se por que 1 seria 1000 y 2 2000, pero no se como realizarlo bien
23 DE MAYO DE 2011 22:58
Annimo dijo... Encontrar la probabilidad de que ninguna de tres lamparas de un semaforo tengan que cambiarse durante las primeras 1200 hras de operacion, si el tiempo de vida X de una lampara es una variable aleatoria que tiene la densidad de manera que X se mide en multiplos de 1000 horas.
f(x)={4[0.25-(x-1.5)^3] cuando1<x<2 {0 en otras partes 23 DE MAYO DE 2011 23:12
Lo primero que tienes que hacer es obtener la funcin acumulada, se calcula a partir de la funcin de probabilidad, te pongo el resultado directamente (calcularlo no es difcil, es una integral sencilla):
- Para el intervalo: x 1
F(x) = 0
- Para el intervalo: 1 < x < 2
F(x) = -x + 6x - 13.5x + 14.5x - 6
- Para el intervalo: x 2
F(x) = 1
Una vez que tenemos la Funcin Acumulada del tiempo de vida de una lmpara, vamos a obtener la probabilidad para una lmpara:
P(X > 1.2) = 1 - P(X 1.2) = 1 - F(1.2)
Empleamos la expresin matemtica de la Funcin Acumulada acorde a dnde est el parmetro 1.2, en este caso:
F(1.2) = -1.2 + 61.2 - 13.51.2 + 14.51.2 - 6 = 0.2544
Por lo tanto, la probabilidad de que una lmpara (de un semforo) no tenga que cambiarse durante las 1200 horas primeras es:
P(X > 1.2) = 1 - F(1.2) = 1 - 0.2544 = 0.7456
Bueno, hasta aqu hemos obtenido la probabilidad de que una lmpara no se cambie durante 1200 horas primeras de operacin, pero el enunciado no dicen tres lmparas.
Las lmparas estn conectadas en paralelo o en serie? Son independientes entre s? Supongo que s. Son iguales las lmparas?
En fin, suponemos que las tres son independientes, iguales y que estn en serie montadas, por lo tanto, debemos obtener que las tres lmparas no fallen, si denotamos:
A 'No falle primera lmpara durante 1200 horas'. B 'No falle segunda lmpara durante 1200 horas'. C 'No falle tercera lmpara durante 1200 horas'.
La probabilidad de no fallar durante 1200 horas es: 0.7456.
Por lo tanto, la probabilidad que nos piden es la siguiente:
P(ABC) = P(A)P(B)P(C) = 0.7456 0.414493
Un saludo y disculpa el retraso. 5 DE JUNIO DE 2011 10:12
Annimo dijo... ola manuel.me podras ayudar ,brindandome un ejemplo de Distribuciones y funciones de probabilidad para variables aleatorias Discretas. 27 DE SEPTIEMBRE DE 2011 20:41
Si te vas al men de la izquierda, en el apartado: Las Riberas Matemticas, encontrars en primer lugar, el enlace que pone Estadsticadnde estn entre otros temas el de Distribuciones y Funciones de Variable Aleatorias Discretas.
PD: Hola es con H.
Un saludo y gracias por tu comentario. 28 DE SEPTIEMBRE DE 2011 09:17
Annimo dijo...
hola me puedes ayudar? tengo este ejercicio y la verdad no he podido con el.
un profesor ha calculado que el tiempo invertido por los estudiantes en hacer unos ejercicios sigue una distribucin normal con media de 150 minutos y una desviacin tpica de 40 minutos A-cuantos minutos tarda un alumno si el 90% de sus compaeros tarda mas que el? 1 DE OCTUBRE DE 2011 21:41
Ejercicios muy parecidos al que expones tienes en los ejemplos de este captulo.
Te lo voy a resolver, definimos el suceso:
X 'Tiempo invertido por los estudiantes en hacer unos ejercicios'.
Dicha variable aleatoria sigue una distribucin Normal de parmetros:
X ~ N(150, 40) minutos.
En este problema nos dan los datos de la probabilidad y debemos hallar el valor de la media de la variable aleatoria X que lo satisfaga, tenemos:
P(X > x) = 1-P(X x) = 0.9
Operamos:
P(X x) = 1-0.9 = 0.1
Tipificamos:
P(X x) = P(Z [x-150]/40) = 0.5+(z) = 0.1
Por lo tanto:
(z) = 0.1-0.5 = -0.4
Buscamos en las tablas de la Normal y en este caso, no encontramos el valor exacto para 0.4, podemos realizar una interpolacin lineal pero en este caso, para simplificar, se escoger el valor ms cercano:
Z = -1.28
Ya tenemos todos los datos necesarios para resolver este problema:
(x-150)/40 -1.28
Despejamos el parmetro que nos interesa:
x -(1.2840)+150 = 98.8
Por lo tanto, un alumno tardar 98.8 minutos en realizar dichos ejercicios si el 90% de sus compaeros tardan ms que l.
Un saludo y gracias por tu comentario. 4 DE OCTUBRE DE 2011 14:37
Annimo dijo... Hola Manuel! Muy bueno el blog, me esta siendo muy til para preparar mis exmenes.
Tengo un ejercicio que no s como resolver.. quizs me puedas orientar un poco:
Sea X una variable aleatoria con funcion de densidad dada por:
f(x)= (3/2)x ; si -1<=x<=1 0 ; en caso contrario
Hallar la funcion de densidad de Y = 3-X.
Gracias!
Lorena 14 DE OCTUBRE DE 2011 05:06
Manuel Caballero dijo... Buenas Lorena:
Este tipo de ejercicios es de cambio de variable (normalmente, se suelen ensear tres tipos), el que expones es un cambio de variable de traslacin.
Se puede hacer de dos formas, realizas el cambio de variable directamente cuando quieres obtener la distribucin acumulada o bien, realizas el cambio a lo ltimo.
Como aqu (un poco ms arriba) en la parte de comentarios ya hay un ejercicio de cambio de variable resuelto directamente, ste lo haremos de la otra forma (que creo que es ms sencillo).
Empezamos: Obtenemos la funcin de distribucin acumulada de la variable aleatoria X (es
una integral sencilla, as que te pongo directamente la solucin):
F(x) = (1/2)x
Ahora, realizaremos el cambio de variable, mediante la propia definicin de la distribucin acumulada:
F(Y) = P(Y y)
Teniendo en cuenta que: Y = 3 - X.
F(Y) = P(Y y) = P(3-X y) = P(X 3-y) = 1 - P(X < 3-y) = 1 - Fx(3-y)
Sustituimos:
F(Y) = 1 - (1/2)(3-y) = 1 + (1/2)(y-3)
Ahora, queda determinar el intervalo de accin, para ello debemos obtener los dos lmites, el que haga cero y el que haga uno a la funcin de distribucin acumulada.
Igualamos y obtenemos los resultados:
Si y 1.740079:.........F(x) = 0 Si 1.740079 < y < 3:.....F(x) = 1 + (1/2)(y-3) Si y 3:................F(X) = 1
Una vez obtenida la funcin de distribucin acumulada, podemos obtener la funcin de densidad con la siguiente relacin:
f(y) = F'(y)
Realizamos dicho clculo y obtenemos:
f(y) = (3/2)(y-3)
Para el intervalo: 1.740079 y 3.
Existe un mtodo (de teora) que te marca el camino a seguir, te ahorras varios pasos pero te tienes que aprender el mtodo.
Annimo dijo... Me qued clarsimo!... muy bien explicado.
Muchas, Muchas Gracias!!! 16 DE OCTUBRE DE 2011 05:11
Annimo dijo... Hola, muy bueno tu blog, seor manuel para que me ayude o me oriente a realizar un ejercicio:
El tiempo hasta la falla de un equipo sigue una distribucion exponencial con una media de 500 dias, los costos del mantenimiento preventivo y del mantenimiento de fallas son de 50 y 300 dolares respectivamente.
Determine (tp), el momento optimo para el reemplazo preventivo.
Muchas Gracias de Ante mano
Saludos desde Venezuela 20 DE OCTUBRE DE 2011 04:13
El ejercicios que expones necesita de cierta teora previa:
Qu es un mantenimiento preventivo?. Qu es un mantenimiento de fallas? Qu es el momento ptimo para reemplazo?
En otras palabras, no es un ejercicio de estadstica sino de una aplicacin que se basa en la estadstica pero que previamente, se necesita de conceptos previos para poder ser resuelto.
PD: Por cierto, para un mantenimiento preventivo no tiene mucho sentido una exponencial (si no recuerdo mal), ms bien una distribucin de Weibull.
Annimo dijo... Hola me gustaria por favor si me podrian ayudar con este ejercicio es que me hago un lo, el enunciado es el siguiente: Las puntuaciones obtenidas por un grupo de alumnos en un test sigue una distribuicin normal con media 24. Sbiendo que el 25% de los alumnos consiguen menos de 21.3020, podemos afirmar que el 10%consigue mas de:
A)29.1262 B)Ninguna de las otras respuestas C)26.6979 D)25.3489 Muchas gracias de antemano ^^ 31 DE OCTUBRE DE 2011 00:57
Annimo dijo... Hola seor Manuel muy buena su pagina me ha ayudado un monton =) querra pedirle haber si me puede ayudar con este ejercicio por favor: Si queremos aproximar la distribucin binomial(100,0.2) por una distribucin normal Cul sera la ms adecuada? Opcion 1: N(20,16) Opcion 2:(100, 2) Opcion 3:(100,0.2) Opcion 4: No es ninguna de las anteriores soluciones 31 DE OCTUBRE DE 2011 01:03
Realizamos una recopilacin de los datos que nos ofrece el problema:
X 'Puntuaciones obtenidas por un grupo de alumnos en un test'.
Se sabe que (por el enunciado del problema): X~N(24, ).
En este problema, debemos obtener el valor de la varianza para poder resolver los que nos
piden, para ello, nos apoyamos sobre la primera observacin:
P(X < 21.3020) = 0.25
Tipificamos:
P(X < 21.3020) = P(Z < (21.3020 - 24)/) = 0.5 + (z) = 0.25
Despejamos: (z) = 0.25 - 0.5 = -0.25.
Valor negativo pero no nos debe preocupar, ya que la campana de Guass es una curva simtrica, por lo tanto, buscamos en tablas el valor 0.25.
Si lo hacemos, veremos que no existe un valor exacto para tal dato, por lo que realizamos una interpolacin lineal:
0.67.........Z.....0.68 0.2486...0.25...0.2517
Z = [(0.67-0.68)(0.2486-0.25)/(0.2517-0.2486)] + 0.67 0.674516
Por lo tanto: z = -0.674516 (negativo porque hay que recordar que el valor inicial era negativo).
Ahora podemos sustituir valores:
(21.3020-24)/ > -0.674516
Despejamos el valor que nos interesa:
< 3.999905
Llegados a este punto, ya tenemos todos los datos necesarios: X~N(24, 3.999905).
Ahora, podemos obtener el dato que nos piden:
P(X > x) = 1 - P(X x) = 0.1
Despejamos: P(X x) = 1-0.1 = 0.9
Tipificamos:
P(X x) = P(Z (x-24)/3.999905) = 0.5 + (z) = 0.9
Despejamos: (z) = 0.9-0.5 = 0.4.
Buscamos en tablas el valor 0.4, veremos que no existe un valor exacto para tal dato, por lo que realizamos una interpolacin lineal:
1.28.........Z.....1.29 0.3997...0.40...0.4015
Z = [(1.28-1.29)(0.3997-0.40)/(0.4015-0.3997)] + 1.28 1.281667
Ahora podemos sustituir valores:
1.281667 (x-24)/3.999905
Despejamos y obtenemos la solucin al problema: x 29.126546.
Buenas:
Para aproximar una distribucin binomial a la normal, slo debemos realizar los pasos que nos dicta la teora, es decir, primero, comprobar que realmente se puede realizar dicha aproximacin, para ello es necesario que cumplan las siguientes condiciones:
1. np 5: 1000.2 = 20 5 OK. 2. nq 5: 100(1-0.2) = 80 5 OK.
Se cumplen las condiciones necesarias, ahora, podemos realizar la aproximacin:
B(100, 0.2) ---> N(, )
Pues bien, hacemos los clculos:
= np = 1000.2 = 20 = npq = 1000.2(1-0.2) = 16
Por lo tanto, la aproximacin es:
B(100, 0.2) ---> N(, ) = N(20, 16) = N(20, 4)
La solucin sera: Opcin 4: No es ninguna de las anteriores.
Ahora bien, en ciertos colegios, institutos, universidades, etc, la nomenclatura es algo distinta:
B(100, 0.2) ---> N(, ) = N(20, 16)
Por lo tanto, la solucin sera: Opcin 1.
Depende de la nomenclatura que uses, ser una u otra.
Annimo dijo... Sea X una variable aleatoria normal de media 5 y desviacin tpica 2. Entonces
a. P(X>2) = 0.93319 b. P(X>2) = 0.5 c. Ninguna de las otras respuestas. d. P(X>2) = 0.06681
me podrias ayudar x favor.... gracias anticipadas! 4 DE NOVIEMBRE DE 2011 14:15
Annimo dijo... Sea X una variable aleatoria que sigue una distribucin normal con media 64 y varianza 16. Determinar el valor de la constante a que verifica P(x < a)=0.1586553
a. 68 b. Ninguna de las otras respuestas. c. 60 d. 48
gracias anticipadas....me vendria muy bien una ayudita... 4 DE NOVIEMBRE DE 2011 14:18
Annimo dijo... hola haber si me puedes echar una manita con esto, gracias: Las puntuaciones obtenidas por un grupo de alumnos en un test de aptitud, sigue una distribucin normal con media 24. Sabiendo que el 25% de los alumnos consiguen menos de 20.62755, podemos afirmar que el 90% consigue ms de:
a.Ninguna de las otras b.17.59224 c.30.40776 d.26.6979 4 DE NOVIEMBRE DE 2011 14:21
Esta respuesta va dirigida a las tres anteriores (supongo que las ha escrito la misma persona).
Respecto al primer ejercicio que propones, es un caso tpico de normalizacin de una variable aleatoria continua, te recomiendo que te veas el captulo de la tabla de la Normal dnde se explica cmo normalizar variables de este tipo. En caso que no quieras, pues tienes una cantidad de problemas resueltos que podrs ver cmo se hace, por ejemplo: Problema 11.
Respecto al segundo problema, otro caso tpico de manejar la distribucin Normal, vuelves a tener a tu disposicin todos los problemas aqu resueltos, por ejemplo: Problema 17.
Y respecto al ltimo ejercicio, slo tienes que mirar cuatro comentarios atrs y encontrars uno de las mismas caractersticas resuelto, simplemente tienes que cambiar los
datos.
Que yo os resuelva los ejercicios no significa que aprobis, tenis que poner de vuestra parte y para ello, estudiar un mnimo de teora y por supuesto, hacer problemas.
Y precisamente es lo que en este blog, Aqueronte, podrs encontrar.
Un saludo y gracias por tu inters. 5 DE NOVIEMBRE DE 2011 19:59
Onechochin@hotmail.com dijo... Hola buenas, podrias decirme cual es el resultado exacto de estos problemas? Esque no se como hacerlos :S
Sabemos que el 30% de las personas que residen en una determinada ciudad son solteras. Supongamos que seleccionamos al azar cinco personas de esta poblacin. Cul es la probabilidad de que al menos tres estn casadas?
a. 0.83692 b. 0.16308 c. 0.3087 d. Ninguna de las otras respuestas
Y de este:
Una distribucin uniforme en el intervalo (a,b) tiene de media 3, y de varianza 1/3. Lo valores de a y b han de ser:
a. a=0, b=6 b. Ninguna de las otras respuestas.
c. Es imposible calcular a y b con tan pocos datos d. a=2, b=4
Y por ultimo:
Se ha comprobado que la duracin de las conversaciones telefnicas urbanas sigue una distribucin exponencial con media 5 minutos. Calcular la probabilidad de que una llamada tenga una duracin comprendida entre 3 y 9 minutos.
a. 0.3835127 b. 0.3669673 c. 0.3200259 d. Ninguna de las otras respuestas.
MUCHAS GRACIAS ! 6 DE NOVIEMBRE DE 2011 16:54
Te resuelvo el primer problemas que planteas.
Para empezar, es un problema de variables aleatorias discretas (NO continuas). Teniendo claro lo anterior, pasamos a definir los sucesos:
S 'Personas que son solteras'. N 'Personas que no son solteras'.
P(S) = 0.3 P(N) = 1-P(S) = 1-0.3 = 0.7
X 'N de personas que no son solteras que residen en una determinada ciudad'.
La variable aleatoria discreta X sigue una distribucin Binomial de parmetros: X~B(5, 0.7)
La probabilidad que debemos obtener es el siguiente:
P(X 3) = 1 - P(X < 3) = 1 - [P(X=0) + P(X=1) + P(X=2)] = 0.83692
No he sustituido valores ya que por comentarios no se vera bien (ya que no puedo poner subndice ni superndice (te puedes mirar cualquier problema del captulo: Variable Aleatoria Discreta y Distribuciones de Probabilidad, por ejemplo el Problema 51).
Por lo tanto, la solucin sera la a.
Respecto al segundo problema, simplemente debes emplear las expresiones matemticas de la media y desviacin tpica de la distribucin Uniforme y tendrs dos ecuaciones con dos incgnitas, fcil de resolver, te puedes mirar un ejercicio que tenemos parecido: Problema 57.
Y respecto al tercer problema, un ejercicio tpico y fcil de manejar una distribucin exponencial, te puedes mirar el siguiente ejemplo: Problema 73.
Una pregunta, no sabes hacer stos ejercicios o es que ni siquiera lo has intentado?
Un saludo y gracias por tu inters. 6 DE NOVIEMBRE DE 2011 21:20
StoneCr1s dijo...
Dada la funcin:
f(x): ax^2 , 1<= x <=3 0 , en otro lugar
** Hallar "a" para que f sea de densidad y graficar f y F. ** Calcular p(x>=2); E(x) y V(x) Donde E(x) = Esperanza V(x) = Varianza 14 DE NOVIEMBRE DE 2011 20:10
Manuel Caballero dijo... Buenas StoneCr1s:
Desde el ejercicio 1 hasta el 10 mnimo, encontrars problemas de carcter similar al que expones e incluso, de mayor dificultad.
Annimo dijo... Buen Dia Manuel: Felicidades por tu blog,me ha servido mucho en mis clases, me gustaria consultarte en el problema 57, porque se tomo el valor de 3 o de donde se obtuvo este valor?estot tomando este ejercicio para resolver un ejercicio similar, pero me siento confundida sobre ese valor 3. Gracias por tu ayuda. Renata
10 DE DICIEMBRE DE 2011 13:26
Manuel Caballero dijo... Buenas Renata:
El 3 viene de simplificar el sistema de dos ecuaciones, te lo resuelvo para que lo veas. Tenemos dos ecuaciones con dos incgnitas (a y b), son las siguientes:
a + b = 20 b - a = 12
Operamos un poco con ellas:
a = 20 - b b = 12 + a
Ahora, podemos sustituir la segunda ecuacin en la primera para obtener el valor de la incgnita a:
a = 20 - 12 - a
Agrupamos:
2a = 20 - 12
Despejamos:
a = 20/2 - [12/4] = 10 - 3
Fjate que el 2 que est dividiendo entra en la raz elevado al cuadrado.
Por eso se obtiene en parmetro 3.
Annimo dijo... Hola Manuel:Te saludo desde Nicaragua, felicidades por tu blog, me ha sido muy util, casi no entendia los temas en clases, tus ejemplos me han ayudado muchisimo para aclarar mis dudas,deseo pedirte ayuda con un ejercicio, he estado intentado resolverlo,pero me ha dado bastantes problemas, el ejercicio es una profesora desea conocer si el porcentaje de aprobados en su asignatura ronda el 60% para comprobar si se cumplen los objetivos presupuestos al inicio del curso. Para comprobarlo reviso las calificaciones de 100 estudiantes, de los que obtuvo un porcentaje del 57% de aprobados. Con un margen del error del 5% que valor toma el estadistico? Se puede rechazar la hipotesis de partida? Agradezco de antemano tu ayuda.Saludos cordiales. Roberto Carlos M. 11 DE DICIEMBRE DE 2011 11:49
Manuel Caballero dijo... Buenas Roberto Carlos:
El problema que planteas no es de Variables Aleatorias Continuas sino que corresponde a Pruebas de Hiptesis o Intervalos de Confianza.
Resolverlo por este apartado de comentarios, ser bastante tedioso (por la nomenclatura de las ecuaciones a plantear), a parte, me parece interesante el dato del error que plantea el enunciado del problema, as que, lo he resuelto y aadido como problema de boletn al apartado que le corresponde: Estimacin, Intervalos de Confianza y Pruebas de
Hiptesis que podrs encontrar en el curso de Estadstica.
El problema concreto es el nmero 83 (Enlace: http://unbarquero.blogspot.com/2011/12/problema83-estimacion-y-pruebas-de.html)
Annimo dijo... Muy buen blog, tienen muy buenos contenidos y muy buenos ejemplos, me gustaria pedir me ayudaran con un ejercicio: Dos profesores A y B dieron en un centro, dos cursos de la misma asignatura. La distribucin de las notas de sus alumnos reflej los siguientes resultados a lo largo de los diez ltimos aos. Profesor A: media 5 y desviacin tpica 3. Profesor B: media 5 y desviacin tpica 1. En el presente curso un alumno que slo conoce estos datos y que aspire a una nota de 9 10, con qu profesor debera matricularse?
Gracias. 14 DE DICIEMBRE DE 2011 08:11
Lo primero es hacer una recopilacin de los datos que nos ofrece el enunciado del problema:
A 'Nota obtenida por el profesor A'. B 'Nota obtenida por el profesor B'.
Ambos ejercen la misma asignatura y suponemos que dichas variables aleatorias siguen una Distribucin Normal, por lo tanto:
A~N(5, 3) B~N(5, 1)
P(9 X 10)
Siendo:
X 'Nota obtenida por un alumno'.
Pues ya tenemos concretados todos los datos del problema, lo que nos falta hacer es obtener la probabilidad anterior respecto a cada profesor.
Para el Profesor A:
P(9 X 10) = P[(9-5)/3 Z (10-5)/3] P(1.33 Z 1.67) = (1.67) - (1.33)
Buscamos en la tabla de la Normal y sustituimos valores:
P(9 X 10) P(1.33 Z 1.67) = (1.67) - (1.33) = 0.4525 - 0.4082 = 0.0443
Por lo tanto, la probabilidad de obtener una nota entre 9 y 10 matriculndose en la asignatura impartida por el profesor A es de 0.0443.
Para el Profesor B:
P(9 X 10) = P[(9-5)/1 Z (10-5)/1] = P(4 Z 5) = (5) - (4)
Buscamos en la tabla de la Normal y sustituimos valores:
P(9 X 10) = P(4 Z 5) = (5) - (4) 0.5 - 0.5 = 0
Por lo tanto, la probabilidad de obtener una nota entre 9 y 10 matriculndose en la asignatura impartida por el profesor B es de 0.
Evidentemente, la probabilidad de obtener una nota entre 9 y 10 es mayor si el alumno se matricula con el profesor A.
PD: Aparte, en mi opinin, el alumno debera apuntarse a clases particulares o estudiar bastante por su cuenta ya que la nota media de ambos profesores para su asignatura es de 5.
Annimo dijo... Hola Manuel:Gracias por tu ayuda con este ejercicio,me ha quedado claro , y estoy de acuerdo contigo que el alumno debera optar por tutorias o estudiar bastante si desea obtener una nota arriba de 5. Te comento que en el ejercicio se dan varias opciones a escoger: a. Con ninguno de los dos, pues no puede sacar ms de 8. b. Con el A. c. Con el B. d. ninguna de las anteriores. Segun mi criterio y la ayuda que tu me haz proporcionado,en la tarea que presente opte por la opcion b, ya que aunque la nota media de ambos profesores sea de 5,no es imposible que un estudiante obtenga mas de 8,claro si se esfuerza y estudia mucho,gracias por tu ayuda. 15 DE DICIEMBRE DE 2011 09:40
Annimo dijo... Hola este blog es un exito, me ha servido grandemente, queria consultar que significa la siguiente expresion: F0+d(F(x)) dx = 1 .Esta expresion la mencionan en el material de mi clase de Estadistica en el tema de funciones de distribucion de una variable aleatoria continua, pero no me queda claro que significa.
Gracias por su ayuda.
Daniel Moreno/Honduras 15 DE DICIEMBRE DE 2011 09:56
Hombre, con el profesor A tiene una probabilidad de estar entre las notas sugeridas, eso s, la probabilidad es baja.
-----------
La ecuacin que mencionas:
F0 + d(F(x))dx = 1
No es ms que una de las dos condiciones que debe cumplirse para que una funcin sea una funcin de densidad de probabilidad.
Slo que est escrita de diferente manera, en el blog empleamos la integral (para ver ambas condiciones debes irte al principio de la teora que exponemos en este captulo).
Pero ambas son equivalentes, ya que si despejas en tu expresin F(x) te dar en funcin de la integral tal y cmo lo tenemos nosotros definido.
Un saludo. 15 DE DICIEMBRE DE 2011 11:37
Vctor J. dijo... IMPRESIONANTE blog muy muy til felicidades y gracias :) 30 DE ENERO DE 2012 16:18
Moira dijo... Hola, por favor necesito ayuda con estos ejercicios...
_La primera de probabilidad:
51%posee fondo solidario 34 posee beca de alimentacin 50 de dinero 8 solo beca de alimentacion 22 solidario y alimentacin 36 posee solidario pero no beca de alimentacion 3 solidario y dinero pero no de alimentacion preguntas la probabilidad de : 1 no posee nada 2 solo uno
3 posee fondo y beca de dinero , si tiene beca de alimentacion 4 posee fondo solidario o beca de dinero 5 no posee beca de alimentacin 6 posee beca de dinero sabiendo que posee solidario
problema 2 dice mas o menos asi:
alumnos del colegio X postularon 40 a la especialidad A , 35 a la B 25 a la C. y en aos anteriores onda se hizo un historial y el 40%, 70%, y 20% participaron en el proceso de postulacion de la prueba. Cual es la probabilidad de q de los alumnos q no postularon sean de la especialidad B?
3...el curso tiene un promedio d 2.4 inasistencia por da cual es la probabilidad : a) un curso resistre en un da mas de 5 inasistencia b) de 10 cursos se observe que en 3 ahi dos inasistencias
4 en un colegio el 75% provienen de un campamento : Si se consideran 15 alumnosi( n =15) cual es la probabilidad que por lo menos 12 provienen del campamento.
si( n= 480) probabilidad de que menos de 300 provengan del campamento
5 te dice que de distribucion normal de u=3,5 desviacion standar=0,8 habla de la distancia con respcto a un colegio a) probabilidad de que por lo menos residan dos b) prob. de que 5 alumnos queden en menos de 4 km 7 DE FEBRERO DE 2012 03:24
Buenas Moira:
Qu tipo de ayuda necesitas? Has puesto varios ejercicios de una temtica diferente, desde probabilidad hasta variables aleatorias continuas.
En el apartado de Estadstica, puedes entrar en los distintos captulos y hacer o revisar cada ejemplo que podrs encontrar, dnde seguramente, la mayora de los problemas que expones aqu, estn resueltos en su correspondiente categora (o problemas muy similares).
Si despus de esto sigues teniendo dudas sobre un ejercicio concreto (o varios), escribe en el apartado correspondiente al captulo deEstadstica dnde podr ayudarte.
Moira dijo... 3. Un curso tiene un promedio d 2.4 inasistencia por da cual es la probabilidad : a) un curso registre en un da mas de 5 inasistencia (aplicacion de distribucion binomial?)
b) de 10 cursos se observe que en 3 hay 2 inasistencias ( ser binomial tambien?) 8 DE FEBRERO DE 2012 02:30
Moira dijo... 4. En un colegio el 75% de los alumnos provienen de un campamento: a)Si se consideran 15 alumnos cual es la probabilidad que por lo menos 12 provengan del campamento? (BINOMIAL)
b)si se tienen 480 alumnos cual es la probabilidad de que menos de 300 provengan del
campamento (SERA NORMAL?)
5. La distancia a la que viven los alumnos de su colegio en Km se rige por la distribucin normal de u=3,5 y desviacin estndar=0,8 . cul es la probabilidad de:
a) de que un alumno resida por lo menos a 2km del colegio (aplicacion de distribucion normal)
b) probabilidad de que 5 alumnos vivan a menos de 4 km (NO ENTIENDO) 8 DE FEBRERO DE 2012 02:32
Manuel Caballero dijo... Buenas Moira:
Respecto al ejercicio nmero 3:
Apartado a) Se debe resolver mediante una Distribucin de Poisson. Apartado b) Hipergeomtrica.
Apartado a) Distribucin Binomial Apartado b) Es Binomial pero debido al tamao, se deber comprobar si se puede aproximar a la Distribucin Normal (en caso contrario, comprobar compatibilidad con la Poisson).
Apartado a) Distribucin Normal (te lo indica el enunciado del problema).
Apartado b) Distribucin Binomial, tenemos tanto la media cmo la desviacin estndar, por lo que tendremos dos ecuaciones con dos incgnitas para obtener los parmetros necesarios de la Binomial.
ana dijo... Hola me ha servido de mucha ayuda leer el blog, todas las respuestas aclaran conceptos que necesitaba. Necesito ayuda con este ejercicio, es de examen y no encuentro ninguno parecido.. Se considera q el numero diario de ejemplares venido en un kiosko de una revista de motor es de media 25(Poisson), calcula la probabilidad de q los ingresos obtenidos durante 60 dias esten entre 3780 y 3900. Gracias de antemano. 18 DE JUNIO DE 2012 18:12
Manuel Caballero dijo... Buenas Ana:
En el problema falta un dato, cunto es el precio por unidad de revista? En otras palabras, cunto vale la revista?
Si te das cuenta, el problema pide obtener una probabilidad acorde a beneficios, en cambio, tal como t lo has redactado, el problema slo nos habla de la media de revistas vendidas en un da.
Problemas similares tenemos en este blog, por ejemplo, los de ste captulo:
Problema 77 Problema 79 Problema 56 Problema 58
Y algunos ms. An as, voy a exponer la manera de resolverlo a expensas del precio por revista.
Primer paso, definir nuestra variable aleatoria:
X 'Nmero diario de ejemplares vendidos en un kiosko de una revista de motor'
Dicha variable sigue una distribucin de Poisson, X~P(25) ejemplares vendidos/al da.
El problema quiere hacer un estudio durante 60 das, por lo que tendremos que adaptar nuestro parmetro promedio:
1 --- 25 60 ---
Por lo tanto, el nmero medio de ejemplares vendidos/60 das es:
= (6025)/1 = 1500
P(3780 Y 3900)
Y como podemos comprobar, la variable aleatoria Y no es la misma que nuestra variable aleatoria X. La variable aleatoria Y se describira de la siguiente manera:
Y 'Ingresos obtenidos durante 60 das de ejemplares vendidos en un kiosko de una
revista de motor'
Para que nuestra variable aleatoria X pase a ser la variable aleatoria Y, tendramos que tener el precio por unidad del ejemplar que se vende en el kiosko.
An as, vamos a seguir con el ejercicio. Nuestra variable aleatoria es del tipo discreta, determinaremos, si se puede aproximar a la Normal, para ello, se deben cumplir la siguiente condicin:
1. > 25 1500 > 25 OK.
Por lo tanto: X ~ N(, ) = N(1500, 1500).
Aplicamos el factor de correccin:
P(3779.5 Y 3900.5)
Y vamos a suponer, un par de casos.
Primer Caso
La revista se vende por un euro la unidad.
Por lo tanto, ya transformar nuestra variable aleatoria a la que necesitamos de la siguiente manera:
Y = Xn = 15001 = 1500
Donde n, es el precio por unidad de revista vendida.
Por lo tanto, tipificamos:
P(3779.5 Y 3900.5) = P[(3779.5 - 1500)/1500 Z (3900.5 - 1500)/1500]
P(58.86 Z 61.98)
Buscando en la tabla de la Normal, obtenemos la solucin:
P(3779.5 Y 3900.5) P(58.86 Z 61.98) = (61.98) - (58.86) = 0.5 - 0.5 = 0
Es decir, que si la revista se vende a un euro por unidad, la probabilidad de que los ingresos obtenidos durante 60 das estn comprendidos entre 3780 y 3900 es de cero.
Segundo Caso
La revista se vende por dos euros y medio la unidad.
Por lo tanto, ya transformar nuestra variable aleatoria a la que necesitamos de la siguiente manera:
Y = Xn = 15002.5 = 3750
Donde n, es el precio por unidad de revista vendida.
Por lo tanto, tipificamos:
P(3779.5 Y 3900.5) = P[(3779.5 - 3750)/3750 Z (3900.5 - 3750)/3750] P(0.48 Z 2.46)
Buscando en la tabla de la Normal, obtenemos la solucin:
P(3779.5 Y 3900.5) P(0.48 Z 2.46) = (2.46) - (0.48) = 0.4931 - 0.1844 = 0.3087
Es decir, que si la revista se vende a dos euros y medio por unidad, la probabilidad de que los ingresos obtenidos durante 60 das estn comprendidos entre 3780 y 3900 es de 0.3087.
Un saludo. 19 DE JUNIO DE 2012 17:14
Jos Luis dijo... como puedo diferenciar una variable aleatoria continua de una discreta.por ejemplo:
La prdida de peso que se logra con cierta dieta.
Tiempo que tardan en entregar una pizza desde el momento en que se ordena. 1 DE JULIO DE 2012 04:21
Annimo dijo... Quisiera consultarte como se resuelve este ejercicio ya que observe todo los ejercicios que propusiste y no hay uno similar : Se observ durante un largo perodo que la cantidad semanal gastada en mantenimiento y reparaciones en cierta fbrica tiene aproximadamente una distribucin normal con media 160000 pesos y desviacin estndar 28000. a) Si el presupuesto para la prxima semana es de 180000 pesos. Cul ser la probabilidad que los costos reales sean mayores a la cantidad presupuestada? b) De cunto tendra que ser el presupuesto para reparaciones semanales, para que la cantidad presupuestada solamente se sobrepase con una probabilidad igual a 0.1? c) Se sabe que en una semana el gasto no super los 150000 pesos. Cul ser la probabilidad que haya superado los 120000 pesos? d) Si se elijen aleatoriamente del perodo de observacin 4 semanas. Cul es la probabilidad que por lo menos en 3 de ellas el gasto en mantenimiento en reparaciones se encuentre entre 120000 y 150000 pesos?
Graxias 2 DE JULIO DE 2012 00:38
@Jos Luis: Para diferenciar entre una variable aleatoria contnua de una discreta es 'relativamente' fcil.
La variable aletoria continua tiene infinitos posibles valores dentro d eun intervalo definido.
La variable aleatoria discreta, tiene un conjunto de valores finitos para los cuales est realizado el experimento.
Por ejemplo, las veces que se lanza un dado, es una variable aleatoria discreta ya que el experimento se realiza un nmero finito de veces (el lanzar un dado).
En cambio, las definiciones que has puesto podan ser variables aleatorias continuas, simplemente falta definir el intervalo.
@Annimo: Creo que no vistes todos los ejercicios (es ms), podra decirte que no has visto ninguno, ya que hay un montn de ellos que se resuelven de manera similar al que has puesto, tipificar la variable aletoria continua a la Normal.
Como referencia estn los siguientes:
Apartado a) --> Problema 15 Apartado b) --> Problema 32
Para el Apartado c) es similar que el Apartado a)
Revsalos y las dudas que tengas, pregntalas.
Gracias por vuestros comentarios. 3 DE JULIO DE 2012 08:18
Annimo dijo... Hola queria consultarte sobre este ejercicio:
Sea X una variable aleatoria con funcion de densidad dada por: f(x)= 0.2 si -1x<0 0.2+cx si 0x<1 0 en otro punto Calcular el valor de c
Mi duda es si debo igualar la suma de las dos integrales a 1, o si debo igualar cada integral a 1, para luego poder despejar c.
Espero tu respuesta. Gracias! 17 DE JULIO DE 2012 21:22
Debes igualar a 1 la suma de ambas integrales, ya que es esa la funcin que define la variable aleatoria.
Tienes un par de ejemplos en los ejercicios (son parecidos, no exactamente obtener el valor de un parmetro par cumplir que sea una funcin de densidad):
Problema 31 Problema 39
Un saludo. 20 DE JULIO DE 2012 11:03
Annimo dijo... Buenas tengo un problema con este ejercicio el cual no se resolver...
sea Z una variable aletatoria distribuida normalmente con media cero y desviacion estandar uno. Encontrar la funcion que genera momentos Z 30 DE JULIO DE 2012 17:14
No te puedo ayudar con tu problema ya que no damos soporte en el clculo de momentos, an as, decirte que su obtencin no es difcil, plantea la integral mediante su definicin y debers resolverla.
Quizs, en un futuro, ampliemos el apartado de Estadsticas con nuevos temas: Distribuciones multivariables, Estudios no paramtricos, obtencin de momentos, etc.
Un saludo.
6 DE AGOSTO DE 2012 09:42
Annimo dijo... Buenas tardes, me podria ayudar a resolver este ejercicio:
Sea X una variable aleatoria con funcion de densidad f(x)=(3x(2-x))/4 si o<x<2; y sea y=x^2. Calcular E(y)
Muchas gracias :) 26 DE OCTUBRE DE 2012 19:40
Podrs encontrar ejercicios parecidos al que propones en el apartado de los problemas.
Concretamente, el siguiente ejercicio, en el Apartado a), se detallan los pasos a seguir para obtener la solucin del problema:
Problema 69: Apartado a)
Si tienes algn problema en la resolucin, estamos aqu para ayudarte.
Un saludo. 28 DE OCTUBRE DE 2012 10:26
Annimo dijo...
Hola buenos dias, tengo un problema con un ejercicio y por mas que lo intento no se por donde empezar,el problema es el siguiente: Se quiere analizar la rendibilidad que tienen determinadas lineas aereas. Se analiza la informacin sobre el grado de ocupacin de los aviones durante 3 meses, para 4 lineas diferentes: Madrid-Oviedo, Barcelona- Dublin, Reus- Venecia y Girona-Pars. Las medianas muestrales obtenidas a partir de 100 vuelos analizados a cada ruta muestran el siguiente porcentaje de ocupacin: 60,68,45 y 76. La desviacin estandar es de 20 y es la misma para todas las rutas. a. Suponemos que el llindar de ocupacin a partir del qual se considera que los viajes resulten rentables es el 68%, construir un intervalo para la mediana mostral que contenga el 95% de los casos, i compararlo con el llindar. Cuales son las lineas que de podrian considerar como rentables? b. Teniendo en cuenta que la mediana de ocupacin de la ruta Reus-Pars es del 33%, cual tendria que ser la medida muestral si quisieramos asegurar, con una probabilidad del 95%, que la ocupacin mediana sea superior al 40%? Haber si me podes hechar una mano, muchas gracias. 4 DE NOVIEMBRE DE 2012 09:52
Antes que nada pedirte que expongas tus preguntas en el sitio adecuado, tu pregunta no corresponde a este captulo sino ms bien al correspondiente de Estimacin y Pruebas de Hiptesis (ms que nada para que est todo lo ms ordenado posible, esto nos ayuda a todos).
Dicho esto, ya te he dado una pista, en el Apartado a) debes obtener un intervalo de confianza para la media de cada una de las rutas.
En este caso, los cuatro intervalos de confianza al 95% que debes realizar, son del tipo
Normal (con un tamao de muestra mayor o igual a 30 y con desviacin estndar conocida), en el apartado correspondiente que te he mencionado anteriormente, encontrars multitud de ejercicios similares, aqu un ejemplo:
Problema 38.
La forma de abordar tu problema es muy parecida en ambos apartados al problema que te he expuesto anteriormente.
Con respecto a qu lneas se pueden considerar rentables, stas sern las que en su intervalo de confianza obtenido est la cifra 0.68recogida.
PD: Eres hispano hablante? Me explico, hay ciertas palabras que no entiendo o el concepto es distinto, tal como en tu Apartado b) te refieres a la mediana, realmente quieres decir la media.
Un saludo. 4 DE NOVIEMBRE DE 2012 17:34
Annimo dijo... Hola, Tengo algunas dudas, si tienes la funcion de densidad: f(x)= 1/2 e^(-|x|) Como se halla: P(|x|+|x-3|3) P(x^3-x^2-x-20) P(exp(senx)1) P(x "perteneciente a" R-Q)
Saludos :) 26 DE NOVIEMBRE DE 2012 03:53
Lo primero que tienes que comprobar es que la funcin dada cumple las condiciones de que sea una funcin de probabilidad, stas condiciones son dos:
1. f(x) > 0, para todo x. La cumple. 2. int_a^b{f(x)dx} = 1. La cumple.
La primera condicin es fcil obtenerla, sustituye valores (el que quieras de x), y comprobar que el resultado es positivo.
Para la segunda, debers realizar la integral entre los intervalos - infinito y + infinito, dnde obtendrs el resultado de 1 (por lo tanto, tambin la cumple). Te dejo el resultado por wxMaxima:
>> integrate(0.5*%e^(-abs(x)), x, -inf, inf); >> 1.0
Ahora bien, al tener un mdulo de la variable x, lo que obtendremos es una funcin simtrica (valores positivos y negativos), si consideramos slo los valores positivos tendremos la siguiente funcin de probabilidad acumulada:
Para x 0: F(x) = 0.5 Para 0 < x < : F(x) = 0.5 + 0.5(1 - e^(-x)) Para x : F(x) = 1
Como vers, ese 0.5 viene de la parte simtrica de la curva que contiene los valores negativos de la variable aleatoria continua x.
Un saludo.
12.1 Distribucin de una variable aleatoria discreta
Distribucin aleatoria discreta, variable aleatoria, comparar una distribucin de frecuencias con una de probabilidad.
Distribucin aleatoria
Una variable aleatoria es discreta cuando slo puede tomar unos ciertos valores enteros.
Ejemplos de variable aleatoria
Nmero de caras obtenidas al lanzar tres monedas: 0, 1, 2, 3. Suma de las caras superiores obtenidas al lanzar dos dados: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12.
Distribucin de probabilidad
Ejemplo de variable aleatoria
Lanzamos un dado perfecto 240 veces, anotamos el resultado obtenido en la cara superior obteniendo los siguientes resultados: Distribucin aleatoria discreta 1 2 3 4 5 6 Cara superior 40 39 42 38 42 39 Nmero de veces
1. Tabla de distribucin de frecuencias
La tabla de distribucin de frecuencias muestra los resultados obtenidos
2. Tabla de distribucin de probabilidad
La tabla de distribucin de probabilidad muestra los resultados esperados
3. Grfica de las distribuciones
En la grfica de los valores esperados, observamos que a cada valor de la variables aleatoria xi "cara del dado" le hacemos corresponder su probabilidad terica. A esta ley se le llama distribucin de probabilidad.

Variables Aleatorias Continuas y Distribuciones de Probabilidad

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Variables Aleatorias Continuas y Distribuciones de Probabilidad

Загружено:

Авторское право:

Доступные форматы

Variables Aleatorias Continuas y Distribuciones de Probabilidad.

Funcin de Densidad de Probabilidad.

La raz cuadrada positiva, , de la varianza de X, se denomina: desviacin tpica de X.

Se representa por: X ~ U(a, b). Su funcin de distribucin acumulada, F(x) es:

La media de la distribucin uniforme viene dada por:

Y la varianza de la distribucin uniforme viene expresada por:

ETIQUETAS: ESTADSTICA, MATEMTICAS

Manuel Caballero dijo... Buenas:

P(X < 3) = 0.1 P(X) = 1

NOTA: Para la distribucin de Cauchy, la esperanza no existe.

Manuel Caballero dijo... Buenas:

El procedimiento a seguir es el siguiente:

P(X < 3) = 0.1

Ese dato equivale a la funcin de distribucin acumulada al siguiente:

x>0 Ser cero en otro caso.

F(2) = P(X 2) = (1/)e^(-x/)dx

La solucin de la integral es sencilla, con un cambio de variable:

(1/)e^(-x/)dx = (1/)(-)e^(y)dy = -e^(y)dy

La integral es inmediata y deshacemos el cambio de variable:

e^(y)dy = e^(y) y = -x/

Aplicamos los lmites de integracin, la solucin de la integral es:

F(2) = P(X 2) = (1/)e^(-x/)dx = -e^(-x/)|0-2 = -[e^(-2/) - e^0] = -[e^(-2/) - 1] = 1 - e^(-2/)

Pues bien, simplemente aplicamos el dato del enunciado:

F(2) = P(X 2) = 0.1

F(2) = 1 - e^(-2/) = 0.1

Para resolver dicha igualdad, aplicamos logaritmo neperiano en ambas partes:

Despejamos el parmetro que nos interesa :

Es decir, se esperan que dichas zapatillas duren casi 19 meses.

> qexp(0.1, rate=1/18.982443, lower.tail = T) [1] 2

Un saludo y gracias por tu comentario. 11 DE NOVIEMBRE DE 2010 12:56

Manuel Caballero dijo... Buenas Nlida:

Gracias por tu comentario y un saludo. 1 DE DICIEMBRE DE 2010 12:46

Annimo dijo... Hola, me gustara saber cmo pasa de:

" P(X < 3) = 0.1

Ese dato equivale a la funcin de distribucin acumulada al siguiente:

F(2) = P(X 2)"

Muchas gracias de antemano por su ayuda. 6 DE DICIEMBRE DE 2010 20:18

Manuel Caballero dijo... Buenas:

Y si nos vamos a la teora, la definicin de la Distribucin Acumulada no es ms que la siguiente:

Un saludo y gracias por tu comentario. 6 DE DICIEMBRE DE 2010 20:51

Muchas gracias por su ayuda 7 DE DICIEMBRE DE 2010 10:38

Manuel Caballero dijo... Buenas:

La funcin de distribucin acumulada de la variable aleatoria continua X es:

Si X < 0:.........F(x) = 0 Si 0 X 1:....F(x) = x Si X > 1:.........F(X) = 1

Ahora bien, qu significa Y = min(X, 0.75)?

Se refiere al mnimo valor que toma la variable aleatoria X?

Si Y 0:..............F(y) = 0 Si 0 < Y < 0.75:....F(y) = y Si Y 0.75:.........F(y) = 1

Y la probabilidad a obtener sera:

P(Y > 0.25) = 1 - P(Y 0.25) = 1 - 0.25 = 0.9375.

Manuel Caballero dijo...

Un saludo y gracias por tu comentario. 7 DE DICIEMBRE DE 2010 11:48

Gracias. 7 DE DICIEMBRE DE 2010 13:05

Manuel Caballero dijo... Buenas:

Pero como muy pronto, empezaramos en Marzo del ao que viene.

Lo siento, un saludo y gracias por tu comentario. 7 DE DICIEMBRE DE 2010 13:10

los lmites de integracin no deban ser 0 y y?

Manuel Caballero dijo... Buenas:

Voy a resolver el ejercicio a ver si me entero de tu duda.

X ~ U(-1, 1). Distribucin Uniforme.

Su funcin de densidad es:

f(x) = 1/2, -1 x 1 (0 en otro caso)

Realizamos el cambio de variable: