Distibuciones Continuas

Distribuciones Continuas
Luz Marina Moya Moya
Pontificia Universidad Javeriana
Junio - 2013
Luz Marina Moya Moya Pontificia Universidad Javeriana
Distribucion Normal
La curva normal cumple las siguientes propiedades:

1
El maximo de la curva coincide con la media.
Es perfectamente simetrica a la media.
Sus colas son asintoticas al eje X
La curva tiene dos puntos de inflexi

on situados a una
desviacion estandar de la media.
Distribucion Normal
La distribucion mormal o tambien llamada de Gauss es la mas

importante. Muchas variables de interes se distribuyen normal.
Una variable aleatoria X se distribuye normal con media X y
varianza X2 si su funci
on de densidad de probabilidad esta dada
por:
x 2
1
21 X
X
e
fX (x) =
X 2
Ejemplo
Un abogado va todos los das de su casa en las afueras de la

ciudad a su oficina en el centro de la misma. El tiempo promedio
para un viaje de ida es 24 minutos, con una desviacion estandar de
3,8 minutos, suponga que la distribuci
on de los tiempos de viaje
esta distribuida normalmente.
Cual es la probabilidad de que un viaje dure por lo menos media
hora?
Ejemplo
Solucion.
P(x 30) = 0, 057174
Distribuciones continuas, distribuci
on normal.
Valor de la variable 30, media 24, desviaci
on tpica 3,8, cola
derecha
Aproximacion de la Binomial a la Normal
Una distribucion binomial se puede aproximar a la distribucion

normal si N es suficiente grande y p no esta ni muy proximo a 0 ni
a 1. Sea X una variable aleatoria con media np y varianza npq.
entonces
X np
Z=
npq
Ejemplo
Seg
un la experiencia, se sabe que aproximadamente el 20% de los
estudiantes del curso de probabilidad de esta universidad pierden el
examen final. Si este semestre se seleccionan al azar 60 estudiantes
que toman esta asignatura, cual es la probabilidad de que:
1
10 pierdan probabilidad
Entre 10 y 15 pierdan probabilidad.
Solucion.
1
P(x = 10) = 0, 110188 dbinom(10, size=60, prob=0.2).
P(10 < x < 15) = P(x < 15) P(x < 10) =,
x = np = 60 ? 0, 20 = 12,
= npq = 60 ? 0, 20 ? 0, 80 = 9, 6 = 3, 0983
=0.833546-0,2592967=0.5742493. Valor de variable 15,
media 12 desviaci
on tpica 3.0983, cola izquierda.
Distribucion exponencial
Se dice que una variable aleatoria X que toma todos los valores no
negativos tiene una distribuci
on exponencial con parametro de
escala > 0, la funcion de densida es:
(
e x si x 0
fX (x) =
0
si x < 0
E (X ) = 1 , V (X ) =
1
2
La distribucion exponencial rige los tiempos de vida, de falla o

tiempos de sobrevivencia. Cuado esta ligada con un distribucion de
Poisson es el equivalente continuo de la distribuci
on geometrica, en
el sentido que rige el tiempo de espera o tiempo transcurrido hasta
que ocurra un primer suceso de Poisson, o tiempo de espera entre
acontecimientos (sucesos) consecutivos de Poisson, en este caso el
parametro es el promedio de acontecimeintos de Poisson por
unidad de tiempo.
Ejemplo
El n
umero de automoviles que circulan a alta velocidad durante un
lapso de una hora en una cierta autopista es una variable aleatoria
Poisson con = 8, 4. Cual es la probabilidad de tener un tiempo
de espera menor de 10 minutos entre automovilistas sucesivos que
circulan a alta velocidad?
Ejemplo
Solucion.
que corren a alta velocida por hora, como 10 minutos es 1/6 de
hora, en tonces P(x < 1/6) = 0, 753403 Valores de la variable 1/6,
parametro de la exponenecial 8,4, cola izquierda.
8,4 n
umero de autos
Ejemplo
Seg
un las estadsticas de Bogota, en esta ciudad se registran en
promedio cuatro asaltos bancarios cada 20 das. Si el n
umero de
asaltos se considera una distribcuci
on de Poisson, calcule la
probabilidad de que transcurran entre cuatro y siete das entre dos
asaltos bancarios consecutivos registrados en Bogota.
Solucion
Considerar los asaltos bancarios como sucesos independientes de

poisson. Cuatro asaltos cada 20 das equivalen en promedio a un
asalto cada cinco das. el parametro exponencial es el n
umero de
asaltos que ocurren por unidad de tiempo. Si se toma la unidad de
tiempo en das, entonces = 15 representa el equivalente
proporcional al n
umero de asaltos por unidad de tiempo elegida.
Z
1 1/5t
1 7 1/5t
fT (t) = e
, P(4 T 7) =
e
dt = 0.2027
5
5 4
Distribucion Gamma
La distribucion exponencial es un caso especial de la Gamma. De
esta forma, la distribuci
on Gamma es una distribucion flexible para
modelizar las formas de la asimetra positiva, de las mas
concentradas y puntiagudas, a las mas dispersas y achatadas.
Como ejemplos de variables que se comportan as:
N
umero de individuos involucrados en accidentes de trafico en
el area urbana: es mas habitual que la mayora de partes
abiertos den la proporci
on de 1 herido por vehculo, que otras
proporciones superiores.
Altura a la que se inician las precipitaciones; sucede de forma
mas habitual precipitaciones iniciadas a una altura baja, que
iniciadas a gran altitud.
Tiempo o espacio necesarios para observar X sucesos que

siguen una distribuci
on de Poisson.
Distribucion de la finura de fibras de lana: la mayora
presentan una menor finura que unas pocas fibras mas
gruesas.
La funcion Gamma es:

Z
() =
x 1 e x dx, > 0
La funcion de distribuci
on de probabilidad es:
(
t
1
1 e
t0
() (t)
fT (t) =
0
en otro caso
Con parametro de forma y de escala.
E (X ) = ,
V (X ) =
Ejemplo
En una ciudad se observa que el consumo diario de energa (en

millones de kilowatt-hora) es una variable aleatoria que sigue una
distribucion gamma con parametros = 3 y = 2. Si la planta de
energa que suministra a la ciudad tiene una capacidad diaria de
generar un maximo de 12, cual es la probabilidad de que haya un
da donde no se pueda satisfacer la demanda?
Ejemplo
Solucion.
P(x < 1) = 0.01438, pgamma(1,3,scale=2,lower.tail=T)
Ejemplo
Si se sabe que el tiempo de sobrevivencia de ratas expuestas a un

determinado toxico es una variable aleatoria que sigue una
distribucion Gamma (5, 10), cual es la probabilidad de que una
rata no supere las 60 semanas de vida?
Ejemplo
Solucion.
P(x < 60) = 0.7149437, pgamma(60,5,scale=10,lower.tail=T)
Ejemplo
Suponga que las llamadas que entran a un computador siguen un

proceso de Poisson, con un promedio de cinco llamadas por
minuto. Cual es la probabilidad de que pase mas de un minuto
hasta que lleguen dos llamadas al conmutador?
Solucion
Sea T el tiempo transcurrido hasta que lleguen dos llamadas. T se
distribuye Gamma con = 2 y = 1/5

1
X
e 5 5k
= 6e 5
P(T > 1) = 1 P(T < 1) = 1 1
k!
k=o
Solucion.
1 minutos
= llamadas
minutos , = 5 llamadas P(x > 1) = 0.04042768,
pgamma(1,2,scale=1/5,lower.tail=F)
Grados De libertad: Los grados de libertad son el n

umero de
variables aleatorias independientes de la muestra. Si tenemos una
muestra de n elementos, s
olo n 1 de las variables de la muestra
pueden variar libremente puesto que la n-esima variable queda
determinada.
Distribucion Chi Cuadrado
La denominada Distribucin Chi Cuadrado (que usualmente se

escribe y se lee como: Ji Cuadrado), es una distribucion cuadratica
de la probabilidad que utiliza basicamente variables aleatorias
continuas. En realidad la distribuci
on ji-cuadrada es la distribucion
2
muestral de s . O sea que si se extraen todas las muestras posibles
de una poblacion normal y a cada muestra se le calcula su
varianza, se obtendra la distribuci
on muestral de varianzas.
Propiedades de las distribuciones ji-cuadrada

Los valores de X 2 son mayores o iguales que 0.
La forma de una distribuci
on X 2 depende del gl = n 1. En
consecuencia, hay un n
umero infinito de distribuciones X 2 .
El area bajo una curva ji-cuadrada y sobre el eje horizontal es
1.
Las distribuciones X 2 no son simetricas. Tienen colas
estrechas que se extienden a la derecha; esto es, estan
sesgadas a la derecha.
Cuando n > 2, la media de una distribucin X 2 es n 1 y la
varianza es 2(n 1).
El valor modal de una distribuci
on X 2 se da en el valor (n 3).
La siguiente figura ilustra tres distribuciones X 2 .
La funcion de densidad de la distribuci

on X 2 esta dada por:
(
1
x (k/2)1 e x/2 para x 0
k/2
fX (x) = 2 (k/2)
0
para x < 0
Para denotar el valor crtico de una distribuci

on X 2 con gl grados
de libertad se usa el smbolo (gl); este valor crtico determina a su
derecha un area de bajo la curva X 2 y sobre el eje horizontal. Por
2 (6) en la tabla se localiza 6 gl en el
ejemplo para encontrar X0.05
lado izquierdo y = 0.05 a o largo del lado superior de la misma
tabla.
Para estimar la varianza poblacional o la desviaci

on estandar, se
2
necesita conocer el estadstico X . Si se elige una muestra de
tama
no n de una poblaci
on normal con varianza , el estadstico:
(n 1)S 2
2
tiene una distribucion muestral que es una distribucion ji-cuadrada
con gl = n 1 grados de libertad y se denota X 2 . El estadstico
ji-cuadrada esta dado por:
X2 =
(n 1)S 2
2
Ejemplo
Suponga que los tiempos requeridos por un cierto b

us para
alcanzar uno de sus destinos en una ciudad grande forman una
distribucion normal con una desviaci
on estandar = 1 minuto. Si
se elige al azar una muestra de 19 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.
Distribucion F De Fisher
Considerando dos muestras aleatorias independientes, de tama

no
n1 y n2 , extradas de una poblaci
on normal, el estadstico F sera
igual a la variable continua que se muestra en la misma grafica de
la funcion. Una variable F se define como el cociente entre dos
variables ji-cuadrado divididas por sus correspondientes grados de
libertad.
Es una distribucion de probabilidad de gran aplicacion en la

inferencia estadstica, fundamentalmente en la contrastacion de la
igualdad de varianzas de dos poblaciones normales, y
fundamentalmente en el analisis de la varianza, tecnica que
permite detectar la existencia o inexistencia de diferencias
significativas entre muestras diferentes y que es, por tanto esencial,
en todos aquellos casos en los que se quiere investigar la relevancia
de un factor en el desarrollo y naturaleza de una caracterstica.
La distribucion se plantea partiendo de dos variables X e Y tales

que :
X se distribuye X 2 con n1 grados de libertad
Y se distribuye X 2 con n2 grados de libertad
X /n1
de manera que si establecemos el cociente,F = Y
/n2 es decir el
2
cociente entre ambas X divididas a su vez, por sus
correspondientes grados de libertad tendremos que la funcion F
corresponde a una distribuci
on F de Snedecor con n1 y n2 grados
de libertad ; es decir una Fn1 ,n2
Queda claro por tanto que la distribucin F de Snedecor tiene dos
parametros, que son n1 y n2 ; n1 grados de libertad del
numerador,n2 grados de libertad del denominador.
Para extraer valores de probabilidad de la tabla se sigue el

siguiente procedimiento:
1
Extraer muestras de dos poblaciones y estimar las desviaciones

estandar.
Determinar los grados de libertad v1 y v2 tal que v1 = n1 1

y v 2 = n2 1
Calcular el valor de F = S12 /S22 . Si se conocen las varianzas

entonces F =
S12 22
S22 12
Ejemplo
En un proceso hay dos maquinas cortadoras diferentes en

antig
uedad lo que hace pensar que las varianzas de corte no son
iguales. Se toma una muestra de 16 partes de cada maquina, cual
es la probabilidad de que la raz
on de varianzas sea:
1
mayor a 1.97?
menor a 3.52?
Que valor de F da una probabilidad a la derecha de 0.15?

Distibuciones Continuas

Загружено:

Сведения о документе

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

Distibuciones Continuas

Загружено:

Авторское право:

Доступные форматы

Distribuciones Continuas

Luz Marina Moya Moya Pontificia Universidad Javeriana

La curva normal cumple las siguientes propiedades:

El maximo de la curva coincide con la media.

Es perfectamente simetrica a la media.

Sus colas son asintoticas al eje X

La curva tiene dos puntos de inflexi

Luz Marina Moya Moya Pontificia Universidad Javeriana

La distribucion mormal o tambien llamada de Gauss es la mas

Luz Marina Moya Moya Pontificia Universidad Javeriana

Un abogado va todos los das de su casa en las afueras de la

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Aproximacion de la Binomial a la Normal

Una distribucion binomial se puede aproximar a la distribucion

Luz Marina Moya Moya Pontificia Universidad Javeriana

Entre 10 y 15 pierdan probabilidad.

Luz Marina Moya Moya Pontificia Universidad Javeriana

P(x = 10) = 0, 110188 dbinom(10, size=60, prob=0.2).

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

La distribucion exponencial rige los tiempos de vida, de falla o

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Considerar los asaltos bancarios como sucesos independientes de

Luz Marina Moya Moya Pontificia Universidad Javeriana

Tiempo o espacio necesarios para observar X sucesos que

Luz Marina Moya Moya Pontificia Universidad Javeriana

La funcion Gamma es:

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

En una ciudad se observa que el consumo diario de energa (en

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Si se sabe que el tiempo de sobrevivencia de ratas expuestas a un

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Suponga que las llamadas que entran a un computador siguen un

Luz Marina Moya Moya Pontificia Universidad Javeriana

Luz Marina Moya Moya Pontificia Universidad Javeriana

Grados De libertad: Los grados de libertad son el n

Luz Marina Moya Moya Pontificia Universidad Javeriana

Distribucion Chi Cuadrado

La denominada Distribucin Chi Cuadrado (que usualmente se

Luz Marina Moya Moya Pontificia Universidad Javeriana

Propiedades de las distribuciones ji-cuadrada

La siguiente figura ilustra tres distribuciones X 2 .

La funcion de densidad de la distribuci

Luz Marina Moya Moya Pontificia Universidad Javeriana

Para denotar el valor crtico de una distribuci

Luz Marina Moya Moya Pontificia Universidad Javeriana

Para estimar la varianza poblacional o la desviaci

Luz Marina Moya Moya Pontificia Universidad Javeriana

Suponga que los tiempos requeridos por un cierto b

Luz Marina Moya Moya Pontificia Universidad Javeriana

Considerando dos muestras aleatorias independientes, de tama

Luz Marina Moya Moya Pontificia Universidad Javeriana

Es una distribucion de probabilidad de gran aplicacion en la

Luz Marina Moya Moya Pontificia Universidad Javeriana

La distribucion se plantea partiendo de dos variables X e Y tales

Luz Marina Moya Moya Pontificia Universidad Javeriana