Probabilidades Continuas

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015
(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)

Divisin: Ingeniera Industrial
Materia: Probabilidad y Estadstica
4.1 Definicin de variable aleatoria

contina.
Se dice que una variable aleatoria X es continua si su conjunto

de posibles valores es todo un intervalo (finito o infinito) de
nmeros reales.
Una variable aleatoria continua es una funcin X que asigna
a cada resultado posible de un experimento un nmero real. Si
X puede asumir cualquier valor en algn intervalo I (el intervalo
puede ser acotado o desacotado), se llama una variable
aleatoria continua.
Por ejemplo, una variable aleatoria continua puede ser el
tiempo de retraso con el que un alumno o un profesor llegan al
aula de clases.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
4.2 Funcin de densidad y

acumulativa.
FUNCIN DE DENSIDAD DE UNA VARIABLE ALEATORIA
CONTINUA.
La funcin f(x) es una funcin de densidad de probabilidad
para la variable aleatoria continua X, definida sobre el conjunto
de los nmeros reales, s:
Esto es, la probabilidad de que X tome un valor en el intervalo

[a, b] es el rea bajo la grfica de la funcin de densidad, como
lo ilustra la figura. La grfica de f (x), se conoce a veces como
curva de densidad.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Propiedades
Para una variable aleatoria X, fX(x) satisface las siguientes
propiedades:
Note adems que P(X = c) = 0, para cualquier nmero real c.

Ejemplo
Un profesor de la UNAM nunca termina su clase antes del trmino de
la hora, mas nunca se pasa de 2 minutos de sta. Sea X: el tiempo que
transcurre entre el trmino de la hora y el trmino efectivo de la clase.
Suponga que la FDP de X viene dada por:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
1. Encuentre el valor de k.
2. Cul es la probabilidad de que la clase termine a menos de un

minuto despus del trmino de la hora?
3. Cul es la probabilidad de que la clase contine entre

60 y 90 segundos despus del trmino de la hora?
4. Cul es la probabilidad de que la clase contine por lo menos 90

segundos despus del trmino de la hora?

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
FUNCIN DE DISTRIBUCIN ACUMULATIVA.

La distribucin acumulada F(x) de una variable aleatoria
contina X, con una funcin de densidad f(x) es:
De la definicin de funcin de distribucin acumulada de una variable

aleatoria continua se deducen las propiedades siguientes:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Se ilustra el clculo de probabilidades entre a y b como una diferencia

entre las probabilidades acumuladas en la FDA. (reas).
Clculo de P(a X b) a partir de las probabilidades acumuladas.
4.3. Valor esperado, varianza y

desviacin estndar.
ESPERANZA MATEMTICA O VALOR ESPERADO.
Sea X una variable aleatoria continua con funcin de densidad f(x).
Se llama esperanza matemtica o valor esperado, valor medio o media
de X al nmero real.
Significado de la esperanza:
Como valor medio terico de todos los valores que puede tomar la
variable. Representa una medida de centralizacin.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Ejemplo: La distribucin de la cantidad de grava (en toneladas)

vendida a una empresa en particular proveedora de materiales para la
construccin, en una semana dada, es una variable aleatoria X
continua con FDP:
Cuntas toneladas esperaras que se vendan durante esa semana?

Solucin:
Por definicin tenemos:
Lo cual significa que esperaramos que se vendieran 0 375 0,375

[Ton] o 375 [kg] de grava a la empresa proveedora de materiales para
la construccin.
VALOR ESPERADO DE UNA FUNCIN.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
VARIANZA
Definicin.
Medida del cuadrado de la distancia promedio entre la media y cada
elemento de la poblacin.
Sea X una variable aleatoria continua con distribucin de probabilidad
f(x) y media . La varianza de X es calculada por medio de:
DESVIACIN ESTANDAR.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
4.4. Distribucin Uniforme (continua)

Definicin.
Es una funcin de densidad de probabilidad:
Su funcin de distribucin acumulada es:
Su valor esperado, la media:
La varianza es:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
4.5 Distribucin Exponencial.

Definicin.
Una variablea aleatoria X tiene una distribucin exponencial
y se denomina variable aleatoria exponencial continua si y solo
si su funcin de densidad de probabilidad est dada por:
Donde:
Es una funcin de densidad de probabilidad ya que cumple

con lo siguiente:
Lo cumple por ser una funcin exponencial.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Demostracin:
Integral que se resuelve por cambio de variable.

Sea:
Entonces:
Realizando el cambio de variable:
Sustituyendo:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Evaluando la integral:
Lo cual queda demostrado.
Funcin de distribucin:
Demostracin:
La integral se resuelve por cambio de variable:

Sea:
Entonces:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Realizando el cambio de variable:
Evaluando la integral:
Por lo tanto la funcin de distribucin de probabilidad es:
La media y la varianza de la distribucin exponencial son:
Respectivamente.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Propiedad de la prdida de memoria de la distribucin

exponencial.
1. La distribucin exponencial carece de memoria, es decir:
2. La distribucin exponencial es la generalizacin al caso

continuo de la distribucin Geomtrica.
3. La distribucin exponencial aparece, en ocasiones,
caracterizada utilizando como parmetro la media,
4. La distribucin exponencial se caracteriza por tener una

razn de fallo constante; la probabilidad de fallar en
cualquier intervalo no depende de la vida anterior. Es, por
lo tanto, adecuada para describir la aparicin de fallos al
azar. La razn de fallo viene dada por:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
4.6 Distribucin Gamma (Erlang).

Aumenta la distribucin ya que se puede utilizar para resolver
muchos problemas en ingeniera y en la ciencia, hay aun
numerosas situaciones que requieren diferentes tipos de
funciones de densidad. Dos de estas funciones de densidad,
las distribuciones gamma y exponencial, se estudian en esta
seccin.
Resulta que la distribucin exponencial es una cosa especial
de la distribucin gamma. Ambas encuentran un gran nmero
de aplicaciones .Las distribuciones exponencial y gamma
juegan un papel importante en teora de colas y problemas de
confiabilidad. Los tiempos entre llegadas en instalaciones de
servicio, y tiempo de falla de partes componentes y sistemas
elctricos, a menudo quedan bien moldeadas mediante la
distribucin exponencial. La realidad entre la gamma y la
exponencial permite que la gamma se involucre en tiempos de
problemas similares.
La distribucin gamma, deriva su nombre de la bien conocida
funcin gamma, que se estudia en muchas reas de las
matemticas. Antes de que procedemos con la distribucin
gamma, revisemos esta funcin y algunas de sus propiedades
importantes.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
La funcin gamma se define como:
Al integrar la formula u= 1 = obtenemos:
Para > 1, que produce la formula recursiva:
La aplicacin repetida de la frmula de recursividad da:
Y as sucesivamente. Ntese que cuando = , es

un entero positivo:
Sin embargo por la definicin

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Y de aqu
Una propiedad importante de la fusin gamma, se deja al

lector para su verificacin.
Inclinaremos ahora la fusin gamma en nuestra difusin de la
distribucin gamma.
La variable aleatoria continua x tiene una distribucin gamma,
con parmetros , si su fusin de densidad est dada por
La variable aleatoria continua x tiene una distribucin

exponencial, con parmetro B, si su funcin de densidad est
dada por
El siguiente teorema y corolario dan la media y la varianza de

las distribuciones gamma y exponencial.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
La media y la varianza de la distribucin gamma son:
Para encontrar la media de la distribucin gamma escribimos:
Ahora bien, = /, que da:
Para encontrar la varianza de la distribucin gamma,

procedemos como antes para obtener:
Y entonces:
La media y la varianza de la distribocion especial son:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
4.7. Distribucin Normal.

La distribucin normal es la ms importante en probabilidad
y estadstica. Muchas poblaciones numricas
tienen
distribuciones que se pueden ajustar con mucha aproximacin
mediante una curva normal apropiada. Como ejemplos pueden
citarse la estatura, peso y otras caractersticas fsicas (el
famoso artculo 1903 de Biomtrica analiz muchos de este
tipo), errores de medicin en experimentos cientficos,
mediciones antropomtricas efectuadas en fsiles, tiempo de
reaccin en experimentos psicolgicos, mediciones de
inteligencia y aptitud, calificaciones de diversas pruebas y
numerosas medidas e indicadores econmicos. Aun cuando la
distribucin fundamental sea discreta, la curva normal
proporciona con frecuencia una aproximacin excelente. A
dems cuando las variables individuales no estn
normalmente distribuidas, en condiciones apropiadas las
sumas y promedios de las variables tendrn aproximadamente
una distribucin normal.
La distribucin normal aparece en el estudio de muchos
fenmenos fsicos bsicos. Por ejemplo, el fsico James
Maxwell desarrollo la distribucin normal a partir de hiptesis
muy sencillas con respecto a las velocidades de las molculas.
Una variable aleatoria X con funcin de densidad de
probabilidad.
fx( x, , )
1
2
( x )2
2 2

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Tiene una distribucin normal con parmetros, donde <<, y >0. As mismo E(x)= y v(x)=2
La deduccin de la media y la varianza de una variable
aleatoria normal que aparece al final de esta seccin. Los
valores de y determinar la forma de la funcin de densidad
de probabilidad. La funcin de densidad de densidad de
probabilidad es una curva simtrica con forma de campana. El
valor de determina el centro de la funcin de densidad de
probabilidad, mientras que el de la determina la dispersin.
Es evidente que fX(x,,) es no negativa.
Es una distribucin continua que tiene por propiedades.
1.- Es simtrica.
2.- Se extiende en ambos sentidos del eje x.
3.- Es asinttica.
EJEMPLO:
a)
P0 Z 1 0.84134 0.5 0.34134

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
b)
P 1 Z 2
P 0.34134 0.47725 0.81859

0.81859 *100% 81.85
c)
P(0.16 Z 1.06
P 0.06356 0.35543 0.41899
d)
P1.03 Z 2.33
P 0.49010 0.34849

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
e)
P 2.43 Z z 0.9675
z 1.99
f)
P z Z z 0.99
0.99
0.4950 0.5 2.58
2
z 2.58
g)
Pz 1.731.73 z
1 0.045818 0.04182 2
0.08364 8.36%

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
h)
P 2.75 Z 3.66 Z
1 0.99702 0.00278
1 0.99987 0.00073
0.00278 0.00073 0.00311
0.00311 0.31%
4.7.1 Aproximacin de la Binomial a la

Normal.
Considere la variable aleatoria binomial y con par5ametros n
y p. recuerde que y tiene una media de =NP y una varianza
de =NPQ.
Hemos demostrado que el nmero de los xitos en n pruebas
que se pierden considerar como una suma de n valores de 0 y
1, donde cada 0 y 1 representa e3l resultado de una prueba en
particular, es decir:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
Entonces, segn el teorema del lmite central para las sumas,

la distribucin y la probabilidad binomial p (y) deber acercarse
a la notabilidad conforme n aumente la aproximacin normal
de una distribucin de probabilidad binomial es
razonablemente aceptable incluso para nuestros pequeos,
digamos, n=10 cuando p = .5 y la distribucin de y es, por tanto
simtrica alrededor de su medio = NP cuando p de acerca a
0 la dispersin de la probabilidad binomial tiende a sesgarse
hacia la derecha o a la izquierda pero esta simetra
desaparecer conforma aumente n . En general la
aproximacin ser buena cuando n sea lo bastante grande
como para que tanto -2=np+2npq queden entre 0 y n. Sea
y una distribucin de probabilidad binomial con n = 10 y p = 5.
a. Grafique p (y) y trace sobre la misma grafica una
distribucin normal con =NP y = NPQ.
b. Utilice la tabla 1 del apndice 2 para obtener p (y4).
c. Utilice la aproximacin normal a la distribucin de
probabilidad binomial para obtener una aproximacin a p
(y 4).
d. Las grficas de p(y)y una distribucin normal con:
Se muestran en la figura 7.13. Observe que tanto NP = 5

como NQ = 5 son mayores que 4. Por tanto, la funcin de
densidad normal con =5 y =1.58 constituye una buena
aproximacin a p (y)

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
e. De la tabla 1 del apndice 2, obtenemos:
f. Si examinamos la figura 7.13, podremos ver que p (y 4)

es el rea bajo la curva normal que est a la izquierda de
y =4.5. observe que el rea a la izquierda de y =4 no sera
apropiada porque omitira la mitad del rectngulo de
probabilidad para compensar el hecho de que estamos
utilizando una distribucin de probabilidad continua para
aproximar una distribucin de probabilidad discreta. El
valor .5 se denomina factos de correccin por continuidad
para la aproximacin normal a la probabilidad binomial. El
valor z que corresponde al valor corregido y = 4.5 es:

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
El rea entre z =0 y z =.32, dada en la tabla 4 del

apndice 2 es A = .1255. As que
Por tanto, la aproximacin normal a p (y4) = 3.77 es

bastante buena, aunque n = 10 es relativamente
pequeo. El tamao de la muestra tendra que ser mayor
para aplicar la aproximacin si p no fuera igual a .5.
Correccin por continuidad para la aproximacin normal
A una probabilidad binomial
Sea y una variable aleatoria binomial con parmetros n
y p y sea z una variable aleatoria estndar. Entonces,
Sea y una variable aleatoria binomial con n = 5 y p =.3.

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
a. Utilice la tabla 1 del apndice 2 para obtener p (y8).

b. Utilice la aproximacin normal a la distribucin de
probabilidad binomial para calcular una aproximacin a
p (y8). Compare su respuesta con la del inciso a.
Consumer reports (febrero de 1992) descubri una
contaminacin muy extendida de pescado y mariscos en
supermercados de Nueva York y Chicago.
Utilice la aproximacin normal a la distribucin binomial para
calcular la probabilidad de que menos de 2 a los 20 trozos de
pez espada tengan niveles de mercurio por encima del lmite
de la FDA.
Utilice la aproximacin normal a la distribucin binomial para
calcular la probabilidad de que ms de la mitad de los 20 trozos
de pez espada tangan niveles de mercurio por encima del
lmite de la FDA.
Utilice las tablas binomiales para calcular las probabilidades
exactas de los incisos a y b. es la distribucin normal una
buena aproximacin a la distribucin binomial?
El proceso de incorporacin de un carril continuo de una
autopista constituye un aspecto importante de la operacin del
trfico en los cruces de autopistas. Un estudio de rampas de
intercambio paralelas en Israel develo que muchos
conductores no utilizan toda la longitud de los carriles paralelos
para acelerar, si no que tan pronto como pueden buscan un

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
hueco apropiado en el flujo principal del trfico a fin de

incorporarse. En un lugar, 54% de los conductores utilizan
menos de la mitad de la longitud de carril disponible antes de
incorporase. Suponga que planeamos vigilar los patrones de
incorporacin de una muestra aleatoria de 330 conductores en
Yahveh.
a. Qu probabilidad aproximada hay de que menos de 100
de los conductores utilicen menos de la mitad de la longitud del
carril de aceleracin antes de incorporarse?
b. qu probabilidad aproximada hay de que 200 o ms de los
conductores utilicen menos de la mitad de la longitud del carril
de aceleracin antes de incorporarse?
Ocupational Outlook quarterly informo que 1% de todos los
instaladores de pared seca empleados en la industria de la
construccin son mujeres:
Aproxime la probabilidad de que ms de 100 de una muestra
aleatoria de 500 instaladores de pared seca sean mujeres
Aproxime la probabilidad de que cinco o menos de muestra
aleatoria de 500 instaladores de pared seca sean mujeres
Una de las claves para crear sistemas de informacin
exitosos es implementar en diseo y tcnicas de programacin
estructurados. La tecnologa de ingeniera de software asistida
por computadora (CASE) proporciona varias herramientas

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
automatizadas que pueden facilitar las tcnicas estructuradas.

El journal of system management.
Informo que 60% de los profesionales en sistemas de
informacin utilizan extensamente diagramas de flujo de datos
en su trabajo. En una muestra de 150 profesionales de
sistemas de informacin, Qu probabilidad aproximada ah s
que al menos la mitad utilicen extensamente diagramas de flujo
de datos?
El control de calidad es un problema cuando se producen
artculos en masa. Es preciso vigilar el proceso de produccin
a fin de asegurar que la proporcin de artculos defectuosos
de mantenga en un nivel aceptablemente bajo. Un mtodo para
resolver este problema es el muestreo de aceptacin de lote,
en el que se selecciona una muestra aleatoria de los artculos
producidos y se prueba cuidadosamente cada uno de los
artculos de la muestra. Suponga que un fabricante de
calculadoras de bolsillo escoge al azar 200 circuitos impresos
de la produccin de un da y determina y, el nmero de
circuitos defectuosos en la muestra. Si se considera aceptable
una proporcin de artculos defectuosos de 6% o menos y, sin
que el fabricante lo sepa, 8% de la produccin total de circuitos
de ese da tiene defectos, calcule la probabilidad aproximada
de que el lote de circuitos impresos ser rechazado.
Qu tan bien un ttulo universitario en ingeniera prepara a
los estudiantes para l trabaj? Una encuesta de 2 aos a
nivel nacional de ingenieros y gerentes de ingeniera
estadounidenses en industrias especficas de alta demanda
revel que solo 34%cree que sus compaas aprovechan bien

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
los conocimientos y habilidades que adquirieron. En una

muestra aleatoria de 50 ingenieros y gerentes en ingeniera,
considere el nmero y de los que creen que su empleador
aprovecha bien sus antecedentes universitarios en ingeniera,
calcule la probabilidad aproximada es que:
.
4.8. Teorema de Chebyshev.

Para demostrar cmo o 2 son indicadores de la dispersin
de la distribucin de una variable aleatoria, probaremos ahora
el teorema siguiente, conocido como teorema de Chbyshev.
Este teorema ofrece una especie de garanta mnima acerca
de la probabilidad de una variable aleatoria a suma un valor
dentro de k desviaciones estancar alrededor de la media.
Aunque la garanta no siempre es muy precisa, la ventaja de
este teorema es su generalidad por cuanto es aplicable a
cualquier variable aleatoria con cualquier distribucin de
probabilidad, ya sea discreta o continua.
Teorema de Chbyshev si y son, respectivamente, la
media y la desviacin estndar de la variable aleatoria X,
entonces para una constante positiva k cualquiera la
probabilidad es cuando menos 1-1/k2 de que X tomara un valor
contenido en k desviaciones estndar de la media; en la forma
simblica que se tiene.
p( X k ) 1
1
k2

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)
EJEMPLO:
Si la densidad de la probabilidad de la variable aleatoria X
est dada por:
630 x 4
f ( x)
0
Para 0<x<1
La integracin directa muestra que = y 2= 1/44, de

manera que = 0.15 por tanto, la probabilidad de que X tome
un valor contenido en dos desviaciones estndar de la media,
es la probabilidad de que tome un valor entre 0.20 y 0.80, es
decir,
p(0.20 X 0.80)
0.80
0.20
630 x 4 (1 x) 4 dx 0.96
Obsrvese en el enunciado la probabilidad es de 0.96 es

mucho ms especfico que la probabilidad es cuando menos
de 0.75, enunciando, proporcionando por el teorema de
Chbyshev.

Probabilidades Continuas

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

Probabilidades Continuas

Загружено:

Авторское право:

Доступные форматы

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

(x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5) (x^2-5x+6) / (x-5)

4.1 Definicin de variable aleatoria

Se dice que una variable aleatoria X es continua si su conjunto

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

4.2 Funcin de densidad y

Esto es, la probabilidad de que X tome un valor en el intervalo

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Note adems que P(X = c) = 0, para cualquier nmero real c.

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

2. Cul es la probabilidad de que la clase termine a menos de un

3. Cul es la probabilidad de que la clase contine entre

4. Cul es la probabilidad de que la clase contine por lo menos 90

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

FUNCIN DE DISTRIBUCIN ACUMULATIVA.

De la definicin de funcin de distribucin acumulada de una variable

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Se ilustra el clculo de probabilidades entre a y b como una diferencia

Clculo de P(a X b) a partir de las probabilidades acumuladas.

4.3. Valor esperado, varianza y

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Ejemplo: La distribucin de la cantidad de grava (en toneladas)

Cuntas toneladas esperaras que se vendan durante esa semana?

Lo cual significa que esperaramos que se vendieran 0 375 0,375

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

4.4. Distribucin Uniforme (continua)

Es una funcin de densidad de probabilidad:

Su funcin de distribucin acumulada es:

Su valor esperado, la media:

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

4.5 Distribucin Exponencial.

Es una funcin de densidad de probabilidad ya que cumple

Lo cumple por ser una funcin exponencial.

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Integral que se resuelve por cambio de variable.

Realizando el cambio de variable:

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Lo cual queda demostrado.

La integral se resuelve por cambio de variable:

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Realizando el cambio de variable:

Por lo tanto la funcin de distribucin de probabilidad es:

La media y la varianza de la distribucin exponencial son:

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Propiedad de la prdida de memoria de la distribucin

2. La distribucin exponencial es la generalizacin al caso

4. La distribucin exponencial se caracteriza por tener una

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

4.6 Distribucin Gamma (Erlang).

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

La funcin gamma se define como:

Al integrar la formula u= 1 = obtenemos:

Para > 1, que produce la formula recursiva:

La aplicacin repetida de la frmula de recursividad da:

Y as sucesivamente. Ntese que cuando = , es

Sin embargo por la definicin

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015

Una propiedad importante de la fusin gamma, se deja al

La variable aleatoria continua x tiene una distribucin

El siguiente teorema y corolario dan la media y la varianza de

Unidad: Instituto Tecnolgico Superior de Coatzacoalcos Fecha: 08-Junio-2015