Академический Документы
Профессиональный Документы
Культура Документы
Distribuciones de
Probabilidad Continuas
OBJETIVO EDUCACIONAL
Al trmino de esta unidad el alumno:
1.1.
Introduccin
En la prctica pueden presentarse pequeas variaciones en las longitudes medidas, por muchas
causas, tales como vibraciones, fluctuaciones de temperatura, diferencias entre quienes toman las
mediciones, calibraciones, desgaste en la herramienta de corte, desgaste en los cojinetes y
cambios en la materia prima. Incluso el procedimiento de medicin puede producir variaciones
en los resultados finales.
En estos tipos de experimentos, las mediciones de inters pueden representarse con una variable
aleatoria. Es razonable modelar el rango de los valores posibles de la variable aleatoria con un
intervalo de nmeros reales.
Variable aleatoria continua. Si el rango de una variable aleatoria X contiene un intervalo
(ya sea finito o infinito) de nmeros reales, entonces X es una variable aleatoria continua.
Estadstica I __________________________________________________________________________________
1.2.
2)
f ( x )dx 1
x2
3) P ( x 1 X x 2 ) x f ( x )dx
1
f ( x )dx
a
)
b) P ( X b ) 1 F ( b ) 1 F ( z
b
)
c) P ( a X b ) F ( b ) F ( a ) F ( z
1.3.
b
a
) F( z
)
La media y la varianza de una variable aleatoria continua se definen de manera similar al caso de
la variable aleatoria discreta. En las definiciones, la integracin reemplaza a la sumatoria.
Suponga que X es una variable aleatoria continua
E( X ) x
La varianza de X, es
V ( X ) x2
x f ( x )dx
( x ) 2 f ( x )dx
x 2 f ( x )dx x2
La desviacin estndar de X, es x V ( X )
Ejemplo 1.1 Determine el valor de k para que la siguiente funcin sea una funcin de densidad
de probabilidad
f ( x ) k x2
para
0x4
Solucin Para que f(x) sea una funcin de densidad de probabilidad se debe cumplir que
f( x) 0 y
Entonces
4
0
f ( x )dx 1
kx 2 dx 1
x3
43
0 1
3
3
64
F ( x ) 0.2 x
1
0 x5
x5
Calcule:
a) P(X < 2.8)
Solucin
a) P(X < 2.8) = F(x = 2.8) = 0.2*(2.8) = 0.56= 56%
b) P(X > 1.5)= 1 F(x = 1.5) = 1 0.2*(1.5) = 0.7 = 70%
Ejemplo 1.3 Suponga que f ( x ) 0.25 para 0 < x < 4. Calcule la media y la varianza de X.
Solucin
E( X ) x
V( X )
2
x
4
0
x2
x3
x ( 0.25 )dx 2 0.25
3
2
42
0 2
2
0.25
4
43
4
0 4
3
3
4 0.25
EJERCICIOS 1.1
1. Determine el valor de k para que la siguiente funcin sea una funcin de densidad de
probabilidad
Estadstica I __________________________________________________________________________________
a) f ( x ) k x 2
0x4
para
b) f ( x ) k ( 1 2 x )
c) f ( x ) k e x
para
para
0 x2
x0
e x / 1000
1000
para
el componente
a)
b)
c)
F ( x ) 0.25 x 0.5
1
x 2
2 x2
x2
Calcule:
b) P(X > 1.5)
c) P( 1 <X <
1)
4. Determine la funcin de densidad de probabilidad asociada con cada una de las siguientes
funciones de distribucin acumulada
a) F ( x ) 1 e 2 x
x0
x 2
0
0.25 x 0.5
2 x1
0.5 x 0.25
1
x 1.5
b) F ( x )
1 x 1.5
para
100 m x 120 m
a)
b)
para
a)
b)
Si las especificaciones para la longitud son 1195 < x < 1205 milmetros, qu valor de la
media da la mayor proporcin de cables que cumplen con las especificaciones?
7. Suponga que el tamao de una partcula contaminante (en micrmetros) puede modelarse con
f ( x ) 2 x 3
para
x 1 . Calcule la media de X
Estadstica I __________________________________________________________________________________
Una variable aleatoria continua X tiene una distribucin normal, con media y varianza 2, si
su funcin de densidad de probabilidad est dada por
n( x ; , )
e ( x u )
/ 2 2
construida de tal modo que el rea bajo la curva, limitada por los dos puntos x = x1 y x = x2 es
igual a la probabilidad de que la variable aleatoria continua X asuma un valor entre x = x1 y x
= x2 . Entonces, para la curva normal
P( x1 X x2 )
x2
n( x ; , ) dx
x 2 ( x )2 / 2 2
dx
El rea bajo la curva entre dos puntos cualesquiera debe, entonces, depender de los valores de
normal hace necesaria la tabulacin de las reas de la curva normal para una referencia rpida.
No obstante, sera una tarea interminable crear tablas separadas para cada valor concebible de
x 2 ( x )2 / 2 2
dx
x2 z 2 / 2
dx
Donde Z es un variable aleatoria normal con media cero y varianza 1, llamada distribucin
normal estndar ( Z ~ Normal ( z 0 , z 1 ) .
Aplicaciones de la Distribucin Normal
Con el cambio de variable a Z se ha reducido el nmero que se requiere de tablas de reas bajo la
curva normal a una, la de la Distribucin Normal Estndar (Tabla 1 del Apndice). Para las
aplicaciones de la distribucin normal utilizaremos el procedimiento siguiente:
Sean:
x
Z
Z ~ Normal ( 0 ,1 )
Z
Entonces:
a) P ( X a ) F ( a ) F ( z
a
)
b) P ( X b ) 1 F ( b ) 1 F ( z
b
)
c) P ( a X b ) F ( b ) F ( a ) F ( z
d) P ( a X b ) F ( a ) 1 F ( b ) F ( z
) F( z
a
b
) 1 F( z
)
Estadstica I __________________________________________________________________________________
Ejemplo 1.4 Una compaa fabrica focos cuya duracin est normalmente distribuida con una
media igual a 800 horas y una desviacin estndar de 40 horas. Encuentre la probabilidad de que
un foco
a) dure menos de 700 horas;
b) tenga una duracin mayor 880 horas;
c) se funda entre las 778 y 834 horas.
Solucin
Sean:
x0
Z
Z ~ Normal ( 0 ,1 )
Z
Entonces:
a) P ( X 700 ) F ( 700 ) F ( z
700 800
) F ( z 2.5 ) 0.0062 , por lo que se espera
40
880 800
) 1 F ( z 2.00 ) 0.0228 , el 2.28%
40
834 800
778 800
) F( z
)
40
40
b) P ( Z 3.00 )
c) P ( Z 1.45 )
d) P ( Z 2.15 )
e) P ( 2.34 Z 1.76 )
2. Suponga que Z tiene una distribucin normal estndar. Utilice la Tabla 1 del apndice para
determinar el valor de z que resuelve cada una de las siguientes probabilidades:
a) P ( Z z ) 0.9
b) P ( Z z ) 0.5
c) P ( Z z ) 0.1
d) P ( Z z ) 0.9
e) P ( 1.24 Z z ) 0.8
3. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule lo siguiente:
a) P ( X 13 )
c) P ( 6 X 14 )
b) P ( X 9 )
d) P ( 2 X 4 )
e) P ( 2 X 8 )
4. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule el valor de x que resuelve cada una de las siguientes probabilidades:
a) P ( X x ) 0.5
b) P ( X x ) 0.95
c) P ( x X 10 ) 0.2
5. La resistencia a la compresin de una serie de probetas de concreto puede modelarse con una
distribucin normal con una media de 6000 Kg/cm2, y una desviacin estndar de 100
Kg/cm2. Cul es la probabilidad de que la resistencia de una probeta: a) sea menor que 6250
Kg/cm2; b) se encuentre entre 5800 y 5900 Kg/cm2?
6. Las barras de pan de centeno que cierta panadera distribuye a las tiendas locales tienen una
longitud promedio de 30 cm y una desviacin estndar de 2 cm. Suponga que las longitudes
estn distribuidas normalmente, qu porcentaje de las barras son
a) ms largas que 31.7 cm?
b) entre 29.3 y 33.5 cm de longitud?
c) ms cortas que 25.5 cm?
7. Se regula una mquina despachadora de refrescos para que sirva un promedio de 200 ml por
vaso. Si la cantidad de bebida se distribuye normalmente con una desviacin estndar de 15
ml
a) qu fraccin de los vasos contendrn ms de 224 ml?
Estadstica I __________________________________________________________________________________
10
garanta. Si est dispuesto a reemplazar slo el 3% de los motores, de que duracin debe ser
la garanta que ofrezca? Suponga que la duracin de un motor sigue una distribucin normal.
x 1 e x dx
para
x0
e x ( 1) x 2 dx ( 1) x 2 e x dx
0
( n) ( n 1)( n 2 )(1)
e x dx 1
En consecuencia
( n ) ( n 1)!
(1 / 2 )
11
Estadstica I __________________________________________________________________________________
f ( x)
Cuando 0 y 0 .
1
x 1 e x / ,
( )
0,
x0
2 2 .
En la siguiente figura se muestran grficas de varias distribuciones gamma para ciertos valores
especficos de los parmetros y .
alfa, beta
1,1
2,1
4,1
alfa = 1, beta =1
0.8
0.6
0.4
0.2
0
0
Distribucin gamma
2 2.
Ejemplo 1.8 En cierta ciudad, el consumo diario de agua (en millones de litros) sigue
aproximadamente una distribucin gamma con = 2 y = 3. Si la capacidad diaria de dicha
ciudad es de nueve millones de litros de agua, cul es la probabilidad de que en cualquier da
dado el suministro de agua sea inadecuado?
Solucin
12
Sean:
x0
Entonces:
f(x)
1
x ex / 3 ,
3 (2)
0,
f(x)
1 x / 3
xe
9
x0
en cualquier otro caso
x0
9 x
1 x / 3
1
x
xe
dx 1
ex / 3
dx 1 e x / 3
1
0 9
0 3
3
3
P( x 9 ) 1
P ( x 9 ) 1 e 3 ( 4 ) e 0 ( 1 ) 0.1991 19.91%
EJERCICIOS 1.5
1. Si una variable aleatoria X tiene la distribucin gamma con = 2 y = 1, encuentre
P ( 1.8 x 2.4 )
2. Suponga que el tiempo, en horas, que toma reparar una bomba de calor es una variable
aleatoria X que tiene la distribucin gamma con parmetros = 2 y = . Cul es la
probabilidad de que la siguiente llamada de servicio requiera
a) a lo ms una hora para reparar la bomba de calor?
b) al menos dos horas para reparar la bomba de calor?
3. En cierta ciudad, el consumo diario de energa elctrica, en millones de kilowatts hora, es
una variable aleatoria X que tiene una distribucin gamma con una media = 6 y varianza
2 = 12.
a) Encuentre los valores de y .
13
Estadstica I __________________________________________________________________________________
Distribucin Beta. La variable aleatoria X tiene una distribucin beta, con parmetros
f ( x ) ( )( )
0,
Cuando 0 y 0 .
0 x1
en cualquier otro caso
.
( ) ( 1)
2
Ejemplo 1.9 En cierto pas, la proporcin de tramos de autopista que requieren reparacin en un
ao determinado es una variable aleatoria con distribucin beta, con = 3 y = 2. Calcular:
a) en promedio, qu porcentaje de tramos en autopista requieren reparacin en un ao
cualquiera?
b) La probabilidad de que a lo ms la mitad de los tramos de autopista requieran
reparacin en un ao cualquiera.
Solucin
Sean:
0 x1
14
Entonces:
0 x1
en cualquier otro caso
f( x)
As
P( x 1 / 2 )
1/ 2
x3 x4
12 x ( 1 x )dx 12
4
3
1/ 2
1
5
1
6.25%
16
24 64
12
EJERCICIOS 1.6
1.
15
Estadstica I __________________________________________________________________________________
f(x)
Cuando 0 y 0 .
x 0
en cualquier otro caso
1
1 / 1 ,
1.6
alfa, beta
1,1
2,1
4,1
beta = 3
1.2
beta =1
beta =2
0.8
0.4
0
0
0.5
1.5
2.5
EJERCICIOS 1.6
1. Suponga que la vida de servicio, en aos, de la batera de un aparato para sordos es una
variable aleatoria que tiene una distribucin de Weibull con = 1/2 y = 2.
16
( n 1 )s 2
( xi x )2
i1
siguiente:
Sean: X = una variable aleatoria continua
X ~ Normal ( , 2 )
X
x 1 , x 2 , x n n variables aleatorias independientes
n
s
2
x
i 1
2
i
x i
i1
n1
/n
( n 1 )s 2
2
2 ~ Ji cuadrada ( v n 1 gl ) )
2 0
17
Estadstica I __________________________________________________________________________________
Entonces:
2 ( n 1 )a 2
2
2
a) P ( s a ) P ( s a ) F
2
2
b) P ( s b ) P ( s b ) 1 F
c)
( n 1 )b2
2
( n 1 )b2
P ( a s b ) P ( a 2 s 2 b 2 ) F 2
2
( n 1 )a 2
F 2
Ejemplo 1.5 Se sabe que la duracin de los cinescopios para televisin fabricados por una
compaa se distribuye en forma normal con una media de 3000 horas y una desviacin estndar
de 60 horas. Si se seleccionan 10 de estos cinescopios al azar, hallar la probabilidad de que la
varianza muestral: a) no exceda de 2360 horas2, b) se encuentre entre 2360 y 6768 horas2.
Solucin
Sean: X = duracin de los cinescopios, en horas
X ~ Normal ( 3000 , 60 )
X>0
x 1 , x 2 , x n n =10 variables aleatorias independientes
n
s
2
x
i 1
2
i
x i
i1
n1
/n
( n 1 )s 2
2 ~ Ji cuadrada ( v 9 gl )
Entonces:
2 9( 2360 )
2
F ( 2 5.90 ) 0.25
a) P ( s 2360 ) F
2
60
Por lo tanto, esperamos que 25 de cada cien muestras, de tamao 10, tengan una varianza
muestral inferior a 2360 horas2.
9( 2360 )
2 9( 6768 )
2
F 2
b) P ( 2360 s 6768 ) F
2
60
60 2
18
0.70
Por lo tanto, esperamos que 70 de cada cien muestras, de tamao 10, tengan una varianza
muestral mayor de 2360 horas2 pero menor de 6768 horas2.
1.9 Distribucin de probabilidad t Student
Teorema 1.5. Sea Z una variable aleatoria normal estndar y V una variable aleatoria Jicuadrada con v grados de libertad. Si Z y V son independientes, entonces la distribucin
de la variable aleatoria T, donde
Z
V /v
( v 1 ) / 2
t 2
1
v
( v / 2 ) v
( v 1 ) / 2
Corolario
i1
xi
n
s2
x
s/
. Sean
( xi x )2
n1 ,
i 1
n
libertad.
Para las aplicaciones de la distribucin t Student (Tabla 3 del Apndice), utilizaremos el
procedimiento siguiente:
Sean:
x
x1 , x 2 , xn
xi ;
i1
x
i 1
2
i
x i
i 1
n1
/n
19
Estadstica I __________________________________________________________________________________
x
s/
T ~ T Student ( v n 1 gl )
T
Entonces:
s/
a) P ( X a ) F ( a ) F t
s/
b) P ( X b ) 1 F ( b ) 1 F t
s/
c) P ( a X b ) F ( b ) F ( a ) F t
a
F t
n
s/ n
b
1 F t
s/ n
s/ n
d) P ( a X b ) F ( a ) 1 F ( b ) F t
Ejemplo 1.6 Un fabricante de focos afirma que su producto durar en promedio de 500 horas de
trabajo. Para verificar este promedio, esta persona prueba 25 focos cada mes. Si el valor de t
calculado cae entre t 0.05
conclusin deber l sacar de una muestra que tiene una media de x 518 horas y una
desviacin estndar s 40 horas? Asuma que la distribucin de los tiempos de vida es normal?
Sean:
x0
x1 , x 2 , xn
x
T
xi
i1
x
i 1
2
i
x i
i 1
n1
/n
x
s/
T ~ T Student ( v n 1 24 gl )
20
Entonces: De la Tabla 3 obtenemos el valor de t 0.05 para 24 grados de libertad. Por lo tanto, el
fabricante estar de acuerdo con esta afirmacin si una muestra de 25 focos da un valor de
t entre -1.711 y 1.711.
T
x 518 500
2.25
s/n
40 / 25
De aqu que el fabricante est en condiciones de concluir que sus focos duran ms de 500
horas.
1.10 Distribucin de Probabilidad F
Teorema 1.6. Sean U y V dos variables aleatorias que tienen distribuciones Ji-cuadradas
con v1 y v2 grados de libertad, respectivamente, entonces la distribucin de la variable
aleatoria F
U / v1
est dada por
V / v2
h( f )
( v1 v 2 ) / 2 ( v1 / v 2 )v1 / 2
f v1 / 2 1
( v1 / 2 )( v 2 / 2 )
( 1 v1 f / v 2 )( v1 v2 )
0 f
1
fvv 2,
1
derecha, es
6
f 10
,0.95
1
f610
,0.05
1
0.246
4.06
21
Estadstica I __________________________________________________________________________________
12
( n 1 )s12
12
12
( n 1 )s12
12
S 22 / 22 12 S 22
tiene una distribucin F con v1 n1 1 y v 2 n2 1 grados de libertad.
22
EJERCICIOS 1.3
1. Para una distribucin Ji-cuadrada encuentre
a) 0.2 025 cuando v = 15
b) 0.2 01 cuando v = 7
c) 0.2 05 cuando v = 24
b) 0.2 05 cuando v = 19
c) 0.2 01 cuando v = 12
b) P (T 1.318 ) cuando v = 24
d) P (T 2.567 ) cuando v =
17
7. Para la distribucin T-Student encuentre:
a) P ( t 0.005 T t 0.01 )
b) P (T t 0.025 )
8. Dada una muestra aleatoria de tamao 24 de una distribucin normal, con desconocida,
encuentre k tal que
MOISS MUOZ DAZ
23
Estadstica I __________________________________________________________________________________
a) P ( 2.07 T k ) 0.965
b) P ( k T 2.81) 0.095 c)
P ( k T k ) 0.90
b) f0.05 con v1 = 15 y v2 = 7
c) f 0.01 con v1 = 24 y v2 = 19
d) f0.95 con v1 = 19 y v2 = 24
b) f0.99 con v1 = 28 y v2 = 12
24