Distribuciones Continuas

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.
es
Distribuciones continuas
DISTRIBUCIONES CONTINUAS
Algunas distribuciones de probabilidad continuas de uso frecuente en R y R n:
Caractersticas, parmetros, funcin de densidad y de distribucin, uso, momentos
pg.
1
Uniforme
Triangular
Exponencial negativa
Laplace o doble exponencial
Gamma
Beta
Normal
lognormal
2
(Chi-cuadrado)
F
t
Cauchy
Weibull
Rayleigh
Pareto
Valores extremos, Zeta, Logstica
2
3
4
5
6
8
10
11
12
13
14
15
16
17
18
19
La familia exponencial
20
Normal Multivariante
21
_______________________
1
En amarillo las distribuciones ms importantes.
Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es
UNIFORME o rectangular
U[a,b]
Distribucin Uniforme en el intervalo [a, b]

f ( x)
densidad
1
I a ,b ( x )
ba
Uniform Distribution
0,5
Lower limit,Upper limit

0,2
density
0,4
0,3
0,2
0,1
0
0
0,4
0,8
1,2
1,6
cumulative probability
Uniform Distribution
1
Lower limit,Upper limit

0,2
0,8
0,6
0,4
0,2
0
0
0,4
0,8
1,2
1,6
x
media:
ab
2
varianza:
1
(b a ) 2
12
Uniforme sobre un conjunto C de R o Rn de medida lebesgue (u otra) 0< (C) < :

Probabilidad proporcional a la medida :
Ejemplos:
p(A)=
( A)
(C )
uniforme sobre el cuadrado [0,1]2, sobre el cubo [0,1]3

uniforme sobre la bola de centro 0 y radio 1.
uniforme sobre una semiesfera de centro 0 y radio 1.
uniforme sobre la bisectriz del cuadrado [0,1]2
TRIANGULAR
Triangular en [a,b]:
f ( x) 4
densidad
xa
bx
I a b ( x) 4
I
2
(b a ) a , 2
(b a ) 2
a b
,b
2
( x)
Triangular en [a,b] con centro c:

densidad
f ( x) 2
xa
bx
I a ,c ( x) 2
I c ,b ( x )
(b a )(c a )
(b a )(b c)
Triangular Distribution
1
Lower limit,Center point,Upper limit

0,1,2
0,0,5,2
0,1,6,2
density
0,8
0,6
0,4
0,2
0
0
0,4
0,8
1,2
1,6
Triangular Distribution
1
Lower limit,Center point,Upper limit

0,1,2
0,0,5,2
0,1,6,2
0,8
0,6
0,4
0,2
0
0
0,4
0,8
1,2
1,6
EXPONENCIAL negativa
exp()
f ( x ) e x I 0 , ( x )
densidad
es el parmetro de intensidad.
Tambin se utiliza el parmetro inverso = 1/

f ( x)
esun parmetro de escala;

es adems la media de la
e x / I 0 , ( x)
distribucin.
Exponential Distribution
0,25
Mean
4
10
20
density
0,2
0,15
0,1
0,05
0
0
20
40
60
80
100
120
x
Exponential Distribution
Mean
4
10
20
0,8
0,6
0,4
0,2
0
0
20
40
60
80
100
120
x
No envejece:
p( X > t + s / X > t )= p( X > s )
- la probabilidad de fallo no depende de la duracin de la vida anterior

- modeliza tiempos de espera hasta fallo de procesos sin envejecimiento, sin desgaste:
vida de componente, espera hasta recibir una llamada, peticin de servicio, tiempo
entre paso de vehculos, llegada de clientes
- en este sentido, es la generalizacin continua de la distribucin geomtrica.
media:
varianza:
1
; 2
2
LAPLACE o doble exponencial:

densidad
f ( x)
1
e | x|
2
Laplace Distribution
0,5
Mean,Scale
0,1
density
0,4
0,3
0,2
0,1
0
-5
-3
-1
Laplace Distribution
1
Mean,Scale
0,1
0,8
0,6
0,4
0,2
0
-5
-3
-1
media:
varianza:
2
;
2
GAMMA
(a,p)
(,)
a parmetro de forma (a>0)

p parmetro de escala
en Lindgren
f ( x)
x -1 e x I 0 , ( x)
( )
densidad
Erlang Distribution
1
Shape,Scale
1,1
2,1
3,1
5,1
10,1
density
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
Erlang Distribution
Shape,Scale
1,1
2,1
3,1
5,1
10,1
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
x
Para entero, se denomina ERLANG, quien la utiliz para modelizar problemas relacionados
con el uso de lneas telefnicas.
Modeliza la espera hasta el n fallo en procesos sin desgaste.
Generaliza la exponencial negativa: exp() (,)
media:
varianza:
a
2
La funcin de Euler
Definicin
( ) 0 x 1 e x dx
para > 0
Propiedades
n= (n-1)!
nN+
extiende a R la nocin de factorial
BETA
(a,b)
densidad
a y b parmetros de forma (a>0; b>0)

f ( x)
(a b) a -1
x (1 - x) b 1 I 0 ,1 ( x)
(a )(b)
formas muy variadas, que se adaptan a multitud de problemas con soporte finito:
Beta Distribution
Shape 1,Shape 2
1,1
1,5,1
2,1
3,1
5,1
density
5
4
3
2
1
0
0
0,2
0,4
0,6
0,8
Beta Distribution
Shape 1,Shape 2
1,1
1,5,1
2,1
3,1
5,1
0,8
0,6
0,4
0,2
0
0
0,2
0,4
density
5
4
3
2
1
0
0,2
0,4
0,6
0,8
Shape 1,Shape 2
1,1
1,1,5
1,2
1,3
1,5
0,8
0,6
0,4
0,2
0
0
0,2
0,4
density
2
1,5
1
0,5
0
0,6
0,8
Shape 1,Shape 2
1,1
1,5,1,5
2,2
3,3
5,5
Shape 1,Shape 2
1,1
1,5,1,5
2,2
3,3
5,5
0,8
0,6
0,4
0,2
0
0
0,2
media:
0,8
Beta Distribution
2,5
0,4
0,6
Beta Distribution
0,2
0,8
Beta Distribution
Shape 1,Shape 2
1,1
1,1,5
1,2
1,3
1,5
Beta Distribution
6
0,6
a
ab
0,4
0,6
varianza:
ab
( a b) (a b 1)
2
0,8
La funcin
1
Definicin
( a , b )
Propiedad
( a , b )
( a )(b)
( a b)
x 1 (1 x) b 1 dx
a> 0, b> 0
La densidad de la distribucin beta puede escribirse con la funcin beta:

f ( x)
1
x -1 (1 - x) b1 I 0,1 ( x )
( a b)
La distribucin Uniforme en [0,1] es una Beta(1,1).
10
NORMAL
11
(, 2) (,)
parmetro de centralizacin
2 parmetros de escala ( 2>0)
Normal Estandar.
densidad
f ( x)
1
e 2
2
simtrica respecto de
Normal Distribution
0,4
Mean,Std. dev.
0,1
0,2
4,1
density
0,3
0,2
0,1
0
-10
-6
-2
10
Normal Distribution
1
Mean,Std. dev.
0,1
0,2
4,1
0,8
0,6
0,4
0,2
0
-10
-6
-2
10
x
media:
varianza:
La encuentra De Moivre en 1733 como lmite de la distribucin Binomial (n,p) cuando n .

Se olvida y la redescubren en el siglo XIX Gauss y Laplace estudiando errores en astronoma.
Por ello se denomina tambin Gaussiana o Laplaciana.
Es la distribucin ms importante, la ms utilizada y la que ms aparece en la naturaleza.
En condiciones bastante generales, si un valor aleatorio es el resultado final de muchos pequeos
factores que le influyen, su distribucin ser normal (TCL).
Aparece muchas veces como lmite de otras distribuciones (Binomial, 2, t, )
LOGNORMAL
12
log (, 2)
1 ln x
1
e 2
2 x
f ( x)
I 0 , ( x )
densidad
Lognormal Distribution
0,8
Mean,Std. dev.
10,1
10,2
2,2
2,4
density
0,6
0,4
0,2
0
0
12
16
20
24
Lognormal Distribution
1
Mean,Std. dev.
10,1
10,2
2,2
2,4
0,8
0,6
0,4
0,2
0
0
12
16
20
24
x
media:
exp(+2/2)
varianza: exp2(+2)- exp(2+2)
El logaritmo de una log(,2) se distribuye segn una (,2)

Muy utilizada par modelizar el comportamiento de magnitudes aleatorias continuas con
distribucin asimtrica: pesos y volmenes de cultivos, de colonias bacterianas, rentas de
familias, ventas
Chi-cuadrado
2n
parmetro n: grados de libertad
densidad
Chi-Square Distribution
0,25
Deg. of freedom
3
10
20
50
density
0,2
0,15
0,1
0,05
0
0
20
40
60
80
100
Chi-Square Distribution
1
Deg. of freedom
3
10
20
50
0,8
0,6
0,4
0,2
0
0
20
40
60
80
100
x
media:
varianza: 2n
n 1
2 2
2
La distribucin n es una ( , ) .
Aparece como la distribucin de una suma de cuadrados de variables normales.

Es la distribucin de la varianza muestral en el muestreo de la Normal.
Aparece tambin en los test de ajuste a distribuciones y de independencia.
Al crecer n converge a la Normal.
13
F de Snedecor
14
(en honor a Fisher)
Fm n parmetros m y n: grados de libertad del numerador y del denominador.

densidad
F (variance ratio) Distribution

1,5
Numerator d.f,Denominator d.f.

10,10
2,10
10,2
50,50
density
1,2
0,9
0,6
0,3
0
0
F (variance ratio) Distribution

1
Numerator d.f,Denominator d.f.

10,10
2,10
10,2
50,50
0,8
0,6
0,4
0,2
0
0
media:
,0 n 2
n
n - 2 , n 2
,2n 4
varianza:
n mn-2
2 n - 2 m(n - 4) , n 4
Aparece como cociente de dos distribuciones 2 independientes:
Fm n
m2 / m
n2 / n
Se utiliza mucho en ajuste de modelos lineales (explican una variable como c.l. de otras)
t de Student
tn
parmetro n: grados de libertad.
densidad
Student's t Distribution
0,4
Deg. of freedom
10
density
0,3
0,2
0,1
0
-6
-4
-2
Student's t Distribution
1
Deg. of freedom
10
0,8
0,6
0,4
0,2
0
-6
-4
-2
x
media:
varianza:
n
n2
Se parece a la Normal, pero presenta colas ms pesadas.

Al crecer n converge a la Normal.
Su cuadrado es una F:
(t n)2 F 1, n
Aparece en el muestreo de la normal.

Aparece como cociente de una N(0,1) y la raz de una 2 independientes
La distribucin t1 es la distribucin de Cauchy.
tn
N (0,1)
n2 / n
15
CAUCHY Cauchy(a,b)
parmetro a: localizacin.
parmetro b: escala.
Cauchy(0,1)
densidad
f ( x)
1
b
se denomina Cauchy Estandar

1
xa
distribucin
F ( x)
1 1
xa
arc.tg .
2
b
Cauchy Distribution
0,4
Mode,Scale
0,1
5,1
0,2
density
0,3
0,2
0,1
0
-30
-20
-10
10
20
30
Cauchy Distribution
1
Mode,Scale
0,1
5,1
0,2
0,8
0,6
0,4
0,2
0
-30
-20
-10
10
x
Es simtrica y con colas mucho ms pesadas que la Normal.
La Cauchy estandar es una t1:
Cauchy(0,1) t1.
Es la ley del cociente de dos Normales estandar independientes.

La inversa de una Cauchy es Cauchy.
20
30
16
WEIBULL
parmetro : de escala (>0)

parmetro : de forma (>0)
W(,)
f ( x)
densidad
b= ;
Otra parametrizacin:
W(b, )
exp -

; x0
= 1/
parmetro: de escala ( >0)
parmetro b: de forma (b >0)
f ( x) b
densidad
x b-1 exp - x
; x0
F ( x ) 1 - exp - x ; x 0
h( x) b b x b-1 ; x 0
distribucin
razn de fallo
Weibull Distribution
1,2
Shape,Scale
1,1
2,2
1,2
3,1
3,2
density
1
0,8
0,6
0,4
0,2
0
0
10
12
1
Shape,Scale
1,1
2,2
1,2
3,1
3,2
0,8
0,6
0,4
0,2
0
0
10
12
x
Modeliza el tiempo de vida de materiales con desgaste.
El desgaste puede ser positivo (envejecimiento) o negativo (rejuvenecimiento o aprendizaje).
La ley exponencial es un caso particular de Weibull (con b=1):
exp() W (1, ).
La distribucin de Rayleigh, tambin es un caso particular (b=2): Rayleight W (2, ).
17
RAYLEIGH
Rayleigh(a) parmetro a: de escala (a>0)
densidad
f ( x)
x2
x
- 2
exp
a2
2a
; x 0
1
Shape,Scale
2,1
2,2
2,5
density
0,8
0,6
0,4
0,2
0
0
12
15
18
x
Shape,Scale
2,1
2,2
2,5
0,8
0,6
0,4
0,2
0
0
12
x
media:
varianza: (2
Es una Weibull con parmetro de forma b=2.
2
)a
2
15
18
18
PARETO
Pareto (L,a)
a L
f ( x)
L x
densidad
parmetro L: de localizacin
parmetro a: de escala (a>0)
a -1
distribucin
; xL
L
F ( x) 1 -
Pareto Distribution
10
Shape
1
2
5
10
density
8
6
4
2
0
1
1,5
2,5
3,5
Pareto Distribution
1
Shape
1
2
5
10
0,8
0,6
0,4
0,2
0
1
1,5
2,5
3,5
media:
La
; L 1
L 1
varianza:
La 2
; L2
( L 2)( L 1) 2
Distribucin que siguen las rentas superiores a un determinado nivel L.
; xL
19
20
OTRAS DISTRIBUCIONES:
Distribucin de los valores extremos
Extreme value distributions arise as limiting distributions for maximums or minimums (extreme
values) of a sample of independent, identically distributed random variables, as the sample size
increases.
Extreme Value Distribution

0,4
Mode,Scale
1,1
2,1
5,1
1,3
density
0,3
0,2
0,1
0
-14
-10
-6
-2
10
Distribucin Zeta
The zeta distribution is used to model the size or ranks of certain types of objects randomly chosen
from certain types of populations. Typical examples include the frequency of occurrence of a word
randomly chosen from a text, or the population rank of a city randomly chosen from a country. The
zeta distribution is also known as the Zipf distribution, in honor of the American linguist George
Zipf.
donde
Distribucin Logstica
The logistic distribution has been used for various growth models, and is used in a certain type of
regression, known appropriately as logistic regression.
Estandar:
General:
x R;
x R;
Logistic Distribution
0,5
Mean,Std. dev.
0,1
3,1
0,3
density
0,4
0,3
0,2
0,1
0
-15
-10
-5
10
15
21
LA FAMILIA EXPONENCIAL (no confundir con la distribucin exponencial negativa)

Algunas distribuciones que hemos visto, son casos particulares de una familia ms general, que
se llama familia exponencial. Algunos resultados se demuestran de forma general para la familia con
lo cul automticamente se aplica a todas las subfamilias.
Esta es la expresin general de una probabilidad de la familia exponencial paramtrica:
f(x,) = B() h(x) exp[Q() R(x)]
f(x,) puede representar tanto
como
[1]
una densidad en R
una probabilidad discreta en R.
Pertenecen a esta familia exponencial las siguientes distribuciones (en realidad, subfamilias):
Tiradas de Bernoulli.
Binomial.
Exponencial negativa.
Geomtrica.
Normal (0, )
Binomial Negativa.
Normal (, 1)
Poisson.
Gamma
En efecto, aparecen al elegir apropiadamente las funciones B() h(x) Q() y R(x):
Otras familias de distribuciones como la Cauchy o la Hipergeomtrica, no forman parte de la

familia exponencial.
22
Una distribucin de probabilidad en Rn

LA NORMAL MULTIVARIANTE Nn(, )
el parmetro es el vector de medias

el parmetro es la matriz de dispersin.
Es la distribucin ms frecuentemente utilizada en Rn.

densidad:
f ( x)
t
exp x -1 x ; x R n
2
Todas las distribuciones marginales y condicionadas son Normales (uni- o multi-variantes).

En R2 la densidad tiene forma de campana centrada en .:
Otras distribuciones multivariantes: Uniforme en una regin, Wishart

Distribuciones 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

Distribuciones Continuas

Загружено:

Авторское право:

Доступные форматы

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.

En amarillo las distribuciones ms importantes.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Distribucin Uniforme en el intervalo [a, b]

Lower limit,Upper limit

Lower limit,Upper limit

Uniforme sobre un conjunto C de R o Rn de medida lebesgue (u otra) 0< (C) < :

uniforme sobre el cuadrado [0,1]2, sobre el cubo [0,1]3

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Triangular en [a,b] con centro c:

Lower limit,Center point,Upper limit

Lower limit,Center point,Upper limit

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Tambin se utiliza el parmetro inverso = 1/

esun parmetro de escala;

p( X > t + s / X > t )= p( X > s )

- la probabilidad de fallo no depende de la duracin de la vida anterior

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

LAPLACE o doble exponencial:

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

a parmetro de forma (a>0)

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

extiende a R la nocin de factorial

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

a y b parmetros de forma (a>0; b>0)

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

La densidad de la distribucin beta puede escribirse con la funcin beta:

La distribucin Uniforme en [0,1] es una Beta(1,1).

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

La encuentra De Moivre en 1733 como lmite de la distribucin Binomial (n,p) cuando n .

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

varianza: exp2(+2)- exp(2+2)

El logaritmo de una log(,2) se distribuye segn una (,2)

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

parmetro n: grados de libertad

Aparece como la distribucin de una suma de cuadrados de variables normales.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

(en honor a Fisher)

Fm n parmetros m y n: grados de libertad del numerador y del denominador.

F (variance ratio) Distribution

Numerator d.f,Denominator d.f.

F (variance ratio) Distribution

Numerator d.f,Denominator d.f.

Aparece como cociente de dos distribuciones 2 independientes:

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

parmetro n: grados de libertad.

Se parece a la Normal, pero presenta colas ms pesadas.

Aparece en el muestreo de la normal.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

se denomina Cauchy Estandar

Es la ley del cociente de dos Normales estandar independientes.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

parmetro : de escala (>0)

La distribucin de Rayleigh, tambin es un caso particular (b=2): Rayleight W (2, ).

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Rayleigh(a) parmetro a: de escala (a>0)

Es una Weibull con parmetro de forma b=2.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Distribucin que siguen las rentas superiores a un determinado nivel L.

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es

Extreme Value Distribution

Clculo de Probabilidades 2 Matemticas 2006/ vgaribay@eio.uva.es