Академический Документы
Профессиональный Документы
Культура Документы
1. PRELIMINARES
Luego,
En consecuencia,
2. DISTRIBUCIÓN NORMAL DE PROBABILIDADES
2
1 1 x
exp
2 2
Se verifica que la expresión anterior es una función de densidad. En efecto, es claro que
para todo x. Además, haciendo el cambio de variables , con , se
tiene que
(i) La ecuación
(v) También es claro que para todo k, se tiene que ; por tanto, la
función es simétrica con respecto a la recta
Los resultados anteriores pueden generalizarse para cualquier tipo de combinaciones lineales
de variables aleatorias normales independientes. Sean variables aleatorias
independientes y normalmente distribuidas. Se define la combinación lineal
donde los coeficientes a0 y ai son constantes reales no todas necesariamente iguales a cero.
Entonces, la combinación lineal Y tiene también distribución normal con media igual a
y varianza igual a . Simbólicamente se escribe
Es claro que la variable aleatoria Z es una combinación lineal de la variable aleatoria normal X con
y . Por lo tanto, Z tiene distribución normal con media igual a
y varianza igual a
Simbólicamente se escribe
Z
que es un caso particular de la distribución normal comúnmente conocida como distribución normal
estándar o tipificada, muy útil para efectos prácticos de cálculo de probabilidades.
EJEMPLO 6.2 Un eje de corte transversal circular debe encajar dentro de un cojinete. Sea la
variable aleatoria que representa el diámetro del cojinete y el diámetro del eje, ambos expresados en
centímetros. Supóngase que y Supóngase además que
ejes y cojinetes se fabrican independientemente unos de otros. Se quiere saber la fracción de piezas
que no encajan. Si se asume que el espacio libre entre el eje y el cojinete es
Una versión más general del teorema sobre la distribución de la suma de variables aleatorias
normales arriba desarrollado afirma que las variables aleatorias si bien son
normales, no deben ser necesariamente independientes y el teorema igualmente se cumple. Es
decir, cualquier combinación lineal de variables aleatorias normales tiene distribución normal
con media igual a
Las condiciones generales arriba mencionadas apuntan a que los términos Xi tomados de
manera individual contribuyen con una cantidad insignificante a la varianza de la suma Y. Es
también de resaltar en el teorema que los términos Xi de la suma pueden tener en esencia
cualquier tipo de distribución y, sin embargo, la suma Y tendrá una distribución
aproximadamente normal siempre y cuando la cantidad de miembros en la suma sea
suficientemente grande. He aquí la importancia de la distribución normal.
Un caso especial del teorema central del límite surge cuando cada una de las variables Xi son
tienen la misma distribución; es decir, y con En este caso,
se tiene que . Luego, la variable aleatoria
Y n
Z
n
Con el supuesto restrictivo que existe para t real, puede presentarse una prueba directa
para este caso particular del teorema central del límite.
EJEMPLO 6.3 Se empacan 250 piezas en una caja. Los pesos de las piezas son variables
aleatorias independientes con media de 0,5 libras y desviación estándar de 0,1 libras. Se cargan 20
cajas en una báscula. Si se desprecia el peso de la báscula y de la caja, el peso de las cajas se puede
representar como
Luego,
k
Y Z i2 Z 12 Z 22 Z k2
i 1
n
Yi Y1 Y2 Yn
i 1
n
también tiene distribución ji-cuadrado con K k i grados de libertad. Es decir, la
i 1
distribución ji-cuadrado exhibe la propiedad reproductiva.
Z k
t Z
Y
k
Y
Puesto que las variables aleatorias Z y Y son independientes, tienen función de densidad
conjunta dada por
Aplicando el teorema de la transformación al sistema de cambios de variables y
, se obtiene que la función de densidad de la variable con distribución t de Student es
y la varianza es
Y1
k1 Y1 k 2
X Y2
k2 Y2 k1
Existen dos resultados relacionados con la distribución de Fisher que son de gran utilidad
práctica. A saber:
(a) El cuadrado de una variable aleatoria que tiene distribución t de Student con k grados de
libertad es a su vez una variable aleatoria que sigue una distribución F con 1 grado de libertad
en el numerador y k grados de libertad en el denominador.
(b) Si en una distribución F el número grados de libertad del denominador es relativamente
alto, entonces se cumple que k1 F