Вы находитесь на странице: 1из 9

Estadstica I Unidad I. Distribuciones de probabilidad continuas 1.

1 Introduccin:
Una variable aleatoria es un valor numrico que corresponde al resultado de un experimento aleatorio, como el nmero de caras que se obtienen al lanzar 4 veces una moneda, el nmero de lanzamientos de un dado hasta que aparece el seis, el nmero de llamadas que se reciben en un telfono en una hora, el tiempo de espera a que llegue un autobs...

Objetivos:
y y y y y y Conocer las distribuciones de probabilidad de variable continua. Calcular la probabilidad de que una variable aleatoria tome determinados valores, a partir de su funcin de densidad o de su funcin de distribucin. Conocer la distribucin normal. Calcular probabilidades en distribuciones normales. Ajustar una distribucin binomial por una normal Ajustar un conjunto de datos a una distribucin normal

1.2 Distribucin de probabilidad de una variable aleatoria continua


Es aquella que puede tomar infinitos valores dentro de un intervalo de la recta real. En el caso de variables aleatorias continuas no tiene sentido plantearse probabilidades de resultados aislados. La probabilidad de valores puntuales es cero. El inters de estas probabilidades est en conocer la probabilidad correspondiente a un intervalo. Dicha probabilidad se conoce mediante una curva llamada funcin de densidad y suponiendo que bajo dicha curva hay un rea de una unidad. Conociendo esta curva, basta calcular el rea correspondiente para conocer la probabilidad de un intervalo cualquiera. Propiedades: De las propiedades de la funcin de distribucin se siguen las siguientes propiedades de la fdp (a veces visto como pdf del ingls): y y para toda x. El rea total encerrada bajo la curva es igual a 1:

La probabilidad de que X tome un valor en el intervalo [a,b] es el rea bajo la curva de la funcin de densidad en ese intervalo o lo que es lo mismo, la integral definida en dicho intervalo. La grfica f(x) se conoce a veces como curva de densidad.

La funcin de distribucin de una variable aleatoria continua se calcula:

La probabilidad de que la variable este dentro de un intervalo es:  

La probabilidad de que la variable tome un valor particular se puede expresar como:

1.3 Media y varianza de una variable aleatoria continua Media Es el valor esperado El valor esperado esta dado por:
 

Varianza Para caracterizar correctamente la distribucin adems de determinar su posicin es necesario calcular alguna medida que cuantifique su variabilidad. Una cantidad muy til para evaluar esa dispersin es la varianza que se calcula:
 

Considerando el teorema anterior:




Ejemplo: a) Determine la probabilidad de que 1 x 2. b) Determine la probabilidad, la media y la varianza cuya funcin de densidad est dada por:



1.4 Distribucin de probabilidad T-Student Es una distribucin que se distingue por sus grados de libertad y se utiliza cuando se desconoce su desviacin estndar poblacional. Caractersticas de la distribucin t de Student 1. 1. Al igual que la distribucin Z, es una distribucin continua

2. 2.

La distribucin t tiene una media de cero, es simtrica respecto de la media y se extiende

R de - g a + g la varianza de t R  2 para R > 2. Cuando los grados de libertad son


suficientemente grandes la varianza de la distribucin t tiende a 1. 3. 3. Tiene forma acampanada y simtrica

4. 4. No hay una distribucin t, sino una "familia" de distribuciones t. todas con la misma media cero, pero con su respectiva desviacin estndar diferente de acuerdo con el tamao de la muestra n. Existe una distribucin t para una muestra de 20, otra para una muestra de 22, y as sucesivamente. 5. 5. La distribucin t es ms ancha y ms plana en el centro que la distribucin normal estndar como resultado de ello se tiene una mayor variabilidad en las medias de muestra calculadas a partir de muestras ms pequeas. Sin embargo, a medida que aumenta el tamao de la muestra, la distribucin t se aproxima a la distribucin normal estndar.

Formalmente una variable T con distribucin t de Student o simplemente distribucin t se define de la forma siguiente Sea Z una variable aleatoria normal estndar y sea G2 una variable Chi cuadrada con R grados de libertad, entonces:

t!

X Q s n

Utilizacin de la tabla t En la parte superior de la tabla t se encuentran los niveles de significancia y en los renglones estan los grados de libertad. V=gl=n-1 Nivel de confianza = 1Nivel de significancia = Valor t para un extremo = gl, Valor t para 2 extremos = gl, /2 Ejemplo: Si se tiene una muestra de 25 duraznos y se desea una confianza de 95% determine el valor t a) Un extremo b) Dos extremos A) t= 1.711 B) t= 2.064

y y

1.6 DISTRIBUCION F DE FISHER Recibi este nombre en honor a Sir Ronald Fisher, uno de los fundadores de la estadstica moderna. Esta distribucin de probabilidad se usa como estadstica prueba en varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas iguales. Esta prueba es til para determinar si una poblacin normal tiene una mayor variacin que la otra y tambin se aplica cuando se trata de comparar simultneamente varias medias poblacionales. La comparacin simultnea de varias medias poblacionales se conoce como anlisis de varianza (ANOVA). En ambas situaciones, las poblaciones deben ser normales y los datos tener al menos la escala de intervalos. Caractersticas de la distribucin F 1. Existe una "familia" de distribuciones F. Un miembro especfico de la familia se determina por dos parmetros: los grados de libertad en el numerador y en el denominador . Existe una distribucin F para la combinacin de 29 grados de libertad en el numerador y

28 grados en el denominador. Existe otra distribucin F para 19 grados en el numerador y 6 en el denominador. 2. La distribucin F es una distribucin continua. 3. F no puede ser negativa 4. La distribucin F tiene un sesgo positivo 5. A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca lo toca Uso de la tabla f Se tienen en la parte superior los grados de libertad 1 y en los renglones los grados de libertad 2 a un nivel de significancia segn la tabla Donde V1 y V2 son igual a n1-1 y n2-1 respectivamente. Ejemplo: determine el valor de f para V1=15 y V2= 11 con significancia de .05 F= 2.72

1.5 Distribucin de probabilidad

En estadstica, la distribucin (de Pearson) es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria:

La distribucin tiene muchas aplicaciones en inferencia estadstica, por ejemplo en la denominada prueba utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimacin de varianzas. Tambin est involucrada en el problema de

estimar la media de una poblacin normalmente distribuida y en el problema de estimar la pendiente de una recta de regresin lineal, a travs de su papel en la distribucin t de Student, y participa en todos los problemas de anlisis de varianza, por su papel en la distribucin F de Snedecor, que es la distribucin del cociente de dos variables aleatorias independientes con distribucin .

Uso de la tabla X2 En la parte superior tenemos el nivel de significancia y en la inferior los grados de libertad Donde gl= n-1 X2 extremo inferior = x2 /2 X2 extremo superior = x2(1- /2) Ejemplo: teniendo un nivel de confianza del 95% y una muestra aleatoria de n=10 encuentre el valor X2 para los dos extremos: =5%=.05 n=10 gl= 9 Extremo inferior: x2 /2= .05/2= (0.025,9)= 19.023 Extremo superior: x2(1- /2)=(1-.05/2)= (0.975,9) = 2.7

Ejercicios: 1.- Hallar el valor t para el cual se tiene un nivel de confianza del 99%, un tamao de muestra 10 y ser correspondiente a dos extremos. T= 3.250 2.- Hallar el valor t para una significancia de .01 y n=10 T=2.821 3.- Determine el valor t para un nivel e confianza del 90% para dos extremos con n=10 T= 1.833 4.- Determine los siguientes valores de t para el extremo superior si: a) N=25 y significancia=95% b) N=25 y significancia 95% a) T= 1.703 b) T= 2.492 5.- Una muestra aleatoria de 8 cigarros tiene una desviacin estndar de .9mg. obtenga el valor de x2 con un nivel de confianza del 99% Inferior = .01/2 = 0.0057= 20.278 Superior= 1-.01/2=.995=.989 6.- Obtenga el valor superior de x2 con un nivel de confianza del 95% si se tiene una muestra de 16 X2= 1-.05/2= (.975,15)= 6.262 7.- Se comparo la economa de combustible de dos tipos de automviles. Se utilizaron 13 vehculos tipo A y 10 del tipo B. si se realiza una prueba de dos extremos determine el valor de f con un nivel de significancia del 1%. N1=13 N2=10 F=5.11 V1=12 V2= 9

1.7. Distribucin de probabilidad Beta

Es una distribucin que permite generar una gran variedad de perfiles. Se ha utilizado para representar variables fsicas cuyos valores se encuentran restringidos a un intervalo de longitud finita y para encontrar ciertas cantidades que se conocen como limites de tolerancia sin necesidad de la hiptesis de una distribucin normal. Funcin de densidad:    Media: 

Varianza:  Ejemplo: Si la proporcin de una marca de televisores que requiere servicio durante el primer ao de operacin es una variable que tiene =3 y =2. Determine: a) Media y varianza b) La probabilidad de que los nuevos modelos de esta marca que se vendieron este ao requerirn servicio durante su primer ao de operacin. a)   = 0.04 

b) =x (1-x) =x2-x3 c)
2

= 1/12 = .083 = 8.39%

1.7. Distribucin de probabilidad Weibull Esta muy relacionada con la distribucion exponencial.

Media:

Varianza:


Ejemplo: Suponga que la vida util de cierto elemento es una variable aleatoria que tiene =.5 y =.1 calcular: a) Vida media util de este articulo b) La varianza de la vida util a) b)