Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas.

De ellas merecen especial mencin las derivadas de la distribucin normal (2, t de Student y F de Snedecor), por su importancia en el desarrollo de la ltima parte de este manual (Inferencia estadstica). Se incorporan otros ejemplos para que el lector pueda disponer de una referencia para su conocimiento bsico. Tales distribuciones son : uniforme o rectangular, de Cauchy, exponencial, de Laplace, de Pareto, Gamma, Beta y log-normal. Los ejemplos se centrarn casi exclusivamente en las distribuciones : 2, t de Student y F de Snedecor.

DISTRIBUCIN UNIFORME (o rectangular)

Se denomina as a la variable aleatoria continua que toma valores comprendidos entre dos fijos a y b , siendo constante la probabilidad para cada uno de ellos : Funcin de densidad : X [a , b]

Funcin de distribucin :

Esperanza matemtica y varianza :

1 ba 0 para x < a x a F(x) = Pr(X = x) = para a x b b a para x > b 1 ( b a) 2 a+b E( X) = V( X) = 2 12

con f(X) =

DISTRIBUCIN DE CAUCHY
Tiene por funcin de densidad :

f ( x) =

. ( 1 + x 2 )

para :

- < x <

Esta distribucin carece de esperanza matemtica y varianza. Puede generalizarse a :

f ( x) =

. ( a + ( x b) 2 )
2

DISTRIBUCIN EXPONENCIAL
Definida en funcin del parmetro , tiene por funcin de densidad :

. e .x f ( x) = 0
Esperanza matemtica y varianza :

para x > 0 para x 0

E ( X) =

V( X) =

1 2

DISTRIBUCIN DE LAPLACE
Esta distribucin nace del anlisis de errores en la medicin, quedando definida a partir de su promedio () y en funcin de un valor . Recibe tambin el nombre de "distribucin doble exponencial".

Distribuciones continuas - 129

Tiene por funcin de densidad :

1 f ( x) = .e 2.

para < x <

Esperanza matemtica y varianza :

E ( X) =
Grfica de la funcin de densidad de Laplace de promedio = 0, para = 1

V( X) = 2. 2

DISTRIBUCIN DE PARETO
Utilizada en la descripcin de fenmenos biolgicos y econmicos, se define para valores de la variable superiores a uno dado (x0). Tiene por funcin de densidad (para un cierto > 0) :

x +1 . 0 f ( x) = x 0 x 0
Esperanza matemtica y varianza :

para x x 0 para x < x 0

. x 0 2 ( 1) 2 .( 2)

. x 0 E ( X) = 1
NOTA : La esperanza matemtica existe slo para valores > 1. La varianza existe slo para valores > 2.

V( X) =

DISTRIBUCIN GAMMA
Definida en funcin de dos parmetros positivos y p, y representada por G( , p), tiene por funcin de densidad :

p .x p1 .e .x f ( x ) = ( p ) 0

para x > 0 para x 0

donde (p) es la funcin gamma de Euler, que se describe al final de la exposicin terica del tema. Esperanza matemtica y varianza :

E ( X) =
Moda : Grficas de funciones de densidad gamma con parmetro = 1 (para valores de p : 1, 2 y 3)

V( X) =

p 2

Mo =

p 1

con p > 1

Relacin con otras distribuciones : Para p = 1, la distribucin gamma G( , 1) coincide con la distribucin exponencial de parmetro . La distribucin gamma G(=1/2 , p=/2) coincide con la distribucin 2 con grados de libertad (estudiada ms adelante)

DISTRIBUCIN BETA
Est definida en funcin de dos parmetros positivos p y q, y tiene por funcin de densidad :

130 - Distribuciones continuas

 1 . x p1 .(1 x) q 1 f ( x) = B( p, q ) 0

para 0 < x < 1 para x 0 y x 1

donde B(p,q) es la funcin beta de Euler, que se describe al final de la exposicin terica del tema. Los siguientes grficos nos muestran la evolucin de la funcin de densidad en funcin de p y q :

Esperanza matemtica, varianza, moda y asimetra :

E( X) = Mo = As =

p p+q

V( X) =

p. q ( p + q ) .( p + q + 1)
2

p1 p+q2 2. p. q.(q p)

( p + q ) 3 .( p + q + 1).( p + q + 2)

DISTRIBUCIN LOGARTMICO-NORMAL
La distribucin normal surge formalmente de la suma de muchas variables aleatorias. En mltiples situaciones es preciso considerar el producto de variables, resuelto con la presente distribucin. Una variable aleatoria es logartmico-normal (o lognormal) , si su logartmo ( ln(X) ) corresponde a una distribucin normal. Funcin de densidad :

1 f ( x) = .e x. . 2 para ln( x) 0

( ln( x ) ) 2
2.2

siendo y la media y desviacin tpica de la distribucin normal de partida.

Distribuciones continuas - 131

DISTRIBUCIN 2 DE PEARSON
Siendo X1 , X2 , ... , Xn n variables aleatorias normales e independientes con media 0 y varianza 1, se define la nueva variable
2 2 = X1 + X 2 + ... + X 2 n 2

A ella queda asociado el nmero n de sumandos que la integran, mediante lo que denominamos : grados de libertad = n Funcin de densidad :

2 ( n / 2 ) ( ) x/2 . x n2 / 2 f ( x ) = ( n / 2 ) . e 0
E( X ) = n
Mo = n - 2

para x > 0 para x 0

Esperanza matemtica y varianza : Moda (definida para n > 2) :

V( X) = 2 n

Grficas de la funcin de densidad de 2, en funcin del nmero de grados de libertad :

Tabla de la distribucin :

La tabla proporciona el valor de 2 que deja a su izquierda un rea 1- , en funcin del nmero de grados de libertad Para valores superiores a 50 grados de libertad, puede aproximarse mediante la distribucin normal tipificada N(0,1) : Para n > 30 se verifica que z = De aqu : 2 =

2. 2 2. n 1 con z N(0,1)

1 2 .( z + 2. n 1) 2

Relacin con otras distribuciones : La distribucin 2 con grados de libertad es una distribucin gamma G(1/2 , /2). La distribucin 2 con 2 grados de libertad es una distribucin exponencial de parmetro = 1/2.

DISTRIBUCIN t DE STUDENT
La variable aleatoria denominada t de Student, se define como combinacin de una variable Z normal tipificada y una 2 con n grados de libertad, de la forma indicada a la derecha. Como en 2 , queda asociado a cada variable t el nmero de sumandos de la variable 2 : grados de libertad = n Funcin de densidad :

t=

Z 2 n

n + 1 ( n1)/ 2 2 x2 f ( x) = .1 + n n n. . 2
Esperanza matemtica (definida si n>1) : Varianza (definida si n>2):

para < x <

E( X) = 0

V( X) =

n n2

Tablas de la distribucin :
Formalmente se define como suma de cuadrados de variables normales con desviacin tpica igual a la unidad, pero con cualquier

promedio. En particular, la que estudiamos, es una 2 centrada (aquella que verifica que la suma de promedios es igual a cero : = 0) con todas las medias nulas. 132 - Distribuciones continuas

Se utilizan habitualmente los dos tipos de tablas, que se describen a continuacin. Esta tabla proporciona el valor de t que deja a su izquierda un rea 1- , en funcin del nmero de grados de libertad.

Esta tabla proporciona el valor positivo de t que deja a su derecha un rea /2 , en funcin del nmero de grados de libertad

Para valores superiores a 50 grados de libertad, puede aproximarse mediante la distribucin normal tipificada N(0,1) , siendo, en este caso, equivalentes : para > 50 t z N(0,1)

DISTRIBUCIN F DE SNEDECOR
La variable aleatoria denominada F de Snedecor, se define como el cociente de dos variables 2 , tal como se indica a la derecha. En este caso , queda asociado a cada variable F los grados de libertad de cada 2 : grados de libertad = (1 , 2) = = (grados de libertad de la 2 del numerador , id. del denominador) Funcin de densidad :
2 1

F=

1 2

2 2

/ 2 / 2 1 + 2 1 1 1 1 .2 2 . 2 x2 . 1 +2 f ( x) = 1 2 . ( 1. x + 2 ) 2 2 2 0

para x > 0 para x 0

1 1 2

Esperanza matemtica (definida si 1 > 2) :

E( X) =
Varianza (definida si 2 > 4):

V( X) =

2. 1 2 . (1 + 2 2)

1 . (2 2) 2 . (2 4)
2 .(1 2) 1.(2 + 2)

Moda (definida si 1 > 2):

Mo =

Tabla de la distribucin :
La tabla proporciona el valor de F que deja a su derecha un rea , en funcin del nmero de grados de libertad del numerador 1 y del denominador 2 . Se suelen independizar las tablas en funcin del rea . Aqu se ofrecen para reas iguales a 0'05 , 0'025 , 0'01 y 0'005, con grados de libertad (para el numerador y el denominador) correlativos desde 1 a 60 y para 100, 200, y 400 y valores muy elevados del nmero de grados de libertad (representado por ).

Se verifica que :

Distribuciones continuas - 133

F 1 , 2 , =

1 F 2 , 1 ,1

La relacin anterior es utilizable para el clculo de valores F que dejan a su derecha reas 0'95, 0'975, 0'99 y 0'995 (1-). Propiedades : Si 1 y 2 tienden a infinito, el valor de F tiende a 1 : F, 1 Para 1 = 1, el valor F de Snedecor que deja a su izquierda un rea 1 - , coincide con el cuadrado de una t de Student que deja a su izquierda un rea 1 - (/2).: F1, ,1 2
2 t 2 ,1( / 2 )

FUNCIN GAMMA DE EULER

Denominada tambin "integral euleriana de segunda especie", se define (para valores p > 0) como :

( p) = x p1 . e x . dx
0

Propiedades :

1 (1) = 1 ; = 2
Frmula de recurrencia : Para valores enteros de p : Verifica la relacin :

( p) = p . ( p 1) ( p) = ( p 1)! (si p no es entero se recurre a tablas) ( p). (1 p) = sen ( p. )

Grfica de la funcin Gamma de Euler:

FUNCIN BETA DE EULER

Denominada tambin "integral euleriana de primera especie", se define (para valores p > 0 , q > 0) como :

( p, q ) = x p1 .(1 x) q 1 . dx
1 0

Propiedades :

( p , 1) =

1 p

Simetra de la funcin : Si q es un nmero entero :

(q 1)! p.( p + 1).( p + 2). ... .( p + q 1) ( p 1)! Si p es un nmero entero : ( p, q ) = q.(q + 1).(q + 2). ... .(q + p 1) ( p). (q ) ( p , q ) = ( p + q ) ( p, q ) =

( p , q ) = ( q , p )

134 - Distribuciones continuas

EJERCICIOS RESUELTOS
1
Una variable aleatoria se distribuye uniformemente en el intervalo [0 , 100]. a) Calcule la probabilidad de que su valor est comprendido entre 20 y 35. b) Determine su esperanza matemtica y varianza. Para el clculo de probabilidades se pueden seguir dos procedimientos; uno basado en la funcin de distribucin y, el segundo, en el significado grfico de la distribucin uniforme.

a)

Su funcin de distribucin es :

0 x0 x F(x) = Pr(X x) = = 100 0 100 1

para x < 0 para 0 x 100 para x > 100

La probabilidad pedida es : Pr(20 X 35) = Pr(X 35) - Pr(X 20) = F(35) - F(20) =

35 20 15 = = 0' 15 100 100 100

De otro modo. Observando la grfica de la distribucin, deducimos que

Pr (20 X 35) = 15.

1 = 0'15 100
1 ba

(rea sombreada)

dado que la altura es el valor comn de las probabilidades : f(X) =

b)

(b a ) a + b 0 + 100 E(X ) = = = 50 V ( X ) =
2 2 12

(100 0)2 =
12

= 833'33

2
Determinar los valores de una variable 2 con 11 grados de libertad : a) que deja a su derecha un rea 0'1 b) que deja a su derecha un rea 0'925 Determinar los valores de una variable 2 con 76 grados de libertad : c) que deja a su derecha un rea 0'155 d) que deja a su izquierda un rea 0'75 e) Calcule, con 20 grados de libertad , Pr( 2 > 28). a) b) La tabla de 2 nos proporciona, para =0'1, el valor :
2 11 = 17'275116

La tabla de 2 nos proporciona los valores : 2 11 = 4'574829 para un rea a la derecha =0'95 Como el rea dada se encuentra entre las dos anteriores (es su media), interpolamos los valores tabulados de 2 , obteniendo :
2 11 =
2 11 = 5577713 para un rea a la derecha =0'90 '

' 4'574829 + 5577713 = 5'076271 2

c) Siendo el nmero de grados de libertad superior a 50, determinamos el valor de 2 mediante la distribucin normal tipificada: El valor de z N(0,1) que deja a su derecha un rea igual a 0'155, deja a su izquierda un rea 0'845. Consultando la tabla normal (con reas a la izquierda) obtenemos el valor ms prximo para z = 1'02. Con esto : d)

2 = . z + 2. 1 = . 1'02 + 2.76 1 = 88'55417

1 2

1 2

Como en el apartado anterior, determinamos el valor de 2 mediante la distribucin normal tipificada : El valor de z N(0,1) que deja a su izquierda un rea 0'75 es : z = 0'67. Con esto :

2 = . z + 2. 1 = . 0'67 + 2.76 1 = 83'957548

1 2

1 2

e)

Para 20 grados de libertad, el valor ms prximo a 28 es 28'411865. Dicho valor deja a su derecha un rea = 0'10. Distribuciones continuas - 135

La probabilidad pedida es aproximadamente ese rea :

Pr( 2 > 28) 0'10

3
Determinar los valores de una variable t con 16 grados de libertad : a) que deja a su derecha un rea 0'01 b) que deja a su izquierda un rea 0'05 c) Determinar el valor de una variable t con 90 grados de libertad que deja a su derecha un rea igual a 0'121. Calcule, con 20 grados de libertad : d) Pr( t < 2'09) e) Pr(1'3 t 2'5) a) De la tabla obtenemos directamente el valor t = 2'583476

b)

Por la simetra de la distribucin, buscamos el valor t que deja a su derecha un rea 0'05. El valor pedido es el opuesto del anterior : t = -1'745880 Aproximamos mediante la distribucin normal N(0,1). Entre 0 y el valor pedido queda un rea 0'5 - 0'121 = 0'379, correspondiendo al valor z = 1'17. Luego : t z = 1'17 El valor ms prximo de t es 2'085962. De aqu , consultando la tabla que relaciona t con las dos reas laterales : Pr( t < 2'05) 1 - 0'05 = 0'95

c)

d)

e)

Los valores ms prximos a los de t (con 20 g.l.) son, respectivamente, 1'325340 y 2'527973, con reas a su izquierda 0'90 y 0'99. Luego : Pr(1'3 t 2'5) 0'99 - 0'90 = 0'09

4
Calcular los valores F de una distribucin F de Snedecor tales que : a) Pr(F > F ) = 0'05 con 1 = 8 y 2 = 12 grados de libertad b) Pr(F F ) = 0'99 con 1 = 29 y 2 = 4 grados de libertad c) Pr(F > F ) = 0'95 con 1 = 8 y 2 = 100 grados de libertad Calcular las probabilidades : d) Pr(F < 4'7 ) con 1 = 4 y 2 = 9 grados de libertad e) Pr(5'3 < F 7'56 ) con 1 = 15 y 2 = 6 grados de libertad f) Pr(F 4 ) con 1 = 120 y 2 = 10 grados de libertad a) La tabla correspondiente a = 0'05 proporciona el valor pedido : F = 2'848633 (para 8 y 12 g.l.)

b)

Para = 0'01 (1 - 0'99) encontramos : F = 13'851563

c)

En este caso tenemos que hacer uso de la propiedad :

F1 ,2 , =

1 F2 ,1 ,1

F0' 95,8,100 =

1 F0'05,100,8

1 = 0'3361785 2'974609

136 - Distribuciones continuas

d)

Localizamos el F ms prximo en las distintas tablas : Para 4 y 9 g.l. encontramos los valores de F : 3'633057 (0'05) ; 4'717773 (0'025) ; 6'421875 (0'01) y 7'957031 (0'005). Luego : F = 1 - 0'025 = 0'975 Para 15 y 6 g.l. encontramos los valores de F : 3'937988 (0'05) ; 5'268555 (0'025) ; 7'558594 (0'01) y 9'812500 (0'005). Luego : F = 0'025 - 0'010 = 0'015

e)

f)

Para 110 (tomamos 100 como ms prximo) y 10 g.l. encontramos los valores de F : 2'588379 (0'05) ; 3'151855 (0'025) ; 4'013672 (0'01) y 4'771484 (0'005). Luego : F = 0'01

5
Consideradas las siguientes variables : A B C D E f) Distribuida segn N(0,1) N(0,1) t de Student 2 de Pearson F de Snedecor Definida la variable V = grados de libertad no procede no procede 20 16 4y8 Calcular las probabilidades : a) Pr(-1'2 < A 3'992) b) Pr(6 A2 + B2 < 74) c) Pr (C < -2'09) d) Pr (D > 32) e) Pr (E 5'05)

4. A D

, calcule Pr(-1'75 V 2'95)

a)

Consultando la tabla N(0,1) que proporciona reas a la izquierda encontramos, para -1'2 y 3'99 ( 3'992) : 0'11507 y 0'99997. Luego la probabilidad a calcular resulta ser : 0'99997 - 0'11507 = 0'88490 La suma de cuadrados de dos distribuciones N(0,1) es una 2 con dos grados de libertad. La tabla proporciona reas a la izquierda : 0'975 (7'377930) y 0'95 (5'991455). Luego la probabilidad es : 0'975 - 0'95 = 0'025 Para 20 grados de libertad encontramos el valor positivo de t que deja a su derecha un rea igual a 0'025 (valor ms prximo 2'085962). La probabilidad que se solicita es la que deja a su izquierda el valor -t, la cul coincide con la anterior. As, la probabilidad pedida es igualmente 0'025. Para 16 grados de libertad encontramos el valor de 2 = 31'999023 32, que resulta dejar a su derecha un rea igual a 0'01. Esta es la probabilidad que se solicita. Entre las cuatro tablas disponibles (diferentes valores de ) encontramos el valor ms prximo 5'052734, correspondiente a = 0'025. Siendo el rea pedida la correspondiente a la izquierda de E : Probabilidad pedida = 1 - 0'025 = 0'975

b)

c)

d)

e)

f)

V=

4. A D

A D 16

= t de Student con 16 grados de libertad.

(1745880) (2920763)

para - 1'75 : rea a la izquierda = 0'05 para 2'95 : rea a la izquierda = 0'995 La probabilidad pedida es : 0'995 - 0'05 = 0'945

Distribuciones continuas - 137

6
Responda a las siguientes cuestiones : a) Sea X una VA (variable aleatoria) con distribucin normal de media 10 y varianza 16. Calcule Pr(X<4). b) Sea Y una VA que se distribuye segn 210. Sabiendo que Pr(Y > k) = 0025, cunto vale k ?. c) Sea Z una VA que se distribuye segn t con 17 g.l. (grados de libertad). Calcule Pr(Z>174). a) X N(10 , 4) Pr(X < 4) = 006681

b) c)

Y 210 Z t17

Pr(Y > k) = 0025 k = 20483398 Pr(Z > 174) = 005 (en tabla aparece 1739604)

7
Calcule P(X=2) y P(X>2) en los casos siguientes : a) Si X es normal con media 3 y desviacin tpica 2. b) Si X es binomial con n=3 y p=1/2. c) Si X es F, con n1 = 12 y n2 = 40. a) X N(3 , 2) Pr(X = 2) = 0 (continua) Pr(X > 2) = 1 - 030854 = 069146

b) c)

X B(3 , 05) X F12,40

Pr(X = 2) = 0375 Pr(X = 2) = 0 (continua)

Pr(X > 2) = Pr(X = 3) = 0125 Pr(X > 2) = 0050 , ya que : F = 2'003479 F = 2288086 F = 2664795 F = 2953125

Tabla : = 0050 Tabla : = 0025 Tabla : = 0010 Tabla : = 0005 NOTA :

Si no hubisemos encontrado un valor de F prximo a los 4 de las tablas, determinaramos los que dejan esa probabilidad a la izquierda (1- a la derecha), haciendo uso de la expresin :

F1 ,2 , =
1- = 0950

1 F2 ,1 ,1

F12 ,40, =

1 F40,12 ,1
1- = 0995

1- = 0975

1- = 0990

F=

1 1 1 1 = 0'4122 F = = 0'3441 F = = 0'2763 F = = 0'2365 2'425903 2'906250 3'619141 4'228516

Pr(X > 035) = 0975 o Pr(X < 035) = 0025

As, por ejemplo :

138 - Distribuciones continuas

EJERCICIOS PROPUESTOS
1
a) Determine la funcin de distribucin, esperanza matemtica y varianza de la variable aleatoria continua X que se distribuye uniformemente en el intervalo [2 , 4] b) Para dicha variable, calcule las probabilidades : Pr(X 3) Pr(1'25 < X 205)

2
Determinar los valores de una variable 2 con 13 grados de libertad : a) que deja a su derecha un rea 0'99 b) que deja a su izquierda un rea 0'025 Determinar los valores de una variable 2 con 113 grados de libertad : c) que deja a su derecha un rea 0'575 d) que deja a su izquierda un rea 0'12 e) Calcule, con 3 grados de libertad , Pr( 2 > 0'6).

3
Determinar los valores de una variable t de Student con 9 grados de libertad : a) que deja a su derecha un rea 0'75 b) que deja a su izquierda un rea 0'005 c) Determinar el valor de una variable t con 132 grados de libertad que deja a su izquierda un rea igual a 0'7. Calcule, con 7 grados de libertad : d) Pr( t < 3) e) Pr(0'7 t 3'5)

4
Calcular los valores A de una distribucin F de Snedecor tales que : a) Pr(F > A ) = 0'005 con 1 = 4 y 2 = 2 grados de libertad b) Pr(F < A ) = 0'95 con 1 = 25 y 2 = 14 grados de libertad c) Pr(F > A ) = 0'975 con 1 = 27 y 2 = 20 grados de libertad Calcular las probabilidades : d) Pr(F < 2'9 ) e) Pr(40 < F 199 ) f) Pr(F > 3'37 ) con 1 = 15 y 2 = 23 grados de libertad con 1 = 5 y 2 = 2 grados de libertad con 1 = 10 y 2 = 20 grados de libertad

5
a) Sabiendo que Pr(2 < 117) = 0025, cuntos grados de libertad tiene dicha variable 2 ?. b) Para una variable 2 con 52 grados de libertad, calcular Pr(2 < 50)

6
a) Calcular, para 20 grados de libertad, Pr (t > 21). b) Obtener el valor T de una t de Student con 15 grados de libertad, para el cul Pr(t < T) = 01.

7
Siendo X una variable F de Snedecor con 8 y 20 grados de libertad, determinar su valor sabiendo que Pr(F > X) = 095.

8
Con las dos variables aleatorias X1 y X2, distribuidas segn una N(0 , 1), se construye la nueva variable V = 5.X12 + (3.X2)2. a) Calcular el valor m de V para el cul Pr(V < m) = 0'9. b) Hallar Pr (V 6'6).

Distribuciones continuas - 139

SOLUCIONES DE LOS EJERCICIOS PROPUESTOS 0 R para x < 2 1 | x 2 para 2 x 4 E(X) = 3 V(X) = 0'3333 F(x) = Pr( X x) = S |1 2 para x > 4 | T
b) 0'5 y 0'025

2
a) b) c) d) e) 4'106934 5'008698 (z=-0'19) (z=-1'175) 0'90 -0'702715 -3249564 0'52 0'99 0'245 199'25 2'340698 0'443794 0'99 0'02 0'01 23 044038 0025 -1340603 109'66805 95'5653

3
a) b) c) d) e)

4
a) b) c) d) e) f)

5
a) b)

6
a) b)

7
03174209

8
V = 2 con 14 g.l. a) 21'064087 b) 0'05

140 - Distribuciones continuas