Dr.

Waldo Lavado Casimiro

waldo.lavado@gmail.com
El comportamiento de las variables aleatorias discretas o
continuas se describe con la ayuda de DISTRIBUCIONES DE
PROBABILIDAD. La variable se designa por mayscula y un
valor especfico de ella por minscula.

Por P(x = a) se denota la probabilidad de que un evento asuma el

valor a; similarmente P(a x b) denota la probabilidad de que
un evento se encuentre en el intervalo (a, b). Si conocemos la
probabilidad P(a x b) para todos los valores de a y b, se dice
que conocemos la Distribucin de Probabilidades de la variable x.

Si x es un nmero dado y consideramos la probabilidad P(X x):

F(x)= P(X x):

y llamamos F(x) la FUNCIN DE DISTRIBUCIN ACUMULADA.

Ejemplo

Se tienen las probabilidades de que haya 1, 2, 3, ... etc, das nublados por
semana en un determinado lugar, con ellos calcule la distribucin de
probabilidades
x P(x) F(x)
0 0.05 0.05
1 0.15 0.20
2 0.25 0.45
3 0.20 0.65
4 0.15 0.80
5 0.10 0.90
6 0.08 0.98
7 0.02 1.00
Total 1.0
Si se tiene una variable aleatoria continua, la figura presenta el histograma de
85 aos de registro de caudales de crecientes (mximos instantneos) en un
ro cualquiera, agrupados en 9 intervalos de clase.
x P(x) F(x)
1 0.05 0.05
2 0.10 0.15
3 0.15 0.30
4 0.20 0.50
5 0.10 0.60
6 0.10 0.70
7 0.15 0.85
8 0.10 0.95
9 0.05 1.00
Total 1.00
Cuando el nmero de observaciones se incrementa, el tamao de los intervalos
decrece y se puede tener algo s

donde f(x) es la llamada funcin de densidad de probabilidades y tiene las

siguientes caractersticas

i)

ii)

iii)

Lo que implica que las probabilidades se definen slo como REAS bajo la
Lo que implica que las probabilidades se definen slo como REAS ba
funcin de densidad de probabilidad (FDP) entre
densidad de probabilidad lmites
(FDP) finitos.
entre lmites finitos.
 MOMENTOS DE LAS DISTRIBUCIONES

Las propiedades de las distribuciones pueden ser definidas completamente en

trminos de los momentos. Los momentos en estadstica son similares a los
momentos en fsica (rotacin respecto al origen)

Para la variable continua

Para la variable discreta

o respecto a la media (eje de rotacin diferente al origen)

Para la variable continua

Para la variable discreta

 PARMETROS ESTADSTICOS

Los estadsticos extraen informacin de una muestra, indicando

las caractersticas de la poblacin. Los principales estadsticos
son los momentos de primer, segundo y tercer orden
correspondiente a la media, varianza, y asimetra
respectivamente.

Media m:
es el valor esperado de la variable misma . Primer momento
respecto a la origen. Muestra la tendencia central de la
distribucin

el valor estimado de la media a partir de la muestra es

 Varianza s:
mide la variabilidad de los datos. Es el segundo momento respecto a la
media.

el valor estimado de la varianza a partir de la muestra es

en el cual el divisor es n-1 en lugar de n para asegurar que la estadstica de

la muestra no sea sesgada, es decir, que no tenga una tendencia, en
promedio, a ser mayor o menor que el valor verdadero. Las unidades de la
varianza son la media al cuadrado, la desviacin estndar s es una medida
de la variabilidad que tiene las mismas dimensiones que la media y
simplemente es la raz cuadrada de la varianza, se estima por s.
El significado de la desviacin estndar se ilustra en la siguiente figura

Efectos de la funcin de densidad de probabilidad causados por cambios en

la desviacin estndar.

Coeficiente de variacin es una medida adimensional de la variabilidad

su estimado es
 Coeficiente de asimetra g

la distribucin de los valores de una distribucin alrededor

de la media se mide por la asimetra. Se obtiene a partir
del tercer momento alrededor de la media, dividindolo por
el cubo de la desviacin estndar para que sea
adimensional.

tercer momento respecto a la

media

Un estimativo del coeficiente de asimetra est dado por

Ejemplo

Encontrar el valor medio de la precipitacin si se tiene:

Frecuencia Frecuencia
Intervalo (mm) Xi medio x f(x)
absoluta relativa
100 110 105 10 0.1 10.5
110 120 115 16 0.16 18.4
120 130 125 9 0.09 11.25
130 140 135 10 0.1 13.5
140 150 145 20 0.2 29
150 160 155 15 0.15 23.25
160 170 165 20 0.2 33
Total=100 = 138.9