Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Clase 8
ESTADÍSTICA
IV. MODELOS
ESTOCÁSTICOS CONTINUOS
Wendy Plata Alarcón
wplata@espol.edu.ec
F(x) P(X x)
Se cumple que : lim F(x) 1 y lim F(x) 0
x x
P(a x b) f ( x )dx
a
4 Estadística para Ingenierías
Guayaquil, junio de 2015
Variables Aleatorias Continuas
Si X es continua y con densidad f:
a
P(X a ) P(a X a ) f (t )dt 0
a
Función de Distribución: de una Variable Aleatoria
Continua, siempre es continua.
x
F(X) P(X x) f (t)dt
f (x) F' (x)
P(a X b) F(b) F(a )
5 Estadística para Ingenierías
Guayaquil, junio de 2015
Variables Aleatorias Continuas:
ejemplo
Se conoce que el tiempo de vida útil, en años, de una
máquina troqueladora previo a que se produzca la primera
falla que lleve a un mantenimiento emergente, ha sido
modelado como una Variable Aleatoria X tal que,
0 ;x 0
F(X)
x
1 e 2 ;x 0
Determinar la función de densidad f(x) y determinar la
probabilidad que una de estas máquinas vaya a
mantenimiento emergente, antes del primer año de vida.
P(X < 1)
t x
F1 (x) f (t )dt tdt
2 0
2
0 0
t 2x x 1
2 2x x 3
F2 (x) f (t )dt (2 t )dt 2t
2 1 2 2 2 2
1 1
x2 3 1 x2
F2 (x) 2x 2x 1 0 ; x0
2 2 2 2
x2
; 0 x 1
Por lo tanto, la Función
F( x ) 2
de Distribución será: 2
2x x
1 ; 1 x 2
2
1 ; x2
9 Estadística para Ingenierías
Guayaquil, junio de 2015
Valores Esperados de una Variable
Aleatoria Continua
El Valor Esperado de una función U se denota E[u(x)] y
de existir se define como:
E[u(x)] u(x)f (x)dx
Función Generadora de Momentos
M x (t ) E(e xt )
e xt f (x)dx; t (a, a)
Media Varianza
E[x]
xf (x)dx 2 E[x 2 ] 2
x 2 f (x)dx 2
x x
dx E(x ) dx dx
2
E( x ) dx dx dx
2 2 2 2 2 2
0 1 2 0 1 2
1 2 3 1 2 3
x 3 x 3x x
2 2 3 x
4 x 3 3x x 3 4
6 0 4 1 4 6 8 0 6 1 6 8
2 2
1 4 1 27 27 12 8 3 1 8 1 81 81 24 16 8
6 4 4 4 6 4 6 2 8 6 6 6 8 6 8 3
12 Estadística para Ingenierías
Guayaquil, junio de 2015
Variable Aleatoria Uniforme
Continua
Una Variable Aleatoria Continua es denominada
Uniforme con parámetros y cuando y solo cuando
su densidad f se define como:
1
f (x) ; S {x R x }
Media Varianza
( ) 2
2
2 12
13 Estadística para Ingenierías
Guayaquil, junio de 2015
Variable Aleatoria Uniforme
Continua
Distribución Acumulada
0 ;x a
x
1
F( x )
dx ; x (, )
1 ;x
Función Generadora de Momentos
(e t e t ) 2
M x (t ) ; t0
t ( )
14 Estadística para Ingenierías
Guayaquil, junio de 2015
Variable Aleatoria Uniforme
Continua
Densidad f Distribución Acumulada F
f(x) F(x)
1
1
X X
Desarrollo:
0.003 0.003
0.003 0.002 0.005
1 x
P(0.002 x 0.003) dx
0.03 0.03 0.002 0.03 0.03 0.03
0.002
P(0.002 x 0.003) 0.1667
0,3 2 = 1
Densidad
0,2
0,1
0,0
12 13 14 15 16 17 18
X
18 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar
Si X N(, 2), tal que = 0 y 2 = 1, se dice que X es
Normal Estándar, y su distribución es
z2
1
f ( z) e 2 (z); S z R
2
0,4
0,3
Z es el percentil (1 - )100
Densidad
0,2
de la Normal Estándar
1-
0,1
0,0
0 z
X
19 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar
Es importante recordar cuál es el valor del percentil
90, así como el 95, el 97.50 y el 99, por lo que
expresamos que:
1.281 1.6448
0,3 0,3
Densidad
Densidad
0,2 0,2
0,1 0,1
0,1
0,05
0,0 0,0
0 1,282 0 1,645
X X
0,3 0,3
Densidad
Densidad
0,2 0,2
0,1 0,1
0,01
0,025 0,0
0,0 0 2,326
0 1,960
X
X
21 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar
Supongamos ahora que tenemos una Variable Aleatoria Z N(0,1) y se
pide determinar la probabilidad de que Z tome valores menores que
0.50.
0,4
Probabilidad
0,3
Densidad
0,2
0,1
0,0 0 Z
X
Normal Estándar
Probabilidades
24 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar:
ejemplo
Usando la Tabla de la Distribución Normal Estándar,
determinar la probabilidad de que Z sea menor o
igual que 0.21, mayor que -0.5; y, tome valores
entre -1 y 1. 0,4
0,3
Desarrollo
Densidad
0,1
0,0 00,21
X
25 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar:
ejemplo
Desarrollo
P(Z > -0.50) = P(Z > 0.50) = 1 – P(Z 0.50)
P(Z > -0.50) = 1 – 0.6915 = 0.3085
0,4
0,3
Densidad
0,2
0,1 0,3085
0,0 -0,5 0
X
26 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Normal Estándar:
ejemplo
Desarrollo
P(-1 Z 1) = P(Z 1) – P(Z -1) = P(Z 1) – P(Z 1)
0,3
Densidad
0,2
0,1
0,0 -1 0 1
27 X Estadística para Ingenierías
Guayaquil, junio de 2015
De una Normal cualquiera a la
Normal Estándar
Si X es una Variable Aleatoria Normal con media
cualquiera y varianza 2 > 0, es posible probar que X
se relaciona con Z N(0,1) a través de una
transformación muy simple:
X
X N(, ) Z
2
N(0,1)
Esta última expresión, nos permite determinar la
probabilidad de que X, tome valores en cualquier
intervalo real.
28 Estadística para Ingenierías
Guayaquil, junio de 2015
De una Normal cualquiera a la
Normal Estándar: ejemplo
El valor de la nota, sobre 100 puntos, de Matemáticas
que obtiene un estudiante nativo de una comunidad
rural ecuatoriana al terminar la educación primaria
puede ser modelada como una Variable Aleatoria
Normal con = 60 y 2 = 225. Si en dicha comunidad
estudian 1200 niños, determine:
x 1.64(15) 60 0,95
0,3
x 84.6
Densidad
0,2
Por lo tanto, se alcanza el
percentil 95 de la distribución 0,1
f (x) x 1e
; 0,06 G(10,2)
() Densidad 0,05
S {x R x 0} 0,04
0,03
0,02 G(8,3)
y son constantes
0,01
positivas. 0,00
0 10 20 30 40 50 60
X
() e x x 1dx ( 1)!
0
x
1 1
()
0
x e dx 1
x
x
1 1 x dx
e dx 1; y dy
()
0
y
( )
(y) y
1 1 1 y
e dy
e dy 1
() () ( )
0 0
34 Estadística para Ingenierías
Guayaquil, junio de 2015
Variable Aleatoria Gamma
Media
x 1e x /
1 x dx
E( x ) x dx x /
x e dx; y dy
()
() 0
0
( 1)
1 y y
E( x ) ( y) e dy y e dy
() 0 ( ) ( )
0
! ( 1)!
E( x )
( 1)! ( 1)!
E( x )
2
( 1)! 2
( 1)( 1)!
E( x )
2
2 ( 1)
( 1)! ( 1)!
2 E( x 2 ) [E(x )] 2 2 ( 1) 2 2 2 2 2 2 2
2 2
36 Estadística para Ingenierías
Guayaquil, junio de 2015
Variable Aleatoria Gamma
Función Generadora de Momentos
1
x e 1 x / t x
1
M x ( t ) E (e ) e
xt xt dx x 1e dx;
( )
( ) 0
0
1 1
y t x dy t dx
1
y
1 y 1 1 y
M x (t) e dy
y e dy
() 0 1 t 1 t (1 t ) () 0
()
M x (t) (1 t ) ; t R
(1 t ) ()
37 Estadística para Ingenierías
Guayaquil, junio de 2015
Distribución Exponencial
Decimos que una Variable Aleatoria X tiene una Distribución
Exponencial con parámetro , si es una Gamma con = 1, y
es cualquier constante real positiva.
e x / 0,5
f (x) ; x0
Densidad
0,4
Exp(2)
Media: = E(x) = 0,3
Varianza: 2 = 2 0,2
Función de Densidad:
1 x / 3
f (x) e ; S R
3
F(x) e x / 3 1
F(x) 1 e x / 3 ; para x S y cero para el restode X
Media: = n 0,10
2(10)
Densidad
0,08
Varianza: 2 = 2n 0,06
0,02
n / 2
M x ( t ) (1 2t ) 0,00
0 5 10 15 20 25 30
X
Media: = n
Varianza: 2 = n2
n
Generadora de Momentos: M x ( t ) (1 t )
d R ' (x)
h(x) [log e R (x)]
dx R (x)
f (x)
h(x) ; R (x) 0
R (x)
Pu(x)
E[u(x)]
P X k
1
2
k
1
;2 x 2
f (x) 4
0 ; restode x
Conclusión
La probabilidad pedida es 0.425 mientras que la
Desigualdad de Chebyshev nos informa que dicha
probabilidad es menor o igual que uno, lo cual es
verdadero, pero, dadas las circunstancias poco
informativo.