Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FUNCIÓN DE DENSIDAD
Por definición, se dice que una variable aleatoria continua X sigue una distribución normal de
media μ y desviación típica σ si su función de densidad es:
Es claro que la probabilidad de que X tome un valor entre x1 y x2 puede calcularse por:
Y desarrollando la integral,
VARIANZA VAR(X)
ESTANDARIZACIÓN
GRÁFICA
Las gráficas de esta distribución tienen forma de campana como sigue lo siguiente:
Los grandes valores de σ producen gráficas que están bastante extendidas en torno a μ, en
tanto que los valores pequeños de σ dan gráficas con una alta cresta sobre μ y la mayor parte
del área bajo de la gráfica bastante cerca
de μ. Así pues, una σ grande implica que se puede observar muy bien un valor de X alejado de
μ, en tanto que dicho valor es bastante improbable cuando σ es pequeña.
Puntos de inflexión en μ± σ.
Se extiende sin límite tanto en la dirección positiva como negativa Es asintótica al eje de las
abscisas, simétrica con respecto a la media donde coinciden la mediana y la moda
IMPORTANCIA
Es de gran uso en:
errores de medición en experimentos científicos,
mediciones antropométricas en fósiles,
tiempos de reacción en experimentos psicológicos,
mediciones de inteligencia y aptitud,
calificaciones en varios exámenes y numerosas medidas e indicadores económicos.
Incluso cuando la distribución subyacente es discreta, la curva normal a menudo
da una excelente aproximación. Además, aun cuando las variables individuales no estén
EJEMPLO
¿Valores distintos?
La distribución de Pareto fue introducida por el ingeniero civil, economista y sociólogo italiano
Vilfredo Pareto (1848- 1923) como un modelo para explicar la distribución de las rentas de los
individuos de una población, siempre y cuando se partiera de dos supuestos, la existencia de
un umbral inferior (xm) de forma que no haya rentas inferiores a dicho umbral y el decrecimiento
de manera potencial del porcentaje de individuos con una renta superior o igual a un cierto
valor de renta a medida que dicho valor de renta crece. El uso de esta distribución se ha ido
ampliando a diferentes ámbitos de estudio. Se trata de una distribución biparamétrica, con
parámetros de forma () y de situación (xm). El parámetro xm es un indicador de posición (valor
mínimo) que, en términos económicos, puede interpretarse como el ingreso mínimo de la
población. El parámetro está asociado con la dispersión, donde a mayor valor se obtienen
densidades de Pareto más concentradas en las proximidades de xm, es decir, menos dispersas.
La distribución Pareto es una distribución de probabilidad continua con dos parámetros, que
tiene aplicación en disciplinas como la sociología, geofísica y economía. En algunas disciplinas
a veces se refieren a la ley de Bradford. Por otro lado, el equivalente discreto de la distribución
Pareto es la distribución zeta (la ley de Zipf).
PROBABILIDAD ACUMULADA
𝑥𝑚 𝛼
( ) , 𝑠𝑖 𝑥 ≥ 𝑥𝑚
𝑃𝑟(𝑋 > 𝑥) = { 𝑥
1, 𝑠𝑖 𝑥 < 𝑥𝑚
FUNCIÓN DE DENSIDAD
A partir de la probabilidad acumulada, se puede deducir mediante una derivada que la función
de densidad de probabilidad es:
𝛼
𝑥𝑚
𝑓𝑋(𝑥) = { 𝑥 𝛼+1 ,
𝛼 𝑠𝑖 𝑥 > 𝑥𝑚
0, 𝑠𝑖 𝑥 < 𝑥𝑚
VALOR ESPERADO
La media o valor esperado de una variable aleatoria X, que sigue una distribución de Pareto con
parámetro α > 1 es
𝛼𝑥𝑚
𝐸(𝑋) =
𝛼−1
VARIANZA
La varianza es
𝑥𝑚 2 𝛼
𝑣𝑎𝑟(𝑋) = ( )
𝛼−1 𝛼−2
COEFICIENTE DE VARIABILIDAD
2 𝛼 𝑥𝑚 𝛼
√( 𝑥𝑚 ) √
√𝑣𝑎𝑟(𝑋) 𝛼−1 𝛼−2 𝛼−1 𝛼−2 √𝛼
𝐶𝑉 = → 𝐶𝑉 = 𝛼𝑥𝑚 → 𝐶𝑉 = 𝛼𝑥𝑚 → 𝐶𝑉 =
𝐸(𝑋) 𝛼√𝛼 − 2
𝛼−1 𝛼−1
1
→ 𝐶𝑉 =
√𝛼(𝛼 − 2)
GRÁFICA
Para estas gráficas el parámetro se denomina k. La gráfica asocia lo valores de x (el eje
horizontal) con su densidad de probabilidad.
EJEMPLOS
Las rentas salariales anuales en cierto sector económico (X, en miles de euros) es una
magnitud aleatoria distribuida según un modelo de Pareto con salario mínimo 9 y x m = 2.4.
¿Cuál es el salario esperado en el sector y cuál es la proporción de asalariados que percibe
más de 18000 euros al año?
9 ∗ 2.4
𝐸(𝑋) = = 15.43
2.4 − 1
18
468.1588788
𝑃(𝑋 > 18) = 1 − ∫ 𝑑𝑥
9 𝑥 3.4
18
195.0661995
𝑃(𝑋 > 18) = 1 − [− 12 ]
𝑥 ⁄5 9
𝑃(𝑋 > 18) = 1 − 0.8105
1000 3
a) 𝑃(𝑋) = 1 − (4000) = 0.9844 = 98.44%
1000∗3
b) 𝐸(𝑋) = 3−1
= 1500
.
FUNCION DE DENSIDAD:
De la anterior definición se desprende que la función de densidad debe tomar el mismo valor
para todos los puntos dentro del intervalo (a, b) (y cero fuera del intervalo). Es decir,
Gráficamente:
PROBABILIDAD ACUMULADA
Gráficamente:
VALOR ESPERADO
De donde
Por lo que
Tendremos:
Este resultado nos lleva a la conclusión de que la probabilidad de cualquier suceso depende
únicamente de la amplitud del intervalo (ΔX), y no de su posición en la recta real [a, b]. Lo que
viene a demostrar el reparto uniforme de la probabilidad a lo largo de todo el campo de
actuación de la variable, lo que, por otra parte, caracteriza al modelo.
COEFICIENTE DE VARIABILIDAD
El coeficiente de variabilidad:
√𝑣𝑎𝑟(𝑋) 𝑏−𝑎
𝐶𝑉 = → 𝐶𝑉 =
𝐸(𝑋) (𝑏 + 𝑎)√3
EJEMPLO
En una cierta fábrica se fabrican cada día una media de 40 mil metros de cable. Unos
días más, otros días menos. Aunque el mínimo seguro que siempre es 30 mil metros.
La variable aleatoria que recoge el número de metros de cable fabricados en un día
sigue una distribución uniforme continua.
Tenemos que esa variable X sigue una distribución uniforme continua donde:
Por lo que:
Si la pregunta fuese:
Entonces, integrarla desde 34’000 hasta el infinito es en realidad integrarla desde 34’000 hasta
el límite superior del intervalo, porque después empieza a valer cero todo el tiempo.
Es decir, que en el 80% de los días se fabrican más de 34’000 metros de cable.