Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CAPITULO TRES
Funciones de distribuciones discretas y continuas
Definición
Las variables aleatorias se denotan con letras mayúsculas , , , y con letras minúsculas , , ,
los valores posibles de la variable aleatoria respectiva. El conjunto de los posibles valores de la variable
aleatoria recibe el nombre de recorrido de , el que se describe y denota por:
Ejemplo 30. Defina la variable aleatoria, su recorrido y clasificación, para los siguientes experimentos:
30.1 Un laboratorista mide el contenido de acidez de una determinada solución.
30.2 Un operador cuenta las latas de conserva que no cumplen con los estándares de calidad exigido.
Definición
a. 0, . b. 1.
Ejemplo 31.
Sea la variable aleatoria que denota el número de muestras de aire que es necesario analizar para
detectar una molécula extraña. Suponga que la probabilidad de que una muestra de aire contenga una
molécula rara es 0.01 y que las muestras son independientes. Determine la función de probabilidad de .
0. Se sabe que ocurrirá un problema de contaminación si la concentración excede los 6 mg10 3lt.
¿Cuál es la probabilidad que ocurra un problema de polución de este contaminante en un día cualquiera?
Definición
que su dominio es todo , se describe y denota por , .
Sea una variable aleatoria. La función de distribución de , es una función real de variable real tal
Así, la función es función de distribución para una variable aleatoria si cumple las siguientes reglas:
Como la función de distribución es una probabilidad, entonces debe cumplir los axiomas de probabilidad.
Observaciones
1. Si se conoce la función de probabilidad o la función de densidad de una variable aleatoria, entonces se
puede determinar fácilmente su función de distribución, mediante una de las expresiones que siguen:
su función de probabilidad como , ; donde lim .
2. Si se conoce la función de distribución de una variable aleatoria discreta , entonces se puede obtener
3. Si es una función continua de , entonces es una variable continua con función de densidad
que se obtiene derivando la función de distribución, esto es
, .
4. El gráfico de la función de distribución de una variable aleatoria discreta tiene siempre forma
escalonada y presenta saltos en los puntos donde la variable asume valores.
Ejemplo 33.
Calcule la función de distribución, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.
Francisco Novoa Muñoz 17
3.4 Esperanza y varianza
La función de densidad de una variable aleatoria continua o la función de probabilidad de una discreta,
describen completamente el comportamiento de la variable. Sin embargo, asociado a cualquier variable
aleatoria hay ciertas constantes que también la caracterizan. El conocimiento de los valores numéricos de
estas constantes proporciona información rápida acerca de la naturaleza de las variables.
El concepto valor esperado o esperanza de una variable aleatoria es utilizado como una medida de centro
o de localización de una distribución de probabilidades. En física corresponde a la idea del centro de
gravedad de una distribución de masa. En el caso de una variable aleatoria discreta, con valores
igualmente probables, el valor esperado de la variable corresponde a la media aritmética usual y en tal
situación tiene sentido hablar de promedio de la variable para referirse a su valor esperado o esperanza.
Definición
Sea una variable aleatoria. La media, valor esperado o esperanza de , se describe y denota por:
, si es discreta
, si es continua
Observaciones
1. La esperanza de una variable aleatoria está definida siempre que la serie o la integral sean
absolutamente convergentes, de otra forma, la esperanza no existe.
2. La esperanza es un promedio de los valores que asume la variable aleatoria, donde cada valor es
ponderado por la probabilidad que la variable sea igual a dicho valor. Los valores más probables tienen
mayor ponderación.
3. Como la esperanza corresponde al centro de la distribución de probabilidades, llamada también media,
suele denotarse o simplemente cuando no haya confusión respecto a la variable considerada.
Ejemplo 34. Calcule la esperanza, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.
La idea de esperanza de una variable aleatoria se puede generalizar para una función de ella, la
cual es también una variable aleatoria. será discreta si es discreta y se puede suponer que
es una variable aleatoria continua si es continua.
Sea una variable aleatoria y una función de . El valor esperado de está dado por:
Definición
, si es discreta
, si es continua
1. El valor esperado de existe siempre que la serie o la integral sean absolutamente convergentes,
Observaciones
Si es una variable aleatoria discreta o continua, es una constante y , son dos funciones
Teorema 5.
Definición
La varianza o dispersión de una variable aleatoria , se describe y denota por:
2
Var 2 2 2 2 2
y a su raíz cuadrada positiva, , se le llama desviación típica o desviación estándar de .
Teorema 6.
Si es una variable aleatoria con media y varianza 2 , y es una constante. Entonces:
6.1 Var 0 6.2 Var Var 2 6.3 Var 2 Var 2 2 .
Ejemplo 35.
Calcule la varianza, si existe, de las variables aleatorias involucradas en ejemplos 31 y 32.
Definición
Utilizando la notación y suponiendo que la esperanza es una función continua, se
Así, las sucesivas derivadas de evaluadas en cero generan los momentos de la variable aleatoria .
El siguiente resultado presenta algunas propiedades de las funciones generadoras de momentos.
Suponga que el número de horas de operación satisfactoria sin reparaciones que tiene una caldera es la
Ejemplo 36.
v. a. con función de densidad .005 .005 , 0. Calcule e interprete su desviación estándar.
Francisco Novoa Muñoz 19
3.6 Distribuciones de probabilidad
Existen distribuciones de probabilidad, discretas y continuas, asociadas con experimentos caracterizados
en forma muy precisa. Estas distribuciones se pueden expresar en una fórmula que involucra ciertas
constantes, llamadas parámetros de la distribución. Las definiciones de las v. a. y sus distribuciones de
probabilidad surgen en forma directa, al considerar las características de los experimentos involucrados.
Distribuciones discretas
Definición
Un experimento aleatorio que consiste de ensayos Bernoulli tales que:
a. el resultado de cada ensayo tiene sólo dos resultados posibles, denominados éxito y fracaso;
generalmente el "éxito" se define como la característica que es de interés,
b. la probabilidad de éxito es la misma para cada ensayo,
c. los ensayos son independientes, es decir, el resultado de un ensayo no tiene efecto en el resultado de
cualquier otro ensayo y la probabilidad de éxito continúa siendo la misma de un ensayo a otro,
d. el experimento se puede considerar como repeticiones de ensayos idénticos.
recibe el nombre de experimento binomial y la v. a. número de éxitos en ensayos Bernoulli, se dice
que es una v.a. con distribución binomial de parámetros y .
1
La función de probabilidad de la v. a. que se distribuye binomial se describe por
, 0, 1, 2, ,
y se denota , . Además, y 2
Var .
Ejemplo 37.
La probabilidad de que un reactivo elegido al azar sea dañino es de 0.2. Si en un laboratorio hay quince
reactivos, ¿cuál es la probabilidad que hayan exactamente cuatro reactivos dañinos?, ¿cuál es el número
esperado de reactivos dañinos?
Ejemplo 38.
Un Ingeniero dispone de diez muestras de agua tomadas de depósitos de una fábrica de papel, el cual
desconoce que el 40% de las muestras son excesivamente ácidas. El Ingeniero elige al azar tres muestras,
¿cuál es la probabilidad que exactamente dos de ellas tengan exceso de acidez?, ¿cuál es el número
esperado de muestras con exceso de acidez?
Definición
En un proceso de Poisson de parámetro , la variable número de ocurrencias (éxitos) de un evento
en un periodo de tiempo fijo (o región determinada) , se dice que es una v. a. con distribución Poisson de
parámetro , representa el promedio de éxitos por unidad de medida del tiempo (o región).
Ejemplo 39.
En promedio, se asfaltan 10 kilómetros cada hora en una obra de ingeniería. ¿Cuál es la probabilidad que
se asfalten tres o más kilómetros en un periodo de diez minutos?, ¿cuál es el número esperado de
kilómetros asfaltados cada media hora?
Francisco Novoa Muñoz 21
Distribuciones continuas
Entre las más conocidas están la distribución: Uniforme, Exponencial, Erlang, Gamma, Normal, Beta y
Weibull. Además, existen otras distribuciones que son de vital importancia en inferencia estadística y sus
valores se encuentran tabulados para distintos grados de libertad (número de observaciones
independientes en una muestra menos el número de parámetros de la población a ser estimados), las
cuales son: distribución Chi-Cuadrado 2 , distribución -Student y distribución F de Snedecor.
1
, ,
0, e.o.c.,
Ejemplo 40.
Obenga la esperanza y varianza de una v.a. que se distribuye uniformemente en el intervalo , .
e , 0,
0, e.o.c.
La función de distribución de la distribución normal estándar se denota especialmente por , esto es,
Observación
En caso que la distribución sea normal, pero no estándar, esto es, , 2 , se usa la transformación
, la cual convierte la información para utilizar la tabla de la distribución normal estándar.
Así, para encontrar el área bajo la curva limitada por los puntos 1 y 2 se hacen las
conversiones 1 1
y 2 2 , obteniéndose:
1 2 2 1 .
Ejemplo 43. Determine el valor o valores de en que el área bajo la curva normal:
43.1 entre 0 y es 0.377 43.2 a la izquierda de es 0.8621 43.3 entre 1.5 y es 0.0217
Ejemplo 44.
El tiempo de vida útil de un instrumento de medición (en meses) se distribuye aprox. normal con 38 y
2. Si la empresa no desea reemplazar más del 5% de los instrumentos vendidos, ¿qué tiempo de
garantía debe dar? ¿Cuál es la probabilidad que un instrumento dure más de 40 meses?
Observaciones
1. La distribución -Student es una función simétrica respecto del eje , se aproxima a la distribución
normal cuando crece indefinidamente.
2. La aplicación de la distribución -Student corresponde a situaciones similares en las que se puede
aplicar la distribución normal, restringidos a los casos en que se desconoce el valor de la varianza 2.
3. El área total limitada por la curva y el eje horizontal es igual a 1.
4. Los valores de la distribución -Student se encuentran tabulados para diversos grados de libertad y para
algunas áreas específicas.
Ejemplo 46.
46.1 Determine el valor tal que el área a su izquierda sea de 0.99, con 25 grados de libertad.
46.2 Determine los valores de tales que la suma del área a la izquierda de y a la derecha de sea
de 0.1, con 40 grados de libertad.
4 Distribución F
Definición
Si 1 21 y 2 22 son independientes, entonces 12 12 tiene distribución con 1 grados de
1
1
1 2 1 2 1 2 1 2
2
2 2
2 2 1
1 2
2
2
, 0
2 2 2 4
2
2. 2 2 y Var 2 .
3. 1 2 , 1 . Para uso de tablas 1 , 2 1 12 , 1 .
Esta tercera propiedad es muy útil para efectos del uso de tablas. En efecto 1 , 2 1 2 , 1
1
Ejemplo 47. Obtenga 0.9 10, 10, 0.95 5, 8 y 0.95 8, 5. Calcule
47.1 0.05 8, 5 47.2 0.05 5, 8 47.3 0.1 10, 10.