Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Existen diferencias sustanciales entre variables aleatorias discretas ya revisadas y las variables
aleatorias continuas, pero la principal está en que los valores de la v.a.d. los valores que toman se
pueden contar y en la v.a.c. no se pueden contar.
1. VARIABLE CONTINUA.
Son magnitudes que toman valores dentro de un conjunto infinito y se originan de procesos de
medición, se notan v.a.c. Lo anterior implica que los valores que toman no son suceptibles de ser
contados, ejemplo la precipitación pluvial diaria en cierto lugar, la resistencia del concreto
(medida en Lbs./ Pulg2), el peso entre otras. La función de distribución de una v.a.c. se denomina
funcion de densidad. Se dice también que las v.a.c. no contempla empates, es decir valores
iguales, se presentan por la imprecisión de los elementos de medida.
2. FUNCIÓN DE DENSIDAD
Ejemplo:
b
P(a x b) = P (a x b) =
a
f(x)dx (se asocian con un área específica)
P(1 x 2) = P(1 x 2) =
1
3/8 (4x – 2x2) dx = ½
En ambos casos para que se cumpla que sea FUNCION DE PROBABILIDAD o FUNCIÓN DE
DENSIDAD debe ser consistente con los axiomas de probabilidad y eso puede mostrarse en cada
caso.
2.1 Condiciones que se deben cumplir para ser función de Probabilidad o función de
Densidad
Variable Aleatoria Continua
I) f(x) 0
2
II) f(x) dx = 1
Rx
Si el número dado es h:
h
F(h) = P(X h) = f x dx
Ejercicio 2:
1
F(1) = P(X 1) = 3/8 (4x – 2x2) dx
0
1
F(1) = P(X 1) = 3/8 (4X2/2 - 2x3/3) 0 = 3/8 2 (12 – 02)-2/3 (13 – 03)
Si X es una variable continua la función F(x) es continua excepto para los valores posibles de x,
llamados x1, x2,...xn.
La función F(x) es continua excepto para los valores posibles de X, llamados x1, x2,...xn.
3
Si X es una variable aleatoria continua, F(x), será una función continua para todo x Rx.
Ejemplos:
e–x si x 0
f(x) =
0 en los demás casos
Una variable aleatoria es necesario caracterizarla para poder identificar que tipo de distribución
que sigue o si la distribución es libre (no se puede identificar con alguna de las ya existentes).
Existen varios parámetros, pero los más importantes son la ESPERANZA MATEMATICA o
VALOR ESPERADO (valor medio o primer momento respecto al origen) y la VARIANZA
( valor esperado, de las desviaciones de la variable con respecto a su media segundo momento
respecto a la media).
Notación: = E(x)
4
Muchas decisiones se toman en base a este concepto, en la rama de los seguros para calcular
índice de mortalidad, en personas a determinadas edades, en general índices de siniestralidad; en
las ventas, producción, en ingenieria para medir la homogeneidad del material con que se trabaja,
en educación muchas áreas que se toman decisiones en condiciones de incentindumbre.
Definición: como una media ponderada por los valores de probabilidad (en el caso v.a.d.).
= E(x) = x f(x) dx
Rx
También se define como el promedio de todos los promedios de todas las muestras posibles de
tamaño n, de una población.
Es una medida de dispersión, es la magnitud que mide la dispersión de los valores de la variable
aleatoria alrededor de su media, o es el promedio de las desviaciones cuadráticas de todos los
valores posibles de la variable x alrededor de su media.
Propiedades:
Var(cx) = c2 Var(x) = c2 x2
Var(c) = 0
Var (xy) = Var(x) Var(y) si x, y son independientes
Var(ax+b) = a2 Var(x) = a2 Var(x) = a2 x2
-Tienen algunas propiedades que las hace aplicables a muchas situaciones donde es preciso hacer
inferencias sobre poblaciones cuando se estudian muestras de ellas.
5
-Gran cantidad de fenómenos dentro del campo de la Ingenierías: , la educación y la gerencia en
general se ajustan exacta o aproximadamente a una distribución normal o multinormal (varias
variables normales distribuidas conjuntamente).
-Es simétrica alrededor de su media , la moda y mediana, que coinciden con su centro de
gravedad.
-Es asintótica respecto al eje X, es decir, sus colas se extienden de manera indefinida sin tocar el
eje x.
-Si es grande (gran dispersión), el gráfico tiende a ser achatado, si es pequeño (poca
dispersión), el gráfico tiende a ser apuntado. No hay una sola curva normal, sino una familia.
-El área total bajo la curva y arriba del eje horizontal es igual a , con
- X .
6
123
1= 2 =3 =
1 2 3
1= 2 = 3
1 2 3
1 2 3
7
E (x) = Var(x) = 2
1 x2
(X; ,2) = 2
2 Exp. (- ½ )
1
(z; 0,1) = Exp. (- ½ z2)
2
1 x
(z) = Exp. (- ½ z2) z= si X N (,2)
2
Problema:
1.Dado el valor correspondiente calcular el área o el percentil.
Si x N (2,9) calcular
P(X2)
P(X1)
P(X3)
8
P(X1) P(X3)
P(X1) P(X3)
Problemas de Aplicación:
1. Suponiendo que los pesos de las pelotas de tenis de mesa se distribuyen normalmente con
media 1 y varianza 0.25. Calcular las siguientes probabilidades de seleccionar un pelota
aleatoriamente que el peso sea:
a) Al menos sea 1.3 R: 0.2743
b) A lo más su peso sea 0.75 R: 0.3085
c) Que el peso este entre 0.90 y 1.5 R: 0.4206
R: 0.159
X1
Z1 = , Z1 N (0,1)
X2
Z2= Z2 N (0,1)
. .
. .
. .
X
Zn = n , Zn N (0,1)
2 2
n n
X
U = Z 1
i 1 i i 1
Este estadístico (variable) U sigue una distribución denominada Ji cuadrada 2(n), con n grados de
libertad.
f (U)
10
U
2
(1-/2)(n) 2
(/2)(n)
U 2 (n)
Este término utilizado en las distribuciones, se refiere al número de elementos que se pueden
elegir libremente o el número de variables independientes. Los grados de libertad de un
estadístico dependen del número de parámetros estimados en dicho estadístico y es igual a n – k,
donde n es el tamaño de la muestra y k el número de estimaciones.
Por ejemplo:
1 n
S2 =
n 1 i 1
( X i X )2
1 n
S2 = ( X i X )2
n i 1
Ejemplo 1:
Dado un valor de la variable calcular el percentil correspondiente, la probabilidad ( el área) a la
derecha o la izquierda, o el percentil entre dos valores de un intervalo.
Calcular:
11
P(U 36.4) si U 2 (24)
P(U 12.8) si U 2 (3)
P(U 10.8) si U 2 (20)
P(0.115 U 7.81) si U 2 (3)
En los casos anteriores al problema trataba de obtener una probabilidad (área a la derecha o a la
izquierda o entre dos valores). También puede presentarse el caso: dado el área hallar el valor
correspondiente del percentil lo cual se explica a continuación.
La expresión 2(n), hace referencia a un número k tal que la probabilidad de que una variable
aleatoria 2 con n grados de libertad, sea mayor que él, sea:
P(U2 (n)) = un numero tal que a su derecha se ubique un área igual a (área es probabilidad).
2(n), es el valor de una variable que sigue la distribución 2, con n g.l. y que deja a su derecha un
área igual a .
Ejemplo 2:
20.05 4 , es buscar el número que deje a la derecha de él 0.05. del área (probabilidad 5%)
Es buscar el valor del percentil 0.95 (95%) de una variable 2(4), o de una variable que sigue la
distribución 2 con 4 g.l.
Hallar:
2.1.- 20.05 5
2.2.- 20.025 20
2.3.- 20.1O 15
La distribución que más se ajusta para la media muestral es la distribución t de STUDENT, cuyo
estadístico viene dado por la expresión:
12
x
t=
S/ n
La variable t también se puede obtener por el cociente de una variable normal estandarizada y la
raíz cuadrada una variable Ji – cuadrada dividida entre sus grados de libertad:
x ~ N , 2 / n y
nS 2
2
~ 2 ( n 1)
además x y S2 son independientes, ya que t se obtiene del cociente de una variable normal
estándar entre la raíz cuadrada de una variable Ji-cuadrada dividida entre sus grados de libertad
entonces:
z
t
así t=
x / nS 2
x
=
2
/ n n 1 S / n
2
n 1
y la distribución de t es
x
t ~ t ( n 1) gl
S/ n
x / x U
t = donde Z= y con Z N (0,1) y U 2 (n)
/ n n
La representación gráfica de f(t) es una curva simétrica con respecto a su media, que es cero,
cuando el número de los g.l. es pequeño la curva es aplanada con las colas pesadas (gran
proporción de área en los extremos), a medida que n se hace grande la distribución tiende a la
forma de la distribución normal, así si n 30 se puede utilizar los valores de la tabla normal.
Observaciones:
13
2. Similar a la distribución ji – cuadrado también se da el caso,dado un valor calcular el área o
probabilidad a la derecha o izquierda y dado dos valores calcular el área comprendido entre ellos,
lo cual implica hallar el percentil correspondiente.
Ejemplo 3:
Hallar:
Pt t =
(n) área a la derecha
(n)
Ejemplo 4:
t0.05(15) es un valor de t que deja a la derecha el 0.05 de área (5% probabilidad o área).
R: t 0.05(15) = 1.75
Hallar:
8.-Distribución F.
14
Esta distribución fue elaborada por R.A. Fisher a comienzos de 1920 y perfeccionada por
Snedecor, por eso muchos libros se habla de la F de Snedecor.
La aplicación más importante de este estadístico, es la prueba de igualdad de varianzas, y su
utilización en el análisis de varianza para determinar la variabilidad total (prueba de igualdad de
medias en un conjunto de más de dos medias), es su principal utilidad.
Se sabe que si X1......Xn son variables normales e independientes media y varianza 2(siendo
de la misma población) entonces:
n
Xi 2
U =
i 1
2
1 n
Como S2 = Xi
n i 1
X
2
nS2 = i
i 1
2 i=1 2
n
ns = 2
(Xi – )2
2 i=1 2
En todo caso, dado dos variables U 2 (m), y V2 (n), independientes se define la variable:
W = U/m
V/n
Que es una variable que sigue la distribución F de Snedecor con m y n g.l. (parámetros) es decir,
el cociente de dos variables 2 independientes, divididos por sus respectivos gl. Una razón de dos
varianzas.
15
(m+n-2) W(m-2)
(W) = 2 (m/n) m/2 2 para W0
(m-2) (n-2) (1+mW) m+n/2
2 2 n
F(m1,n)
Ejemplo 5:
Hallar:
P (2.69 W 4.01)
De manera similar que las dos distribuciones anteriores; dado el área, hallar el número (percentil)
F (m, n) PF F(m, n) =
16
F(1-/2) (m,n) F/2 (m,n)
Por ejemplo:
17