Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abribución
No Comercial
2
Contenido
Introducción................................................................................................................................................................................4
Variables Aleatorias Continuas.....................................................................................................................................6
PDF y CDF de una Variable Aleatoria Continua................................................................................................7
Distribuciones Continuas de Probabilidad...........................................................................................................8
3
Introducción
Hasta este momento hemos estudiado variables aleatorias discretas. Estas tienen ciertas
características:
• Es factible contar los resultados posibles.
• Cada uno de los resultados tenía una probabilidad, usualmente diferente de 0.
• Es común que el número de estos resultados sea finito.
X:E → R
(m,n) → X(m,n) = m+n
36
¿Qué valores puede tomar X ?
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
4
Ilustración: Refinamiento de una partición
20 clases
100 clases
1,000 clases
5
Variables Aleatorias Continuas
A diferencia de las discretas, en las variables aleatorias continuas, los resultados posibles
no se obtienen contando, sino ¡midiendo!
De esta forma, se hace posible obtener observaciones tan precisas que se pierde la
diferencia entre observaciones consecutivas.
“Están tan cerca una de la otra, que ya no es posible diferenciar entre una y otra.”
Por lo tanto, la probabilidad de que la variable aleatoria continua obtenga un valor especifico
es cero.
→
Discreta Continua
6
PDF y CDF de una Variable Aleatoria Continua
• Al igual que en el caso discreto, la CDF se define como la probabilidad que la variable
aleatoria X tiene acumulada hasta un valor particular, x.
Sea X una variable aleatoria. La Función de Distribución Acumulada de X, que se denota por
F, está dada por
7
Función de Densidad de Probabilidad para Variables Aleatorias Continuas
Definición. Sea la función de distribución acumulada para una variable aleatoria X, entonces
la función f = F’ dada por:
• Distribución Uniforme
• Distribución Normal
• Distribución Exponencial
Para cada una de estas, presentaremos su PDF, valor esperado, varianza y un ejemplo
práctico.
8
Distribución de Probabilidad Uniforme
Definición. Una variable aleatoria continua X se dice que tiene una función de distribución
de probabilidad uniforme si la función de densidad de X está dada por:
9
Ejemplo:
El tiempo de un viaje de ida y vuelta de los camiones que transportan concreto hacia una
obra de construcción en una carretera, está distribuido uniformemente en un intervalo de
50 a 70 minutos.
¿Cuál es la probabilidad de que la duración del viaje sea mayor a 65 minutos, si se sabe que
la duración del viaje es mayor a 55 minutos?
Solución:
Entonces:
Definición. Una variable aleatoria continua 𝑋 se dice que tiene una función de distribución
de probabilidad normal si la función de densidad de X está dada por:
10
La notación para denotar una distribución normal es X~N(μ, σ²).
Otros nombres para la distribución normal son:
• Curva típica
• Curva Gaussiana o de Gauss
• Curva con forma de campana
Máquina de Galton
Teorema. Sea X una variable aleatoria continua con distribución de probabilidad normal con
parámetros μ y σ². La media μ y varianza σ² están dadas por:
11
Calculando Probabilidades:
Definición. Sea Z una variable aleatoria continua, se dice que es una variable aleatoria
normal estándar si sigue una distribución normal con media μ=0 y varianza σ²=1, es
decir, Z~N(0,1).
Teorema. Sea X~N(μ,σ²); sea variable aleatoria Z definida como Z=(X-μ)/σ, entonces Z es
una variable aleatoria con distribución normal estándar.
Para el cálculo de probabilidades utilizamos una tabla que corresponde a una distribución
normal estándar y la transformación.
X=μ+Zσ
0 2
12
En Excel…
2. NORM.S.DIST(z,cumulative)
Cumulative Required. Cumulative is a logical value that determines the form of the
function. If cumulative is TRUE, NORMS.DIST returns the cumulative distribution
function; if FALSE, it returns the probability mass function.
3. NORM.INV(probability,mean,standard_dev)
4. NORM.S.INV(probability)
13
Ejemplo:
Ciertos estudios muestran que el rendimiento de la gasolina para autos compactos vendidos
en USA es de 49.10 Km./gal y una desviación estándar de 7.245 Km./gal. Si un fabricante
desea diseñar un carro compacto más económico que el 95% de los vehículos compactos
vendidos en USA, ¿Cuál debe ser el rendimiento mínimo del nuevo vehículo?
Solución:
Y desviación estándar
Es decir,
Normalmente distribuida, con media 49.1 y varianza 7.2452; buscamos X0 tal que
(el 95% de los otros rendimientos deben estar por debajo de X0
14
Puesto que el área a la derecha de Z0 será el valor en la tabla que corresponde a 0.05
(nótese que el área entre 0 y Z0 es 0.45, este valor resulta ser z0=1.645 (ver tabla).
Entonces,
Por lo tanto, el nuevo vehículo compacto que debe desarrollarse deberá tener un rendimiento
de 61.2 Km/gal para ser mejor que el 95% de los compactos que se venden actualmente
en USA.
Definición:
Se dice que una variable aleatoria Y tiene una distribución exponencial con
parámetro > 0 si y sólo si la función de densidad de Y es
15
Valor Esperado y Varianza
Si X es una variable aleatoria exponencial con parámetro 𝜆, entonces
Memoryless Property
Ejemplo:
Suponga que la cantidad de tiempo que uno gasta en un banco es exponencial distribuida
con la media de 10 minutos, λ=1/10.
Solución:
PDF:
Definición. Una variable aleatoria continua X se dice que tiene una función de distribución
de probabilidad exponencial si la función de densidad de X está dada por:
16
CDF:
Sea X es una variable aleatoria distribuida exponencialmente. Entonces, la probabilidad de
que X tome valores menores que x está dada por:
17
Ejemplo:
Una tienda virtual recibe en promedio una orden cada 20 minutos. Las llegadas de estas
órdenes siguen una distribución de probabilidad exponencial. Encuentre la probabilidad
de que la siguiente orden llegue en menos de 5 minutos, en más de 40 minutos, o entre 5
y 40 minutos.
Solución:
Como las ordenes llegan en promedio cada 20 minutos, λ=1/20.
• Más de 40 minutos.
18
• Entre 5 y 40 minutos
19
Referencias:
• Libro “Estadistica Aplicada a los Negocio y la Economía de Lind et al, McGraw Hill 2012.
• http://sites.stat.psu.edu/~jiali/course/stat416/notes/chap5.pdf
20
Descargo de responsabilidad
21