Sie sind auf Seite 1von 5

4 - VARIABLES ALEATORIAS CONTINUAS Y DISTRIBUCIONES DE PROBABILIDAD

 VARIABLES ALEATORIAS CONTINUAS Y FUNCIONES DE DENSIDAD DE PROBABILIDAD:


o Variables aleatorias continuas:
 Una variable aleatoria (va) es continua si su conjunto de valores posibles es un intervalo completo de números; es
decir, si para alguna , cualquier número entre y es posible.
o Distribuciones de probabilidad para variables continuas:
 Sea una va continua. Entonces una distribución de probabilidad o función de densidad de probabilidad (fdp) de es
un función tal que para dos números cuales quiera y
con , se cumple que:

Es decir, la probabilidad de que tome un valor en el intervalo


es el área arriba de este intervalo y bajo la gráfica de fdp.
La gráfica de se llama curva de densidad.
 Para que sea un fdp legítima se deben satisfacer las dos condiciones siguientes:
1. para toda .
2. área bajo la gráfica completa de .
 Se dice que una va continua tiene una distribución uniforme en el intervalo si la fdp de es:

 Si es una va continua, entonces para cualquier número , .


 Además, para dos números cualesquiera y con ,

 FUNCIONES DE DISTRIBUCIÓN ACUMULADA Y VALORES ESPERADOS:


o Función de distribución acumulada (fda):
 Definida para todo número mediante:

o Como usar para calcular probabilidades:


 Sea una va continua con fdp y fda . Entonces para cualquier
número ,

y para dos números cualesquiera y con ,

o Obtención de a partir de :
 Si es una va continua con fdp y fda , entonces en toda en la derivada existen, .

1 http://longinox.blogspot.com/ Longinos Recuero Bustos, curso 2010/11. lrecuero1@alumno.uned.es


o Percentiles de una distribución continua:
 Sea un número entre 0 y 1. El percentil ( ) de la distribución de una va continua , denotado por , está
definido por:

 La mediana de una distribución continua, denotada por , es el percentil 50, así que satisface 0,5 = . Es decir,
la mitad del área bajo la curva de densidad está a la izquierda de y la mitad está a la derecha de .
 Una distribución continua cuyo fdp es simétrica, tiene mediana igual al punto de simetría, puesto que la mitad del
área bajo la curva se subdivide en cualquier lado de este punto.

o Valores esperados para variables aleatorias continuas:


 El valor esperado o promedio de una va continua con fdp es:

 Si es una va continua con fdp y es cualquier función de , entonces:

o Varianza de una variable aleatoria continua:


 La varianza de una va continua X con fdp y valor promedio es:

 O en su forma abreviada:

 La desviación estándar (DE) de es:

 DISTRIBUCIÓN NORMAL (O DE GAUSS O GAUSSIANA):


o Una va tiene una distribución normal con parámetros y (o y ), donde - y , si la fdp de es:

o El enunciado de que tiene una distribución normal con parámetros y suele abreviarse como .
o Se puede demostrar que y .

2 http://longinox.blogspot.com/ Longinos Recuero Bustos, curso 2010/11. lrecuero1@alumno.uned.es


o Distribución normal estándar:
 La distribución normal con valores de parámetro y se llama distribución normal estándar.
 Una va que tiene una distribución normal estándar se llama variable aleatoria normal estándar y se denomina
mediante .
 La fdp de es:

 La fda de es:

o Percentiles de la distribución normal estándar:


 Para cualquier entre 0 y 1, se puede hacer uso de tablas de áreas de la curva normal [estándar].
o Notación :
 denota el valor en el eje de medición para el cual del área bajo la curva de se encuentra a la derecha de .

 es el percentil 100(1 - ) de la distribución normal estándar.


 Por lo común se hace referencia a las como valores críticos de .
o Distribuciones normales no estándar:
 Cuando , las propiedades que tienen que ver con se calculan mediante “estandarización”.
 La variable estándarizada es .
 Al restar se desplaza la media de a cero, y al dividir entre se modifica la escala de la variable de modo que la
desviación estándar es 1 y no 0.
 Si tiene una distribución normal con media y desviación estándar , entonces

tiene una distribución normal estándar. Así,

 Si la distribución de la población de una variable es (+ ó -) normal, entonces:


1. Alrededor de 68% de los valores están dentro de 1 DE de la media.
2. Casi 95% de los valores están dentro de 2 DE de la media.
3. Cerca de 99.7% de los valores están dentro de 3 DE de la media.
o Percentiles de una distribución normal arbitraria:
 Percentil (100 ) para ( )= [(100 ) para normal estandar] .
o Distribución normal y poblaciones discretas:
 La distribución normal se usa de ordinario como una aproximación de
la distribución de valores en una población discreta.
 Hay que tener en cuenta que estamos pasando de una variable
discreta a una continua, y por tanto son distribuciones diferentes y es
necesario realizar algunos ajustes o correcciones.
 A estos ajustes se les denominan corrección por continuidad.

3 http://longinox.blogspot.com/ Longinos Recuero Bustos, curso 2010/11. lrecuero1@alumno.uned.es


o Aproximación normal a la distribución binomial:
 Sea una va binomial en ensayos con probabilidad de éxito. Entonces, si no está demasiado sesgado el
histograma de la probabilidad binomial, tiene casi una distribución normal con y . En particular,
para un valor posible de ,

(Área bajo la curva normal a la izquierda de )

 En la práctica, la aproximación es adecuada siempre que y .


 DISTRIBUCCIÓN GAMMA Y SUS RELATIVOS:
o Para , la función gamma se define mediante:

o Las propiedades más importantes de la función gamma son:


 Para cualquier ,
 Para cualquier entero positivo, ,

o Mediante la definición anterior de , si

entonces y , así que satisface las dos propiedades de una fdp.


o Familia de distribuciones gamma:
 Se dice que una variable continua tiene una distribución gamma si la fdp de es:

donde los parámetros y satisfacen , .


 La distribución gamma estándar tiene .

4 http://longinox.blogspot.com/ Longinos Recuero Bustos, curso 2010/11. lrecuero1@alumno.uned.es


 La media y la varianza de una va que tiene la distribución gamma son:
1.
2.
 Función de distribución acumulada de la va (Función gamma incompleta):

 Existen tablas de , de manera similar a como se hace para el cálculo de percentiles de la distribución normal
estándar.
 Sea que , tiene una distribución gamma con parámetros y . Entonces, para cualquier , la fda de está
dada por:

donde es la función gamma incompleta.


o Distribución exponencial:
 Esta familia de distribuciones proporcionan modelos de probabilidad que son muy utilizados en ingeniería y ciencia.
 Se dice que tiene una distribución exponencial con parámetro si la fdp de es:

 La media y la varianza de una va que tiene la distribución


exponencial son:
1.
2.
 Función de distribución acumulada de :

 La distribución exponencial tiene una relación estrecha con el


proceso de Poisson.
o Distribución ji-cuadrada:
 Sea un entero positivo. Entonces, se dice que una va tiene una distribución ji-cuadrada con parámetro si la fdp
de es la densidad gamma con y . Por lo tanto, la fdp de una va ji-cuadrada es:

El parámetro se llama número de grados de libertad (gl) de . Por lo común se usa el símbolo en lugar de “ji-
cuadrada”
 Esta distribución es importante, porque es la base de varios procedimientos de inferencia estadística, debido que está
muy relacionada con las distribuciones normales.

5 http://longinox.blogspot.com/ Longinos Recuero Bustos, curso 2010/11. lrecuero1@alumno.uned.es