Beruflich Dokumente
Kultur Dokumente
DESTRIBUCIONES DE PROBABILIDAD
DESTRIBUCION CONTINUA: una de las distribuciones más simples en la estadística es
la distribución uniforme continua. Esta distribución se caracteriza por una
función de densidad que es plana, y por ello la probabilidad es uniforme en un
intervalo cerrado, digamos [A, B]. aunque las aplicaciones de la distribución
uniforme continua no son tan abundantes como lo son para otras distribuciones
que se presentan en este capítulo, es apropiado para el principiante comenzar
esta introducción a las distribuciones continuas con las distribuciones uniforme.
DEFINICION:
La varianza de X es:
2
𝑏
V(x)= ∫𝑎 (𝑥 − (𝑎+𝑏 )) /(𝑏 − 𝑎)𝑑𝑥 = (𝑏 − 𝑎)2 /12
2
La media y la varianza de una aleatoria continua uniforme X en a≤x≤b
U =E(x) = (a + b)/2 y 𝑜2 = V(x) = (b-a)/12
cuando el numero n de valores que puede tomar una variable aleatoria X es
infinito, como es el caso, por ejemplo, de los volúmenes de escurrimiento
mensual de un río, se dice que dicha variable aleatoria es continua.
Es posible deducir la forma equivalente a la función de la figura la figura
anterior para variables aleatorias continuas al imaginar dados con un número
muy grande de caras. En el límite, cuando el número de caras tiende a infinito,
la función tendría un aspecto como el que se muestra en la figura anterior
Una función como ésta se llama función de densidad de probabilidad.
EJEMPLO 1
una viga que esta empotrado en un lado y en el otro con apoyo móvil mide 10m.
¿cuál es la probabilidad de que al aplicar una carga distribuida de 80kgf/m a una
distancia de 3m medida desde el apoyo móvil hasta una distancia 8m también
medida desde el apoyo móvil la carga puntual este contenido en un intervalo de
5 ≤ 𝑥 ≤ 6.
1
5
0 3 5 7 8 10
Entonces la probabilidad será P =2(1/5) =0.4
Entones podemos concluir diciendo que la probabilidad de que la carga puntual
resultante aplicada en la viga se ubique en un intervalo de 3,5 es de 0.4 .
DISTRIBUCIÓN NORMAL
DEFINICION: La distribución normal es una distribución con forma de campana
donde las desviaciones estándar sucesivas con respecto a la media establecen
valores de referencia para estimar el porcentaje de observaciones de los datos.
Estos valores de referencia son la base de muchas pruebas de hipótesis, como las
pruebas Z y t.
En estadística y probabilidad se llama distribución normal, distribución de
Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de
las distribuciones de probabilidad de variable continua que con más frecuencia
aparece en estadística y en la teoría de probabilidades.
1. La gráfica de su función de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico. Esta curva se conoce
como campana de Gauss y es el gráfico de una función gaussiana.
2. La importancia de esta distribución radica en que permite modelar numerosos
fenómenos naturales, sociales y psicológicos.
3. Mientras que los mecanismos que subyacen a gran parte de este tipo de
fenómenos son desconocidos, por la enorme cantidad de variables incontrolables
que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo
que cada observación se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadística descriptiva sólo permite describir un fenómeno, sin
explicación alguna. Para la explicación causal es preciso el diseño experimental,
de ahí que al uso de la estadística en psicología y sociología sea conocido
como método correlacionar.
Es muy importante saber que el área del histograma es la unidad, debido a que la
suma de las frecuencias relativas es la unidad. En consecuencia:
∞
∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞
Para transformar una variable aleatoria normal "x" en una variable normal estándar
"z", se realiza mediante la expresión:
𝑥−𝜇
𝑧=
𝜎
Ejercicios:
Entre las ciudades de Estados Unidos con una población de más de 250,000
habitantes, la media del tiempo de viaje de ida al trabajo es de24.3 minutos. El
tiempo de viaje más largo pertenece a la ciudad de Nueva York, donde el tiempo
medio es de 38.3 minutos. Suponga que la distribución de los tiempos de viaje en
la ciudad de Nueva York tiene una distribución de probabilidad normal y la
desviación estándar es de 7.5minutos
𝑥−𝜇
𝜎 = 38.3𝑚𝑖𝑛 𝑧=
𝜎
𝜇 = 7.5 𝑚𝑖𝑛
¿Qué porcentaje de viajes en la ciudad de Nueva York consumen menos de 30
minutos?
P (𝑥 ≤ 30)
30 − 38.3 −8.3
𝑧= = = −1.11 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 = 0.1335
7.5 7.5
DEFINICIÓN
𝛽 𝑥 𝛽−1 −(𝑥⁄𝛿 )
𝑓(𝑥) = 𝛿 (𝛿 ) 𝑒 para 𝑥 > 0
Tiene una distribución de weibull con parámetro de escala 𝛿 > 0 y parámetro de forma 𝛽 > 0.
Se sabe que la distribución del tiempo transcurrido antes de que se dé un fallo en un sistema
1
hidráulica viene dada por una weibull de parámetros 𝛼 = 2 y 𝛽 =
2
Solución:
1
𝑋 = {𝑡𝑖𝑒𝑚𝑝𝑜 𝑡𝑟𝑎𝑛𝑠𝑐𝑢𝑟𝑟𝑖𝑑𝑜 𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑟} 𝑋 → 𝑊 (2, 2)
1
− 1 1 2! 1
𝐸(𝑥) = 𝛼 𝛽 𝑟 (1 + 𝛽) = 2−2 𝑟(1 + 2) = 4 𝑟(3) = 4
=2
2 2
− 2 1 2 1
𝑉𝑎𝑟(𝑥) = 𝛼 𝛽 (𝑟 (1 + 𝛽) − [𝑟 (1 + 𝛽)] ) = 2−4 (𝑟(5) − (𝑟(3)) ) = 16 (4! − (2!)2 )
24−4 5
= 16
=4
𝑋 → 𝜀(5)
⟹𝑓𝑋(𝑥)= 0 Si 𝑥 ≤ 0
𝑌 → 𝑊(5,1)
𝛽 1
⟹𝑓𝑌(𝑥) = 𝛼𝛽𝑥 𝛽−1 𝑒 −𝛼𝑥 = 5.1. 𝑥 1−1 𝑒 −5𝑥 = 5𝑒 −5𝑥 Si 𝑥 > 0
⟹𝑓𝑌(𝑥)= 0 Si 𝑥 ≤ 0