Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 171 vistas

    Función de Distribución

    Cargado por

    Davidandy
    La función de distribución acumulada (FDA) describe la probabilidad de que una variable aleatoria tome valores menores o iguales a un valor x. La FDA asocia a cada x el área bajo la curva de la función de densidad de probabilidad hasta ese punto. Algunas propiedades clave de la FDA incluyen que toma valores entre 0 y 1, es no decreciente, y la probabilidad de que la variable aleatoria esté entre dos valores a y b es la diferencia entre la FDA evaluada en b y a.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Función de Distribución

    Cargado por

    Davidandy
    171 vistas4 páginas
    La función de distribución acumulada (FDA) describe la probabilidad de que una variable aleatoria tome valores menores o iguales a un valor x. La FDA asocia a cada x el área bajo la curva de la función de densidad de probabilidad hasta ese punto. Algunas propiedades clave de la FDA incluyen que toma valores entre 0 y 1, es no decreciente, y la probabilidad de que la variable aleatoria esté entre dos valores a y b es la diferencia entre la FDA evaluada en b y a.

    Descripción original:

    Estadistica: Campana de Gauss

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La función de distribución acumulada (FDA) describe la probabilidad de que una variable aleatoria tome valores menores o iguales a un valor x. La FDA asocia a cada x el área bajo la curva de la función de densidad de probabilidad hasta ese punto. Algunas propiedades clave de la FDA incluyen que toma valores entre 0 y 1, es no decreciente, y la probabilidad de que la variable aleatoria esté entre dos valores a y b es la diferencia entre la FDA evaluada en b y a.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    171 vistas4 páginas

    Función de Distribución

    Cargado por

    Davidandy
    La función de distribución acumulada (FDA) describe la probabilidad de que una variable aleatoria tome valores menores o iguales a un valor x. La FDA asocia a cada x el área bajo la curva de la función de densidad de probabilidad hasta ese punto. Algunas propiedades clave de la FDA incluyen que toma valores entre 0 y 1, es no decreciente, y la probabilidad de que la variable aleatoria esté entre dos valores a y b es la diferencia entre la FDA evaluada en b y a.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 4

    Funcin de distribucin

    (abierto en a y cerrado en b) es F(b) F(a) si a b.

    1.0

    2 = 0.2,
    2 = 1.0,
    2 = 5.0,
    2 = 0.5,

    P(a < X b) = FX (b) FX (a).

    0.6

    La fda de una probabilidad P denida sobre el espacio


    boreliano B(R) es la funcin F que a todo real x le asocia

    , (x)

    0.8

    = 0,
    = 0,
    = 0,
    = 2,

    0.4

    0.2

    F (x) = P(] , x]).

    0.0
    5

    0.0.1 Acumulada y Distribuida


    Es convencin usar una F mayscula para una fda, en
    contraste con la f minscula usada para una Funcin de
    Densidad de Probabilidad y/o para una Funcin de Probabilidad.

    Funcin de Distribucin Acumulativa para la distribucin normal en la siguiente imagen.

    1.0

    = 0,
    = 0,
    = 0,
    = 2,

    La funcin distribucin puede obtenerse a partir de la


    funcin de probabilidad respectiva. La fda en el caso de
    una variable aleatoria X discreta, puede establecerse como:

    F (x) = xi x f (xi )

    0.6

    , (x)

    0.8

    2 = 0.2,
    2 = 1.0,
    2 = 5.0,
    2 = 0.5,

    0.4

    Para una variable aleatoria X contnua, fda surge como:


    x
    F (x) = f (t) dt

    0.2

    0.0
    5

    Debe observarse que una denicin del tipo menor o


    igual, '' podra sustituirse por estrictamente "menor"
    '<'. Esto producira una funcin diferente, pero cualquiera de las funciones F puede deducirse a partir de la otra
    f.
    Tambin se podra cambiar por una determinada por mayor (>) en lugar de "menor" '<' y deducir las propiedades
    de esta nueva funcin.
    Slo es preciso ajustar las formulaciones y deniciones a
    lo pretendido en cada caso.
    En pases de lengua inglesa, una convencin es usar una
    desigualdad de este tipo en lugar de una desigualdad
    estricta (<), por ejemplo.

    Funcin de Densidad de Probabilidad para varias distribuciones


    normales. El trazo rojo distingue la distribucin normal estndar.

    En la teora de la probabilidad y en estadstica, una


    funcin de distribucin acumulada (fda) describe la
    probabilidad de que una variable aleatoria real X sujeta
    a cierta ley de distribucin de probabilidad se site en la
    zona de valores menores o iguales a x.
    Intuitivamente, asumiendo la funcin f como la ley de
    distribucin de probabilidad, la fda sera la funcin con
    la recta real como dominio, con imagen del rea hasta
    aqu de la funcin f, siendo aqu el valor x para la variable
    aleatoria real X.
    La fda asocia a cada valor x, la probabilidad del evento: 1 Ejemplos
    la variable X toma valores menores o iguales a x.
    Las Funciones de Distribucin Acumulativa se emplean Como ejemplo, se supone que X est uniformemente distambin para especicar la distribucin de variables alea- tribuida en el intervalo unitario [0, 1]. En ese caso una
    torias multivariantes.
    fda est dada por:
    Para cada nmero real x, una fda est dada por la
    siguiente denicin:[1]

    F(x) = 0, si x < 0;
    F(x) = x, si 0 x 1;
    F(x) = 1, si x > 1.

    La probabilidad de que X se site en un intervalo ]a, b]


    1

    Para otro ejemplo, suponiendo que X toma slo los valores 0 y 1, con igual probabilidad (X sigue una distribucin
    de Bernoulli con p = 1/2). Entonces una fda est dada por
    F(x) = 0, si x < 0;
    F(x) = 1/2, si 0 x < 1;
    F(x) = 1, si x 1.

    Notacin

    Cuando hay ms de una variable aleatoria y se vuelve necesario explicitar una diferencia entre las funciones, se
    representa una fda de la variable aleatoria X por FX (x) .

    Funcin de Distribucin Acumulada Inversa (Funcin Cuantil)

    La funcin cuantil de una variable aleatoria (o de una ley


    de probabilidad) es la inversa de su acumulada.
    Si la FDA F es estrictamente creciente y continua, su inversa est denida F 1 (y), y [0, 1] es el nico nmero
    real x tal que F (x) = y .
    Slo en tales casos queda as denida la funcin de distribucin inversa o funcin cuantil. Pero una funcin de
    distribucin se mantiene constante en todo intervalo en el
    cual la variable aleatoria no puede tomar valores. Es por
    esto que se introduce la siguiente denicin. Lamentablemente, la distribucin carece, en general, de inversa. Se
    puede denir, para y [0, 1] , la inversa generalizada
    de la funcin distribucin:

    5. Si Y tiene una distribucin U [0, 1] entonces,


    F 1 (Y ) est distribuida como F . Esto se emplea
    en para la generacin aleatoria de nmeros con el
    mtodo de muestreo de transformada inversa.
    6. Si {X } es una coleccin de variables independentes aleatoriamente distribuidas F -denida en el
    mismo espacio muestral, entonces existen variables
    aleatorias Y tales que Y est distribuida como
    U [0, 1] y F 1 (Y ) = X como probabilidad 1
    para todo .
    Ejemplo 1: La mediana es F 1 (0.5) .
    Ejemplo 2: Sea = F 1 (0.95) . Se denominar al 95avo percentil.
    Por convencin, podemos decidir que QX (0) es el menor
    de los valores posibles de X y QX (1) es el mayor; pueden
    ser eventualmente innitos.

    4 Propiedades
    Si X es una variable aleatoria discreta, entonces se la obtiene de los valores x1 , x2 , ... con probabilidad p1 , p2 etc.,
    y una fda de X ser discontinua en los puntos xi y constante entre ellos.
    Si una fda F de X es contnua, entonces X es una variable
    aleatoria continua; si se dice de F que es absolutamente
    continua, entonces existe una funcin Integral de Lebesgue f(x) tal que

    F (b) F (a) = P(a X b) =


    F

    PROPIEDADES

    f (x) dx
    a

    (y) = inf {F (x) y}.

    para todos los nmeros reales a y b. (La primera de las dos


    igualdades no sera correcta en general si no se hubiera
    Sea X una variable aleatoria con valores en R y FX su
    dicho que una distribucin es continua.
    funcin de distribucin. Se llama funcin cuantil de X a
    La continuidad de la distribucin implica que P(X = a) =
    la funcin de ]0, 1[ en R , denotada por QX , que a u
    P(X = b) = 0, de modo que una diferencia entre "<" y ""
    ]0, 1[ hace corresponder: QX (u) = inf{x : FX (x)
    deja de ser importante en este contexto.) Una funcin f es
    u} .
    igual a la derivada de F (casi en toda parte), y es llamada
    La inversa de la pda se denomina funcin cuantil.
    Funcin de densidad de probabilidad de la distribucin de
    La inversa de la pda puede emplearse para trasladar re- X.
    sultados obtenidos para la distribucin uniforme a otras
    Para cualquier funcin de distribucin F , debe ser:
    distribuciones.
    xR

    0 F (x) 1

    3.1

    Propiedades tiles de la inversa de pda

    1. F 1 es no-decreciente
    2. F 1 (F (x)) x
    3. F (F 1 (y)) y
    4. F

    (y) x si y slo si y F (x)

    F es no decreciente (creciente o constante): x1 <


    x2 F (x1 ) F (x2 )
    F () = limx F (x) = 0
    F (+) = limx+ F (x) = 1
    F es contnua a la derecha: F (a+ )
    limxa+ F (x) = F (a)

    3
    P(x = a) = F (a) F (a )
    P(a < x b) = F (b) F (a) , con a, b R , y
    a<b

    6 Bibliografa
    Conceito de varivel aleatria e de funo de distribuo

    Portal Action
    Se cumplen las siguientes propiedades, que permiten tratar con los diferentes tipos de desigualdades, y que se
    aplican a funciones de distribucin de variables aleatorias
    6.0.1 Estadstica
    discretas:
    P(X < b) = F (b )
    P(X > a) = 1 F (a)
    P(X a) = 1 F (a )
    P(a < X < b) = F (b ) F (a)
    P(a X < b) = F (b ) F (a )
    P(a X b) = F (b) F (a )
    En caso de las variables aleatorias contnuas, valen las siguientes propiedades:
    F es contnua en todos los puntos (en caso de las
    variables aleatorias discretas era slo continua a la
    derecha)
    a
    P(x = a) = a f (x) dx = 0
    P(a X b) = P(a X < b) = P(a < X
    b
    b) = P(a < X < b) = a f (x) dx = F (b)F (a)
    La Prueba de Kolmogrov-Smirnov est basada en funciones de distribucin acumulada y puede ser usada para ver si dos distribuciones empricas son diferentes o si
    una distribucin emprica es diferente de una distribucin
    ideal.
    Muy relacionada con la prueba de Kuiper, la cual es til si
    el domnio de la distribucin es cclico como por ejemplo
    en das de la semana. Por ejemplo podemos usar el test de
    Kuiper para ver si el nmero de tornados vara durante el
    ao o si las ventas de un producto oscilan da a da o por
    da del mes.

    Vase tambin
    Estadstica descriptiva
    Distribucin de probabilidad

    5.1

    Referencias

    [1] Monti, K.L. (1995). Folded Empirical Distribution Function Curves (Mountain Plots). The American Statistician
    49: 342345. JSTOR 2684570.

    Puede considerarse el artculo sobre Estadstica matemtica para completar algunos tpicos.

    7 TEXTO E IMGENES DE ORIGEN, COLABORADORES Y LICENCIAS

    Texto e imgenes de origen, colaboradores y licencias

    7.1

    Texto

    Funcin de distribucin Fuente: https://es.wikipedia.org/wiki/Funci%C3%B3n_de_distribuci%C3%B3n?oldid=83801248 Colaboradores: CEM-bot, Davius, Juan Mayordomo, Raulshc, CayoMarcio, Jkbw, Marsal20, Enrique Cordero, CentroBabbage, ZroBot, Elas,
    KLBot2, MetroBot, Invadibot, Acratta, Aldein, Jarould, Nico gtrd, Pablo Roca Bernardini y Annimos: 8

    7.2

    Imgenes

    Archivo:Normal_Distribution_CDF.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/ca/Normal_Distribution_CDF.


    svg Licencia: Public domain Colaboradores: self-made, Mathematica, Inkscape Artista original: Inductiveload
    Archivo:Normal_Distribution_PDF.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/7/74/Normal_Distribution_PDF.
    svg Licencia: Public domain Colaboradores: self-made, Mathematica, Inkscape Artista original: Inductiveload

    7.3

    Licencia de contenido

    Creative Commons Attribution-Share Alike 3.0

    También podría gustarte