CLASE de Disribuciones Continuas

Variable aleatoria
 Frecuentemente interesa conocer más que el

resultado de un experimento aleatorio, una
función de dicho resultado.
 Una variable aleatoria es una función con valores
numéricos y definida sobre un espacio muestral
 Si lanzamos al aire tres monedas, podemos
definir la función como X:
X: número de caras que resultan del
experimento.
Variable aleatoria
 Hemos definido una función del espacio muestral
en la recta. Tales funciones X, cuyos valores
dependen del resultado de un experimento
aleatorio se llaman variables aleatorias.
 Si toma ciertos valores aislados de un intervalo,
es v.a. discreta, sino continua.
 La distribución se puede representar como:
– Tabla
– Diagrama
– Fórmula
Función de densidad de
probabilidad
 La función de densidad de probabilidad de
una variable aleatoria X se denota como:
f X (x)
 Se define de modo tal que:
f X ( x)x
 representa la probabilidad de ocurrencia de X en
el intervalo:
 x x 
 x  , x 
 2 2 
Función de densidad de una
Variable aleatoria
f x ( xi )  P[ X  xi ]
Propiedades
f x ( xi )  0
f
i
x ( xi )  1
Esperanza de una variable
aleatoria
 Sea X una V.A. continua que toma los
valores x1,x2,…xn con f.d. fx(xi), entonces:
n
E ( X )   xi f x ( xi )
i 1
 Si X es una V.A continua entonces:

E ( X )   Xf x ( x)dx

 E(X) también se la conoce como media de X,

o media de la población y se la nota E(X)=μ
Varianza de una variable aleatoria
 Sea X una variable aleatoria con función de
densidad fx(x), definimos varianza de X:
 2  E[( X  E ( X )) 2 ]  E[( X   ) 2 ]
 Si X es una variable discreta

 (x  )
2
Var ( X )  i f x ( xi )
  X 
 Si X es una variable continua

 2
Var ( x)   ( X   ) f x ( x)dx

Varianza de una variable aleatoria
 La varianza sigma cuadrado es una medida de
dispersión de los valores de la variable aleatoria con
respecto a su centro de gravedad μ.
 Consideremos una variable aleatoria con la siguiente
distribución de probabilidad.
X 6 7 8
f(x) 0.4 0.4 0.2
 E(X)=6*0.4+7*0.4+8*0.2=6.8
 Var(X)=(6-6.8)^2*0.4+(7-6.8)^2*0.4+
(8-6.8)^2*0.2=0.56
Distribuciones
Para una v. a. continua, la función

de distribución acumulada es :
x
FX ( x)  P[ X  x]   f X ( x)dx

Es la probabilidad de tener el valor

de X menor o igual que x
Función de distribución acumulada
 Se define como la probabilidad de que la
variable aleatoria X sea menor o igual
que algún valor particular.
F(x)=P[X≤x]
 Si X es una variable aleatoria discreta
FX ( x)   P[ X  xi ]
xi  x
 Como F(x) representa una probabilidad
es claro que 0≤F(x)≤1 además:
Función de distribución acumulada
a. Limite Fx=0
X→-oo
b. Limite Fx=1
X→+oo
c. Si x1 < x2 entonces Fx(x1) ≤ Fx(x2)
x
 La función acumulada para la variable
aleatoriaX continua X será: 
F ( x)  P[ X  x]  f (h)dh

Distribuciones de variable discreta
(Probability Density Functions)
Distribuciones de variable
continua
Distribuciones de variable
continua
a) Histograma de frecuencia relativa
b) Trazado a nueva escala en la densidad de f.r.
La suma de frec relativas es 1
Cubre un área total igual a 1

 Qué sucede con la densidad de
frecuencia relativa de una v.a.
continua a medida que aumenta el
tamaño de la muestra?
 Influyen menos las fluctuaciones de la suerte.
 Permite una definición más clara de las células
 Mientras el área permanece fija, la densidad

de frecuencia relativa tiende a la función de
densidad de probabilidad.
Relación entre la densidad de frecuencia relativa y
la densidad de probabilidad
Distribución normal (curva de Gauss)
2
1  x 
1  
2 

f X ( x)  e 
2
 x 
Z  
  
Curva campana simétrica

Distribución uniforme
 Es aquella que puede tomar cualquier valor dentro de un
intervalo, todos ellos con la misma probabilidad.
 Una variable aleatoria X esta uniformemente distribuida en
el intervalo (a,b) si su función es la siguiente:
 1 ,a  x  b

f ( x)   b  a
 0, otro
 La función de distribución acumulada esta dada por:

 0, xa
x  a
F ( x)   ,a  x  b
b  a
 1, xb
 La media y la varianza de la distribución están dadas por:
ab (b  a ) 2
E( X )  V (X ) 
2 12
Distribución uniforme
 1 ,a  x  b

f ( x)   b  a
 0, otro
Distribución Exponencial
 Esta distribución ha sido usada para modelar
tiempos entre arribos cuando los arribos son
totalmente aleatorios (ver relación con Poisson).
 Su función de densidad de probabilidad esta dada
por: e  x x  0
f ( x)  
 0 otro
 La fda se define como
 0 x0
 x
F ( x)   e t dt  1  e t
0
x0
Distribución Exponencial
Distribución Normal Standard
Una variable con distribución normal estándar
(μ=0 σ=1) se nota con la letra Z.
Si:
X  N ( , 2 )
Conversión: la variable Z se define como:
X 
Z

Para que tenga una distribución Normal estándar.

Efectos de escala
Distribución Normal
 Se ve que -como
en cualquier
distribución
continua- la
probabilidad de
que P(X=a)=0 para
cualquier a. Luego
lo que se calculan
son áreas (gráfico).
 Es la más usada de las distribuciones continuas de
probabilidad, ya que es la distribución límite de varios
modelos, incluso discretos y ajusta muy bien a muchas
situaciones reales. Su función de densidad es la siguiente:
2
1  ( x ) 
  

2 
e 
f ( x) 
 2
 Su forma es la conocida campana de Gauss. Una vez que

se especifican la media μ y el desvío estándar σ, la curva
normal queda completamente determinada.
 Si una v.a. continua X sigue una distribución Normal con
parámetros μ y σ, lo denotamos como: 2
X  N ( , )
Las cuatro distribuciones del gráfico son normales, con

distintos valores de la media y la desviación típica. La
verde es la "normal reducida", de media cero y desviación
típica uno.

CLASE de Disribuciones Continuas

Cargado por

Copyright:

Formatos disponibles

CLASE de Disribuciones Continuas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CLASE de Disribuciones Continuas

Cargado por

Copyright:

Formatos disponibles

Variable aleatoria

 Frecuentemente interesa conocer más que el

 Se define de modo tal que:

 E(X) también se la conoce como media de X,

 Si X es una variable discreta

 Si X es una variable continua

Para una v. a. continua, la función

Es la probabilidad de tener el valor

La suma de frec relativas es 1

Cubre un área total igual a 1

 Mientras el área permanece fija, la densidad

Curva campana simétrica

 La función de distribución acumulada esta dada por:

 La fda se define como

Conversión: la variable Z se define como:

Para que tenga una distribución Normal estándar.

 Su forma es la conocida campana de Gauss. Una vez que

Las cuatro distribuciones del gráfico son normales, con

También podría gustarte