Professional Documents
Culture Documents
UNIDAD 4
VARIABLE ALEATORIA CONTINUA Y SU
DISTRIBUCION
Autor: Rina B. Ojeda Castaeda
23-Abril-2014
PRIMERA PARTE:
VARIABLE ALEATORIA CONTINUA Y
SU DISTRIBUCION
DISTRIBUCION DE PROBABILIDAD DE
VARIABLES ALEATORIAS CONTINUAS.
Variables Aleatorias Continuas.
Definicin 1. Se dice que una variable
aleatoria es continua si toma cualquier valor
en un intervalo.
PROBABILIDAD
Ejemplo:
La precipitacin pluvial diaria en cierto
punto geogrfico, con un equipo de
medicin exacto, se puede asociar a cada
posible cantidad de lluvia un punto nico en
un intervalo.
PROBABILIDAD
Otros ejemplos:
El rendimiento de un antibitico en un
proceso de fermentacin.
Tiempo de
electrnico.
duracin
de
un
equipo
PROBABILIDAD
PROBABILIDAD
dF ( y )
f ( y) =
= F ( y )
dy
es conocida como la funcin de densidad de
probabilidad para la variable aleatoria continua
Y.
PROBABILIDAD
F ( y) =
f ( t ) dt
PROBABILIDAD
F(y0)
y0
PROBABILIDAD
f ( y)dy = 1
PROBABILIDAD
Caso Continuo
a)
Distribucin de probabilidad
p(y)
Funcin de densidad.
f(y)
b)
P(Y = y) 0
(Para calcular una probabilidad se utiliza un
punto)
P(Y = y) = 0
P( y1 < Y < y2 ) > 0
(Para calcular una probabilidad se utiliza un
intervalo)
c)
Funcin de Distribucin
Discreta
y
p(t )
F(y) = P(Y y) =
t =0
d)
PROBABILIDAD
2)
Caso Continuo
p(y) 0
p( y) = 1
y
f(y) 0
f ( y ) dy = 1
PROBABILIDAD
Si
0
F ( y) = y
1
para
y<0
f ( y) =
dF ( y )
dy
d (0)
dy = 0 para y < 0
d ( y)
=
= 1 para 0 < y < 1
dy
d (1)
= 0 para y > 1
dy
SEGUNDA PARTE:
DISTRIBUCION NORMAL
Distribucin Normal.
Funcin de Densidad Normal: Su funcin de
densidad est dada por:
( y 2)
e 2
> 0,
- < y <
f ( y) =
2
con
e = 2 . 7183
= 3 . 141592
, media y desviacin estndar
2
Eventos Frecuentes
f(y)
0.5
0.5
f ( y ) dy
a
b
a
( y )2
2 2
dy
2
Z=
-5
=0
Problema Transformado
( distribucin normal
estndar )
Clculos
Problema
Original
P(Z z ) = P(Z z )
Sea Z ~ N(0,1).
Para el clculo de probabilidades para Z, se
utilizan tablas que contienen las probabilidades
para un rango de valores.
Ejemplos:
Calcular:
a)
P(Z 2)
f(y)
Solucin:
-5
a)
P(Z 2) = 0.0228
=0
Ejemplos:
Calcular:
b) P(-2 Z 2)
Solucin:
-2
PROBABILIDAD
Ejemplos:
Calcular:
c) P(0 Z 1.73)
Solucin:
1.73
Ejemplos:
Calcular:
a) P(0 Z 1.2)
b) P(-0.9 Z 0)
c) P(0.3 Z 1.56)
d) P(-0.2 Z 0.2)
e) P(-1.56 Z -0.2)
Solucin:
a) P(0 Z 1.2) = 0.5 P(Z 1.2) = 0.5 0.1151 = 0.3849
1.2
-0.9
0.9
0.3
.1.56
-2
-1.56
0.2
0.2 0.11.56
Ejemplos:
Determinar el valor de z0 tal que la probabilidad
de que:
a) P(Z z0) = 0.5
b) P(Z z0) = 0.263
c) P(Z z0) = 0.8643
SOLUCIN
a) z0 = 0
b) z0 = 0.635
c) z0 = 1.1
Z=
Grficamente:
f(y)
=75
90
Transformando el problema:
f(y)
=0
0.5
1.5
80 75
75
90
75
P (80 Y 90 ) = P
10
10
10
80 75
90
75
= P
Z
10
10
3
= P (0 .5 Z 1 .5)
= P
Z
2
PROBABILIDAD
y0
PROBABILIDAD
= 0
z0
PROBABILIDAD
Como:
z0 =
y0
y0 30.5
1.645 =
4.5
y0 = 1.645(4.5) + 30.5 = 7.4024 + 30.5 = 37.90
por tanto el nuevo coche debe desarrollar un
rendimiento de 37.9 mpg, para ser mejor que el
95% de los coches compactos que actualmente
se venden en Estados Unidos.
V[Y] = 2
= 1200
Y ~ N(|1200, 14400)
2= 14400
Z = (Y-1200)/120 ~N(0,1)
= 120
a).- Calcular la proporcin de bacterias que resisten ms
de 1000 segundos.
P( Y > 1000) = P(Z > (1000-1200)/120) = P( Z > -1.67)
P( Z > -1.67) = 1 P( Z > 1.67) = 1 - .0475 = 0.9525
f(z)
-1.67
=0
1.67
PROBABILIDAD
= 1200
Y ~ N(|1200, 14400)
Z = (Y-1200)/120 ~N(0,1)
2= 14400
= 120
120
120
=1200 1300
f(z)
1500
=0
.83
2.5
PROBABILIDAD
= 1200
Y ~ N(|1200, 14400)
2= 14400
Z = (Y-1200)/120 ~N(0,1)
= 120
c).- Cul es el promedio y desviacin estndar del
tiempo de resistencia de las bacterias ?.
E[ Y ] = = 1200 ,
V [ Y ] = 2= 14400
DE[ Y ] = = 120
TERCERA PARTE:
TEOREMA CENTRAL DEL LIMITE
0.40
0.35
0.30
0.25
Probability Mass
0.45
0.50
0.0
0.5
1.0
Number of Successes
1.5
2.0
n = 10,
p = 0.5
0.15
0.10
0.05
0.00
Probability Mass
0.20
0.25
Number of Successes
10
= np
= np(1 p) = npq
2
0.3
0.2
0.1
Probability Mass
0.4
0.5
0.0
0.5
1.0
Number of Successes
1.5
2.0
n = 10,
p = 0.25
0.20
0.15
0.10
0.05
0.00
Probability Mass
0.25
Number of Successes
0.06
0.04
0.02
0.00
Probability Mass
0.08
15
20
25
30
Number of Successes
35
40
PROBABILIDAD
0.10
0.05
0.00
Probability Mass
0.15
B in o m ia l D is tr ib u tio n : B in o m ia l tr ia ls = 2 0 , P r o b a b ility o f s u c c e s s = 0 .3
N um b e r o f S uc c e s s e s
10
12
0.04
0.02
0.00
Probability Mass
0.06
0.08
35
40
45
50
55
Number of Successes
60
65
0.2
0.1
0.0
Density
0.3
0.4
-3
-2
-1
0
x
PROBABILIDAD
PROBABILIDAD
PROBABILIDAD
PROBABILIDAD
Z=
Y np
npq
= np, = npq
2
P (Y 14 ) = P
= PZ
2.5
(25)(0.5)(0.5)
0 0.6
0 2.980232e-08
1 7.450581e-07
2 8.940697e-06
3 6.854534e-05
4 3.769994e-04
5 1.583397e-03
6 5.277991e-03
7 1.432598e-02
8 3.223345e-02
9 6.088540e-02
10 9.741664e-02
11 1.328409e-01
12 1.549810e-01
13 1.549810e-01
14 1.328409e-01
15 9.741664e-02
16 6.088540e-02
17 3.223345e-02
18 1.432598e-02
19 5.277991e-03
20 1.583397e-03
21 3.769994e-04
22 6.854534e-05
23 8.940697e-06
24 7.450581e-07
25 2.980232e-08
2.98E-08
7.45E-07
8.94E-06
6.85E-05
3.77E-04
1.58E-03
5.28E-03
1.43E-02
3.22E-02
6.09E-02
9.74E-02
1.33E-01
1.55E-01
1.55E-01
1.33E-01
7.88E-01
PROBABILIDAD
PROBABILIDAD
Y np 14.5 12.5
P (Y 14.5 ) =P
npq
2.5
PROBABILIDAD
P ( a Y b) = P
Z
npq
npq
PROBABILIDAD
PROBABILIDAD
= np = 25(.4) = 10;
2 = npq = 6; = 2.45
Y np 8.5 10
P (Y 8 ) P (Y 8.5 ) =P
npq
2.45
= np = 25(.4) = 10;
2 = npq = 6; = 2.45
7.5 10 Y np 8.5 10
P (Y = 8 ) P ( 7.5 Y 8.5 ) =P
2.45
2.45
npq