FUNCIN DE DENSIDAD (distribuciones continuas)

* ir a relacin Funcin de densidad-Funcin de Distribucin

En el caso de una distribucin continua se va acumulando probabilidad de manera continua, ante
cualquier incremento de la variable a lo largo de su campo de variacin.Pero los puntos
singulares no tienen asociada probabilidad.(no hay probabilidad en un punto)(No tiene sentido
pensar en una funcin de cuanta).
Sin embargo cualquier intervalo (por pequeo que sea s tiene asociada una probabilidad).Y dado
un intervalo cualquiera podemos definir la DENSIDAD MEDIA DE PROBABILIDAD en ese
intervalo como el cociente entre el incremento de probabilidad que se ha acumulado y el
incremento producido en la variable:

Densidad media de probabilidad en [a,b]

y para un intervalo [x,x+ x] sera:

D.M.P([x,x+ ])
En consecuencia, para cada valor definido x se podr determinar la densidad media de
probabilidad de un intervalo infinitsimo [x,x+dx] lim x 0 [x,x+ x]:

D.M.P ([x,x+dx]) =lim x 0 [ ] = =F'(x)

Precisamente a la funcin que hace corresponder a cada valor definido de la variable
aleatoria , la densidad media de probabilidad en un "entorno infinitsimo" se la conoce
como funcin de densidad : f(x) =F'(x)
La funcin de densidad guarda una estrecha similitud con el "perfil" del histograma de
una distribucin de frecuencias de valores agrupados; de hecho puede considerarse un
modelo "terico" del mismo en el que se consideren intervalos de amplitud infinitesimal.
(Propiedades)
RELACIN FUNCIN DE DENSIDAD-FUNCIN DE DISTRIBUCIN
Puede observarse , que para una determinada variable continua X con funcin de densidad f(x) y
funcin
de
distribucin
F(x);
la probabilidad de que X tome una valor menor que uno dado es la superficie establecida entre
dicho valor y el mnimo para la funcin de densidad ; mientras que es el valor de la ordenada
para dicho valor en la funcin de distribucin.

ir a funcin de densidad

ir a funcin de distribucin

DISTRIBUCIONES DE PROBABILIDADES, FUNCIN

DE PROBABILIDAD, FUNCIN DENSIDAD DE
PROBABILIDAD Y FUNCIN DISTRIBUCIN
ACUMULADA

Una distribucin de probabilidad de una variable aleatoria X es el conjunto de pares ordenados (X , f(X)) donde f(X)
es la funcin de probabilidad de X (si X es discreta) o funcin densidad de probabilidad de X (si X es continua). Una
distribucin de probabilidad puede estar dada por una tabla, una grfica o una expresin matemtica (frmula) que
da las probabilidades con que la variable aleatoria toma diferentes valores.

Tabla 1 Probabilidad de la variable del ejemplo 3

Valores
de X :
xi

(1,1)

(1,2) (2,1)

(1,3) (3,1) (2,2)

(1,4) (4,1) (2,3) (3,2)

(1,5) (5,1) (2,4) (4,2)

(3,3)

(1,6) (6,1) (2,5) (5,2)

(3,4) (4,3)

(2,6) (6,2) (3,5) (5,3)

(4,4)

(3,6) (6,3) (4,5) (5,4)

(4,6) (6,4) (5,5)

10

(5,6) (6,5)

11

(6,6)

12

Total:

La grfica de lneas para este ejemplo es:

Fig. 3 Grfica de lneas de la Distribucin de Probabilidad de la variable aleatoria del ejemplo 4.4
Otro tipo de grfica empleado para representar una funcin de probabilidad es el histograma, que consiste en
representar una funcin las probabilidades como reas.

Fig. 4 Histograma de la Distribucin del ejemplo 4

Ejemplo 4: Si lanzamos una moneda legal y representamos por X el nmero de ensayos realizados hasta que aparece
por primera vez un guila, entonces, el espacio muestra correspondiente es infinito, ya que hay un nmero infinito
de numerable de resultados, a saber, 1, 2, 2, 3, De hecho, X=1 significa que aparece un guila en el primer
ensayo, X=2, indica que primero se obtiene sol y en el segundo tiro, un guila, etc. Puesto que las guilas y los soles
son igualmente probables, y los ensayos son independientes, tenemos que:

De esta manera, obtenemos la funcin de probabilidad

La distribucin de probabilidad de X se puede expresar mediante una tabla como se ve a continuacin:

f(X)

1/2

1/4

1/8

1/16

1/32

Ejemplo 5: Se extraen dos tornillos al azar de un conjunto de 10 tornillos, cuatro de los cuales estn defectuosos.
Encontrar y dibujar la funcin de probabilidad
extrados.

de la variable aleatoria X = nmero de tornillos defectuosos

Solucin: Como hay 10 tornillos de los cuales 4 son defectuosos y se extraen 2 tornillos al azar (sin reemplazo);

entonces, el cardinal del espacio muestra es

y X toma los valores del 0 al 2 ya que al extraer dos
tornillos slo puede ocurrir que no salga ningn defectuoso, un defectuoso o dos defectuosos, X = {0, 1, 2}. Las

probabilidades respectivas son:

Distribuci
n de
Probabilida
d

Grfica de lneas

Histograma

X f(X)
0 15/45
1 24/45
2 26/45
3 45/45

Distribucin de probabilidad de la variable aleatoria del ejemplo 4.5

Ejemplo 6: La funcin densidad de probabilidad normal estndar se define por:

, donde
a continuacin se presenta su grfica y podemos ver que es una curva suave y continua, en lugar de una grfica de
lneas

Fig. 5 Funcin densidad normal estndar

FUNCIN DISTRIBUCIN (ACUMULADA)

Si X es una variable aleatoria, entonces para cualquier nmero real x0, existe la probabilidad

del evento

(X toma cualquier valor menor o igual a x0).

La probabilidad
que depende de la eleccin de x0 es la probabilidad acumulada hasta x0 que es la funcin
distribucin o distribucin acumulada y se denota por F(x0).
F(x0) =
Ejemplo 7: Encuentre los valores de la funcin distribucin acumulada F(X) de la variable aleatoria X descrita en el
ejemplo 3.

f(X)

F(X)

1/36

1/36

2/36

3/36

3/36

6/36

4/36

10/36

5/36

15/36

6/36

21/36

5/36

26/36

4/36

30/36

10

3/36

33/36

11

2/36

35/36

12

1/36

36/36

Obsrvese que F(X=5) = f(X=2) + f(X=3) + f(X=4) + f(X=5) =

La grfica de la funcin distribucin acumulada de una variable discreta es siempre una grfica escalonada.

Fig. 6 Funcin distribucin para la variable aleatoria del ejemplo 4.3

Ejemplo 8: Halle los valores de la funcin distribucin acumulada, F(X), de la variable aleatoria X del ejemplo 5.

X f(X) F(X)
0 15/45 15/45
1 24/45 39/45
2 6/45 45/45

Ahora demostraremos que la probabilidad

de un evento

se puede expresar en

trminos de la funcin distribucin acumulada F(X), donde x1 y x2 son dos de los valores cualesquiera
Obsrvese que

son eventos mutuamente exclusivos, su unin es el evento

.
.

Por el axioma 3 de probabilidad, obtenemos

P(

) = P(

) + P(

Despejando P
P

)
se tiene

= P(

) - P(

) = F(x2) - F(x1)

En consecuencia, F(x) determina en forma nica la distribucin de probabilidades de la variable

aleatoria correspondiente.

FUNCIN DISTRIBUCIN PARA VARIABLES ALEATORIAS CONTINUAS:

Si X es una variable aleatoria continua, entonces la regla de la correspondencia que define la funcin distribucin
acumulada F(X) es:

Hemos usado v para representar la variable de integracin, ya que x se usa para representar al lmite superior de la
integracin. El integrando f es la funcin densidad de probabilidad, y al derivar la expresin anterior (Teorema
Fundamental del Clculo) se tiene que

La funcin distribucin acumulada es

F(x0) =

PROPIEDADES DE LA FUNCIN DISTRIBUCIN ACUMULADA

2.

, si X es discreta

, si X es continua.

Fig. 4.7 Funcin distribucin

3.
4. Si X es continua

, si X es continua.

Ejemplo 4.9: Determinar el valor de la constante c tal que f(x) defina una funcin densidad en el intervalo dado y
determinar la regla de correspondencia de la funcin de distribucin acumulada correspondiente.

a.

b.

Solucin: La integral sobre todo el intervalo es la probabilidad del espacio muestral, que es igual a 1. Una vez
evaluada la integral definida se despeja la constante c, lo cual garantizar que la funcin obtenida es una funcin
densidad de probabilidad.

a.
b.

Sustituyendo el valor de c se obtiene la funcin densidad

La funcin distribucin es entonces la integral de la funcin densidad para cualquier intervalo (0,x), la cual
permitir calcular probabilidades para cualquier intervalo.

c. Para el segundo caso se har lo mismo que para el anterior con la diferencia que tenemos una integral
impropia.

La funcin densidad es entonces

Las propiedades de la funcin distribucin acumulada son:

2.
discreta

, si X es

, si X es continua.

3.

, si X es continua.

4. Si X es continua,

1999 Jose 3
Texto: M. en C. Mara Jos Marques Dos Santos
Home Page: M. en C. Jos Luis Garca Cu / M. en C. Jos Antonio Santizo Rincn

Por qu no se puede predecir la lotera o

quiniela? La explicacin: Distribucin de
Probabilidad Uniforme
19/05/2016 juanes8400
Existen dos tipos de distribuciones de probabilidad uniforme: Continua y discreta. Tienen mucho
en comn, la mayor diferencia es el dominio en el que se mueven ambas.
En la distribucin uniforme continua todos los nmeros reales del intervalo son igualmente
probables de obtener.
Mientras en la distribucin uniforme discreta slo los nmeros enteros son posibles de
obtenerse e igualmente probables.
Qu tiene que ver la lotera o quiniela con la distribucin uniforme?
Cuando se lanza un dado, cada lado tienen igual probabilidad de caer. 1/6 para cada lado.

Igualmente sucede con las balotas de una lotera, con dos diferencias: Los dados pueden repetir
el nmero que sale en la siguiente tirada, en cambio cada balota elegida en una lotera no puede
repetirse porque se retira de la mquina quedando las dems disponibles y la otra diferencia es
que las balotas son cada una un objeto diferente; Pero tanto el dado como la lotera son
fenmenos impredecibles, puramente aleatorios, y son aleatorios porque se producen por un
fenmeno fsico imposible de predecir.
Lo que sucede en la mquina de lotera es lo mismo que sucede al dado al dar botes en la mesa:
Un fenmeno fsico.
Cuando se lanza un dado una vez, la probabilidad de cada lado es 1/6. Al lanzar el mismo dado
por segunda vez, no importa el resultado de la primera vez. A esto se le denomina independencia
estadstica.
Los resultados de las loteras no se ven condicionados por sorteos anteriores ni por balotas que
ya fueron elegidas, por tanto frases como Juguemos el 22 porque no ha salido hace dos meses
no son verdaderas. De hecho, creer que es as se llama falacia del apostador.
Cuando todas las balotas estn en la mquina, todos los nmeros son igualmente probables. Al
ser seleccionado un nmero, es retirado y la mquina volver a seleccionar otro con probabilidad
igual para todos los restantes.
En conclusin: La mquina de lotera genera procesos fsicos, uno tras otro, imposibles de
predecir y los sorteos no dependen de los resultados anteriores.
Cmo jugar a la lotera entonces?
Al azar.
Puedes escoger los nmeros que tengan un significado especial como fechas, edades,
identificaciones, entre otros y jugar siempre los mismos. As sabes qu resultado esperar siempre
y no te preocupas por elegir nmeros que tengan suerte, porque todos tienen siempre la misma
probabilidad.
La Distribucin Uniforme segn la Estadstica
Es la distribucin usada para la creacin de nmeros aleatorios por excelencia y se representa
como
Forma continua
Parmetros
Los parmetros son y son cualquiera del rango
, cumplen con la condicin de ser
. Representan los lmites inferior ( ) y superior ( ) de la distribucin.

Funcin de distribucin (PDF)

La funcin de distribucin de probabilidad uniforme continua tiene como funcin:

Su grfica:

Caso
Funcin de distribucin acumulada (CDF)
La funcin de distribucin acumulada es la integral de la funcin

Su grfica:

Caso
Estadsticos
Media
La media de la distribucin es
Mediana
La mediana refleja la simetra de la distribucin
Moda
La distribucin uniforme no tiene moda, todos los resultados son igualmente probables.
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es
Usos comunes
El uso ms comn de la distribucin uniforme continua es la creacin de nmeros aleatorios de
cualquier tipo. Ya que
para cualquier , esta relacin se puede usar para crear
variables aleatorias de cualquier tipo, igualando el nmero aleatorio resultante de
con la
funcin .

Creacin de nmeros aleatorios

Excel: =(b-a)*aleatorio()+a
R: runif(n,a,b). n es la cantidad de datos en el vector, y son los parmetros.
Forma discreta
Parmetros
Los parmetros y son nmeros enteros del rango
, igualmente cumplen con la
condicin de ser
. Representan los lmites superior e inferior de la distribucin.
Funcin de distribucin (PDF)
La funcin de distribucin de probabilidad uniforme continua tiene como funcin:

Su grfica:

Funcin de distribucin acumulada (CDF)

La funcin de distribucin acumulada es la integral de la funcin

Su grfica:

Estadsticos
Media
La media de la distribucin es
Mediana
La mediana refleja la simetra de la distribucin
Moda
La distribucin uniforme no tiene moda, todos los resultados son igualmente probables.
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es

Usos comunes
El uso ms comn de la distribucin uniforme discreta es la seleccin aleatoria. Escoger un
nmero al azar en un rango.

Cules son las probabilidades de ganar la lotera o quiniela? Distribucin de

Probabilidad Binomial
20/06/2016 juanes8400

Cmo veamos en la entrada Por qu no se puede predecir la lotera o quiniela?, los sorteos de
la lotera son un fenmeno fsico puramente aleatorio donde cada bolita que se recolecta con un
nmero es independiente a la anterior, a la siguiente o a las que hayan salido en sorteos pasados o
vayan a salir en sorteos futuros.

Cules son las probabilidades de ganar la lotera?

El clculo de las probabilidades de la lotera se hace obteniendo la probabilidad de obtener los
nmeros que hallamos elegido.
Se tiene un conjunto con 45 objetos diferentes (balotas del 1 al 45), de los cuales se
escogern seis (sin importar el orden de eleccin). Existen 8145.060 formas de efectuar tal
eleccin:
En un primer momento, hay 45 balotas, cualquiera de las 6 opciones que elegimos sirve. La
probabilidad de obtener una balota es 1/45, pero hay 6 balotas que sirven, es decir, 6/45 de
probabilidad.
A continuacin, la mquina elegir una segunda balota, hay 5 balotas que sirven (ya haba
servido una) de 44 disponibles. Hay una probabilidad de 5/44.
As sucesivamente, hasta que la ltima balota queda por elegir y hay 40 disponibles. 1/40.
Factor: 6/45 . 5/44 . 4/43 . 3/42 . 2/41 . 1/40
Se multiplican estos factores y se obtiene el factor de xito: 1 en 8145.060.
En probabilidad: 0.00001228%.

En matemtica, el clculo de combinaciones es una rama del anlisis discreto. La forma de

expresar fcilmente el clculo realizado se llama coeficiente binomial y se representa como:

Cul es entonces la probabilidad?

La probabilidad de ganar el baloto es proporcional al nmero de boletos comprados. Aqu se

desvirta otra falacia comn entre los jugadores: El que va a ganar, gana con un slo boleto. Si
compro dos boletos, la probabilidad de xito ser 1 en 4072.530, la habr aumentado.
La probabilidad de 1 en 8145.060 pertenece a un slo boleto. Pero la probabilidad que un boleto
cualquiera gane la lotera es, como vimos, # Boletos Comprados/8145.060.
La esperanza matemtica de una variable binomial es
Anlisis del juego

En el Baloto, en Colombia, se han realizado 1963 sorteos, correspondientes a 1582 balotos desde
2001 y 381 revanchas desde 2012.
Han habido, desde 2001, 82 ganadores del premio mayor.
La probabilidad de ganar se calculara como 82/1963, correspondiente a xitos/intentos, que es
igual a # Boletos Comprados/8145.060. Con esa informacin, podemos calcular el nmero de
boletos que han sido comprados, en promedio, en cada sorteo.

Despejando la variable, el nmero de boletos es 340.242 vendidos en promedio por cada sorteo.
Toda variable aleatoria que hable de un nmero de intentos donde se puede fracasar (perder la
lotera) o tener xito (ganarla) es una variable aleatoria binomial.

La distribucin Binomial segn la Estadstica

Es la distribucin que analiza los resultados exitosos en un nmero de intentos determinado, por
ejemplo, el nmero de cestas en lanzamientos de tres puntos en baloncesto, nmero de clientes
satisfechos entre los clientes totales, nmero de llamadas exitosas al ofrecer un producto, entre
otros. Se representa con
Parmetros

El parmetro representa la cantidad de intentos realizados y representa la probabilidad de

xito a priori. La variable aleatoria se encuentra entre 0 (100% de fracasos) y n (100% de xitos).
Funcin de distribucin (PDF)

La distribucin binomial tiene como funcin:

Su grfica para varios parmetros n, p

Variable Binomial(n=30,p=0.1)

Variable
Binomial(n=50,p=0.6)

Estadsticos
Media
La media de la distribucin es
Mediana
Se multiplica np. La mediana es un nmero que se encuentra entre el redondeo hacia abajo y el
redondeo hacia arriba de ste.
Moda
El entero inmediatamente ms pequeo que (n+1)p
Varianza
La varianza de la distribucin es
Simetra
La simetra indica hacia qu lado estn la mayora de los datos. En este caso, es
.
Mientras p sea ms cercano a 0.5, el coeficiente se acerca a 0, y la distribucin se acerca a ser
simtrica.

Curtosis
La curtosis indica qu tan aplanada es la forma de la distribucin. Es
Usos comunes
El uso ms comn es el anlisis de fenmenos que cuentan los xitos en un conjunto de fracasos.

Funcin acumulada de probabilidad

18/03/2016 juanes8400
Ya conocamos el concepto de funcin de densidad de probabilidad (pdf), que nos habla sobre la
probabilidad de un valor especfico dado y se simboliza como
, la funcin acumulada de
probabilidad representa la probabilidad que han acumulado los datos hasta el punto actual, es
decir, representa
y se representa como
.
Con la funcin
es posible representar el crecimiento de la probabilidad y observar, por
ejemplo, en cuales rangos de valores la probabilidad se incrementa ms o cuando se alcanza el
mximo (probabilidad igual a 1).
Es posible proveer informacin de una distribucin o unos datos bien sea con la funcin
con la funcin
, de forma distinta ambas proveen toda la informacin necesaria para
determinar la forma de los datos.
Su clculo se hace mediante sumatorias o integrales, segn el caso:
Para el caso continuo:

Para el caso discreto o emprico:

Mediante la funcin acumulada de probabilidad es posible calcular los percentiles, mediante

cualquiera de las formulaciones.

Estas funciones buscan el tal que

sea igual al dado.

Finalmente, vamos a analizar las condiciones que debe cumplir una funcin CDF:
1. Creciente, pues suma resultados no-negativos de las
2. Positivo
3. Se debe cumplir que
en 1, que es el mximo.

4.

y que

, es decir, comienza en 0 y se acumula

Funcin de densidad de probabilidad

5. 07/03/2016 juanes8400
6. La funcin de densidad de probabilidad es la funcin que describe la probabilidad que
tiene una variable aleatoria para tomar cierto valor.
7.
8. Esta funcin es equiparable a un histograma, y de ella se derivan muchos otros conceptos
en el anlisis de teora de la probabilidad.
9. Matemticamente se define como una funcin cuyo dominio es igual al dominio de la
variable aleatoria.
10. Existen tres formas de representar esta funcin
1. Funciones de densidad discretas: La funcin se determina para nmeros enteros
dentro de un intervalo (que puede ir hasta infinito).

11. 2. Funciones de densidad continuas: La funcin se determina para todos los nmeros de
un intervalo (que puede o no ir hasta infinito)

12. 3. Funciones de densidad empricas: Son funciones que se determinan dato a dato para
cada punto del intervalo, normalmente son discretas pero pueden ser continuas. Es el caso
ms comn en encuestas o ejercicios.

13. Como se puede observar en las grficas, cada una de estas funciones, sea continua,
discreta o emprica cumple con las siguientes condiciones:
14.
Condicin de no-negatividad: Todos los valores representan probabilidades. Por tanto, no
pueden ser negativos.

15.
Para los tres casos, continuo, discreto y emprico, la suma (o integral) de todo su dominio
es 1. La idea es que todas las posibilidades sumen 1, que en trminos de probabilidad
equivale al todo.
16. Una relacin con otra funcin conocida en probabilidad es:

17. El nombre que recibe es funcin acumulada de distribucin y lo que hace es acumular
hasta el punto que se indique. En prximas entradas analizaremos esta funcin.