Professional Documents
Culture Documents
Ejemplos
Diremos que una variable aleatoria X continua tiene una distribución absolutamente
continia si existe una función real f, positiva e integrable en el conjunto de números reales,
tal que la distribución de la función de la distribución F de X se puede expresar como:
𝑥
𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡
−∞
Una variable aleatoria con distribución absolutamente continua, por extensión, se clasifica
como variable aleatoria absolutamente continua.
“Por ejemplo, podemos preguntar cual es la probabilidad de que algún tipo de interés (tal
como el LIBOR a seis meses) sea del 5% o menos dentro de un año a partir de hoy. “
Ejemplo
e x / 1000
f ( x) Para x>0
1000
SOLUCION:
a)
p(x>3000)= 1- p (0<x<3000)
e x / 1000 1000e x / 1000
3000 3000
3000
p (0 x 3000) dx e x / 1000
0 1000 1000 0 0
1
e 3000 / 1000 (e 0 / 1000 ) e 3 e 0 e 3 1 1 0.9502
e 3
b)
e
x / 1000 2000 / 1000
e (e ( 1000/ 1000) )
1000
2 1 1 1
e e 0.232544 23.25%
e 2 e1
c)
0.6321 63.21%
d)
e x / 1000
w
w
p (0 x w) e x / 1000
0 1000 0
Supóngale que X es una variable aleatoria continua con función de densidad de probabilidad
f(x), - < x < .
V ( X ) 2 x ( x x) 2 f ( x)dx
x v(x)
Ejemplo
Con la siguiente función f(x) =0.125x para 0<x<4, calcular la media, la varianza y la
desviación estándar.
Valor esperado:
4 4 4
E ( X ) X x(0.125 x)dx 0.125 x 2 dx 0.125 x 2 dx
0 0 0
3 4 3 3
0.125 x 0.125(4) 0.125(0) 8
3
0
3
3
2.666
3
Varianza:
4 16 X 64 1
V ( x) 2 ( X ) 2 0.125 x dx X 2
4 8
dx
0 3 0
3 9 8
4 X 16 x 64 x 4 X 2 x 2 8x x4 2 x 3 8x 3
3 2 3 4
0 8 24 72 0 8 3 9 8 * 4 3 * 3 9 * 2 0
dx dx
Desviación estándar:
8
x 0.9428
9
f x
1
, a X b
b a
Tiene una distribución uniforme continua.
f(x)
1/b-a
ab
b
0.5 x 2
E x
b x
a ba
dx
ba a
2
La varianza de X es:
( a b) 2 ( a b)
3
(x ) (x )b
b (b a) 2
v( x)
3(b a ) a
2 dx 2
a ba 12
Ejemplo
Suponga que X tiene una distribución uniforme continua en el intervalo [1.5, 5.5].
1 1 1
f ( x) 0.25
b a 5.5 1.5 4
.30
.20
.10
1 2 3 4 5 6
a)
5.5 1.5 7
x 3.5
2 2
(5.5 1.5) 2 4
2x 1.33
12 3
4
x 1.1547
3
2.5
2.5 1 x 2.5 1.5
b) P( X 2.5) dx 0.25 25%
1.5 4 4 1.5 4 4
Ejemplo 2
-1 1
1 1 1
f ( x) 0.5
b a 1 (1) 2
11
x 0
2
(1 (1)) 2 4 2
a) 2 x 0.333
12 12 6
2
x 0.577
6
r r
0.05 0.5 0.45
2 2
r 0.45(2) 0.90
x 1
p ( x X x) dx 0.90
x 2
x x
x
x
dx 0.90
2 x 2 2
x 0.90
e x
f ( x; ) x 0 de otra manera donde >0
0
1 1
ç 2 2
2
Ejemplo
25e 25 x
0.1 0.1
0.1 0.1
25e 25 x dx 25 e 25 x dx e e
25 x 25( 0.1)
(e 25( 0) )
0 0 25 0 0
2.5
P(x0.1)= e 1 0.9179
p( x 0.1) 1 P( x 0.1) 1 0.9173 0.08208 2.8%
(𝜆𝑥)𝑘−1
𝐹(𝑥) = 𝜆ⅇ −𝜆𝑥 (𝑘−1)!
Para X, 𝜆 ≥ 0
𝑡 −𝑘
La función generadora de momentos responde a la expresión: (1 − 𝜆)
( x )2
1
fx( x, , ) c 2 2
x
2
1.- Es simétrica.
3.- Es asintótica.
Ejemplo
a)
b)
P 1 Z 2
P 0.34134 0.47725 0.81859
0.81859 *100% 81.85
c)
P(0.16 Z 1.06
d)
P1.03 Z 2.33
P 0.49010 0.34849
e)
f)
P z Z z 0.99
0.99
P 0.4950 0.5 2.58
2
z 2.58
g)
Pz 1.73ó1.73 z
1 0.045818 0.04182 2
0.08364 ó 8.36%
h)
P 2.75 Z ó 3.66 Z
1 0.99702 0.00278
1 0.99987 0.00073
0.00278 0.00073 0.00311
0.00311 ó 0.31%
Donde:
1
(𝑥 ± 2) − 𝜇
𝑧=
𝜎
1
p( X k ) 1
k2
Ejemplo
La integración directa muestra que = ½ y 2= 1/44, de manera que = 0.15 por tanto, la
probabilidad de que X tome un valor contenido en dos desviaciones estándar de la media
es la probabilidad de que tome un valor entre 0.20 y 0.80, es decir,
0.80
p(0.20 X 0.80) 630 x 4 (1 x) 4 dx 0.96
0.20