Distribuciones de Probabilidad Continua PDF

Algunas Distribuciones de Probabilidad Continuas
Prof. Heber Sarmiento B

Generalidades

Dist Normal
Distribuci on Normal
funci on de densidad Valor Esperado E(X) Varianza V(x)
Distribuci on t de student
Distribuciones Continuas
La noci on de variable continua habita en muchos de los campos de la matem atica, para el caso especico de la Estad stica, dicha noci on se asocia con la de variable aleatoria continua.
Generalidades Distribuci on Normal

La noci on de variable continua habita en muchos de los campos de la matem atica, para el caso especico de la Estad stica, dicha noci on se asocia con la de variable aleatoria continua. Muchos problemas adquieren un caracter matem atico m as sencillo si se supone para ellos un recorrido ideal, en el cual, todos los n umeros reales pueden ser considerados como resultados posibles.

La noci on de variable continua habita en muchos de los campos de la matem atica, para el caso especico de la Estad stica, dicha noci on se asocia con la de variable aleatoria continua. Muchos problemas adquieren un caracter matem atico m as sencillo si se supone para ellos un recorrido ideal, en el cual, todos los n umeros reales pueden ser considerados como resultados posibles. Las variables aleatorias que se consideran a continuaci on, tienen aplicaciones importantes en la mayor parte de la teor a estad stica y hacen parte de las llamadas variables aleatorias continuas.

Funci on de Dendisidad de Probabilidad Normal

La variable aleatoria X que toma todos los valores reales en el intervalo (, ) tiene una dostribuci on normal o gaussiana si su fdp esta dada por


1 x 2 1 fx (x ) = e 2 ( ) 2


1 x 2 1 fx (x ) = e 2 ( ) 2

con < <

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y < <

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y < < que se conocen como los par ametros de la distribuci on.

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y < < que se conocen como los par ametros de la distribuci on. S una variable aleatoria X tiene una distribuci on de probabilidad normal con par ametros y ,

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y < < que se conocen como los par ametros de la distribuci on. S una variable aleatoria X tiene una distribuci on de probabilidad normal con par ametros y , este hecho se notar a escribiendo

1 x 2 1 fx (x ) = e 2 ( ) 2

con < < y < < que se conocen como los par ametros de la distribuci on. S una variable aleatoria X tiene una distribuci on de probabilidad normal con par ametros y , este hecho se notar a escribiendo X N (, )
...
Se debe probar que

...
Se debe probar que 1 2
Generalidades Distribuci on Normal x 1 2( ) 2

dx = 1
...

dx = 1
para garantizar que en efecto fx (x ) es una fdp.
...

dx = 1
para garantizar que en efecto fx (x ) es una fdp. Si hacemos
...

dx = 1
para garantizar que en efecto fx (x ) es una fdp. Si hacemos t= x
...

dx = 1
para garantizar que en efecto fx (x ) es una fdp. Si hacemos t= se tiene que dt = dx x
...
y haciendo las sustituciones correspondientes se obtine

...
y haciendo las sustituciones correspondientes se obtine 1 ft (t ) = 2

t2 1 2
dt
...

t2 1 2
dt
llamando a ft (t ) = I hacemos que
...

t2 1 2
dt
llamando a ft (t ) = I hacemos que I2 = 1 2

e 2 t dt
1 2
e 2 s ds
1 2
...

t2 1 2
dt

e 2 t dt
1 2
e 2 s ds
1 2
para que nalmente se tenga
...

t2 1 2
dt

e 2 t dt
1 2
e 2 s ds
1 2
para que nalmente se tenga I2 = 1 2

e 2 (t
2 +s 2 )
dsdt
...

t2 1 2
dt

e 2 t dt
1 2
e 2 s ds
1 2
para que nalmente se tenga I2 = 1 2

e 2 (t
2 +s 2 )
dsdt
...
Con el uso de las coordenadas polares tenemos que

...
Con el uso de las coordenadas polares tenemos que s = r cos t = r sin

...
Con el uso de las coordenadas polares tenemos que s = r cos con lo que se tiene que t = r sin

...
Con el uso de las coordenadas polares tenemos que s = r cos con lo que se tiene que I2 = 1 2
2 0 0
t = r sin
re 2 r drd
1 2
...
Con el uso de las coordenadas polares tenemos que s = r cos con lo que se tiene que I2 = que evaluando 1 2
2 0 0
t = r sin
re 2 r drd
1 2
...
Con el uso de las coordenadas polares tenemos que s = r cos con lo que se tiene que I2 = que evaluando 1 I = 2
2 2
t = r sin
1 2
2 0 0
re 2 r drd
1 2
e
0
1 r2 2
d
0
...
de lo anterior se obtiene nalmente que

...
de lo anterior se obtiene nalmente que 1 I = 2
2 2 0

Generalidades
1 = d = 2
2 0
...
2 2 0

Generalidades
1 = d = 2
2 0
que al efectuar los calculos correspondientes se tiene que es
...
2 2 0

Generalidades
1 = d = 2
2 0
que al efectuar los calculos correspondientes se tiene que es 1
...
2 2 0

Generalidades
1 = d = 2
2 0
que al efectuar los calculos correspondientes se tiene que es 1 lo que demuestra que en efecto
...
2 2 0

Generalidades
1 = d = 2
2 0
1 x 2 1 fx (x ) = e 2 ( ) 2
...
2 2 0

Generalidades
1 = d = 2
2 0
1 x 2 1 fx (x ) = e 2 ( ) 2
es una funci on de densidad de probabilidad
...
2 2 0

Generalidades
1 = d = 2
2 0
1 x 2 1 fx (x ) = e 2 ( ) 2
es una funci on de densidad de probabilidad
Valor Esperado E(X)

Generalidades
Como se sabe, el valor esperado de una variable aleatoria continua esta dado por la expresi on
Valor Esperado E(X)

Generalidades
E (X ) =
Xfx (X )dX
Valor Esperado E(X)

Generalidades
E (X ) =
Xfx (X )dX
en el que fx (X ) corresponde a la funci on de densidad de probabilidad fdp de la distribuci on correspondiente.
Valor Esperado E(X)

Generalidades
E (X ) =
Xfx (X )dX
en el que fx (X ) corresponde a la funci on de densidad de probabilidad fdp de la distribuci on correspondiente. Es importante recordar que el valor esperado de una variable aleatoria X corresponde al valor que cuenta con la mayor probabilidad de ocurrir.
...

Para el caso particular de la Distribuci on Normal el valor esperado est a dada por 1 E (X ) = 2

xe 2 (
x 2
) dx
Calculando la anterior integral se tendr a los siguiente
...

Generalidades
Haciendo
...

Generalidades
Haciendo z=
...

Generalidades
Haciendo
x se tendr a que dx = dz y x = z + que sustituyendo en z=
...

Generalidades
Haciendo
x se tendr a que dx = dz y x = z + que sustituyendo en z= 1 E (X ) = 2

xe 2 (
x 2
) dx
...

Generalidades
Haciendo
x se tendr a que dx = dz y x = z + que sustituyendo en z= 1 E (X ) = 2

xe 2 (
x 2
) dx
nos permite obtener nalmente 1 E (X ) = 2

(z + )e 2 z dz
1 2
...
Desarrollando el algebra implicada se tiene que

...
Desarrollando el algebra implicada se tiene que 1 E (x ) = 2 La integral
1 z2 2

ze
1 dz + 2
1 z2 2
dz
...
Desarrollando el algebra implicada se tiene que 1 E (x ) = 2 La integral 1 2
1 z2 2

ze
1 dz + 2 ze 2 z dz
1 2
1 z2 2
dz
...
1 z2 2

ze
1 dz + 2 ze 2 z dz
1 2
1 z2 2
dz
tiene un valor de cero, entanto que la integral
...
1 z2 2

ze
1 dz + 2 ze 2 z dz
1 2
1 z2 2
dz
tiene un valor de cero, entanto que la integral 1 2

e 2 z dz = 1
1 2
...
1 z2 2

ze
1 dz + 2 ze 2 z dz
1 2
1 z2 2
dz
tiene un valor de cero, entanto que la integral 1 2

e 2 z dz = 1
1 2
...

para obtener nalmente que
...

para obtener nalmente que E (x ) = 0 + 1
...

para obtener nalmente que E (x ) = 0 + 1 y encontrar que
...

para obtener nalmente que E (x ) = 0 + 1 y encontrar que E (x ) =
...

para obtener nalmente que E (x ) = 0 + 1 y encontrar que E (x ) = que corresponde al valor que usualmente llamamos el esperado de la Distribuci on Normal y respecto al cual la distribuci on es sim etrica.
Varianza V(x)
La varianza es la medida que nos indica el grado de dispersi on de los datos

Varianza V(x)
La varianza es la medida que nos indica el grado de dispersi on de los datos Seg un se denio, la varianza de una distribuci on est a dada por la integral

Varianza V(x)

V (x ) =
(x )2 fx (x )
Varianza V(x)

V (x ) =
(x )2 fx (x )
lo que puede ser transformado en la expresi on
Varianza V(x)

V (x ) =
(x )2 fx (x )
lo que puede ser transformado en la expresi on v (x ) = E (x 2 ) E 2 (x )
Varianza V(x)

V (x ) =
(x )2 fx (x )
lo que puede ser transformado en la expresi on v (x ) = E (x 2 ) E 2 (x ) m as sencilla
Varianza V(x)

V (x ) =
(x )2 fx (x )
lo que puede ser transformado en la expresi on v (x ) = E (x 2 ) E 2 (x ) m as sencilla Se sabe que E (x ) = y consecuentemente se tiene que
Varianza V(x)

V (x ) =
(x )2 fx (x )
lo que puede ser transformado en la expresi on v (x ) = E (x 2 ) E 2 (x ) m as sencilla Se sabe que E (x ) = y consecuentemente se tiene que E 2 ( x ) = 2
Calculando E (x 2 )
Teniendo en cuenta que anteriormente se encontr o que

Calculando E (x 2 )
Teniendo en cuenta que anteriormente se encontr o que x = z +

Calculando E (x 2 )
Teniendo en cuenta que anteriormente se encontr o que x = z + remplazando tenemos que

Calculando E (x 2 )
Teniendo en cuenta que anteriormente se encontr o que x = z + remplazando tenemos que 1 E (X 2 ) = 2


(z + )2 e 2 z dz
1 2
Calculando E (x 2 )


(z + )2 e 2 z dz
1 2
que desarrollando se expresa como
Calculando E (x 2 )


(z + )2 e 2 z dz
1 2
que desarrollando se expresa como

1 E (X 2 ) = 2
1 2 1 z 2 2 e 2 z dz + 2 2
1 2 2 ze 2 z dz + 2
e 2 z dz
1 2
...
En relaci on con la u ltima expresi on se tiene que

...
En relaci on con la u ltima expresi on se tiene que 1 2 2


ze 2 z dz = 0
1 2
...
En relaci on con la u ltima expresi on se tiene que 1 2 2 y


ze 2 z dz = 0
1 2
...
En relaci on con la u ltima expresi on se tiene que 1 2 2 y 2 2


ze 2 z dz = 0
1 2
e 2 z dz = 1
1 2
...


ze 2 z dz = 0
1 2
e 2 z dz = 1
1 2
por tanto s olo se debe calcular la integral
...


ze 2 z dz = 0
1 2
e 2 z dz = 1
1 2
por tanto s olo se debe calcular la integral 1 2

z 2 2 e 2 z dz
1 2
...


ze 2 z dz = 0
1 2
e 2 z dz = 1
1 2

z 2 2 e 2 z dz
1 2
lo que se hace empleando el m etodo de partes para obtener nalmente que
...


ze 2 z dz = 0
1 2
e 2 z dz = 1
1 2

z 2 2 e 2 z dz
1 2
lo que se hace empleando el m etodo de partes para obtener nalmente que 1 2

z 2 2 e 2 z dz = 2 + 2
1 2
...

Generalidades
teniendo en cuenta que
...

Generalidades
teniendo en cuenta que V (X ) = E (x 2 ) E 2 (X )
...

Generalidades
teniendo en cuenta que V (X ) = E (x 2 ) E 2 (X ) se tiene que
...

Generalidades
teniendo en cuenta que V (X ) = E (x 2 ) E 2 (X ) se tiene que V (X ) = ( 2 + 2 ) 2
...

Generalidades
teniendo en cuenta que V (X ) = E (x 2 ) E 2 (X ) se tiene que V (X ) = ( 2 + 2 ) 2 para tener nalmente que V (X ) = 2

Distribuciones de Probabilidad Continua PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Distribuciones de Probabilidad Continua PDF

Transféré par

Droits d'auteur :

Formats disponibles

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Algunas Distribuciones de Probabilidad Continuas

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Generalidades Distribuci on Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Generalidades Distribuci on Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Generalidades Distribuci on Normal

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

con < <

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

con < < y

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

con < < y < <

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Funci on de Dendisidad de Probabilidad Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Se debe probar que

Generalidades Distribuci on Normal

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Se debe probar que 1 2

Generalidades Distribuci on Normal x 1 2( ) 2

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Se debe probar que 1 2

Generalidades Distribuci on Normal x 1 2( ) 2

para garantizar que en efecto fx (x ) es una fdp.

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Se debe probar que 1 2

Generalidades Distribuci on Normal x 1 2( ) 2

para garantizar que en efecto fx (x ) es una fdp. Si hacemos

Algunas Distribuciones de Probabilidad Continuas

Prof. Heber Sarmiento B

Se debe probar que 1 2