Distribuciones de

Probabilidad
Continuas
Distribucin de Probabilidad
Una distribucin o densidad de probabilidad de
una variable aleatoria x es la funcin de
distribucin de la probabilidad de dicha variable.
P(x x
1
) P(x< x
1
) + P(x= x
1
)
como la distribucin es continua
P(x= x
1
) 0,
Entonces P(x x
1
) P(x< x
1
)
Hay muchas distribuciones de probabilidad
continuas, pero hay ciertas distribuciones
modelo:
Normal
chi-cuadrado
"t" de Student,
F de Fisher
-1 0 +1
X
1
Distribucin Normal
Descubierta en 1733 por el francs de
Moivre, descrita tambin por Laplace y
Gauss. Tiene forma de campana.
Importancia prctica de esta distribucin
terica:
Muchos fenmenos naturales presentan
distribucin Normal.
Mediciones rplicas
Distribucin de medias.
Distribucin de errores.
Caractersticas Distribucin Normal
El centro de la curva est representado por la media
poblacional ().
Es simtrica con respecto a su media;
La moda y la mediana coinciden con la media.
Tiene dos colas y es asinttica al eje x de menos infinito a
ms infinito;
El valor del rea debajo de toda la curva es igual a 1;
La funcin de densidad normal de probabilidad
se expresa como:
2 2
( ) / 2
1
( )
2
x
f x e
o
to

=

o
=
=
Promedio
Desviacin estndar

o
x
- < x <
.
Para definir la distribucin tengo que conocer y o
Area bajo la curva de la Distribucin normal
Distribucin Normal estandarizada
Distribucin normal estndar o estandarizada o normalizada
es la distribucin de otra variable normal llamada Z:
Z se la conoce como variable aleatoria estandarizada.
Esta funcin se caracteriza por tener media igual a cero y
desviacin tipificada igual a uno : N(0,1)
Todas las distribuciones Normales pueden estandarizarse.
Valores obtenidos de tabla Normal vlidos para todas las
distribuciones Normal de media = y varianza =o
2
.
Z =
x -
o
Distribucin normal estandarizada
Densidad de Probabilidad
N (0,1) y N( ,o
2
)
Tabla Distribucin Z
=DISTR.NORM.ESTAND(Z)
Uso Tabla Normal Estndar
Obtenga la probabilidad de que Z obtenga los
siguientes valores:
a) P (Z 1.17)
b) P(0 Z 1.17) = P(Z 1.17) - P(Z 0)
Uso Tabla Normal Estndar
P(Z 1.17)=
P(Z -1.17)=
Ejemplos de la distribucin normal
Ej.2:Sea X una V.A. normal de media = 2,38 y
= 0,25. Determine
a)P(x 2)
b)P(1,80x 2,68)
c) P(x >2,95)
Ej.3:
a) Halle el nmero real r tal que P(Z r) =0,10
b) Halle el nmero real t tal que P(Z t) =0,95
c) Halle el nmero real v tal que P(Z > v) =0,25
d) Halle el nmero real p tal que P(Z p) =0,90
En la prctica puede considerarse que la distribucin es buena si
n*p y n*q > 5
En la prctica si >25
En la prctica si n*p y n*q > 5
En la prctica la aproximacin es
buena cuando n 20 y p < 0,1
Muy buena cuando n 100 y p < 0,05
Ejemplo
Una compaa fabrica focos que tienen un
periodo de vida til que est distribuido en
forma aproximadamente normal, con
media igual a 800 horas y desviacin
estndar 40 horas.
Encuentre la probabilidad de que una
muestra aleatoria de 16 focos tenga una
vida promedio de menos de 775 horas.
Distribucin t de Student
Definiendo el estadstico t
n s/
- x
= t

Como calculo Z si desconozco
la variancia poblacional?
Distribucin t de Student
Desarrollada por William Gosset, Student,
quien la public como:
The probable error of a mean Biometrika
1908
Distribucin muestreal de la media cuando
no se conoce o y el n es pequeo. Se ajusta
muy bien a la distribucin Normal cuando n
es grande, aun cuando o sea desconocida, ya
que en este caso es razonable sustituirla por
s.
En el caso de usar valores de n < 30, o sea
en el caso de pequeas muestras, debe
usarse la t.
t STUDENT
Frmulas
2
1
2
1
1
*
*
2
2
1
) (
+
(

+
|
.
|

\
|
I
|
.
|

\
| +
I
=
k
v
x v
v
v
x f
densidad Funcin
t
2
1
2
1
1
*
*
2
2
1
) (
+
(

+
|
.
|

\
|
I
|
.
|

\
| +
I
=
k
v
x v
v
v
x f
densidad Funcin
t
}
=
(

+
|
.
|

\
|
I
|
.
|

\
| +
I
=
+
Tabulada dx x f x F
v
x
v
v
v
x f
densidad Funcin
k
) ( ) (
1
1
*
*
2
2
1
) (
2
1
2
t
Forma de la curva de esta distribucin segn v.
- < x <
Caractersticas Distribucin t
Tiene media igual 0, es asinttica al eje x y su
dominio va de - a +;
Es similar a la normal pero ms ensanchada cuanto
menor son los grados de libertad.
El rea bajo la curva desde - a + es igual a 1
= 0, o
2
depende parmetro v (grados libertad)
Al aumentar n, la distribucin t se aproxima a la
Normal; n > 30 ms, excelente aproximacin
E (t)=0 y Var (t)= v /(v -2) Para v >2
v = grados de libertad
Entre las aplicaciones:
Estimacin de intervalos de confianza para medias
a partir de muestras pequeas
Pruebas de hiptesis basadas en muestras < 30.
Tabla de Distribucin t
Valores de t(
1-o
) a la
derecha de los cuales se
encuentra el (100 - o)%
rea de la curva
t(
1-o
) = t(
o
) Propiedad de
reciprocidad de los
percentiles.
Ejemplos
La grfica muestra una distribucin t de
Student con 9 grados de libertad. Halle el
valor de t para el cual:
El rea sombreada a la derecha sea 0,05.
El rea total sombreada sea 0,05
El rea sombreada a la izquierda sea 0,01.
El rea total no sombreada sea 0,99
Distribucin Chi-cuadrado
La variable aleatoria que resulta de sumar los
cuadrados de n variables aleatorias
independientes normales reducidas, posee
una distribucin Chi- cuadrado con n grados
de libertad.
Si X
i
N(, ) por lo que Z N(0,1) i=1, 2n
Z
i
2
= (x
i-
)
2
posee una distribucin chi

2
cuadrado con n grados de libertad.
CHI CUADRADO
tabulada Est
dx x f x F
e x
v
x f
densidad Funcin
x v
v
}
=
|
.
|

\
|
I
=

) ( ) (
* *
2 *
2
1
) (
2
1
2
2
La funcin de densidad de probabilidad estar dada por:
Para f>0
=0 en cualquier otro caso
Caractersticas Chi-cuadrado
Asimtrica y asinttica al eje x por la derecha;
Su dominio va de 0 a +
Area bajo la curva desde 0 a + =1
Al aumentar n se aproxima a la normal
Representa distribucin muestreal de varianza.
E (chi)= v Var= 2 v v = grados de libertad
Entre las aplicaciones:
Determinacin intervalos confianza para varianzas
Pruebas de hiptesis para una varianza
Distribucin Chi-cuadrado y el
proceso de medicin
Definimos el estadstico chi-cuadrado (_2)
como:
2
2
2
=
(n-1)
s
_
o
La variancia de la distribucin normal asociada
al proceso de medicin nos va permitir estimar la
Precisin de una proceso de medicin.
Distribucin Chi-cuadrado
Tabla Distribucin _
2
Valores _
2
para varios
v,
Area a su derecha =
(1-o).
1 columna = v
Cuerpo tabla son los
valores de _
2
EJEMPLO
La grfica muestra una distribucin 2 con 5 grados de
libertad. Halle el valor de 2 para el cual:
a) El rea sombreada a la derecha sea 0,05.
b) El rea total sombreada sea 0,05
c) El rea sombreada a la izquierda sea 0,10.
Distribucin "F de Fisher
Tambin llamada "F de Fisher - Schnedecor
Representa la distribucin muestreal de la razn de dos
varianzas. Es decir que se obtiene de la razn de dos
distribuciones Chi-cuadrado.
Definimos el estadstico F como:
El cual es el valor de una variable aleatoria que tiene
distribucin F con parmetros
1
=n
1
-1 y
2
=n
2
-1.
F =
s
s
1
2
2
2
F DE FISHER
Frmulas
La funcin acumulada est tabulada.
0
1 * *
2
*
2
* *
2
) (
2
2
1 2 1
1
2
2
2
1 2 1
2 1
1
1
>
(

+ |
.
|

\
|
I |
.
|

\
|
I
|
|
.
|

\
|
|
.
|

\
| +
I
=
+

x
x
v
v v v
x
v
v v v
x f
densidad Funcin
v v
v
v
Forma de la curva de esta
distribucin segn v
1
y v
2
Propiedades de Distribucin F
Asimtrica, y asinttica al eje x por el lado derecho
Su dominio va de 0 a +
Area bajo curva desde 0 a + =1
Tiene parmetros v
1
=n
1
-1 y v
2
=n
2
-1.
Entre sus aplicaciones:
Pruebas de hiptesis entre 2 varianzas
Anlisis de varianza
Anlisis de covarianza.
Tabla de Distribucin F
Tablas independientes de
valores de F para
diferentes o para varias
combinaciones de v
1
y v
2
.
Se elige la tabla para la
probabilidad deseada y se
elige v
1
en la fila superior y
v
2
en la 1 columna.
Propiedad de Reciprocidad
de Percentiles
Fo, v
1,
v
2 =
1
F(1-o), v
2,
v
1,
Ejemplos
1. Determine el valor de F 0,95 con 4 y 7 grados de
libertad.
2. Determine el valor de F 0,05 con 4 y 7 grados de
libertad.
3. En un proceso hay dos mquinas cortadoras
diferentes en antigedad lo que hace pensar que
las varianzas de corte no son iguales. Se toma una
muestra de 16 partes de cada mquina, cul es la
probabilidad de que la razn de varianzas sea:
a. Mayor a 2,86?