Trabajo Metodo Probabilistico 1

ndice
Introduccin.................................................................................................................................. 1
Objetivos...................................................................................................................................... 2
Objetivo General....................................................................................................................... 2
Objetivos Especficos................................................................................................................2
Distribuciones de Probabilidad para una Variable Continua.........................................................3
1.0
Distribuciones de Probabilidad para una Variable Continua...........................................3
1.1
Clculo De Probabilidades A Partir De La Funcin De Densidad...................................4
1.2
Funcin De Distribucin.................................................................................................4
A.
La Distribucin Normal...............................................................................................4
B.
Distribucin normal estndar......................................................................................8
C.
La Distribucin Exponencial......................................................................................10
D.
Distribucin Uniforme...............................................................................................16
E.
Distribucin Log-Normal...............................................................................................20
Conclusin.................................................................................................................................. 23
Cuestionario............................................................................................................................... 24
Mtodos Probabilsticos
Introduccin
En el presente trabajo estudiaremos las distribuciones de probabilidad para una variable

continua, tenemos como fin profundizar y estudiar las siguientes distribuciones, tales son:
Distribucin Normal.
Distribucin Exponencial.
Distribucin Uniforme.
Distribucin Log-Normal.
Como parte del contenido esta, la ecuacin funcin de la distribucin de cada una de las antes
mencionadas, sus caractersticas y algunos ejemplos para aclarar cada uno de sus propiedades
y formulas.
Definiendo sobre Variables aleatorias continas Variable que toma un valor infinito de valores no
numerables. Variable aleatoria que puede tomar cualquier valor dentro de un intervalo dado de
valores.
En este caso, en lugar de trabajar con la probabilidad de valores particulares de la variable,
resulta ms apropiado calcular probabilidades asociadas a intervalos. Para distribuir
propiedades se usa una funcin que mide "concentracin" de probabilidades alrededor de un
punto, que se denomina funcin de densidad de probabilidad (fdp) y se denota como f(x).
Objetivos
Objetivo General
Identificar los tipos de distribuciones de probabilidades aplicados a una variable continua,

mediante sus conceptualizaciones, ejemplos y grficos.
Objetivos Especficos
Conocer la Distribucin Normal mediante su definicin, condiciones y caractersticas.

Definir la Distribucin Exponencial mediante ejemplos y grficos.
Conocer el concepto de la Distribucin Uniforme y sus aplicaciones.
Definir el concepto de la Distribucin Log-Normal, sus grficos
Distribuciones de Probabilidad para una Variable Continua
1.0 Distribuciones de Probabilidad para una Variable Continua
Las distribuciones de probabilidad de variable continua son idealizaciones de las distribuciones

estadsticas de variable continua. Esta se obtiene empricamente (experimentando u
observando). Aquellas son distribuciones tericas.
Las distribuciones de probabilidad de variable continua se definen por medio de una funcin
y=f ( x)
que se llama Funcin De Probabilidad O Funcin De Densidad. Ha de ser
f ( x ) 0 para todo X.
Las probabilidades vienen dadas por el rea bajo la curva. Por tanto, el rea encerrada bajo la
totalidad de la curva es 1. Es decir, tomamos como unidad el rea bajo la curva completa.
Para que
f ( x)
se la funcin de densidad o de probabilidad de una variable aleatoria es
necesario que:
f ( x ) no sea negativa para toda x
el area bajola curva y=f ( x ) sea igual a1
Para hallar la probabilidad

intervalo
P [ a x b ] , obtendremos el rea que hay bajo la curva en el
[ a , b] .
Las probabilidades de sucesos puntuales son cero:
P [ x=a ] =0 .
Por tanto:
P [ a x b ]=P [ a< x <b ]
1.1 Clculo De Probabilidades A Partir De La Funcin De Densidad
Para calcular probabilidades en distribuciones de probabilidad de variable continua, hay que

hallar las reas bajo la curva que representa la funcin de densidad y = f(x). Si las
distribuciones
son
uniformes
(rectngulos
f(x)
P [ a x b ]= ( ba ) . K
k)
K=altura delrectangulo
1.2 Funcin De Distribucin

Se llama funcin de distribucin de una variable aleatoria, t, a la funcin F(x) que describe los
valores que toma la probabilidad acumulada hasta la abscisa x:
funcin continua creciente que cumple que
F ( x )=P [ t x ] . Es una
lim F ( x )=0 y lim F ( x )=1

x
[ a , b ] , entonces F ( x )
Si la funcin de densidad slo toma valores no nulos en el intervalo
0 para x a y F ( x )=1 para x b .
A. La Distribucin Normal
La campana de Gauss o curva normal es una funcin de probabilidad continua, Simtrica, cuyo
mximo coincide pues con la media
Para cada valor de
(media) y cada valor de
(desviacin tpica) hay una curva normal, que se denomina N (
Si se cumples la siguiente condiciones:

1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de
Gauss:
1
f ( x )=
e
2
1 x
2
( )
Una distribucin normal se caracteriza por:

1) Los valores de las mediciones tienden a agruparse alrededor de un punto central, la
media.
2) La representacin de los datos es simtrica a ambos lados de la media.
3) Las desviaciones estndares quedan situadas a igual distancia unas de otras.
4) La proporcin de mediciones situada entre la media y las desviaciones es una constante
en la que:
La media 1 * desviacin estndar = cubre el 68,3% de los casos
Podemos analizar el comportamiento de los procesos grficos y determinar su efectividad

tomando como base su grado de aproximacin a la curva de distribucin normal a partir de los
datos generados y la creacin de histogramas que permitan la comparacin con curva de
distribucin normal.
Posibilidades:
La curva de distribucin normal del proceso coincide o est dentro de los lmites
establecidos por la industria
(Bien en las normas de calidad desarrolladas o bien en las recomendaciones establecidas por
las asociaciones). En este caso el proceso opera con eficacia y se pueden realizar trabajos de
alta exigencia con respecto a la variable controlada.
La curva de distribucin supera los lmites establecidos por la industria.
En este caso puede que estn operando causas asignables de variacin o que existen
limitaciones debidas a los recursos y equipos empleados por lo que no es posible realizar
trabajos exigentes con respecto a la variable controlada hasta que no se hayan eliminado las
causas especiales de variacin o no se dispongan de los recursos y equipos adecuados.
El histograma generado no muestra las caractersticas bsicas de una distribucin
normal.
En
este
causas
resolver
caso
estn Y
asignables
si
claramente
actuando
de
variacin que habr que
queremos
conseguir un alto grado
de fiabilidad del proceso

alta exigencia.
La distribucin normal
y realizar trabajos de
es
una
de
las
distribuciones ms usadas e importantes. Se ha desenvuelto como una herramienta

indispensable en cualquier rama de la ciencia , la industria y el comercio. Muchos eventos
reales y naturales tienen una distribucin de frecuencias cuya forma es muy parecida a la
distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su forma acampanada.
Propiedades de la distribucin normal
La distribucin normal tiene forma de campana.
La distribucin normal es una distribucin de probabilidad que tiene media

desviacin estndar
= 1.
El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1.
La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea de 0.5.
La escala horizontal de la curva se mide en desviaciones estndar.
= 0 y
La forma y la posicin de una distribucin normal dependen de los parmetros
, en
consecuencia hay un nmero infinito de distribuciones normales.
Existe una relacin del porcentaje de poblacin
a la desviacin estndar. En la figura
observamos por ejemplo que el rea bajo la curva para
= 95.46% y
tiene un porcentaje de 68.26%,
3 99.73%
-3s -2s -1s
+1s +2s +3s

68.26%
95.46%
99.73%
La poblacin incluye todos los datos, la muestra es una porcin de la poblacin.
Poblacin
Muestra
x- 3s
x-2s
x-s
x+s
x+2s
x+3s
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3
x-2
x-
x+
x+2
x+3
z
-3
-2
-1
B. Distribucin normal estndar
El valor de z
Determina el nmero de desviaciones estndar
entre algn valor X y la media de la poblacin
. Para calcular el valor de Z usamos la siguiente frmula.
La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y desviacin

estndar 1; esto es Z se distribuye normalmente con media cero y desviacin estndar = 1
Z~N(0,1): La grfica de densidad de probabilidad se muestra en la figura.
F(z)
9
Z
0
La distribucin f (Z) se encuentra tabulada en la tabla de distribucin normal estndar. En esta

tabla podemos determinar los valores de Z o la probabilidad de determinado valor Z.
Ejemplo 1: El gerente de personal de una gran compaa requiere que los solicitantes a
un puesto efecten cierta prueba y alcancen una calificacin de 500. Si las calificaciones
de la prueba se distribuyen normalmente con media
485 y desviacin estndar
30 Qu porcentaje de los solicitantes pasar la prueba?
Calculando el valor de Z obtenemos:
500 485
0.5
30
Buscamos el valor correspondiente
Z en la tabla de distribucin normal. Z 0.5 = .69146 =
69.146%. Siendo esta la probabilidad de que la calificacin sea menor a 500 P (X<500). Dado
que el porcentaje pedido es
x 500
) la solucin es 1-.69146 =0.3085, 30.85% de los
P
participantes pasarn la prueba.
C. La Distribucin Exponencial
La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta.

Esta ley de distribucin describe procesos en los que:
10
485
3 0 .8 5 %
Z.0 5
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que, el
tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante tf, no depende del tiempo transcurrido anteriormente en el que no
ha pasado nada.
Ejemplos de este tipo de distribuciones son:
El tiempo que tarda una partcula radiactiva en desintegrarse. El conocimiento de la ley

que sigue este evento se utiliza en Ciencia para, por ejemplo, la datacin de fsiles o
cualquier materia orgnica mediante la tcnica del carbono 14, C14;
El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de un

paciente;
En un proceso de Poisson donde se repite sucesivamente un experimento a intervalos

de tiempo iguales, el tiempo que transcurre entre la ocurrencia de dos sucesos
consecutivos sigue un modelo probabilstico exponencial. Por ejemplo, el tiempo que
transcurre entre que sufrimos dos veces una herida importante.
Concretando, si una v.a. continua X distribuida a lo largo de
, es tal que su funcin de
densidad es
11
se dice que sigue una distribucin exponencial de parmetro
Un clculo inmediato nos dice que si x>0,
luego la funcin de distribucin es:
12
Figura: Funcin de distribucin, F, de
, calculada como el rea que deja por debajo

de s la funcin de densidad.
Para calcular el valor esperado y la varianza de la distribucin exponencial, obtenemos en

primer lugar la funcin caracterstica
13
para despus, derivando por primera vez
y derivando por segunda vez,
Entonces la varianza vale
6.8.4.1 Ejemplo
En un experimento de laboratorio se utilizan 10 gramos de
. Sabiendo que la duracin
media de un tomo de esta materia es de 140 das, cuantos idas transcurrirn hasta que haya
desaparecido el
de este material?
14
Solucin: El tiempo T de desintegracin de un tomo de
es una v.a. de distribucin
exponencial:
Como el nmero de tomos de
existentes en una muestra de 10 gramos es enorme, el
histograma de frecuencias relativas formado por los tiempos de desintegracin de cada uno de
estos tomos debe ser extremadamente aproximado a la curva de densidad, f. Del mismo
modo, el polgono de frecuencias relativas acumuladas debe ser muy aproximado a la curva de
su funcin de distribucin F. Entonces el tiempo que transcurre hasta que el 90% del material
radiactivo se desintegra es el percentil 90, t90, de la distribucin exponencial, es decir
Figura: Como el nmero de tomos (observaciones) es extremadamente alto en 10 gramos de

materia, el histograma puede ser aproximado de modo excelente por la funcin de densidad
exponencial, y el polgono de frecuencias acumuladas por la funcin de distribucin.
15
Ejemplo 1:
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribucin
exponencial con media de 16 aos. Cul es la probabilidad de que a una persona a la que se
le ha implantado este marcapasos se le deba reimplantar otro antes de 20 aos? Si el
marcapasos lleva funcionando correctamente 5 aos en un paciente, cul es la probabilidad
de que haya que cambiarlo antes de 25% aos?
Solucin: Sea T la variable aleatoria que mide la duracin de un marcapasos en una persona.
Tenemos que
Entonces
En segundo lugar
16
Luego como era de esperar, por ser propio a un mecanismo exponencial,
D. Distribucin Uniforme
La distribucin Uniforme es el modelo (absolutamente) continuo ms simple. Corresponde al

caso de una variable aleatoria que slo puede tomar valores comprendidos entre dos extremos
a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la
misma probabilidad. Tambin puede expresarse como el modelo probabilstico correspondiente
a tomar un nmero al azar dentro de un intervalo (a, b).
De la anterior definicin se desprende que la funcin de densidad debe tomar el mismo valor
para todos los puntos dentro del intervalo (a, b) (y cero fuera del intervalo). Es decir,
.
17
Grficamente:
La funcin de distribucin se obtiene integrando la funcin de densidad y viene dada por:
Grficamente:
18
Propiedades del modelo Uniforme

1. Su esperanza vale (b + a)/2
2. Su varianza es (b a)2/12
Caractersticas de la distribucin uniforme.

Funcin de distribucin:
Media y Varianza
19
Ejemplo 1: el precio medio del litro de gasolina durante el prximo ao se estima que puede
oscilar entre 140 y 160 ptas. Podra ser, por tanto, de 143 ptas., o de 143,4 ptas., o de 143,45
ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto
del intervalo, viene definida por:
Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
20
a: es el extremo inferior (en el ejemplo, 140 ptas.)

Por lo tanto, la funcin de distribucin del ejemplo sera:
Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5% de probabilidad, que
est entre 141 y 142, otro 5%, etc.
El valor medio de esta distribucin se calcula:
En el ejemplo:
Por lo tanto, el precio medio esperado de la gasolina para el prximo ao es de 150 ptas.
E. Distribucin Log-Normal
Se trata de la densidad de probabilidad de una variable log x distribuida segn una
funcin normal:
X = N (,)
Y = eX
Con este cambio de variable quedar:

Funcin de distribucin: G(y) = P(Yy) = P(eX y) = P(Xlog y) = F(log y)
Funcin de densidad
: g(y) = G(y) = F(log y) * (1/y)
21
Tambin es conocida como Ley de Galton-Mac. Aliester o ley del efecto proporcional, segn
Calot (1988).
Los parmetros principales que la caracterizan son:
Parmetros
Soporte
pdf
cdf
Media
Mediana
Moda
22
Varianza
Asimetra
Curtose
Entropa
A continuacin se muestran unos grficos de la funcin de distribucin y de la funcin de

densidad:
Funcin de densidad
Funcin de distribucin
23
24
Conclusin
En esta forma las caractersticas ms importantes de los datos se aproximan muy fcilmente,
compensando as el hecho de que cuando los datos se agrupan de ese modo, la informacin
inicial referente a las observaciones individuales de que antes se dispona se pierde a travs del
proceso de agrupamiento o condensacin.
La principal ventaja de usar una de estas tablas de resumen es que las principales
caractersticas
de
los
datos
se
hacen
evidentes
inmediatamente
para
el
lector.
La principal desventaja de tal tabla de resumen es que no podemos saber cmo se distribuyen
los valores individuales dentro de un intervalo de clase particular sin tener acceso a los datos
originales. El punto medio de la clase, sin embargo, es el valor usado para representar todos los
datos resumidos en un intervalo particular.
El punto medio de una clase (o marca de clase) es el punto a la mitad de los lmites de cada
clase y es representativo de los datos de esa clase.
La probabilidad es la posibilidad u oportunidad de que suceda un evento particular. La
probabilidad involucrada es una porcin o fraccin cuyo valor vara entre cero y uno
exclusivamente. Observamos un evento que no tiene posibilidad de ocurrir (es decir, el evento
nulo), tiene una probabilidad de cero, mientras que un evento que seguramente ocurrir (es
decir, el evento cierto), tiene una probabilidad de uno.
La regla mas evidente para las probabilidades es que deben variar en valor de 0 a 1. Un evento
imposible tiene una probabilidad cero de ocurrir, y un evento cierto tiene una probabilidad uno
de ocurrir. La probabilidad simple se refiere a la probabilidad de ocurrencia de un evento simple.
Una distribucin de probabilidad para una variable aleatoria discreta es un listado mutuamente
excluyente de todos los resultados posibles para esa variable aleatoria, tal que una probabilidad
particular de ocurrencia est asociada con cada resultado.
25
Cuestionario
1) Distribuciones de Probabilidad para una Variable Continua

R/ Las distribuciones de probabilidad de variable continua son idealizaciones de las
distribuciones
estadsticas
de
variable
continua.
Esta
se
obtiene
empricamente
(experimentando u observando). Aquellas son distribuciones tericas.

2) Cul es la frmula para definir la distribucin de probabilidad para una variable
continua?
R/ se definen por medio de una funcin
funcin de densidad. ha de ser
y=f (x)
que se llama funcin de probabilidad o
f ( x ) 0 para todo x.
3) Que es una funcin de distribucin

R/ Se llama funcin de distribucin de una variable aleatoria, t, a la funcin F(x) que describe los
valores que toma la probabilidad acumulada hasta la abscisa x:
F ( x )=P [ t x ] .
4) Cules son las condiciones que debe cumplir la distribucin normalSi se cumples la
siguiente condiciones:
R/
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de
Gauss:
1
f ( x )=
e
2
1 x
2
( )
5) Que es y en qu consiste la distribucin uniforme?

R/La distribucin Uniforme es el modelo (absolutamente) continuo ms simple. Corresponde al
caso de una variable aleatoria que slo puede tomar valores comprendidos entre dos extremos
26
a y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la
misma probabilidad.
27

Trabajo Metodo Probabilistico 1

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

Trabajo Metodo Probabilistico 1

Transféré par

Droits d'auteur :

Formats disponibles

ndice

Distribuciones de Probabilidad para una Variable Continua...........................................3

Clculo De Probabilidades A Partir De La Funcin De Densidad...................................4

Distribucin normal estndar......................................................................................8

En el presente trabajo estudiaremos las distribuciones de probabilidad para una variable

Identificar los tipos de distribuciones de probabilidades aplicados a una variable continua,

Conocer la Distribucin Normal mediante su definicin, condiciones y caractersticas.

Distribuciones de Probabilidad para una Variable Continua

1.0 Distribuciones de Probabilidad para una Variable Continua

Las distribuciones de probabilidad de variable continua son idealizaciones de las distribuciones

que se llama Funcin De Probabilidad O Funcin De Densidad. Ha de ser

se la funcin de densidad o de probabilidad de una variable aleatoria es

f ( x ) no sea negativa para toda x

el area bajola curva y=f ( x ) sea igual a1

Para hallar la probabilidad

P [ a x b ] , obtendremos el rea que hay bajo la curva en el

Las probabilidades de sucesos puntuales son cero:

P [ a x b ]=P [ a< x <b ]

1.1 Clculo De Probabilidades A Partir De La Funcin De Densidad

Para calcular probabilidades en distribuciones de probabilidad de variable continua, hay que

1.2 Funcin De Distribucin

funcin continua creciente que cumple que

lim F ( x )=0 y lim F ( x )=1

Si la funcin de densidad slo toma valores no nulos en el intervalo

0 para x a y F ( x )=1 para x b .

Para cada valor de

(media) y cada valor de

(desviacin tpica) hay una curva normal, que se denomina N (

Si se cumples la siguiente condiciones:

Una distribucin normal se caracteriza por:

La media 1 * desviacin estndar = cubre el 68,3% de los casos

La media 2 * desviacin estndar = cubre el 95,5% de los casos

La media 3 * desviacin estndar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos grficos y determinar su efectividad

variacin que habr que

conseguir un alto grado

de fiabilidad del proceso

distribuciones ms usadas e importantes. Se ha desenvuelto como una herramienta

Propiedades de la distribucin normal

La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene media

El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1.

La escala horizontal de la curva se mide en desviaciones estndar.

La forma y la posicin de una distribucin normal dependen de los parmetros

consecuencia hay un nmero infinito de distribuciones normales.

Existe una relacin del porcentaje de poblacin

a la desviacin estndar. En la figura

observamos por ejemplo que el rea bajo la curva para

tiene un porcentaje de 68.26%,

-3s -2s -1s

+1s +2s +3s

La poblacin incluye todos los datos, la muestra es una porcin de la poblacin.

B. Distribucin normal estndar

entre algn valor X y la media de la poblacin

. Para calcular el valor de Z usamos la siguiente frmula.

La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y desviacin

La distribucin f (Z) se encuentra tabulada en la tabla de distribucin normal estndar. En esta

485 y desviacin estndar

30 Qu porcentaje de los solicitantes pasar la prueba?

Calculando el valor de Z obtenemos:

Buscamos el valor correspondiente

Z en la tabla de distribucin normal. Z 0.5 = .69146 =

que el porcentaje pedido es