ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

INSTIUTO DE CIENCIAS MATEMÁTICAS

- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Uniforme.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Uniforme de parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~𝑈𝑈(𝛼𝛼, 𝛽𝛽), si su función de densidad es

1
, 𝛼𝛼 ≤ 𝑥𝑥 ≤ 𝛽𝛽
𝑓𝑓(𝑥𝑥) = �𝛽𝛽 − 𝛼𝛼
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝜶𝜶 + 𝜷𝜷 (𝜷𝜷 − 𝜶𝜶)𝟐𝟐 𝒆𝒆𝜷𝜷𝜷𝜷 − 𝒆𝒆𝜶𝜶𝜶𝜶

𝝁𝝁 = 𝝈𝝈𝟐𝟐 = 𝒎𝒎𝒙𝒙 (𝒕𝒕) =
𝟐𝟐 𝟏𝟏𝟏𝟏 (𝜷𝜷 − 𝜶𝜶)𝒕𝒕

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

y
6.0

5.0

4.0

3.0

2.0

1.0

0.2 0.4 0.6 0.8 1.0

Figura 1: Función de densidad de probabilidad para una variable aleatoria contínua Uniforme con
parámetros 𝛼𝛼 = 0.2 𝑦𝑦 𝛽𝛽 = 0.8

Fernando Tenesaca 1
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Gamma.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Gamma de parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~Γ(𝛼𝛼, 𝛽𝛽), si su función de densidad es

1
𝑥𝑥 𝛼𝛼 −1 𝑒𝑒 −𝑥𝑥 ⁄𝛽𝛽 , 𝑥𝑥 ≥ 0; 𝛼𝛼 > 0, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽𝛼𝛼 Γ(𝛼𝛼)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
∞
Γ(𝛼𝛼) = � 𝑡𝑡 𝛼𝛼−1 𝑒𝑒 −𝑡𝑡 𝑑𝑑𝑑𝑑
0

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝝁𝝁 = 𝜶𝜶𝜶𝜶 𝝈𝝈𝟐𝟐 = 𝜶𝜶𝜷𝜷𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = (𝟏𝟏 − 𝜷𝜷𝜷𝜷)−𝜶𝜶

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

y
0.6

0.5

0.4

0.4

0.4

0.3

0.2

0.2

0.2

0.1

0.0
x

0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

Figura 2: Función de densidad de probabilidad para una variable aleatoria contínua Gamma con
parámetros 𝛼𝛼 = 1.2 𝑦𝑦 𝛽𝛽 = 1.2

Fernando Tenesaca 2
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Exponencial.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Exponencial de parámetro 𝛽𝛽, denotado por 𝑋𝑋~Exp(𝛽𝛽), si su función de densidad es

1 −𝑥𝑥 ⁄𝛽𝛽
𝑒𝑒 , 𝑥𝑥 ≥ 0; 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂

𝟏𝟏
𝝁𝝁 = 𝜷𝜷 𝝈𝝈𝟐𝟐 = 𝜷𝜷𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) =
(𝟏𝟏 − 𝜷𝜷𝜷𝜷)

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

y
0.6

0.5

0.4

0.4

0.4

0.3

0.2

0.2

0.2

0.1

0.0
x

0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

Figura 3: Función de densidad de probabilidad para una variable aleatoria contínua Exponencial con
parámetro 𝛽𝛽 = 1

Fernando Tenesaca 3
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Erlang.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Erlang de parámetros n y 𝛽𝛽, denotado por 𝑋𝑋~Erl(𝑛𝑛, 𝛽𝛽), si su función de densidad es

1
𝑥𝑥 𝑛𝑛−1 𝑒𝑒 −𝑥𝑥 ⁄𝛽𝛽 , 𝑥𝑥 ≥ 0; 𝑛𝑛 ∈ ℕ, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = �𝛽𝛽𝑛𝑛 (n − 1)!
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝝁𝝁 = 𝒏𝒏𝒏𝒏 𝝈𝝈𝟐𝟐 = 𝒏𝒏𝜷𝜷𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = (𝟏𝟏 − 𝜷𝜷𝜷𝜷)−𝒏𝒏

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

2.5

2.0

1.5

1.0

0.5

2.5 5.0 7.5 10.0 12.5 15.0 17.5

Figura 4: Función de densidad de probabilidad para una variable aleatoria contínua Erlang con
parámetros 𝑛𝑛 = 3 𝑦𝑦 𝛽𝛽 = 0.5

Fernando Tenesaca 4
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Chi Cuadrado.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Chi Cuadrado de parámetro 𝑛𝑛, denotado por 𝑋𝑋~𝜒𝜒𝑛𝑛2 , si su función de densidad es

1
𝑥𝑥 𝑛𝑛 ⁄2−1 𝑒𝑒 −𝑥𝑥 ⁄2 , 𝑥𝑥 ≥ 0; 𝑛𝑛 ∈ ℕ
𝑓𝑓(𝑥𝑥) = �2𝑛𝑛 ⁄2 Γ(𝑛𝑛⁄2)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝒏𝒏
𝝁𝝁 = 𝒏𝒏 𝝈𝝈𝟐𝟐 = 𝟐𝟐𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = (𝟏𝟏 − 𝟐𝟐𝟐𝟐)−𝟐𝟐

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

0.40

0.35

0.30

0.25

0.20

0.15

0.10

0.05

1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00

Figura 5: Función de densidad de probabilidad para una variable aleatoria contínua Chi Cuadrado con
parámetro 𝑛𝑛 = 4

Fernando Tenesaca 5
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Normal.

Definición.- Se dice que una variable aleatoria contínua 𝑋𝑋 tiene una distribución de probabilidad
Normal de parámetros 𝜇𝜇 y 𝜎𝜎 2 , denotado por 𝑋𝑋~𝑁𝑁(𝜇𝜇, 𝜎𝜎 2 ), si su función de densidad es

1 1 𝑥𝑥−𝜇𝜇 2
− � �
𝑒𝑒 2 𝜎𝜎 , 𝑥𝑥 ∈ ℝ, 𝜇𝜇 ∈ ℝ, 𝜎𝜎 > 0
𝑓𝑓(𝑥𝑥) = �𝜎𝜎√2𝜋𝜋
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝟏𝟏
𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 = 𝝁𝝁 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 = 𝝈𝝈𝟐𝟐 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝒆𝒆𝒖𝒖𝒖𝒖 + 𝟐𝟐 𝒕𝒕
𝟐𝟐 𝝈𝝈𝟐𝟐

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

y
0.600
0.550
0.500
0.450

0.400
0.350
0.300

0.250
0.200
0.150
0.100
0.050
x

−0.5 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
0 050

Figura 6: Función de densidad de probabilidad para una variable aleatoria contínua Normal con
parámetro 𝜇𝜇 = 3 y 𝜎𝜎 2 = 1.5

Fernando Tenesaca 6
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Normal Estándar.

Definición.- Se dice que una variable aleatoria contínua Z tiene una distribución de probabilidad
Normal Estándar de parámetros 𝜇𝜇 = 0 y 𝜎𝜎 2 = 1, denotado por 𝑍𝑍~𝑁𝑁(0,1), si su
función de densidad es

1 1
(𝑧𝑧)2
𝑒𝑒 −2 , 𝑧𝑧 ∈ ℝ
𝑓𝑓(𝑧𝑧) = �√2𝜋𝜋
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝟏𝟏 𝟐𝟐
𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 = 𝟎𝟎 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 = 𝟏𝟏 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝒆𝒆 𝟐𝟐 𝒕𝒕

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

0.60

0.50

0.40

0.30

0.20

0.10

−4.00 −3.00 −2.00 −1.00 1.00 2.00 3.00 4.00

Figura 7: Función de densidad de probabilidad para una variable aleatoria contínua Normal Estándar
con parámetro 𝜇𝜇 = 0 y 𝜎𝜎 2 = 1

Fernando Tenesaca 7
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución Beta.

Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad Beta de
parámetros 𝛼𝛼 y 𝛽𝛽, denotado por 𝑋𝑋~𝛽𝛽(𝛼𝛼, 𝛽𝛽), si su función de densidad es

𝑥𝑥 𝛼𝛼 −1 (1 − 𝑥𝑥)𝛽𝛽 −1
, 0 ≤ 𝑥𝑥 ≤ 1; 𝛼𝛼 > 0, 𝛽𝛽 > 0
𝑓𝑓(𝑥𝑥) = � 𝛽𝛽(𝛼𝛼, 𝛽𝛽)
0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1
Γ(𝛼𝛼)Γ(𝛽𝛽)
𝛽𝛽(𝛼𝛼, 𝛽𝛽) = � 𝑡𝑡 𝛼𝛼−1 (1 − 𝑡𝑡)𝛽𝛽 −1 𝑑𝑑𝑑𝑑 =
0 Γ(𝛼𝛼 + 𝛽𝛽)

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝜶𝜶 𝜶𝜶𝜶𝜶
𝝁𝝁 = 𝝈𝝈𝟐𝟐 = 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝑭𝑭(𝜶𝜶, 𝜷𝜷, 𝒕𝒕)
𝜶𝜶 + 𝜷𝜷 (𝜶𝜶 + 𝜷𝜷 + 𝟏𝟏)(𝜶𝜶 + 𝜷𝜷)𝟐𝟐

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

y
6.0

5.0

4.0

3.0

2.0

1.0

0.2 0.4 0.6 0.8 1.0

Figura 8: Función de densidad de probabilidad para una variable aleatoria contínua Beta con
parámetros 𝛼𝛼 = 0.5 𝑦𝑦 𝛽𝛽 = 0.5

Fernando Tenesaca 8
 ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -

RESUMEN & GRÁFICOS

CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.

Distribución T de Student.

Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad T de
Student de parámetro 𝜈𝜈 (grados de libertad), denotado por 𝑋𝑋~𝑇𝑇(𝜈𝜈), si su función de
densidad es

⎧ 1 Γ �𝜈𝜈 + 1�
(𝜈𝜈 +1)
2 − 2
⎪ 2 𝑥𝑥
�1 + � , 𝑥𝑥 ∈ ℝ; 𝜈𝜈 ∈ ℕ
𝑓𝑓(𝑥𝑥) = √𝜋𝜋𝜈𝜈 Γ �𝜈𝜈 � 𝜈𝜈
⎨ 2
⎪ 0, 𝐸𝐸𝐸𝐸 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
⎩

𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷𝑷

𝝂𝝂
𝝁𝝁 = 𝟎𝟎 , 𝝂𝝂 ≥ 𝟐𝟐 𝝈𝝈𝟐𝟐 = , 𝝂𝝂 ≥ 𝟑𝟑 𝒎𝒎𝒙𝒙 (𝒕𝒕) = 𝑵𝑵𝒐𝒐 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆 𝒅𝒅𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆
𝝂𝝂 − 𝟐𝟐

𝑮𝑮𝑮𝑮á𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑭ó𝒏𝒏 𝒅𝒅𝒅𝒅 𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫𝑫 𝒇𝒇(𝒙𝒙)

Figura 9: Comparación entre la Función de densidad Normal Estándar y Funciones de densidad de

probabilidad para una variable aleatoria continua T de Student con 𝜈𝜈={2,5,10,20,30} grados
de libertad.

Fernando Tenesaca 9