Professional Documents
Culture Documents
DISTRIBUCIONES CONTINUAS
CAPITULO V
DISTRIBUCIONES CONTINUAS
1
f ( x)
e 2
2
x
Donde:
u = Media de la distribucin
V(x) = 2
x ~ N(u,2)
f( x)
u( x )
DISTRIBUCIONES CONTINUAS
ESTADISTICA
6)
P u - 2 , u + 2 = 0.954
P u - 3 , u + 3 = 0.997
f ( x)dx 1
x1 N u1 , 12
x 2 N u 2 , 22
x n N u n , n2
y x1 x 2 x n
luego
n
n
y N u i , i2
i 1
i 1
9) Px = k = 0 ya que:
k
f ( x)dx 0
; x :
v.a continua
debe estar
dentro de un rango
a)
u1 < u2
12 = 22
u1 u2
u1
u2
PAG N49
ESTADSTICA
DISTRIBUCIONES CONTINUAS
b)
u1 = u2
12<22
1 2
2
u1 u2
Para hallar:
P(a x b) f ( x)dx
1 X U
1
e 2
2
dx
xu
f ( z)
a
Si
1 Z 2 2
e
dz
2
x N (u, ) P(a x b)
2
PAG N50
1 x u
1
e 2
2
dx
DISTRIBUCIONES CONTINUAS
ESTADISTICA
Veamos:
Transformando:
xu
dz
Luego:
au
xa z
xb z
dx
bu
b u
P ( a x b)
a u
Z2
1
e 2 dz
2
a u x u bu
P ( a x b) P
bu
a u
P ( a x b)
P
z
Hallando Esperanza E(z) y Varianza V(z)
Como:
x u
x u
E ( z) E
V ( z) V
E ( x) u
1
E ( z)
V ( z ) 2 V x
z
x u
z N (0,1)
Grficamente:
bu
a u
P ( a x b ) P
z
x ~ (u, )
au
z0
z ~ N (0,1)
bu
PAG N51
ESTADSTICA
DISTRIBUCIONES CONTINUAS
1
e
2
1 X U
b u
dx
1 Z 2 2
e
dz
2
a u
x N (u, 2 ) y z
x u
N (0,1)
Luego:
P(u - < x < u + ) = P( -1 < z < 1) = 0.68
P(u - 2 < x < u + 2) = P( -2 < z < 2) = 0.95
P(u - 3 < x < u + 3) = P( -3 < z < 3) = 0.99
F( x )
u 2
u 2
F( z )
2 1
0
1
68.2%
95.4%
Uso de tablas
Conocido los valores de u y de una variable aleatoria x ~ N, encontrar las
probabilidades de:
a)
P( x b) 1 P( x b)
b)
x u bu
P ( x b ) P
P z z1
x u bu
P ( x b ) 1 P
1 P( z z1 )
c)
a u x u bu
P(a x b) P
P( z1 z z 2 )
PAG N52
DISTRIBUCIONES CONTINUAS
ESTADISTICA
P( z z1 )
Z1
1 Z 2 2
e
dz
2
f( z)
z1
Ejemplo:
Hallar:
P(z 1.04) = 0.8508
1.04
1.04
Tabla:
Z
Decimos
-3.4
-3.3
-1.0
0
Centsimos
0.00
0.01
0.02
0.03
.. .. .. ..
1.0
.. .. .. ..
Si x es una variable aleatoria que s N(30,4). Hallar P(26<x<36)
0.04
0.1492
0.8508
Como:
x N(30,4)
u = 30
PAG N53
ESTADSTICA
DISTRIBUCIONES CONTINUAS
2 = 4
=2
26 30 x 30 36 30
P26 x 36 P
2
2
2
P(26 x 36) P(2 z 3) P( z 3) P( z 2)
P(26 x 36) 0.9987 0.0228 0.9759
Grficamente:
f( x)
26 30 36
f( z)
x ~ N (0,1)
Ejemplo 2: Una maquinaria consta de 3 piezas x1, x2, x3. Suponga que cada pieza se
produce en diferentes fabricas y que las longitudes de las piezas, medidas en cm se
distribuyen normalmente del siguiente modo:
x1 N(10,0.05) ; x2 N(12,0.04) ; x3 N(16,0.07)
Se pide:
a) Calcular P(x1 + x2 > 22.25)
b) Calcular que la probabilidad de que la longitudes del brazo este comprendida entre
37.52 y 38.48 cm
c) P( x1 < 10.50 )
Solucin:
a) P(x1 + x2 > 22.257) =
Sea: y = x1 + x2
y E ( y ) 22.25 22
P( y 22.25) 1 P
0.09
V ( y )
P( y 22.25) 1 P( z 0.833) 1 0.7967 0.2033
PAG N54
DISTRIBUCIONES CONTINUAS
ESTADISTICA
b) y = x1 + x2 + x3
37.52 E ( y ) y E ( y ) 38.48 E ( y )
P(37.52 y 38.48) P
V ( y)
V ( y)
V ( y )
37.52 38
38.48 38
0.76986
P
z
0.16
0.16
x u
0.5
P( z 2.23) 0.9871
P( x1 10.50) P 1
0.05
Ejemplo 3:
Los puntajes finales del curso de matemticas estn distribuidos normalmente con ux =
60 ptos y A2 = 100ptos
a) Si el puntaje mnimo para aprobar es 48. Cul es la probabilidad de desaprobar?
Qu % de alumnos desaprobaron? Asuma que 100 ptos es equivalente a nota 20.
b) Si han de aprobar el 80% de los estudiantes. Cul debe ser el puntaje mnimo
aprobatorio?
Solucin:
x N(60,100)
x u 48 60
P( x 48) P
P( z 1.2) 0.1151
10
11.51%
b) P(x > x0) = 0.80
f(z)
z ~ N(0.1)
0.5
0.3
x0
Elaborado oor: MERCEDES OSORIO MAZA
0.80
PAG N55
ESTADSTICA
DISTRIBUCIONES CONTINUAS
x 60
x u x0 u
P z 0
0.80
10
P( z z1 ) 1 P( z z1 ) 0.80 P( z z1 ) 0.20
Luego:
z1 = -0.84
Luego:
x0 60
0.84 x0 60 8.4
10
x0 60 8.4 x0 51.6 ptos
El puntaje mnimo aprobatorio ser 51.6 ptos.
x: consumo de agua
c: capacidad del tanque
x N 20000, (1000)2
P(x>c) = 0.01
x
0.01
Z0
x ux c ux
0.01
P
x
x
x 20000 c 20000
P
0.01
1000
1000
PAG N56
DISTRIBUCIONES CONTINUAS
ESTADISTICA
En tablas Z0 = 2.33
Reemplazando:
c 20000
2.33
1000
c 22330lts
Es decir la capacidad del tanque debe ser de 22330 lts para que la probabilidad del
consumo sea mayor que la demanda en slo 0.01.
x u
Z (0,1)
x
n
Suposiciones:
1) La medida de la muestra x, puede proceder de cualquier distribucin ya sea
discreta o continua.
2) El muestreo es con reemplazo.
3) Si el tamao de muestra n es grande, ux, x2 conocida x ~ N(ux,x2 / n)
Poblacin: f ( x )
x1
x2
x1
x2
ux
x2
xn
x1
Elaborado oor: MERCEDES OSORIO MAZA
xn
x2
x1
x2
xn
xn
n grande (n 30)
x N(u x ,
x2
n
PAG N57
ESTADSTICA
DISTRIBUCIONES CONTINUAS
ux ux
x2 n x2
x x 2 x n u x u x u x n u x
u x E ( x ) E 1
ux
n
n
n
2
2
2
2
x x x n x x x n x
x2 V ( x ) V 1 2
2 x2
n
n
n
x
i 1
Si
Como:
Luego:
x ux
x
N (0,1)
xi
u
n x
N (0,1)
x
ux
n x
N (0,1)
f (x)
1
e
2
1 x u
2 x
a ux
x ux
b ux
P ( a x b) P
x x x
n n n
PAG N58
DISTRIBUCIONES CONTINUAS
ESTADISTICA
E( x ) u x
V (x)
x2
n
Comparacin de Distribuciones:
Distribucin x (u,
x2
n
Distribucin xi (u, n2 )
Ejemplo 1: Las cajas entregadas por una fbrica tienen un peso medido de 30 kilos y
una desviacin estndar de 5 kilos. Cul es la probabilidad de que 25 cajas tomadas
aleatoriamente y cargadas en un camin excedan la capacidad especifica del camin de
820 kilos?
Solucin:
P( y 820) Sea Y xi
i 1
y E ( y ) 820 E ( y )
V ( y)
V
(
y
)
PAG N59
ESTADSTICA
DISTRIBUCIONES CONTINUAS
Solucin:
2
x u x , x
n
n5
4
x 12,
5
x N (12,4)
P( x 13)
x u x 13 12
x
4
1
f ( x)
4
X 1
3
x 1,2, E ( x) 4 3 V ( x) 4 9
4
Calcular:
3 u
11 u
x uX
X
X
9
3
11
P
x 36
P
2
9
2
X
X
X
Si u X 4
3
X2 4 9 1
2
X
n
36 81
11 4
3 4
3 Z 2
3 p (0.5 Z 0.5) 0.38292 (tablas )
P 9
1
1
81
81
PAG N60
DISTRIBUCIONES CONTINUAS
ESTADISTICA
4. DISTRIBUCIN T-STUDENT:
Se aplica cuando el tamao de la muestra n < 30 y no se conoce la varianza
poblacional x2, luego se trabaja con un estimador Sx2, sin embargo esta relacin: (x
u)/Sx no da la Distribucin Z, sino una denominada T-Student.
Luego la distribucin T es:
x u
t (n 1) g.l.
SX
Grafica:
T ~ (n 1) g.l
n 30
ut 30
Nota: Si el tamao de muestra (n > 30)
Distrib T Distrib Z
Uso de Tablas:
f (t )dt
P(T t O )
TC
G.L
1.00
1.376
1.963
tc
= 0.0005
3.072
2
3
29
30
PAG N61
ESTADSTICA
DISTRIBUCIONES CONTINUAS
Ejemplo: Calcular:
Si n = 26
g.l. =25
0.025
0.80
t 2.06
b) P( t <1.74)
Si n = 18
t 0.856
g.l.- = 25
1.74
1.74
g.l. = 10
1.812
PAG N62
1.812
Elaborado por: MERCEDES OSORIO MAZA
DISTRIBUCIONES CONTINUAS
ESTADISTICA
x1 u
x u
x u
x u
2
3
r
X (n2 1)grados
x
x
x
x
de libertad
Grfico:
f( x2 )
x2
E(X2) = n
V(X2) = 2n
Funcin de Densidad
f (X 2 )
2
n 1
2
para
X2 0
X2
(n 1) S 2
Los valores que toma la variable aleatoria chi-cuadrado, son todos los reales
positivos, debido a que es una suma de cuadrados.
Grados de libertad ( r ): Es el nmero de variables aleatorias independientes que se
suman.
NOTA: las distribuciones X2 son una familia
de distribuciones asimtricas. Cuando
aumenta los grados de libertad () la
distribucin X2 se aproxima a la normal
f( x2 )
PAG N63
x2
ESTADSTICA
DISTRIBUCIONES CONTINUAS
Uso de tablas:
G.L.
1
2
3
4
0.99
0.98
..
0.01
30
Ejemplo: Calcular:
a) P(X2 > 13.44)
Si n = 11
P(X2 > 13.44) = 0.20
f( x2 )
0.20
x2
13.44
Si n = 28
0.99
x2
12.879
g.l. = 29
f( x2 )
0.95
0.05
17.708
PAG N64
42.557
x2
DISTRIBUCIONES CONTINUAS
ESTADISTICA
Una compaa de seguros vende tipos A y B. De acuerdo con los estudios realizados
la diferencia entre la prima pagada por el asegurado y el monto a cobrado al seguro
por percances se distribuye normalmente para los 2 tipos de seguro. Si para el
seguro tipo A, la media es 50 unidades monetarias y varianza 100, mientras que para
B la media es de 60 u.m. y desviacin estndar 12, suponiendo que se han
obteniendo muestras de tamao nA = 18 y nB = 26
Hallar:
a) P S A2 162.276
25
b) P X Bj 602 6381.216
j 1
17
c) P 725.5 X 502 2758.7
Ai
i 1
Solucin:
a)
(n 1)
17
P A 2 S A2
*162.276 P X 2 27.58
100
A
2
1 P X 27.58 1 0.05 0.95
25 X BJ 602 6381.216
25
P X BJ 60 6381.216 P
B2
B2
J 1
J 1
b)
6381.216
P X 2
P X 2 44.314 1 P X 2 44.314
144
2
P X 44.314 1 0.01 0.99
n B 1 25 g.l.
c)
X2
P
2
100
A
A
100
i 1
A
P 7.255 X 2 27.587
n A 1 17 g.l.
0.98
0.05
7.255
27.58
x2
PAG N65
ESTADSTICA
DISTRIBUCIONES CONTINUAS
6. DISTRIBUCIN F (FISHER)
Sean U y V dos variables aleatorias independientes que tienen distribuciones Ji
Cuadrado (X2) con (n1 1) grados de libertad y (n2 1)g.l. luego la variable aleatoria
F es la relacin de U y V es decir:
X 12
U
n 1
n 1
F 1
F 1 2
V
X2
n2 1
n2 1
Expresando Xi2 en funcin de Sx2 tenemos:
n
S
2
X
i 1
x i x 2
n 1
n
(n 1) S X2 xi x
i 1
Dividiendo entre x2
n 1S X2
Luego:
2
X
i 1
n 1S X2
X2
xi x 2
2
X
y
o
X2
X2
Reemplazando:
n1 1S12
2
S12
1
n1 1
12
F
n 2 1S 22 S 22
2
2
2
2
n2 1
Entonces:
S12 22
(n1 1)(n2 1) g.l.
S 22 12
c
PAG N66
DISTRIBUCIONES CONTINUAS
ESTADISTICA
Uso de tablas:
a) Hallar:
(n1 = 10)
(n2 = 13)
1 0.95
r1 r2
0.99
2.80
4.39
b) si (1 - ) 0.95
0.975
= 1 P(F a) = 0.99
0.99
P(F a) = 0.01}1 -
0.995
el valor de a se estima mediante la propiedad
a F (v1 , v2 )(1 )
1
F (v2 , v1 )
P ( F a ) 0.95
1 P ( F a ) 0.95
P ( F a ) 0
.05
P( f a ) 0.95
a F(9,12) 0.05
a
1
F(12,9 ) 0.95
a 3.107
1
3.07
PAG N67