Sunteți pe pagina 1din 7

INSTITUTO TECNOLGICO DE TUXTLA GUTIRREZ

MARCO TERICO
UNIDAD 4. DISTRIBUCIONES DE PROBABILIDADES CONTINUAS
En el ao de 1733, Abraham DeMoivre desarrollo la ecuacin matemtica de la curva normal, la cual es la base de los fundamentos de la teora de la estadstica inductiva. A esta distribucin tambin se le llama distribucin gaussiana, en honor a Karl Friedrich Gauss (1777-1855), quien deriv su ecuacin de errores en mediciones repetidas de la misma cantidad

PROBABILIDAD Y ESTADSTICA 02 de junio de 2011

Bautista Len Fidel Crdenas de Paz Jairo Molina Gonzlez Carolina Isabel Zepeda Rojas Roberto Carlos

Ingeniera Industrial Q2-2C 2 semestre

Tabla de contenido
Definicin de variable aleatoria ......................................................................................................... 3 Distribucin normal ......................................................................................................................... 3 Variable aleatoria continua ......................................................................................................... 3 Funcin de densidad y acumulada .............................................................................................. 4 Aproximacin de la normal a la binomial .......................................................................................... 5 Distribucin gamma y exponencial ................................................................................................. 5 Variable aleatoria continua de una distribucin gamma ............................................................ 6 Variable aleatoria continua de una distribucin exponencial .................................................... 6 Bibliografa .................................................................................................................................. 7

DEFINICIN DE VARIABLE ALEATORIA La conjuncin entre probabilidad y estadstica constituye la base fundamental para la comprensin de las tcnicas que se emplean en la estadstica inferencial y la toma de decisiones. En muchas ocasiones, cuando se repite un experimento se obtienen resultados diferentes, debido a pequeas variaciones en variables no controladas en el experimento; por ejemplo, los cambios en al temperatura ambiental, las variaciones en los instrumentos de medicin o pequeas impurezas en la composicin qumica de los metales, podra arrojar distintas mediciones en la resistencia elctrica de un alambre. DISTRIBUCIN NORMAL La distribucin continua de la probabilidad ms importante en todo el campo de la estadstica es la distribucin normal. Esta distribucin muestra una grafica en forma de campana, la cual describe aproximadamente demasiados fenmenos que ocurren en la naturaleza de la industria y la investigacin, como por ejemplo, los experimentos meteorolgicos, lluvias y ms las podemos explicar con la distribucin normal. En el ao de 1733, Abraham DeMoivre desarrollo la ecuacin matemtica de la curva normal, la cual es la base de los fundamentos de la teora de la estadstica inductiva. A esta distribucin tambin se le llama distribucin gaussiana, en honor a Karl Friedrich Gauss (1777-1855), quien deriv su ecuacin de errores en mediciones repetidas de la misma cantidad. Variable aleatoria continua Una variable aleatoria continua que tiene una distribucin en forma de campana se llama variable aleatoria normal tal como la siguiente figura:

La ecuacin matemtica para la distribucin de probabilidad de la variable normal depende de los dos parmetros y , su media y su desviacin estndar. Por lo tanto se representan los valores de densidad de X por .

Funcin de densidad y acumulada La funcin de densidad de la variable aleatoria normal X, con media . Donde Una vez especificada y , la curva normal se determina completamente. y variancia , es:

Ahora se mostrar que los parmetros y son en realidad la media y la varianza de la distribucin normal. Para evaluar la media, se escribe: . Si se hace y , se obtiene. . La varianza de la distribucin normal es: . Otra vez, si y . Muchas variables aleatorias tienen distribuciones de probabilidades que pueden describirse adecuadamente por medio de la curva normal, una vez que se especifican y . La dificultad que se encuentra al resolver las integrales de las funciones de densidad normal hace necesaria la tabulacin de las areas de la curva normal para una referencia rpida. No obstante, sera una tarea inacabable realizar tablas separadas para cada valor concebible de y . Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z con medida cero y variancia 1. Esto puede realizarse por medio de la transformacin: . Siempre que asuma un valor , el correspondiente valor de es . Por lo tanto, si cae entre los valores y , la variable aleatoria caer entre los valores correspondientes y para sustituimos a dentro de la formula. , se obtiene:

La distribucin de una variable aleatoria normal con media cero y variancia 1 se llama distribucin normal estndar.

APROXIMACIN DE LA DISTRIBUCIN NORMAL A LA BINOMIAL Las probabilidades que se asocian con experimentos binomiales pueden obtenerse fcilmente cuando es pequea, de la formula de la distribucin binomial. Si es grande, es conveniente calcular las probabilidades binomiales por procedimientos de aproximacin. La distribucin normal frecuentemente es una buena aproximacin a la distribucin discreta cuando esta ultima toma la forma de una campana simtrica. Desde el punto de vista terico, algunas distribuciones convergen a normales a medida que sus parmetros se aproximen a ciertos lmites. La distribucin normal es una distribucin de aproximacin conveniente debido a que la funcin de una distribucin acumulativa se tabula de manera sencilla. La distribucin binomial se aproxima demasiado bien a la normal en problemas prcticos cuando se trabaja con la funcin de distribucin acumulada. En seguida se plantea un teorema que permite utilizar reas bajo la curva normal para aproximar propiedades binomiales cuando es suficientemente grande. Si es una variable aleatoria binomial con media de lmite de la distribucin de: , cuando y variancia , entonces la forma

, es la distribucin normal estndar

DISTRIBUCIN GAMMA Y EXPONENCIAL Adems de que la distribucin normal la podemos utilizar para resolver problemas de diferentes mbitos tales como de ingeniera y dems ciencias, existen todava numerosas situaciones que necesitan diferentes tipos de funciones de densidad. En ello se presentan dos de tales funciones de densidad, las distribuciones gamma y exponencial. La distribucin gamma toma su nombre de la bien conocida funcin gamma, que se estudia en muchas reas de las matemticas. Estas son algunas de sus propiedades de esta funcin que se presentaran a continuacin.

La funcin gamma se define como: Para Cuando se integra por partes con . y para la formula recursiva:

la aplicacin repetida de esta frmula da: , y as sucesivamente. Ntese que cuando donde, es un entero positivo,

. Sin embargo, por la primera formula de la funcin gamma y de aqu que, .

Variable aleatoria continua de una distribucin gamma La variable aleatoria continua X tiene una distribucin gamma, con parmetros de densidad es: . La distribucin gamma especial para la cual se llama distribucin exponencial. y , si su funcin

La media y la variancia de la distribucin gamma son: Y . Variable aleatoria continua de una distribucin exponencial La variable aleatoria continua X tiene una distribucin exponencial, con parmetro , si su funcin de densidad es: . La distribucin exponencial es una distribucin continua definida por: , para todo nmero real . Est relacionada con el tiempo de reaccin de un conductor frente a un estimulo, el dimetro del punto producido por una impresora, el tiempo de incapacidad por enfermedad de un paciente, etc.

Bibliografa
Castellanos, C. B. (2006). SUMMA Enciclopedia Universal (2006 ed., Vol. 3). Bogot: Grupo Editorial Norma. Freund John E., S. G. (1994). ESTADSTICA ELEMENTAL (octava edicion ed.). (C. R. Angel, Ed., & D. D. Julian, Trad.) Edo. de Mxico, Naucalpan de Jurez, Mxico: PRENTICE HALL HISPANOAMERICANA S.A. Montogomery Douglas C., R. G. (1996). Probabilidad y Estadstica aplicadas a la Ingeniera. (U. M. G., Trad.) Mxico D.F., Mxico: Mc Graw Hill. WALPOLE, E. (1998). ALGUNAS DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. En E. WALPOLE, PROBABILIDAD Y ESTADISTICA (4 EDICION ed., pgs. 113, 115, 124, 133, 136.). McGRAW-HILL.

S-ar putea să vă placă și