Variables aleatorias

continuas
VARIABLE ALEATORIA VARIABLE ALEATORIA
UNIFORME UNIFORME
Definicin Definicin
Se dice que una variable X tiene una distribucin
uniforme en el intervalo [a;b] si la fdp de X es:
1
si a b
f(x)=
b-a
x

Demostrar que la FDA est dada por

0 si x < a
F(x)= si a x b
1 si x > b
x a
b a

f(x)=
b-a
0 en otro caso

Representacin Representacin grfica grfica

variable aleatoria uniforme variable aleatoria uniforme
f(x)
1
b a
F(x)
1
a b
fdp
a b
x
x
FDA
Ejemplo Ejemplo
Los trenes de cierta lnea de subterrneos corren cada media
hora entre la medianoche y las seis de la maana. Cul es
la probabilidad de que un hombre que entra a la estacin a
una hora al azar, durante ese perodo tenga que esperar por
lo menos 20 minutos?
Cul es la variable aleatoria y cul es su distribucin?
La probabilidad slo depende de la longitud del intervalo y no
de la ubicacin del mismo.
Caractersticas numricas Caractersticas numricas
Demostrar que si X tiene distribucin
uniforme en [a;b], entonces:
( )
2
b-a
a+b
E(x)= V(x)=
2 12
Distribucin exponencial Distribucin exponencial
Se utiliza generalmente cuando se miden tiempos de
espera.
Ejemplos de este tipo de distribuciones son: el tiempo
que tarda una partcula radiactiva en desintegrarse
(datacin de fsiles o cualquier materia orgnica
mediante la tcnica del carbono 14) o el tiempo que
puede transcurrir en un servicio de urgencias, para la
llegada de un paciente.
1.8
2.0
= 2.0 = 2.0 = 2.0 = 2.0
Distribucin exponencial Distribucin exponencial

Se dice que X, que toma todos los valores no negativos,

tiene una distribucin exponencial, con parmetro
0 >
Si su fdp est dada por:
-
si x 0
f(x)
0 si x < 0
x
e

0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
0 1 2 3 4 5 6 7 8
= 2.0 = 2.0 = 2.0 = 2.0
= 1.0 = 1.0 = 1.0 = 1.0
= 0.5 = 0.5 = 0.5 = 0.5
= 0.2 = 0.2 = 0.2 = 0.2

Verificar que es una legtima fdp: Verificar que es una legtima fdp:

0 0 0
( )
x
b
x
b
e
f x dx e dx lm dx

= = =

0
1 1
b
x
x
b b
e
lm lm e

(
= + =

La FDA est dada por:

1 si x 0
F(x)
0 si x<0
x
e

F(x)
1
x
Demostrar las caractersticas numricas de la funcin
exponencial:
2
1 1
( ) V ( x ) = E x

=
Ejemplo Ejemplo
La distribucin de vida durante la cual cierta
marca de computadora funciona eficazmente,
es decir, el tiempo en horas, de duracin
hasta la primera falla, es exponencial con una
vida media de 360 hs. Cul es la vida media de 360 hs. Cul es la
probabilidad de que una computadora
funcione eficazmente:
a) Menos de 180 hs? b) Ms de 720 hs?
c)Si tres de tales computadoras son elegidas al
azar para pruebas de duracin. Cul es la
probabilidad de que una dure a lo sumo, 180
hs, otra dure entre 180 y 720 hs y otra, al

hs, otra dure entre 180 y 720 hs y otra, al
menos 720 hs?
d)Cul es la probabilidad de que de tres
computadoras, al menos dos funcionen
eficazmente despus de 720 hs?
Propiedad fundamental de la
distribucin exponencial
La distribucin exponencial no tiene
memoria :
Poseer informacin de que el elemento
que consideramos ha sobrevivido un
tiempo S (hasta el momento) no modifica tiempo S (hasta el momento) no modifica
la probabilidad de que sobreviva t
unidades de tiempo ms. La probabilidad
de que el elemento falle en una hora (o en
un da, o en segundo) no depende del
tiempo que lleve funcionando.
Demostracin
Sin duda la distribucin continua
de probabilidad ms importante,
por la frecuencia con que se
encuentra y por sus aplicaciones
tericas, es la distribucin
normal, gaussiana o de
Pierre Simon de Laplace
Distribucin normal Distribucin normal
normal, gaussiana o de
Laplace- Gauss. Fue descubierta
y publicada por primera vez en
1733 por De Moivre. A la misma
llegaron, de forma independiente,
Laplace (1812) y Gauss (1809),
en relacin con la teora de los
errores de observacin
astronmica y fsica .
Pierre Simon de Laplace
(1749 (1749--1827) 1827)
Karl F. Gauss
(1777 (1777--1855) 1855)
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un
frmaco.
Caracteres morfolgicos de individuos (personas, animales, plantas,...) de
una especie (tallas, pesos, dimetros, permetros,...).
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen, ...
Razones principales para su estudio Razones principales para su estudio
1) Numerosos fenmenos pueden aproximarse mediante
esta distribucin:
frmaco.
Errores cometidos al medir ciertas magnitudes.
Y en general cualquier caracterstica que se obtenga como suma de
muchos factores
Como la binomial o la de Poisson se aproximan a la normal. Distribuciones
binomiales con n >10 y (np > 5) y (n(1-p) > 5).
2) Se usa para aproximar distribuciones de variables discretas:
3) Proporciona la base de la inferencia estadstica por su
relacin con el tlc
Distribucin Normal Distribucin Normal
Se dice que x que toma todos los valores reales, tiene
una distribucin normal, si su fdp est dada por:
2
1
2
1
f ( x ) c o n - < x <
2
x
e

(

=
2
0 y

< < >
Notacin Notacin
( )
2
, su fdp est dada por x N
2
1
2
1
f ( x ) c o n - < x <
2
0
x
e
y

(

=
< < > 0 y < < >
Ejercicio: verificar que es una fdp legtima.
2
2
1
1
2
2
1 1
2 2
x
t
e dx e dt

(


= =

2
1
2
n o s e p u e d e o b t e n e r
d e f o r m a f i n i t a
I n t e g r a l d e P o i s s o n
1 1
2 1
2 2
t
e d t



= =

Principales caractersticas de la Principales caractersticas de la
distribucin Normal distribucin Normal
Es una curva uniforme con ordenadas siempre positivas,
definida para todo real x. Tiene forma de campana, es decir,
es montona creciente hacia ambos lados del mximo, y es
asinttica al eje de las abscisas
Es simtrica con respecto de la recta x= donde coinciden
la mediana (Me) y la moda (Mo ).
Para x = , el lmite f(x) =0.
La funcin tiene un mximo en x = . Los puntos de inflexin
tienen como abscisas los valores . Verificar esta
propiedad.
Caractersticas de la distribucin Normal Caractersticas de la distribucin Normal
Puntos
de
inflexin
+

-
+
, Mo, Me
Distribucin normal con

=0 para varios valores

0.8
1.2
1.6
=0.25
=0.5
=1
p(x)
0
0.4
-2.50 -1.50 -0.50 0.50 1.50 2.50
x
=5
=5
10 =
Curvas normales con distintas medias y desviaciones estndar Curvas normales con distintas medias y desviaciones estndar
20 30 40 50 60 70 80 90 100 110 120
N(, ): Interpretacin
geomtrica
La media se puede
interpretar como un
factor de traslacin. factor de traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
Caractersticas numricas Caractersticas numricas
Demostrar que:
2
( ) ( ) E x y V x = =
2
( ) ( ) E x y V x = =