Documente Academic
Documente Profesional
Documente Cultură
DISTRIBUCIONES ESPECIALES
DE VARIABLES ALEATORIAS
CONTINUAS
Universidad De Sucre
Facultad De Ingeniería
Sincelejo
2014
2
CONTENIDO
Introducción ………………………………………………………………………………. 5
Objetivos …………………………………………………………………………………. 6
DISTRIBUCIÓN NORMAL……..………………………………………………………... 7
Propiedades………………………………………………………………………… 8
Usos………………………………………………………………..………………. 9
Ejemplos…………………..…………………..…………………..……………….. 9
Ejemplo 1…………………..…………………..…………………..……… 9
Ejemplo 2…………………..…………………..………………………….. 10
Ejemplo 3…………………..…………………..………………………….. 10
Ejemplo 4…………………..…………………..…………………..……… 11
Ejemplo 5…………………..…………………..…………………..……… 11
Distribución T de Student…………………..…………………..………………………… 12
Propiedades…………………..…………………..…………………..…………… 13
3
Usos…………………..…………………..…………………..………………….. 13
Grados de libertad…………………..…………………..…………………..…… 13
Tabla…………………..…………………..…………………..………………… 14
Ejemplos…………………..…………………..…………………..…………….. 15
Ejemplo 1…………………..…………………..……………………….. 15
Ejemplo 2…………………..…………………..…………………..…… 16
Ejemplo 3…………………..…………………..…………………..…… 17
Ejemplo 4…………………..…………………..…………………..…… 18
Ejemplo 5…………………..…………………..…………………..…... 19
Propiedades…………………..…………………..…………………..…………. 21
Usos…………………..…………………..…………………..………….……. 21
Tabla…………………..…………………..…………………..……………….. 22
Ejemplos…………………..…………………..…………………..……………. 23
Ejemplo 1…………………..…………………..………………………. 23
Ejemplo 2…………………..…………………..………………………. 24
4
Ejemplo 3…………………..…………………..………………….…… 25
Ejemplo 4…………………..…………………..………………….…… 26
Ejemplo 5…………………..…………………..………………….…… 27
Distribución F…………………..…………………..…………………..……………… 28
Propiedades…………………..…………………..…………………..………… 29
Usos…………………..…………………..…………………..………………… 29
Tabla…………………..…………………..…………………..………………… 31
Ejemplos…………………..…………………..…………………..…………..… 31
Ejemplo 1…………………..…………………..……………………….. 32
Ejemplo 2…………………..…………………..……………………….. 32
Conclusiones……………………………………………………………………………. 35
Bibliografía……………………………………………………………………………… 34
5
INTRODUCCIÓN
Para la ciencia hoy en día se hace indispensable saber aplicar la estadística para su estudio.
A través del presente trabajo se dará a conocer los conceptos y los modelos necesarios básicos
aleatorias continuas. Estas distribuciones son muy importantes porque permiten el análisis de
estudios investigativos, ya que dan la información necesaria para la toma de decisiones y así
OBJETIVOS
OBJETIVO GENERAL:
aleatorias continúas.
OBJETIVOS ESPECIFICOS:
contexto de su aplicación.
ingeniera civil.
7
DISTRIBUCIÓN NORMAL
1 𝑧2
−
𝑌= 𝑒 2𝜎2
𝜎√2𝜋
Siendo:
𝜋= 3.1415926535
Todo ejercicio planteado como Binomial, en especial cuando (n) el número de experimentos
permite facilitar y agilizar las operaciones, cuyo resultado no será exacto (método binomial) sino
un valor bastante aproximado, razón por la cual algunos lo identifican como método aproximado.
Una distribución normal de media μ y desviación típica σ se designa por N(μ, σ). Su gráfica es
la campana de Gauss:
8
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad. Al
ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual
Propiedades:
tomara valores desde -3 hasta 3, que cubre un área de 99,7%, casi igual al 100%.
9
𝑥−𝜇
7. La variante estadística 𝑍 = , es una medida de las deviaciones estándar o de las
𝜎
Uso:
Ejemplos:
1. Los pesos de los individuos de una población se distribuye normalmente con media 70 Kg
y desviación típica 6 Kg. De una población de 2000 personas, calcula cuantas personas
SLN/:
Tipificamos la variable
64−70 76−70
P(64≤x≤76)= P( )≤𝑧≤( ) = 𝑃(−1 ≤ 𝑧 ≤ 1)
6 6
Entonces:
𝑃(𝑧 ≤ 1) = 0.8413
SLN/:
9−8
P(x>9) =𝑃 (𝑧 > ) = 𝑃(𝑧 > 2) = 1 − 𝑃(𝑧 ≤ 2) = 1 − 0.9772 = 0.0228
0.5
R/: La probabilidad de que al adquirir un televisor dure mas de 9 años es del 2,28%
3. Se supone que la estancia de los enfermos en un hospital sigue una distribución normal de
enfermo:
Sln/:
7−8 1 1 1
a. P(x<7)= 𝑃 (𝑧 < ) = 𝑃 (𝑧 < − 3) = 𝑃 (𝑧 > 3) = 1 − 𝑃 (𝑧 ≤ 3)
3
= 1 − 0.6293 = 0.3707=37.07%
3−8 −5 5
b. P(x>3)=1-P(x<3)= 1- (𝑧 > ) = 1 − (𝑧 < ) = 1 − 𝑃((𝑧 > 3)
3 3
5
= 1 − [1 − 𝑃 (𝑧 ≤ 3)] = 1 − (1 − 0.9515) = 0.9515 = 95.15%
10−8 12−8
c. P(10<x<12)= 𝑃 ( <𝑍≤ ) = 0.9082 − 0.7454 = 0.1628 =
3 3
16.28%
11
R/ La probabilidad de que la estancia de un enfermo sea inferior a 7 días es del 37.07%, que
sea superior a 3 días es de 95.15% y que este comprendida entre 10 y 12dias es de 16.28%.
SLN/
Es una distribución normal de media μ=6, desviación típica σ=1,5, es decir, N (6; 1,5)
7−6
P( x > 7) = p (Z > )= P(z > 1,25)= 1-p(Z ≤ 1,25) = 1-0,89435 = 0,1565 = 15,65%
0,8
R/ la probabilidad de que el fraguado de este cemento dure más de 7 días es del 15,65%.
5. La vida media de una casa, según el constructor, es de 69 años, con una desviación típica de
12. Se supone que se distribuye según una distribución normal en un lote de 100
DISTRIBUCIÓN T DE STUDENT
menor de 30. En estos casos, se puede utilizar la desviación estándar de la muestra como
ӯ−𝜇
𝑡=
𝑆
√𝑛 − 1
Siendo:
ӯ = media.
μ= el valor a analizar.
S= desviación estándar.
n= tamaño de la muestra.
Su grafica es:
13
A pesar de las correcciones que se le puedan hacer a las desviaciones típicas, no es efectiva en
todas las muestras; por tal razón la distribución de todas las medias muestrales, no tiene un
comportamiento similar a la distribución normal, a pesar de ser una distribución continua. A esta
Propiedades:
Usos:
1. para determinar el intervalo de confianza dentro del cual se puede estimar la media de
Grados de libertad:
Existe una distribución t distinta para cada uno de los posibles grados de libertad.
¿Qué son los grados de libertad? Podemos definirlos como el número de valores que podemos
elegir libremente.
14
Tabla
15
Ejemplos
promedio de 62.1 con una desviación estándar de 5.83. se sabe que el valor correcto de la
prueba debe ser mayor de 60.¿existe suficiente evidencia para comprobar que no hay
ӯ−𝜇
𝑡=
𝑆
√𝑛 − 1
62.1 − 60 2.1
𝑡= = = 1.8
5.83 1.166
√25 − 1
df=n-1= 25-1=24
área:
16
2. Se desea obtener un intervalo de confianza al 99% para el tiempo medio requerido para
realizar un trabajo. Una muestra aleatoria de 16 mediciones produce una media y una
𝑆
𝛿 = 𝑥 ±𝑡( )
√𝑛
5.6
δ = 13± 2.947 ( )
√16
δ = 13±4.12
δ1 = 17.12 minutos
δ2 = 8.88 minutos
R/: el tiempo requerido para realizar el trabajo será entre 8.88 y 17.2 minutos con una
certeza de 99%
17
Sln:/
Sea:
X = Liquidación matriculas.
m = 2.100.000; s =?
P (<2.000.000) =P (<2.000.000)
R/ La probabilidad se encuentra entre 0.9 y 0.95, según la tabla T que se encuentra más
adelante, no obstante, al t ser negativo, la probabilidad está entre 0.1 y 0.05, es decir, los
valores complementarios..
18
4. La compañía USAL produce varillas. El presidente de la USAL. dice que sus varillas
compra 15 varillas para probar esa afirmación. Las varillas de la muestra resisten en
promedio 290 MPa con una desviación estándar de 50 MPa. Entonces, si quiere
varillas seleccionadas al azar tengan una resistencia promedio no mayores de 290 MPa.
ӯ−𝜇
𝑡=
𝑆
√𝑛
Entonces t= 0.2257
19
R/ la probabilidad de que las 15 varillas seleccionadas al azar tengan una resistencia promedio
5. Una muestra aleatoria de 10 vigas de acero, tiene una resistencia media a la compresión
de 57498 libras por pulgada cuadrada (l.p.c.), con una desviación típica de 539(l.p.c.).
Ho: µ=57000
Ha: µ≠57000
57498−57000
t= 539 =2,77
√9
una distribución de probabilidad continua con un parámetro que representa los grados de
que hacen mínimo el cálculo por medio de las frecuencias observadas (reales) y las frecuencias
(𝒏−𝟏)𝑺𝟐 ∑(𝜒−ӯ)2
𝝌𝟐 = O 𝝌𝟐 =
𝝈𝟐 𝜎2
Su grafica es:
21
Propiedades:
Uso:
Grados de libertad:
En donde:
m= número de parámetros estimados a partir de nos datos muestrales para obtener los valores
esperados.
Tabla:
23
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobús para alcanzar un de sus
destinos en una ciudad grande forman una distribución normal con una desviación
SLN/:
(𝑛−1)𝑠2 (17−1)(2)
X2= = = 32
𝜎2 12
SLN/:
(𝑛−1)𝑠2 (25−1)(9,1)
X2= = = 36,4
𝜎2 6
Al buscar este número en el renglón de 24 grados de libertad nos da un área a la derecha de 0.05.
Aquí se tienen que buscar los dos valores en el renglón de 24 grados de libertad. Al buscar el
derecha de 0.01. Como se está pidiendo la probabilidad entre dos valores se resta el área de 0.95
Según lo anterior:
Operando tenemos:
años con una desviación estándar de un año. Si cinco de estas varillas tienen
duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años, ¿el fabricante podrá tener una confianza
𝛴(𝑦−ӯ)2
Escuela de Negocios Universidad S2= =0,815
𝑁−1
(5−1)(0,815)2 =3,26
X2= 12
Busquemos el valor de chi-cuadrada en nuestra tabla para g.l. (v) = 4 y por la asimetría de la
gráfica el 95% se localiza entre 97.5% y 2.5%, es decir, entre 0.975 y 0.025
R/ Vemos que para 0.975 el valor es 0.484 y para 0.025 es 11.143, por lo que nuestro valor no queda
fuera de estos límites. Entonces, el fabricante puede estar seguro que su desviación
estándar igual a un año es razonable y no tiene razón suficiente para sospechar que
Los seis resultados en partes por millón fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26.
Estimar la varianza de los resultados de la población para este estándar, usando un nivel
Solución:
Se busca en la tabla los valores correspondientes con 5 grados de libertad, obteniéndose dos
2
(6 − 1)(0,0285)
𝜎𝑚𝑎𝑥 = = 0,1246
1,145
2
(6 − 19)(0,0285)
𝜎𝑚𝑖𝑛 = = 0,0129
11,07
28
DISTRIBUCIÓN F
𝑈1
𝑑1
F= 𝑈2
𝑑2
Dónde:
Su grafica es:
29
Propiedades:
1. Si X F(n, m) entonces:
𝑚
𝐸(𝑥) = 𝑚>2
𝑚−2
2𝑚2 (𝑛 + 𝑚 − 2)
𝑉(𝑥) = 𝑚>4
𝑚(𝑚 − 2)2 (𝑚 − 4)
𝑠1 2
𝜎1 2
F= 𝑠2 2
es tal que F F ( 𝑛1 − 1, 𝑛2 − 1)
𝜎2 2
Usos:
estudio.
Grados de libertad:
Los grados de libertad para el numerador y el denominador de la razón F se basan en los cálculos
elevadas al cuadrado entre el número de medias (muestras) menos uno, o bien, k - 1. Así, k - 1 es
En forma semejante, el calcular cada variancia muestral, la suma de las diferencias elevadas al
cuadrado entre el valor medio de la muestra y cada valor de la misma se divide entre el número
de observaciones de la muestra menos uno, o bien, n - 1. Por tanto, el promedio de las variancias
muestras, o k. Los grados de libertad para el denominador son entonces, k(n -l).
31
Tabla:
32
Ejemplos:
1. En un proceso hay dos máquinas cortadoras diferentes en antigüedad lo que hace pensar
que las varianzas de corte no son iguales. Se toma una muestra de 16 partes de cada
a. Mayor a 1.97?
b. Menor a 3.52?
SLN/
usado para un proceso particular depende del tiempo en que el proceso está en
Sln/:
𝜎2
1,0299< 𝜎12 < 4,0376
2
Como ambos límites son mayores que 1 se puede concluir que la varianza 1 es
Conclusiones
Bibliografía:
2. http://www.vitutor.net/1/55.htmlb
3. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C2%B2
4. file:///C:/Users/Pedro%20Pelayo/Downloads/tabla-fisher.pdf
5. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C2%B2
6. https://www.ulpgc.es/hege/almacen/download/4/4760/Tema_2.pdf