Sunteți pe pagina 1din 24

DISTRIBUCIONES

DE PROBABILIDAD
Indice
Introducción
Recuérdese que un modelo matemático es la descripción matemática de una
situación real en cuya elaboración se hacen algunos supuestos y en el que se
consideran algunas simplificaciones de la realidad. La bondad de un modelo
depende de cuán bien se aproxima a la realidad que pretende describir y además
de cuán simple sea. En síntesis un modelo es una forma matemática de
describir el comportamiento de un fenómeno.
1.-Distribuciones de variable aleatoria.

• El concepto básico en el que se sustenta toda la teoría de las distribuciones


de probabilidad cuyo objetivo es formular los modelos estocásticos en
términos puramente matemáticos, es el de variable aleatoria.
• Definición.
• Se llama variable aleatoria (v.a) a una función \ cuyo dominio es el
espacio muestral W y con recorrido en los reales, tal que a cada elemento
del espacio muestral le asigna una imagen en los números reales.
Observaciones.

1) Se conviene en designar las variables aleatorias por letras mayúsculas X,Y,Z


2) El recorrido de una variable aleatoria, RX, está formado por todas las
imágenes de X en R. Conceptualmente es otro espacio muestral del
experimento. Este nuevo espacio muestral generalmente no es equiprobable,
aunque S si lo sea.
ejemplo
1.1.-Distribuciones de variables aleatorias discretas (v.a.d).

• Una variable aleatoria es discreta si Rx es un conjunto finito ó infinito


numerable.
• Sea X variable aleatoria discreta, entoncesuna función p, denominada
función de probabilidad puntual (f.p.p) ó de cuantía, que le asigne
probabilidades a los elementos Xi de Rx , debe satisfacer las siguientes
condiciones:
Ejemplo
1.2. Distribuciones de variables aleatorias continuas (v.a.c)
.

Una variable aleatoria es continua si el conjunto Rx es un conjunto infinito no


numerable. En este tipo de variable aleatoria el conjunto corresponde a un intervalo o
a una unión de Rx intervalos de números reales.
Definición
Sea X variable aleatoria continua, entonces una función f , denominada función de
densidad de probabilidad (f.d.p), que asigne probabilidades en Rx , debe satisfacer las
siguientes condiciones:
Observaciones

1) La definición anterior establece que una función que asigne probabilidades a una variable aleatoria
continua debe ser .no negativa
2) Las probabilidades se asignan en términos de área bajo la curva cuya función es f , por esta razón la
segunda condición establece que el área total es uno, porque corresponde a la probabilidad del espacio
muestral.
3) La tercera condición dice que la probabilidad del definido por el intervalo [ a,b] la determina el área
limitada por la recta x=a , la curva f(x) , la recta x=b y el eje OX
4) De la definición se establece que las probabilidades puntuales, es decir en un punto, tienen el valor , pues
el área bajo una curva en un punto es nula, luego P(c=x)=0, . Esta situación es intuitivamente correcta,
porque cualquier intervalo contiene infinitos puntos y si cada uno tuviera probabilidad superior a cero,
entonces la probabilidad del intervalo superaría al valor 1. Se debe tener presente que la probabilidad es del
intervalo y no de los puntos que están en él. Como consecuencia de la definición se concluye que para
variables aleatorias continuas
Ejemplo
1.3.Función de distribución acumulativa (f.d.a)
.
Otra forma de expresar el comportamiento de una variable aleatoria consiste
en hacerlo mediante su distribución acumulativa, la que aporta una serie de
ventajas, en especial para las distribuciones notables, por razones que se van
a explicar posteriormente.
Definicion
Definición
Se llama función de distribución acumulativa, de una variable aleatoria X
discreta o continua, a una función F tal que Fx=P(X>x).
Tal como lo da a entender su nombre esta es una función que va acumulando
probabilidades. En el caso discreto lo hace sumando probabilidades punto a
punto, similar a la frecuencia relativa acumulada Hi en descriptiva. En el caso
continuo corresponde al área total bajo la curva desde -∞ hasta el punto x en
el eje real. Formalmente:
La figura 2.3 ilustra el concepto de función de
distribución acumulativa en el caso de una
variable aleatoria continua X . La interpretación
es que en la medida que el punto x1 avanza
hacia la derecha el área bajo la curva se va
incrementando y por tanto el valor de F(x1 ), es
decir, aumenta la probabilidad de que ocurra un
valor de X ,menor o igual
que x1, hasta alcanzar el valor 1 cuando x1

llegue al final del recorrido .


Propiedades

S-ar putea să vă placă și