1 Distribuciones de Probabilidad Continuas

Embed Size (px)

DESCRIPTION

distribuciones de probabilidad

Citation preview

UNIDAD I

Estadstica I ____________________________________________________________________________________________________________________________________________ Distribuciones de Probabilidad Continuas

UNIDAD

1

Distribuciones de Probabilidad ContinuasOBJETIVO EDUCACIONAL

Al trmino de esta unidad el alumno:

Caracterizar las diferentes distribuciones de probabilidad continuas e interpretar su significado1.1. Introduccin

En la prctica pueden presentarse pequeas variaciones en las longitudes medidas, por muchas causas, tales como vibraciones, fluctuaciones de temperatura, diferencias entre quienes toman las mediciones, calibraciones, desgaste en la herramienta de corte, desgaste en los cojinetes y cambios en la materia prima. Incluso el procedimiento de medicin puede producir variaciones en los resultados finales.

En estos tipos de experimentos, las mediciones de inters pueden representarse con una variable aleatoria. Es razonable modelar el rango de los valores posibles de la variable aleatoria con un intervalo de nmeros reales.

Variable aleatoria continua. Si el rango de una variable aleatoria X contiene un intervalo (ya sea finito o infinito) de nmeros reales, entonces X es una variable aleatoria continua.1.2. Distribucin de probabilidad de una variable aleatoria continua

Una funcin f(x) es una funcin de densidad de probabilidad de la variable aleatoria continua X si para cualquier intervalo de nmeros reales se satisfacen:1)

2)

3)

La funcin de distribucin acumulada de una variable aleatoria continua X esF(x)=

Cuando se ha obtenido la funcin de distribucin acumulada se pueden evaluar las probabilidades siguientes:

a)

b)

c)

1.3. Media y varianza de una variable aleatoria continua

La media y la varianza de una variable aleatoria continua se definen de manera similar al caso de la variable aleatoria discreta. En las definiciones, la integracin reemplaza a la sumatoria.Suponga que X es una variable aleatoria continua con funcin de densidad de probabilidad f(x), para

La media de X, es

La varianza de X, es

La desviacin estndar de X, es

Ejemplo 1.1 Determine el valor de k para que la siguiente funcin sea una funcin de densidad de probabilidad

SolucinPara que f(x) sea una funcin de densidad de probabilidad se debe cumplir que y

Entonces ( (

(

Ejemplo 1.2 Suponga que la funcin de distribucin acumulada de la variable aleatoria X es

Calcule:

a) P(X < 2.8)

b) P(X > 1.5)Solucin

a) P(X < 2.8)= F(x = 2.8) = 0.2*(2.8) = 0.56= 56%

b) P(X > 1.5)= 1 ( F(x = 1.5) = 1 ( 0.2*(1.5) = 0.7 = 70%

Ejemplo 1.3 Suponga que para 0 < x < 4. Calcule la media y la varianza de X.

Solucin

EJERCICIOS 1.1

1. Determine el valor de k para que la siguiente funcin sea una funcin de densidad de probabilidad

a)

b)

c)

2. La funcin de densidad de probabilidad del tiempo de falla (en horas) de un componente electrnico de una copiadora es . Calcule la probabilidad de que el componentea) Tarde ms de 3000 horas en fallarb) Falle en un lapso comprendido entre 1000 y 2000 horas

c) Falle antes de 1000 horas

3. Suponga que la funcin de distribucin acumulada de la variable aleatoria X es

Calcule:

a) P(X < 1.8)

b) P(X >( 1.5)

c) P(( 1 1, las curvas toman la forma de campana como la curva normal, pero muestran asimetra.

1. Suponga que la vida de servicio, en aos, de la batera de un aparato para sordos es una variable aleatoria que tiene una distribucin de Weibull con ( = 1/2 y ( = 2.

a) Cunto tiempo se puede esperar que dure tal batera?

b) Cul es la probabilidad de que tal batera est en operacin despus de dos aos?

2. Suponga que el tiempo de falla (en minutos) de ciertos componentes electrnicos, sujetos a vibraciones continuas, puede considerarse como una variable aleatoria que tiene la distribucin de Weibull con ( = 1/5 y ( = 1/3.

a) Cunto puede esperarse que dure un componente?

b) Cul es la probabilidad de que ese componente falle en menos de 5 horas?

3. Suponga que la vida til (en horas) de un semiconductor es una variable aleatoria que tiene una distribucin de Weibull con ( =0.025 y ( =0.500. Cul es la probabilidad de que el semiconductor an est funcionando despus de 4000 horas?1.8 Distribucin de Probabilidad ji-cuadrada, (2Teorema 1.4. Si es la varianza de una muestra aleatoria de tamao n tomada de una poblacin normal que tiene la varianza , entonces la estadstica

Tiene una distribucin Ji-cuadrada con v = n 1 grados de libertad.

Para las aplicaciones de la distribucin (2 (Tabla 2 del Apndice), utilizaremos el procedimiento siguiente:

Sean: X = una variable aleatoria continua

X ~ Normal

n variables aleatorias independientes

)

Entonces:

a)

b)

c)

Ejemplo 1.5 Se sabe que la duracin de los cinescopios para televisin fabricados por una compaa se distribuye en forma normal con una media de 3000 horas y una desviacin estndar de 60 horas. Si se seleccionan 10 de estos cinescopios al azar, hallar la probabilidad de que la varianza muestral: a) no exceda de 2360 horas2, b) se encuentre entre 2360 y 6768 horas2.

Solucin

Sean: X = duracin de los cinescopios, en horas

X ~ Normal ()

X > 0

n =10 variables aleatorias independientes

)

Entonces:

a)

Por lo tanto, esperamos que 25 de cada cien muestras, de tamao 10, tengan una varianza muestral inferior a 2360 horas2.

b)

= 0.70

Por lo tanto, esperamos que 70 de cada cien muestras, de tamao 10, tengan una varianza muestral mayor de 2360 horas2 pero menor de 6768 horas2.

1.9 Distribucin de probabilidad t Student

Teorema 1.5. Sea Z una variable aleatoria normal estndar y V una variable aleatoria Ji-cuadrada con v grados de libertad. Si Z y V son independientes, entonces la distribucin de la variable aleatoria T, donde

Est dada por

Esta se conoce como la distribucin t con v grados de libertad.

Corolario Sean variables aleatorias independientes que son todas normales con media y desviacin estndar . Sean

y ,

Entonces la variable aleatoria tiene una distribucin t con v = n 1 grados de libertad.

Para las aplicaciones de la distribucin t Student (Tabla 3 del Apndice), utilizaremos el procedimiento siguiente:

Sean: X = una variable aleatoria continua

n variables aleatorias independientes (n < 30)

;

Entonces:

a)

b)

c)

d)

Ejemplo 1.6 Un fabricante de focos afirma que su producto durar en promedio de 500 horas de trabajo. Para verificar este promedio, esta persona prueba 25 focos cada mes. Si el valor de t calculado cae entre y , l se encuentra satisfecho con esta afirmacin. Qu conclusin deber l sacar de una muestra que tiene una media de horas y una desviacin estndar horas? Asuma que la distribucin de los tiempos de vida es normal?

Sean: X = tiempos de vida de los focos producidos por un fabricante, en horas

n=25 variables aleatorias independientes (n < 30)

;

Entonces: De la Tabla 3 obtenemos el valor de para 24 grados de libertad. Por lo tanto, el fabricante estar de acuerdo con esta afirmacin si una muestra de 25 focos da un valor de t entre -1.711 y 1.711.

De aqu que el fabricante est en condiciones de concluir que sus focos duran ms de 500 horas.

1.10 Distribucin de Probabilidad F

Teorema 1.6. Sean U y V dos variables aleatorias que tienen distribuciones Ji-cuadradas con v1 y v2 grados de libertad, respectivamente, entonces la distribucin de la variable aleatoria est dada por

Esta se conoce como la distribucin F con v1 y v2 grados de libertad.

Teorema 1.7. Al escribir para con v1 y v2 grados de libertad, obtenemos

As, el valor F con v1 = 6 y v2 = 10 grados de libertad, que deja un rea de 0.95 a la derecha, es

Suponga que las muestras aleatorias de tamao n1 y n2 se seleccionan de dos poblaciones normales con varianzas y , respectivamente. Del Teorema 1.4 sabemos que

y

son variables aleatorias que tienen distribuciones Ji-cuadradas con y grados de libertad. Adems, como las muestras se seleccionan al azar, tratamos con variables aleatorias independientes, y entonces con el uso del teorema 1.6 con y , obtenemos el siguiente resultado

Teorema 1.8. Si y son las varianzas de muestras aleatorias independientes de tamaos n1 y n2 tomadas de poblaciones normales con varianzas y , respectivamente, entonces

tiene una distribucin F con y grados de libertad.

1. Para una distribucin Ji-cuadrada encuentre

a) cuando v = 15

b) cuando v = 7 c) cuando v = 24

2. Para una distribucin Ji-cuadrada encuentre los siguiente:

a) cuando v = 5

b) cuando v = 19 c) cuando v = 123. Para una distribucin Ji-cuadrada encuentre tal que

a) cuando v = 4b) cuando v =19c) si v = 254. Para una distribucin Ji-cuadrada encuentre tal que

a) cuando v = 21b) cuando v =6c) si v = 105. Para la distribucin T-Student encuentre:

a) cuando v = 14b) cuando v = 10c) cuando v = 76. Para la distribucin T-Student encuentre:

a) cuando v = 7

b) cuando v = 24c) cuando v = 12

d) cuando v = 177. Para la distribucin T-Student encuentre:

a)

b)

8. Dada una muestra aleatoria de tamao 24 de una distribucin normal, con ( desconocida, encuentre k tal que

a) b) c)

9. Para la distribucin F encuentre:

a) con v1 = 7 y v2 = 15

b) con v1 = 15 y v2 = 7c) con v1 = 24 y v2 = 19

d) con v1 = 19 y v2 = 24b) con v1 = 28 y v2 = 12 EJERCICIOS 1.6

Distribuciones de Weibull (( = 1)

EJERCICIOS 1.6

EJERCICIOS 1.5

EJERCICIOS 1.3

14 MOISS MUOZ DAZMOISS MUOZ DAZ 5

_1188558640.unknown

_1188575140.unknown

_1200930565.unknown

_1200931158.unknown

_1200931308.unknown

_1200931755.unknown

_1200931785.unknown

_1203230735.unknown

_1200931726.unknown

_1200931203.unknown

_1200931240.unknown

_1200931178.unknown

_1200930636.unknown

_1200930671.unknown

_1200930581.unknown

_1200929854.unknown

_1200929910.unknown

_1200930537.unknown

_1200929879.unknown

_1188577873.unknown

_1200929806.unknown

_1200929835.unknown

_1188578070.unknown

_1188578678.unknown

_1188579343.unknown

_1188578015.unknown

_1188577792.unknown

_1188577827.unknown

_1188575642.unknown

_1188561962.unknown

_1188573668.unknown

_1188574234.unknown

_1188574748.unknown

_1188574162.unknown

_1188573119.unknown

_1188573288.unknown

_1188573015.unknown

_1188559662.unknown

_1188561186.unknown

_1188561869.unknown

_1188560628.unknown

_1188558784.unknown

_1188558829.unknown

_1188558702.unknown

_1085822954.unknown

_1171948015.unknown

_1188551507.unknown

_1188556642.unknown

_1188558077.unknown

_1188558126.unknown

_1188557152.unknown

_1188557867.unknown

_1188556762.unknown

_1188552865.unknown

_1188555576.unknown

_1188555643.unknown

_1188555822.unknown

_1188553418.unknown

_1188553478.unknown

_1188553687.unknown

_1188553441.unknown

_1188553371.unknown

_1188552711.unknown

_1188552768.unknown

_1188551700.unknown

_1188401974.unknown

_1188403264.unknown

_1188405245.unknown

_1188406268.unknown

_1188406387.unknown

_1188405571.unknown

_1188402125.unknown

_1188402404.unknown

_1188402723.unknown

_1188402036.unknown

_1188401365.unknown

_1188401641.unknown

_1188401804.unknown

_1188401519.unknown

_1188400960.unknown

_1188401272.unknown

_1188400811.unknown

_1086525545.unknown

_1168107098.unknown

_1168166272.unknown

_1168166660.unknown

_1168167902.unknown

_1168168037.unknown

_1168168071.unknown

_1168168119.unknown

_1168167973.unknown

_1168166884.unknown

_1168166946.unknown

_1168166871.unknown

_1168166369.unknown

_1168166548.unknown

_1168166282.unknown

_1168165559.unknown

_1168165629.unknown

_1168166260.unknown

_1168165600.unknown

_1168107357.unknown

_1168107445.unknown

_1168107339.unknown

_1168106594.unknown

_1168106712.unknown

_1168106918.unknown

_1168106964.unknown

_1168106737.unknown

_1168106789.unknown

_1168106695.unknown

_1168106530.unknown

_1168106542.unknown

_1104037206.unknown

_1086519957.unknown

_1086525066.unknown

_1086525289.unknown

_1086525435.unknown

_1086525221.unknown

_1086520588.unknown

_1086524746.unknown

_1086524776.unknown

_1086520868.unknown

_1086524662.unknown

_1086520842.unknown

_1086520559.unknown

_1086520403.unknown

_1086520441.unknown

_1086259779.unknown

_1086259851.unknown

_1086259860.unknown

_1086259879.unknown

_1086259539.unknown

_1086259603.unknown

_1086259109.unknown

_1086259282.unknown

_1059812403.unknown

_1059821555.unknown

_1059822786.unknown

_1085821591.unknown

_1085822168.unknown

_1085822741.unknown

_1085821720.unknown

_1059824123.unknown

_1085821564.unknown

_1059824153.unknown

_1059824223.unknown

_1059824006.unknown

_1059824040.unknown

_1059822833.unknown

_1059822456.unknown

_1059822611.unknown

_1059822657.unknown

_1059822526.unknown

_1059822288.unknown

_1059822328.unknown

_1059821969.unknown

_1059819655.unknown

_1059820348.unknown

_1059821320.unknown

_1059821400.unknown

_1059820442.unknown

_1059819839.unknown

_1059819966.unknown

_1059819727.unknown

_1059818818.unknown

_1059819568.unknown

_1059819632.unknown

_1059818970.unknown

_1059813348.unknown

_1059813737.unknown

_1059812524.unknown

_1059672397.unknown

_1059672656.unknown

_1059810243.unknown

_1059811962.unknown

_1059812267.unknown

_1059810428.unknown

_1059672780.unknown

_1059807336.unknown

_1059807358.unknown

_1059805186.unknown

_1059672538.unknown

_1059672577.unknown

_1059672616.unknown

_1059672489.unknown

_1059638070.unknown

_1059638997.unknown

_1059639270.unknown

_1059638648.unknown

_1058036202.unknown

_1059637742.unknown

_1059637946.unknown

_1058285608.unknown

_1058036172.unknown