Professional Documents
Culture Documents
Asu 7
Asu 7
Distribuciones Continuas
de Probabilidad
Luigi Lizza Mendoza, MBA
Agenda
• Distribución Exponencial
• Distribución Uniforme
• Distribución Normal
• Distribución Normal Estándar
• Distribución T de Student
• Distribución Chi-cuadrada
• Distribución F de Fisher.
• Distribuciones de Probabilidad Continuas en R
2
25/08/2023
Distribución Exponencial
4
25/08/2023
Distribución Exponencial
Esta distribución suele ser el modelo de fenómenos aleatorios que miden
el tiempo que transcurre entre la ocurrencia de dos sucesos. La
distribución exponencial suele describir situaciones como:
• Los tiempos de servicio en un sistema (p.e., cuánto tiempo toma
atender a un cliente).
• El tiempo entre “entradas” en un sitio web.
• El tiempo de vida de un componente eléctrico.
• El tiempo que transcurre hasta que la siguiente llamada telefónica llega
a un centro de servicio al cliente.
Distribución Exponencial
Una variable aleatoria X tiene distribución exponencial con parámetro , si su
función de densidad es:
1 1 x
e x0
f ( x) β
0 otro caso
6
25/08/2023
Distribución Exponencial
Función
acumulada:
F ( x ) P x k 1 e k
también obtenemos: P x k e k
Estas expresiones nos sirven para calcular probabilidades en la distribución
exponencial.
8
25/08/2023
Ejemplo
Ejemplo
𝑋: 𝑇𝑖𝑒𝑚𝑝𝑜 ℎ𝑎𝑠𝑡𝑎 𝑞𝑢𝑒 𝑓𝑎𝑙𝑙𝑒 𝑝𝑜𝑟 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑣𝑒𝑧 𝑙𝑎 𝑏𝑎𝑡𝑒𝑟í𝑎 𝑑𝑒 𝑢𝑛 𝑐𝑒𝑙𝑢𝑙𝑎𝑟 (𝑒𝑛 ℎ𝑜𝑟𝑎𝑠)
𝑋~𝐸𝑥𝑝(𝛽 = 500)
10
25/08/2023
Ejemplo
𝑏) 𝑃 𝑋 ≤ 𝑘 = 0.15
K=??
𝑘
0.15 = 1 − 𝑒 → 𝐿𝑛 0.85 = − 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 = 81.26 ℎ𝑜𝑟𝑎𝑠
500
11
Ejemplo
= (1 − 𝑒 ) − (1 − 𝑒 )
12
25/08/2023
Distribución Uniforme
13
13
Distribución Uniforme
14
25/08/2023
Distribución Uniforme
Donde:
a = Limite inferior del intervalo
b = Limite superior del intervalo
15
• La forma de la distribución es
rectangular y posee un valor
mínimo a y un máximo b.
• Observe, asimismo, que la
altura de la distribución es
constante o uniforme para
todos los valores entre a y b.
16
25/08/2023
17
Ejemplo
18
25/08/2023
Ejemplo
𝑋~𝑈[50,90]
(90 − 75)
𝑎) 𝑃 𝑋 > 75 = = 0.375
40
19
Ejemplo
𝑋~𝑈[50,90]
(70 − 50)
𝑏) 𝑃 50 ≤ 𝑋 ≤ 70 = = 0.50
(90 − 50)
20
25/08/2023
80% 20%
Ejemplo
k
𝑋~𝑈[50,90]
(90 − 𝑘)
𝑐) 𝑃 𝑋 ≥ 𝑘 = 0.20 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠: = 0.20
(90 − 50)
𝑘 = 82 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
21
Ejemplo
𝑋~𝑈[50,90]
𝑎 + 𝑏 50 + 90 (90 − 50)
𝐸 𝑥 =𝜇= = = 70 𝑉𝑎𝑟 𝑥 = = 133.33
2 2 12
(𝑏 − 𝑎) (90 − 50) 𝑑) 𝐶𝑉 = ∗ 100 =
.
*100 = 16.5%
𝑉𝑎𝑟 𝑥 = 𝜎 = =
12 12
22
25/08/2023
Distribución Normal
23
Distribución Normal
( )
Donde:
P(x) = Probabilidad de x ocurrencias en un intervalo
X = Valor de una variable aleatoria continua
μ = valor esperado o número medio de ocurrencias en un intervalo
σ = Desviación Estándar
π = 3.1416
e = 2.71828
24
25/08/2023
25
26
25/08/2023
27
28
25/08/2023
29
Ejemplo
30
25/08/2023
Ejemplo
31
Ejemplo 1
32
25/08/2023
Ejemplo 1
33
Ejemplo 1
34
25/08/2023
Ejemplo 1
𝑃 𝑋 ≤ 𝑘 = 0.33
𝑘 − 200
=𝑃 𝑍≤ = 0.33
15
𝑘 − 200
= −0.44 → 𝑘 = 193.40
15
35
Ejemplo 2
36
25/08/2023
Ejemplo 2
37
Ejemplo 2
38
25/08/2023
Ejemplo 3
39
Ejemplo 3
= 𝑃 𝑍 ≤ 0.57 = 0.7157
40
25/08/2023
Ejemplo 3
= 𝑃 𝑍 ≤ 0 − 𝑃(Z ≤ −0.57)
41
Ejemplo 3
𝑘 − 43,000
= 1− 𝑃 𝑍 ≤ = 0.6406
3,500
𝑘 − 43,000
= 0.36 → 𝑘 = $44,257.90
3,500
42
25/08/2023
Ejemplo 4
43
Ejemplo 4
44
25/08/2023
Ejemplo 4
45
Ejemplo 5
46
25/08/2023
Ejemplo 5
47
Ejemplo 5
48
25/08/2023
Ejemplo 5
𝑘 − 6.45
= 0.68 → 𝑘 = 7.334 𝑔𝑟𝑎𝑚𝑜𝑠
1.3
49
Distribución T de Student
50
25/08/2023
Distribución T de Student
Donde:
X = Valor de una variable aleatoria continua
m = grados de libertad
51
Características de la Distribución T de
Student
Características
La función de densidad es simétrica y tiene forma de
campana
El rango es toda la recta real, esto es, de - a +
La gráfica de la distribución t es parecida a la
distribución normal, se diferencian en:
En los extremos la distribución t está por encima
de la normal estándar.
En el centro la distribución t está por debajo de la
normal estándar.
Cada valor de grado de libertad determina una
distribución t distinta.
Cuando los grados de libertad son altos, los
valores de la distribución t se asemejan con los
valores de la distribución normal estándar.
52
25/08/2023
Características de la Distribución T de
Student
Es una distribución continua.
• Tiene forma de campana y es
simétrica.
• Existe una familia de
distribuciones t; cada vez que se
cambia de grados de libertad, se
crea una nueva distribución.
• Conforme se incrementa el
número de grados de libertad, la
forma de la distribución t se
aproxima a la de la distribución
normal estándar.
• La distribución t es plana, o más
dispersa, que la distribución
normal estándar.
53
54
25/08/2023
55
Grados de Libertad
De un conjunto de observaciones, los grados de
libertad están dados por el número de valores que
pueden ser asignados de forma arbitraria, antes de
que el resto de las variables tomen un valor
automáticamente, producto de establecerse las que
son libres, esto, con el fin de compensar e igualar un
resultado el cual se ha conocido previamente.
56
25/08/2023
Grados de Libertad
Suponga que se manejan dos valores de muestra, a y b, y sabemos
que tienen una media de 18. En símbolos, la situación es:
Este ejemplo nos muestra que cuando hay dos elementos en una muestra y conocemos la media
muestral de esos dos elementos, entonces somos libres de especificar sólo uno de los elementos,
porque el otro estará determinado por el hecho de que los dos elementos suman el doble de la media
de la muestra. En un lenguaje estadístico decimos que “tenemos un grado de libertad”.
57
Grados de Libertad
Veamos otro ejemplo. Existen siete elementos en nuestra muestra y sabemos que la media de estos
elementos es 16. En símbolos tenemos la siguiente situación:
En este caso, los grados de libertad o el número de variables que podemos especificar libremente
es 7 – 1= 6. Tenemos la libertad de asignar valores a seis variables, y luego ya no tenemos libertad
de especificar el valor de la séptima variable; ésta queda determinada automáticamente.
Con dos valores de muestra tenemos un grado de libertad (2-1=1), y con siete valores de muestra
tenemos seis grados de libertad (7-1=6). Entonces, en cada uno de estos dos ejemplos tenemos
n - 1 grados de libertad, si n es el tamaño de la muestra. Similarmente, una muestra de 23
elementos nos daría 22 grados de libertad.
58
25/08/2023
Distribución Chi-Cuadrada
59
Distribución Chi-Cuadrada
Donde:
X = Valor de una variable aleatoria continua
m = grados de libertad
60
25/08/2023
Características de la Distribución
Chi-Cuadrada
• Los valores de Chi-cuadrada nunca
son negativos.
• Existe una familia de distribuciones
de Chi-cuadrada. Hay una
distribución de ji cuadrada para 1
grado de libertad, otra para 2, otra
para 3 grados de libertad, etc, en
consecuencia existe un número
infinito de distribuciones.
• La distribución Chi-cuadrada tiene
un sesgo positivo. Sin embargo, a
medida que aumenta el número de
grados de libertad, la distribución
comienza a aproximarse a la
distribución normal.
61
Características de la Distribución
Chi-Cuadrada
A medida que aumenta el
número de grados de libertad,
la distribución comienza a
aproximarse a la distribución
normal.
La distribución Ji-cuadrada se
usa en estimación por
intervalos y pruebas de
hipótesis para la varianza de
una población normal.
62
25/08/2023
63
Distribución F de Fisher
64
25/08/2023
Distribución F de Fisher
Donde:
X = Valor de una variable aleatoria continua
m = grados de libertad en el numerador
n = grados de libertad en el denominador
65
La Distribución F de Fisher
• Existe una familia de distribuciones F.
Cada miembro de la familia se determina
mediante dos parámetros: los grados de
libertad del numerador y los grados de
libertad del denominador.
• Hay una distribución F de la combinación
de 29 grados de libertad del numerador
(gl) y los 28 grados de libertad del
denominador.
• Existe otra distribución F de los 19 grados
en el numerador y los 6 grados de libertad
del denominador.
• La distribución final que se muestra tiene
6 grados de libertad en el numerador y 6
grados de libertad en el denominador
66
25/08/2023
La Distribución F de Fisher
• La distribución F es continua. Esto
significa que se supone un número infinito
de valores entre cero y el infinito positivo.
• La distribución F no puede ser
negativa. El menor valor que F puede
tomar es 0.
• Tiene sesgo positivo. La cola larga de la
distribución es hacia el lado derecho.
Cuando el número de grados de libertad
aumenta, tanto en el numerador como en
el denominador, la distribución se
aproxima a ser normal.
• Es asintótica. Cuando los valores de X
aumentan, la curva F se aproxima al eje X
pero nunca lo toca.
67
68
25/08/2023
Distribuciones de Probabilidad
Continuas en R
69
70
25/08/2023
¿Preguntas?
71