Distribuciones de Probabilidad Continuas

FACULTAD DE CIENCIAS CONTABLES
Y ADMINISTRATIVAS
ESCUELA PROFESIONAL DE CONTABILIDAD
TEMA : DISTRIBUCIONES DE PROBABILIDAD

CONTINUAS
CURSO: ESTADSTICA APLICADA
CICLO : III
DOCENTE: JULIO ROJAS YOSHIDA
AUTOR: CENTURION YPANAQUE GUSTAVO
CHIMBOTE-PER-2017
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
1. Distribuciones de Probabilidad:
Segn Daz (2013) la distribucin de probabilidad de una variable aleatoria es

una funcin que asigna a cada suceso definido sobre la variable aleatoria
la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida
sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango de valores de
la variable aleatoria. Tambin se dice que tiene una relacin estrecha con
las distribuciones de frecuencia. De hecho, se puede entender que una distribucin de
probabilidades sera una frecuencia terica, ya que sta ltima es aquella que describe
cmo se espera que varen los resultados.
La distribucin de probabilidad est completamente especificada por la funcin de

distribucin, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x.
2. Distribucin de Probabilidad Contina
En teora de la probabilidad una distribucin de probabilidad se llama continua si

su funcin de distribucin es continua. Puesto que la funcin de distribucin de
una variable aleatoria X viene dada por () = ( ), la definicin implica que en
una distribucin de probabilidad continua X se cumple P[X = a] = 0 para todo nmero
real a, esto es, la probabilidad de que X tome el valor a es cero para cualquier valor de a.
Si la distribucin de X es continua, se llama a X variable aleatoria continua.
En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la

integral de la funcin de densidad, por lo que tenemos entonces que:

() = ( ) = ()

Mientras que en una distribucin de probabilidad discreta un suceso con probabilidad

cero es imposible, no se da el caso en una variable aleatoria continua. Por ejemplo, si se
mide lo largo de una hoja de roble, el resultado 3,5 cm no es posible, pero tiene
probabilidad uno porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de
esos valores individuales tiene probabilidad cero, aunque la probabilidad de
ese intervalo no lo es. Esta aparente paradoja no se resuelve por el hecho de que la
probabilidad de que X tome algn valor en un conjunto infinito como un intervalo, no
puede calcularse mediante la adicin simple de probabilidades de valores individuales.
Formalmente, cada valor tiene una probabilidad infinitesimal que estadsticamente
equivale a cero.
Existe una definicin alternativa ms rigurosa en la que el trmino "distribucin de

probabilidad continua" se reserva a distribuciones que tienen funcin de densidad de
probabilidad. Estas funciones se llaman, con ms precisin, variables
aleatorias absolutamente continuas. Para una variable aleatoria X absolutamente continua
es equivalente decir que la probabilidad P[X = a] = 0 para todo nmero real a, en virtud
de que hay un incontables conjuntos de medida de Lebesgue cero (por ejemplo,
el conjunto de Cantor).
Las distribuciones de variable continua ms importantes son las siguientes:
2.1. Distribucin Normal:
La distribucin normal fue descrita, por primera vez, en 1773 por De Moivre como lmite
de la distribucin Binomial cuando el nmero de ensayos tiende a infinito. Este hecho no
llam la atencin y la distribucin normal fue redescubierta por Laplace (1812) y Gauss
(1809). Ambos se ocupaban de problemas de Astronoma y Geodesia; cada uno obtuvo
empricamente la distribucin normal (tambin llamada distribucin gaussiana) como
modelo que describe el comportamiento de los errores en las medidas astronmicas y
geodsicas.
La distribucin normal o de Gauss es la distribucin continua ms importante y de mayor

aplicacin. Es adecuada para describir el comportamiento de muchos conjuntos de datos
en Ciencias, Medicina, Ingeniera, Economa,. . . .
Definicin: Se dice que una v.a. X tiene una distribucin normal de parmetros y ,
X N (, ), si su funcin de densidad tiene la siguiente forma:
donde , > 0 .
Figura 1: Funcin de densidad de la distribucin normal.
Propiedades:
1. E(X) = .
2. Var(X) = 2.
3. Si X1 N (1; 1) y X2 N (2; 2) son v.a. independientes, entonces se verifica
que: X = X1 + X2 N (1 + 2; 12 + 22 ).
4. Sea X N (; ) entonces Y = a + bX, con b 0, sigue una distribucin normal
N (a + b; |b|).
5. La funcin de distribucin de cualquier distribucin N (; ) se puede calcular
utilizan-do la distribucin N (0; 1) o normal tipificada.

Donde = es la normal tipificada y = se denomina puntuacin

tipificada.
6. La funcin de densidad de la normal no admite primitiva y su funcin de
distribucin se calcula de manera aproximada. En lugar de tener que realizar
esos clculos aproximados para cada par de valores y , la propiedad
anterior permite emplear las tablas de la N (0; 1) para obtener la funcin de
distribucin de cualquier normal.
2.2. Distribucin uniforme
Esta distribucin es la ms sencilla de las distribuciones continuas, surge al considerar

una variable aleatoria que toma valores equiprobables en un intervalo nito y su nombre
se debe al hecho de que la densidad de probabilidad de esta variable aleatoria es
uniforme sobre todo el intervalo de definicin.
Definicin: Una variable aleatoria X se dice que sigue una distribucin uniforme en
[a, b], donde a b son nmeros reales, X U (a, b), si tiene la siguiente funcin de
densidad:
Esta distribucin se puede emplear en problemas en los que la probabilidad se reparte por
igual en todo el intervalo.
Propiedades:
2.3. Distribucin exponencial:
Esta distribucin suele ser modelo de aquellos fenmenos aleatorios que miden el tiempo
que transcurre entre dos sucesos. Por ejemplo, entre la puesta en marcha de un cierto
componente y su fallo o el tiempo que transcurre entre dos llegadas consecutivas a un
cajero automtico.
Definicin: Sea X una v.a. continua que puede tomar valores x 0. Se dice que X sigue
una distribucin exponencial de parmetro , si su funcin
de densidad est dada por:
Funcin de distribucin:
Propiedades:
Figura 2: Funcin de densidad de la distribucin exponencial.
2.4. Distribucin t de Student
En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de

probabilidad que surge del problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo.
Aparece de manera natural al realizar la prueba t de Student para la determinacin de las
diferencias entre dos medias muestrales y para la construccin del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce
la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de
una muestra.
La distribucin t de Student es la distribucin de probabilidad del cociente

= =

donde
Z es una variable aleatoria distribuida segn una normal tpica (de media nula
y varianza 1).
V es una variable aleatoria que sigue una distribucin con grados de
libertad.
Z y V son independientes

Si es una constante no nula, el cociente es una variable aleatoria que sigue

la distribucin t de Student no central con parmetro de no-centralidad .
2.5. Distribucin chi cuadrado ( )

En estadstica, la distribucin de Pearson, llamada tambin ji cuadrada(o) o chi
cuadrado(a) (), es una distribucin de probabilidad continua con un parmetro k que
representa los grados de libertad de la variable aleatoria
= 12 + + 2
Donde son variables aleatorias normales independencia-(probabilidad) de media cero

y varianza uno. El que la variable aleatoria X tenga esta distribucin se representa
habitualmente as: ~2
El estadstico ji-cuadrado esta dado por:
Donde n es el tamao de la muestra, 2 la varianza maestral y 2 la varianza de la

poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se puede dar
con la siguiente expresin:
Propiedades:
Los valores de son mayores o iguales que 0.
La forma de una distribucin depende del gl=n-1.
En consecuencia, hay un nmero infinito de distribuciones
El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
Las distribuciones no son simtricas. Tienen colas estrechas que se extienden
a la derecha; esto es, estn sesgadas a la derecha.
Cuando n>2, la media de una distribucin es n-1 y la varianza es 2(n-1).
El valor modal de una distribucin se da en el valor (n-3).
REFERENCIAS BIBLIOGRFICAS
o Caballero, R., Fernndez, R. M., Jimnez, J. D., Olmo, M. J. y Oya, A. (2005).

Creacin de material docente online de apoyo a la docencia de Estadstica
Descriptiva, Jaen. Recuperado de
http://www4.ujaen.es/~mjolmo/EstadI/LADE_DCHO/Distribuciones.pdf
o Daz, A. (2013). Estadstica aplicada a la administracin y economa. Mxico:
MC Graw Gill.
o Jackman, S. (2009). Anlisis Bayesiano para las Ciencias Sociales. Wiley. p. 507.
o Johnson NL, Kotz S, Balakrishnan N. (1995) Continuous Univariate
Distributions Volume 2. Wiley.
o Walpole, R; Myers, R. y Ye, K (2002). Probabilidad y estadstica para ingenieros
y cientficos. Pearson Education.

Distribuciones de Probabilidad Continuas

Cargado por

Copyright:

Formatos disponibles

Distribuciones de Probabilidad Continuas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribuciones de Probabilidad Continuas

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS CONTABLES

TEMA : DISTRIBUCIONES DE PROBABILIDAD

CURSO: ESTADSTICA APLICADA

DOCENTE: JULIO ROJAS YOSHIDA

AUTOR: CENTURION YPANAQUE GUSTAVO

Segn Daz (2013) la distribucin de probabilidad de una variable aleatoria es

La distribucin de probabilidad est completamente especificada por la funcin de

2. Distribucin de Probabilidad Contina

En teora de la probabilidad una distribucin de probabilidad se llama continua si

En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la

Mientras que en una distribucin de probabilidad discreta un suceso con probabilidad

Existe una definicin alternativa ms rigurosa en la que el trmino "distribucin de

Las distribuciones de variable continua ms importantes son las siguientes:

2.1. Distribucin Normal:

La distribucin normal o de Gauss es la distribucin continua ms importante y de mayor

2.2. Distribucin uniforme

Esta distribucin es la ms sencilla de las distribuciones continuas, surge al considerar

2.3. Distribucin exponencial:

2.4. Distribucin t de Student

En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de

2.5. Distribucin chi cuadrado ( )

Donde son variables aleatorias normales independencia-(probabilidad) de media cero

El estadstico ji-cuadrado esta dado por:

Donde n es el tamao de la muestra, 2 la varianza maestral y 2 la varianza de la

o Caballero, R., Fernndez, R. M., Jimnez, J. D., Olmo, M. J. y Oya, A. (2005).

También podría gustarte