Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 33 vistas

    Clase 25 Noviembre

    Cargado por

    Webos A Parzival
    Este documento describe las distribuciones de probabilidad continua uniforme y normal. La distribución uniforme asigna la misma probabilidad a todos los valores dentro de un intervalo dado. La distribución normal, también conocida como curva en campana, describe muchos fenómenos naturales y errores de medición, y depende de los parámetros media y desviación estándar. El documento también cubre cómo calcular probabilidades para estas distribuciones y cómo estandarizar una variable normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Clase 25 Noviembre

    Cargado por

    Webos A Parzival
    33 vistas16 páginas
    Este documento describe las distribuciones de probabilidad continua uniforme y normal. La distribución uniforme asigna la misma probabilidad a todos los valores dentro de un intervalo dado. La distribución normal, también conocida como curva en campana, describe muchos fenómenos naturales y errores de medición, y depende de los parámetros media y desviación estándar. El documento también cubre cómo calcular probabilidades para estas distribuciones y cómo estandarizar una variable normal.

    Título original

    clase 25 noviembre

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe las distribuciones de probabilidad continua uniforme y normal. La distribución uniforme asigna la misma probabilidad a todos los valores dentro de un intervalo dado. La distribución normal, también conocida como curva en campana, describe muchos fenómenos naturales y errores de medición, y depende de los parámetros media y desviación estándar. El documento también cubre cómo calcular probabilidades para estas distribuciones y cómo estandarizar una variable normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    33 vistas16 páginas

    Clase 25 Noviembre

    Cargado por

    Webos A Parzival
    Este documento describe las distribuciones de probabilidad continua uniforme y normal. La distribución uniforme asigna la misma probabilidad a todos los valores dentro de un intervalo dado. La distribución normal, también conocida como curva en campana, describe muchos fenómenos naturales y errores de medición, y depende de los parámetros media y desviación estándar. El documento también cubre cómo calcular probabilidades para estas distribuciones y cómo estandarizar una variable normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 16

    PROBABILIDAD

    Y
    ESTADÍSTICA

    DISTRIBUCIÓN DE PROBABILIDAD
    CONTINUAS. UNIFORME Y
    NORMAL
    CLASE 25 DE NOVIEMBRE 2021
    INTRODUCCIÓN
    Supongamos que se tiene un conjunto de mediciones en una variable aleatoria continua y que se crea un
    histograma de frecuencia relativa para describir la distribución de las mismas. Para un pequeño número de
    mediciones, se puede usar un pequeño número de clases; entonces, a medida que se recolecten más y más
    mediciones, se pueden usar más clases y reducir el ancho de clase. El perfil del histograma cambiará
    ligeramente, casi todo el tiempo haciéndose cada vez más irregular.
    Cuando el número de mediciones se hace muy grande y los anchos de clase se hacen muy angostos, el
    histograma de frecuencia relativa aparece cada vez más como la curva suave. Esta curva suave describe la
    distribución de probabilidad de la variable aleatoria continua.
    La profundidad o densidad de la probabilidad, que varía con x, puede ser descrita por una fórmula
    matemática f(x), llamada distribución de probabilidad.
    Así como la suma de probabilidades discretas es igual a 1 y la probabilidad de que x caiga en cierto
    intervalo puede hallarse al sumar las probabilidades en ese intervalo, las distribuciones de probabilidad
    tienen las características:
    • El área bajo una distribución continua de probabilidad es igual a 1.
    • La probabilidad de que x caiga en un intervalo particular, por ejemplo de a a b, es igual al área bajo la
    curva entre los dos puntos a y b. La distribuciones siempre se usan en intervalos.
    • P(x=a)=0 para variables aleatorias continuas. Ya que al ser un área bajo la curva se obtendría el área de un
    rectángulo con base 0
    • Esto implica que 𝑃 𝑥 ≥ 𝑎 = 𝑃 𝑥 > 𝑎 𝑦 𝑃 𝑥 ≤ 𝑎 = 𝑃(𝑥 < 𝑎).
    • Esto no es cierto en general para variables aleatorias discretas.

    ¿Cómo se escoge el modelo a usar, es decir, la distribución de probabilidad f(x) apropiada para un
    experimento dado?

    Existen muchos tipos de curvas continuas para modelar un experimento. Algunas son de forma de
    montículo, pero otras no lo son. En general, trate de escoger un modelo que satisfaga estos criterios:

    • Se ajusta al cuerpo de datos acumulado.


    • Permite hacer las mejores inferencias posibles usando los datos.
    Es decir, la probabilidad de que X asuma un valor en el intervalo [a, b] es el área en
    este intervalo y bajo la gráfica de la función de densidad, La gráfica de f(x) a
    menudo se conoce como curva de densidad.
    Distribución uniforme continua
    La variable aleatoria uniforme se emplea para modelar el comportamiento de una
    variable aleatoria continua cuyos valores estén uniforme o exactamente distribuidos
    en un intervalo dado. La función de densidad de probabilidad f(x) sería “plana”, por
    lo cual la probabilidad es uniforme en un intervalo cerrado, digamos [A, B]. La
    distribución uniforme a menudo se conoce como distribución rectangular.

    Resulta sencillo calcular las probabilidades para la distribución uniforme debido a la naturaleza simple de la función de
    densidad. Sin embargo, observe que la aplicación de esta distribución se basa en el supuesto de que la probabilidad de
    caer en un intervalo de longitud fija dentro de [A, B] es constante. Las aplicaciones de la distribución uniforme continua
    no son tan abundantes.
    Ejemplo: Suponga que el tiempo máximo que se puede reservar una sala de conferencias grande de cierta
    empresa son cuatro horas. Con mucha frecuencia tienen conferencias extensas y breves. De hecho, se puede
    suponer que la duración X de una conferencia tiene una distribución uniforme en el intervalo [0, 4]. ¿ Cuál es
    la probabilidad de que cualquier conferencia determinada dure al menos 3 horas?
    Solución: el mismo problema indica que es uniforme de modo que partiendo de

    y
    tenemos que
    4
    1 4 4
    1 1 4 1
    𝑃 𝑥 > 3 = න 𝑓 𝑥; 4, 0 𝑑𝑥 = න 𝑑𝑥 = න 𝑑𝑥 = 𝑥+𝐶 ቮ =
    3 3 4 − 0 3 4 4 4
    3

    x<3 x>3
    Distribución normal
    La distribución de probabilidad continua mas importante en todo el campo de la estadística es la distribución
    normal. Su gráfica, denominada curva normal, es la curva con forma de campana, la cual describe de
    manera aproximada muchos fenómenos que ocurren en la naturaleza, la industria y la investigación. Además,
    los errores en las mediciones científicas se aproximan muy bien mediante una distribución normal.
    La distribución normal a menudo se denomina distribución gaussiana en honor de Karl Friedrich Gauss
    (1777-1855), quien también derivo su ecuación a partir de un estudio de errores en mediciones repetidas de la
    misma cantidad.

    Una variable aleatoria continua X que tiene la distribución en forma de campana se denomina variable
    aleatoria normal. La ecuación matemática para la distribución de probabilidad de la variable normal depende
    de los dos parámetros μ y σ, su media y su desviación estándar, respectivamente.
    propiedades de la curva normal:
    Para calcular 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) cuando X es una variable aleatoria normal con parámetros σ y μ, se debe
    determinar

    Si consideramos σ y μ variables, ninguna de las técnicas estándar de integración puede ser utilizada para
    evaluar la expresión, por lo que tendríamos que calcular la distribución solo para un σ y μ específico, o
    hacer una estandarización.

    Debemos recordar que al calcular la probabilidad con distribuciones estamos hablando del área bajo la
    curva para valores menores en un intervalo.
    Una variable aleatoria normal x está estandarizada al expresar su valor como el número de desviaciones
    estándar 𝜎 que se encuentran a la izquierda o derecha de su media 𝜇 . La variable aleatoria normal
    estandarizada, z, se define como:

    De la fórmula para z, podemos ver que :


    • Cuando x es menor que la media 𝜇, el valor de z es negativo.
    • Cuando x es mayor que la media 𝜇, el valor de z es positivo.
    • Cuando x = 𝜇 , el valor de z =0.
    Ejemplo: Suponga que la fuerza que actúa en una columna que ayuda a soportar un edificio está normalmente
    distribuida con media de 15.0 kips y desviación estándar de 1.25 kips.
    ¿Cuál es la probabilidad de que la fuerza
    a. sea de más de 18 kips?
    b. esté entre 10 y 12 kips?
    c. Difiera de 15.0 kips en cuando mucho 1.5 desviaciones estándar?

    a) sea de más de 18 kips


    Como nos dan la media y la varianza utilizamos la definición base de la distribución normal

    Entonces tenemos
    18
    1 2 /(2 1.252 )
    𝑃 𝑋 > 18 = 1 − 𝑃 𝑥 ≤ 18 = 1 − න 𝑒 − 𝑥−15
    −∞ 2𝜋 1.25
    Esta no es una integral que se resuelva fácilmente, de modo que es necesario utilizar alguna herramienta o
    tablas. Si usamos algún software lo podemos calcular directo con los valores iniciales, si usamos tablas, las
    tablas de la distribución normal están construidas a partir de la distribución normal estandarizada que usa:

    18−15
    𝑧= =2.4
    1.25
    Usando minitab Usando Geogebra con media de 15.0 y
    desviación estándar de 1.25

    𝑃 𝑋 > 18 = 1 − 0.99102 = 0.008198


    Usando tablas z=2.4 Usando Geogebra distribución normal estandarizada z=2.4

    𝑃 𝑋 > 18 = 1 − 0.9918 = 0.0082


    b) esté entre 10 y 12 kips?

    𝑃 10 < 𝑋 < 12 = 𝑃 ≤ 12 − 𝑃 ≤ 10

    Usando minitab

    𝑃 10 < 𝑋 < 12 =0.0081975-0.0000317= 0.0081658

    Usando GeoGebra
    c. Difiera de 15.0 kips en cuando mucho 1.5 desviaciones estándar?
    Esto nos dice que z=1.5, a la izquierda y a la derecha

    También podría gustarte