Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTINUA
f ( x) dx = 1
x2 x1
3. P( x1 X x2 ) = f ( x) dx
20
x
x
F ( x) = f (t ) dt, x
Propiedades
1) F(x) es una funcin no decreciente, para el caso discreto es escalonada y para el caso continuo es continua. 2) F(-)=0 y F(+)=1 d F ( x) 3) Si X es continua f(x)= dx 4) Para el caso continuo P(x1 < X < x2) = F(x2) - F(x1)
Viene a ser el valor promedio que uno esperara como resultado de una observacin repetida de una variable en estudio.
= E ( X ) = x p ( x)
Si X es una va continua
= E ( X ) = x f ( x) dx
Varianza
La Varianza mide la dispersin de los datos alrededor de la media. Se define de la siguiente manera:
V ( X ) = = E [ X E ( X )]
2
V ( X ) = = E( X )
2 2
Distribucin Uniforme
Diremos que una variable aleatoria continua X tiene una DISTRIBUCION UNIFORME en el intervalo [a,b] si su funcin de densidad:
1 f ( x) = b a 0
si a x b si x<a x>b
a+b E ( x) = 2
2 ( b a ) 2 V ( x) = = 12
Distribucin Uniforme
Ej.1. En un cine se exibe una cinta de 150 minutos en forma continuada, durante todo el da. a. Cual es la probabilidad de que un expectador que elija al azar no pierda mas de los 15 primeros mimutos de la pelcula. Ej.2. Los buses de cierta lnea corren entre la media noche y la seis de la maana. a. Cual es la probabilidad de que una persona que es en un paradero de esta lnea de buses, a una hora al azar, duarnte este perido tenga que esperar por lo menos 20 minutos. b. Cual es la espera promedio.
Diapositiva 12
Distribucin Uniforme
Ej.3. Acerca de la cantidad aleatoria demandad durante un cierto periodo de tiempo por parte de una empresa textil, se sabe que no supera la tonelada. Determinar para dicho periodo de tiempo: a. La probabilidad de que la cantidad demandada no supere los 800 Kg. b. La probabilidad de que la cantidad demandad este comprendida entre 650 y 850 Kg. c. La demanda esperada.
Diapositiva 13
Distribucin Exponencial
Se dice que una v.a continua tiene X una DISTRIBUCION EXPONENCIAL, si su funcin de densidad esta definida por:
e x f ( x) = 0
si x>0 si x 0
E ( x) = V ( x) =
Distribucin Exponencial
1 e x P [ X x] = F ( x ) = 0 Por tanto: P [ X > x ] =1-P [ X x ] P [ X > x ] =1 {1 e x } P [ X > x ] =e x x 0 (*1) Si X es el tiempo, entonces P [ X > t ] es la confiabilidad durante un perido t, es decir, la probabilidad de que su tiempo para fallar excede t. Es decir a trabajado confiadamente durante un tiempo t. si x>0 si x 0
Distribucin Exponencial
P[ X > s + t / X > s] = P[ X > t ] Demostracin: P ( X > s + t ) ( X > s ) P[ X > s ] P 1 P ( X > s + t ) ( X s + t ) = = P[ X > s] 1 P[ X s ]
( s +t ) 1 F ( s + t ) 1 1 e e (t ) = = = = e ( s) ( s) 1 F (s) e 1 1 e
( (
e
( s +t )
) )
= P[ X > t]
Distribucin Exponencial
Ej.4. El tiempo de vida de ciertos tipo de focos elctricos tiene una distribucin exponencial con vida media de 600 horas. Si x representa el tiempo de vida de un foco. a. Cul es la probabilidad que se quemen antes de 400 horas. b. Cual es la probabilidad que dure por lo menos 400 horas. c. Si un foco ha durado 400 horas, cual es la probabilidad de que dure otras 500 horas. Ej.5. El tiempo de vida de un bacteria en un ambiente especial es una variable aleatoria continua X, cuya distribucin de probabilidad es aproximandamente una distribucin exponencial. Si el promedio de duracin de vida es de 10 horas. Calcular: a. La probabilidad de que una bacteria particual muera antes de las 10 horas. b. La probabilidad de que una bacteria, la cual ha vivido 10 horas,viva otras 10 horas mas. c. La probabilidad de que una bacteria, la cual ha vivido 10 horas,muera antes
Diapositiva 17
Distribucin Normal
La distribucin continua de probabilidad mas importante em todo campo de la estadstica es la distribucin normal. Su grfica recibe el nombre de curva normal, teniendo forma de campana(como la figura), la cual describe aproximandamente muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin. Fue estudiada por primera vez en el siglo XVIII cunado cientificos observaron con sorpresa el grado de regularidad en los errores de medicin descubriron que los patrones (distribuciones) eran aproximados a una distribucin continua que denominaran "curva normal de errores" y le atribuyeron reglas de probabilidad. En 1733 Abraham De Moivre desarrollo la ecuacin matematica dela curva normal, tambin llamada distribucion Gaussiana en honor a Karl Friedrich Gauus (1777-1855) quien tambin derivo su ecuacin en un estudio de errores de mediciones repetidas de la misma cantidad. La ecuacin matemtica depende de los parmetros
y 2 y notandosela por N ( x; , 2 ) .
Distribucin Normal
Definicin: Una variable aleatoriacontinua X tiene una DISTRIBUCION NORMAL con media E ( x) = , donde < < y su varianza V ( x) = 2 ,si su funcin densidad es dada por:
E ( x) =
< <
V ( x) = 2 > 0
Distribucin Normal
Comportamintos mas frecuntes en experimentos.
X N ( , 2 ) entonces la conversion z= x
N (0,1)
Se prueba fcilmente
E ( z ) = 0 var( z ) = 1
Calcular la media y la Varianza. Ej.12. Una mquina expendedora de refrescos esta ajustada para servir un promedio de 200 ml por vaso. Si la cantidad de refrescos es normalmente distribuida con una desviacin tpica estandar igual a 15 ml. a. Que fracciones de los vasos contendr mas de 224 ml. b. Cual es la probabilidad de que una vaso contenga entre 191 y 209 ml. c. Cuantos vasos probablemente se derramaran si se utilizan vasos de 230 ml. En los siguientes 1000 refrescos.
Diapositiva 25
d. Por debajo de que valorse obtienen el 25% mas pequeo de los refrescos.
n , 12 + 22 .... n2 )
Esto indica que la suma Y de as n variables aleatorias independientes, cada una con distribcion normal, tambien disminuye normalmente cuyda media es la suma de las medias ( = 1 + 2
+ ....
= 12 + 22 .... n2 ) .
Zn =
x E ( x) V ( x) x i
i =1 n
o lo que es o mismo
Zn =
i =1
2 i
c. Hallar P x2 12 .
Diapositiva 29