Escolar Documentos
Profissional Documentos
Cultura Documentos
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Uniforme.
Definición.- Se dice que una variable aleatoria continua 𝑋 tiene una distribución de probabilidad
Uniforme de parámetros 𝛼 y 𝛽, denotado por 𝑋~𝑈(𝛼, 𝛽), si su función de densidad es
1
, 𝛼≤𝑥≤𝛽
𝑓(𝑥) = {𝛽 − 𝛼
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
y
Figura 1: Función de densidad de probabilidad para una variable aleatoria contínua Uniforme con
parámetros 𝛼 = 0.2 𝑦 𝛽 = 0.8
Fernando Tenesaca 1
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Gamma.
Definición.- Se dice que una variable aleatoria continua 𝑋 tiene una distribución de probabilidad
Gamma de parámetros 𝛼 y 𝛽, denotado por 𝑋~Γ(𝛼, 𝛽), si su función de densidad es
1
𝑥 𝛼−1 𝑒 −𝑥⁄𝛽 , 𝑥 ≥ 0; 𝛼 > 0, 𝛽 > 0
𝑓(𝑥) = {𝛽𝛼 Γ(𝛼)
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
∞
Γ(𝛼) = ∫ 𝑡 𝛼−1 𝑒 −𝑡 𝑑𝑡
0
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
y
x
Figura 2: Función de densidad de probabilidad para una variable aleatoria contínua Gamma con
parámetros 𝛼 = 1.2 𝑦 𝛽 = 1.2
Fernando Tenesaca 2
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Exponencial.
Definición.- Se dice que una variable aleatoria continua 𝑋 tiene una distribución de probabilidad
Exponencial de parámetro 𝛽, denotado por 𝑋~Exp(𝛽), si su función de densidad es
1 −𝑥⁄𝛽
𝑒 , 𝑥 ≥ 0; 𝛽 > 0
𝑓(𝑥) = {𝛽
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝟏
𝝁=𝜷 𝝈𝟐 = 𝜷𝟐 𝒎𝒙 (𝒕) =
(𝟏 − 𝜷𝒕)
y
x
Figura 3: Función de densidad de probabilidad para una variable aleatoria contínua Exponencial con
parámetro 𝛽 = 1
Fernando Tenesaca 3
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Erlang.
Definición.- Se dice que una variable aleatoria contínua 𝑋 tiene una distribución de probabilidad
Erlang de parámetros n y 𝛽, denotado por 𝑋~Erl(𝑛, 𝛽), si su función de densidad es
1
𝑥 𝑛−1 𝑒 −𝑥⁄𝛽 , 𝑥 ≥ 0; 𝑛 ∈ ℕ, 𝛽 > 0
𝑓(𝑥) = {𝛽𝑛 (n − 1)!
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
Figura 4: Función de densidad de probabilidad para una variable aleatoria contínua Erlang con
parámetros 𝑛 = 3 𝑦 𝛽 = 0.5
Fernando Tenesaca 4
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Definición.- Se dice que una variable aleatoria contínua 𝑋 tiene una distribución de probabilidad
Chi Cuadrado de parámetro 𝑛, denotado por 𝑋~𝜒𝑛2 , si su función de densidad es
1
𝑥 𝑛⁄2−1 𝑒 −𝑥⁄2 , 𝑥 ≥ 0; 𝑛 ∈ ℕ
𝑓(𝑥) = {2𝑛⁄2 Γ(𝑛⁄2)
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝒏
𝝁=𝒏 𝝈𝟐 = 𝟐𝒏 𝒎𝒙 (𝒕) = (𝟏 − 𝟐𝒕)−𝟐
Figura 5: Función de densidad de probabilidad para una variable aleatoria contínua Chi Cuadrado con
parámetro 𝑛 = 4
Fernando Tenesaca 5
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Normal.
Definición.- Se dice que una variable aleatoria continua 𝑋 tiene una distribución de probabilidad
Normal de parámetros 𝜇 y 𝜎 2 , denotado por 𝑋~𝑁(𝜇, 𝜎 2 ), si su función de densidad es
1 1 𝑥−𝜇 2
− ( )
𝑒 2 𝜎 , 𝑥 ∈ ℝ, 𝜇 ∈ ℝ, 𝜎 > 0
𝑓(𝑥) = {𝜎√2𝜋
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝟏 𝟐 𝝈𝟐
𝒎𝒆𝒅𝒊𝒂 = 𝝁 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 = 𝝈𝟐 𝒎𝒙 (𝒕) = 𝒆𝒖𝒕 + 𝟐 𝒕
y
x
Figura 6: Función de densidad de probabilidad para una variable aleatoria continua Normal con
parámetro 𝜇 = 3 y 𝜎 2 = 1.5
Fernando Tenesaca 6
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Definición.- Se dice que una variable aleatoria continua Z tiene una distribución de probabilidad
Normal Estándar de parámetros 𝜇 = 0 y 𝜎 2 = 1, denotado por 𝑍~𝑁(0,1), si su
función de densidad es
1 1 2
(𝑧)
𝑒 −2 , 𝑧∈ℝ
𝑓(𝑧) = {√2𝜋
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝟏 𝟐
𝒎𝒆𝒅𝒊𝒂 = 𝟎 𝒗𝒂𝒓𝒊𝒂𝒏𝒛𝒂 = 𝟏 𝒎𝒙 (𝒕) = 𝒆 𝟐 𝒕
Figura 7: Función de densidad de probabilidad para una variable aleatoria contínua Normal Estándar
con parámetro 𝜇 = 0 y 𝜎 2 = 1
Fernando Tenesaca 7
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución Beta.
Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad Beta de
parámetros 𝛼 y 𝛽, denotado por 𝑋~𝛽(𝛼, 𝛽), si su función de densidad es
𝑥 𝛼−1 (1 − 𝑥)𝛽−1
, 0 ≤ 𝑥 ≤ 1; 𝛼 > 0, 𝛽 > 0
𝑓(𝑥) = { 𝛽(𝛼, 𝛽)
0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
1
Γ(𝛼)Γ(𝛽)
𝛽(𝛼, 𝛽) = ∫ 𝑡 𝛼−1 (1 − 𝑡)𝛽−1 𝑑𝑡 =
0 Γ(𝛼 + 𝛽)
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝜶 𝜶𝜷
𝝁= 𝝈𝟐 = 𝒎𝒙 (𝒕) = 𝑭(𝜶, 𝜷, 𝒕)
𝜶+𝜷 (𝜶 + 𝜷 + 𝟏)(𝜶 + 𝜷)𝟐
y
Figura 8: Función de densidad de probabilidad para una variable aleatoria contínua Beta con
parámetros 𝛼 = 0.5 𝑦 𝛽 = 0.5
Fernando Tenesaca 8
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
INSTIUTO DE CIENCIAS MATEMÁTICAS
- ESTADÍSTICA INFERENCIAL -
CAPÍTULO 4.
Variables Aleatorias Continuas y sus Distribuciones de Probabilidad
Estadística Matemática con Aplicaciones. W. Mendenhall, D. Wackerly, R. Scheafer.
Distribución T de Student.
Definición.- Se dice que una variable aleatoria X tiene una distribución de probabilidad T de
Student de parámetro 𝜈 (grados de libertad), denotado por 𝑋~𝑇(𝜈), si su función de
densidad es
𝜈+1 (𝜈+1)
−
1 Γ( 2 ) 𝑥2 2
𝜈 (1 + ) , 𝑥 ∈ ℝ; 𝜈 ∈ ℕ
𝑓(𝑥) = √𝜋𝜈 Γ ( ) 𝜈
2
{ 0, 𝐸𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑷𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅𝒆𝒔
𝝂
𝝁=𝟎 , 𝝂≥𝟐 𝝈𝟐 = , 𝝂≥𝟑 𝒎𝒙 (𝒕) = 𝑵𝒐 𝒆𝒔𝒕𝒂 𝒅𝒆𝒇𝒊𝒏𝒊𝒅𝒂
𝝂−𝟐
Fernando Tenesaca 9