Cálculo y Estadís A: TIC Primer Semestre

Clculo y EstadsTICa. Primer Semestre.
EstadsTICa
Curso Primero
Graduado en Geomtica y Topografa
Escuela Tcnica Superior de Ingenieros en Topografa, Geodesia y Cartografa.
Universidad Politcnica de Madrid
Captulo IV
DISTRIBUCIONES CONTINUAS NOTABLES.
Manuel Barrero Ripoll.
M ngeles Castejn Solanas.
M Luisa Casado Fuente.
Luis Sebastin Lorente.
Departamento de Ingeniera Topogrfica y Cartografa

2-IV
Escuela Tcnica Superior de Ingenieros en Topografa Geodesia y Cartografa
IV DISTRIBUCIONES CONTINUAS NOTABLES
Distribuciones continuas.
4.1
Distribucin Uniforme
4.2
Distribucin exponencial
4.2.1 Propiedades
4.2.2 La funcin de Excel para la Distribucin Exponencial. Exp().
4.3
4.4
Distribucin Normal
4.3.1
Definicin
4.3.2
Propiedades de f(x)
4.3.3
Distribucin Normal Estandar
4.3.4
Las funciones de Excel para la Distribucin Normal
4.3.5
Resumen de funciones de Excel
Normalidad. Mtodos descriptivos

4.4.1
4.5
4.6
4.7
12
Ajuste de una distribucin experimental mediante una Distribucin Normal
Distribucin 2 de Pearson
14
4.5.1
Propiedades de la Distribucin Chi-Cuadrado de n grados de libertad
4.5.2
Las funciones de Excel para la Distribucin Chi-Cuadrado
Distribucin t_Student
16
4.6.1
Propiedades bsicas de la distribucin t_Student
4.6.2
Las funciones de Excel para la distribucin t_Student
Distribucin Fisher_Snedecor
18
4.7.1
Propiedades de la distribucin de Fisher-Snedecor
4.7.2
Las funciones de Excel para la distribucin de Fisher-Snedecor
3-IV
4.1 Distribucin Uniforme. U( a, b )

Sea X una variable aleatoria que toma valores en el intervalo real [ a, b] . Decimos que X sigue
una distribucin uniforme U(a, b) cuando su funcin de densidad es:
1
ba
1
si a x b
f (x) = b a
0
en otro caso
Funcin de densidad de la v.a. U(a,b).

Figura 4.1.1
La funcin de distribucin de la variable U(a, b) y su grfica son por tanto
0
x-a
P (X x) = F(x) =
b-a
1
si
x<a
si a x b
si
b<x
a
Funcin de distribucin de la v.a. U(a,b)

Figura 4.1.2
La media y varianza de la variable aleatoria X U(a, b) son:

a+b
= E [ X] =
2
= V [ X]
2
(b a)
=
12
Ejemplo. De una estacin parte un tren cada 10 minutos. Si designamos por X la variable
aleatoria tiempo de espera desde que un viajero entra en el andn hasta que parte, calcular:
- La funcin de densidad de X.
- La probabilidad de esperar menos de dos minutos.
- El tiempo medio de espera.
- La probabilidad de esperar dos minutos y medio.
Si el viajero llega en cualquier momento y todos los momentos tienen la misma probabilidad,
la variable aleatoria tiempo de espera sigue una distribucin U(0,10).
- Por tanto, la funcin de densidad de la variable X es
f (x) = 10
0
si
0 x 10
en otro caso
- La probabilidad de esperar menos de dos minutos ser:

- El tiempo medio de espera es = E [ X ] =
1
2
dx = = 0.2
10
10
0
P(X < 2) =
10
= 5 minutos.
2
lu_seb@topografia.upm.es
4-IV
- Si el reloj aprecia hasta los segundos, el viajero espera dos minutos y medio si el tren
2.31
llega entre 2,29 y 2.31 minutos, por tanto P(2.29 < x < 2.31) =
10 dx = 0.002 .
2.29
4.2 Distribucin Exponencial. Exp()

La variable aleatoria exponencial describe frecuentemente el tiempo (o espacio) entre sucesos
consecutivos de Poisson, donde representa el nmero de sucesos de Poisson por unidad de
tiempo (o espacio).
Una variable aleatoria continua X que toma valores no negativos sigue una distribucin
exponencial de parmetro >0 cuando su funcin de densidad es:
f (x) = ex con x >0
=1
=3
=5
=10
Figura 4.2.1
Su funcin de distribucin es:

x
F ( x ) = P [ X x ] = et dt = 1 e x , con x > 0
0
4.2.1 Propiedades
-
La media y la varianza de la variable aleatoria exponencial son:

2
2
1
1
1
1
t
2
= E [ X ] = xe dt = ;
= V [ X ] = E x = x et dt = 2
Se dice que la distribucin exponencial no tiene memoria. Para cualquier valor de

a>0 y de b>0 se verifica:
P X >a+b
P ( X > a X > a + b ) e ( a + b )
= a = e b = P ( X > b ) .
=
X>a
P (X > a )
e
Ejemplo. El tiempo de reparacin de cierta avera mecnica tiene una distribucin

exponencial de media 50 minutos.
a) Calcular la probabilidad de que el tiempo de reparacin sea menor que 40 minutos.
manuel.barrero@topografia.upm.es
5-IV
b) Si el coste de mano de obra es de 50 euros por hora y se factura por intervalos de 10

minutos. Cul es la probabilidad de que una reparacin cueste 100 euros?
Si definimos una variable aleatoria T que representa el tiempo (en minutos) de reparacin y T
1
sigue una distribucin exponencial de media = = 50 entonces, su funcin de densidad es:
1
1 t
f ( t ) = e 50 , t>0 .
50
a) La probabilidad de que un tiempo de reparacin sea menor de 40 minutos es:
40
1 501 t
P ( t < 40 ) = F(40) = e dt 0.55067
50
0
b) Una reparacin costar 100 cuando la duracin de la reparacin sea mayor que 110 y
menor que 120. As pues:
P (110 < t < 120 ) = F(120) F(110) =
120
1 501 t
50 e dt 0.02009
110
4.2.2 La funcin de Excel para la Distribucin Exponencial. Exp().

En Excel, existe una funcin para el clculo de F(x) = P( X x) en una distribucin Exp():
DISTR.EXP(x;;1) siendo x el valor de la variable y el parmetro de la distribucin.
Veamos con un ejemplo la forma de utilizar esta funcin.

En una distribucin exponencial de parmetro =0.1 calcular el valor de P(X 2) .
Pulsando el botn insertar funcin y

en este caso al resaltar de la
categora Estadsticas
con la
opcin DISTR.EXP se despliega
una ventana como la de la figura
4.2.2, donde debemos rellenar el
valor de la variable (x > 0) de la cual
se desea conocer su probabilidad, el
valor del parmetro ( > 0) y en
acum escribimos el valor uno para
obtener la probabilidad, o un 0
para obtener el valor de la ordenada
de ( f(x) ) para el valor x dado.
P(X 2) = 0.18127
Figura 4.2.2
6-IV
4.3 Distribucin Normal. N ( , )

La distribucin normal es el modelo ms utilizado e importante de la teora estadstica
moderna. Existen multitud de experimentos cuyos resultados se ajustan a esta distribucin.
4.3.1 Definicin. Una variable aleatoria X sigue una distribucin normal de parmetros y
que representamos de forma abreviada por N ( , ) , si y slo si, su funcin de densidad es:
1 ( x )
1
f (x) =
e 2
2
, con < x < ; < < y > 0 .
4.3.2 Propiedades de f(x). Existe una serie de propiedades bsicas que debemos conocer
acerca de la funcin de densidad y de la funcin de distribucin de una variable aleatoria
normal:
1. La funcin de densidad es no negativa ( f ( x ) 0 ).
2. El rea encerrada por f(x) y el eje X es la unidad (
f (x)dx = 1 ).
3. La funcin f(x) tiene la asntota horizontal y=0 .

4. Por ser una funcin exponencial f (x) es una funcin continua en < x < .
5. Es una funcin simtrica respecto de la recta x = ; ( f ( + x ) = f ( x ) .
6. Existe un mximo en x = = Mo .
7. En los valores x = existe un punto de inflexin .
8. La media es el propio parmetro ;
1
E [ x ] = xf (x)dx =
xe
(x )2
2 2
dx =
9. La desviacin tpica es el parmetro ;
V[x] =
( x )
f (x)dx = 2 , por tanto la desviacin tpica es .
10. De las propiedades 8 y 9 se deduce que la funcin de densidad de una distribucin

normal queda perfectamente determinada conocidos los valores de y .
11. De las propiedades 5 y 6 se deduce que M = = Mo .
12. La funcin de distribucin de la variable aleatoria X N(, ) es:
x
1
F ( x ) = P(X x) =
e
2
( t )2
2 2
dt
7-IV
13 La forma de la funcin de densidad puede observarse en la figura (4.3.1).
Figura 4.3.1
14. En las siguientes figuras podemos observar cmo cambia la grfica de la funcin de
densidad f(x) segn los valores de y .
Normales con igual media y diferente varianza. =1 fija y =1,2,3.
Normales con diferente media e igual varianza. =0,1,2 y =1.
Figura 4.3.2
15. La combinacin lineal de variables aleatorias normales e independientes es una

variable aleatoria normal.
Si X1~ N(1 , 1 ) , X2 ~ N(2 , 2 ) ,, Xn ~ N(n , n ) son independientes, entonces:
X= X1 X2 ... Xn N 1 2 ... n ,
8-IV
12 + 22 + ... + n2 .
4.3.3 Distribucin Normal Estandar. N(0,1). Si X es una variable aleatoria N(, ),

x
es una distribucin normal de media =0 y
desviacin tpica =1, por tanto, su funcin de densidad viene dada por:
entonces, la variable aleatoria Z =
1 12 z2
f (z) =
e
y < z <.
2
En efecto,
x 1
E [ z] = E
E
x
E
=
[
]
[
]
=0
=
=
1
x 1
V
x
V
+
V [z] = V
V
x
=
=
[
]
[
]
[
]
=1.
2
2
=2

=0
X
resultado de aplicar una traslacin y un cambio de escala
a la variable X, se le denomina tipificacin de la variable.
Este cambio de variable, Z =
4.3.4 Las funciones de Excel para la distribucin normal. Mediante Excel, podemos utilizar
dos formas distintas para obtener la probabilidad de un valor en una variable normal:
Distribucin Normal Estndar: X N(0,1) .

Distribucin Normal: X N(, ) .
La diferencia radica en cmo debemos ingresar los datos, y es por ello, por lo que utilizamos
ejemplos aclaratorios.
Ejemplo. Calcular P(Z 2.5) en una distribucin N(0,1).
En este caso al resaltar de la categora Estadsticas la opcin DISTR.NORM.ESTAND
se despliega una ventana en la que debemos rellenar el valor de la variable z del cual se desea
conocer su probabilidad.
P(X 2.5)
Figura 4.3.3
9-IV
Otra forma de proceder es escribir directamente la funcin Excel:
=DISTR.NORM.ESTAND(2,5)
P(Z 2.5) = 0.9937903

Figura 4.3.4
Ejemplo. Calcular P(X 2.5) en una distribucin N(2,3).
En este caso existen dos posibilidades de calcular la probabilidad.

1 Tipificamos la variable y procedemos de la forma anterior.
2 Directamente con la ventana o funcin DISTR.NORM(,).
Veamos la primera forma, en este caso debemos calcular primero el valor tipificado Z:
X
2.5 2
1
Z=
P ( X 2.5 ) = P Z
= PZ
3
6
Por tanto
FUNCIN
1
F = 0.56618
6
Figura 4.3.5
Si procedemos directamente utilizando la ventana de dilogo de la funcin DISTR:NORM,

esta ventana nos solicita, el valor de la variable del cual deseamos conocer su probabilidad y
los
parmetros
de
la
distribucin, es decir, media
y desviacin tpica. Adems,
P(X 2.5)
debemos poner un uno en la
casilla Acum ya que en
este caso deseamos calcular
la probabilidad acumulada
hasta 2.5.
Figura 4.3.6
En el caso del problema inverso, es decir, hallar el valor de la variable aleatoria (percentil) a
partir de la probabilidad del valor buscado, conocidas la media y la desviacin tpica, tambin
podemos elegir entre las dos siguientes alternativas:
10-IV
=Distribucin Normal Estndar Inversa; Z N(0,1) .

=Distribucin Normal Inversa; X N(, ) .
Como en el caso anterior la diferencia radica en como debemos ingresar los datos.
Ejemplo. En una distribucin N(0,1), hallar el valor de x que verifica P(Z x) = 0.5333 .
FUNCIN
F(0.0835)=0.5333
Figura 4.3.7
Ejemplo. En una distribucin N(2,3) hallar el valor de x que verifica P(X x) = 0.5333 .
La funcin Excel correspondiente en este caso es:

FUNCIN
=DISTR.NORM.INV(0,5333; 2; 3)
x=2.25093
es el valor de la variable cuya
probabilidad es 0.5333
Figura 4.3.8
La ventana de dialogo correspondiente a la funcin DISTR.NORM.INV es:

FUNCIN
P(X x ) = 0.5333
Figura 4.3.9
11-IV
4.3.5 Resumen de funciones de EXCEL

Funcin Excel
Sintaxis.
DISTR.NORM(x; ;;acum)
x: valor de la variable.
acum.= 1 para obtener F( x) = P(X x) .
DISTR.NORM. X N(, )
F(x) = P(X x)
Acum.= 0 para obtener la ordenada en x.

DISTR.NORM.ESTAND. Z N(0,1)
F(z) = P(Z z)
DISTR.NORM.ESTAND(z)
z: valor de la variable normalizada.
DISTR.NORM.INV.
p = P(X x)
DISTR.NORM.INV(p;;)
DISTR.NORM.ESTAND.INV.
p = P(Z z)
DISTR.NORM.ESTAND.INV(p).
Tabla 4.3.1
4.4 Normalidad. Mtodos descriptivos

Ms adelante, harn inferencias estadsticas acerca de la poblacin a partir de la informacin
obtenida de una muestra. En la mayora de las tcnicas que estudiarn se supone que la
muestra o muestras han sido obtenidas de una poblacin normal. Por tanto, antes de aplicar
dichas tcnicas aprenderemos varios mtodos descriptivos para verificar si los datos de la
muestra proceden de una distribucin aproximadamente normal.
1 Construimos un histograma de frecuencias relativas para los datos. Si los datos son
aproximadamente normales, la grfica ser similar a la de la curva normal y simtrica respecto
de la media.
2 Calculamos el intervalo intercuartlico y la desviacin tpica muestral, S, si los
datos son aproximadamente normales, entonces,
Q 3 Q1
1, 3
S
Estas verificaciones de normalidad son fciles de aplicar y de gran utilidad, pero, slo son
mtodos descriptivos. Es posible aunque poco probable, que los datos no sean normales
aunque se verifiquen las condiciones anteriores. As pues, con estos mtodos slo podemos
decir que es razonable pensar que los datos provienen de una distribucin normal. Existen
mtodos analticos para el estudio de la normalidad y que estudiaran en otras asignaturas.
4.4.1 Ajuste de una distribucin experimental con una distribucin normal.

Ms adelante estudiaran que:
Si la poblacin es normal, la media muestral es el estimador centrado ms eficiente de la
media poblacional
( = X ).
12-IV
Si la poblacin es normal, la varianza muestral o cuasivarianza es el estimador centrado

ms eficiente de la varianza de la poblacin ( 2 = S2 ) .
De los apartados anteriores se deduce que la distribucin normal que mejor se aproxima
es aquella que tiene por media y varianza, X y S2 , respectivamente.
Poblacin
Muestra
N(, )
X,S
N X, S
Figura 4.4.1
Ejemplo. De un experimento se ha obtenido la siguiente distribucin de frecuencias.

x
0a1
1a2
2a3
3a4
4a5
5a6
6a7
7a8
8a9
9 a 10
ni
19
91
202
217
95
16
Si admitimos que se distribuye segn una distribucin normal, realizar el mejor ajuste para
dicha distribucin.
Solucin. Podemos observar que el polgono de frecuencias absolutas tiene la forma
acampanada de una distribucin normal.
His tograma
250
202
200
150
95
91
100
50
217
19
16
0 a 1 1 a 2 2 a 3 3 a 4 4 a 5 5 a 6 6 a 7 7 a 8 8 a 9 9 a 10
Figura 4.4.2
Si calculamos la media, la cuasivarianza y los cuartiles obtenemos:
X = 5.01 ;
por tanto
S2 = 1.35 ;
S = 1.16 ;
Q1 = 4.24 ;
Q3 = 5.79 ;
Q 3 Q1
= 1.34
S
observamos que tambin se verifica la segunda condicin de las dadas para aceptar la
normalidad de la muestra y por tanto la distribucin normal que mejor se ajusta es:
N(5.01, 1.16).
13-IV
4.5 Distribucin de Pearson

2
Sean Z1, Z2,.,Zn, n variables aleatorias independientes entre s, todas ellas con distribuciones
2
N(0, 1). La variable n =
Z
i =1
2
i
es una variable aleatoria que recibe el nombre de chi-
cuadrado con n grados de libertad.
Su funcin de densidad viene dada por f (x) =
e 2 x
n 2
2
n
2
n
2
2
siendo 0 < x < Y n>2 .
Figura 4.5.1
En la figura 4.5.1 notamos cmo cambia la forma de la funcin de densidad segn sea el valor
2
de n en la distribucin n .
4.5.1 Propiedades de la distribucin Chi-cuadrado de n grados de libertad

1. La distribucin n slo depende del parmetro n.
2
2. El dominio de la variable es [0, ) .

3. Su media, varianza y desviacin tpica son respectivamente
= E [ x ] = xf (x)dx = n ;
2 = V [ x ] =
( x )
f (x)dx = 2n = 2n .
8
12
, y de curtosis g 2 = .
n
n
Note que, a medida que n aumente, la grfica de la funcin de densidad se har ms
4. Son sus coeficientes de asimetra g1 =
simtrica y menos apuntada y 2n

N n,
2n .
5. Si n1 y n 2 son independientes entonces n1 + n 2 es una distribucin n1 + n 2 .

2
Esta propiedad se generaliza para la suma de n variables aleatorias independientes chicuadrado.

14-IV
4.5.2 Las funciones de Excel para la Distribucin Chi-cuadrado.
2n
Debido a que esta distribucin es muy usada en estimacin y contrastes de hiptesis, lo que
ms nos interesa en este curso, es el clculo de la P(X x) y del valor x de la variable que
verifica F(x)=.
Funcin Excel
Sintaxis
DISTR.CHI
Calcula la probabilidad acumulada a la derecha de un
valor x, en una distribucin 2n . P( 2n x) =
DISTR.CHI(x;gl)
gl: grados de libertad.
PRUEBA.CHI.INV
Devuelve el percentil x que acumula a su derecha
una determinada probabilidad . P( 2n x) =
PRUEBA.CHI.INV(;gl)
: probabilidad.
gl: n de grados de libertad.
Observe que las funciones

DISTR.CHI
y
PRUEBA.CHI.INV
proporcionan el rea situada
a la derecha del valor x y el
valor x que deja a su derecha
un rea , respectivamente.
x
Figura 4.5.2
2
Ejemplo. Calcular: a) P(11
> 4.575) ,
2
2
b) P(4,865 < 10
< 15.987) , c) P(11 < 10.1) ,
2
d) hallar el valor de x tal que P(10 < x) = 0.5
Utilizaremos la funcin =DISTR.CHI para los apartados a, b y c,

=PRUEBA.CHI.INV para el apartado d) para obtener:
y la funcin
2
P(11
> 4.575) = 0.949992
2
P(4.865 < 10
< 15.987) = 0.800007
2
2
P(11
< 10,1) = 1 P(11
> 10,1)
=0.478505
2
2
2
P(10
< x) = 0.5 1 P(10
> x) = 0.5 P(10
> x) = 0.5 x = 9.341816
Figura 4.5.3
15-IV
Otra alternativa es usar las ventanas de dilogo para las funciones anteriores. As, para los
apartados a) y d) se obtienen las siguientes ventanas:
Figura 4.5.4
4.6 Distribucin t de Student. tn

Sean Z y
dos variables aleatorias independientes, la variable Z con distribucin N(0,1) y
con distribucin n entonces, la variable aleatoria t n =

2
Z
2n
n
sigue una distribucin t de
student con n grados de libertad (abreviadamente t n ).
Su funcin de densidad es:

n +1
n +1
2
2 n + x 2 , siendo, n > 1 y < x < .
f (x) =
n n
n
2
4.6.1 Propiedades bsicas de la distribucin t_Student. tn

Su distribucin slo depende del parmetro n, llamado grados de libertad.
El dominio de la variable es ( , ) .
Es simtrica respecto del valor x = 0.
Su media y varianza son:
n
si n > 2 respectivamente.
n2
5
Son sus coeficientes de asimetra y curtosis g1 = 0 y g 2 =
respectivamente.
n4
= E [ x ] = 0 si n > 1 y 2 = V [ x ] =
Para n grande (n>30), la distribucin t_student se aproxima a una distribucin N(0,1) .
El caso particular de t1 se conoce con el nombre de Distribucin de Cauchy.
16-IV
4.6.2 Las funciones de Excel para la distribucin t_Student. Las funciones que
proporciona Excel para el clculo de la P(X x) y del valor x de la variable aleatoria que
x
verifica F(x)== f (t)dt , son las siguientes:

0
Funcin Excel
Sintaxis
DISTR.T Calcula el valor de P(t n > t)
si elegimos una cola, o el valor de

P( t n t) si elegimos dos colas.
DISTR.T(t;n;colas)
t: valor de la v. a.
-n el n de grados de libertad.
DISTR.T.INV Devuelve el valor t de

DISTR.T.INV(;n)
; En esta funcin siempre es la

la variable, tal que P ( t n > t ) = .
probabilidad acumulada en dos colas.
2
Tabla 4.6.1
Ejemplo
Calcular las probabilidades:
a) P(t 9 1.37)
P(t 9 1.37)
1 cola
0.101945
Figura 4.6.2
b) P(t 9 1.2);
P(t 9 1.2) = 1 P(t 9 1.2)
0.869613
1 cola
Figura 4.6.3
c) P( t11 > 2.5)
P (t
11 > 2 . 5 )
2 colas
0 . 029506
Figura 4.6.4
d) El valor de t, tal que

P(t16 t) = 0.20
Siempre
2 colas
P ( t16 t ) = 0.2
t 0.864667
Figura 4.6.5
17-IV
e) El valor de t, tal que P(t10 t) = 0.9
P(t10 t) = 0.9 P(t10 > t) = 0.1 P( t10 > t) = 0.2

P( t10 > t) = 0.2
Por tanto
t 1.372184
Figura 4.6.6
La ventana de dilogo para la distribucin DISTR.T y el ejercicio a) ser:
P(t 9 1.37)
Figura 4.6.7
La ventana de dilogo para la distribucin DISTR.T.INV y el ejercicio d) ser:

P(t16 t) = 0.20
0.2
Resultado t
0.2
Figura 4.6.8
18-IV
4.7 Distribucin de Fisher-Snedecor. F(n,m)

Sean X e Y dos variables aleatorias independientes con funciones de distribucin 2m y 2n ,
respectivamente. La variable aleatoria Fm,n =
X
Y
m sigue una distribucin de Fisher-Snedecor

n
con m y n grados de libertad.
La funcin de densidad viene determinada por la funcin

m+n
n
m
2
2
2
n
(mx)

si x > 0
m+n
f (x) = m n
2
x ( mx + n )
2 2
0
si x 0
4.7.1 Propiedades de la Distribucin de Fisher-Snedecor. Algunas de las propiedades

ms importantes de la distribucin de Fisher-Snedecor son:
Si X Fm,n entonces la variable
1
Fn,m .
X
Si X t n entonces X 2 F1,n .
La media de la distribucin F(m, n) es: =
m
, siendo m > 2.
(m 2)
La varianza de la distribucin F(m, n) es: 2 =
2m 2 (m + n 2)
, siendo m > 4.
n(m 4)(m 2)2
Sintaxis
g1=n; grados de libertad en el numerador.
g2=m; grados de libertad en el denominador.
Funcin
DISTR.F Conocido el valor de la v. a.
X, devuelve el valor del rea situada
a la derecha de x, es decir:
P(X > x) =
DISTR.F(x;g1;g2)
DISTR.F.INV Conocida el rea ,

DISTR.F.INV(p:g1;g2)
halla el valor de la variable que deja a
P: probabilidad que deja a su derecha el valor x.
su derecha un rea ; P(X > x) =
Tabla 4.7.1
19-IV
9.7.2 Las funciones de Excel para la Distribucin de Fisher-Snedecor. X Fn,m .

Al igual que en las distribuciones anteriores estudiaremos el clculo de la P(X x) , y el valor
x
x, de la variable aleatoria que verifica F(x)= = f (t)dt .

0
Ejemplo. Hallar P ( F4,9 < 2.8 ) .

P ( F4,9 < 2.8 ) = 1 P ( F4,9 2.8 )
Funcin Excel: =1-DISTR.F(2,8;4;9)

P ( F4,9 < 2.8 ) 0.908069
Figura 4.7.1
La ventana de dilogo para esta funcin es:
x = 2.8
n=4
m=9
P ( F4,9 < 2.8 ) = 1 P ( F4,9 2.8 ) =
= 1 0.09193 =
= 0.90807
Figura 4.7.2
Ejemplo. Hallar el valor k tal que P(X<k)=0.95, siendo X F4,9 .

Funcin Excel: =DISTR.F.INV(0.05;4;9)
P(X < k) = 0.95 P ( F > k ) = 0.05 F(K) = 0.05
k 3.633089
Figura 4.7.3
20-IV

Cálculo y Estadís A: TIC Primer Semestre

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cálculo y Estadís A: TIC Primer Semestre

Uploaded by

Copyright:

Available Formats

Clculo y EstadsTICa. Primer Semestre.

DISTRIBUCIONES CONTINUAS NOTABLES.

Manuel Barrero Ripoll.

M ngeles Castejn Solanas.

M Luisa Casado Fuente.

Luis Sebastin Lorente.

Departamento de Ingeniera Topogrfica y Cartografa

Escuela Tcnica Superior de Ingenieros en Topografa Geodesia y Cartografa

IV DISTRIBUCIONES CONTINUAS NOTABLES

Distribucin Normal Estandar

Las funciones de Excel para la Distribucin Normal

Resumen de funciones de Excel

Normalidad. Mtodos descriptivos

Ajuste de una distribucin experimental mediante una Distribucin Normal

Propiedades de la Distribucin Chi-Cuadrado de n grados de libertad

Las funciones de Excel para la Distribucin Chi-Cuadrado

Propiedades bsicas de la distribucin t_Student

Las funciones de Excel para la distribucin t_Student

Propiedades de la distribucin de Fisher-Snedecor

Las funciones de Excel para la distribucin de Fisher-Snedecor

Universidad Politcnica de Madrid

4.1 Distribucin Uniforme. U( a, b )

Funcin de densidad de la v.a. U(a,b).

La funcin de distribucin de la variable U(a, b) y su grfica son por tanto

Funcin de distribucin de la v.a. U(a,b)

La media y varianza de la variable aleatoria X U(a, b) son:

- La probabilidad de esperar menos de dos minutos ser:

Escuela Tcnica Superior de Ingenieros en Topografa Geodesia y Cartografa

IV DISTRIBUCIONES CONTINUAS NOTABLES

4.2 Distribucin Exponencial. Exp()

f (x) = ex con x >0

Su funcin de distribucin es:

La media y la varianza de la variable aleatoria exponencial son:

Se dice que la distribucin exponencial no tiene memoria. Para cualquier valor de

Ejemplo. El tiempo de reparacin de cierta avera mecnica tiene una distribucin

Universidad Politcnica de Madrid

b) Si el coste de mano de obra es de 50 euros por hora y se factura por intervalos de 10

4.2.2 La funcin de Excel para la Distribucin Exponencial. Exp().

Veamos con un ejemplo la forma de utilizar esta funcin.

Pulsando el botn insertar funcin y

Escuela Tcnica Superior de Ingenieros en Topografa Geodesia y Cartografa

IV DISTRIBUCIONES CONTINUAS NOTABLES

4.3 Distribucin Normal. N ( , )

, con < x < ; < < y > 0 .

2. El rea encerrada por f(x) y el eje X es la unidad (

3. La funcin f(x) tiene la asntota horizontal y=0 .

9. La desviacin tpica es el parmetro ;

f (x)dx = 2 , por tanto la desviacin tpica es .

10. De las propiedades 8 y 9 se deduce que la funcin de densidad de una distribucin

Universidad Politcnica de Madrid

13 La forma de la funcin de densidad puede observarse en la figura (4.3.1).

Normales con igual media y diferente varianza. =1 fija y =1,2,3.

Normales con diferente media e igual varianza. =0,1,2 y =1.

15. La combinacin lineal de variables aleatorias normales e independientes es una

Escuela Tcnica Superior de Ingenieros en Topografa Geodesia y Cartografa

IV DISTRIBUCIONES CONTINUAS NOTABLES

4.3.3 Distribucin Normal Estandar. N(0,1). Si X es una variable aleatoria N(, ),

entonces, la variable aleatoria Z =

a la variable X, se le denomina tipificacin de la variable.

Este cambio de variable, Z =

Distribucin Normal Estndar: X N(0,1) .

Universidad Politcnica de Madrid

Otra forma de proceder es escribir directamente la funcin Excel: