Retroalimentación 3.2

UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA

PROBABILIDAD Y ESTADÍSTICA
Página 1 de 5
UNIDAD III: DISTRIBUCIONES DE PROBABILIDADES
Retroalimentación a la autoevaluación 3-2
Del Tema 3.3: Variables aleatorias continuas
OBJETIVO DE LA UNIDAD
Calcular la probabilidad de ocurrencia de diferentes tipos de variables aleatorias
tanto discretas como continuas.
INTRODUCCIÓN
Las variables aleatorias continuas, toman una continuidad de valores en su Dominio, es
decir su espacio muestral es una infinidad de valores generalmente definidos en el
conjunto ℝ, de los números reales. Este tipo de variables generalmente vienen de la
medición de valores a lo largo del tiempo o de otra dimensión física.
Son ejemplos de ellas: La variable aleatoria distribuida exponencialmente, la

distribuida uniformemente, la distribuida normalmente, etc…
En su definición tienen una función de densidad de probabilidades, f(x) llamada

también fdp, y su acumulada se conoce como función de distribución o función de
distribución acumulativa, F(x). Donde:
𝑥
𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡
−∞
Sin embargo, muchas veces la fdp, solo viene definida a partir de un cierto valor
en x, digamos “a”. En dicho caso se sustituye el limite inferior de la integral anterior por
“a”, ya que a la izquierda de dicho valor la función o bien vale “0” o “no está definida”.
En general el valor esperado de una variable aleatoria continua X, se calcula por

medio de:
+∞
𝐸(𝑋) = ∫ 𝑥𝑓(𝑥)𝑑𝑥
−∞
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
Página 2 de 5
o donde se encuentre definida la fdp, y la Varianza vendría dada por:

+∞ +∞ 2
2) 2 2
𝑉(𝑋) = 𝐸(𝑋 − (𝐸(𝑋)) = (∫ 𝑥 ∗ 𝑓(𝑥) 𝑑𝑥) − (∫ 𝑥 ∗ 𝑓(𝑥)𝑑𝑥)
−∞ −∞
Aquí los símbolos -∞ y +∞, se suelen sustituir por los extremos del intervalo en
donde se encuentra definida la Variable aleatoria.
Las variables aleatorias continuas que estudiamos son:
a) Uniforme. d) Chi-cuadrada.
b) Exponencial. e) Weibull.
c) Normal.
La Distribución Uniforme.
Figura 4. Gráficas de la distribución uniforme entre [a , b].
Página 3 de 5
Como un ejemplo considere que a=2 y b=5, y que se quiere obtener la gráfica de
la función de densidad de probabilidad.
Para ello, primero se generan 20 valores distribuidos aleatoriamente en dicho

intervalo ([2,5]) usando el comando en R: > x=runif (20, 2, 5);
Ahora se usa la función dunif, para calcular su distribución de probabilidades,

asociada a los valores aleatorios generados, emitiendo el comando: y=dunif (x, 2, 5);
Puede plotearse el gráfico usando: plot (x, y)
Finalmente, se obtiene la función de distribución, emitiendo:

> ya=punif (x, 2, 5);
Luego procedemos al gráfico usando el comando: > plot(x, ya)
Para los cálculos de los valores esperados y la varianza se usa: mean(x) y var(x).
> M=mean(x), que en nuestro caso resulto ser 3.301409 (y no esperamos que
sea siempre este mismo valor, si se ejecutan los comandos por su cuenta, ya que se
estará generando una nueva secuencia de valores aleatorios uniformemente
distribuidos en [2, 5], siempre que se emita el comando (> x=runif (1,2,5)).
> V=var(x), que de nuevo en nuestro caso resulto ser 0.8021704
La Distribución Exponencial.
Para la distribución exponencial, se necesita tener un parámetro, usualmente

denominado por la letra griega lambda (λ).
Al graficar esta función de densidad de probabilidades debe notarse el carácter

decreciente de la función exponencial, lo que la hace muy útil, para explicar
decaimientos de funcionamiento con respecto al tiempo, entre otros casos.
Como un ejemplo considere que λ=1.25 (el parámetro). Generar y graficar las
gráficas de fdp y fda con 50 valores distribuidos exponencialmente con dicho
parámetro.
> x2=rexp (50, 2.5);
> yexp = dexp (x2)
> plot (x2, yexp)
Página 4 de 5
Para calcular la acumulada se usa:

>ya=pexp(x2);
>plot(x2,ya)
Para los cálculos de los valores esperados y la varianza se usa:
> M=mean(x2);
> V=var(x2);
La Distribución Normal.
Para la distribución Normal, se necesita tener dos parámetros, Miu () y Sigma ().
Generar 100 valores distribuidos normalmente con =1.5 y =0.25.
> x3 = rnorm (100, 1.5, 0.25);
> ynorm = dnorm (x3)
> plot (x3, ynorm)
> yacnorm = pnorm (x3)
> plot (x3, yacnorm)
> M=mean(x3)
> V=var(x3)
La Distribución Chi cuadrado.
Para la distribución Chi-cuadrado, se necesita definir los grados de libertad de la

distribución y hay que proveer un parámetro de no centralidad (no negativo), por defecto
este parámetro toma el valor 0. Los grados de libertad de la distribución, son no negativos y
pueden llegar a ser no enteros.
Use df=7, y ncp=0. Y generar 100 valores distribuidos en forma chi-cuadrado.
> x4 = rchisq (100, 7, 0).
> ychisqr = dchisq (x4, 7, ncp=0)

Página 5 de 5
> plot (x4, ychisqr)
> yacchisq = pchisq (x4, 7, ncp=0)
> plot (x4, yacchisq)
Para los cálculos de los valores esperados y la varianza se usa:
> M=mean(x4)
> x4=rchisq (100, 7, ncp=0).
> V=var(x4)
La Distribución Weibull.
Para la distribución Weibull, se necesita tener dos parámetros, usualmente

denominados por las letras “a” y “b”. Donde “a” se usa para definir el parámetro de forma y
“b” se usa para definir el parámetro de escala.
Usar a=2, y b=4. Y generar 100 valores distribuidos weibull.
> x5 = rweibull (100, 2, 4).
> yweib = dweibull (x5, 2, 4)
> plot (x5, yweib)
> yacweib = pweibull (x5, 2, 4)
> plot (x5, yacweib)
> M=mean(x5)
> x5=rweibull (100, 2, 4).
> V=var(x5)

Retroalimentación 3.2

Uploaded by

Document Information

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

Retroalimentación 3.2

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DE EL SALVADOR EN LÍNEA

FACULTAD DE INGENIERÍA Y ARQUITECTURA

Son ejemplos de ellas: La variable aleatoria distribuida exponencialmente, la

En su definición tienen una función de densidad de probabilidades, f(x) llamada

En general el valor esperado de una variable aleatoria continua X, se calcula por

o donde se encuentre definida la fdp, y la Varianza vendría dada por:

Las variables aleatorias continuas que estudiamos son:

Figura 4. Gráficas de la distribución uniforme entre [a , b].

Para ello, primero se generan 20 valores distribuidos aleatoriamente en dicho

Ahora se usa la función dunif, para calcular su distribución de probabilidades,

Puede plotearse el gráfico usando: plot (x, y)

Finalmente, se obtiene la función de distribución, emitiendo:

Luego procedemos al gráfico usando el comando: > plot(x, ya)

> V=var(x), que de nuevo en nuestro caso resulto ser 0.8021704

Para la distribución exponencial, se necesita tener un parámetro, usualmente

Al graficar esta función de densidad de probabilidades debe notarse el carácter

> x2=rexp (50, 2.5);

> yexp = dexp (x2)

> plot (x2, yexp)

Para calcular la acumulada se usa:

Para los cálculos de los valores esperados y la varianza se usa:

Generar 100 valores distribuidos normalmente con =1.5 y =0.25.

> x3 = rnorm (100, 1.5, 0.25);

> ynorm = dnorm (x3)

> plot (x3, ynorm)

> yacnorm = pnorm (x3)

> plot (x3, yacnorm)

La Distribución Chi cuadrado.

Para la distribución Chi-cuadrado, se necesita definir los grados de libertad de la

Use df=7, y ncp=0. Y generar 100 valores distribuidos en forma chi-cuadrado.

> x4 = rchisq (100, 7, 0).

> ychisqr = dchisq (x4, 7, ncp=0)

> plot (x4, ychisqr)

> yacchisq = pchisq (x4, 7, ncp=0)

> plot (x4, yacchisq)

Para los cálculos de los valores esperados y la varianza se usa:

> x4=rchisq (100, 7, ncp=0).

Para la distribución Weibull, se necesita tener dos parámetros, usualmente

Usar a=2, y b=4. Y generar 100 valores distribuidos weibull.

> x5 = rweibull (100, 2, 4).

> yweib = dweibull (x5, 2, 4)

> plot (x5, yweib)

> yacweib = pweibull (x5, 2, 4)

> plot (x5, yacweib)

> x5=rweibull (100, 2, 4).

You might also like