You are on page 1of 11

Guillermo Luisillo Ramrez CCCH- Oriente

Distribucin de probabilidad beta.



Sea X una variable aleatoria continua, se dice que X tiene una distribucin de
probabilidad beta con parmetros o , | ambos mayores a cero, A = 0 y B = 1
son constantes, la cual tiene asociada la distribucin de probabilidad de X , si su
funcin de densidad de probabilidad es de la forma
f ( x;o , | , A , B ) =
( )
( ) ( )
| |

e
s s |
.
|

\
|

|
.
|

\
|

I I
+ I


B A x si
B x A si
A B
x B
A B
A x
A B
, 0
1
1 1 | o
| o
| o

Con una probabilidad
p(AsxsB) = ) , , , , (
1
0
| o B A x f
}
dx
Esta variable aleatoria continua tiene asociado los siguientes momentos.
1.- Valor esperado de X se denota por E[ X ] y se define como
E[ X ] = = A + (B - A)
|
|
.
|

\
|
+ | o
o

2.- La varianza de X se denota por E[ ( X - )
2
] y se define como
var( X ) = E[( X - )
2
] =
( )
( ) ( ) 1
2
2
+ + +

| o | o
o| A B

3.- La desviacin estndar de X se denota por o
X
y se define como

o
X
= ) var(X =
( )
( ) ( ) 1
2
2
+ + +

| o | o
o| A B


4.- Coeficiente de Simetra se denota por o y se define como
3
= E[ ( X - )
3
]
( )
( ) 2
1 2
3
+ +
+ +
=
| o o|
| o o |

5.- La Curtosis se denota por y se define como
4
= E[ ( X - )
4
].
Guillermo Luisillo Ramrez CCCH- Oriente


( ) ( ) ( ) | |
( )( ) 3 2
6 2 1 3
2
4
+ + + +
+ + + + +
=
| o | o o|
| o o| | o | o

Ejemplo 1.- Considere que la variable aleatoria continua X que indica el rea
superficial de un cuadrante seleccionado al azar, cubierto por cierto tipo de cultivo,
tiene asociado una distribucin de probabilidad tipo beta estndar con parmetros
o = 5 y | = 2, Encuentre:
i).- E[X].
ii).- Var[X]
iii).- p(0.1 s x s 0.3)
iv).- p (0.2sXs0.4).
Respuesta.
i).- Se aplica la frmula E[ X ] = = A + (B - A)
|
|
.
|

\
|
+ | o
o
, para este caso A = 0 y
B = 1 por ser estndar, o = 5 y | = 2.
Sustituyendo la informacin
E[ X ] = = A + (B - A)
|
|
.
|

\
|
+ | o
o
=
7
5
= 0.7142857143
ii).- Se aplica la frmula Var[ X ] =
( )
( ) ( ) 1
2
2
+ + +

| o | o
o| A B
, para este caso A = 0 y B =
1 por ser estndar, o = 5 y | = 2.
Sustituyendo la informacin
Var[ X ] =
( )
( ) ( ) 1
2
2
+ + +

| o | o
o| A B
=
392
10
= 0.02551020408
iii).- Se aplica la frmula

f ( x;o , | , A , B ) =
( )
( ) ( )
| |

e
s s |
.
|

\
|

|
.
|

\
|

I I
+ I


B A x si
B x A si
A B
x B
A B
A x
A B
, 0
1
1 1 | o
| o
| o

Con una probabilidad
Guillermo Luisillo Ramrez CCCH- Oriente


p(AsxsB) = ) , , , , (
1
0
| o B A x f
}
dx

p(0.1 s x s 0.3) = ) , , , , (
3 . 0
1 . 0
| o B A x f
}
dx = 30 ( )dx x x
}
1
4
3 . 0
1 . 0

p(0.1 s x s 0.3) = 30 [ dx x dx x
5
3 . 0
1 . 0
4
3 . 0
1 . 0
} }
] = 30[
5
1
x
5
-
6
1
x
6
]
3 . 0
1 . 0
= 0.01088.
p(0.1 s x s 0.3) = 0.01088
iv).- Se aplica la frmula

f ( x;o , | , A , B ) =
( )
( ) ( )
| |

e
s s |
.
|

\
|

|
.
|

\
|

I I
+ I


B A x si
B x A si
A B
x B
A B
A x
A B
, 0
1
1 1 | o
| o
| o

Con una probabilidad
p(AsxsB) = ) , , , , (
1
0
| o B A x f
}
dx

p (0.2 s x s 0.4) = ) , , , , (
4 . 0
2 . 0
| o B A x f
}
dx = 30 ( )dx x x
}
1
4
4 . 0
2 . 0

p (0.2 s x s 0.4) = 30 [ dx x dx x
5
4 . 0
2 . 0
4
4 . 0
2 . 0
} }
] = 30[
5
1
x
5
-
6
1
x
6
]
4 . 0
2 . 0
= 0.03936

p (0.2 s x s 0.4) = 0.03936

Distribucin de probabilidad gamma estndar.

Sea X una variable aleatoria continua, se dice que X tiene una distribucin de
probabilidad gamma con parmetro o > 0, la cual tiene asociada la distribucin de
probabilidad de X , si su funcin de densidad de probabilidad es de la forma
Guillermo Luisillo Ramrez CCCH- Oriente


f ( x;o , | ) =
( )

<
>
I

0 0
0
1
1
x si
x si e x
x
| o
o
o |

Donde los parmetros o > 0 y | > 0 y adems | = 1
Con una probabilidad
p(AsxsB) = ) , , ( | o x f
B
A
}
dx
Esta variable aleatoria continua tiene asociado los siguientes momentos.
1.- Valor esperado de X se denota por E[ X ] y se define como
E[ X ] = = o |
2.- La varianza de X se denota por E[ ( X - )
2
] y se define como
var( X ) = E[( X - )
2
] =
2
o|
3.- La desviacin estndar de X se denota por o
X
y se define como

o
X
= ) var(X = | o

4.- Coeficiente de Simetra se denota por
3
y se define como
3
= E[ (X - )
3
]
3
=
o
2

5.- La Curtosis se denota por
4
y se define como
4
= E[ ( X - )
4
].
4
= 3 |
.
|

\
|
+
o
2
1
La siguiente funcin ( ) o I , se define como
( ) o I =
}
+
0
x
e x
1 o
dx
Cumple con las siguientes propiedades
i).- Para cualquier o > 1, ( ) o I = (o - 1) ( ) 1 I o
ii).- Para cualquier entero n ( ) n I = (n - 1)!
Guillermo Luisillo Ramrez CCCH- Oriente


iii).-
|
.
|

\
|
I
2
1
= t


Ejemplo 2.- Considere que la variable aleatoria continua X que indica la
supervivencia en semanas de un conejo seleccionado al azar, que se expone a
240 rads de radiacin ultravioleta, tiene una distribucin de probabilidad del
gamma con o = 8 y | = 15, Encuentre:
i).- E[X].
ii).- Var[X]
iii).- p(60 s x s 120)
Respuesta.
i).- Se aplica la frmula de Valor esperado de X que se denota por E[ X ] y se
define como
E[ X ] = = o |
E[ X ] = = ( 8 )(15) = 120 semanas

ii).- Se aplica la frmula de La varianza de X se denota por E[ ( X - )
2
] y se
define como
var( X ) = E[( X - )
2
] =
2
o|
var( X ) = ( 8 )(15)
2
= 1800 semanas
iii).- p(60 s x s 120)
Se aplica el modelo p( A s x s B ) = ) , , (
0
| o x f
}
+
dx
p(60 s x s 120) =
( )
15
7
8
120
60
8 15
1
x
e x

I
}
dx = 0.547 - 0.051 = 0.496

Distribucin de probabilidad Weibull.

Guillermo Luisillo Ramrez CCCH- Oriente


Sea X una variable aleatoria continua, se dice que X tiene una distribucin de
probabilidad weibull con parmetros o > 0, | > 0 la cual tiene asociada la
distribucin de probabilidad de X , es de la forma
f ( x;o , | ) =

<
>
|
|
.
|

\
|

0 0
0
1
x si
x si e x
x
o
| o
o
|
o

O bien
f ( x;o , | ) =

<
>
|
|
.
|

\
|

0 0
0 1
x si
x si e
x
o
|

Con una probabilidad
p(AsxsB) = ) , , (
0
| o x f
}

dx
Esta variable aleatoria continua tiene asociado los siguientes momentos.

1.- Valor esperado de X se denota por E[ X ] y se define como
E[ X ] = = | |
.
|

\
|
+ I
o
1
1
2.- La varianza de X se denota por E[ ( X - )
2
] y se define como
var( X ) = E[( X - )
2
] =
2
| { |
.
|

\
|
+ I
o
1
1 - [ |
.
|

\
|
+ I
o
1
1 ]
2
}
3.- La desviacin estndar de X se denota por o
X
y se define como

o
X
= ) var(X

4.- Coeficiente de Simetra se denota por o y se define como
3
= E[ ( X - )
3
]
Guillermo Luisillo Ramrez CCCH- Oriente


2
3
2
3
3
1
1
2
1
1
1 3
2
1
1
1 3
3
1
(

|
.
|

\
|
+ I
|
.
|

\
|
+ I
|
.
|

\
|
+ I +
|
.
|

\
|
+ I
|
.
|

\
|
+ I
|
.
|

\
|
+ I
=
o o
o o o o


5.- La Curtosis se denota por
4
y se define como
4
= E[ ( X - )
4
].

2
2
4 2
4
1
1
2
1
1
1 3
2
1
1
1 6
3
1
1
1 4
4
1
(

|
.
|

\
|
+ I
|
.
|

\
|
+ I
|
.
|

\
|
+ I |
.
|

\
|
+ I |
.
|

\
|
+ I + |
.
|

\
|
+ I |
.
|

\
|
+ I |
.
|

\
|
+ I
=
o o
o o o o o o


Ejemplo 3.- Considere que X es la variable aleatoria que indica la resistencia de
un cable en ksi a 195 F para el hierro. Suponer que X tiene asociada un
distribucin de probabilidad de Weibull con o = 18 y | = 90, calcule i).- p (
x s 115 F)
ii).- p ( 98 F s x s 115 F)
iii).- p ( 103 F s x s 125 F)

Respuesta.
i).- p ( x s 115 F) =
}
115
0
[
o
|
|
|
.
|

\
|

x
e 1 ] dx =
}
115
0
[
18
90
1
|
.
|

\
|

x
e ] dx
p ( x s 115 F) =
18
90
115
1
|
.
|

\
|

e = 1- 1.555x10
-36
~ 1
ii).- p ( 96 F s x s 115 F) =
}
115
96
[
18
90
1
|
.
|

\
|

x
e ] dx =
18
90
98
|
.
|

\
|

e -
18
90
115
|
.
|

\
|

e
p ( 98 F s x s 115 F) =
18
90
98
|
.
|

\
|

e -
18
90
115
|
.
|

\
|

e = 0.009741953331- 1.555x10
-35


p ( 96 F s x s 115 F) ~ 0.009741953331

Guillermo Luisillo Ramrez CCCH- Oriente


iii).- p ( 103 F s x s 125 F) =
}
125
103
[
18
90
1
|
.
|

\
|

x
e ] dx =
18
90
103
|
.
|

\
|

e -
18
90
125
|
.
|

\
|

e
p ( 103 F s x s 125 F) =
18
90
103
|
.
|

\
|

e -
18
90
125
|
.
|

\
|

e = 0.0000118593046 - 0

p ( 96 F s x s 115 F) = 0.0000118593046


Distribucin de probabilidad t de student .

La poblacin de inters se considera normal, tal que X
1
, X
2
, . . . , X
n
forma una
muestra aleatoria que corresponde a una distribucin normal con y o
Desconocidas.
Cuando X es la media de una muestra aleatoria de tamao n de una
distribucin normal con , la variable aleatoria
n
s
X
T

=
Tiene una distribucin de probabilidad llamada t de Student con n 1 grados de
libertad.

Propiedades de distribuciones de t.
Se denota por
v
t la curva de funcin de densidad para v grados de libertad.
1.- Cada grafica de
v
t tiene forma de campana con centro en 0.
2.- Cada grafica de
v
t se encuentra ms dispersa que la curva normal estndar.
3.- A medida que v aumentas, la dispersin de la curva t disminuye.

Sea t
ov
que indica el nmero sobre el eje de medicin para el que el rea bajo la
curva t con grados de libertad v a la derecha de t
ov
es o el rea sombreada a la
derecha; t
ov
se llama valor crtico de t.

Guillermo Luisillo Ramrez CCCH- Oriente


Distribucin de probabilidad ji cuadrada.

Sea v un entero positivo , luego una variable aleatoria X tiene una distribucin de
probabilidad ji cuadrada con parmetro v si la distribucin de probabilidad X es
la distribucin de probabilidad gamma con o =
2
v
y | = 2. La distribucin de
probabilidad de la variable aleatoria de ji cuadrada es

F ( x; v ) =

<
>
|
.
|

\
|
I
|
.
|

\
|
|
.
|

\
|
0 0
0
2
2
1
2
1
2
2
x si
x si e x
x v
v
v


El parmetro v es conocido como el nmero de grados de libertad de la
distribucin de probabilidad de X .


La poblacin de inters se considera normal, tal que X
1
, X
2
, . . . , X
n
forma una
muestra aleatoria que corresponde a una distribucin normal con y o
Desconocidas.
Cuando X es la media de una muestra aleatoria de tamao n de una
distribucin normal con , la variable aleatoria
n
s
X
T

=
Tiene una distribucin de probabilidad llamada t de Student con n 1 grados de
libertad.

Problemas que debern de resolver los alumnos en equipos de 5 alumnos.
Guillermo Luisillo Ramrez CCCH- Oriente



1.- Considere que la variable aleatoria continua X que indica el rea superficial de
un cuadrante seleccionado al azar, cubierto por cierto tipo de cultivo de manzanas,
tiene asociado una distribucin de probabilidad tipo beta estndar con parmetros
o = 4 y | = 1, Encuentre:
i).- E[X].
ii).- Var[X]
iii).- p(0.2 s x s 0.4)
iv).- p (0.3sXs0.4).

2.- Considere que la variable aleatoria continua X que indica el rea superficial de
un cuadrante seleccionado al azar, cubierto por cierto tipo de cultivo de peras,
tiene asociado una distribucin de probabilidad tipo beta estndar con parmetros
o = 5 y | = 3, Encuentre:
i).- E[X].
ii).- Var[X]
iii).- p(0.1 s x s 0.3)
iv).- p (0.2sXs0.5).

3.- Considere que la variable aleatoria continua X que indica la supervivencia en
semanas de un pavo seleccionado al azar, que se expone a 260 rads de radiacin
ultravioleta, tiene una distribucin de probabilidad del gamma con o = 9 y | = 14,
Encuentre:
i).- E[X].
ii).- Var[X]
iii).- p(70 s x s 110)

4.- Considere que la variable aleatoria continua X que indica la supervivencia en
semanas de un lechn seleccionado al azar, que se expone a 280 rads de
radiacin ultravioleta, tiene una distribucin de probabilidad del gamma con o =
10 y | = 116, Encuentre:
Guillermo Luisillo Ramrez CCCH- Oriente


i).- E[X].
ii).- Var[X]
iii).- p(80 s x s 120)

5.- Considere que X es la variable aleatoria que indica la resistencia de un cable
en ksi a 205 F para el aluminio. Suponer que X tiene asociada un
distribucin de probabilidad de Weibull con o = 20 y | = 80, calcule :
i).- p ( x s 135 F)
ii).- p ( 108 F s x s 145 F)
iii).- p ( 113 F s x s 117 F)

6.- Considere que X es la variable aleatoria que indica la resistencia de un cable
en ksi a 185 F para el titanio. Suponer que X tiene asociada un distribucin
de probabilidad de Weibull con o = 17 y | = 70, calcule :
i).- p ( x s 115 F)
ii).- p ( 118 F s x s 125 F)
iii).- p ( 114 F s x s 119 F).