Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Modelos de probabilidad continuos, Apuntes de Matemáticas

Calculo dd probabilidades continuas

Tipo: Apuntes

2018/2019

Subido el 19/06/2019

hitver-cruz-garcia
hitver-cruz-garcia 🇵🇪

5

(1)

3 documentos

1 / 16

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
129
5.1 Distribución Normal
5.1.1 La media y la varianza
5.1.2 Representación gráfica
5.1.3 Distribución Normal tipificada
5.1.4 Uso de tablas
5.1.5
Aditividad
5.1.6 Aproximación de una Binomial a Normal
5.2 Otros modelos continuos
TEMA 5.
MODELOS DE PROBABILIDAD
CONTINUOS
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff

Vista previa parcial del texto

¡Descarga Modelos de probabilidad continuos y más Apuntes en PDF de Matemáticas solo en Docsity!

5.1 Distribución Normal

5.1.1 La media y la varianza

5.1.2 Representación gráfica

5.1.3 Distribución Normal tipificada

5.1.4 Uso de tablas

5.1.5 Aditividad

5.1.6 Aproximación de una Binomial a Normal

5.2 Otros modelos continuos

TEMA 5. MODELOS DE PROBABILIDAD

CONTINUOS

ƒ Puede comprobarse que se verifica:

x

μ

σ

donde

¾ Una variable aleatoria continua, X , sigue una

distribución normal de parámetros O y

si su función de densidad es:

XN ( μ ; σ )

x

f x dx e dx

μ

σ

∫ ∫

x

f x e

μ

σ

™^5 .1 Distribución Normal

σ

f ( ) x dx 1

+∞

−∞

= ∫

” Campana de Gauss

f(x)

x

¾ Se verifica:

” La curva es simétrica respecto a

” La media, la moda y la mediana coinciden

” 5.1.2 Representación gráfica

μ

Área a la izquierda del punto x 1

f(x)

x

1

1

x

x x

F x P X x f x dx

e dx

μ

σ

−∞

™ Función de distribución

f ( ) z dz 1

+∞

−∞

= ∫

f(z)

μ = 0

¾ Se verifica:

” La curva es simétrica respecto a 0

” La media, la moda y la mediana coinciden

™ Representación gráfica de la función de

densidad de la distribución Normal tipificada

Área a la izquierda del punto z

1

f(z)

−∞ z 1 ∞

1

1

z

z z

F z P Z z f z dz

e dz

™ Función de distribución de la

Normal tipificada

‡ Ejemplo

‰ Se sabe que la longitud de las alas extendidas de un

tipo de ave rapaz es una variable aleatoria que sigue una

distribución Normal, de media 120 cm. y desviación

típica 8 cm.

X → N (120; 8)

  1. Calcúlese la probabilidad de que la longitud de un

ave elegida al azar sea:

a.- Mayor de 130 cm

b.- Menor de 100 cm

c.- Esté comprendido entre 110 y 130 cm

Solución:

  1. Obtener la longitud tal que solo el 10 % de las

aves tienen una longitud superior.

X

a P X P

P Z

 −^ − 

b P X P Z P Z

P Z

c P X P Z

P Z P Z

×

 −^ − 

( 1 )

1

P X a

X a P P Z

a

a

z

z

×

 −^ − 

¾ Sean k variables aleatorias, X 1

, X

2

,..., X

K

, que verifican:

¾ Sean k números reales, a

1

, a

2

,…, a

k

¾ Definimos la variable aleatoria X como:

9 En estas condiciones se verifica que la variable aleatoria

X sigue una distribución Normal:

ƒ Independientes entre sí

ƒ X i

N ( ), i = 1, 2,… k

....

k k

X = a X + a X + + a X

2 2 2

1 1 2 2 1 1 2 2

k k k k

N a μ a μ a μ a σ a σ a σ

” 5.1.5 Aditividad

; i i

μ σ

¾ Sea X una v.a. con distribución Binomial

X → B n p ( ; )

¾ Si se verifica que n es grande y p ni muy

grande ni muy pequeño :

n > 30 y 0.1 < p < 0.

9 La^ Distribución^ Binomial^ se^ aproxima^ a^ una

distribución Normal de parámetros np y npq,

respectivamente

X → N ( np ; npq )

X np

Z N

npq

” 5.1.6 Aproximación de una binomial a una

Normal

Existen otros modelos de probabilidad continuos:

**- Uniforme

  • Weibull**

etc

™^5 .2 Otros modelos continuos