5 Variables aleatorias continuas
5 Variables aleatorias continuas
5 Variables aleatorias continuas
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
P (28 < X < 31) = P ((28 30)=2 < (X 30)=2 < (31 30)=2) =<br />
= P ( 1 < Z < 1=2) = (0:5) ( 1) = (0:5) (1 (1)) =<br />
= 0:6915 (1 0:8413) = 0:5328<br />
En general, para calcular probabilidades correspondientes a una X con<br />
distribución N( ; 2 ); se la lleva al caso N(0; 1), trabajando con Z = (X<br />
)= : Su función de distribución es entonces<br />
F (x) = P (X x) = P Z<br />
y por lo tanto, si a < b :<br />
P (a X b) = F (b) F (a) =<br />
x<br />
=<br />
x<br />
b a<br />
De aquí se puede ver que para cualquier variable aleatoria X con distribución<br />
normal, la probabilidad de que X esté dentro de 1 desvío estándar<br />
de su media es:<br />
P ( < X < + ) = (1) ( 1) = 0:6826<br />
P ( 2 < X < + 2 ) = (2) ( 2) = 0:9544<br />
y P ( 3 < X < + 3 ) = (3) ( 3) = 0:9974<br />
Usando (17), se prueba que los cuantiles de una variable X con distribución<br />
N( ; 2 ) cumplen<br />
x( ) = + z( ); (18)<br />
donde z( ) son los cuantiles de N(0; 1):<br />
En particular, la mediana de una X s N( ; 2 ) es<br />
med(X) = x(0:5) =<br />
Ejemplo 5.5 Calcularemos los cuantiles de 0.80 y de 0.20 de una variable<br />
normal X con media 5 y desviación 2. De la tabla: (0:84) = 0:7995 y<br />
(0:85) = 0:8023: Interpolando resulta aproximadamente z(0:8) = 0:843; y<br />
por lo tanto x(0:8) = 5 + 2 0:843 = 6:686: Para el otro cuantil, usamos<br />
z(0:2) = z(0:8) y por lo tanto x(0:8) = 5 2 0:843 = 3:314:<br />
Realice los ejercicios de 11 a 14<br />
34<br />
;<br />
: