Professional Documents
Culture Documents
11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
CAPTULO11
PARMETROSDELASDISTRIBUCIONESDEPROBABILIDAD
11.1Introduccin
Figura11.1Lastresdistribucionesdelaprobabilidadylaestadstica
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |247
11.2.Parmetros
Determinemoselvalorde :
(11.1)
248|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
Ahora,unodelosparmetrosgeneralesdeestafuncineslamediaoelvalor
esperadodeX,cuyaexpresingenerales:
(11.2)
Debemosobservarlosiguiente:
esunparmetrogeneraldelocalizacindelavariablealeatoria;
,
esunafuncindelosparmetrosparticulares a, b dela
distribucin.
Obsrveseque representaunafamiliadedistribucionesuniformesquetiene
dosparmetrosa y b yaldarlevalores identificaralosmiembrosdelafamiliaque
nosinteresan;as,
80,120
100
Si
80
120setiene
Si
130
170setiene
130,170
150
Quecorrespondenalasmediasdedosmiembrosdelafamiliadedistribuciones
conmediasomedidasdelocalizacindiferentescomoseobservaenlafigura11.2
Figura11.2DosmiembrosdelafamiliadeladistribucinUniforme
11.3Parmetrosdetendenciacentralomedidasdelocalizacin
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |249
Parmetrosdelocalizacin
11.3.1LamediaProbabilsticaoMedia
(11.3)
paralasvariablesaleatoriasdiscretas;y,
(11.4)
paralasvariablesaleatoriascontinuas.
Lainterpretacinfsicade
eselcentrodegravedaddeladistribucindelas
masasloquejustificasuusocomounamedidadelcentrodeladistribucinomedida
de localizacin; ms an, como los valores
son los primeros momentos de
seaelprimermomentorespectoal
inerciarespectoalorigen,sejustificaque
origen.
Ejemplo 11.3 Una empresa constructora adquiere 3 gras que necesita para la
construccindeunaobradeinfraestructuraporrealizarse,yelvendedorafirmaque,
conformesusregistroshistricos,porlomenosel80%desusgraspermanecensin
falla durante cuatro aos; la FMP se muestra en la tabla 11.1 y su representacin
grficaenlafigura11.3.Sedeseaconocerelnmeroesperadodegrasquenofallan
duranteloscuatroaosquedurarlaobra;osealamedia parmetrogeneralde
nmerodegrasxqueefectivamentealoscuatroaoscontinuarnenbuenestado.
Cabe observar que el clculo de las probabilidades de la FMP se efecta
modelando el problema mediante una distribucin Binomial, como se ver en los
siguientescaptulos.
Enestecaso,losparmetrosparticularesquecaracterizanaladistribucinson
0.8 y
4; que corresponden a la probabilidad de que las gras operen
250|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
0 0.008
1 0.096
2 0.386
3 0.512
2.4
Cabeobservarque:
1. Lamediaes
2.4,eselvalordelocalizacinoelcentrodelaFMP,se
representaenlafigura11.3conunaflechaylosclculosconExcelenla
tabla11.1;
2. lamediaesunvalordelavariablealeatoria,queNOestcontenidoenlos
valoresdeX, comosuelesucederconlasvariablesaleatoriasdiscretas;
3. mueve a reflexin la interpretacin fsica de la media, para este y otros
problemas de variables discretas; pues en realidad puede haber 2.4
grasoperandodespusdeloscuatroaos?Estasituacinnosllevaala
necesidaddedefinirotrasmedidasdetendenciacentralapropiadaspara
estassituaciones.
Tabla11.1ClculodelamediaylavarianzadelaFMPpara
0
1
2
3
0
1
4
9
Media=
Varianza
px
0.8
0.8
0.8
0.8
2.4
0.48
0.8y
0.008
0.096
0.384
0.512
1
0
0.096
0.768
1.536
2.4
0
0.096
1.536
4.608
6.24
0.5
0.4
p(x)
0.3
0.2
0.1
0.0
-0.1
0
4.
Figura11.3FMPdelaDistribucinBinomialcon
0.8y
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |251
Ejemplo11.4Seleccionemosotromiembrodelafamiliadeestasdistribuciones
cambiando el parmetro particular de
0.8 a
0.90, lo que indica que el
proveedordelasgrasgarantizaqueel90%destassemantienenoperandoalmenos
cuatroaos.
Elparmetrogeneralmediaoelvalordelocalizacinresulta:
0 0.001
1 0.027
2 0.243
3 0.729
2.7
Cuyovalorestrepresentadoenlafigura11.4conunaflechaenlapartebajay
losclculosenExcel,enlatabla11.2.
4.
Tabla11.2.ClculodelamediaylavarianzadelaFMPpara
0.9y
0
1
2
3
0
1
4
9
Media=
Varianza=
px
0.9
0.9
0.9
0.9
2.7
0.27
0.001
0.027
0.243
0.729
1
0
0.027
0.486
2.187
2.7
0
0.027
0.972
6.561
7.56
Figura3FMPdexconparmetrosn=4,p(x)=0.9
0.8
0.7
0.6
p(x)
0.5
0.4
0.3
0.2
0.1
0.0
-0.1
-1
x=Nmerodemquinasenoperacin
Figura11.4FMPdelaDistribucinBinomialcon
.
0.9y
Ejemplo11.5Siladuracindelaobraenaosqueserealizarconlasgrasdel
ejercicio3puedemodelarseconlavariablealeatoria TcuyafuncindeDistribucin
AcumulativaFDAesverfigura11.5(a):
0
1
2
1
1
2
1
2
Paracalcularlamediadeladistribucinde T, determinemosprimerolafuncin
dedensidad:
252|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
0
2
1
2
Enefecto:
2verfigura11.5(b)
1.
Aplicando(11.2):
2
2
|
1.66
Cabeobservarque,adiferenciadelosejemplos3y4,elvalordelamediaSI
pertenecealadistribucindelavariablealeatoria;loqueescomnenelcasodelas
variablesaleatoriascontinuas.
F(t)
f(t)
Duracindelaobra
(a)
(b)
Figura11.5Lasfuncionesdedistribucinacumuladaydedensidaddela
duracindelaobra
11.3.2Lamediaaritmticaopromedio
(11.5)
Obsrvesequeestaexpresinesunavariantedeladefinicindemediageneral
dadaenlaexpresin(11.1)loquesignificaqueladistribucinesuniformecon
;
estamediaaritmticaresumelainformacindeladistribucinsuponiendoquecada
observacintendralamismacantidaddelavariable,y,aligualquelamedia,seafecta
considerablemente por los valores extremos de la distribucin en sentido directo; es
decir, los valores muy altos tienden a aumentarla mientras que valores muy bajos
tienden a disminuirla, lo que implica que puede dejar de ser representativa de la
poblacin.
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |253
Ejemplo11.6Conrelacinalosejemplos3y4,delaempresaconstructoraque
adquiere 3 gras, los valores de la variables aleatoria del nmero de gras que
permanecensinfalladespusdecustroaosson:0, 1, 2,y3; lasmediasaritmticas
soniguales:
0 1 2 3
1.5
4
Cabe observar que esta media aritmtica calculada considera
y est
afectadaporelvalorde
0.
Ejemplo11.7UnviajerodeseairdelaciudadAalaB. LaFMPdeTeltiempode
viaje en hrs. se presenta en la tabla 11.3, se desea calcular la media y la media
aritmtica.
Tabla11.3Funcinmasadeprobabilidaddeltiempodeviaje
t
1
2
3
4
p(t)
0.2
0.4
0.3
0.1
LamediadeTes:
1 0.2
2 0.4
3 0.3
4 0.1
2.3
LamediadeTes:
2.5
11.3.3Lamediageomtrica
Estamediatambinseaplicaavariablesaleatoriasdiscretassiempreycuando
nocontenganelvalor0,contestaalapregunta:sitodaslascantidadesfueraniguales,
culseraesacantidaddeformaqueelproductofueraelmismo?,ysedefinelaraz
nsimadelproductodelosvaloresdedichavariable.
(11.6)
Ejemplo11.8LamediageomtricadelosvaloresdeTdelejemploanteriores
1 2 3 4 2.21.
254|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
Obsrvesequeparaelejemplo3delnmerodegras,sumediageomtricaes
cero.
Con base en los dos ejemplos anteriores se desprende y en lo general puede
demostrarse que la media aritmtica siempre es igual o superior a media
geomtrica:
11.3.4Lamediaarmnica
Aligualquelaanterior,seutilizaparavariablesaleatoriasdiscretasfinitasqueno
contengan el 0 y es igual al recproco, o inverso, de la media aritmtica de los
recprocosdelosvaloresdelaVA:
(11.7)
Lasprincipalesventajasquetieneestamediasonqueresultapocoinfluidaporla
existenciadevaloresmuchomsgrandesqueelconjuntodelosrestantes,considera
todos los valores de la distribucin y en ciertos casos es ms representativa que la
mediaaritmtica;encambio,lasprincipalesdesventajasconsistenenlainfluenciade
losvalorespequeos,noestdeterminadaenlasdistribucionesconvaloresigualesa
cero; por eso no es aconsejable su empleo en distribuciones en existan valores muy
pequeos.Sueleutilizarseparapromediarvelocidadesytiempos.
Ejemplo11.9Paraelejemplo7.delviajeroquedeseairdelaciudadAalaB, la
media armnica es :
4
48
1.92
1 1 1 1
25
1 2 3 4
11.3.5MediaCuadrtica,valorcuadrticomediooRMS
paravariablesaleatoriasdiscretas (11.8)
paravariablesaleatoriascontinuas(11.9)
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |255
Ejemplo11.10Conreferenciaalejercicio7,lamediacuadrticaes:
2.74
1.87
Ejemplo11.11ParaladuracindelaobraEjemplo5lafuncindedensidadla
variablealeatoriaTes:
0
1
2
2
1
2
1
2
Cuyamediacuadrticaser:
2
2
4
4
4
4
4
4 |
1.33.
11.3.6LaMediaGeneralizada
Endondeelparmetromdefinea:
Lamediaaritmtica si
1
Lamediageomtricasi
0
Lamediaarmnica si
1
Lamediacuadrtica si
2
Obsrvese que para valores de
0 la expresiones generales slo tiene
sentidosilos
0.
11.3.7MediaTruncada
Envirtuddequelamedia ponderadaporlasprobabilidadesesmuysensible
a los valores extremos de la variable aleatoria, entonces se tiene otra medida de
localizacinconocidacomolamediatruncada.Paraestudiarladefinamospreviamente
aloscuantilesofractilesdeunadistribucindeprobabilidades.
256|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
11.3.7.1Cuantilesofractiles
Si
(11.10)
(a)
(c)
(b)
(d)
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |257
(e)
(f)
Figura11.6.Lostrescuartilesdeladistribucinnormalestndar
0.25
0.75
0.25O
0.75
Al resolver esta ecuacin cuadrtica se obtienen los valores de t 0.5 y 1.5; sin
embargo,elprimeronoesaplicableporquenosatisfaceladefinicin,situacinqueno
sucede con el valor de 1.5, como puede constatarse en la figura 11.7, trazando una
rectahorizontalen
0.25yunaverticaldondeinterceptaalafuncin
.De
igual forma, para el fractil 0.75 se tiene
2
1 0.55 o
2
0.25 0,
quealresolverlaseobtienenlosvaloresde t 0.13y1.87;porloquelosfractilesson
1.5y .
1.87.
.
Figura11.7LaFDAdeladuracindelaobraTconlosfractiles0.25,0.5y0.75
258|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
entre4y5.Paratenerunvalorquecaractericeestecuartil,aunqueexisteelmtodo
deinterpolacinmsprecisoqueseestudiarmsadelante,esprcticacomntomar
elpuntomedioconlocual .
4.5,queseilustraendichafigura.
Figura11.8.FDAdeunavariablealeatoriadiscretaconlosfractiles0.25,0.5y
0.75
t
1
2
3
4
p(t)
0.2
0.4
0.3
0.1
Obsrvese que al eliminar los valores 1 y 4, que estn fuera del rango
intercuartiltico,ycalculamoslamedia:
2 .4
3 .3
1.7, valor que est fuera de dicho rango, donde debe
estarlamediatruncada;estosucedeaquelasprobabilidadesde2y4Noconforman
unaFMP,porloquesedeberedefinir.
Paratalefecto,sumamoslasprobabilidadesalaizquierdaconelcuartilinferiory
las probabilidades a la derecha con el cuartil superior, dando por resultado la nueva
FMP:
t
2
3
p(t)
0.6
0.4
Conlacualsipodemoscalcularlamediatruncadacorrecta:
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |259
2 .6
3 .4
2.4.
Estevalorestcomprendidoenelrangointercuartilticoy,alcompararseconlas
mediasvistashastaaqu,resultansemejantes:
LamediadeTes:
1 0.2
2 0.4
3 0.3
4 0.1
2.3
LamediatruncadadeTes:
2.4
LamediaaritmticadeTes:
2.5
LamediageomtricadeTes:
2.21
LamediacuadrticadeTes:
2.74
1.92
LamediaarmnicadeTes:
Ejemplo11.15Paraencontrarlamediatruncadadeejemplo5,seajustarlaFDA
aligualquecomosehizoenelejemploanterior.Dichafuncinoriginales:
0
1
2
1
1
2
1
2
1.5
0
1.5
1.5
1.87
1.87
1.87
1
Resolviendo el sistema de ecuaciones para y se obtiene
0.68 y
1.23,concuyosvaloreslaFDAes:
0
1.5
0.68
1.23
1.5
1.87
1
1.87
Enefecto,si
1.5setiene 1.5
0ypara
1.87setiene 1.87
1.
respectoa :
Paraencontrarlamediatruncada derivamosa
0.68
1.23
2
0.68
Probemosque
esunaFDP:
.
2
0.68
0.68 |
.
Ylamediatruncada es:
.
.
1.0
260|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
2
.
0.68
2
3
0.68
2
1.87
1.5
1.69
Debidoalamultituddemediasqueexisten,debetenersecuidadoyseleccionar
aquella que mejor se ajuste a las necesidades concretas del problema que se est
resolviendo; pues bien se dice desconfiemos de las medias. En la parte de
probabilidaddeestelibrosalvoqueseindiquelocontrariousaremoslasdefiniciones
dado por las expresiones (11.1) y (11.2) ya que consideran
de la media
explcitamente a las probabilidades y a las variables aleatorias; adems que es la
comnmenteutilizadaenestaramadelasmatemticas.
Finalmente, es importante tener cuidado con la notacin utilizada para las
diferentes medias estudiadas en esta seccin; pues la mayora de las complicaciones
queocurrenenlaprobabilidadylaestadsticasederivandelaconfusinoeldescuido
dedichanotacin;as,enelejemploanterior hacealusinalavariablealeatoria T
entantoque eslanotacinqueseutilizaenestelibroparalamediatruncada.
11.3.8Lamediana
Otradelasmedidascentralesdelasdistribucioneseslamedianacuyanotacin
ser
quesedefinecomoaquelvalorcomprendidoentrelosquepuedetomarla
variablealeatoriaquedivideendospartesigualesaladistribucin,demaneratala
cadaladodelamedianasetiene0.5deprobabilidad;esdecir:
0.50
(11.11)
Formalementesedefinecomo:
0.50paralasvariablesaleatoriascontinuas.
0.5paralasvariablesaleatoriasdiscretas.
Ejemplo11.16Conrelacinaltiempodevidadeunsistemaelctricodepotencia
del ejemplo 1, que se distribuye uniformemente sobre el intervalo 80, 120 ; su
medianaes:
1
1
1
|
80
0.50
40
40 80 40
Despejandoa :
20 80 100
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |261
Figura11.9LamedianaapartirdelaFDAdeunavariablealeatoriacontinua
Paraelcasodelasvariablesaleatoriasdiscretas,lamediananosiemprecoincide
unoaunoconunvalordeladistribucinaligualqueconlamediaporloqueparasu
clculoseprocedededosformasdistintascomosemuestraenelsiguienteejemplo.
Ejemplo11.17Conrelacinalaempresaconstructoraqueadquiere3graspara
laconstruccindeunaobradeinfraestructuradelejemplo3;consideremoselcasoen
que
0.80.LaFDAsedaenlatablayserepresentaenlafigura11.10.
0
1
2
3
0.8
0.8
0.8
0.8
Suma
px
0.008
0.096
0.384
0.512
1
0.008
0.104
0.488
1
262|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
Figura11.10LaFuncindeDistribucinAcumuladadelasGras
Figura11.11Apoyodeinterpolacinparaelclculodelamediana
0.012
0.023
1 0.512
Quesumadoa2setiene:
2 0.023 2.023.
Otraalternativamssencilla,aunquemenosprecisaquelaanterior,consisteen
sacarelpromedioentreloslmitesdondeseubicalamediana,queparanuestrocaso
es:
2.5.
CabeobservarquesiseutilizalagrficadelaFDAverfigura11.11seobtendra
unnmeroinfinitodemedianasentre2y3.
11.3.9Lamoda
Eslamedidadetendenciacentralmsfcildeencontrareinterpretarysedefine
comoelvalordelavariablealeatoriaparaelcuallaFMPtienelamximaprobabilidad
olaFDPtienesupuntomximo.
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |263
SilaFMPestenformatabular,elvalordeXquetienelamximaprobabilidad
serlaModa
encambio,paralasvariablesaleatoriascontinuascuyaFDPdaen
forma de una funcin se calcula el mximo aplicando los conceptos de mximos y
mnimosestudiadosenelclculodiferencial.
Ejemplo 11.18 La FMP de los ingresos moneda nacional del personal de una
compaaes
x
p(x)
6,500
0.10
8,500
0.40
12,000
0.30
15,000
0.10
25,000
0.05
50,000
0.05
Alinspeccionarlatablaanteriorencontramosque
8,500.
Pararesolverelproblema,primerodeterminemoslaFDPylaFDAdeX.
Sabemosque
1
300
100
1
150
50
1;
2
2
200
264|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
se puede
demostrarquelafuncindedensidades:
0
0
0
300
300
400
f x
0
400
3 1
1
1
4 4
60,000
20,000 50
AhoracalculemoslaFDA.
300:
Para300
400:
Para
300,
300
Quepuedeverificarsecalculando
400
300
1
Comoyasehabavisto
LaFDAes,entonces:
0
0
120,000
40,000
1
3.
300
50
300
400
400
Ahora:
a) ParalamodadeXlacapacidaddediseoes
300, que corresponde al valor de X donde la FDPtoma
i.
sumximo.
ii. La probabilidad de capacidad de excedencia es
300
,quecorrepondea .
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |265
b) ParalamediadeX,necesitamoscalcularla:
i.
233.33
ii. La probabilidad de capacidad de excedencia es
233.33
233.33
0.57.
c) ParalamedianadeX,necesitamoscalcularla:
0.5
0.5
245
d) Laprobabilidaddecapacidaddeexcedenciaes
esperarse.
e) Finalmente,paraelfractil
245
.
0.50
como
era
de
i. Elvalordelfractil0.90es
0.90 lo
queda
800 .
156,000 0. Resolviendo esta ecuacin se
obtiene .
336.75 ~ 367 que corresponde a la capacidad
dediseo.
iii. La probabilidad de capacidad de excedencia es
.
1 0.90=0.10
ii.
11.4Parmetrosdedispersindelavariablealeatoria
11.4.1LaVarianza
,
Enlaseccindelosmomentoscentralesdelcaptulo10definimosalavarianza
deunavariablealeatoriacomo
(11.12)
Tambindemostramosque
266|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
(11.13)
(a)
(b)
Figura11.13Distribucionescondiferentesmediasyvarianzas
En la tabla 1 del captulo citado aparecen las expresiones para calcular los
momentosrespectoalorigen ;as,
Momentodeorden
11.14
11.15
11.4.2Ladesviacinestndar
(11.16)
11.4.3Elrango
Tieneladesventajaquenotomaencuentalasdistribucionessinosolamentelos
valoresextremosdelavariablealeatoriaysedefinecomo
11.4.3.1Elrangointercuartiltico
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |267
11.4.4Elcoeficientedevariacin
(11.17)
Ademsdequeelcoeficientedevariacinproporcionaunamedidasignificativa
de si la dispersin es pequea o grande, tiene la ventaja que es una medida
adimensionalypermitelacomparacinentrelasdistribucionesdemaneraexpedita.
Conelpropsitodealigerarlalectura,lossubndicesdetodosestosparmetros
sepuedenomitircuandonohayaconfusinsobrelavariablealeatoriaenqueoperan.
Ejemplo 11.20 Con relacin a la La FMP de los ingresos del personal de una
compaa Ejemplo 16 calculemos su varianza, desviacin estndar, el rango y su
coeficientedevariacin.Losdatosaparecenenlatabladeabajo.
x
p(x)
6,500
0.10
8,500
0.40
12,000
0.30
15,000
0.10
25,000
0.05
50,000
0.05
a)clculodelavarianza
Conforme 4
0.1
8,500
0.4
50,000
0.05
255,075,000
Conlocual
255,075,000
88,655,000
b)Ladesviacinestndares
12,900
268|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
88,665,000
9,416.3
c)Elrangoes
50,000 6,500
d)Elcoeficientedevariacines
.
,
43,500
0.73
11.5LaVariableAleatoriaEstandarizada
Conlamediayladesviacinestndaresposibleestablecerunatransformacin
de la variable aleatoria original X a otra variable aleatoria conocida como la
variable aleatoria estandarizada Z para mostrar el estado relativo de los valores
posibles de X; por lo cual es ms fcil de utilizar en la estadstica; por ejemplo, si
damosunainformacinde8,500alsalariodeunempleado,sabemosmuypocodesu
significadoesalto,bajoomedio?Encambio,siconocemoslamediayladesviacin
estndardeladistribucindelascalificaciones,entoncespodemostenerunjuicioms
certerodelalocalizacindelsalarioenladistribucin.
(11.18)
Ejemplo11.21Paracalcularladistribucinestandarizadadelosingresosdel
ejemploanteriorsabemosque
12,900y
9,416.3
Conlocual
,
,
,
,
,
,
0.68,
0.47, ,
,
3.94 ;de
maneratalqueladistribucindeZes
z
0.68
p(z)
0.10
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |269
0.47
0.10
0.22
1.29
3.94
0.40
0.30
0.10
0.05
0.05
Ahorapodemosdecirqueelingresode$8,500estubicadoa0.47pordebajo
delamedia.
Otraspropiedadesdeladistribucindelavariableestandarizada consistenen
quea)laformageneraldeladistribucinnocambiaconlatransformacinde Xa Zy
0 ysuvarianza
1.0comosedemuestraacontinuacin:
b)lamedia
1
0
Seproponeallectorquecalculeestosparmetrosdelejemploanteriorconlas
expresionescorrespondientesvistasarriba.
Ejemplo11.22SilavariablealeatoriaXtienecomocomoFDP
Aplicandolatransformacin
seobtienelaFDPestandarizadade quees
(11.19)
11.6LadesigualdaddeChebychev
(11.20)
270|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
Ejemplo11.23Si representaladuracinendas,quetomaunembarquede
crudopetrolerodeMxicoaEspaayporexperienciasesabequelamediaesde50
dasconunadesviacinestndarde10,comosedesconocelaFDPde noesposible
tener probabilidades exactas, pero aplicando la desigualdad de Chebychev podemos
tener probabilidades aproximadas; as para
60 y, conforme a la desigualdad de
Chebychev,laprobabilidadque estealejadodelamediaencualquierdireccines
1 y | | 1
11 1; lo que significa que la probabilidad
queembarquearribeaEspaasaliendodeMxicoenelperiodode40a60dasesalo
ms1.0
2y | | 2
12 0.5;oseaquealo
Si
70setiene
mshayunaprobabilidadde0.5dequeladuracinestcomprendidaentre30y70
das.
Si
80 se tiene
3 y | | 3
13 0.333; que
corresponde a la mxima probabilidad que el embarque de crudo petrolero saliendo
deMxicoarribeaEspaaentre20y80das.
Cabe observar que a medida que nos alejamos de la media en valor absoluto,
paralamismadesviacinestndar,lasprobabilidadesacumuladasdisminuyen.
11.7Parmetrodesesgo,primerfactordeformaotercermomentoestndar
Otrosdosparmetrosdelasdistribucionescorrespondenalosparmetrosque
midenlaformadelasdistribucionesdeprobabilidad,elprimerparmetrodeformaes
el de sesgo y el segundo es el de aplanamiento de la distribucin conocido como
curtosisqueestudiaremosenlasiguienteseccin.Laricavariedaddeformasdelas
distribuciones van desde sesgadas a la izquierda, simtricas, hasta sesgadas a la
derecha.Comoseilustraenlasfigurasprevias11.1a11.9,la11.1,11.6(a),11.6(c),
11.6(e),9(a)y9(b)correspondenadistribucionessimtricas;entantoquelasfiguras
2, 3, 4(b) y 8 pertenecen a distribuciones no simtricas, asimtricas o sesgadas. Ms
an,comoseapreciaenlafigura11,14losmiembrosdeunafamiliadedistribuciones
cambian su forma, su sesgo o su simetra, cuando se varan los parmetros; as, al
aumentarelparmetrodeladistribucindelafigura10(a),vadisminuyendoelsesgo
quepresentaaladerechayvatendiendoalasimetra,encambioenlafigura10(b)
sucede lo contrario, al disminuir los parmetros, en este caso n, los miembros de la
familiapierdensuasimetraizquierdaytiendenalasimetra.
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |271
(a)
(b)
Figura11.14.Distribucionessesgadasaladerecha(a)yalaizquierda(b)
Sedicequeunadistribucinessimtricasipuededesplegarseconreferenciaa
unejeverticaldemaneratalquelosdosladosseanigualescomopuedeverificarse
enlasdistribucionesdela11.1,cuyasimetraseestablececonrespectoalasrectas
verticalesquepasanporsusmedias,oenladistribucincentraldelafigura11.13(a)
queessimtricaconrespectoalejeverticalquecontienealcero.
Las distribuciones que carecen de simetra con respecto a un eje vertical se
llamandistribucionessesgadas,comopuedeverseenlasfiguras2y8.Sedicequeuna
distribucin est sesgada a la derecha si su cola est en esta direccin ver figura
11.14(a),porelcontrario,ladistribucinestsesgadaalaizquierdasisucolaest
enestadireccinverfigura11.14(b).
ElparmetrodesesgodeunadistribucindeX sedefinecomo
(11.21)
Donde esunvalorsindimensiones.
0,
Si
0,
Ejemplo11.24.Laresistencialateral Rdelmarcodeedificioesaleatoriacon
FDP
10 20
10
20
Calculemos
272|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
a) elvalormediodeR
Ladensidades
30
200 conlacual
3
500
30
200
3
500
30
200
15
b) LamedianadeR
30
Entonces
200
200
0.5
15
c) Lamodaseencuentraaplicandolosconceptosdemximosymnimos
30
0,resolviendopara
15
d) Ladesviacinestndar
Recordemosque
30
200
200
30
230
Porlotanto
230
15
e) Elcoeficientedevariacin
0.149
f) Elprimerfactordeformaocoeficientedesesgo
Comosedemostrenelcaptuloanterior,eltercermomentocentrales
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |273
15,
Donde
200
30
230,
30
cuyovalores
200
600,000
3,600
Conelcual
3,600
3 15 230
2 15
0y
F(r)
Figura11.15GrficasdelaFDPyFDAdelaresistencialateraldelmarco
(enmeses)
Funcindepenalizacin
c(
$
,
1
0.5
5
2
0.3
6
3
0.1
7
4
0.1
7
Determinemoslapenalizacinmediadeproyecto
5 0.5
6 0.3
7 0.1
7 0.1
5.7
570,000
274|Cap.11P a r m e t r o s d e l a s d i s t r i b u c i o n e s
Ladesviacinestndardelapenalizacines
5 0.5
33.1 5.7
0.61
Elcoeficientedevariacin
6 0.3
7 0.1
0.78
7 0.1
33.1
78,000
78,000
570,000
Elprimerfactordeforma:
Recordemosque
donde
0.14
,necesitamoscalcular
5 0.5
Conlocual
195.9
6 0.3
7 0.1
3 5.7 33.1
0.076
0.78
7 0.1
2 5.7
195.9
0.076
0.16
LoqueseinterpretacomounaFMPsesgadaaladerechacomopuedeversesise
graficalafuncindedistribucindelasmultas.
11.8Parmetrodeaplanamientoocurtosis,segundofactordeformaocuarto
momentoestndar
Una indicacin del aplanamiento o que tan picuda est una distribucin se
4
obtiene con el cuarto momento central
6
3 . Como en el primer factor de forma, el cuarto momento estndar se
definecomo
(11.22)
C a p . 1 1 P a r m e t r o s d e l a s d i s t r i b u c i o n e s |275
Ya encontramos que
15,
230,
3,600.Paracalcular necesitamosdeterminar .
3
30
200
500
3
30
200
67000000/7
500
4
6
3
67000000
4 15 3,600
6 15 230
3 15
66999573/7
7
Y
66999573/7 66999573
328,855
175
5
En conclusin, el conocimiento de los parmetros de localizacin, dispersin,
sesgoycurtosis,analizadosenestecaptulo;constituyenelconjuntodevalorestilesy
necesarios para caracterizar a la distribucin de la variable aleatoria y suelen
agruparse con la notacin D ( , , ,
donde D representa la distribucin. En
adelante, se pondr nfasis en la media, la varianza y la desviacin estndar y se
representarconD( , ,salvoqueseindiquelocontrario.
11.9Bibliografayreferencias
Nombredearchivo:
cap11parmetrosdelasDistribucionesdeProbabilidad
def.docx
Directorio:
C:\DocumentsandSettings\bfc\Misdocumentos\g1)
CaptulosdemilibrodeProbabilidadyestadstica20072009
Plantilla:
C:\DocumentsandSettings\bfc\Datosde
programa\Microsoft\Plantillas\Normal.dotm
Ttulo:
Asunto:
Autor:
BernardoFrontanadelaCruz
Palabrasclave:
Comentarios:
Fechadecreacin:
24/08/200913:06:00
Cambionmero:
150
Guardadoel:
08/02/201023:07:00
Guardadopor:
fACULTADDEINGENIERA
Tiempodeedicin:
5,315minutos
Impresoel:
30/08/201013:06:00
ltimaimpresincompleta
Nmerodepginas:
30
Nmerodepalabras:
8,140(aprox.)
Nmerodecaracteres:
44,776(aprox.)