Trabajo de Probabilidad e Integración
Integrantes:
Sánchez Valiente, Walter (071750C)
Samame Rivas, Natalia (150265K)
Curso:
Calculo Integral
Profesor:
Nelson Sifuentes Justiniano
Chiclayo, agosto 2017
PROBABILIDAD E INTEGRACION
La distribución normal de probabilidades es quizá la más importante de las
distribuciones de probabilidad de variables continuas. Debido a la naturaleza
de su función de probabilidades, el cálculo de la probabilidad entre dos valores
requiere integrar entre dos límites, lo cual no es posible realizar
directamente, debido a que la función no tiene anti derivada.
Aunque para obtener los valores de probabilidad se han utilizado por mucho
tiempo las “tablas de áreas bajo la curva normal”, éstas tienen el inconveniente
de introducir errores por aproximación o redondeo, ya que se trabaja
solamente con dos decimales.
En este documento se realiza una revisión de algunos métodos que permiten la
integración de la función y así poder obtener valores de probabilidad más
exactos.
Propiedades de la distribución normal
Si x es una variable aleatoria continua, definida en el dominio (-∞,+∞), con los
parámetros: media aritmética µ y varianza σ2, entonces la función de
probabilidad de x, es:
La gráfica de la distribución tiene forma de campana. Es por esa razón que
rápidamente fue llamada “campana de Gauss”
Gráfica 1: Forma de la gráfica de cuatro distribuciones normales con distintos
parámetros.
La gráfica es simétrica respecto a la media, que ocupa el valor central
Debido a la forma de la distribución, en un mismo punto coinciden: la media
aritmética, la mediana y la moda en un mismo punto.
Los puntos de inflexión de la gráfica ocurren a una desviación estándar de
distancia de la media.
La función acumulada de x, corresponde al área bajo la gráfica, entre dos
valores a y b y se determina mediante la siguiente integral:
Esta integral no puede resolverse por medios convencionales, debido a que no
hay teoremas ni simplificaciones que se puedan aplicar
Precisamente aquí es donde nace la necesidad de métodos alternativos de
integración para obtener el àrea respectiva
DISTRIBUCION NORMAL ESTANDAR
En la realidad existe una infinita cantidad de gráficas, pues cada una
depende de la media y la desviación estándar. Esto podría representar una
dificultad para el cálculo de las áreas. Para resolver éste inconveniente fue
desarrollada una forma estadarizada de la distribución, llamada
“Distribución Normal Estándar”.
Esta distribución tiene media cero y varianza 1.
No existe forma de encontrar la antiderivada de la funciòn, pero
afortunadamente hay varios mètodos de càlculo que se discutiràn a
contunuaciòn
Ejemplo 1 Normalización
Para cual constante k es f(x)=ke−x una función de
densidad de probabilidad definida en [0 1] ?
Solución Necesitamos escoger un valor de k para que
sean ciertos requisitos (a) y (b) de la definición.
Pues e−x 0 para toda x, todo que necesitamos para
(a) es que k 0. Para (b), calculamos
01ke−x dx =− ke−x 10 =k 1−e1 =ek(e−1)
Pues esta expresión debe ser igual a 1, obtenemos
ek(e−1)=1que se da k=ee−1 1 582
Por lo tanto, la función
f(x)= ee−1 e−x
es una función de densidad de probabilidad sobre
[0,1].
Ejemplo 2 Girando un dial
Supóngase que se gire el dial mostrado en la figura
para que para en una posición aleatoria. Modele esto
como una apropiada función de densidad de
probabilidad, y úsela para calcular la probabilidad de
que la aguja pare a cualquier posición entre 5° y 300°.
Solución
Definimos X como el ángulo al que la aguja para, de
modo que usamos el intervalo [0 360] para su rango.
Pues todos ángulos son equiprobables, la función de
densidad debe ser independiente de x, y por lo tanto
debe ser constante. Es decir, tomamos f como
uniforme.
f(x)=1b−a=1360−0=1360
Por lo tanto,
P(5 X 300)= 53001360 dx=360300−5=360295
8194
PROBABILIDAD E INTEGRACION
Ejercicios:
x
1. Pruebe que la función de densidad p ( x ) = π ( x 2 +1) en [0, ∞>
tiene media infinita
−t ∞
1
2. Compruebe que p ( t ) = e 50 cumple la condición ∫ p ( t ) dt=1
50 0
3. Compruebe que para todo r > 0 , la función de densidad
−t ∞
1
exponencial p ( t ) = e r cumple la condición ∫ p ( t ) dt =1
r 0
