TECSUP PFR

Matemtica Aplicada

Unidad VI

DISTRIBUCIN DE PROBABILIDADES CONTINUAS

1.

LA DISTRIBUCIN NORMAL
La distribucin normal es la distribucin mas importante de probabilidades, no
solo en la teora estadstica, sino tambin en sus aplicaciones a problemas
industriales. Es una distribucin continua y simtrica conocida tambin como la
distribucin de Gauss o de Laplace. La distribucin normal representa el
resultado de la actuacin conjunta de causas aleatorias, y por ello resulta
fundamental en el control estadstico de calidad, particularmente en la teora de
los grficos del control de fabricacin.
La funcin de probabilidades es:

f ( x; , 2 )

e ( x )

/ 2 2

- x

Donde:
Es la media de la distribucin

Es la desviacin estndar
f(x)

Figura 1. Grfica de densidad de Probabilidad Normal.

El diagrama es simtrico y el rea bajo la curva es la unidad.

147

Matemtica Aplicada

1.1.

TECSUP PFR

ESTANDARIZACIN DE LA VARIABLE ALEATORIA

Si en lugar de x tomamos:

( x )

Lo cual significa adoptar como origen de las z el punto en que x y

como unidad de escala de las z la desviacin estndar ; la que
designaremos como distribucin Normal Estndar:

f ( z)

2
z
1
e 2
2

Esta distribucin tiene parmetros: (z) 0

2 ( z) 1 ; por

conveniencia se acostumbra nombrar esta distribucin como la N(0;1) .

Los valores del rea desde ...z son iguales a la probabilidad
acumulada de los valores correspondientes a f(z). Estos valores se
encuentran tabulados en la tabla 3 al final de esta informacin. Esta tabla
corresponde a la distribucin normal estndar, es decir, la distribucin
normal con 0 y 1
La funcin acumulada es:

F( z)

1
2

t
e

/2

dt

F(z)
F( z)

1 z t2 / 2
e dt
2

z
z
0
Figura 2. Grfica de densidad de Probabilidad Normal Estndar.

Para determinar la probabilidad de que una variable aleatoria con la

distribucin normal estndar adopte un valor entre a y b, usamos la
ecuacin:

P(a z b) F(b) F(a)

148

TECSUP PFR

Matemtica Aplicada

y si a o b es negativa, hacemos uso de la identidad

F(z) 1 F(z) .
EJEMPLO 1
Determine las probabilidades de que una variable aleatoria con la
distribucin normal estndar adopte un valor

Entre 0,87 y 1,28

Entre -0,34 y 0,62
Mayor que 0,85
Mayor que -0,65

=
=
=
=

p(0,87<z<1,28)
p(-0,34<z<0,62)
p(z>0,85)
p(z>-0,65)

Solucin
Consultando los valores necesarios en la tabla 3, obtenemos
Entre 0,87 y 1,28 = p(0,87<z<1,28)

F(1,28) F(0,87) 0,8997 0,8078

0,0919

F(z)

z
0,87

1,28

Fig. 3.

Entre -0,34 y 0,62 = p(-0,34<z<0,62)

F(0.62) F(0.34) 0.7324 (1 0.6331)

0.3655

149

Matemtica Aplicada

TECSUP PFR

F(z)

z
-0,34

0,62

Fig. 4.

Mayor que 0,85 = p(z>0,85)

1 F(0.85) 1 0.8023

0.1977

F(z)

z
0,85

Fig. 5.

Mayor que -0,65 = p(z>-0,65)

1 F(0.65) 1 1 F(0.65) F(0.65)

0.7422

F(z)

z
0,85

Fig. 6.

150

TECSUP PFR

Matemtica Aplicada

EJEMPLO 2
Si el monto de radiacin csmica a la que se expone una persona al volar
en avin por los Estados Unidos es una variable aleatoria con la
distribucin normal con 4.35 mrem y 0.59 mrem, determine las
probabilidades de que el monto de radiacin csmica a la que se
expondr una persona en un viaje as sea de:
Entre 4.00 y 5.00 mrem;
El menos 5.50 mrem.
SOLUCIN
Primero estandarizamos los valores:

5.00 4.35 4.00 4.35

F

0.59
0.59

= F(1.10) F(0.59)

= 0,8643 (1 0,7224)
= 0,5867

5.50 4.35

0.59

1 F

= 1 F(1.95)
= 1 0.9744

0.0256

EJEMPLO 3
El monto real de caf instantneo que una mquina de relleno deposita
en frascos de 4 onzas puede considerarse una variable aleatoria con
una distribucin normal con 0.04 onzas. Si slo 2% de los frascos
contienen menos de 4 onzas, Cul debera ser el relleno medio de esos
frascos?
Solucin

4
0.02 y, por lo tanto,
0.04

Para determinar de tal manera que F

4
F
0.98
0.04

buscamos en la tabla 3 la entrada ms cercana a

0.98 y obtenemos 0.9798, que corresponde a z 2.05. As:

4
2.05
0.04

151

Matemtica Aplicada

TECSUP PFR

Y al resolver , determinamos que 4.082 onzas

EJEMPLO 4
En cierta ciudad, el nmero de interrupciones del suministro elctrico por
mes es una variable aleatoria con una distribucin con 11,6 y

3,3 . Si esta distribucin puede aproximarse cercanamente con una

distribucin normal, cul es la probabilidad de que haya al menos ocho
interrupciones en un mes cualquiera?
Solucin
El nmero de interrupciones de servicio es una variable aleatoria discreta,
y si deseamos aproximar su distribucin con una distribucin normal,
debemos dispersar sus valores en una escala continua.
Lo hacemos representando cada nmero entero k con el intervalo de

1
1
a k . Por ejemplo:
2
2

3 es representado con el intervalo de 2,5 a 3,5;

10 es representado con el intervalo de 9,5 a 10,5.
y al menos 8 es representado con el intervalo a la derecha de 7,5 tal
como se muestra en la figura:

3,3

X
7,5

11,6
Fig. 7.

152

Nmero de
Interrupciones

TECSUP PFR

Matemtica Aplicada

As, la probabilidad deseada es aproximada por:

7,5 11,6
1 F
1 F( 1,24)
3,3
F(1,24)

0,8925
1.2.

APLICACIONES: LIMITES DE CONTROL

La distribucin normal puede aplicarse en el control de calidad para
aceptar un producto o rechazar un producto.
Para ello se establece una franja cuyo ancho ser el rango de aceptacin.
Este rango se establece alrededor de la media la que definir la Lnea
Media LM.
El rango R quedara definido en funcin del valor establecindose
diversos criterios.
Un criterio bastante comn es tomar:

R LSC LIC
LSC A

LIC A
Donde A

3
; n = tamao de la muestra.
n

Los lmites de este rango sern el Lmite Superior de Control LSC y el

Lmite Inferior de Control LIC

LS C

LM

LIC
n

MU ESTR A

Fig. 8.

153

Matemtica Aplicada

TECSUP PFR

EJEMPLO 5
Construir para muestras de n = 5 artculos el grfico de control de la
media de un proceso de fabricacin de ejes de acero con media
5,60 mm y desviacin estndar 0,05 mm.
Verificar si el proceso de fabricacin de ejes se mantiene BAJO CONTROL,
si se han extrado 10 muestras con n = 5 de hora en hora y los valores
se encuentran en la tabla siguiente:

MUESTRA

ARTICULO 1

ARTICULO 2

ARTICULO 1

ARTICULO 1

ARTICULO 1

5,67

5,50

5,58

5,48

5,70

5,586

2
3

5,90
5,52

5,58
5,66

5,61
5,68

5,59
5,59

5,44
5,38

5,624
5,566

5,60

5,76

5,55

5,58

5,57

5,612

5,55

5,68

5,65

5,45

5,68

5,602

5,39

5,65

5,63

5,57

5,61

5,570

7
8

5,79
5,67

5,61
5,59

5,59
5,59

5,70
5,75

5,51
5,48

5,640
5,616

5,51

5,51

5,65

5,55

5,63

5,570

10

5,66

5,64

5,61

5,66

5,56

5,626

Solucin
La lnea media:
LM = = 5,60
Los lmites de control sern:

LSC A 5,60 ( 3
LIC A 5,60 ( 3

5
5

)0,05 5,667

)0,05 5,533

154

MEDIA

TECSUP PFR

Matemtica Aplicada

3

5,68
n

LSC

5,667

5,66
5,64
5,62

LM

5,60
5,58
5,56
3

5,54

LIC
5,533

n
5,52

MUESTRA
1

10

Fig. 9.

Mediante el grfico recomprueba que todos los puntos se encuentran en

el rango en torno a la LM, de ello se concluye que el PROCESO DE
FABRICACION SE ENCUENTRA BAJO CONTROL.
PROBLEMAS PROPUESTOS 6.1
1.

Una troqueladora produce tapas de lata cuyos dimetros se

distribuyen normalmente con una desviacin estndar de 0,01
pulgadas. En que dimetro nominal debera fijarse la mquina
para que no mas del 5% de las tapas producidas tengan dimetros
que excedan de 3 pulgadas?
Sol:

2,984
2.

Se corta automticamente varillas de plstico moldeadas por

inyeccin en longitudes nominales de 6 pulgadas. Las longitudes
reales estn normalmente distribuidas en torno a una media de 6
pulgadas y su desviacin estndar es de 0,06 pulgadas.
Qu proporcin de las varillas excede los lmites de tolerancia de 5,9 a
6,1 pulgadas.
A qu valor es necesario reducir la desviacin estndar si el 99% de
las varillas den hallarse dentro de la tolerancia.
Sol:

155

Matemtica Aplicada

3.

TECSUP PFR

Si una variable aleatoria tiene la distribucin binomial con n=30 y

p=0,60; use la aproximacin normal para determinar la probabilidad
de que adopte:
El valor de 14
Un valor menor que 12
Sol:
0,049
0,008

4.

Un fabricante sabe que, en promedio, 2% de las tostadoras elctricas

que produce requerirn reparaciones en un trmino de 90 das
posteriores a su venta. Use la aproximacin normal a la distribucin
binomial para determinar la probabilidad de que entre 1200
tostadoras al menos 30 requerirn reparaciones en los primeros 90
das de su venta.
Sol:

5.

La probabilidad de que un componente electrnico falle en menos de

1000 horas de uso continuo es de 0,25. Use la aproximacin normal
para determinar la probabilidad de que entre 200 de esos
componentes menos de 45 fallen en menos de 1000 horas de uso
continuo.
Sol:
0,1841

6.

Un ingeniero de seguridad supone que el 30% de los accidentes

industriales en su planta se deben a que los empleados no siguen las
instrucciones. Si esa cifra es correcta, determine aproximadamente la
probabilidad de que entre 84 accidentes industriales en esa planta
cualquier nmero entre 20 a 30 inclusive se deban a la negligencia de
los empleados de no seguir las instrucciones.
Sol:

7.

Una variable aleatoria tiene una distribucin normal con 62,4 .

Determine su desviacin estndar si la probabilidad de que adopte un
valor mayor que 79,2 es de 0,20.
Sol:

19,88
8.

Una variable aleatoria tiene una distribucin normal con 10 . Si la

probabilidad de que adopte un valor menor que 82,5 es de 0,8212.
Cul es la probabilidad de que adopte un valor mayor que 58,3?

156

TECSUP PFR

Matemtica Aplicada

Sol:
9.

Las especificaciones de cierto trabajo implican limpiadores con un

dimetro interior de 0,300 0,005 pulgadas. Si los dimetros
interiores de los limpiadores provistos por cierto fabricante pueden
considerarse una variable aleatoria con la distribucin normal con
0,302 pulgadas y 0,003 pulgadas, Qu porcentaje de estos
limpiadores cumplir las especificaciones?
Sol:
83.15%

10. Se sabe que la vida til de un componente elctrico sigue una

distribucin normal con media 2000 hr y una desviacin estndar

200 hr.
Determine la probabilidad de que un componente aleatoriamente
seleccionado dure entre 2000 y 2400 horas.
Determine la probabilidad de que un componente aleatoriamente
seleccionado dure mas de 2200 horas.
Sol:
0,4772
0,1587
2.

DISTRIBUCIN GAMMA
Varias densidades de probabilidad importantes que utilizan frecuentemente son
casos especiales de la distribucin Gamma. Esta distribucin tiene la densidad
de probabilidad.

x -1e - x/

f(x) ( )
0

para

x 0, 0,

en otra parte

Donde () es un valor de la funcin Gamma, definida por

( ) x l e x dx
0

La integracin por partes muestra que

1 1
Luego:

1 !

positivo)

157

(Para entero y

Matemtica Aplicada

TECSUP PFR

Representaciones grficas de la funcin gamma para valores diversos de y

se muestran en la figura 10; ponen de relieve el hecho de que estas
distribuciones estn positivamente sesgadas. En efecto, la sesgadura decrece a
medida que se incrementan para cualquier valor fijo de .

Figura 10.

2.1.

MEDIA Y VARIANZA DE LA FUNCIN GAMMA

Para determinar la media de la distribucin Gamma:

1
x x 1e x / dx

Haciendo el cambio de variable y x /

y
( 1

y e dy

Haciendo uso de la identidad ( 1) , llegamos al resultado

de la Media:

La Varianza de la distribucin gamma esta dada por:

2 2

158

TECSUP PFR

DISTRIBUCIN EXPONENCIAL
En la distribucin Gamma, si el valor de 1
exponencial cuya densidad de probabilidad es:

1 x
e
f(x)

0
3.1.

para

x 0,

obtenemos la distribucin

en otra parte

GRFICO DE LA FUNCIN EXPONENCIAL

Para graficar la funcin exponencial tabularemos valores de x para un
valor de determinado
1
x

f ( x)

x
0.1
0.5
0.8
1
2
3
4
5
6
7
8
9
10

1
e

f(x)
0.9048374
2
0.6065306
6
0.4493289
6
0.3678794
4
0.1353352
8
0.0497870
7
0.0183156
4
0.0067379
5
0.0024787
5
0.0009118
8
0.0003354
6
0.0001234
1
4.54E-05

DISTRIBUCION EXPONENCIAL
(Beta = 1)
1
0.9

PROBABILIDAD (X=x)

3.

Matemtica Aplicada

0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0

10

VARIABLE ALEATORIA

Figura 11. Representacin grfica de la funcin exponencial para

159

1.

12

Matemtica Aplicada

TECSUP PFR

Igualmente podemos graficar la funcin exponencial para 0,1; 1;

5 . en la Fig. 6.12
3.2.

MEDIA Y VARIANZA DE LA FUNCIN EXPONENCIAL

La Media de la distribucin Gamma esta dada por:

La Varianza de la distribucin Gamma esta dada por:

2 2
La Desviacin tpica o estndar de la distribucin Gamma esta dada por:

FUNCION EXPONENCIAL
(Beta = 1; Beta = 0.1; Beta = 5)

PROBABILIDAD (X = X)

4
3.5
3
2.5
2
1.5
1
0.5

0,1

Serie1
Serie2

Serie3

0
-0.5 0

10

15

VARIABLE ALEATORIA x
Figura 12.

EJEMPLO 1
En promedio llegan tres camiones por hora para ser descargados en una
bodega, Cules son las probabilidades de que el tiempo entre el arribo
de sucesivos camiones sea:
Menor que 5 minutos
De al menos 45 minutos

160

TECSUP PFR

Matemtica Aplicada

Solucin
Suponiendo que los arribos siguen un proceso con 3 , entonces

1
. Adems 5 minutos es 1/12 hora.
3
1/ 12

3e 3 x dx 1 e 1/ 4 1.221

En la misma relacin anterior y con 45 minutos como

hora

3e

3 x

9 / 12 3 / 4

dx e 9 / 4 0.105

3/4

4.

LA DISTRIBUCIN BETA
La distribucin beta tiene una densidad de probabilidad es

( ) -1
X (1 - X)-1

f(x) ().()
0

4.1.

para

0 x 1, 0, 0

en otra parte

MEDIA Y VARIANZA DE LA FUNCIN BETA

La media y la varianza de esta distribucin beta estn dadas por

( 1)

EJEMPLO 1
En cierto distrito, la proporcin de tramos de carretera que requieren de
reparaciones en un ao dado es una variable aleatoria con la distribucin
beta con 3 y 2 (Fig. 6.11). Determine:
Qu porcentaje, en promedio, de tramos de carretera requieren de
reparaciones en un ao dado.
La probabilidad de que cuando ms la mitad de los tramos de carretera
requieran de reparaciones en un ao dado.

161

Matemtica Aplicada

TECSUP PFR

Figura 13.

Solucin

3
0,60
32

lo que significa que, en promedio, el 60% de los

tramos de carretera requieren reparaciones en un ao dado.

Sustituyendo 3 y 2 en la frmula de la distribucin beta y
partiendo del hecho de que

(5) 4! 24

(3) 2! 2
(2) 1! 1
Luego reemplazando estos valores en la funcin Beta obtenemos:

f ( x ) 12x 2 (1 x ) para

0 x1
en otra parte

As, la probabilidad deseada est dada por

1/ 2

12x 2 (1 x )dx

5
16

162

TECSUP PFR

5.

Matemtica Aplicada

LA DISTRIBUCIN DE WEIBULL
Estrechamente relacionada con la distribucin exponencial est la distribucin de
Weibull, cuya densidad de probabilidad est dada por

x 1e x
f(x)

parax 0, 0, 0
en otra parte

Para demostrar esta relacin, evaluamos la probabilidad de que una variable

aleatoria con la distribucin de Weibull adopte un valor menor que , es decir,
la integral
a

x 1e x dx

Efectuando el cambio de variable y x , obtenemos

a

e y dy 1 e a

Y, como puede verse, y es un valor de una variable aleatoria con una distribucin
exponencial. Las representaciones grficas de varias distribuciones de Weibull
con 1 y

1
; 1; 2 se muestran en la figura 14.
2

Figura 14.

163

Matemtica Aplicada

5.1.

TECSUP PFR

MEDIA Y VARIANZA DE LA FUNCIN WEIBULL

La medida de la distribucin de Weibull con los parmetros y puede
obtenerse evaluando la integral

x x 1e x dx

Efectuando el cambio de variable u x , obtenemos.

1/ u1/ e u du
0

Y reconociendo la integral como 1 , es decir, como un valor de la

funcin gamma, encontramos que la media de la distribucin de wibull

est dada por

1
1/ 1

La varianza de esta distribucin est dada por:

2
1
2 2 / 1 1

EJEMPLO 1
Supongamos que el ciclo de vida de cierto tipo de batera de respaldo de
emergencias (en horas) es una variable aleatoria X con la distribucin de
Weibull con 0.1 y 0,5
Determine
El ciclo de vida medio de estas bateras;
La probabilidad de que una batera de este tipo dure ms de 300
horas.

164

TECSUP PFR

Matemtica Aplicada

Solucin
La sustitucin en la frmula de la media da como resultado.

(0.1) 2 (3) 200

Integrando, obtenemos

(0.05)x

0.5

0.5

0.5

e 0.1x dx e 0.1(300 )

0.177

300

PROBLEMAS PROPUESTOS 6.2

1.

En ciertos experimentos, el error cometido en la determinacin de la

solubilidad de una sustancia es una variable aleatoria con la densidad
uniforme con
0,025 y 0,025 . Cules son las

probabilidades de que ese error sea:

De entre 0,010 y 0,015
De entre -0,012 y 0,012
Sol:

2.

En cierta ciudad el consumo diario de energa elctrica puede tratarse

como una variable aleatoria con una distribucin gamma con 3 ,
y 2 . Si la planta de energa de esa ciudad tiene una capacidad
diaria de 12 millones de kilowatt-hora. Cul es la probabilidad de
que ese suministro de energa sea inadecuado en un da dado.
Sol:

3.

La cantidad de tiempo durante el que funciona una cmara de

vigilancia sin que se le reponga es una variable aleatoria con
distribucin
exponencial,
con
50 das. Determine las

probabilidades de que una cmara as:

Tenga que ser repuesta en menos de 20 das
No tenga que ser repuesta en al menos 60 das.
Sol:

165

Matemtica Aplicada

4.

TECSUP PFR

Si la proporcin anual de declaraciones de impuestos sobre ingresos

errneos, presentadas al fisco, puede considerarse como una variable
aleatoria con una distribucin beta con 2 y 9 . Cul es la
probabilidad de que en un ao dado haya menos de 10 % de
declaraciones errneas?
Sol:

5.

Supongamos que la proporcin de unidades defectuosas embarcadas

por un distribuidor, que varia un tanto de embarque a embarque,
puede considerarse una variable aleatoria con la distribucin beta con
1 y 4.

Determine la media de esta distribucin beta.

Determine la probabilidad de que un embarque de este distribuidor
contenga 25% o mas de unidades defectuosas.
Sol:
a) 0,2
b) 0,3164
6.

Supongamos que el tiempo de falla (en minutos) de ciertos

componentes electrnicos sujetos a vibraciones continuas puede
considerarse una variable aleatoria con una distribucin de Weibull
con 1

y 1 .

Cunto puede esperarse que dure un componente de ese tipo.

Qu probabilidad existe de que un componente de ese tipo falle en
menos de 5 horas?
Sol:

7.

Supongamos que el ciclo de vida de servicio (en horas) de un

semiconductor es una variable aleatoria con una distribucin de
Weibull con 0,025 y 0,500 . Cul es la probabilidad de que
un semiconductor de ese tipo siga en condiciones de operacin
despus de 4000 horas?
Sol:
0,2057

166