Está en la página 1de 23

Distribuciones

Continuas Notables
( Parte 1)
Estadstica Aplicada
Distribucin Uniforme
Si una variable aleatoria X,
cuyo recorrido es el intervalo
de nmeros reales [ a, b], tiene
distribucin uniforme, entonces
tendremos que su funcin de
densidad est dada por:

1
a x b
f (x)
b a
0 o.c.

s s

a
b
f(x)
a b
1


Si [c,d] est incluido en [a,b] , la probabilidad de que
x tome valores en el intervalo [c,d] es numericamente
igual al rea sombreada, y se calcula de la siguiente
manera:
| | ( )
a b
a d
dx d X c P
d
c
a b

= = s s
}

1
a b
1

b
d
c a
Esperanza y varianza de una
distribucin Uniforme
El valor esperado o promedio est dado
por:


La varianza de esta variable aleatoria es.

( )
a b
E X
2
+
=
( )
2
(b a)
V X
12

=
Ejemplo 2:
Supongamos que el tiempo (en minutos) que se tarda un cajero
en atender a un cliente es una variable aleatoria con distribucin
uniforme en el intervalo [5, 15]
a) Indique cual ser la funcin de densidad de esta
variable aleatoria
b) Calcule la probabilidad de que el tiempo de atencin a un
cliente sea de a lo ms 9.5 minutos
c) Calcule la probabilidad de que el tiempo de atencin de un
cliente est entre 7 y 10 minutos.
d) Determine el promedio y el coeficiente de variacin para
el tiempo que se tarda el cajero en atender a un cliente.


Distribucin Exponencial
En variables que representan los tiempos de vida til, tiempos de
sobrevivencia, en tiempos de ocurrencia en procesos de Poisson se
suele utilizar la distribucin exponencial.
Si una variable aleatoria X tiene una distribucin exponencial con
parmetro | (>0), entonces tendremos que su funcin de densidad
est dada por:

>
=

caso otro
x e
x f
X
0
0
1
) (
1
|
|
|
1
0


Si [c,d] est incluido en [a,b] , la probabilidad de que
x tome valores en el intervalo [c,d] es numericamente
igual al rea sombreada, y se calcula de la siguiente
manera:
| |
}

= s s =
d
c
t
dt e d X c P x F
|
|
1
1
) (
0
d
c
|
1
Esperanza y varianza de una distribucin
Exponencial
El valor esperado o promedio de una
variable aleatoria exponencial est dado
por:

Ntese que el parmetro es igual al
promedio de la variable aleatoria
La varianza de esta variable aleatoria es:

( ) | = X E
( )
2
| = X V
|
Distribucin Acumulativa de una
variable aleatoria Exponencial
Si una variable aleatoria X tiene una distribucin
exponencial con parmetro |, entonces la probabilidad
acumulada para cualquier valor x de su recorrido estar
dada por la siguiente funcin:




| |
x
x
t
e dt e x X P x F
| |
|
1 1
1 ) (
0
1

= = s =
}
|
1
0
x
Ejemplo:
Supongamos que el tiempo de vida til de cierta marca de
artefacto elctrico es una variable aleatoria con
distribucin exponencial, cuyo promedio es 5 aos.
a) Calcule la probabilidad de que un artefacto elctrico de
la marca indicada, tenga una vida til de 7 aos o
menos
b) Un artefacto elctrico de dicha marca tiene ms de 4
aos funcionando, Cul es la probabilidad de que
funcione como mximo 7 aos?
c) Determine el promedio y la desviacin estndar tiempo
de vida til de los artefactos elctricos de la marca
indicada.
d) Si se seleccionan al azar y de forma independiente 6 de
estos artefectos Cul es la probabilidad que en por lo
menos 4 de estos artefactos elctricos se observe una
vida til de a lo ms 6 aos?


Esta distribucin es frecuentemente utilizada en
las aplicaciones estadsticas. Su propio nombre
indica su utilizacin por la frecuencia o
normalidad con la que ciertos fenmenos tienden
a parecerse en su comportamiento aleatoria a
esta distribucin.

En resumen,la importancia de la distribucin
normal se debe a que hay muchas variables
asociadas a fenmenos naturales que siguen el
modelo de la distribucin normal.

Distribucin Normal
(Campana de Gauss-Laplace)


Distribucin Normal
Se dice que X es una v.a. que tiene una distribucin
normal con media y varianza o
2
, y se denotada por
X~N(,o
2
), si su funcin de probabilidad est dada
por:





En este caso se tiene que: E(X) = y V(X) = o
2

2
(X )
2
2
2
1
x
2
f(x) e

o

< < =

Grfica de una distribucion Normal
a) Tiene forma
acampanada.
b) Es simtrica con
respecto a su media.
c) Es asinttica con
respecto al eje
horizontal.
d) E(X)= , Var(X) =
2
o

) (x f
Cuando se tiene una variable con distribucin normal estaremos
interesados en calcular el valor de la probabilidad en eventos que
involucren la variables, como por ejemplo:
P[ X < x ] = p
En este caso x es el ndice y p la respectiva probabilidad acumulada

Distribucin Normal
Clculo de Probabilidades
Distribucion Normal Estandar (Z)
Si tenemos la variable aleatoria X que tiene una
distribucin Normal, es decir X~N(,o
2
), y
realizamos la siguiente transformacin:



Entonces tenemos que
Z~N(0, 1) y esta nueva
variable Z es conocida
como la distribucin
Normal Estndar.
Z

X
=

Uso de la tabla Normal Estndar


Para calcular probabilidades utilizando tablas se require
Previamente estndarizar la variable.
Es decir si tenemos la variable aleatoria X~N(,o
2
), esta
debe ser transformada en una variable Z~N(0, 1)
Las probabilidades se mantienen
invariables con la transformacin
P[ Z < z ] = p
P[ X < x ] = p
z
x
Z

X
=

0
Uso de la tabla normal estndar
Ejemplo 1: Si X~ N( 8, 4 ), calcular P[ X< 11.3]
Solucin: observamos que =8 y =2 o
estandarizamos la variable aleatoria X de la
siguiente manera:
Tabla Z
| | 3 . 11 s X P
(

=
2
8 3 . 11
o
X
P
| | 65 . 1 s = Z P
95053 . 0 =
Ejemplo 2:
Sea X una variable aleatoria con distribucin
normal que tiene media 25 y varianza 36. Calcular
las siguientes probabilidades:

a) P( X s 27 )
b) P ( X 32 )
c) P(18 < X s 35)
d) Hallar el valor de K si P(X < k) = 0.975
Solucin:
a) 0.62930
b) 0.1210
c) 0.83154 (0.95254-0.12100)
d) k = 36.76

Ejemplo 3:
El nivel de ventas por da en un centro comercial es
una variable aleatoria con distribucin normal, cuyo
promedio es de 4500 soles y una varianza de 160000
soles
2
.
a) Cul es la probabilidad de que un da cualquiera
se tenga un nivel de ventas superior a los 4650
soles?
b) Cul es el monto mnimo de ventas del 25% de
das de mayores ventas?
c) Se sabe que un da determinado el nivel de ventas
es superior a los 4100 soles Cul es la probabilidad
que ese da el nivel de ventas sea a lo mas 4550 soles
Ejemplo 4:
El ingreso familiar mensual en cierta zona de la
ciudad es una variable aleatoria con distribucin
normal cuyo promedio es 1200 soles, se sabe
adems que el 20% de las familias en esa zona de
la ciudad tienen un ingreso mensual superior a
1450 soles. El gobierno decide aplicar un programa
de ayuda social orientado a todas las familias cuyo
ingreso familiar mensual sea inferior a 600 soles,
si en esa zona de la ciudad residen 3480 familias
Aproximadamente cuantas familias se
beneficiaran con dicha ayuda social?
Suma de variables con distribucin Normal
(Propiedad reproductiva)
Suponga que tiene X
1
, X
2
,,X
n
, n variables
aleatorias independientes, cada una con una
distribucin normal de media
i
y varianza o
i
2
, si
se define la variable aleatoria Y de la siguiente
manera: Y = X
1
+X
2
++X
n
,

entonces tendremos
que la variable aleatoria Y tendr una
distribucin Normal con los siguientes
parmetros:

= =
= =
n
1 i
2
i
2
Y
n
1 i
i Y

Combinacin Lineal de variables
aleatorias con distribucin Normal
Sean X
1
, X
2
,,X
n
, n variables aleatorias
independientes, cada una con una distribucin
normal de media
i
y varianza o
i
2
, si se define la
variable aleatoria Y de la siguiente manera:
Y = a
1
X
1
+a
2
X
2
++a
n
X
n
, donde a
i
e9

entonces la variable aleatoria Y tendr una
distribucin Normal con los siguientes
parmetros:
2
i
2
i
n
1 i
2
Y
n
1 i
i i Y
a a

= =
= =
Teorema Central del Lmite
(Suma de variables aleatorias que no tienen distribucin Normal)
Suponga que tiene X
1
, X
2
,,X
n
, n variables
aleatorias independientes, cada una con cierta
distribucin cuya media es
i
y cuya varianza es
o
i
2
, si se define la variable aleatoria Y de la
siguiente manera:
Y = X
1
+X
2
++X
n


Si n > 30, entonces tendremos que la variable
aleatoria Y tendr una distribucin Normal con
los siguientes parmetros:

= =
= =
n
1 i
2
i
2
Y
n
1 i
i Y