Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las distribuciones de variable contnua, al igual que las distribuciones discretas, han sido estudiadas
con mucha intensidad y cada una de ellas corresponde, como modelo, a una coleccin de
fenmenos aleatorios. Todas ellas sern abordadas utilizando su funcin de densidad. Se pondr
ms nfasis en la Distribucin Normal ya que ella constituye la base para la Inferencia Estadstica.
DISTRIBUCIN UNIFORME
Se dice que una variable aleatoria X tiene distribucin uniforme, y se escribe X ~ U[a, b] , si su
distribucin de probabilidad es como sigue:
1
f ( x) para x [a, b].
ba
donde las constantes a y b son parmetros de la funcin de densidad.
Ejemplo 1: Si una persona llega a su centro de labores entre las 8:00 y las 8:30 de la maana, podr
considerarse que es igualmente probable que llegue, por ejemplo, entre las 8:05 y las 8:10 o entre
las 8:15 y las 8:20. La variable X, que corresponde al tiempo en horas en que sucede la llegada al
centro de labores, tiene distribucin uniforme en el intervalo [0, 30].
Ejemplo 2: Las llegadas de los clientes a cierta caja registradora tienen una distribucin de Poisson.
Se sabe que durante un perodo dado de 30 minutos, lleg un cliente a la caja. Encuentre la
probabilidad de que el cliente haya llegado durante los ltimos 5 minutos del perodo de 30
minutos.
Solucin: Como se mencion antes, el tiempo real de llegada seguir una distribucin uniforme en
el intervalo (0,30). Sea X el tiempo de la llegada, entonces
30 25 1
30
1
P(25 X 30) = dy
25
30 30 6
Obsrvese que la probabilidad de que la llegada ocurra en cualquier otro intervalo de 5 minutos ser
tambin igual a 1/6.
DISTRIBUCIN EXPONENCIAL
Una variable aleatoria continua X tiene distribucin exponencial, con parmetro > 0, y se escribe
X ~ exp , si su funcin de densidad est dada por:
Solucin: Para que un dispositivo no se sustituya durante las primeras 150 horas, X debe ser mayor
que 150. La distribucin de X es exponencial con parmetro 1 / 100; por lo tanto,
(1 / 100)e
x / 100
P(X>150) = dx e 150 / 100 0.2231.
150
Ejemplo 2: Una estacin de suministro de gasolina recibe gasolina una vez por semana. Si su
volumen semanal de ventas V, en miles de galones, se distribuye exponencialmente con parmetro
= 0.5, calcular la capacidad que debe tener el depsito de la estacin si el distribuidor desea que,
con una garanta del 99%, exista gasolina en el fin de semana.
0.5e
0.5 x
0.99 = P(V<C) 0.01 = P(V C) = dx . Resolviendo la integral se tiene C = 9.2103
C
miles de galones.
DISTRIBUCIN NORMAL
1 1
f ( x) exp x 2 , x R;
2 2
Caractersticas Numricas: Si X ~ , 2 , entonces E(X) = y Var(X) = 2 .
Si la variable aleatoria X tiene distribucin , 2 , entonces la variable aleatoria Y aX b
tiene distribucin a b, a 2 2 . Esta propiedad nos indica que, cualquier combinacin lineal
de una variable normal tiene tambin distribucin normal.
Propiedad Reproductiva: Si X ~ 1 , 12 y Y ~ 2 , 22 , ambas variables
independientes, entonces la variable aleatoria (X + Y) ~ 1 2 , 12 22 . Esta propiedad
nos dice que la suma de dos variables aleatorias normalmente distribuidas tambin tiene
distribucin normal, con media igual a la suma de medias y con varianza igual a la suma de
varianzas. Del mismo modo, si las dos variables fuesen independientes y tuviesen la misma
distribucin N ( , 2 ) , entonces la suma de ellas tambin tiene distribucin normal, con media
2 y con varianza 2 2 . Esto es, (X+Y) tiene distribucin N(2, 2 2 ). De otro lado, si las dos
variables fuesen independientes y tuviesen la misma distribucin N ( , 2 ) , la media de ellas
tambin tendra distribucin normal, con media igual a y con varianza igual a 2 /2 .
Se puede extender esta propiedad para cualquier nmero de variables aleatorias. Generalizando:
Propiedad Reproductiva
6) P(-3 X 3) = ( 3) - ( 3) =
0.9987 - 0.0013 = 0.9974
10) Se desea conocer los valores de x que cubren el 95% del rea central de una distribucin
normal.
Por la simetra de la curva, debemos hallar los valores de x tales que se cumpla P(-x X x)= 0.95.
Evaluando la probabilidad,
0.95 = P(-x X x) = (x) - (-x) =
(x) -[1 - (x)] =2 (x) - 1 (x) = 0.975
Buscamos en el cuerpo de la tabla el valor 0.975 y le hacemos corresponder su cuantil. As, x =
1.96.
En consecuencia, x = -1.96 y x = 1.96 acotan el 95% central de una distribucin normal.
1012 X- 14-12
Resolviendo, P(10 X 14) = P = P -1 Z 1
2 2
= (1) - (-1) = (1) - [1 - (1)] = 2 (1) - 1
= 0.6826.
Ejemplo 1: Se sabe que el dimetro de ciertos rodamientos producidos por una mquina, sigue una
distribucin normal con media = 15 cm. y = 0.02 cm. Para que el rodamiento sea considerado
como no defectuoso, su dimetro debe variar entre 14.98 y 15.02 cm.
b) Sea la variable aleatoria Y que denota el nmero de rodamientos defectuosos en una caja de 50
unidades. Entonces, Y tiene distribucin binomial con parmetros n 50 y p 0.3174 .
50
Luego, PY 3 0.3174 0.6826 0
3 47
Ejemplo 2: El tiempo de duracin de un faro de luz est normalmente distribuido, con una duracin
media de 800 horas y una desviacin estndar de 200 horas. Se compran 500 de estos focos.
Cul es la distribucin de probabilidad del nmero de focos que estarn en servicio despus de
1000 horas?
Solucin: Sea la variable aleatoria X el tiempo de duracin de los focos; X ~ N(800,200 ). Que el
foco est en servicio despus de 1000 horas, significa que el tiempo de duracin, X, sea mayor que
1000 horas.
X 800 1000 800
Entonces, P X 1000 1 P( X 1000) 1 P
200 200
1 P Z 1 1 (1) 1 0.8413 01587 .
De otro lado, si la produccin de focos es muy grande, los 500 focos que se compran constituyen
ensayos independientes de Bermoulli, con probabilidad de xito igual a P X 1000 . Entonces, el
nmero de focos que duran ms de 1000 horas es una nueva variable aleatoria, Y , con distribucin
binomial cuyos parmetros son n 500 y p 01587 . .
Con ambos ejemplos, hemos visto que se pueden combinar modelos para el clculo de
probabilidades asociadas a diferentes variables aleatorias de inters.
Ejercicio 2: Se supone que los puntajes del examen de ingreso a cierta Universidad tienen una
distribucin normal con una media de 78 puntos y varianza igual a 36. Cul es el valor del
percentil 90? Si se desea aprobar solamente al 28,1% de postulantes, cul debe ser el puntaje
mnimo aprobatorio?
Ejercicio 3: Supongamos que la demanda semanal de un artculo sigue una distribucin normal
con media =100 y desviacin tpica =20. Qu existencias deben tener al principio de la semana
para poder satisfacer la demanda con una probabilidad de 0.95?