OPOSICIONES I.N.E.

BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

TEMA 5: DISTRIBUCIN UNIFORME. DISTRIBUCIN

EXPONENCIAL. DISTRIBUCIN DE PARETO. PROPIEDADES.

INTRODUCCIN:

Uno de los objetivos del Clculo de Probabilidades es determinar distribuciones

que puedan servir de modelos a los distintos fenmenos aleatorios, que se pueden
presentar.
Cuando asociamos un modelo a un fenmeno aleatorio, primero le asignamos
una distribucin y luego buscamos los valores del parmetro.

DISTRIBUCIN UNIFORME:

Corresponde a una variable aleatoria absolutamente continua ( continua) que

resulta de elegir un nmero al azar dentro del intervalo (a,b) con b > a, con funcin de
densidad de probabilidad constante.
Sirve para modelizar el comportamiento de los fenmenos cuyos sucesos son
equiprobables.
Una variable aleatoria se distribuye segn la distribucin uniforme (
rectangular por la forma de la funcin de densidad) en el intervalo a , b con b a , y se
denota por Ua , b (da igual abierto o cerrado por ser continua) si su funcin de
densidad es:

En efecto es funcin de densidad:

f x 0 pues b a
b 1
f x dx dx 1
a ba

Funcin de distribucin:

x
Por definicin: Fx P x f x dx . Segn los lmites de integracin tenemos:
0 si x a
x x
1 xa

f (x) dx b a dx b a si a x b
Fx a a
b b
1
f x dx b a dx 1 si x b
a a

1
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

En efecto es funcin de distribucin:

F Fa 0 , F Fb 1
1
Fx f x
ba
Por la representacin se observa que es montona no decreciente y continua.
F(x)

Propiedades:

La probabilidad de que una observacin caiga en un intervalo I contenido en

a , b slo depende de la longitud del intervalo (no de su posicin). Es decir, es
1
igual a multiplicado por la longitud del intervalo.
ba

Obs: De esta propiedad se deduce el nombre de la distribucin pues la masa de

probabilidad se encuentra repartida de manera uniforme a lo largo del intervalo
a , b .

ab
Media: (punto medio del intervalo)
2

Varianza: V
b a 2
12
e itb e ita
Funcin caracterstica: t para t 0 . Si t 0 t 1
it b a

En las distribuciones uniformes la probabilidad est repartida por igual en todo

el intervalo, entonces tambin cualquier transformacin lineal es uniforme. Si
Ua , b c d es tambin uniforme si c 0 .

Casos particulares:

1. a = 0, b = 1. Entonces: U(0,1) con f.d. f(x) =1 y 0 x 1

1 1 e it1 e it 0 e it1 1
E[ ]= V[ ]= t
2 12 it 1 0 it
1
2. a, b = a. Entonces: U(a , a ) con f.d. f(x) = y axa
2a
a2 e ita e ita
E[ ]=0 V[ ]= t
3 2ita

2
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

Transformacin integral o uniforme:

La distribucin uniforme presenta una propiedad importante conocida como

transformacin integral uniforme (transformada integral de probabilidad).
Sea una variable aleatoria continua ( absolutamente continua) con funcin de
distribucin Fx ( cualquiera). Sea la variable aleatoria obtenida por la
transformacin F (esta F es del mismo tipo que la F de la funcin de distribucin
de ), entonces U0,1 .

Dem:

Funcin de distribucin de :

G y P y PF y P F 1 y F F 1 y y
Funcin de densidad de :
g y G y 1
Estas funciones corresponden a la distribucin U0,1 , ya que campo de variacin
de es 0,1 debido a que x con lo que F 0, F 1

Obs: La importancia prctica de esta transformacin radica en la posibilidad de obtener

al azar valores de cualquier distribucin a partir de U 0,1 siempre que sea posible
calcular su funcin inversa. Es decir, generar valores aleatorios de cualquier
distribucin a partir de U 0,1 siempre que se pueda calcular su funcin inversa.

Teorema:

Si U0,1 y es variable aleatoria continua con funcin de distribucin G y

G 1 tiene la misma distribucin que , es decir, su funcin de distribucin es
G.

1

Dem: P z P G z G.crecienteG 1
.creciente
P G z
U 0,1
G z si 0 G z 1

DISTRIBUCIN EXPONENCIAL :

Tambin denominada exponencial negativa, es un caso particular de una

distribucin Gamma.

Definicin. La integral euleriana de 2 especie se define por:

x
p 0 e x p 1dx con p 0, x 0

- Para p 1 1 e x dx 1
0
x
-
p
0
e x p1dx
u x p 1 e x

x p 1 0 e x p 1x p 2 dx
0
dv e x dx
0 p 1p 1 repitiendo el proceso tenemos: p p 1!

FUNCIN BETA Bp, q

3
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

Una variable definida en el intervalo 0,1 sigue una distribucin Bp, q ,

p, q 0 , si su funcin de densidad es:
1
f x x p1 1 x q 1 con 0 x 1
Bp, q
1 p q
donde: Bp, q 0 x 1 x dx
p1 q 1
p q
Tenemos que:

1 1 1
1
B , x 2 1 x 2 dx
1
2 2 0
1

1 1 2

B 1 , 1 2 2 2 1
2 2 1 2

FUNCIN GAMMA a, p

Una variable aleatoria se dice que sigue una distribucin gamma a , p de

parmetros a , p 0 , si su funcin de densidad es:
a p ax p1
e x si x 0
f x p
0 si x 0

Veamos que es funcin de densidad:
f x 0


a p ax p 1
a p y y p1 dy 1 y p1 p
f x dx e x dx e
e y dy 1
0 p ax y p 0 a p1 a p 0 p
dy
dx
a
Propiedades:

k
p k
a k p

Dem: k

a p k p 1 ax ax y a p y p k 1 y dy
p 0
x x e dx
dx
dy
p 0 a p k 1
e
a

a
1 p k 1 y p k

a k
p 0
y e dy
a k p
p
Media:
a
p 1 p p p
Dem: a p a p a
p
Varianza: V 2
a

4
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

p 2 p 1 p p p 1 p

Dem: 2
a p
2

a 2 p a2

V E 2 E2
p 1p p 2
a2

a2

p
a2
ya que p p 1 ! si p Z

p
Funcin caracterstica: t 1
it

a
e a p ax p1
itx a p a it x p1
Dem: t 0 e itx f x dx 0 e x dx e x dx
p p 0

a p y y p1 dy a p p p p
0 e a it it
1
p a it p1 a it p a it p a a

Propiedad aditiva reproductiva: Si 1 , , n son variables aleatorias

n n
independientes, con k a , p k k a , p k .
k 1 k 1
Dem:
n
n it p k p
t t t t 1 it
1 k 1
k
1 n ind. 1 n k 1 a Th.Unic. a

Aplicacin: Estudio de la duracin (tiempo de vida) de elementos fsicos.

Casos particulares:
1 n 1 n
Si a , p , 2n 2 con n grados de libertad
2 2 2 2
Si a n , p n Z n, n es la distribucin de Erlang, usada en Teora de
Colas y describe la distribucin de la duracin del tiempo transcurrido hasta que
aparecen n sucesos cada uno siguiendo una distribucin .
3 3
Si p a , es la distribucin de Maxwell (principal aplicacin en la
2 2
fsica).
Si a , p 1 ,1 es la distribucin exponencial.

DISTRIBUCIN EXPONENCIAL :

Una variable aleatoria tiene distribucin exponencial de parmetro 0 ,

, si su funcin de densidad es :

e x si x 0
f x
0 si x 0
En efecto es funcin de densidad:
f x 0

5
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

f x dx 0 e x dx e x 1
0

La funcin de distribucin es:
x t
Fx 0
e dt e
t x
0 1 e
x
si x 0


0 si x 0
Propiedades:

La es una caso particular de la a , p sin ms que tomar a , p 1 . Luego

todas las propiedades vistas se trasladan aqu.
p 1
Media:
a
p 1
Varianza: V 2 2
a
p 1
Funcin caracterstica: t 1
it it
1
a

Funcin generatriz de momentos: gt t
t
1 g 0 1 t 2 t 0
1 1
2
siendo g t t 2

2 g 0 2 t 3 t 0
2 2

3 2
siendo g t 2 t 3

1 1
; V 2 12
2
Reproduccin: No reproductiva en , aunque s en la Gamma.
x y P y
Falta de memoria: P x

Recprocamente, cualquier v.a. continua que tome valores positivos y que
verifique la falta de memoria es una v.a. exponencial negativa.

Dem:
P x y P x y, x P x y 1 P x y
x P x P x 1 P x

1 1 e x y e x y e y 1 1 e y P y


1 1 e x e x

Si el nmero de veces que ocurre un suceso en un determinado intervalo de

tiempo sigue una distribucin de Poisson, el tiempo de espera entre ocurrencias
de sucesos es una variable exponencial.
La distribucin gemetrica es la nica, entre las discretas, que cumple la falta de
memoria y la exponencial es la nica entre las continuas.

Relacin entre geomtrica y exponencial:

6
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

La distribucin se asimila en ciertas condiciones a la distribucin de la

variable aleatoria tiempo transcurrido hasta la presencia de un acontecimiento.
Podemos considerar la distribucin exponencial como el equivalente continuo de
la geomtrica.
La desviacin tpica es en general mayor en (identificamos en el caso
continuo con p en el discreto) y la diferencia disminuye con p. Ambas distribuciones
disminuyen muy lentamente si p es muy pequeo.

Aplicaciones:

Est asociada a fenmenos de espera. Se ajusta a los mismos experimentos que

la distribucin geomtrica (discreta) pero cuando el tiempo se mide de forma continua.

Distribuciones relacionadas con :

Distribucin de Rayleigh:

Si hacemos un cambio de variable 2 con , la funcin de

distribucin y de densidad de es:
y 2 y2


G y P y P 2 y P
2
F
2

y2 y2
y y 2 y 2
gy G y f e ye 2
2

Distribucin de Weibull:
1
Si hacemos el cambio de variable r con la funcin de distribucin
y de densidad de es:
1
r



G y P y P y P y r F y r



gy G y ry r 1 f y r ry r 1e y ry r 1 e y
r r

Se aplica al estudio de la fiabilidad de los componentes de sistemas.

Distribucin de Laplace:

Si 1 , 2 independientes 1 2 sigue una distribucin de

Laplace. La funcin de densidad es:
x
1 x
f x e
2
; V 22
Sirve para describir errores de medida.

DISTRIBUCIN DE PARETO :

7
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

Es un modelo de probabilidad que trata de explicar las distribuciones de

frecuencias de la renta personal que se observan en la realidad (desarrolladas por Pareto
a finales del S.XIX). Dicha distribucin expresa la probabilidad de que una persona
posea rentas superiores a x. Tambin se usa en biologa.
sigue una distribucin de Pareto si P x Ax , siendo A una constante y
el parmetro de la distribucin de Pareto con 0 .

- Funcin de distribucin: Fx P x 1 Ax
A
- Funcin de densidad: f x ( Ax )
1
x 1
Calculemos el valor de la constante A y el campo de variacin de la variable .
Designaremos por x 0 un valor inferior a las rentas que figuran en la poblacin,
entonces:
P x 0 1 Ax 0 1 A x
0

Definicin: Una variable aleatoria sigue una distribucin de Pareto de parmetro

f x
0 si su funcin de densidad es:

x
0 si x x 0
f x 1 con xi 0
x
0 si x x x0
0
x
Funcin de distribucin:
F x
x 1
1 0 si x x 0
Fx
x
0 si x x
0
x
La funcin de densidad est bien definida:
f x 0


x
x 1 dx
0 x
1

0 x x
0
dx x
0
x


x

0 0 x0 1
x0

Propiedades:
x 0
Media: si 1
1

x x 1
Dem:

x f x dx x x 0
dx x x x dx x 0
x 1
0 0 0 1 1
x0

x 0 x0
con 1 , no existe si 1
1 x 0 1 1

x 02
Varianza: V si 2 , no existe si 2
12 2

8
OPOSICIONES I.N.E. BLOQUE ESTADSTICA TERICA BSICA: TEMA 5

x 0 x 1
2 2
Dem: x x dx x 0 x 1dx x
0

0 x 1
x
0 1
x
0
x
0 x 02 x 02
si 2
2 2
x 02

V 2 2
1 2
2
si 2 , no existe si 2

1
1 x 1 x
Mediana: P Me 1 0 0 1 Me x 0 2
2 Me 2 Me 2

Interpretacin del parmetro:

x 0
Designamos por M la renta media de los rentistas, entonces M y
1
M
despejando , tenemos: . De aqu se deduce:
M x0
Si la renta media coincidiese con la mnima, renta equidistribuda.
El valor mnimo es 1 , y corresponde cuando la media es infinito.
Se deduce que en general 1
La distribucin de la renta es ms justa cuanto ms se aleje de 1

Pareto y Exponencial:

Si Paretox 0 , entonces ln Exp .
x0
Dem:

Sean G y la funcin de densidad de con y 0 ya que al ser x 0 entonces

ln ln 1 0
x0

x
G y P y P ln y P e y P x 0 e y 1 0
x ey
x0 x0 0
1 e y si y 0
1 e y si y 0
G y E
0 si y 0

Nota: Esta distribucin ha explicado indistintamente la distribucin de las rentas bajo

cualquier tipo de situacin social o poltica durante muchos aos.
Aunque es discutida tal globalizacin su uso se ha extendido a otros
fenmenos como el tamao de la poblacin de ciudades las fluctuaciones de los
precios de los stocks.