Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Distribuciones de Probabilidad Continuas
1 Distribuciones de Probabilidad Continuas
Distribuciones de
Probabilidad Continuas
OBJETIVO EDUCACIONAL
1.1. Introduccin
En la prctica pueden presentarse pequeas variaciones en las longitudes medidas, por muchas
causas, tales como vibraciones, fluctuaciones de temperatura, diferencias entre quienes toman las
mediciones, calibraciones, desgaste en la herramienta de corte, desgaste en los cojinetes y
cambios en la materia prima. Incluso el procedimiento de medicin puede producir variaciones
en los resultados finales.
En estos tipos de experimentos, las mediciones de inters pueden representarse con una variable
aleatoria. Es razonable modelar el rango de los valores posibles de la variable aleatoria con un
intervalo de nmeros reales.
1
Estadstica I __________________________________________________________________________________
x2
3) P ( x 1 X x 2 ) x f ( x )dx
1
La media y la varianza de una variable aleatoria continua se definen de manera similar al caso de
la variable aleatoria discreta. En las definiciones, la integracin reemplaza a la sumatoria.
La varianza de X, es V ( X ) x2
( x ) 2 f ( x )dx
x 2 f ( x )dx x2
La desviacin estndar de X, es x V ( X )
Ejemplo 1.1 Determine el valor de k para que la siguiente funcin sea una funcin de densidad
de probabilidad
f ( x ) k x2 para 0x4
Solucin Para que f(x) sea una funcin de densidad de probabilidad se debe cumplir que
f( x) 0 y
f ( x )dx 1
4
4 x3 43 3
kx dx 1 k 1 0 1 k
2
Entonces k
0
3 0 3 64
0 x0
F ( x ) 0.2 x 0 x5
1 x5
Calcule:
Solucin
Ejemplo 1.3 Suponga que f ( x ) 0.25 para 0 < x < 4. Calcule la media y la varianza de X.
Solucin
4
4 x2 42
E( X ) x 0 x ( 0.25 )dx 0.25
2 0
0.25
2
0 2
4
4 x3 43 4
V ( X ) x2 0 0 4
2 2
x ( 0. 25 )dx 2 0. 25 4 0. 25
3 0 3 3
EJERCICIOS 1.1
1. Determine el valor de k para que la siguiente funcin sea una funcin de densidad de
probabilidad
a) f ( x ) k x 2 para 0x4
b) f ( x ) k ( 1 2 x ) para 0 x2
c) f ( x ) k e x para x0
e x / 1000
electrnico de una copiadora es f ( x ) para x 0 . Calcule la probabilidad de que
1000
el componente
0 x 2
F ( x ) 0.25 x 0.5 2 x2
1 x2
Calcule:
a) P(X < 1.8) b) P(X > 1.5) c) P( 1 <X <
1)
4. Determine la funcin de densidad de probabilidad asociada con cada una de las siguientes
funciones de distribucin acumulada
a) F ( x ) 1 e 2 x x0
0 x 2
0.25 x 0.5 2 x1
b) F ( x )
0.5 x 0.25 1 x 1.5
1 x 1.5
7. Suponga que el tamao de una partcula contaminante (en micrmetros) puede modelarse con
f ( x ) 2 x 3 para x 1 . Calcule la media de X
Una variable aleatoria continua X tiene una distribucin normal, con media y varianza 2, si
su funcin de densidad de probabilidad est dada por
1
e ( x u) / 2 2
x
2
n( x ; , ) ,
2
A partir del anlisis de la figura 1.1, del anlisis de la primera y segunda derivada de n(x; , ),
se encuentran las propiedades de la curva normal:
1. La moda, que es el punto sobre el eje horizontal donde la curva tiene su mximo,
ocurre en x = .
x2 1 x 2 ( x )2 / 2 2
P( x1 X x 2 ) x 1
n( x ; , ) dx
2
x 1
e dx
El rea bajo la curva entre dos puntos cualesquiera debe, entonces, depender de los valores de
y . La dificultad que se encuentra al resolver las integrales de las funciones de densidad
normal hace necesaria la tabulacin de las reas de la curva normal para una referencia rpida.
No obstante, sera una tarea interminable crear tablas separadas para cada valor concebible de
y . Por fortuna es posible transformar todas las observaciones de cualquier variable
X
Z
1 x2 ( x )2 / 2 2 x2 z 2 / 2
P( x1 X x 2 )
2
x 1
e dx x 1
e dx
Donde Z es un variable aleatoria normal con media cero y varianza 1, llamada distribucin
normal estndar ( Z ~ Normal ( z 0 , z 1 ) .
Con el cambio de variable a Z se ha reducido el nmero que se requiere de tablas de reas bajo la
curva normal a una, la de la Distribucin Normal Estndar (Tabla 1 del Apndice). Para las
aplicaciones de la distribucin normal utilizaremos el procedimiento siguiente:
x
X
Z
Z ~ Normal ( 0 ,1 )
Z
Entonces:
a
a) P ( X a ) F ( a ) F ( z )
b
b) P ( X b ) 1 F ( b ) 1 F ( z )
b a
c) P ( a X b ) F ( b ) F ( a ) F ( z ) F( z )
a b
d) P ( a X b ) F ( a ) 1 F ( b ) F ( z ) 1 F( z )
Ejemplo 1.4 Una compaa fabrica focos cuya duracin est normalmente distribuida con una
media igual a 800 horas y una desviacin estndar de 40 horas. Encuentre la probabilidad de que
un foco
a) dure menos de 700 horas;
b) tenga una duracin mayor 880 horas;
c) se funda entre las 778 y 834 horas.
Solucin
x0
X
Z
Z ~ Normal ( 0 ,1 )
Z
Entonces:
700 800
a) P ( X 700 ) F ( 700 ) F ( z ) F ( z 2.5 ) 0.0062 , por lo que se espera
40
que 6 de cada 1000 focos fabricados duren menos de 700 horas.
880 800
b) P ( X 880 ) 1 F ( 880 ) 1 F ( z ) 1 F ( z 2.00 ) 0.0228 , el 2.28%
40
de los focos fabricados durarn ms de 880 horas.
834 800 778 800
c) P ( 778 X 834 ) F ( 834 ) F ( 778 ) F ( z ) F( z )
40 40
F ( z 0.85 ) F ( z 0.55 ) 0.8023 0.2912 0.5111 el 51.11% de los focos
se fundirn entre las 778 y 834 horas de uso.
EJERCICIOS 1.4
1. Utilice la Tabla 1 del apndice para calcular las probabilidades siguientes para la variable
aleatoria normal estndar Z.
a) P ( Z 1.32 ) ; b) P ( Z 3.00 )
c) P ( Z 1.45 ) d) P ( Z 2.15 )
e) P ( 2.34 Z 1.76 )
2. Suponga que Z tiene una distribucin normal estndar. Utilice la Tabla 1 del apndice para
determinar el valor de z que resuelve cada una de las siguientes probabilidades:
a) P ( Z z ) 0.9 b) P ( Z z ) 0.5
c) P ( Z z ) 0.1 d) P ( Z z ) 0.9
e) P ( 1.24 Z z ) 0.8
3. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule lo siguiente:
a) P ( X 13 ) b) P ( X 9 )
c) P ( 6 X 14 ) d) P ( 2 X 4 )
e) P ( 2 X 8 )
4. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule el valor de x que resuelve cada una de las siguientes probabilidades:
a) P ( X x ) 0.5 b) P ( X x ) 0.95
c) P ( x X 10 ) 0.2
5. La resistencia a la compresin de una serie de probetas de concreto puede modelarse con una
distribucin normal con una media de 6000 Kg/cm2, y una desviacin estndar de 100
Kg/cm2. Cul es la probabilidad de que la resistencia de una probeta: a) sea menor que 6250
Kg/cm2; b) se encuentre entre 5800 y 5900 Kg/cm2?
6. Las barras de pan de centeno que cierta panadera distribuye a las tiendas locales tienen una
longitud promedio de 30 cm y una desviacin estndar de 2 cm. Suponga que las longitudes
estn distribuidas normalmente, qu porcentaje de las barras son
7. Se regula una mquina despachadora de refrescos para que sirva un promedio de 200 ml por
vaso. Si la cantidad de bebida se distribuye normalmente con una desviacin estndar de 15
ml
9. Un abogado va todos los das de su casa en los suburbios a su oficina en el centro de la ciudad.
El tiempo promedio para un viaje de ida es de 24 minutos, con una desviacin estndar de
3.8 minutos. Suponga que la distribucin de los tiempos de viaje est distribuida
normalmente.
10. En el ejemplar de noviembre de 1990 del Chemycal Engineering Progress un estudio discute
sobre la pureza del oxigeno de cierto proveedor. Suponga que la media fue de 99.61 con una
desviacin estndar de 0.08 y que la distribucin del porcentaje de pureza fue
aproximadamente normal.
a) Qu porcentaje de los valores de pureza esperara que estuvieran entre 99.5 y 99.7?
b) Qu valor de pureza esperara que excediera exactamente el 5% de la poblacin?
11. La vida promedio de cierto tipo de motor pequeo es 10 aos con una desviacin estndar de
2 aos. El fabricante reemplaza gratis todos los motores que fallen dentro del plazo de
garanta. Si est dispuesto a reemplazar slo el 3% de los motores, de que duracin debe ser
la garanta que ofrezca? Suponga que la duracin de un motor sigue una distribucin normal.
La distribucin gamma recibe su nombre de la bien conocida funcin gamma, que se estudia en
muchas reas de las matemticas. La funcin gamma se define como
( ) 0
x 1 e x dx para x0
( ) ( 1)( 1)
( ) ( 1)( 2 ) ( 2 ) ( 1)( 2 )( 3 )( 3 ) ,
En consecuencia
( n ) ( n 1)!
1
x 1e x / , x0
f ( x ) ( )
0 , en cualquier otro caso
Cuando 0 y 0 .
En la siguiente figura se muestran grficas de varias distribuciones gamma para ciertos valores
especficos de los parmetros y .
1 alfa, beta
alfa = 1, beta =1
1,1
0.8 2,1
4,1
0.6
alfa = 4, beta = 1
0.2
0
0 1 2 3 4 5 6 7 8
Distribucin gamma x
La distribucin gamma especial para la que = 1 se le llama distribucin exponencial.
Ejemplo 1.8 En cierta ciudad, el consumo diario de agua (en millones de litros) sigue
aproximadamente una distribucin gamma con = 2 y = 3. Si la capacidad diaria de dicha
ciudad es de nueve millones de litros de agua, cul es la probabilidad de que en cualquier da
dado el suministro de agua sea inadecuado?
Solucin
x0
Entonces:
1
x ex / 3 , x0
f ( x ) 32 ( 2 )
0 , en cualquier otro caso
1 x / 3
f(x) xe x0
9
9
9 1 x / 3 9 x 1 x
P( x 9 ) 1 xe dx 1 ex / 3 dx 1 e x / 3 1
0 9 0 3
3 3 0
P ( x 9 ) 1 e 3 ( 4 ) e 0 ( 1 ) 0.1991 19.91%
EJERCICIOS 1.5
2. Suponga que el tiempo, en horas, que toma reparar una bomba de calor es una variable
aleatoria X que tiene la distribucin gamma con parmetros = 2 y = . Cul es la
probabilidad de que la siguiente llamada de servicio requiera
4. El tiempo necesario para que un individuo sea atendido en una cafetera es una variable
aleatoria que tienen una distribucin exponencial con una media de cuatro minutos. Cul es
la probabilidad de que una persona sea atendida en menos de tres minutos en al menos cuatro
de los siguientes seis das?
5. La vida en aos de cierto interruptor elctrico tiene una distribucin exponencial con una vida
promedio de = 2, de estos interruptores se instalan en diferentes sistemas, cul es la
probabilidad de que a lo ms 30 fallen durante el primer ao?
Distribucin Beta. La variable aleatoria X tiene una distribucin beta, con parmetros
y , si su funcin de densidad de probabilidad est dada por
( ) 1
x (1 x ) 1 , 0 x1
f ( x ) ( )( )
0, en cualquier otro caso
Cuando 0 y 0 .
Ejemplo 1.9 En cierto pas, la proporcin de tramos de autopista que requieren reparacin en un
ao determinado es una variable aleatoria con distribucin beta, con = 3 y = 2. Calcular:
a) en promedio, qu porcentaje de tramos en autopista requieren reparacin en un ao
cualquiera?
b) La probabilidad de que a lo ms la mitad de los tramos de autopista requieran
reparacin en un ao cualquiera.
Solucin
Sean: X = proporcin de tramos de autopista que requieren reparacin en un ao determinado
X ~ Beta ( 3, 2 )
0 x1
Entonces:
3
a) 3 2 0.60 , lo cual significa que en promedio el 60% de los tramos de autopista
12 x 2 ( 1 x ) , 0 x1
f( x)
0 , en cualquier otro caso
As
1/ 2
1/ 2 x3 x4 1 1 5
P( x 1 / 2 ) 12 x 2 ( 1 x )dx 12 12 6.25%
0
3 4 0 24 64 16
EJERCICIOS 1.6
2. Suponga que la proporcin de unidades defectuosas embarcadas por un vendedor, las cuales
varan de cargamento a cargamento, puede considerarse como una variable aleatoria que tiene
la distribucin beta con = 1 y = 4.
a) Encuentre la media de de esta distribucin beta, es decir, el promedio de unidades
defectuosas en un cargamento de este vendedor.
Una distribucin de probabilidad que se utiliza ampliamente en ao recientes para tratar con los
problemas de confiabilidad de los componentes que forman los sistemas es la distribucin de
Weibull, que introdujo el sueco Waloddi Weibull en 1939.
1
2 1
2
1 /
1 ,
2 2 /
1 1
0.4
0
0 0.5 1 1.5 2 2.5
x
EJERCICIOS 1.6
1. Suponga que la vida de servicio, en aos, de la batera de un aparato para sordos es una
variable aleatoria que tiene una distribucin de Weibull con = 1/2 y = 2.
2. Suponga que el tiempo de falla (en minutos) de ciertos componentes electrnicos, sujetos a
vibraciones continuas, puede considerarse como una variable aleatoria que tiene la
distribucin de Weibull con = 1/5 y = 1/3.
3. Suponga que la vida til (en horas) de un semiconductor es una variable aleatoria que tiene
una distribucin de Weibull con =0.025 y =0.500. Cul es la probabilidad de que el
semiconductor an est funcionando despus de 4000 horas?
n1
( n 1 )s 2
2
2
~ Ji cuadrada ( v n 1 gl ) )
2
2 0
Entonces:
2 ( n 1 )a 2
a) P ( s a ) P ( s 2
a 2
) F
2
2 ( n 1 )b2
b) P ( s b ) P ( s 2
b 2
) 1 F
2
( n 1 )b2 ( n 1 )a 2
c) P ( a s b ) P ( a s b ) F F 2
2 2 2 2
2 2
Ejemplo 1.5 Se sabe que la duracin de los cinescopios para televisin fabricados por una
compaa se distribuye en forma normal con una media de 3000 horas y una desviacin estndar
de 60 horas. Si se seleccionan 10 de estos cinescopios al azar, hallar la probabilidad de que la
varianza muestral: a) no exceda de 2360 horas2, b) se encuentre entre 2360 y 6768 horas2.
Solucin
n1
( n 1 )s 2
2
2
2 ~ Ji cuadrada ( v 9 gl ) )
2 0
Entonces:
2 2 9( 2360 )
a) P ( s 2360 ) F 2
F ( 2 5.90 ) 0.25
60
Por lo tanto, esperamos que 25 de cada cien muestras, de tamao 10, tengan una varianza
muestral inferior a 2360 horas2.
2 2 9( 6768 ) 9( 2360 )
b) P ( 2360 s 6768 ) F 2
F 2
60 60 2
F 2 16.92 F ( 2 5.90 ) 0.95 0.25 = 0.70
Por lo tanto, esperamos que 70 de cada cien muestras, de tamao 10, tengan una varianza
muestral mayor de 2360 horas2 pero menor de 6768 horas2.
Teorema 1.5. Sea Z una variable aleatoria normal estndar y V una variable aleatoria Ji-
cuadrada con v grados de libertad. Si Z y V son independientes, entonces la distribucin
de la variable aleatoria T, donde
Z
T
V /v
x
Entonces la variable aleatoria T tiene una distribucin t con v = n 1 grados de
s/ n
libertad.
X ~ Normal ( , ?)
x
x1 , x 2 , xn n variables aleatorias independientes (n < 30)
n 2
n
n
xi ; x x i / n
2
i
x i1 i 1 i 1
s
n n1
x
T
s/ n
T ~ T Student ( v n 1 gl )
T
Entonces:
a
a) P ( X a ) F ( a ) F t
s/ n
b
b) P ( X b ) 1 F ( b ) 1 F t
s/ n
b a
c) P ( a X b ) F ( b ) F ( a ) F t F t
s/ n s/ n
a b
d) P ( a X b ) F ( a ) 1 F ( b ) F t 1 F t
s/ n s/ n
Ejemplo 1.6 Un fabricante de focos afirma que su producto durar en promedio de 500 horas de
trabajo. Para verificar este promedio, esta persona prueba 25 focos cada mes. Si el valor de t
calculado cae entre t 0.05 y t 0.05 , l se encuentra satisfecho con esta afirmacin. Qu
conclusin deber l sacar de una muestra que tiene una media de x 518 horas y una
desviacin estndar s 40 horas? Asuma que la distribucin de los tiempos de vida es normal?
Sean: X = tiempos de vida de los focos producidos por un fabricante, en horas
X ~ Normal ( 500 , ?)
x0
x1 , x 2 , xn n=25 variables aleatorias independientes (n < 30)
n 2
n
n
xi ; x x i / n
2
i
x i1 i 1 i 1
s
n n1
x
T
s/ n
T ~ T Student ( v n 1 24 gl )
Entonces: De la Tabla 3 obtenemos el valor de t 0.05 para 24 grados de libertad. Por lo tanto, el
fabricante estar de acuerdo con esta afirmacin si una muestra de 25 focos da un valor de
t entre -1.711 y 1.711.
x 518 500
T 2.25
s/n 40 / 25
De aqu que el fabricante est en condiciones de concluir que sus focos duran ms de 500
horas.
Teorema 1.6. Sean U y V dos variables aleatorias que tienen distribuciones Ji-cuadradas
con v1 y v2 grados de libertad, respectivamente, entonces la distribucin de la variable
U / v1
aleatoria F est dada por
V / v2
( v 1 v 2 ) / 2 ( v 1 / v 2 ) v1 / 2 f v1 / 2 1
h( f ) 0 f
( v1 / 2 )( v 2 / 2 ) ( 1 v1 f / v 2 )( v1 v2 )
1
f vv 1,1
2
f vv 2,
1
6 1 1
f 10 ,0.95 0.246
f610
,0.05
4.06
( n 1 )s12 ( n 1 )s12
12 y 12
12 12
a) P ( 2 2 ) 0.99 cuando v = 4
c) P ( 37.65 2 2 ) 0.045 si v = 25
a) P ( 2 2 ) 0.01 cuando v = 21
b) P ( 2 2 ) 0.95 cuando v =6
c) P ( 2 2 23.21) 0.015 si v = 10
a) t 0.025 cuando v = 14
b) t 0.10 cuando v = 10
c) t 0.995 cuando v = 7