Modelos para Variables Aleatorias Continuas

Distribucin Uniforme

Definicin. X es una variable aleatoria uniforme en el intervalo (a, b) si:

1. El rango de X, RX, es el intervalo (a , b)
2. f X ( x ) es constante para x RX
La funcin de densidad de una variable aleatoria uniforme lo da el siguiente teorema.

Teorema. Si X tiene distribucin Uniforme (a , b), entonces su funcin de densidad de probabilidad

est dada por
1
a< x<b
f X ( x ) = b - a

0 x a , x b
Donde a, b son nmeros reales, llamados parmetros.

Demostracin.

c a< x<b
f X (x) =
0 en otros casos

La condicin f ( x ) dx = 1
-
X

Implica
c dx = 1
a
b
1
Lo que quiere decir c dx = c [ b - a ] = 1
por tan to c =
a
b-a

Lo que demuestra el teorema

Por notacin se escribe X : U ( a, b) y se lee X tiene distribucin uniforme en (a,b).Cuando a = 0 y

b = 1, se dice que X tiene Distribucin uniforme estndar.

Lic. Mara A. Zacaras Daz

Pgina 31
Esperanza y Varianza de X.
( b - a)
2
a+b
E( X ) = y V (X ) =
2 12

Ejemplo
Daniel es un nio de 2 aos, y de acuerdo con su historia familiar, parece razonable suponer que
cuando sea adulto su estatura tenga la misma verosimilitud de estar comprendida entre 160 y 172
cm. En base a esta suposicin, cuando sea adulto, cul es la probabilidad de que su talla: sea
superior a 165 cm? Este entre 164 y 169 cm?

Solucin.
X: Talla de Daniel cuando sea adulto.
RX: (160, 172)
f X ( x ) = 1/ 12 160 < x < 172
Sean los eventos:
A: Cuando sea adulto su talla sea superior a 165cm.
A = [ X > 165 ]
172
1 1 7
P(A) = P(X > 165) =
12
165
dx = [172 - 165] =
12 12
= 0.5833

B: Cuando sea adulto su talla este entre 164 y 169 cm.

B: [164 < x < 169]
169
1 1 5
P(B) = P[ 164 < x < 169] =
12
164
dx = [169 - 164) =
12 12
= 0.4166

Distribucin Exponencial

Otra variable continua que tambin se presenta con frecuencia es la variable exponencial.
Definicin. Una variable absolutamente continua X, tiene distribucin exponencial con parmetro l >
0, si su funcin de densidad est dada por:
l e- l x x > 0
fX ( x) =
0 x 0
Donde l es una constante real. Por notacin se escribe X : exp ( l )
Esperanza y Varianza de X.
E(X) = 1/ l V ( X ) = 1 l2

Ejemplo
Se ha observado que las fallas mecnicas ocurridas en una planta industrial, aparecen como un
proceso Poisson aproximado con parmetro l = 1 / 2 por hora ( 1 cada 2 horas). S se llega a la planta
a las 9 a.m. del lunes y se designa con T el tiempo, desde la llegada hasta la primera falla, entonces el
comportamiento probabilstico de T viene dada por la funcin de densidad
1
1 - t
fT ( t ) = e 2 t>0
2

Es decir:

Lic. Mara A. Zacaras Daz

Pgina 32
Cul es la probabilidad de que transcurra al menos 1 hora antes que aparezca la primera falla?
Solucin.
T: Tiempo que transcurre hasta que aparezca la primera falla.
RT: {t / t > 0 , t es un nmero real }
1
1 - t
fT ( t ) = e 2 t >0
2
Sea el evento A: Transcurra al menos una hora
A = [T > 1]
1 1
1 -2 t -
P(A) = P[T > 1] =
1
2
e dt = e 2 = 0.6065

Distribucin Normal

La frmula para esta distribucin fue publicada por primera vez por Abraham De Moivre el 12 de
noviembre de 1733.
Muchos otros matemticos contribuyeron en la obtencin de esta frmula, como Carl Gauss, por sus
aportes a la distribucin normal tambin se llama distribucin Gaussiana.
La variable aleatoria normal tiene como funcin de densidad la siguiente expresin matemtica:
2
1 x - m
-
2s
e -< x <
f ( x) = ,
s 2p
En esta ecuacin p y e son las constantes 3.14159 y 2.71828. Los parmetros m , la media y s la
desviacin estndar pueden considerarse como la medida de Tendencia Central y Dispersin
respectivamente.
La grfica de la distribucin normal es la siguiente:

Lic. Mara A. Zacaras Daz

Pgina 33
Las caractersticas ms importantes de la distribucin normal son:
1. Es simtrica en torno a su media m
2. La media, mediana y moda son iguales
3. El rea total bajo la curva y arriba del eje X es igual a la unidad.
4. Si se trazan perpendiculares a una distancia de una desviacin estndar a partir de la media,
en ambas direcciones, el rea encerrada por estas perpendiculares, el eje de las X y la curva
ser aproximadamente 68% del rea total.

Si se hace lo mismo que en el caso anterior a una distancia de dos desviaciones estndar, el
rea encerrada ser aproximadamente el 95%.

A una distancia de tres desviaciones estndar, el rea encerrada ser aproximadamente

99.7%.

5. La distribucin normal esta determinada completamente por los parmetros m y s .

En otras palabras se especifica una distribucin normal distinta, para valores distinto de m y
s.
Lic. Mara A. Zacaras Daz
Pgina 34
 Los valores distintos de m trasladan la grfica de la distribucin a lo largo del eje de las
X, es decir:

Los diferentes valores de s determinan el grado de aplanamiento o levantamiento de la

grfica de la distribucin

Distribucin Normal Unitaria o normal estndar.

La ltima caracterstica mencionada de la distribucin normal implica que esta distribucin es en

realidad una familia de distribuciones en la cual un miembro se distingue de otro con base en los
valores de m y s . El miembro ms importante de esta familia es la distribucin normal unitaria o
normal estndar, llamada as porque tiene una media de cero y una desviacin de uno. Una forma de
pasar de una distribucin normal con una media m cualquiera ( 0 ) y una desviacin estndar s
X -m
cualquiera ( 1) es definiendo la siguiente variable: Z = ,
s
De modo que la funcin de densidad asociada a la variable Z es:

Lic. Mara A. Zacaras Daz

Pgina 35
 z2
-
e 2
-< z <
f ( z) = ,
2p
La grfica es:

Para hallar la probabilidad de que Z tome un valor entre dos puntos cualesquiera por ejemplo z 0 y z1:

Debe hallarse el rea limitada por las perpendiculares trazadas en estos puntos, la curva y el eje
z2
z1 -

horizontal, es decir: e 2

2p dz , sin embargo no tiene que llevarse a cabo tal integracin dado que se
z0

cuenta con tablas que proporcionan dicho resultado. Para indicar que una variable aleatoria tiene
distribucin normal con media 0 y varianza 1 se utiliza la siguiente notacin: Z : N ( 0,1)

Ejemplo
Sea la variable Z : N ( 0,1) , calcule las siguientes probabilidades:
a. P(Z< -1.2) b. P(Z<1.58) c. P(-1<Z<2) d. P(Z<a) = 0.025 e. P(-a<Z<a)= 0.96

Solucin a. P(Z < - 1.2) = 0.1151

.

Lic. Mara A. Zacaras Daz

Pgina 36
b. P(Z < 1.58) = 0.9430

c. P( - 1 < Z < 2) = P(Z < 2) P(Z < - 1) = 0.9772 0.1587 = 0.8185

d. P(Z < a) = 0.025

e. P( - a < Z < a) = 0.95 ?

Clculo de Probabilidades para una Variable con Distribucin Normal

(
1. Sea X una v.a con distribucin N m , s .
2
)
Lic. Mara A. Zacaras Daz
Pgina 37
2. Se transforma la variable X a otra Z de modo que tenga una distribucin N(0,1), es decir, definimos
X -m
Z= , donde Z : N ( 0,1)
s
Por lo tanto:
a - m X - m b - m
P ( a < X < b) = P
s s s
a - m b-m
= P Z
s s
b - m a - m
= F - F
s s
Ejemplo
La talla de 1000 alumnos de un colegio tiene una distribucin aproximadamente normal con media
1.7m y desviacin estndar 0.05 m.
a. Cul es el nmero de alumnos con talla superior a 1.60 m?
b. Cul es la talla mxima del 30.5 % de los alumnos?

Solucin.
Exp.
Accin: De esta poblacin de alumnos se selecciona un alumno
Interesa: observar su talla
Luego la variable aleatoria es, X: Talla del alumno (la unidad en la que se expresar la variable ser
los c.m.)
El recorrido de X, aproximadamente es; R X : (155, 185)
El comportamiento probabilistico de la variable es:

Cuya media, m = 170 c.m. y varianza s 2 = 25 c.m.

Respuesta a las preguntas.

a. Primero hallaremos la probabilidad del evento:

M: La talla del alumno sea superior a 160 c.m.
Luego: P(M) = P(X > 160)
Ubicacin del evento y su probabilidad debajo de la curva descrita por X.

Lic. Mara A. Zacaras Daz

Pgina 38
 P(X>160

X - m 160 - 170
P(X > 160) = 1 - P ( X 160 ) = 1 - P
s 5
= 1 - P ( Z - 2 ) = 1 - 0.0227 = 0.9773
Finalmente para hallar la cantidad de alumnos de dicha poblacin, que tiene una talla superior a
160 c.m. multiplicamos 0.9773 por 1000, lo que da 977. En conclusin son 997 alumnos que tienen
una talla superior a 160 c.m.

b. Ubiquemos el evento y su probabilidad debajo de curva descrita por X, donde el evento es:
N: La talla del alumno sea menor o igual que a.
P(N) = P(X<a) = 0.3050

P(X<a)

X - m a - 170 a - 170 a - 170

P(X<a) = P = P Z = F = 0.3050
s 5 5 5

a -5170 = -0.51 a = 167.45c.m.

Tarea

DISTRIBUCIN CHI-CUADRADO
DISTRIBUCIN t DE STUDENT

Buscar en los libros y traer por escrito, La variable aleatoria, la funcin de densidad de probabilidad,
la grfica que muestra su comportamiento probabilstico, su esperanza y su varianza.
Un ejemplo asociado a cada distribucin, y calcular la probabilidad de 2 eventos.

Lic. Mara A. Zacaras Daz

Pgina 39
Lic. Mara A. Zacaras Daz
Pgina 40