Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Continuas PDF
Distribuciones Continuas PDF
A) INTRODUCCIN
Una distribucin de probabilidad es continua cuando los resultados posibles del experimento son
obtenidos de variables aleatorias continuas, es decir, de variables cuantitativas que pueden tomar
cualquier valor, y que resultan principalmente del proceso de medicin.
Ejemplos de variables aleatorias continuas son:
La estatura de un grupo de personas
El tiempo dedicado a estudiar
La temperatura en una ciudad
B) DISTRIBUCIN EXPONENCIAL
i) Definicin
La distribucin de Poisson calcula el nmero de eventos sobre alguna rea de oportunidad (intervalo de
tiempo o espacio), la distribucin exponencial mide el paso del tiempo entre tales eventos. Si el nmero
de eventos tiene una distribucin de Poisson, el lapso entre los eventos estar distribuido
exponencialmente.
ii) Frmula
La probabilidad de que el lapso de tiempo sea menor que o igual a cierta cantidad x es:
( )
Donde:
Lapso de tiempo
Base del logaritmo natural aproximadamente igual a 2,718281828
Tasa promedio de ocurrencia
Ejemplo ilustrativo
Los buses interprovinciales llegan al terminal a una tasa promedio de 10 buses por hora.
Solucin:
= 10 por una hora
1) Como la tasa promedio est dada por hora, y el problema se plantea en minutos, se calcula el
porcentaje que representa 5 minutos de una hora (60 minutos), el cual es:
( )
( )
4) P(X>5) = 1 P(X5)
C) DISTRIBUCIN UNIFORME
i) Definicin
Es una distribucin en el intervalo [ ] en la cual las probabilidades son las mismas para todos los
posibles resultados, desde el mnimo de a hasta el mximo de b. El experimento de lanzar un dado es
un ejemplo que cumple la distribucin uniforme, ya que todos los 6 resultados posibles tienen 1/6 de
probabilidad de ocurrencia.
ii) Funcin de densidad de una distribucin uniforme (altura de cada rectngulo en la grfica
anterior) es:
( )
Donde:
a = mnimo valor de la distribucin
b = mximo valor de la distribucin
b a = Rango de la distribucin
iii) La media, valor medio esperado o esperanza matemtica de una distribucin uniforme se
calcula empleando la siguiente frmula:
( )
( )
v) La probabilidad de que una observacin caiga entre dos valores se calcula de la siguiente
manera:
( )
Ejemplo ilustrativo
Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado da entre las
siguientes horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 - 13:00
Solucin:
1) a = 7 y b = 13
Reemplazando valores en la ecuacin de la funcin de densidad se obtiene:
( )
( )
2) Elaborando el grfico de la distribucin de probabilidad empleando Excel se obtiene:
Interpretacin:
El rea total (rectngulo de base el intervalo 7-13 y altura 1/6=0,167) representa a la suma de todas las
probabilidades, y es igual a uno:
( )
( )
( ) ( )
5) Llegar en la primera media hora significa que llega a la 7:30. Por lo tanto se debe calcular la
probabilidad entre las 7:00 y las 7:30.
Como 7:30 = 7 horas + 30 minutos, y el porcentaje que representa 30 minutos de una hora es:
( )
6) Se debe calcular la probabilidad entre las 10:00 y las 12:15
Como 12:15 = 12horas + 15 minutos, y el porcentaje que representa 15 minutos de una hora es:
( )
D) DISTRIBUCIN NORMAL
i) Resea histrica
Abrahan De Moivre (1733) fue el primero en obtener la ecuacin matemtica de la curva normal. Kart
Friedrich Gauss y Mrquez De Laplece (principios del siglo diecinueve) desarrollaron ms
ampliamente los conceptos de la curva. La curva normal tambin es llamada curva de error, curva de
campana, curva de Gauss, distribucin gaussiana o curva de De Moivre.
Su altura mxima se encuentra en la media aritmtica, es decir su ordenada mxima corresponde a una
abscisa igual a la media aritmtica. La asimetra de la curva normal es nula y por su grado de
apuntamiento o curtosis se clasifica en mesocrtica.
ii) Ecuacin
Donde:
Nota: No existe una nica distribucin normal, sino una familia de distribuciones con una forma
comn, diferenciadas por los valores de su media y su varianza. De entre todas ellas, la ms utilizada es
la distribucin normal estndar, que corresponde a una distribucin con una media aritmtica de 0 y
una desviacin tpica de 1.
El rea total limitada por la curva y el eje X es 1, por lo tanto, el rea bajo la curva entre X = a y X =
b, con a < b, representa la probabilidad de que X est entre a y b. Esta probabilidad se denota por:
( )
EJEMPLOS ILUSTRATIVOS
Solucin:
Realizando el grfico en Winstats y Paint se obtiene:
3) El peso de 200 estudiantes varones de cierta universidad es 151 libras, y la desviacin tpica es 15
libras. Si los pesos estn distribuidos normalmente, calcular la probabilidad y el nmero de estudiantes
que pesan Entre 120 y 155 libras
Solucin: La curva normal corresponde a una funcin continua (valor decimal). Para resolver estos
problemas se emplea los lmites inferior y superior segn sea el caso, es decir, para este problema es
entre 119,5 y 155,5 libras
Graficando se obtiene: