Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Córdobas
Monterı́a - Córdoba
1 de mayo de 2020
Distribución Uniforme
Distribución Uniforme
La función de densidad de una variable aleatoria uniforme continua
X en el intervalo [a, b] es:
(
1
si a ≤ x ≤ b
f (x) = b−a
0 en otro caso.
Distribución Uniforme
Teorema
Si X tiene distribución uniforme en el intervalo [a, b] entonces:
La función de distribución acumulada de X es:
0
si x ≤ a
x−a
F (x) = P (X ≤ x) = si a < x < b
b−a
1 si x ≥ b
a+b (b − a)2
E (X) = y V ar (X) =
2 12
Distribución Uniforme
Ejemplo:
Suponga que el tiempo máximo que se puede reservar una sala
de conferencias grande de cierta empresa son cuatro horas. Con
mucha frecuencia tienen conferencias extensas y breves. De hecho,
se puede suponer que la duración X de una conferencia tiene una
distribución uniforme en el intervalo [0, 4].
a ¿Cuál es la probabilidad de que cualquier conferencia
determinada dure más de 3 horas?
b Calcule la duración media por conferencia y la varianza.
Distribución Uniforme
Solución
Sea X la duración que tiene una conferencia, donde X ∼ U (0, 4),
luego:
P (X > 3) = 1 − P (X ≤ 3)
= 1 − F (3)
3−0 3 1
=1− = 1 − = = 0.25 (25 %)
4−0 4 4
Por consiguiente la probabilidad de que cualquier conferencia de-
terminada dure más de 3 horas es del 25 %
Distribución Uniforme
Distribución Uniforme
Código R
P (X > 3)
punif(q,a,b,lower.tail)
1-punif(3,0,4)
[1] 0.25
Distribución Normal
Distribución Normal
Propiedades
1 −∞ < x < +∞
2 Es simétrica con respecto a
la media (µ = M o = M e)
3 Puntos de inflexión en
x=µ−σ y x=µ+σ
4 Es asintótica al eje de la
abscisas
Distribución Normal
X ∼ N (µ, σ 2 ); donde µ ∈ R, σ 2 > 0
Distribución Normal
La variable aleatoria X, tiene distribución normal con media µ y
varianza σ 2 si tiene función de densidad de probabilidad dada por:
1 x−µ 2
f (x) = √ 1 e− 2 ( σ ) ; −∞ < x < +∞
2πσ
Teorema
Si X es una variable aleatoria con distribución normal de paráme-
tros µ y σ 2 entonces:
Z +∞
E (X) = xf (x)dx = µ
−∞
Z +∞
V ar (X) = (x − E (X))2 f (x)dx = σ 2
−∞
Distribución Normal
Estandarización:
Si X es una variable aleatoria con distribución normal con paráme-
X −µ
tros µ y σ 2 , implica que Z = tiene distribución normal
σ
estándar.
Cálculo de Probabilidades
Si X es una variable aleatoria con distribución normal de paráme-
tros µ y σ 2 entonces:
Z x0
1 x−µ 2
P (X < x0 ) = √ 1 e− 2 ( σ ) dx
2πσ
−∞
Distribución Normal
Ejercicio 1:
Dada una distribución normal estándar, calcule las siguientes pro-
babilidades:
a P (Z < 1.43)
b P (Z < −2.16)
c P (Z > 2.46)
d P (−1.64 < Z < 1.64)
Distribución Normal
Distribución Normal
Distribución Normal
Distribución Normal
Solución:
Dada una distribución normal estándar, calcule las siguientes
probabilidades:
Distribución Normal
Código R
pnorm(q,mean,sd,lower.tail)
pnorm(1.43)
[1] 0.9236415
pnorm(-2.16)
[1] 0.01538633
pnorm(2.46,lower.tail = FALSE)
[1] 0.006946851
pnorm(1.64)-pnorm(-1.24)
[1] 0.8420097
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 23 / 58
Distribuciones de Probabilidad de Variables Continuas Distribución Normal
Distribución Normal
Ejercicio 2:
Sea X una variable aleatoria con distribución normal de parámetros
µ = 10 y σ 2 = 4, calcular
a P (X < 12)
b P (X > 3)
c P (9 < X < 11)
d El valor de a tal P (X ≤ a) = 0.975
Distribución Normal
Solución:
X −µ 12 − 10
P (X < 12) = P <
σ 2
= P (Z < 1) = 0.8413
X −µ 3 − 10
P (X > 3) = P >
σ 2
= P (Z > −3.5)
= 1 − P (Z ≤ −3.5) = 1 − 0.0002 = 0.9998
Distribución Normal
9 − 10 X −µ 11 − 10
P (9 < X < 11) = P < <
2 σ 2
= P (−0.5 < Z < 0.5)
= P (Z < 0.5) − P (Z < −0.5)
= 0.6915 − 0.3085 = 0.3850
Distribución Normal
Distribución Normal
Código R:
Sea X una variable aleatoria con distribución normal de parámetros
µ = 10 y σ 2 = 4, calcular:
P (X < 12) = 0.8413
pnorm(12,10,2)
[1] 0.8413447
P (X > 3) = 0.9998
pnorm(3,10,2,lower.tail = FALSE)
[1] 0.9997674
Distribución Normal
Código R:
P (9 < X < 11) = 0.3850
pnorm(11,10,2)-pnorm(9,10,2)
[1] 0.3829249
> qnorm(0.975,10,2)
[1] 13.91993
Ejercicios Propuestos
1. Cierto tipo de baterı́a de almacenamiento dura, en promedio,
3.0 años, con una desviación estándar de 0.5 años. Suponga que
la duración de la baterı́a se distribuye normalmente y calcule la
probabilidad de que una baterı́a determinada dure menos de 2.3
años.
2. El diámetro interior del anillo de un pistón terminado se distribu-
ye normalmente con una media de 10 centı́metros y una desviación
estándar de 0.03 centı́metros.
¿Qué proporción de anillos tendrá diámetros interiores que
excedan 10.075 centı́metros?
¿Cuál es la probabilidad de que el anillo de un pistón tenga
un diámetro interior de entre 9.97 y 10.03 centı́metros?
¿Por debajo de qué valor del diámetro interior caerá el 15 %
de los anillos de pistón?
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 30 / 58
Distribuciones de Probabilidad de Variables Continuas Distribución Normal
Ejercicios Propuestos
Ejercicios Propuestos
Distribución Exponencial
Distribución Exponencial:
Supóngase una secuencia de eventos que ocurren aleatoriamente en
el tiempo mediante la distribución de Poisson de parámetro λ. En
este caso estudiamos el número de eventos x (t) en un intervalo de
tiempo [0, t] .
Supóngase ahora que necesitamos responder sobre el tiempo de
espera para que ocurra el primer evento. Si T denota esta variable
aleatoria, entonces T se puede modelar mediante la distribución
exponencial, la cual tiene función de densidad dada por:
Distribución Exponencial
Teorema
Si T es una variable aleatoria con distribución exponencial de
parámetro λ entonces:
R +∞
E (T ) = 0 tf (t)dt = λ1
R +∞
V ar (T ) = 0 (t − E (t))2 f (t)dt = λ12
Distribución Exponencial
Teorema
Si T es una variable aleatoria con distribución exponencial de
parámetro λ entonces la función de distribución acumulada
de T está dada por:
Rt
F (to ) = P (T ≤ to ) = 0 0 f (t)dt = 1 − e−λt0
Luego:
P (T ≤ t) = 1 − e−λt
P (T > t) = e−λt
Distribución Exponencial
Ejemplo 1
La duración de cierto componente eléctrico (en horas) es una va-
riable aleatoria con función de densidad dada por:
1
1 − 100 t
f (t) = 100
e ; t>0
Distribución Exponencial
Solución
Definamos:
T : Tiempo de funcionamiento del componente eléctrico.
1
De la función de densidad se tiene que λ = 100
, por consiguiente:
Distribución Exponencial
1
E (T ) =
λ
1
= 1
100
= 100
Distribución Exponencial
Código R:
P (T ≥ 200) = 0.1353
pexp(q,lambda,lower.tail)
pexp(200,1/100,lower.tail = FALSE)
[1] 0.1353353
Distribución Exponencial
Ejemplo 2:
Suponga que un sistema contiene cierto tipo de componente cuyo
tiempo de operación antes de fallar, en años, está dado por T .
La variable aleatoria T se modela bien mediante la distribución
exponencial con tiempo medio de operación de 5 años antes de
fallar. Si se instalan 10 de estos componentes en diferentes sistemas,
¿cuál es la probabilidad de que al final de 8 años al menos dos aún
funcionen?
Solución
Tenemos que E (T ) = 5=⇒ λ1 = 5=⇒ λ = 15
La probabilidad de que un componente determinado siga funcio-
nando después de 8 años es dada por:
8
P (T > 8) = e− 5 = 0.2019 (20.19 %)
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 40 / 58
Distribuciones de Probabilidad de Variables Continuas Distribución Exponencial
Distribución Exponencial
P (X ≥ 2) = 1 − P (X < 2)
= 1 − [P (X = 0) + P (X = 1)]
10 10
=1− 0.20190 (1 − 0.2019)10−0 + 0.20191 (1 − 0.2019)10−1
0 1
=1-[0.1049 + 0.2653]
= 0.6299 (62.99 %)
Distribución Exponencial
Código R:
P (T > 8) = 0.2019
p<-pexp(8,1/5,lower.tail = FALSE);p
[1] 0.2018965
P (X ≥ 2) = 0.6299
1-pbinom(1,10,p)
[1] 0.6298905
Distribución Exponencial
Ejemplo:
Suponga que el tiempo de espera de un restaurante es una variable
aleatoria con distribución exponencial con un tiempo medio de 6
minutos. Cuál es la probabilidad de que alguien espere más de 12
minutos, dado que ya espero más de 5 minutos.
Distribución Exponencial
Solución:
Sea T : el tiempo de espera hasta ser atendido. Ası́,
E (T ) = λ1 = 6, implica de que: λ = 61 , por consiguiente:
Distribución Exponencial
Código R:
P (T > 12/T > 5) = P (T > 7) = 0.3114
pexp(7,1/6,lower.tail = FALSE)
[1] 0.311403
Distribución Gamma
Función Gamma
La función gamma (denotada como Γ (α), donde Γ es la letra griega
gamma en mayúscula), es una aplicación que extiende el concepto
de factorial a los números reales positivos.
Z +∞
Γ (α) = xα−1 e−x dx; α > 0
0
Propiedades
a Γ (α) = (α − 1)! para α ∈ N
b Γ (α) = (α − 1) Γ (α − 1)
√
c Γ 12 = π
Distribución Gamma
Distribución Gamma
La variable aleatoria continua X tiene una distribución gamma,
con parámetros α y β, si su función de densidad está dada por:
β α α−1 −βx
f (x) = x e ; x > 0 y α, β > 0
Γ (α)
α
E (X) =
β
α
V ar (X) =
β2
Distribución Gamma
Distribución Gamma
Ası́:
β α α−1 −βx 52 2−1 −5x
f (x) = x e = x e
Γ (α) Γ (2)
= 25xe−5x
Luego:
Z 1 Z 1 Z 1
P (X ≤ 1) = f (x) dx = 25xe−5x dx = 25 xe−5x dx
0 0 0
( 1 )
1 1 −5x
Z
1
= 25 − xe−5x + e dx
5 0 5 0
( )
1 −5x 1 1 1
1
= 5 −xe−5x 0 − = −5e−5x x +
e
5 0 5 0
= −6e−5 + 1 = 0.9596
Distribución Gamma
Código R:
P (X ≤ 1) = 0.9596
pgamma(q,shape,scale)
# shape=alpha (Parámetro de forma)
# scale=1/beta (Parámetro de escala)
pgamma(1,shape=2,scale=1/5)
[1] 0.9595723
Distribución Gamma
Distribución Gamma
Ejemplo:
A partir de datos previos se sabe que la longitud de tiempo, en
meses, entre las quejas de los clientes sobre cierto producto es una
distribución gamma α = 2 y β = 0.25. Se realizaron cambios pa-
ra hacer más estrictos los requerimientos del control de calidad
después de los cuales pasaron 20 meses antes de la primera que-
ja. ¿Parecerı́a que los cambios realizados en el control de calidad
resultaron eficaces?
Solución
Sea X el tiempo para que se presente la primera queja, el cual,
en las condiciones anteriores a los cambios, seguı́a una distribución
gamma con α = 2 y β = 0.25. La pregunta se centra alrededor de
que tan razonable es un tiempo para la queja, mayor o igual a 20
meses en las condiciones anteriores.
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 54 / 58
Distribuciones de Probabilidad de Variables Continuas Distribución Gamma
Distribución Gamma
Z 5
1
P (X ≥ 20) = 1 − y α−1 e−y dy
Γ (2) 0
= 1 − F (5; 2) = 1 − 0.96 = 0.04
Distribución Gamma
Código R:
P (X ≥ 20) = 0.04
pgamma(20,shape=2,scale=1/0.25,lower.tail = FALSE)
[1] 0.04042768
Referencias I