U N IV E RSIDAD DE GUA N AJUATO

D IVIS IÓ N D E IN G E NIERÍAS
P R O G R AM A E D U C A T I V O D E G E O G R A F Í A

E STADÍSTICA DESCRIPTIVA
E INFERENCIAL
Unidad III
Distribuciones de Probabilidad de
variable discreta y continua

Dr. David Tirado Torres

 Distribuciones Continuas

• Distribución Uniforme • Distribución de Erlang

• Distribución Normal • Distribución Ji-Cuadrado

• Distribución Gamma • Distribución Empírica

Acumulada
• Distribución Exponencial

• Distribución de Weibull

• Distribución Beta
 3.9.3 Distribución Gamma
Es un modelo básico en la Teoría de la
probabilidad y corresponde a la siguiente
definición:
Media y varianza para la Distribución
Gamma
 3.9.4 Distribución Exponencial
Es un caso particular de la Distribución Gamma y
tiene aplicaciones de interés práctico.

Se obtiene con α=1 en la distribución Gamma.

El gráfico de la densidad de probabilidad de la
distribución Exponencial tiene la forma típica
decreciente y su dominio es
 Media y varianza para la Distribución
Exponencial

Se obtienen directamente de la distribución

Gamma con α=1
 Una aplicación de la distribución
exponencial
Puede demostrarse que si una VA tiene
distribución de Poisson con parámetro λ, entonces
el tiempo de espera entre dos “éxitos”
consecutivos es una variable aleatoria con
distribución Exponencial con parámetro β=1/λ.
 3.9.5 Distribución de WEIBULL
Este modelo propuesto por Weibull se usa en
problemas relacionados con fallas de materiales y
estudios de confiabilidad. Para estas aplicaciones
es más flexible que el modelo exponencial.
Media y varianza para la Distribución
de WEIBULL
 3.9.5 Distribución Beta
Este modelo tiene aplicaciones importantes por la
variedad de formas diferentes que puede tomar su
función de densidad eligiendo valores para sus
parámetros.

El dominio de la distribución Beta es el intervalo (0, 1),

pero puede adaptarse a otros intervalos finitos
mediante una sustitución de la VA.
Media y varianza para la Distribución
Beta
 3.9.6 Distribución de Erlang
La función de densidad de la distribución de Erlang
es igual a la distribución Gamma, pero el
parámetro α debe ser entero positivo.
Media y varianza para la Distribución
de Erlang
 3.9.7 Distribución Ji-Cuadrado
Este modelo es importante en el estudio de la
estadística inferencial. Se obtiene de la distribución
Gamma con α= v/2, β= 2.

Se obtiene directamente de la distribución Gamma

con α= v/2, β= 2.
 Media y varianza de la Distribución Ji-
Cuadrado

Esta distribución tiene un parámetro: v>0 y se

denomina # de grados de libertad.
 Ejercicios a resolver
1. En cierta ciudad, el consumo diario de energía
eléctrica en millones de Kw/h puede considerarse
como una VA con distribución Gamma con α= 3 y β=2.
Si la planta de energía tiene una capacidad de
producción diaria de 12 millones de Kw/h, calcule la
probabilidad que en un día cualquiera, el suministro de
energía sea insuficiente.
2. La duración en miles de Km de cierto tipo de llantas,
es una VA con distribución exponencial con media 40
mil Km. Calcule la probabilidad que una de estas
llantas dure
a) Al menos 20 mil Km.
b) No más de 30mil Km.
 Ejercicios a resolver
1. Si la proporción anual de declaraciones incorrectas del
impuesto sobre la renta entregados al fisco puede
considerarse como una VA que tiene una distribución Beta
con α= 2 y β=9.
a) Calcule la probabilidad que en un año cualquiera haya más
de 40% de declaraciones incorrectas.
b) Encuentre la media de esta distribución, es decir, la
proporción de declaraciones que en promedio serán
incorrectas.
2. Suponga que el tiempo de servicio en horas de un
semiconductor es una VA que tiene distribución de Weibull con
α= 0.025 y β=0.5.
a) Calcule el tiempo esperado de duración del semiconductor
b) Calcule la probabilidad que este semiconductor esté
funcionando después de 4000 hrs de uso