3.

6
El parámetro de esta distribución es
la probabilidad de éxito, p.
q es la probabilidad de fracaso: q = 1- p
n es el número de pruebas independientes de Bernoulli o el tamaño de una muestra aleatoria.
p es la probabilidad de éxito en cada prueba o en cada unidad de la muestra.
3.7 Distribuciones de probabilidad continuas.
densidad

densidad
FUNCIÓN DE DISTRIBUCIÓN
La función de distribución F(x) sirve para calcular las probabilidades
acumuladas, P(X≤x). Está relacionada con la función densidad f(x) por medio
de la integración:

Función de distribución
Función de densidad
Gráficas de la función
densidad y de la función de
distribución de una misma
variable aleatoria
continua.
3. Variables aleatorias continuas. Ley exponencial, propiedades
esenciales Gráfica de la función de densidad de la ley
exponencial de parámetro λ = 0,2
Modelo Exponencial
Una variable aleatoria continua,
X, sigue la ley exponencial de parámetro λ
> 0, que notaremos
Exp (λ),
si su función de densidad es

El parámetro λ es el inverso de la media de la

que puede tomar cualquier valor variable exponencial
real que no sea negativo.
 Función de distribución de la ley exponencial
La integral indefinida de la función densidad,

es

De esta integral se deduce que la función de distribución de la ley exponencial

Exp (λ) es

Gráfica de la función de distribución de la ley exponencial Ejemplos para λ = 0,2:

de parámetro λ = 0,2 La probabilidad de esperar un tiempo
inferior a 3 minutos es P (x < 3 ) = FX (3) =

1 - 0,549 = 0,451

La probabilidad de esperar entre 3 y 10

minutos es
P(3<X<10) = FX (10) - FX (3) =

= 0,865 - 0,451 = 0,414

 Ejemplo:
Para λ = 0,2, la probabilidad de esperar entre 3 y 10 minutos es el área
del trapecio pintado de azul:

P(3<X<10) =

= 0,549 – 0,135 = 0,414

Gráficas de densidades de
variables exponenciales
para otros valores de λ
 1777-1855 1749-1827

μ-3σ μ-2σ μ-σ μ μ+σ μ+2σ μ+3 σ

El eje de simetría de la gráfica de una ley normal depende de su media, μ.

La forma de la gráfica depende de su desviación típica, σ.
PROPIEDADES:
Las gráficas son simétricas y unimodales (la moda es μ ).
La media y la varianza son características independientes.
Los puntos de inflexión de la función densidad son μ-σ y μ+σ
La simetría de la distribución Normal tipificada nos permite calcular
probabilidades acumuladas de números reales negativos a partir de
las probabilidades acumuladas de sus números opuestos.

Φ (−z ) = 11 − Φ ( z )
P (Z ≤ -z ) = 1 − P (Z ≤ z )
MODA:

FX (M) = 1/2
Exponencial X~Exp(λ) 1/