Índice

“DISTRIBUCIONES CONTINUAS”..........................................................................................4
LAS FINALIDADES.............................................................................................................4
1. “INTRODUCCIÓN”..........................................................................................................4
2. “DISTRIBUCIÓN UNIFORME CONTINUA”...............................................................5
3. “DISTRIBUCIÓN EXPONENCIAL”..............................................................................6
4. “DISTRIBUCIÓN NORMAL”.........................................................................................7
4. “ESTANDARIZACIÓN”..................................................................................................8
6. “DISTRIBUCIONES DERIVADAS DE LA NORMAL”..............................................9
6.1 “DISTRIBUCIÓN chi – cuadrada”............................................................................9
6.2 “DISTRIBUCIÓN t – student”..................................................................................10
6.3 “DISTRIBUCIÓN f de Snedecor”............................................................................10
7. CONCLUSIONES............................................................................................................11
8. BIBLIOGRAFIA..............................................................................................................11
 Índice de figuras

Figure 1 distribución Uniforme Continua.......................................¡Error! Marcador no definido.

Figure 2 Distribución Exponencial................................................................................................6
Figure 3 Distribución Normal.........................................................¡Error! Marcador no definido.
Figure 4 Probabilidad Acumulada de la Normal.............................¡Error! Marcador no definido.
Figure 5 Distribución Chi-Cuadrado...............................................¡Error! Marcador no definido.
 “DISTRIBUCIONES CONTINUAS”
LAS FINALIDADES
 Finalidad 1: Descubrir nuevos tipos de distribuciones continuas.
 Finalidad 2: Entender y detallar os diversas distribuciones variables continuos.
1. INTRODUCCIÓN
En este momento entenderemos las diversas probabilidades de variables continuas que
son aleatorias. Por lo cual no elaboraremos las distribuciones que son hechas a partir de
experimentos particulares que son aleatorias, por más que sea de distribución discreta,
entonces serán definidos sin una extensa justificación, ya sean en ciertos casos en donde
se deberán revelar de manera en la que se obtenga las distribuciones, considerando a
través de algunas funciones de variables aleatorias que son escuchadas o conocidas.
2. “DISTRIBUCIÓN UNIFORME CONTINUA”

“Decimos que una variable aleatoria 𝑋 tiene una distribución uniforme continua en el
intervalo (𝑎, 𝑏), y escribimos 𝑋 ∼ 𝑢𝑛𝑖𝑓(𝑎, 𝑏), cuando su función de densidad es:”

“Las gráficas en general de esta funcionalidad se presentan en la siguiente Figura, y es

notable que hablamos de una funcionalidad de densidad puesto que es no negativa e
integra uno. En este caso, es muy fácil encontrar la correspondiente función de
distribución. Los límites de esta repartición son los números 𝑎 < 𝑏. Es simple revisar
que 𝐸(𝑋) = (𝑎 + 𝑏)/2, que correspondiente al punto medio del intervalo (𝑎, 𝑏). Además,
𝑉𝑎𝑟(𝑋) = (𝑏 − 𝑎)2/12 de manera que la varianza o dispersión crece una vez que 𝑎 y 𝑏
se alejan uno del otro, y por otro lado, una vez que los fronteras permanecen bastante
cercanos, la varianza es pequeña. Esta reparación es una de las más sencillas, y se utiliza
naturalmente para una vez que no se sabe más grande información de la variable
aleatoria de interés, excepto que toma valores consecutivos en cualquier intervalo.”
3. DISTRIBUCIÓN EXPONENCIAL
“Decimos que una variable aleatoria continua 𝑋 tiene una distribución exponencial con
parámetro 𝜆 > 0, y escribimos 𝑋 ∼ 𝑒𝑥(𝜆), cuando su función de densidad es:”

Se observa que según grafica su función se debe que el parámetro 𝜆 tiene el valor de 3,
mostrando en la figura que continúa. La función que corresponde a la distribución
está ubicado al lado derecho. Es fácil evidenciar que esta función (𝑥) anteriormente
determinada es una función con la densidad para cualquiera que sea del valor “del
parámetro” 𝜆 > 0. Veremos la aplicación del método en la que se evidencia la
integración que también “(𝑋) =1/𝜆, y 𝑉𝑎𝑟(𝑋) = 1/𝜆2. ”

La presente distribución se ha determinado que su uso es para modelar el tiempo de la

espera para algún evento desarrollado.

Figure 1 Distribución Exponencial

Ejemplo N° 1: “Que suponiendo que el tiempo en minutos que un cliente desconocido

viene permanentemente revisando los mensajes del “correo electrónico “sigue una
distribución exponencial de parámetro 𝜆 = 1/5 .” Por lo deberá de calcular la
”

probabilidad de que un cliente desconocido permanezca conectado al servidor de

correo.”

a) “Menos de un minuto”
b) “Más de una hora”
4. DISTRIBUCIÓN NORMAL

Esta es posiblemente la distribución de probabilidad de mayor importancia. Decimos

que la variable aleatoria continua 𝑋 tiene una distribución normal, si su función de
densidad está dada por la siguiente expresión:

“En donde 𝜇 ∈ ℝ y 𝜎 > 0 son dos parámetros. redactamos a continuación 𝑋 ∼

𝑁(𝜇, 𝜎 2 ). La gráfica de la función de consistencia tiene figura de campanilla como
se puede visualizar en la forma expuesta a continuación, donde se observa el
resultado geométrico de ambos parámetros.”

“No es rápido, pero es factible mostrar que 𝐸(𝑋) = 𝜇, y resulta que la campanilla
está unificada en este valor, el cual puede ser “negativo, positivo o cero”. además,
puede probar que 𝑉𝑎𝑟(𝑋) = 𝜎2, y que la distancia del punto 𝜇 a cualquiera de los
dos puntos en donde la función tiene puntos de inflexión es 𝜎, por ello, la
campanilla se abre o se cierra de acuerdo a la magnitud de este parámetro. “En
particular, decimos que la variable aleatoria 𝑋 tiene una repartición normal
estándar si tiene una distribución normal con parámetros 𝜇 = 0 y 𝜎2 = 1.” En
este caso la función de volumen se disminuye a la expresión:”
“Es posible transformar una variable aleatoria normal no estándar en una estándar.”
4. ESTANDARIZACIÓN

“Sea 𝑋 una variable aleatoria con distribución normal con parámetros 𝜇 y 𝜎 2.

Entonces la siguiente variable aleatoria tiene una distribución normal estándar:”

“A esta operación se le conoce también como estandarización, y bajo la

variacion se dice que la variable 𝑋 ha sido estandarizada. Es común utilizar la
letra 𝑍 para denotar una variable aleatoria con repartición usual estándar, y vamos a
seguir nosotros mismos además dicha costumbre.”

“Es también común denotar la función de distribución de 𝑍 como Φ(𝑥), es decir,”

El alcance geométrico se ve en la Figura que se mostrara a continuación. Se

necesita mencionar que, sin que importe el procedimiento de adhesión que se
utilice, no es viable hallar un término preciso para la integral, empero utilizando
procedimientos numéricos tienen la posibilidad de hallarse acercamientos de ella
para diversos valores de 𝑥. Principalmente, “es de utilidad la obra de una tabla con
dichos valores aproximados. Cada renglón de esta tabla corresponde a un costo de
𝑥 hasta el primer dígito decimal, las diversas columnas corresponden al 2do dígito
decimal. El valor que aparecerá en la tabla es.”

“Por ejemplo: En el renglón marcado con 1.4 y la columna marcada con 0.05
corresponden al valor 1.45, tenemos entonces que Φ(𝑥) = 0.9265.”
Ejemplo N° 2: “La magnitud de la elevación 𝑋 de un cierto conjunto de alumnos
de un colegio de la urbe, sigue una repartición usual de media 𝜇 = 1.70 𝑚 y
desviación estándar 𝜎 = 0.10 𝑚.. evaluar la posibilidad de que un estudiante
escogido de casualidad mida más de 1.80.”

“Dado que 𝑌 sigue una distribución 𝑁(1.70, 0.10). Estandarizando esta variable se
obtiene una nueva variable” de tipo 𝑁(0,1). Entonces:

6. DISTRIBUCIONES DERIVADAS DE LA NORMAL

Para el mejor entendimiento de las distribuciones derivadas de la normal, vamos
enunciar varios teoremas que son importantes, pues nos indicarán que realizando
diferentes transformaciones de la normal y que, con dichas transformaciones, vamos
poder obtener variables aleatorias como la Chi-Cuadrada, la T de Student y también la f
de Snedecor.
6.1 “DISTRIBUCIÓN chi – cuadrada”
“Podemos decir que si existe una variable continua x en una distribución Chi – cuadrada
con n grados de libertad y que n tiene que ser un entero positivo, cuando su función de
densidad está representada por la siguiente expresión:”

Se concierta entonces que una variable aleatoria continua que tiene posibles capacidades
en el intervalo (0 , ∞ ), entonces se dice que esta distribución tiene un solo parámetro el
cual denotaremos con la letra n, al cual le nombraremos como grados de libertad. Parece
que su expresión es complicada, pero no es difícil comprobar que f(x) es
verdaderamente una función de densidad. Como así lo demostraremos y veremos
siguiente la gráfica 5:
Escribiremos entonces que x x 2 (n) , de las cuales la letra x se pronuncia como chi y
que con esto se puede demostrar que E (X) = n y var(x) = 2n

6.2 “DISTRIBUCIÓN t – student”

“Decimos que la variable aleatoria continua 𝑋 tiene una distribución t-Student
con 𝑛 grados de libertad que se denota por 𝑡𝑛 . Si su función de densidad está
dada por la siguiente expresión:”

6.3 DISTRIBUCIÓN f de Snedecor

Esta variable es aleatoria continúa denominada (x) lleva una F de “Snedecor” también
conocida como grados de libertad que es denominada “Fn.m”. La siguiente expresión
de su densidad es la que se puede observar.
7. CONCLUSIONES
 “Esta “Distribución Uniforme Continua”: tiene como función de densidad es
no negativa e integra a solo uno.”
 “La distribución normal es una de las distribuciones de probabilidad de mayor
importancia en el tema.”
 “Cuando tenemos una variable al azar se ha transformado mediante el
transcurso de estandarización, se dice que esta variable ha sido
estandarizada.”
 “Dentro de la distribución” “chi – cuadrada” sólo tenemos un parámetro
denominado “grados de libertad”.

8. BIBLIOGRAFIA
 Devore, J. (2008). Probabilidad y Estadística para Ingeniería y Ciencias. 7ma.
Edición. Cengace Learning Editores. México.

 Espejo Miranda, F. Fernández Palacín, M. A. López Sánchez, M. Muñoz

Márquez, A. M. Rodríguez Chía, A. Sánchez Navas, C. Valero Franco. (2006).
Estadística Descriptiva y Probabilidad. 3ra. Edición. Servicio de Publicaciones
de la Universidad de Cádiz.