Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GRUPO N° 07
“DISTRIBUCIÓN UNIFORME”
AYACUCHO – PERÚ
2021
INTRODUCCIÓN:
La distribución Uniforme es el modelo continuo más simple. Corresponde al caso de
una variable aleatoria que sólo puede tomar valores comprendidos entre dos extremos a
y b, de manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen
la misma probabilidad. También puede expresarse como el modelo probabilístico
correspondiente a tomar un número al azar dentro de un intervalo (a, b).
A continuación se verán los conceptos básicos de la distribución uniforme tanto discreta
como continua.
I. FUNDAMENTO TEÓRICO:
DISTRIBUCIÓN UNIFORME: La distribución uniforme es la símil de la
distribución equiprobable de variable aleatoria discreta, y establece que en
cualquier posición, dentro del rango de valores de la variable, la probabilidad
de un suceso está en relación con la longitud del intervalo que lo define. Por
ejemplo si a, b, c y d, en orden de magnitud pertenecen al rango de valores y
si b - a = d - c, entonces en una distribución uniforme se cumple que P(a ≤ X
≤ b) = P(c ≤ X ≤ d). En consecuencia la función de distribución de
probabilidad de la distribución uniforme debe ser una función constante en el
intervalo de valores de X. Una variable aleatoria continua X tiene
distribución uniforme de parámetros a y b si su función de distribución de
probabilidad es de la forma:
1
{
f ( x )= b−a
si a ≤ X ≤b
0 para otros valores
Notación: X = Unif (a,b)
Gráficamente:
Figura 1: Representación de la función de densidad en el intervalo [a,
b]
Donde:
Su función de distribución acumulada (determina la probabilidad de
cierto valor que se encuentre entre dos valores) será:
x x
1 x−a
F(x) = ∫ f ( x )dx = ∫ dx = sí a ≤ x ≤ b
a a b−a b−a
Entonces:
0 si x < a
x−a
F(x) = sí a ≤ x ≤ b
b−a
1 si b < x
a+b
𝐸 (𝑥) =
2
Su varianza (medida de dispersión que se utiliza para representar la
variabilidad de un conjunto de datos) está dada por:
∞ b
1
Var ( x )=∫ x 2 f ( x ) dx = ∫ x 2 dx = ¿ ¿
−∞ a b−a
𝑉𝑎𝑟 (𝑋) = ¿ ¿
Ejercicio de aplicación:
De una estación parte un tren cada 10 minutos. Si designamos por X la
variable aleatoria “tiempo de espera desde que un viajero entra en el
andén hasta que parte”, calcular:
Esperanza o media matemática
Varianza
Desviación estándar
¿Cuál es el valor de P (X< 2)?
(La probabilidad de esperar menos de dos minutos)
Solución:
Si el viajero llega en cualquier momento y todos los momentos tienen la
misma probabilidad, la variable aleatoria tiempo de espera sigue una
distribución U (0,10).
Por tanto, la función de densidad de la variable X es:
0 si x < 0
1
f (x) = sí 0 ≤ x ≤ 10
10−0
0 si 10 < x
1
Entonces f (x) = = 0.1 para x entre 0 y 10
10−0
∞ 10
1
a) E (x) = ∫ x f (x )dx = ∫ x 10
dx = 5
−∞ 0
a+b 0+10
E( x )= = =5
2 2
25
b) 𝑉𝑎𝑟 (𝑋) = ¿ ¿ = ¿ ¿ = = 8.33
3
c) σ = √ Var (X ) = √ 8.33 = 2.89
x−a 2−0 1
d) P (X < 2) = = =
b−a 10−0 5
2. DISTRIBUCION UNIFORME DISCRETA:
En teoría de probabilidad y estadística, la distribución uniforme discreta
es una distribución de probabilidad discreta que surge en espacios de
probabilidad equiprobables, es decir, en situaciones donde de n
resultados diferentes, todos tienen la misma probabilidad de ocurrir.
Un caso particular de esta distribución, ocurre cuando los valores son
enteros consecutivos. Esta distribución asigna igual probabilidad a todos
los valores enteros entre el límite inferior y el límite superior que definen
el recorrido de la variable. Si la variable puede tomar valores entre a y b,
debe ocurrir que b sea mayor que a, y la variable toma los valores enteros
empezando por a, a+1, a+2, etc. hasta el valor máximo b.
NOTACION:
Si X es una variable aleatoria discreta cuyo soporte es el conjunto
{ x 1 , x 2 … x n } y tiene una distribución uniforme discreta por lo tanto
escribiremos
X~Uniforme {x1,x2…xn}
FUNCION DE PROBABILIDAD
La función de probabilidad de X es
1
P[X=x] =
n
Para x =x1, x2, …xn
PROPIEDADES
X~Uniforme {x1,x2…xn} entonces la variable aleatoria satisface alguna
propiedades
MEDIA
La media de la variable aleatoria X es
n
1
Ε [ X ]= ∑x
n i=1 i
VARIANZA
La varianza de la Variable aleatoria X es
n
1
Var ( X )= ∑ ¿ ¿ ¿
n i=1
Gráficamente distribución uniforme discreta :
1
f ( xi )=
n
n
1
Ε [ X ]= ∑x
n i=1 i
x n+ x1
Ε [ X ]=
2
n
1
Var ( X )= ∑ ¿¿¿
n i=1
Var ( X )=¿ ¿ ¿
2. En la fabricación de un cierto producto se produce con fallas
suponiendo que el número de fallas sigue la siguiente distribución
uniforme.
1
{
f ( x )= 3
x=2,4,5
}
0 en otro caso
Determine la probabilidad de que en cierto producto se encuentren
a) 2 fallas
1
P ( x=2 )=f (2 )=
3
b) 3 fallas
P ( x=3 )=f ( 3 )=0
c) Más de 3 fallas
P ( x>3 )=f ( 4 ) + f (5 )+ f ( 6 ) +…
1 1
P ( x>3 )= + +0+0+ …
3 3
2
P ( x>3 )=
3
II. APLICACIONES
La distribución uniforme es útil para describir una variable aleatoria con
probabilidad constante sobre el intervalo (a,b) en el que está definida y se
denota por U(a,b). También es conocida con el nombre
de distribución rectangular por el aspecto de su función de densidad, por lo
cual se presente las siguientes aplicaciones relacionadas a la vida cotidiana:
Aplicación n°1
El volumen de precipitaciones estimadas para el próximo año en la provincia
de Ayacucho va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular
la función de distribución y la precipitación media esperada:
1
f ( x )= =0,01
500−400
Es decir que el volumen de precipitaciones esta entre 400 y 401 litros tiene
un 1% de probabilidades, que este entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:
500+ 400
f ( x )= =450
2
Aplicación n°2
Supongamos que el tiempo máximo que se puede reservar una sala de
conferencias grande de la empresa LIMATAMBO TOWER, 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].
III. BIBLIOGRAFÍA:
Román P., 2017. Modelos de distribuciones continuas. Cálculo de
Probabilidades I.
Matemáticas de la E.T.S.I.T.G.C., 2015. Distribución Uniforme
(discreta y continua).
Rustom A. J. (2012) Estadística descriptiva, probabilidad e
inferencia. Una visión conceptual y aplicada. Universidad de Chile.