UNIFORME.

Una variable aleatoria que toma valores en el

intervalo [a,b], de acuerdo con la densidad

se denomina Uniforme y se dice que tiene una

distribución uniforme con parámetros a y b.
Esto último se denota por
X ~ U (a, b)

La gráfica de f (x) es

f(x)

x
a b
Resultado
Si X ~ U(a, b), entonces
Ejemplo.

El espesor de la capa de cierta sustancia

química está distribuído uniformemente
entre 0.95 y 1.05 milímetros. Obtener:

1). E(X), V(X) y F(x).

2). El porcentaje de sustancias químicas con

un espesor de capa mayor que 1.02
milímetros.
Solución.

En este ejemplo, b = 1.05 y a = 0.95. Sea

X = espesor de la sustancia química.
Entonces

X ~ U(0.95, 1.05)
 f(x)

10

x
0.95 1.05

E(X) =

E(X) = 1.0
V(X) =

V(X) = 0.00083

F(x) =

F(x) = 10x - 9.5

F(x)

1.0
0.7

x
0.95 1.02 1.05
 P(X > 1.02) = 1 - P(X ≤ 1.02)

P(X ≤ 1.02) = F(1.02) = 10(1.02) - 9.5

= 10.2 - 9.5 = 0.7

P(X > 1.02) = 1 - 0.7

= 0.30

∴ El porcentaje de sustancias químicas con un

espesor mayor de 1.02 milímetros es 30 %.
Ejemplo
Una compañía que vende por correo productos
químicos ha encontrado que entre el 5% y el 15%
de los pedidos diarios requieren un envío especial.
Suponga que, como una primera aproximación,
consideramos que la distribución de Y = porcentaje
de pedidos en un día seleccionado al azar es
uniforme sobre el intervalo que va de 5 a 15.

a) Encuentre la media y la desviación estándar de Y

b) Encuentre la probabilidad de que Y se encuentre
entre 9 y 12.
Solución

a) a = 5 y b = 15
b)
P(X < 12)-P(X < 9) =

= 0.7-0.4

= 0.3
EXPONENCIAL.
Una variable aleatoria continua X con densidad

se denomina variable aleatoria exponencial y

se dice que X tiene una distribución
exponencial con parámetro λ, lo cual se
denota por X ~ E(λ)
Resultado.
Si X ~ E(λ), entonces
Ejemplo
El tiempo de espera medio entre un resultado y
otro, procesados en un laboratorio químico,
durante un día de trabajo es de 2.5 minutos.
Suponga que los tiempos entre cada resultado es
constante.
a) ¿Cuál es la probabilidad de que el tiempo de
espera se encuentre entre 2 y 5 minutos?
b) Encuentre la media y la desviación estándar
de los tiempos de espera.
Solución
a) Se ha especificado que λ = 2.5 minutos.

= 0.3140
b) La media de W se especificó como 2.5, la
varianza es λ2 = (2.5)2 = 6.25, la desviación
estándar es 2.5.
NORMAL.
Una variable aleatoria continua X con densidad
-∞ < x < ∞
-∞ < μ < ∞
σ2 ≥ 0

se denomina variable aleatoria normal y se

dice que X tiene una distribución normal con
parámetros (μ, σ2 ).
Esto último se denota por
X ~ N (μ, σ2 )
La gráfica de f(x) es la siguiente

μ-σ μ μ+σ
Resultado.

Si X ~ N (μ, σ2 ), entonces

E(X) = μ V(X) = σ2

La variable aleatoria normal ocurre

frecuentemente en situaciones que involucran
medición de alguna característica. En este
contexto está extremadamente relacionada
con errores de medición.
La distribución normal es la base de la regresión,
el análisis de varianza y muchas otras
metodologías de la inferencia estadística. De
hecho, la normal es la distribución más
importante en la inferencia estadística.
Sus aplicaciones van desde la estadística
matemática, donde es la base de muchos
resultados teóricos, hasta problemas de ciencias,
ingeniería y administración. Muchos métodos que
se utilizan en economía, finanzas y análisis del
mercado tienen como base la suposición de que la
población es normal.
La variable aleatoria normal con μ = 0 y σ2 = 1
se le denomina normal estándar y se denota por
Z ~ N (0, 1)

Resultado.

Si X ~ N (μ, σ2 ), entonces

~ N(0, 1)
Ejemplo.

Si X ~ N (μ = 100, σ2 = 64), obtener

1). P(X > 124) 2). P(92 ≤ X ≤ 116)

3). P(X = 100) 4). P(X ≤ 84)

Solución.

1). P(X > 124) =

= P(Z > 3)

0.9987

= 1 - 0.9987

P(X > 124) = 0.0013

2). P(92 ≤ X ≤ 116)

= P(-1 ≤ Z ≤ 2 )
0.8185
= P( Z ≤ 2) - P(Z ≤ -1)

= 0.9772 - 0.1587

P(92 ≤ X ≤ 116) = 0.8185

3). P(X = 100)
P(X = 100) = 0 porque X es continua.

4). P(X ≤ 84)

0.0228
= P(Z ≤ -2) = 0.0228

P(X ≤ 84) = 0.0228

APROXIMACIÓN NORMAL A LA BINOMIAL

Una de las muchas aplicaciones de la curva

normal es su uso como aproximación a otras
distribuciones de probabilidad, particularmente
a la binomial y a la de Poisson.
Las probabilidades asociadas con los valores de
y se pueden calcular con un experimento
binomial para valores cualesquiera de n ó π,
mas la tarea se hace sumamente difícil cuando
n aumenta su valor.
Para ciertos valores de n y p es posible aproximar
la distribución binomial por medio de una
distribución normal:
Resultado.
Si X ~ B(n, π), entonces

~ N(0, 1)

Siempre que:
nπ > 5 y π≤
ó
n(1- π) > 5 y π ≥
Ejemplo.
Un proceso de producción produce el 20% de
artículos defectuosos. Para el control
estadístico de la calidad se selecciona una
muestra aleatoria de n = 100 artículos. Si X =
número de defectos en la muestra,
calcule P(X ≤ 15).
Solución.
X ~ B(n = 100, π = 0.20)

= = P(Z ≤ -1.25)

= 0.1056