Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semana 4
La distribución uniforme continua. Una v.a. continua tiene distribución uniforme continua
1 𝛼𝛼+𝛽𝛽
si su función de densidad es 𝑓𝑓 (𝑥𝑥) = 𝛽𝛽−𝛼𝛼 para 𝛼𝛼 < 𝑥𝑥 < 𝛽𝛽. Además, 𝐸𝐸(𝑋𝑋) = 2
y 𝑉𝑉𝑉𝑉𝑉𝑉 =
(𝛽𝛽−𝛼𝛼)2 𝑥𝑥−𝛼𝛼
. Su probabilidad acumulada está dada por 𝑃𝑃(𝑋𝑋 ≤ 𝑥𝑥) = 𝛽𝛽−𝛼𝛼.
12
Ejemplo. Suponer que el tiempo para un trabajo hecho por una máquina es una v.a. con
distribución uniforme en el intervalo de 5 a 10 minutos. Calcular la probabilidad de que el
trabajo se haga en: a) más de 7 minutos, b) entre 7 y 9 minutos, c) calcular el tiempo promedio
en que se hace el trabajo y su desviación estándar.
1 1
Observe que aquí se tiene que 𝑓𝑓(𝑥𝑥) = 10−5 = 5 para 5 < 𝑥𝑥 < 10 min.
Para a) se tiene que:
10
1 3
𝑃𝑃(𝑡𝑡 > 7 𝑚𝑚𝑚𝑚𝑚𝑚) = � 𝑑𝑑𝑑𝑑 = = 0.60
7 5 5
𝑥𝑥−5 𝑥𝑥−5
También se puede resolver con la distribución acumulada 𝐹𝐹(𝑥𝑥) = 10−5 = 5
, donde
10 − 5 7 − 5 2 3
𝑃𝑃(𝑡𝑡 > 7 𝑚𝑚𝑚𝑚𝑚𝑚) = 𝑃𝑃(7 < 𝑥𝑥 < 10) = 𝐹𝐹(10) − 𝐹𝐹(7) = – = 1– =
5 5 5 5
5+10
para c) se tiene que 𝐸𝐸(𝑋𝑋) = 2
= 7.5 min, es decir que el trabajo se hace en un tiempo
(10−5)2
promedio de 7.5 min, luego 𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) = = 2.0833 min2, y la desviación estándar es
12
√25
𝜎𝜎 = = 1.443 min.
12
1
Preparado por Hugo Valenzuela
La Distribución Normal
La distribución normal se aplica para modelar errores en las mediciones, entre otras
muchas aplicaciones. La distribución normal también es fundamental en el desarrollo de la
estadística matemática, de tal manera que es la base para diseñar muchas pruebas de hipótesis
y estimación de parámetros poblacionales. Por supuesto que la distribución normal no escapa
a las aplicaciones de la estadística en la industria.
1 (𝑥𝑥−𝜇𝜇)2
−
𝑓𝑓(𝑥𝑥) = 𝑒𝑒 2𝜎𝜎2
𝜎𝜎√2𝜋𝜋
para −∞ < 𝑥𝑥 < +∞, donde, −∞ < µ < +∞ y 𝜎𝜎 > 0. Además; 𝐸𝐸(𝑋𝑋) = µ y 𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋) =
𝜎𝜎2 .
Las probabilidades de una v.a. con distribución normal se pueden calcular mediante las
𝑥𝑥−𝜇𝜇
probabilidades de la distribución normal estándar mediante la transformación: 𝑧𝑧 = 𝜎𝜎 como
se muestra a continuación.
Ejemplo
Se sabe que el peso (en kg) de carga de un camión, es una v.a. con distribución normal
con media de 3000 kg y desviación estándar de 500 kg. Calcular la probabilidad de que la
carga del camión sea: a) menor a 2500 kg., b) mayor a 3600 kg., c) entre 2600 y 4000 kg. d)
Obtener el peso que acumula el 93% de los valores.
2
Preparado por Hugo Valenzuela
𝑋𝑋−𝜇𝜇 𝑋𝑋−3000
Observe las transformaciones algebraicas para obtener 𝑍𝑍 = 𝜎𝜎
= 500
y obtener el valor
de la tabla de probabilidades de la distribución normal estándar que está al final del capítulo.
3
Preparado por Hugo Valenzuela
La Distribución Exponencial.
Esta distribución se aplica para modelar el tiempo transcurrido entre la ocurrencia de dos
“éxitos” consecutivos; estos éxitos pueden ser: llegadas de clientes a un negocio, llegadas de
piezas de producción a una estación de trabajo, fallas consecutivas de una máquina. En
general, esta distribución se utiliza en la modelación de sistemas de líneas de espera y en la
teoría de confiabilidad.
4
Preparado por Hugo Valenzuela
Ejemplo
El tiempo en horas que transcurre entre dos fallas consecutivas de una máquina es una v.a.
con distribución exponencial:
1 −𝑡𝑡
𝑓𝑓(𝑡𝑡) = �1000 𝑒𝑒 1000 , 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑡𝑡 > 0
0, 𝑑𝑑𝑑𝑑 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
Calcular la probabilidad de que el tiempo que transcurre para que la máquina falle sea: a)
menos de 100 hrs, b) más de 1000 hrs, c) entre 800 y 1000 hrs, d) el promedio del tiempo
entre fallas consecutivas, d) la varianza y desviación estándar del tiempo entre fallas
consecutivas, e) Obtener el tiempo que acumula una probabilidad de 0.90.
Solución: de la definición de 𝑓𝑓(𝑥𝑥) se tiene que 1/𝜃𝜃 = 1/1000 y 𝜃𝜃 = 1000, luego, para el
a), tenemos que: 100
100
1 −𝑡𝑡 −1
𝑃𝑃(𝑇𝑇 < 100) = � 𝑒𝑒 1000 𝑑𝑑𝑑𝑑 = 1 − 𝑒𝑒 10 = 0.0952
0 1000
también se puede resolver mediante 𝐹𝐹(𝑥𝑥);
−100 −1
𝑃𝑃(𝑇𝑇 < 100) = 𝐹𝐹(100) = 𝐹𝐹(𝑥𝑥) = 1 – 𝑒𝑒 1000 = 1 − 𝑒𝑒 10 = 0.0952
−1000
también 𝑃𝑃(𝑇𝑇 > 1000) = 1 − 𝐹𝐹(1000) = 1 − �1 − 𝑒𝑒 1000 � = 𝑒𝑒 −1 ≈ 0.3679
5
Preparado por Hugo Valenzuela
−1000 −800 −8
𝑃𝑃(800 < 𝑇𝑇 < 1000) = 𝐹𝐹(1000) − 𝐹𝐹(800) = �1 – 𝑒𝑒 1000 � − �1 – 𝑒𝑒 1000 � = 𝑒𝑒 10 − 𝑒𝑒 −1
Para el d), tenemos que: 𝐸𝐸(𝑇𝑇) = 𝜃𝜃 = 1000; luego, en promedio transcurren 1000 horas
entre fallas consecutivas.
Para el e), tenemos que: 𝑉𝑉𝑉𝑉𝑉𝑉(𝑇𝑇) = 𝜃𝜃2 = 10002 y 𝜎𝜎𝑇𝑇 = 1000 ℎ𝑟𝑟𝑟𝑟.
Para f), sea 𝑤𝑤 el tiempo que acumula una probabilidad de 0.90, luego;
−𝑤𝑤
𝑃𝑃(𝑋𝑋 ≤ 𝑤𝑤) = 𝐹𝐹(𝑤𝑤) = 0.90 , 1 − 𝑒𝑒 1000 = 0.90 y despejando 𝑤𝑤 se tiene que; 1 − 0.90 =
−𝑤𝑤 −𝑤𝑤
𝑒𝑒 1000 , 0.10 = 𝑒𝑒 1000 , 𝑙𝑙𝑙𝑙(0.10) = −𝑤𝑤/1000 y 𝑤𝑤 = −𝑙𝑙𝑙𝑙(0.10)(1000) = 2302.585 hrs.
2.5
θ=2
2
1.5
1
θ=1
0.5
θ=0.5
0
0 1 2 3 4
Valor de la variable aleatoria
La Distribución t de Student.
Una v.a. X tiene distribución t de Student si su función de densidad es:
𝜈𝜈 + 1 −(𝜈𝜈+1)�
Γ� 2 � 𝑥𝑥 2 2
𝑓𝑓(𝑥𝑥) = 𝜈𝜈 �1 + �
Γ �2� √𝜋𝜋𝜋𝜋 𝜈𝜈
𝜈𝜈
Donde 𝛤𝛤(𝑥𝑥) es la función Gamma. Además 𝐸𝐸(𝑋𝑋) = 0 si 𝜈𝜈 > 1 y 𝑉𝑉(𝑋𝑋) = 𝜈𝜈−2 si 𝜈𝜈 > 2.
Además, 𝜈𝜈 es una constante positiva llamada grados de libertad.
Por ejemplo; si 𝑋𝑋 tiene una dist. t de student con 15 grados de libertad, entonces
∞ −8
Γ(8) 𝑥𝑥 2
𝑃𝑃(𝑥𝑥 > 2.3) = � �1 + � 𝑑𝑑𝑑𝑑 = 0.0181
−2.3 Γ(7.5)√15𝜋𝜋 15
1.5 −8
𝑥𝑥 2
Γ(8)
𝑃𝑃(−1.2 < 𝑋𝑋 < 1.5) = � �1 + � 𝑑𝑑𝑑𝑑 = 0.79844
−1.2 Γ(7.5)√15𝜋𝜋 15
7
Preparado por Hugo Valenzuela
Si se busca un número w tal que 𝑃𝑃(𝑋𝑋 > 𝑤𝑤) = 0.35, entonces con la función TINV( ) de
Excel se obtiene que 𝑤𝑤 = 0.3928
NOTA: Los anteriores resultados se obtienen de Excel, ver notas de Excel.
Por ejemplo, si 𝑋𝑋 sigue una distribución 𝜒𝜒 2 con 7 grados de libertad, entonces de una hoja
de cálculo como excel se puede obtener que
5 1
𝑃𝑃(𝑋𝑋 < 5) = ∫0 23.5 Γ(3.5)
𝑥𝑥 3.5 𝑒𝑒 −𝑥𝑥⁄2 𝑑𝑑𝑑𝑑 = 0.3400 , y P(X<2)=0.0402. Luego 𝑃𝑃(2 < 𝑋𝑋 <
5) = 0.3400– 0.0402 = 0.2998. Si se busca un valor 𝑤𝑤 tal que que 𝑃𝑃(𝑋𝑋 > 𝑤𝑤) = 0.15,
entonces 𝑤𝑤 = 10.748.
NOTA: Los anteriores resultados se obtienen de Excel, ver notas de Excel.
La siguiente figura muestra el aspecto de la curva de f(x) para una distribución Ji cuadrada.
La Distribución F
Una variable aleatoria tiene distribución 𝐹𝐹 con 𝜈𝜈1 grados de libertad en el numerador y 𝜈𝜈2
grados de libertad en el denominador si su función de densidad es;
8
Preparado por Hugo Valenzuela
𝜈𝜈 + 𝜈𝜈 −(𝜈𝜈1 +𝜈𝜈2 )
Γ � 1 2 2 � 𝜈𝜈1 𝜈𝜈21 𝜈𝜈2 𝜈𝜈1 𝑥𝑥 2
−1
𝑓𝑓(𝑥𝑥) = 𝜈𝜈 𝜈𝜈 � � 𝑥𝑥 2 �1 + �
Γ � 21 � Γ � 22 � 𝜈𝜈2 𝜈𝜈2
para 𝑥𝑥 > 0
Por ejemplo, si 𝑋𝑋 es una variable aleatoria que sigue una distribución 𝐹𝐹 con 5 grados de
libertad en el numerador y 10 grados de libertad en el denominador entonces de Excel se
puede obtener que 𝑃𝑃(𝑋𝑋 < 1.5) = 0.7267 y 𝑃𝑃(𝑋𝑋 < 0.35) = 0.1291. Luego 𝑃𝑃(0.35 < 𝑋𝑋 <
1.5) = 0.7267– 0.1291 = 0.5976 . Si se busca un valor 𝑤𝑤 tal que 𝑃𝑃(𝑋𝑋 > 𝑤𝑤) = 0.09 ,
entonces 𝑤𝑤 = 2.638.
NOTA: Los anteriores resultados se obtienen de Excel, ver notas de Excel.
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5
x
Gráfica de f(x) para la distribución F