Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Figura 5.1 Las alturas de estas plantas de rábano son variables aleatorias continuas. (créditos: Rev Stan).
Introducción
Las variables aleatorias continuas tienen muchas aplicaciones. Los promedios de bateo en béisbol, las puntuaciones de
CI (coeficiente intelectual), el tiempo que dura una llamada telefónica de larga distancia, la cantidad de dinero que lleva
una persona, el tiempo que dura un chip de computadora y las puntuaciones de la prueba de aptitud académica
(Scholastic Aptitude Test, SAT) son solo algunos de ellos. El campo de la fiabilidad depende de una serie de variables
aleatorias continuas.
Nota
Los valores de las variables aleatorias discretas y continuas pueden ser ambiguos. Por ejemplo, si X es igual al
número de millas (a la milla más cercana) que conduce al trabajo, entonces X es una variable aleatoria discreta.
Puede contar las millas. Si X es la distancia que se recorre en automóvil hasta el trabajo, entonces se miden valores de
X y X es una variable aleatoria continua. Para un segundo ejemplo, si X es igual al número de libros que hay en una
316 5 • Variables aleatorias continuas
mochila, entonces X es una variable aleatoria discreta. Si X es el peso de un libro, entonces X es una variable aleatoria
continua porque el peso se mide. La forma de definir la variable aleatoria es muy importante.
La curva se denomina función de densidad de probabilidad (abreviada como pdf). Utilizamos el símbolo f(x) para
representar la curva. f(x) es la función que corresponde al gráfico; utilizamos la función de densidad f(x) para dibujar el
gráfico de la distribución de probabilidad.
El área debajo de la curva viene dada por una función diferente llamada función de distribución acumulativa (cdf).
La función de distribución acumulativa se utiliza para evaluar la probabilidad como área.
Hallaremos el área que representa la probabilidad mediante geometría, fórmulas, tecnología o tablas de probabilidad.
En general, es necesario el cálculo para hallar el área bajo la curva de muchas funciones de densidad de probabilidad.
Cuando usamos fórmulas para hallar el área en este libro de texto, las fórmulas fueron halladas mediante técnicas del
cálculo integral. Sin embargo, debido a que la mayoría de los estudiantes que toman este curso no han estudiado
cálculo, no utilizaremos el cálculo en este libro de texto.
Hay muchas distribuciones de probabilidad continuas. Cuando se utiliza una distribución de probabilidad continua para
modelar la probabilidad, la distribución utilizada se selecciona para modelar y ajustarse a la situación particular de la
mejor manera.
En este capítulo y en el siguiente estudiaremos la distribución uniforme, la exponencial y la normal. Los siguientes
gráficos ilustran estas distribuciones.
Figura 5.2 El gráfico muestra una distribución uniforme con el área entre x = 3 y x = 6 sombreada para representar la
probabilidad de que el valor de la variable aleatoria X esté en el intervalo entre tres y seis.
Figura 5.3 El gráfico muestra una Distribución Exponencial con el área entre x = 2 y x = 4 sombreada para representar
la probabilidad de que el valor de la variable aleatoria X esté en el intervalo entre dos y cuatro.
Figura 5.4 El gráfico muestra la distribución normal estándar con el área entre x = 1 y x = 2 sombreada para
representar la probabilidad de que el valor de la variable aleatoria X esté en el intervalo entre uno y dos.
EJEMPLO 5.1
Consideremos la función f(x) = para 0 ≤ x ≤ 20. x = un número real. El gráfico de f(x) = es una línea horizontal. Sin
embargo, como 0 ≤ x ≤ 20, f(x) se restringe a la porción entre x = 0 y x = 20, inclusive.
Figura 5.5
f( x ) = para 0 ≤ x ≤ 20.
El área entre f(x) = donde 0 ≤ x ≤ 20 y el eje x es el área de un rectángulo con base = 20 y altura = .
318 5 • Variables aleatorias continuas
Supongamos que queremos hallar el área entre f(x) = y el eje xdonde 0 < x < 2.
Figura 5.6
Recordatorio
El área corresponde a una probabilidad. La probabilidad de que x esté entre cero y dos es 0,1, lo que se puede escribir
matemáticamente como P(0 < x < 2) = P(x < 2) = 0,1.
Supongamos que queremos hallar el área entre f(x) = y el eje x donde 4 < x < 15.
Figura 5.7
Supongamos que queremos hallar P(x = 15). En un gráfico x-y, x = 15 es una línea vertical. Una línea vertical no tiene
ancho (o tiene ancho cero). Por lo tanto, P(x = 15) = (base)(altura) = (0) =0
Figura 5.8
P(X ≤ x), que también se puede escribir como P(X < x) para distribuciones continuas, se denomina función de distribución
acumulativa o cdf. Fíjese en el símbolo “menor que o igual a”. También podemos utilizar la cdf para calcular P(X > x). La
cdf da el “área a la izquierda” y P(X > x) da el “área a la derecha”. Calculamos P(X > x) para distribuciones continuas de la
siguiente manera: P(X > x) = 1 – P (X < x).
Figura 5.9
Identifique el gráfico con f(x) y x. Escale los ejes x y y con los valores máximos de x y y. f(x) = , 0 ≤ x ≤ 20.
Para calcular la probabilidad de que x esté entre dos valores, observe el siguiente gráfico. Sombree la región entre x =
2,3 y x = 12,7. Luego, calcule el área sombreada de un rectángulo.
Figura 5.10
INTÉNTELO 5.1
Consideremos la función f(x) = para 0 ≤ x ≤ 8. Dibuje el gráfico de f(x) y calcule P(2,5 < x < 7,5).
320 5 • Variables aleatorias continuas
EJEMPLO 5.2
Los datos en la Tabla 5.1 son 55 tiempos de sonrisa, en segundos, de un bebé de ocho semanas.
10,4 19,6 18,8 13,9 17,8 16,8 21,6 17,9 12,5 11,1 4,9
12,8 14,8 22,8 20,0 15,9 16,3 13,4 17,1 14,5 19,0 22,8
1.3 0,7 8,9 11,9 10,9 7,3 5,9 3,7 17,9 19,2 9,8
5,8 6,9 2,6 5,8 21,7 11,8 3,4 2,1 4,5 6,3 10,7
8,9 9,4 9,4 7,6 10,0 3,3 6,7 7,8 11,6 13,8 18,6
Tabla 5.1
Supondremos que los tiempos de sonrisa, en segundos, siguen una distribución uniforme entre cero y 23 segundos,
ambos inclusive. Esto significa que cualquier tiempo de sonrisa desde cero hasta 23 segundos inclusive es igualmente
probable. El histograma que se construyó a partir de la muestra es una distribución empírica que se acerca mucho a la
distribución uniforme teórica.
Observe que en este ejemplo la media teórica y la desviación típica se aproximan a la media muestral y a la desviación
típica.
INTÉNTELO 5.2
Los datos que siguen son el número de pasajeros de 35 barcos de pesca contratados. La media muestral = 7,9 y la
desviación típica de la muestra = 4,33. Los datos siguen una distribución uniforme en la que todos los valores entre el
cero y el 14, ambos incluidos, son igualmente probables. Indique los valores de a y b. Escriba la distribución en la
notación adecuada y calcule la media teórica y la desviación típica.
1 12 4 10 4 14 11
7 11 4 13 2 4 6
3 10 0 12 6 9 10
5 13 4 10 14 12 11
6 10 11 0 11 13 2
Tabla 5.2
EJEMPLO 5.3
a. Consulte el Ejemplo 5.2. ¿Cuál es la probabilidad de que un bebé de ocho semanas elegido al azar sonría entre dos y
18 segundos?
Solución 1
P(2 < x < 18) = (base)(altura) = (18 - 2) = .
Figura 5.11
Solución 2
b. El noventa por ciento de los tiempos de sonrisa están por debajo del percentil 90, k, por lo que P(x < k) = 0,90.
322 5 • Variables aleatorias continuas
Figura 5.12
c. Halle la probabilidad de que un bebé de ocho semanas elegido al azar sonría más de 12 segundos SABIENDO que el
bebé sonríe MÁS DE OCHO SEGUNDOS.
Solución 3
c. Esta pregunta de probabilidad es un condicional. Se le pide que halle la probabilidad de que un bebé de ocho
semanas sonría más de 12 segundos cuando ya sabe que el bebé ha sonreído durante más de ocho segundos.
Halle P(x > 12|x > 8) Hay dos maneras de efectuar el problema. En la primera forma, utilice el hecho de que se trata de
un condicional y esto cambia el espacio muestral. El gráfico ilustra el nuevo espacio muestral. Ya sabe que el bebé
sonrió más de ocho segundos.
Figura 5.13
En la segunda forma, utilice la fórmula condicional de Temas de probabilidad con la distribución original X ~ U (0, 23):
P ( A| B ) =
Figura 5.14 El área sombreada más oscura representa P(x > 12). Toda el área sombreada muestra P(x > 8).
INTÉNTELO 5.3
Una distribución está dada como X ~ U (0, 20). ¿Cuál es la P(2 < X < 18)? Calcule el percentil 90.
EJEMPLO 5.4
La cantidad de tiempo, en minutos, que una persona debe esperar un autobús se distribuye uniformemente entre cero y
15 minutos, ambos inclusive.
b. En promedio, ¿cuánto tiempo debe esperar una persona? Calcule la media, μ, y la desviación típica, σ.
c. ¿A qué valor es inferior el tiempo que debe esperar una persona el noventa por ciento de las veces?
Solución 1
a. Supongamos que X = el número de minutos que una persona debe esperar el autobús. a = 0 y b = 15. X ~ U(0, 15).
Escriba la función de densidad de probabilidad. f (x) = = para 0 ≤ x ≤ 15.
Figura 5.15
324 5 • Variables aleatorias continuas
El percentil 90 es de 13,5 minutos. El noventa por ciento de las veces una persona debe esperar como máximo 13,5
minutos.
Figura 5.16
INTÉNTELO 5.4
La duración total de los partidos de béisbol en las grandes ligas en la temporada 2011 se distribuye uniformemente
entre 447 horas y 521 horas, ambas inclusive.
EJEMPLO 5.5
Supongamos que el tiempo que tarda un niño de nueve años en comerse una rosquilla está entre 0,5 y 4 minutos,
ambos inclusive. Supongamos que X = el tiempo, en minutos, que tarda un niño de nueve años en comerse una
rosquilla. Entonces X ~ U (0,5, 4).
a. La probabilidad de que un niño de nueve años seleccionado al azar se coma una rosquilla en al menos dos minutos es
_______.
Solución 1
a. 0,5714
b. Halle la probabilidad de que otro niño de nueve años se coma una rosquilla en más de dos minutos, dado que el niño
ya ha estado comiéndose la rosquilla durante más de 1,5 minutos.
La segunda pregunta tiene una probabilidad condicional. Se le pide que halle la probabilidad de que un niño de nueve
años se coma una rosquilla en más de dos minutos, dado que el niño ya lleva comiendo la rosquilla más de 1,5 minutos.
Resuelva el problema de dos formas diferentes (vea el Ejemplo 5.3). Debe reducir el espacio de la muestra. Primera
forma: Como sabe que el niño ya ha estado comiéndose la rosquilla durante más de 1,5 minutos, ya no empieza en a =
0,5 minutos. Su punto de partida es 1,5 minutos.
f( x ) = = para 1,5 ≤ x ≤ 4.
Figura 5.17
Solución 2
b.
La probabilidad de que un niño de nueve años se coma una rosquilla en más de dos minutos, dado que el niño ya ha
estado comiendo la rosquilla durante más de 1,5 minutos, es .
Segunda forma: Dibuje el gráfico original para X ~ U (0,5, 4). Utilice la fórmula condicional
INTÉNTELO 5.5
Supongamos que el tiempo que tarda un estudiante en terminar un examen se distribuye uniformemente entre 6 y
15 minutos, ambos inclusive. Supongamos que X = el tiempo, en minutos, que tarda un estudiante en terminar un
examen. Entonces X ~ U (6, 15).
Halle la probabilidad de que un estudiante seleccionado al azar necesite al menos ocho minutos para completar la
prueba. A continuación, halle la probabilidad de que otro estudiante necesite al menos ocho minutos para terminar el
cuestionario, dado que ya se ha tomado más de siete minutos.
326 5 • Variables aleatorias continuas
EJEMPLO 5.6
La compañía Ace Heating and Air Conditioning Service considera que el tiempo que necesita un técnico para arreglar un
horno se distribuye uniformemente entre 1,5 y 4 horas. Supongamos que x = el tiempo necesario para arreglar un
horno. Entonces X ~ U (1,5, 4).
a. Halle la probabilidad de que una reparación de horno seleccionada al azar requiera más de dos horas.
b. Halle la probabilidad de que una reparación de horno seleccionada al azar requiera menos de tres horas.
c. Halle el percentil 30 de los tiempos de reparación de hornos.
d. El 25 % de los tiempos más largos de reparación de hornos ¿cuánto tiempo toma al menos? (En otras palabras: halle
el tiempo mínimo para el 25 % más largo de los tiempos de reparación). ¿Qué percentil representa esto?
e. Halle la desviación media y la típica
Solución 1
a. Para hallar f(x): f (x) = = por lo que f(x) = 0,4
Figura 5.18 Distribución uniforme entre 1,5 y 4 con un área sombreada entre dos y cuatro que representa la
probabilidad de que el tiempo de reparación x sea superior a dos
El gráfico del rectángulo que muestra toda la distribución seguiría siendo el mismo. Sin embargo, el gráfico debe estar
sombreado entre x = 1,5 y x = 3. Observe que la zona sombreada comienza en x = 1,5 y no en x = 0; como X ~ U (1,5, 4), x
no puede ser menor que 1,5.
Figura 5.19 Distribución uniforme entre 1,5 y 4 con un área sombreada entre 1,5 y 3 que representa la probabilidad de
que el tiempo de reparación x sea inferior a tres.
c.
Figura 5.20 Distribución uniforme entre 1,5 y 4 con un área de 0,30 sombreada a la izquierda, que representa el 30 %
más corto de los tiempos de reparación.
P (x < k) = 0,30
P(x < k) = (base)(altura) = (k – 1,5)(0,4)
0,3 = (k – 1,5) (0,4); resuelva para hallar k:
0,75 = k - 1,5, que se obtuvo dividiendo ambos lados entre 0,4
k = 2,25 , que se obtuvo sumando 1,5 a ambos lados
El percentil 30 de los tiempos de reparación es de 2,25 horas. El 30 % de los tiempos de reparación es de 2,25 horas o
menos.
d.
Figura 5.21 Distribución uniforme entre 1,5 y 4 con un área de 0,25 sombreada a la derecha que representa el 25 %
más largo de los tiempos de reparación.
e y
horas y horas
328 5 • Variables aleatorias continuas
INTÉNTELO 5.6
El tiempo que necesita un técnico de servicio para cambiar el aceite de un auto se distribuye uniformemente entre 11
y 21 minutos. Supongamos que X = el tiempo necesario para cambiar el aceite de un auto.
Los valores de una variable aleatoria exponencial se producen de la siguiente manera. Hay menos valores grandes y más
valores pequeños. Por ejemplo, la cantidad de dinero que los clientes gastan en un viaje al supermercado sigue una
distribución exponencial. Hay más gente que gasta pequeñas cantidades de dinero y menos gente que gasta grandes
cantidades de dinero.
Las distribuciones exponenciales se utilizan habitualmente en cálculos de fiabilidad de productos, es decir, el tiempo que
dura un producto.
EJEMPLO 5.7
Sea X = la cantidad de tiempo (en minutos) que un empleado de correos pasa con su cliente. Se sabe que el tiempo tiene
una distribución exponencial con un promedio de cuatro minutos.
X es una variable aleatoria continua ya que el tiempo se mide. Se da que μ = 4 minutos. Para hacer cualquier cálculo,
hay que conocer m, el parámetro de decaimiento.
. Por lo tanto,
La función de densidad de probabilidad es f(x) = me-mx. El número e = 2,71828182846... Es un número que se utiliza a
menudo en matemáticas. Las calculadoras científicas tienen la clave "ex". Si introduce uno para x, la calculadora
mostrará el valor e.
La curva es:
Por ejemplo, f(5) = 0,25e(–0,25)(5) = 0,072. El valor 0,072 es la altura de la curva cuando x = 5. En el Ejemplo 5.8 a
continuación, aprenderá a calcular las probabilidades utilizando el parámetro de decaimiento.
El gráfico es el siguiente:
Figura 5.22
INTÉNTELO 5.7
El tiempo que los cónyuges dedican a la compra de tarjetas de aniversario se puede modelar mediante una
distribución exponencial con un promedio de tiempo igual a ocho minutos. Escriba la distribución, indique la función
de densidad de probabilidad y haga un gráfico de la distribución.
EJEMPLO 5.8
a. Utilizando la información del Ejemplo 5.7, halle la probabilidad de que un empleado pase de cuatro a cinco minutos
con un cliente seleccionado al azar.
Solución 1
a. Calcule P(4 < x < 5).
La función de distribución acumulativa (cumulative distribution function, cdf) da el área a la izquierda.
P(x < x) = 1 – e–mx
P(x < 5) = 1 – e(−0,25)(5) = 0,7135 and P(x < 4) = 1 – e(–0,25)(4) = 0,6321
Figura 5.23
NOTA
La probabilidad de que un empleado de correos pase de cuatro a cinco minutos con un cliente seleccionado al azar es
P(4 < x < 5) = P(x < 5) – P(x < 4) = 0,7135 – 0,6321 = 0,0814.
b. ¿La mitad de los clientes terminan en cuánto tiempo? (Calcule el percentil 50)
Solución 2
b. Calcule el percentil 50.
Figura 5.24
Al resolver k: minutos. La calculadora simplifica el cálculo del percentil k. Vea las dos notas siguientes.
Nota
Solución 3
c. De la parte b, la mediana o percentil 50 es de 2,8 minutos. La media teórica es de cuatro minutos. La media es mayor.
INTÉNTELO 5.8
El número de días de antelación con el que los viajeros compran sus billetes de avión se puede modelar mediante
una distribución exponencial con un tiempo promedio igual a 15 días. Calcule la probabilidad de que un viajero
compre un billete con menos de diez días de antelación. ¿Cuántos días esperan la mitad de los viajeros?
EJERCICIO COLABORATIVO
Haga que cada miembro de la clase cuente el cambio que tiene en su bolsillo o monedero. Su instructor registrará las
cantidades en dólares y centavos. Construya un histograma de los datos tomados por la clase. Utilice cinco intervalos.
Dibuje una curva suave a través de las barras. El gráfico debe tener un aspecto aproximadamente exponencial. A
continuación, calcule la media.
Dibuje el gráfico exponencial adecuado. Deberá etiquetar los ejes X e Y, la tasa de decaimiento y la media. Sombrea el
área que representa la probabilidad de que un estudiante tenga menos de 0,40 dólares en su bolsillo o bolso.
(Sombree P(x < 0,40)).
EJEMPLO 5.9
En promedio, una determinada pieza de computadora dura diez años. El tiempo que dura la parte de la computadora se
distribuye exponencialmente.
Solución 1
a. Supongamos que x = la cantidad de tiempo (en años) que dura una pieza de computadora.
μ = 10 por lo que
Calcule P(x > 7). Dibuje el gráfico.
P(x > 7) = 1 – P(x < 7).
Como P(X < x) = 1 – e–mx entonces P(X > x) = 1 – (1 –e–mx) = e–mx
P(x > 7) = e(–0,1)(7) = 0,4966. La probabilidad de que una pieza de computadora dure más de siete años es de 0,4966.
Figura 5.25
b. En promedio, ¿cuánto tiempo durarían cinco piezas de computadora si se utilizan una tras otra?
Solución 2
b. En promedio, una pieza de computadora dura diez años. Por lo tanto, cinco piezas de computadora, si se utilizan una
tras otra, durarían, en promedio, (5)(10) = 50 años.
c. El ochenta por ciento de las piezas de las computadoras duran como máximo ¿cuánto tiempo?
Solución 3
c. Calcule el percentil 80. Dibuje el gráfico. Supongamos que k = el percentil 80.
Figura 5.26
Al resolver k años
El ochenta de las piezas de las computadoras duran como máximo 16,1 años.
d. ¿Cuál es la probabilidad de que una pieza de computadora dure entre nueve y 11 años?
Solución 4
d. Calcule P(9 < x < 11). Dibuje el gráfico.
Figura 5.27
P(9 < x < 11) = P(x < 11) – P(x < 9) = (1 – e(–0,1)(11)) – (1 – e(–0,1)(9)) = 0,6671 – 0,5934 = 0,0737. La probabilidad de que una
pieza de computadora dure entre nueve y 11 años es de 0,0737.
INTÉNTELO 5.9
En promedio, un par de zapatillas para correr puede durar 18 meses si se usan a diario. La duración de las zapatillas
de correr se distribuye exponencialmente. ¿Cuál es la probabilidad de que un par de zapatillas para correr dure más
de 15 meses? En promedio, ¿cuánto durarían seis pares de zapatillas para correr si se usan una tras otra? ¿Cuánto
tiempo duran como máximo el ochenta por ciento de las zapatillas de correr si se usan todos los días?
EJEMPLO 5.10
Supongamos que la duración de una llamada telefónica, en minutos, es una variable aleatoria exponencial con
parámetro de decaimiento . Si otra persona llega a un teléfono público justo antes que usted, calcule la probabilidad
de que tenga que esperar más de cinco minutos. Supongamos que X = la duración de una llamada telefónica en
minutos.
¿Qué son m, μ y σ? La probabilidad de que deba esperar más de cinco minutos es _______.
Solución 1
• m=
• μ = 12
• σ = 12
INTÉNTELO 5.10
Supongamos que la distancia, en millas, que la gente está dispuesta a recorrer para ir al trabajo es una variable
aleatoria exponencial con un parámetro de decaimiento . Supongamos que X = la distancia que la gente está
334 5 • Variables aleatorias continuas
dispuesta a recorrer en millas. ¿Qué son m, μ y σ? ¿Cuál es la probabilidad de que una persona esté dispuesta a
recorrer más de 25 millas?
EJEMPLO 5.11
El tiempo de espera entre eventos se suele modelar mediante la distribución exponencial. Por ejemplo, supongamos
que a una tienda llegan un promedio de 30 clientes por hora y que el tiempo entre las llegadas se distribuye
exponencialmente.
Solución 1
a. Dado que esperamos que lleguen 30 clientes por hora (60 minutos), esperamos que llegue un cliente cada dos
minutos en promedio.
b. Dado que un cliente llega cada dos minutos, en promedio, tardarán seis minutos en promedio en llegar tres
clientes.
c. Supongamos que X = el tiempo entre llegadas en minutos. Por la parte a, μ = 2, por lo que m = = 0,5.
Por lo tanto, X ∼ Exp(0,5).
La función de distribución acumulativa es P(X < x) = 1 – e(-0,5)(x).
Por lo tanto, P(X < 1) = 1 - e(-0,5)(1) ≈ 0,3935.
1 - e^(–0,5) ≈ 0,3935
Figura 5.28
Figura 5.29
k= minutos
Figura 5.30
f. Este modelo asume que un solo cliente llega a la vez, lo que puede ser irrazonable, ya que la gente puede comprar
en grupos, lo que hace que varios clientes lleguen al mismo tiempo. También supone que el flujo de clientes no
cambia a lo largo del día, lo que no es válido si algunas horas del día están más ocupadas que otras.
INTÉNTELO 5.11
Supongamos que en un determinado tramo de autopista los autos pasan a una tasa promedio de cinco autos por
minuto. Supongamos que la duración del tiempo entre autos sucesivos sigue la distribución exponencial.
b. Después de que pase un auto, ¿cuánto tiempo, en promedio, tardarán en pasar otros siete autos?
c. Calcule la probabilidad de que después de que pase un auto, el siguiente pase en los siguientes 20 segundos.
d. Calcule la probabilidad de que después de que pase un auto, el siguiente no pase durante al menos otros 15
segundos.
Por ejemplo, si han transcurrido cinco minutos desde la llegada del último cliente, la probabilidad de que transcurra más
de un minuto antes de que llegue el siguiente cliente se calcula utilizando r = 5 y t = 1 en la ecuación anterior.
Es la misma probabilidad que la de esperar más de un minuto a que llegue un cliente después de la llegada anterior.
La distribución exponencial se utiliza a menudo para modelar la longevidad de un dispositivo eléctrico o mecánico. En el
Ejemplo 5.9, la vida útil de una determinada pieza de una computadora tiene la distribución exponencial con una media
de diez años (X ~ Exp(0,1)). La propiedad de falta de memoria dice que el conocimiento de lo que ha ocurrido en el
pasado no tiene ningún efecto sobre probabilidades futuras. En este caso, significa que una pieza usada no tiene más
probabilidades de estropearse en un momento determinado que una pieza nueva. En otras palabras, la pieza se
mantiene como nueva hasta que se rompe de repente. Por ejemplo, si la pieza ya ha durado diez años, la probabilidad
de que dure otros siete es P(X > 17|X > 10) = P(X > 7) = 0,4966.
EJEMPLO 5.12
Consulte el Ejemplo 5.7 donde el tiempo que un empleado de correos pasa con su cliente tiene una distribución
exponencial con una media de cuatro minutos. Supongamos que un cliente ha pasado cuatro minutos con un empleado
de la oficina postal. ¿Cuál es la probabilidad de que pase, al menos, tres minutos más con el empleado de la oficina
postal?
Queremos despejar P(X > 7|X > 4). La propiedad de falta de memoria dice que P(X > 7|X > 4) = P (X > 3), así que solo
tenemos que hallar la probabilidad de que un cliente pase más de tres minutos con un empleado de la oficina postal.
Figura 5.31
1-(1-e^(-0,25*3)) = e^(-0,25*3).
INTÉNTELO 5.12
Supongamos que la longevidad de una bombilla es exponencial con una vida media de ocho años. Si una bombilla ya
ha durado 12 años, calcule la probabilidad de que dure un total de más de 19 años.
Supongamos que X tiene la distribución de Poisson con media λ. Calcule P(X = k) introduciendo 2nd, VARS(DISTR), C:
poissonpdf(λ, k). Para calcular P(X ≤ k), ingrese 2nd, VARS (DISTR), D:poissoncdf(λ, k).
EJEMPLO 5.13
En una comisaría de Policía de una gran ciudad las llamadas llegan a una tasa promedio de cuatro llamadas por minuto.
Supongamos que el tiempo que transcurre entre una llamada y la siguiente tiene la distribución exponencial. Hay que
tener en cuenta que solo nos preocupa el ritmo de entrada de las llamadas, y que ignoramos el tiempo que se pasa al
teléfono. También debemos suponer que los tiempos transcurridos entre las llamadas son independientes. Esto significa
que un retraso particularmente largo entre dos llamadas no significa que habrá un periodo de espera más corto para la
siguiente llamada. Podemos deducir entonces que el número total de llamadas recibidas durante un periodo tiene la
338 5 • Variables aleatorias continuas
distribución de Poisson.
Solución 1
a. En promedio se producen cuatro llamadas por minuto, es decir, 15 segundos, o = 0,25 minutos transcurren en
promedio entre las sucesivas llamadas.
b. Supongamos que T = tiempo transcurrido entre llamadas. De la parte a, μ = 0,25, por lo que m = = 4. Por lo
tanto, T ∼ Exp(4).
La función de distribución acumulativa es P(T < t) = 1 – e–4t.
La probabilidad de que la siguiente llamada se produzca en menos de diez segundos (diez segundos = 1/6 de
minuto) es
Figura 5.32
c. Supongamos que X = el número de llamadas por minuto. Como ya se ha dicho, el número de llamadas por minuto
tiene una distribución de Poisson, con una media de cuatro llamadas por minuto.
Por lo tanto, X ∼ Poisson(4), y así P(X = 5) = ≈ 0,1563. (5! = (5)(4)(3)(2)(1))
poissonpdf(4, 5) = 0,1563.
d. Tenga en cuenta que X debe ser un número entero, por lo que P(X < 5) = P(X ≤ 4).
Para calcular esto, podríamos tomar P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4).
Utilizando la tecnología, vemos que P(X ≤ 4) = 0,6288.
poisssoncdf(4, 4) = 0,6288
Como hay un promedio de cuatro llamadas por minuto, hay un promedio de (8)(4) = 32 llamadas durante cada
periodo de ocho minutos.
Por lo tanto, Y ∼ Poisson(32). Por tanto, P(Y > 40) = 1 – P (Y ≤ 40) = 1 – 0,9294 = 0,0707.
INTÉNTELO 5.13
En una ciudad pequeña, el número de accidentes de tráfico se produce con una distribución de Poisson a un
promedio de tres por semana.
a. Calcule la probabilidad de que se produzcan como máximo 2 accidentes en una semana determinada.
b. ¿Cuál es la probabilidad de que haya al menos dos semanas entre dos accidentes?
Laboratorio de estadística
Distribución continua
Hora de la clase:
Nombres:
Recopilación de datos
Utilice un generador de números aleatorios para generar 50 valores entre cero y uno (incluidos). Indíquelos en la Tabla
5.3. Redondee los números a cuatro decimales o ajuste el MODO de la calculadora a cuatro posiciones.
1. Rellene la tabla.
Tabla 5.3
340 5 • Variables aleatorias continuas
Tabla 5.3
2. Calcule lo siguiente:
a. _______
b. s = _______
c. primer cuartil = _______
d. tercer cuartil = _______
e. mediana = _______
Figura 5.33
Figura 5.34
Distribución teórica
1. En palabras, X = _____________________________________.
2. La distribución teórica de X es X ~ U(0,1).
3. En teoría, basándose en la distribución X ~ U(0,1), complete lo siguiente.
a. μ = ______
b. σ = ______
c. primer cuartil = ______
d. tercer cuartil = ______
e. mediana = __________
4. ¿Se acercan los valores empíricos (los datos) de la sección titulada Recopilación de datos a los valores teóricos
correspondientes? ¿Por qué sí o por qué no?
2. Basándose en sus comentarios en la sección titulada Recopilación de datos, ¿cómo se ajusta o no el diagrama de
caja a lo que esperaría de la distribución en la sección titulada Distribución teórica?
Pregunta de debate
1. Supongamos que el número de valores generados es de 500 y no de 50. ¿Cómo afectaría eso a los datos empíricos y
a la forma de su gráfico?
342 5 • Términos clave
Términos clave
Distribución de Poisson Si se conoce un promedio de eventos λ que ocurren por unidad de tiempo, y estos eventos
son independientes entre sí, entonces el número de eventos X que ocurren en una unidad de tiempo tiene la
distribución de Poisson. La probabilidad de que se produzcan k eventos en una unidad de tiempo es igual a
.
Distribución exponencial variable aleatoria continua (RV) que aparece cuando nos interesamos por los intervalos de
tiempo entre algunos eventos aleatorios, por ejemplo, la duración del tiempo entre las llegadas de emergencia a un
hospital; la notación es X ~ Exp(m). La media es μ = y la desviación típica es σ = . La función de densidad de
probabilidad es f(x) = me−mx, x ≥ 0 y la función de distribución acumulativa es P(X ≤ x) = 1 - e−mx
Distribución uniforme una variable aleatoria continua (RV) que tiene resultados igualmente probables sobre el
Figura 5.35
La función de distribución acumulativa (cdf) de X se define por P (X ≤ x). Es una función de x que da la probabilidad de
que la variable aleatoria sea menor o igual que x.
Figura 5.36
La probabilidad de P(c < X < d) se puede hallar calculando el área bajo f(x), entre c y d. Dado que el área correspondiente
es un rectángulo, el área se puede hallar simplemente multiplicando el ancho y la altura.
La distribución exponencial tiene la propiedad de falta de memoria, que indica que las probabilidades futuras no
dependen de ninguna información pasada. Matemáticamente, dice que P(X > x + k|X > x) = P(X > k).
Si T representa el tiempo de espera entre eventos, y si T ∼ Exp(λ), entonces el número de eventos X por unidad de
tiempo sigue la distribución de Poisson con media λ. La función de densidad de probabilidad de X es .
Se puede calcular con las calculadoras TI-83, 83+, 84 u 84+ con el comando poissonpdf(λ, k). La función de distribución
acumulativa P(X ≤ k) puede calcularse con las calculadoras TI-83, 83+,84 u 84+ con el comando poissoncdf(λ, k).
Repaso de fórmulas
5.1 Funciones de probabilidad continuas • pdf: para a ≤ x ≤ b
• cdf: P(X ≤ x) =
Función de densidad de probabilidad (pdf) f(x):
• media µ =
• f( x ) ≥ 0
• El área total debajo de la curva f(x) es uno. • desviación típica σ
Área a la izquierda de x: P(X < x) = (x – a) • Propiedad de falta de memoria: P(X > x + k|X > x) = P
( X > k)
Área a la derecha de x: P(X > x) = (b – x)
• Probabilidad de Poisson: con
Área entre c y d: P(c < x < d) = (base)(altura) = (d – media λ
c) • k! = k*(k-1)*(k-2)*(k-3)*…3*2*1
Práctica
5.1 Funciones de probabilidad continuas
1. ¿Qué tipo de distribución ilustra el gráfico?
Figura 5.37
Figura 5.38
Figura 5.39
Figura 5.40
Figura 5.41
6. Para una distribución de probabilidad continua, 0 ≤ x ≤ 15. ¿Qué es P(x > 15)?
7. ¿Cuál es el área debajo de f(x) si la función es una función de densidad de probabilidad continua?
9. Una función de probabilidad continua se restringe a la parte comprendida entre x = 0 y 7. ¿Qué es P(x = 10)?
10. f(x) para una función de probabilidad continua es , y la función se restringe a 0 ≤ x ≤ 5. ¿Qué es P(x < 0)?
11. f(x), una función de probabilidad continua, es igual a , y la función se restringe a 0 ≤ x ≤ 12. ¿Qué es P (0 < x <
12)?
346 5 • Práctica
Figura 5.42
Figura 5.43
Figura 5.44
15. f(x), una función de probabilidad continua, es igual a y la función se restringe a 1 ≤ x ≤ 4. Describa
Tabla 5.4
Tabla 5.4
17. En esta distribución, los resultados son igualmente probables. ¿Qué significa esto?
25. Calcule la probabilidad de que una casa seleccionada al azar tenga más de 3.000 pies cuadrados dado que ya se
sabe que la casa tiene más de 2.000 pies cuadrados.
Use la siguiente información para responder los próximos ocho ejercicios. Una distribución está dada como X ~ U(0, 12).
Use la siguiente información para responder los próximos once ejercicios. La edad de los automóviles en el
estacionamiento del personal de un instituto universitario suburbano se distribuye uniformemente desde los seis meses
(0,5 años) hasta los 9,5 años.
Figura 5.45
42. Calcule la probabilidad de que un automóvil elegido al azar en el estacionamiento tenga menos de cuatro años.
Figura 5.46
43. Considerando solo los automóviles de menos de 7,5 años, calcule la probabilidad de que un automóvil elegido al
azar en el estacionamiento tenga menos de cuatro años.
Figura 5.47
44. ¿Qué ha cambiado en los dos problemas anteriores para que las soluciones sean diferentes?
350 5 • Práctica
45. Calcule el tercer cuartil de edades de los automóviles en el estacionamiento. Esto significa que tendrá que hallar
el valor tal que , o el 75 %, de los automóviles tienen como máximo (menos o igual) esa edad.
Figura 5.48
47. ¿Los resultados son igualmente probables en esta distribución? ¿Por qué sí o por qué no?
Use la siguiente información para responder los próximos siete ejercicios. Una distribución está dada como X ~
Exp(0,75).
56. ¿Qué es m?
Use la siguiente información para responder los próximos 16 ejercicios. El carbono-14 es un elemento radiactivo con una
semivida de unos 5.730 años. Se dice que el carbono-14 se descompone exponencialmente. La tasa de descomposición
es de 0,000121. Empezamos con un gramo de carbono-14. Nos interesa el tiempo (años) que tarda en descomponerse el
carbono-14.
69. Calcule la cantidad (porcentaje de un gramo) de carbono-14 que dura menos de 5.730 años. Es decir, calcule P(x
< 5.730).
Figura 5.49
Figura 5.50
71. ¿En cuántos años se descompone el treinta por ciento (30 %) del carbono-14?
Figura 5.51
72. Considere el siguiente experimento. Usted es una de las 100 personas reclutadas para participar en un estudio
para determinar el porcentaje de enfermeros en Estados Unidos con un título de enfermero registrado
(registered nurse, RN). Les pregunta a los enfermeros si tienen un título de RN. Los enfermeros responden “sí”
o “no”. Luego, calcula el porcentaje de enfermeros con un título de RN. Le da ese porcentaje a su supervisor.
73. Cuando se redondea la edad al año más cercano, ¿los datos siguen siendo continuos o se convierten en
discretos? ¿Por qué?
74. Los nacimientos se distribuyen de forma aproximadamente uniforme a lo largo del año. Se puede decir que
siguen una distribución uniforme de 0 a 2 (extensión de 52 semanas).
a. X ~ _________
b. Grafique la distribución de probabilidad.
c. f(x) = _________
d. μ = _________
e. σ = _________
f. Calcule la probabilidad de que una persona nazca en el momento exacto en que termina la semana 19. Es
decir, calcule P(x = 19) = _________
g. P(2 < x < 31) = _________
h. Calcule la probabilidad de que una persona nazca después de la semana 40.
i. P(12 < x|x < 28) = _________
j. Calcule el percentil 70.
k. Halle el mínimo para el cuarto superior.
75. Un generador de números aleatorios elige un número del uno al nueve de manera uniforme.
a. X ~ _________
b. Grafique la distribución de probabilidad.
c. f(x) = _________
d. μ = _________
e. σ = _________
f. P(3,5 < x < 7,25) = _________
g. P(x > 5,67)
h. P(x > 5|x > 3) = _________
i. Calcule el percentil 90.
76. Según un estudio realizado por el Dr. John McDougall sobre su programa en vivo de pérdida de peso, las
personas que siguen su programa pierden entre seis y 15 libras al mes hasta acercarse al peso corporal ideal.
Supongamos que la pérdida de peso se distribuye uniformemente. Nos interesa la pérdida de peso de una
persona seleccionada al azar que sigue el programa durante un mes.
77. Un tren del metro llega cada ocho minutos en la hora pico. Nos interesa el tiempo que debe esperar un viajero
para que llegue el tren. El tiempo sigue una distribución uniforme.
78. La edad de los estudiantes de primer grado el 1.º de septiembre en la escuela primaria Garden se distribuye
uniformemente de 5,8 a 6,8 años. Seleccionamos al azar un estudiante de primer grado de la clase.
Use la siguiente información para responder los próximos tres ejercicios. Se supone que el Sky Train llega cada ocho
minutos desde la terminal hasta el centro de alquiler de automóviles y el estacionamiento de larga duración. Se sabe
que los tiempos de espera del tren siguen una distribución uniforme.
a. cero
b. dos
c. tres
d. cuatro
a. dos
b. 2,4
c. 2,75
d. tres
81. ¿Cuál es la probabilidad de esperar más de siete minutos dado que una persona ha esperado más de cuatro
minutos?
a. 0,125
b. 0,25
c. 0,5
d. 0,75
82. El tiempo (en minutos) que transcurre hasta que el siguiente autobús sale de una estación de autobuses
importante sigue una distribución con f(x) = donde x va de 25 a 45 minutos.
83. Suponga que el valor de una acción varía cada día de 16 a 25 dólares con una distribución uniforme.
84. Un espectáculo de fuegos artificiales está diseñado para que el tiempo entre los fuegos artificiales esté entre uno
y cinco segundos, y sigue una distribución uniforme.
85. El número de millas recorridas por un camionero oscila entre 300 y 700, y sigue una distribución uniforme.
87. Supongamos que la vida útil de una determinada batería de automóvil, medida en meses, decae con el
parámetro 0,025. Nos interesa la duración de la batería.
88. El porcentaje de personas (de cinco años en adelante) en cada estado que hablan un idioma en casa distinto del
inglés se distribuye de forma aproximadamente exponencial con una media de 9,848. Supongamos que elegimos
un estado al azar.
89. El tiempo (en años) que tarda una persona en jubilarse después de cumplir los 60 años se distribuye
aproximadamente de forma exponencial con una media de unos cinco años. Supongamos que elegimos al azar
una persona jubilada. Nos interesa el tiempo que transcurre desde los 60 años hasta la jubilación.
90. El costo de todo el mantenimiento de un automóvil durante su primer año se distribuye aproximadamente de
forma exponencial con una media de 150 dólares.
Use la siguiente información para responder los próximos tres ejercicios. La vida promedio de un determinado teléfono
móvil nuevo es de tres años. El fabricante sustituirá cualquier teléfono móvil que falle durante los dos años siguientes a
la fecha de compra. Se sabe que la vida útil de estos teléfonos móviles sigue una distribución exponencial.
a. 0,3333
b. 0,5000
c. 2
d. 3
92. ¿Cuál es la probabilidad de que un teléfono falle durante los dos años siguientes a la fecha de compra?
a. 0,8647
b. 0,4866
c. 0,2212
d. 0,9997
a. 0,1941
b. 1,3863
c. 2,0794
d. 5,5452
95. Supongamos que la longevidad de una bombilla es exponencial con una vida media de ocho años.
96. Las llamadas al 911 entran a una tasa promedio de una llamada cada dos minutos. Supongamos que el tiempo
que transcurre entre una llamada y la siguiente tiene la distribución exponencial.
97. En el béisbol de las grandes ligas, un partido sin batazos imparables es aquel en el que un lanzador, o varios
lanzadores, no reciben ningún batazo imparable en todo el partido. Los “sin batazos imparables” se producen a
un ritmo de unos tres por temporada. Supongamos que la duración del tiempo entre los sin batazos imparables
es exponencial.
a. ¿Cuál es la probabilidad de que toda una temporada transcurra con un solo sin batazos imparables?
b. Si transcurre una temporada entera sin batazos imparables, ¿cuál es la probabilidad de que no haya ningún
sin batazos imparables en la temporada siguiente?
c. ¿Cuál es la probabilidad de que haya más de 3 sin batazos imparables en una misma temporada?
98. Entre 1998 y 2012 se han producido un total de 29 terremotos de magnitud superior a 6,5 en Papúa Nueva
Guinea. Supongamos que el tiempo que transcurre entre terremotos es exponencial.
a. ¿Cuál es la probabilidad de que el próximo terremoto se produzca en los tres meses siguientes?
b. Dado que han pasado seis meses sin que se produzca un terremoto en Papúa Nueva Guinea, ¿cuál es la
probabilidad de que durante los próximos tres meses no se produzcan terremotos?
c. ¿Cuál es la probabilidad de que se produzcan cero terremotos en 2014?
d. ¿Cuál es la probabilidad de que se produzcan, al menos, dos terremotos en 2014?
99. Según la Cruz Roja Americana, una de cada nueve personas en EE. UU., aproximadamente, tiene sangre de tipo
B. Supongamos que los tipos de sangre de las personas que llegan a una campaña de donación son
independientes. En este caso, el número de tipos de sangre de tipo B que llegan sigue más o menos la
distribución de Poisson.
a. Si llegan 100 personas, ¿cuántas en promedio se espera que tengan sangre de tipo B?
b. ¿Cuál es la probabilidad de que más de 10 personas de estas 100 tengan sangre de tipo B?
c. ¿Cuál es la probabilidad de que lleguen más de 20 personas antes de encontrar una persona con sangre de
tipo B?
100. Un sitio web experimenta un tráfico durante las horas normales de trabajo a un ritmo de 12 visitas por hora.
Supongamos que la duración entre visitas tiene la distribución exponencial.
a. Calcule la probabilidad de que la duración entre dos visitas sucesivas al sitio web sea superior a diez
minutos.
b. ¿De cuánto tiempo como mínimo son el 25 % de las duraciones más altas entre visitas?
c. Supongamos que han pasado 20 minutos desde la última visita al sitio web. ¿Cuál es la probabilidad de que
la próxima visita se produzca durante los 5 minutos siguientes?
d. Calcule la probabilidad de que se produzcan menos de 7 visitas en un periodo de una hora.
101. En un centro de atención de urgencias los pacientes llegan a una tasa promedio de un paciente cada siete
minutos. Supongamos que la duración entre llegadas se distribuye exponencialmente.
a. Calcule la probabilidad de que el tiempo entre dos visitas sucesivas al centro de atención de urgencias sea
inferior a 2 minutos.
b. Calcule la probabilidad de que el tiempo entre dos visitas sucesivas al centro de atención de urgencias sea
superior a 15 minutos.
c. Si han pasado 10 minutos desde la última llegada, ¿cuál es la probabilidad de que la siguiente persona llegue
durante los próximos cinco minutos?
d. Calcule la probabilidad de que lleguen más de ocho pacientes durante un periodo de media hora.
Referencias
5.2 La distribución uniforme
McDougall, John A. The McDougall Program for Maximum Weight Loss. Plume, 1995.
5.3 La distribución exponencial
Datos de la Oficina del Censo de Estados Unidos.
Soluciones
1. Distribución uniforme
3. Distribución normal
7. uno
9. cero
11. uno
13. 0,625
15. La probabilidad es igual al área desde x = hasta x = 4 por encima del eje x y hasta f(x) = .
17. Significa que el valor de x tiene la misma probabilidad de ser cualquier número entre 1,5 y 4,5.
21. 0,3333
23. cero
25. 0,6
29. seis
360 5 • Soluciones
31.
Figura 5.52
33. 4,8
41. μ = 5
47. No, los resultados no son igualmente probables. En esta distribución más personas requieren poco tiempo y
menos personas requieren mucho tiempo, por lo que es más probable que alguien requiera menos tiempo.
49. cinco
53. 0,5350
55. 6,02
59.
Figura 5.53
61. 0,4756
65. continuos
67. m = 0,000121
75. a. X ~ U(1, 9)
b. Compruebe la solución del estudiante.
c. donde
d. cinco
e. 2,3
f.
g.
h.
i. 8,2
77. a. La X representa el tiempo que un viajero debe esperar a que llegue un tren en la línea roja.
b. X ~ U(0, 8)
c. Grafique la distribución de probabilidad.
d. donde
e. cuatro
f. 2,31
g.
h.
i. 3,2
362 5 • Soluciones
79. d
81. b
Figura 5.54
Figura 5.55
c. Esta debe ser 0,25, y 0,25 = (ancho) , por lo que la anchura = (0,25)(9) = 2,25. Así, el valor es 25 - 2,25 = 22,75.
d. Esta es una pregunta de probabilidad condicional. P(x > 21| X > 18). Puede responderla de dos maneras:
◦ Dibuje el gráfico donde a es ahora 18 y b sigue siendo 25. La altura es =
Entonces, P(x > 21|x > 18) = (25 - 21) = 4/7.
◦ Utilice la fórmula: P(x > 21|x > 18) =
= = = .
89. a. X = el tiempo (en años) que tarda una persona en jubilarse después de cumplir 60 años
b. X es continua.
c. X ~ Exp
d. cinco
e. cinco
f. Compruebe la solución del estudiante.
g. 0,1353
h. antes
i. 18,3
91. a
93. c
Figura 5.56
Figura 5.57
97. Supongamos que X = el número de sin batazos imparables a lo largo de una temporada. Como la duración del
tiempo entre los sin batazos imparables es exponencial, el número de sin batazos imparables por temporada es
Poisson con media de λ = 3.
Por lo tanto, (X = 0) = = e–3 ≈ 0,0498
NOTA
Podría dejar que T = duración del tiempo entre los sin batazos imparables. Como el tiempo es exponencial y hay
3 sin batazos imparables por temporada, entonces el tiempo entre sin batazos imparables es por temporada.
Para la exponencial, µ = .
Por lo tanto, m = = 3 y T ∼ Exp(3).
99. a. = 11,11
b. P(X > 10) = 1 – P(X ≤ 10) = 1 – Poissoncdf(11,11; 10) ≈ 0,5532.
c. El número de personas con sangre de tipo B encontradas sigue más o menos la distribución de Poisson, por lo
que el número de personas X que llegan entre las sucesivas llegadas de tipo B es aproximadamente
exponencial con media μ = 9 y m = . La función de distribución acumulativa de X es . Así
Nota
También podríamos deducir que cada persona que llega tiene una probabilidad de 8/9 de no tener sangre de
tipo B. Así que la probabilidad de que ninguna de las primeras 20 personas que lleguen tenga sangre tipo B es
. (la distribución geométrica es más apropiada que la exponencial porque el número de
personas entre el tipo B es discreto en vez de continuo).
101. Supongamos que T = la duración (en minutos) entre visitas sucesivas. Dado que los pacientes llegan a un ritmo
de un paciente cada siete minutos, μ = 7 y la constante de decaimiento es m = . La cdf es P(T < t) =
d. Supongamos que X = número de pacientes que llegan durante un periodo de media hora. Entonces X tiene la
distribución de Poisson con una media de , X ∼ Poisson . Calcule P(X > 8) = 1 – P(X ≤ 8) ≈ 0,0311.