SESIÓN 4B: VARIABLE ALEATORIA

CONTINUA

MODULO DE ESTADÍSTICA
MAESTRÍA EN CIENCIAS ECONÓMICAS
DOCENTE: ROBERT ROMERO
TEMAS
• Concepto
• Distribución uniforme continua
• Distribución Normal
• Distribución Exponencial
CONCEPTO
 Una variable aleatoria continua puede asumir cualquier
valor en un intervalo de la recta real o en una colección
de intervalos.
 No es posible hablar de la probabilidad de ocurrencia de
un valor específico en un intervalo.
 Entonces, se debe hablar de la probabilidad que un valor
de la variable, se encuentre en un intervalo dado.
CONCEPTO
 La probabilidad de que una variable aleatoria, se
encuentre en un intervalo dado de x1 a x2, se define como
el área bajo la curva de la función de densidad de
probabilidad en ese intervalo x1 a x2.

Uniforme
f (x)
Normal
f (x)

x
x1 x2
x
x1 x2
DISTRIBUCION UNIFORME
• Una variable aleatoria es uniformemente distribuida en
las ocasiones en que la probabilidad observada es
proporcional en todo el intervalo.
n La función de densidad de probabilidad uniforme es:

f (x) = 1/(b – a) para a < x < b

=0 en otro caso

donde:
a : El mínimo valor del intervalo que puede asumir
la variable aleatoria.
b : El máximo valor del intervalo que puede asumir
la variable aleatoria.
DISTRIBUCION UNIFORME
• Valor Esperado:

E(x) = (a + b)/2
• Varianza:

Var(x) = (b - a)2/12

• Desviación Estandar:
DISTRIBUCION UNIFORME
• Ejemplo:

La lluvia es un fenómeno que a pesar de no ser controlable, es necesario su

estudio dada la afectación que tiene en zonas con alta presencia de vías
terciarias. Según el volúmen de precipitaciones lluvias en Mocoa (Putumayo)
durante los últimos 10 años, se estima que en el año 2022 se tengan
precipitaciones entre 400 y 500 litros. Teniendo en cuenta que el IDEAM usa la
siguiente distribución de densidad de probabilidad para sus calculos:

f(x) = 1/100 para 400 < x < 500

=0 en otro caso
¿Cuál es la probabilidad que se tengan entre 480 y 500 litros en total de
precipitaciones en 2022 en la ciudad de Mocoa?
DISTRIBUCION UNIFORME
n Ejemplo:

f(x)

1/100

x
0 400 500
Cantidad agua lluvia (litros)
DISTRIBUCION UNIFORME
n Ejemplo:

f(x)

P(480 < x < 500) = 1/100(20) = .2

1/100

x
0 400 480 500
Cantidad agua lluvia (litros)
DISTRIBUCION UNIFORME
• Ejemplo:
• Valor Esperado:

E(x) = (a + b)/2
= (500 + 400)/2
= 450

• Varianza:

Var(x) = (b - a)2/12
= (500– 400)2/12
= 833.33
DISTRIBUCION NORMAL
La más usada y extendida función de densidad de probabilidad
para describir variables continuas. Sus aplicaciones más
comunes tienen que ver con la medicina, evaluación de
estudiantes, cantidad de lluvia, entre otras.
DISTRIBUCION NORMAL
• Características:
La distribución es simétrica si su coeficiente de asimetria es cero.

x
DISTRIBUCION NORMAL
• Características:
Toda distribución perteneciente a la familia de la distribución
normal, está definida por una media µ y una desviación estandar
σ.

Desviación Estandar s

x
Media m
DISTRIBUCION NORMAL
• Características:
El punto que maximiza la función de densidad de probabilidad
normal, es la media, el cual a su vez corresponde a la moda y la
mediana.

µ
x
DISTRIBUCION NORMAL
• Características:
La desviación estandar afecta el ancho y alto de la curva.

s = 15

s = 25

x
DISTRIBUCION NORMAL
• Características:
Las probabilidades se calculan con el área bajo la curva de la
función. El total del área bajo la curva es 1 (0.5 a la derecha de la
media y 0.5 a la izquierda dela media.)

.5 .5
x
DISTRIBUCION NORMAL
• Características:
Regla empírica:
DISTRIBUCION NORMAL
• Características:
Una variable aleatoría distribuida normalmente, con media 0 y
desviación estandar 1, es llamada Distribución Normal Estandar
(z).
DISTRIBUCION NORMAL
• Ejemplo:
Serviteca La 54, vende autopartes y suministros, incluido un popular
aceite para motores multigrado. Cuando el stock de este aceite
desciende a 20 galones, se realiza una orden de reabastecimiento. Al
gerente de la tienda le preocupa que las ventas se pierdan debido a
desabastecimientos mientras espera una orden de reabastecimiento.
Se ha determinado que la demanda durante el tiempo de
reabastecimiento se distribuye normalmente con una media de 15
galones y una desviación estándar de 6 galones.
¿Cuál es la probabilidad de un desabasto durante el tiempo de
reaprovisionamiento?. En otras palabras, ¿cuál es la probabilidad de
que la demanda durante el tiempo de entrega supere los 20 galones?

P(x > 20) = ?

DISTRIBUCION NORMAL
• Ejemplo:
1. Paso 1: Convertir x a una distribución normal estandar

z = (x - 𝑥)/𝜎
= (20 - 15)/6
= .83
2. Paso 2: Calcular el área bajo la curva de la normal acumulada a la
izquierda.
DISTRIBUCION NORMAL
• Ejemplo:
1. Paso 3: Calcular el área bajo la curva de la normal acumulada a la
derecha.

P(z > .83) = 1 – P(z < .83)

= 1- .7967
= .2033

Probabilidad P(x > 20)

de superar
el stock
DISTRIBUCION NORMAL
• Ejemplo:

Área = 1 - .7967
Área = .7967
= .2033

z
0 .83
DISTRIBUCION NORMAL
• Ejemplo:
Si el Administrador de la serviteca, desea que la probabilidad de
superar el stock, no sea mayor a 0.05. ¿En qué momento debería
realizar la orden de re-abastecimiento?
DISTRIBUCION NORMAL
• Ejemplo:
1. Paso 1: Encontrar el valor z de la distribución que acumule a la
derecha un área de 0.05
DISTRIBUCION NORMAL
■ Ejemplo:
1. Paso 2: Convertir z.05 a su correspondiente valor de x.

x = 𝑥 + z.05𝜎
 = 15 + 1.645(6)
= 24.87 o 25

Para asegurar que la probabilidad de que las ventas no superen el

stock de 20 galones, sea menor de 0.05, se debería realizar la orden
de re-abastecimiento faltando 25 galones para vender.
DISTRIBUCION NORMAL
■ Ejemplo:
Bajó de P = 0.20 a P = 0.05

Probabilidad de NO
Probabilidad de
superar el stcok
superar el stock
durante el tiempo de
duramte la época de
reabastecimiento
reabastecimiento
= .95 = .05

x
15 24.87
EJERCICIO

La gráfica muestra el promedio mensual de

vehículos que cruzan el peaje Pipiral en el
año 2021. El histograma parece sugerir que
{X = número de cruces al mes luce como una
distribución Normal con 𝜇 = 35488 y 𝜎 =
2566. ¿Con qué probabilidad, pasaran el
próximo mes por dicho peaje más de 42000
vehículos?

Simule las cantidades de vehículos que se

espera que pasen por el peaje el próximo
año y grafique.
DISTRIBUCION EXPONENCIAL
Generalmente se usa para describir el tiempo que toma llevar a cabo
alguna tarea:
• Tiempo entre llegadas del bus a la plataforma
• Tiempo transcurrido entre fallas en un componente.
• Distancia entre dos varadas en carretera

• 𝜃 = Representa el tiempo promedio de ocurrencia entre dos

eventos de poisson, o en el contexto de confiabilidad, tiempo
entre fallas.

•
1
= Frecuencia de fallas
𝜃
DISTRIBUCION EXPONENCIAL
■ Distribución de probabilidad acumulada:

■ Propiedades:
1. E(x) = Ɵ
2. V(x) = Ɵ2
DISTRIBUCION EXPONENCIAL
■ Ejemplo:

El tiempo entre la llegada de los automóviles a la estación de servicio

Terpel de la 7ma con 41, sigue una distribución de probabilidad
exponencial con un tiempo medio entre llegadas de 3 minutos. El dueño
de la estación quisiera conocer la probabilidad de que el tiempo entre
dos llegadas sucesivas sea de 2 minutos o menos.
DISTRIBUCION EXPONENCIAL
■ Ejemplo:

f(x)

.4 P(x < 2) = 1 - 2.71828-2/3 = 1 - .5134 = .4866

.3
.2
.1
x
0 1 2 3 4 5 6 7 8 9 10
Tiempo entre llegadas (mins.)
DISTRIBUCION EXPONENCIAL
■ Relación entre d.d.p. poisson y la exponencial

La distribución de Poisson
provee una apropiada descripción del
número de eventos en un
Intervalo

La distribución exponencial
provee una apropiada descripción del
tamaño del intervalo entre
eventos
EJERCICIO

Calcular las probabilidades continuas vistas,

con R.
GRACIAS