Instituto Tecnológico de Tijuana

Probabilidad y Estadisticas
Actividad 2 Unidad VI
Flores Aguayo Viviana
21212484
Ing. Industrial
2Z

Docente: Juan Morales

 Distribucion uniforme continua
• La distribución uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos
ellos con la misma probabilidad. Es una distribución continua porque puede tomar cualquier valor
y no únicamente un número determinado (como ocurre en las distribuciones discretas).
• Es la más simple de todas las distribuciones continuas de probabilidad.
• Se caracteriza por una función de densidad que es “plana”, y por ello la probabilidad es uniforme
en un intervalo cerrado.
• La función de densidad de la variable aleatoria uniforme continua X en el intervalo [A,B] es:
• La media y la varianza de la distribución uniforme continua ʄ (x;A,B) son:

• La distribución uniforme a menudo se llama distribución rectangular.

• Es sencillo calcular las probabilidades para la distribución uniforme debido a la naturaleza simple
de la función de densidad.
• Sin embargo, la aplicación de esta distribución se basa en la suposición de que la probabilidad de
caer en un intervalo de longitud fija dentro de [A,B] es constante.
Media
• Medida de tendencia central:

Varianza
• Medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable
respecto a su media. O en pocas palabras, la media de los residuos al cuadrado:

Desviación Estándar
• Medida de dispersión para variables de razón (variables cuantitativas o cantidades racionales) y
de intervalo. Se define como la raíz cuadrada de la varianza de la variable.
 Distribucion exponencial
• La distribución exponencial suele referirse a la cantidad de tiempo que transcurre hasta que se produce
algún evento específico.
• Los valores de una variable aleatoria exponencial se producen de la siguiente manera. Hay menos
valores grandes y más valores pequeños.
• Las distribuciones exponenciales se utilizan habitualmente en cálculos de fiabilidad de productos, es
decir, el tiempo que dura un producto.
• La variable aleatoria de la distribución exponencial es continua y suele medir el paso del tiempo, aunque
puede utilizarse en otras aplicaciones.
La función de densidad de probabilidad viene dada por:

donde μ es el tiempo promedio de espera histórico.

y tiene una media y una desviación típica de 1/μ.
• Una forma alternativa de la fórmula de la distribución exponencial reconoce lo que suele llamarse
el factor de decaimiento. El factor de decaimiento simplemente mide la rapidez con la que la
probabilidad de un evento disminuye a medida que la variable aleatoria X aumenta. Cuando se
utiliza la notación con el parámetro de decaimiento m, la función de densidad de probabilidad se
presenta como

• Para calcular las probabilidades de determinadas funciones de densidad de probabilidad, se utiliza

la función de densidad acumulada. La función de densidad acumulativa (cdf) es simplemente la
integral de la pdf y es:
 Distribución gamma
• Es una distribución adecuada para modelizar el comportamiento de variables aleatorias continuas
con asimetría positiva. Es decir, variables que presentan una mayor densidad de sucesos a la
izquierda de la media que a la derecha. En su expresión se encuentran dos parámetros, siempre
positivos, (α) y (β) de los que depende su forma y alcance por la derecha, y también la función
Gamma Γ(α), responsable de la convergencia de la distribución.

Distribución de parámetros
• El primer parámetro (α) sitúa la máxima intensidad de probabilidad y por este motivo en algunas
fuentes se denomina “la forma” de la distribución: cuando se toman valores próximos a cero
aparece entonces un dibujo muy similar al de la distribución exponencial.
• Cuando se toman valores más grandes de (α) el centro de la distribución se desplaza a la derecha y
va apareciendo la forma de una campana de Gauss con asimetría positiva.
• Es el segundo parámetro (β) el que determina la forma o alcance de esta asimetría positiva
desplazando la densidad de probabilidad en la cola de la derecha.
• Para valores elevados de (β) la distribución acumula más densidad de probabilidad en el extremo
derecho de la cola, alargando mucho su dibujo y dispersando la probabilidad a lo largo del plano.
• Al dispersar la probabilidad la altura máxima de densidad de probabilidad se va reduciendo; de
aquí que se le denomine “escala”.
• Valores más pequeños de (β) conducen a una figura más simétrica y concentrada, con un pico de
densidad de probabilidad más elevado.
• Una forma de interpretar (β) es “tiempo promedio entre ocurrencia de un suceso”. Relacionándose
con el parámetro de la Poisson como β=1/λ. Alternativamente λ será el ratio de ocurrencia: λ=1/β.
• La expresión también será necesaria más adelante para poder llevar a cabo el desarrollo
matemático
Para valores no enteros, el valor de la función Gamma se obtiene a partir de:
La función de densidad de la distribución Gamma es:

donde x>0 y β,α son parámetros positivos.

Se puede ver que para α=1 la función de densidad será:

lo que significa que una distribución Gamma de parámetro α=1 y β =0 es una distribución
exponencial de parámetro α=1.
 Distribución normal
• Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su
extendida utilización, justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.
La importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a
fenómenos naturales que siguen el modelo de la normal
• Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo:
tallas, pesos, envergaduras, diámetros, perímetros,...
• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad
de abono.
• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos,
puntuaciones de examen.
• Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio,...
• Errores cometidos al medir ciertas magnitudes.
• Valores estadísticos muestrales, por ejemplo : la media.
• Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...
Y en general cualquier característica que se obtenga como suma de muchos factores.
 Función de la densidad
• Empleando cálculos bastante laboriosos, puede demostrarse que el modelo de la función de
densidad que corresponde a tales distribuciones viene dado por la fórmula:
 Función de distribución
• Puede tomar cualquier valor (- ∞ + ∞)
• Son más probables los valores cercanos a uno central que llamamos media µ
• Conforme nos separamos de ese valor µ , la probabilidad va decreciendo de igual forma a derecha
e izquierda (es simétrica).
• Conforme nos separamos de ese valor µ, la probabilidad va decreciendo de forma más o menos
rápida dependiendo de un parámetro σ , que es la desviación típica.
 Característica de la distribución normal
tipificada (reducida, estándar)
• No depende de ningún parámetro
• Su media es 0, su varianza es 1 y su desviación típica es 1.
• La curva f(x) es simétrica respecto del eje OY
• Tiene un máximo en este eje+
• Tiene dos puntos de inflexión en z =1 y z = -1
Aproximación de la Binomial a la Normal
• Una distribución binomial B(n,p) se puede aproximar por una distribución normal, siempre que n
sea grande y p no esté muy próxima a 0 o a 1. La aproximación consiste en utilizar una distribución
normal con la misma media y desviación típica que la distribución binomial.
En la practica se utiliza la aproximación cuando :

En cuyo caso :

Y tipificando se obtiene la normal estándar correspondiente:

Referencias

• Colaboradores de Wikipedia. (2022, 16 abril). Distribución exponencial. Wikipedia, la enciclopedia

libre. https://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial
• Distribución exponencial | La Guía de Matemática. (2010, 16 septiembre).Guia.
https://matematica.laguia2000.com/general/distribucion-exponencial
• Levisandro. (2010, 1 diciembre). Distribución gamma. Gamma.
https://es.slideshare.net/LEVISANDRO/distribucin-gamma
• M., E., Tapia, A., Ruiz A, M. S., A., & D. (2021, 1 septiembre). Aproximacion de la binomial por la
normal | Superprof. Material Didáctico - Superprof.
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
normal/distribucion-normal-y-binomial.htmlRodó,
• P. (2022, 25 enero). Distribución normal. Economipedia.
https://economipedia.com/definiciones/distribucion-normal.html
• Zapata, F. (2020, 9 noviembre). Distribución uniforme continua: características, ejemplos,
aplicaciones. Lifeder. https://www.lifeder.com/distribucion-uniforme-continua/