UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE QUÍMICA • ESTADÍSTICA

Distribuciones de probabilidad continuas • GRUPO 2 • 2023-1

Distribución uniforme continua.

Decimos que una variable aleatoria X tiene una distribución uniforme continua en el intervalo (a, b), y escribimos
X ∼ U nif (a, b) cuando su función de densidad es
 1
 si x ∈ (a, b)
b−a

f (x) = P (X = x) =


0 e.o.c.
Esta distribución tiene como parámetros los números a y b.

Integrando esta función de densidad desde menos infinito hasta un punto x cualquiera, puede encontrarse la
función de distribución, la cual tiene la siguiente expresión

 0 si x≤a
 x−a


si a < x < b
F (x) = P (X = x) = b−a



x≥b

1

a+b (b − a)2
Finalmente, si X ∼ U nif (a, b), entonces E(X) = , V ar(X) = .
2 12
Observe que la esperanza corresponde al punto medio del intervalo (a, b). Además la varianza o dispersión crece
cuando a y b se alejan uno del otro, y por el contrario, cuando estos parámetros estan muy cercanos, la varianza
es pequeña. Esta distribución es una de las más sencillas y se usa naturalmente para cuando no se conoce mayor
información de la variable aleatoria de interés, excepto que toma valores continuos dentro de cierto intervalo.

Ejercicios.
I.- Se cree que el tiempo X (min) para que un ayudante de laboratorio prepare el equipo para cierto experimento
tiene una distribución uniforme con a = 25 y b = 35.

a. Determine la función de densidad de probabilidad de X y trace la curva de densidad de correspondiente.

b. ¿Cuál es la probabilidad de que el tiempo de preparación exceda de 33 min?

c. ¿Cuál es la probabilidad de que el tiempo de preparación esté dentro de dos min del tiempo medio?

II.- La distribución para el peso neto en libras de un herbicida quı́mico empacado es uniforme para 49.75 ≤ y ≤
50.25 libras.

Determine la distribución de probabilidad y calcule P [Y < 50.1].

III.- La cantidad de café diaria, en litros, que sirve una máquina que se localiza en el vestı́bulo del edificio C es
una variable aleatoria X que tiene una distribución continua uniforme con a = 7 y b = 10. Calcule la probabilidad
de que en un dı́a determinado la cantidad de café que sirve esta máquina sea

a) a lo sumo 8.8 litros; b) más de 7.4 litros, pero menos de 9.5 litros; c) al menos 8.5 litros.

1
 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE QUÍMICA • ESTADÍSTICA
Distribuciones de probabilidad Continuas • GRUPO 2 • 2023-1

Distribución Exponencial.
Decimos que una variable aleatoria continua X tiene distribución exponencial con parámetro λ > 0, y escribimos
X ∼ exp(λ), cuando su función de densidad es
 λe−λx si x > 0


f (x) = P (X = x) =
0 e.o.c


Esta distribución se usa para modelar tiempos de espera para la ocurrencia de un cierto evento.

Por otra parte, integrando la función de densidad desde menos inf inito hasta una valor arbitrario x se encuentra
que la función de distribución tiene la expresión
 1 − e−λx si x > 0


F (x) = P (X = x) =
0 si x ≤ 0


1 1
Finalmente, aplicando el método de integración por partes puede comprobarse que E(X) = V ar(X) =
λ λ2

Ejercicios.
I.- La amplia experiencia con ventiladores de un tipo utilizados en motores diesel ha sugerido que la distribución
exponencial proporciona un buen modelo del tiempo hasta la falla. Suponga que el tiempo medio hasta la falla es
de 25 000 horas. ¿Cuál es la probabilidad de que

a. Un ventilador seleccionado al azar dure por lo menos 20 000 horas? ¿Cuándo mucho 30 000 horas? ¿Entre 20
000 y 30 000 horas?

b. Exceda la duración de un ventilador el valor medio por más de dos desviaciones estándar? ¿Más de tres des-
viaciones estándar?

II.- El tiempo que tarda una persona en ser atendida en una cafeterı́a es una variable aleatoria exponencial con
media de cuatro minutos. Calcule la probabilidad de que una persona sea atendida en menos de tres minutos.

III.- La vida en anaquel de un producto es una variable aleatoria que se relaciona con la aceptación por parte
del consumidor. Resulta que la vida en anaquel Y , en dı́as, de cierta clase de artı́culo de panaderı́a tiene la siguiente
función de densidad:
 1 e− y2 si y > 0


f (y) = P (Y = y) = 2

0 e.o.c


¿Qué fracción de las rebanadas de este producto que hoy están en exhibición se espera que se vendan en 3 dı́as
a partir de hoy?

IV.- El tiempo Z, en minutos, entre llamadas a un sistema de alimentación eléctrica tiene la siguiente función de
densidad de probabilidad:
1 −z


 e 10 si z > 0
f (z) = P (Z = z) = 10

0 e.o.c


¿Cuál es la probabilidad de que no haya llamadas en un lapso de 20 minutos? ¿Cuál es la probabilidad de que la
primera llamada entre en los primeros 10 minutos después de abrir?

2
 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE QUÍMICA • ESTADÍSTICA
Distribuciones de probabilidad continuas • GRUPO 2 • 2023-1

Distribución Gamma.
La variable aleatoria continua X tiene una distribución gamma con parámetros α > 0 y λ > 0, y escribimos
X ∼ Gamma(α, λ) si su función de densidad es
α−1

 (λx)

 λe−λx si x > 0
f (x) = P (X = x) = Γ(α)


0 si x ≤ 0


En la expresión anterior aparece el término Γ(α), el cual se conoce como la f unción gamma y es de este hecho
que la distribución adquiere su nombre. La función gamma se define por medio de la siguiente integral:

Z ∞
Γ(α) = tα−1 e−t dt
0

para cualquier número real α tal que esta integral sea convergente. Para evaluar la función gamma es necesario
substituir el valor de α en el integrando y efectuar la integral infinita. En general, no necesitaremos evaluar esta
integral para cualquier valor de α, sólo para algunos pocos valores, principalmente enteros, y nos ayudaremos de
las siguientes propiedades que se pueden verificar:
√
 
1
1) Γ(α + 1) = αΓ(α) 2) Γ(α + 1) = α! si α ∈ Z+ . 3) Γ(2) = Γ(1) = 1 4) Γ = π
2
La correspondiente función de acumulación es:
x
(λx)α−1 −λx
Z
F (x) = λe dy
−∞ Γ(α)

α α
Finalmente, calculando algunas integrales tenemos que E(X) = V ar(X) = .
λ λ2
Cuando el parámetro λ es un número natural n, la distribución Gamma(n, λ), adquiere también el nombre de
distribución Erlang(n, λ).

Ejercicios.
I.- El tiempo en horas que semanalmente requiere una máquina para mantenimiento es una variable aleatoria
2
con distribución gamma con parámetros α = 2 y λ = . Calcule la probabilidad de que en alguna semana el tiempo
4
de mantenimiento sea mayor a ocho horas.

II.- El periodo de supervivencia de una persona en años, tiene un distribución gamma con parámetros α = 6 y
2
λ= . Calcule la vida promedio de una persona. Calcule la probabilidad de que una persona elegida al azar viva
24
entre 60 y 75 años.

III.- En cierta ciudad, el consumo diario de energı́a eléctrica en millones de Kw-hora puede considerarse como
una variable aleatoria con distribución gamma con α = 3 y λ = 0,5. Si la planta de energı́a tiene una capacidad de
producción diaria de doce millones de Kw-hora, calcule la probabilidad que en un dı́a cualquiera, el suministro de
energı́a sea suficiente.

IV.- El periodo de vida en años de un interruptor eléctrico tiene una distribucón tipo gamma con parámetros
1
α = 2 y λ = . ¿Cuál es el periodo de vida esperado de un interruptor? Calcule la probabilidad de que un interruptor
2
dado deje de funcionar antes de su periodo de vida esperado.

3
 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE QUÍMICA • ESTADÍSTICA
Distribuciones Continuas • GRUPO 2 • 2023-1

Ejemplo Uniforme Continua.

Suponga un experimento en el que se toman mediciones al azar y se obtiene que estas tienen una distribución
uniforme en el intervalo [0, 3]. Calcule la probabilidad de que la siguiente medición que se tome del experimento
esté entre 1,2 y 2,7.

a) Utilizando la función de densidad.

b) Utilizando la función de probabilidad acumulada.

Solución:
a) Considerando la variable aleatoria X con distribución uniforme en [0, 3] entonces la función de densidad que-
da:

Función de densidad de probabilidad f (x):

1


 si x ∈ [0, 3]
f (x) = P (X = x) = 3

0 e.o.c.


Considerando la información de arriba la probabilidad la calculamos como sigue:

Z 2,7 
2,7

1 1 1 1 1
P (1,2 < X < 2,7) = dx = 3 x = (2,7 − 1,2) = ∗ (1,5) = .
1,2 3 1,2 3 3 2
Ası́,
P (1,2 < X < 2,7) = 0,5

b) Para calcular la probabilidad utilizando la función de probabilidad acumulada:

Función de Acumulación F (x):


 0 si x≤a
 x


si 0 ≤ x ≤ 3
F (x) = P (X = x) = 3



1 x≥3


2,7 1,2 1,5 1

tenemos que P (1,2 < X < 2,7) = F (2,7) − F (1,2) = − = = . Es decir, P (1,2 < X < 2,7) = 0,5.
3 3 3 2
Finalmente, calculamos el valor esperado y la varianza como sigue:
a+b 0+3
1.- E(X) = = = 1,5,
2 2
(3 − 0)2 3 q √
3
2.- V ar(X) = = = 0,75, con lo cual s = 34 = 2 ≈ 0, 86602.
12 4
(Interprete las medidas anteriores.)