ESTADÍSTICA APLICADA I

Distribución Exponencial
Temario

• Distribución Uniforme
• Distribución Exponencial
• Distribución Normal
 Logro de la sesión

• Al finalizar la sesión, el estudiante calcula

probabilidades asociadas a la distribución
Uniforme, Exponencial y Normal
 1

Distribución Uniforme
Metro de Lima
• Cuenta con 36 trenes y
Metropolitana Actualmente sus tiempos de espera
el tren entre un tren a otro se
eléctrico encuentra entre 5 a 10
minutos.

• Si los trenes de ambas

líneas salen de manera
Línea 1 y sincronizada y llegan a
Línea 2 una estación entre 8:00
a.m. y 8:10 a.m

• ¿Será igual de probable

de que el tren línea 1
Tiempo de llegue entre 8:00 – 8:02
llegada que la probabilidad de
que el tren línea 2
llegue entre 8:03-8:05?
 Distribución Uniforme
PARÁMETROS X~U(a,b) Parámetros: a, b
FUNCIÓN DE f ( x) 
1
a xb
DENSIDAD ba
f(x)

GRÁFICO 1 / (b-a)
f (x)

0 a k1 k2 b x

FUNCIÓN
Fx  
x -a
ACUMULADA b-a
VALOR ab
X  E  X  
ESPERADO 2

(b  a) 2
VARIANZA   V X  
2
X
12
Ejemplo:
El tiempo que un estudiante tarda en resolver un examen se modela
como una variable aleatoria continua que con distribución de
probabilidad uniforme de parámetros a = 50 minutos y b = 90 minutos.
Calcule la probabilidad de:

a) Que un estudiante se demore mas de

75 minutos.
b) Que un estudiante se demore entre 50
y 70 minutos.
c) ¿Cuál será el tiempo mínimo de un
estudiante en resolver un examen
para estar en el 20% de estudiantes
que más demoran?
d) El coeficiente de variación de la
variable en estudio
En cada una de las preguntas formalice la probabilidad
Solución:
X = { tiempo tarda en resolver el examen}
X ~ U [50,90]
(𝟗𝟎−𝟕𝟓)
a) P(X>75) = = 0,375
𝟒𝟎

(𝟕𝟓−𝟓𝟎)
b) P(50<X<75) = = 0,625
𝟒𝟎

(𝟗𝟎−𝒌)
c) P(X>k) = 0,20 entonces = 0,20; k = 82 minutos
𝟒𝟎

𝝈 𝟏𝟏,𝟓𝟒𝟕
d) CV = * 100 = * 100 = 16,5%
𝝁 𝟕𝟎
 2

Distribución Exponencial
Metro de Lima
• Cuenta con 36 trenes y
Metropolitana Actualmente sus tiempos de espera
el tren entre un tren a otro se
eléctrico encuentra entre 5 a 10
minutos.

• Si los trenes de ambas

líneas salen de manera
Línea 1 y sincronizada y llegan a
Línea 2 una estación entre 8:00
a.m. y 8:10 a.m

• ¿Será igual de probable

de que el tren línea 1
Tiempo de llegue entre 8:00 – 8:02
llegada que la probabilidad de
que el tren línea 2
llegue entre 8:03-8:05?
Aplicaciones de distribución exponencial

Confiabilidad del Tiempo de

vida de un componente
eléctrico

El tiempo de espera en un
banco

Primas de seguros y modelos

de supervivencia
 Distribución Exponencial
PARÁMETROS X~Exp(β) Parámetro: β
x

f x   e
FUNCIÓN DE 1
DENSIDAD
β
; x0
β

GRÁFICO

x

Fx   1  e
FUNCIÓN ACUMULADA β

VALOR ESPERADO  x  E(X)  

VARIANZA  x2  V ( X )   2
Ejemplo:
El tiempo hasta que falle por primera vez la batería de un celular se
distribuyen según un modelo exponencial, con un tiempo promedio de
vida útil es de 500 horas.
a) Calcule la probabilidad de
una batería funcione más
de 600 horas.
b) ¿Cuál es el tiempo máximo
que funcionan la batería
para estar en el 15% de las
baterías que menos duran?

c) Calcule la probabilidad de una batería funcione como máximo 600

horas.
d) Calcule la probabilidad de una batería funcione como por lo menos
520 hrs y como máximo 625 horas.
Solución:
F(k) = P  X  k   1 e  k  

X = {Tiempo hasta que falle por primera vez la batería}

X ~ Exp (500)
600
a) P( X > 600) = 1 – P(X ≤ 600) = 1 – ( 1 - 𝑒 − 500 )= 0,3012
b) P(X<k) = 0.15
𝑘
−
0,15 = 1-𝑒 para despejar k sacamos logaritmo
500

neperiano en ambos lados

𝑘
Ln(0,85) = - entonces k = 81,26 horas
500
 3

Distribución Normal y Normal estándar

Metro de Lima
Metropolitana Actualmente
• Cuenta con 36 trenes y
sus tiempos de espera
el tren entre un tren a otro se
eléctrico encuentra entre 5 a 10
minutos.

• Si los trenes de ambas

líneas salen de manera
Línea 1 y sincronizada y llegan a
Línea 2 una estación entre 8:00
a.m. y 8:10 a.m

• ¿Será igual de probable

de que el tren línea 1
Tiempo de llegue entre 8:00 – 8:02
llegada que la probabilidad de
que el tren línea 2
llegue entre 8:03-8:05?
Control de calidad
en un proceso de
Control de
producción calidad en los
• Son todos los mecanismos,
acciones, herramientas realizadas
procesos de para detectar la presencia de
producción errores

• Se suele interpretar como su

aptitud para producir artículos
de acuerdo con las
Capacidad
especificaciones. Representa un
del proceso indicador estadístico mide la
Cpk distancia de 3 veces sigma de
cada lado de la media

• Si los límites superior e inferior

del proceso se encuentran
dentro del rango establecido
por las tolerancias, significa
que el proceso satisface las
especificaciones de calidad.
 Distribución Normal

La variable aleatoria continua X tiene distribución normal,

con parámetros  y 2 , si su función de densidad es:

1  x 
2

1   
f  x  e 2  
  x  
2

Notación: X ~ N(, 2)

Campana de Gauss

Media
Mediana
Moda

El extremo izquierdo se
extiende de manera El extremo derecho se
indefinida y nunca toca el extiende de manera
eje horizontal. indefinida y nunca toca el
eje horizontal.

• Es simétrica respecto al eje vertical x = .

• Las medidas de tendencia central coinciden.
• El rango va de – α a + α
Estandarización de una variable: X  N(,  2)

X 
Z


El proceso de estandarización es el cambio de variable

X  N(,  2) a la variable aleatoria Z que tiene distribución
Normal Estándar, es decir Z  N( = 0,  2 = 1)
Lectura de la tabla de distribución normal estándar (Z)

Utilizamos la tabla normal estándar bajo el criterio gráfico siguiente:

La probabilidad representa el área debajo de la curva normal

estándar con valores menores iguales a un número z0.
Cálculo de probabilidad usando la tabla normal
estándar (Z):
Ejemplo: Si X~ N( =2,2= 5 ), calcular: P(X<3.5)
=2 y  2 =5  = 5

Estandarización:
Ejemplo:
Una máquina despachadora de refrescos
está ajustada para servir un promedio de
200
mililitros por vaso. Si la cantidad de
refresco es normalmente distribuida con
una desviación estándar de 15 mililitros:

a. ¿Qué proporción de los vasos contendrá más de 224

mililitros?
b. ¿Cuál es la probabilidad de que un vaso contenga entre 191
y 209 mililitros?
c. ¿Debajo de qué valor se obtiene el 25% de refrescos con
menor contenido?
Solución:

X: contenido de refresco en un vaso

X ~ N (𝜇 = 200 𝑚𝑙 , 𝜎 2 = 225 ml2)

(224−200)
a. P(X > 224) = 1 – P ( X≤ 224) = 1 – P ( Z ≤ ) =1–
15
P(Z≤1,60) = 1 – 0, 9452 = 0,0548
(191−200) (209−200)
b. P( 191 ≤ X ≤ 209 ) = P( ≤Z≤ )
15 15
P(- 0,60 ≤ Z ≤0,60) = P(Z ≤ 0,60) – P (Z ≤ - 0,60) =
0,7257 – 0,2743 = 0,4514
a. ¿Debajo de qué valor se obtiene el 25% de refrescos con
menor contenido?
Sean X1, X2 y X3 tiempo que se demora un brazo en ensamblar una
pieza de un producto,
X1: Tiempo del brazo mecánico 1 ~ N(12; 0,02)
X2: Tiempo del brazo mecánico 2 ~ N(24; 0,03)
X3: Tiempo del brazo mecánico 3 ~ N(18; 0,04)
¿Qué distribución tendría el tiempo
total de ensamblaje Xt=X1+X2+X3?
Propiedad reproductiva de la Normal

• Si X1, X2, ... , Xk son variables aleatorias

independientes tales que Xi  N(i ,i2) entonces
la variable aleatoria
k
 k k
2 2
Y   ci X i  N   ci i ,  ci  i 
i 1  i 1 i 1 

• Considerar C=1, ¿cómo se expresa la propiedad?

Ejemplo:
Una empresa fabricante de detergentes tiene
asignada una máquina especial para el llenado
y sellado de las bolsas del detergente Enigma
Limón. Se sabe que el peso de detergente que
la máquina deposita en las bolsas sigue una
distribución normal con media de 87,5 gramos
y desviación estándar de 0,5 gramos; se sabe
también que las bolsas vacías utilizadas en el
embolsado de Enigma Limón tienen un peso
que sigue una distribución normal con media
21,5 gramos y una desviación estándar de 1,2
gramos.

¿Cuál es la probabilidad de que una bolsa llena de detergente, escogida al

azar a la salida del proceso de embolsado, tenga un peso mayor a 110
gramos?
 Autoevaluación

• Si el costo de producción tiene una distribución

V
normal con media de 172 dólares y varianza de
16,25 dolares2 esos valores corresponden a sus
parámetros.
• Si X1 y X2 se distribuyen como una distribución V
normal entonces X1+X2 también se distribuirán
como una normal.
F
• Si X es una variable normal se cumple que
P(X > 3) = P (X ≤ 3)
 Autoevaluación
• El tiempo de producción de un artículo tiene
una distribución exponencial con media de 3,25 F
minutos entonces su varianza es 3,25 minutos.

• El tiempo de espera de un usuario hasta abordar

el tren eléctrico tiene una distribución uniforme V
con parámetros de 5 hasta 20 minutos, entonces
la media es de 12,5 minutos.
 Bibliografía

 Probabilidad e Inferencia Estadística - Rufino Moya – Gregorio Saravia

 Cuaderno de Trabajo del curso