Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISTRIBUCIONES DE
VARIABLES ALEATORIAS
CONTINUAS
.
MPE 212
Docente: Lic. Octavio Martínez Chura
DISTRIBUCIONES DE V.A. CONTINUAS
.
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN UNIFORME O RECTANGULAR:
Se denomina distribución uniforme continua o rectangular a aquella distribución que surge al
considerar una variable aleatoria que toma valores equiprobables en un intervalo finito. Su nombre
se debe al hecho de que la densidad de probabilidad de esta variable aleatoria es uniforme sobre
todo su intervalo de definición.
La distribución uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos
ellos con la misma probabilidad.
Def. Se dice que una v.a. continua X~U[a, b], si su función de densidad está dado por:
1
, si a x b
f ( x) b a
0, en otro caso
{
Su función de distribución es:
0 , 𝑠𝑖 𝑥 <𝑎
𝑥 −𝑎
𝐹 ( 𝑥)= , 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
𝑏− 𝑎
1 , 𝑠𝑖 𝑥> 𝑏
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN UNIFORME O RECTANGULAR:
{
1 0 , 𝑠𝑖 𝑥 <𝑎
, si a x b
f ( x) b a 𝑥 −𝑎
0, 𝐹 ( 𝑥)= , 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
en otro caso 𝑏− 𝑎
1 , 𝑠𝑖 𝑥> 𝑏
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN UNIFORME O RECTANGULAR:
Teorema: Si X~U[a, b], entonces:
CARACTERÍSTICAS:
• La Distribución exponencial es un caso especial de la distribución gamma.
• La distribución exponencial y gamma juegan un papel importante en teoría de colas y
problemas de confiabilidad
• Describe el tiempo hasta la primera ocurrencia de un evento.
Ejemplo: La cantidad de tiempo, desde ahora, hasta que suceda un temblor o hasta que
reciba una llamada telefónica y sea un numero equivocado.
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN EXPONENCIAL:
APLICACIONES:
• Son las mas importantes aquellas situaciones en donde se aplica el proceso de
Poisson
• Los tiempos entre llegadas en instalaciones de servicio, y tiempo de falla de partes
componentes y sistemas eléctricos
• Modela la distribución de la duración de un componente (debido a su propiedad de
“falta de memoria o amnesia”)
RELACIÓN CON LA DISTRIBUCIÓN DE POISSON
• La distribución de Poisson se desarrolló como una distribución de un solo parámetro
μ=λ donde λ puede interpretarse como el número de eventos por unidad de
“tiempo”
Considérese ahora la variable aleatoria X descrita por el tiempo que se requiere hasta
que ocurra el primer evento, X es un variable que se Distribuye Exponencial con
parámetro λ, Donde: λ es el número promedio de eventos por unidad de “tiempo”. La
media de Poisson 1/λ es la tasa de ocurrencia de un evento por unidad de “tiempo”. La
media Exponencial .
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN EXPONENCIAL:
• Una de las distribuciones de variable continua más importantes es la distribución exponencial.
• Se la utiliza como modelo para representar el tiempo de funcionamiento o de espera.
• Tiene como función expresar también el tiempo transcurrido entre eventos que se contabilizan por medio
de la distribución de Poisson.
• El tiempo que tarda una partícula radiactiva en desintegrarse. Por ejemplo, la datación de fósiles o cualquier
materia orgánica mediante la técnica del carbono 14.
• El tiempo que puede transcurrir, en un servicio de urgencias para la llegada de un paciente;
• En un proceso de Poisson donde se repite sucesivamente un experimento a intervalos de tiempo iguales, el
tiempo que transcurre entre la ocurrencia de dos sucesos consecutivos sigue un modelo probabilístico
exponencial. Por ejemplo, el tiempo que transcurre entre que sufrimos dos veces una herida importante.
Def. Se dice que una v.a. continua X~Exp(λ), si su función de densidad está dado por:
Donde:
x= lapso de tiempo, e= Base del logaritmo natural aproximadamente igual a 2,7182818281
λ= Tasa promedio de ocurrencia.
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN EXPONENCIAL:
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN EXPONENCIAL:
Teorema: Si X~Exp(λ), entonces:
Notas:
• Típicamente se considera exponencial a las variables que representan el tiempo hasta que un
cierto evento ocurra. (Similar a la Geométrica)
• El valor de λ en la v.a. exponencial al igual que en la Poisson, recibe el nombre de “tasa” que
para los efectos del cálculo de probabilidades se conoce, no así en el caso de inferencia.
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN EXPONENCIAL: PROPIEDAD FUNDAMENTAL
SOLUCIÓN:
a) P(X>600)
¿Cuál es su utilidad?
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN GAUSSIANA O NORMAL:
La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-
1754) y posteriormente, Carl Friedrich Gauss (1777-1855) formuló la ecuación de la curva; de ahí
que también se la conozca, más comúnmente, como la "campana de Gauss".
Def. Se dice que una v.a. continua X~N(μ, σ²), si su función de densidad está dado por:
https://es.qwe.wiki/wiki/Standard_normal_table
https://calculo.cc/temas/temas_estadistica/binomial_normal/teoria/cal_tablas.html
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN NORMAL ESTÁNDAR
Cada una de las distribuciones puede tener una media distinta (μ)
y desviación estándar distinta (σ).
Cambiando σ aumentamos o
disminuímos su altura..
σ
μ X
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN NORMAL ESTÁNDAR
Acumulativo
da una probabilidad de que una estadística es inferior a Z. Esto equivale a la zona de la distribución por debajo Z. Ejemplo: Prob (Z = 0,69) = 0,7549.
Acumulativa complementaria
da una probabilidad de que una estadística es mayor que Z. Esto equivale a la zona de la distribución por encima de Z.
Ejemplo: Encontrar Prob ( Z = 0,69). Dado que esta es la parte de la zona superior Z, la proporción que es mayor que Z se encuentra restando Z de 1.
Es decir Prob ( Z = 0,69) = 1 - Prob (Z = 0,69) o Prob ( Z = 0.69) = 1 a 0,7549 = 0,2451.
https://es.qwe.wiki/wiki/Standard_normal_table
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN NORMAL ESTÁNDAR
Utilización de las tablas de una distribución normal N(0, 1)
La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3
kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes
pesan:
a) Entre 60 kg y 75 kg.
b) Más de 90 kg.
c) Menos de 64 kg.
d) 64 kg exactamente.
e) 64 kg o menos.
SOLUCIÓN:
Sea X=“Peso (en kg.) de 500 estudiantes de un colegio”
X~N(μ=70, σ=3), N=500
f) P(60<X<75)
0,95211(500)=476 alumnos
DISTRIBUCIONES DE V.A. CONTINUAS
DISTRIBUCIÓN NORMAL ESTÁNDAR
0(500)=0 alumnos
c) P(X<64)
0.02275(500)=11 alumnos
d) P(X=64)=0
0(500)=0 alumnos
e)
0.02275(500)=11 alumnos
TABLA DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR
.Acumulativo
TABLA DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR
.
Acumulada respecto de la
media
TABLA DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR
. Acumulativa
complementaria
DISTRIBUCIONES DE V.A. CONTINUAS
PROPIEDAD REPRODUCTIVA DE LA DISTRIBUCIÓN NORMAL:
Algunas distribuciones de probabilidad tienen la propiedad que se llama “propiedad reproductiva”, que se
establecen a continuación:
1. Si X , X ,..., X son n v.a. independientes, donde X ~ N ( , )
1 2 n i i i
2
para i 1, 2,..., n .
n
n n
Si Y X , entonces la v.a.
i Y ~ N i , i2
i 1 i 1 i 1
Es decir, cualquier combinación lineal de variables
normales independientes, sigue también una
distribución normal.
Siendo
Siendo eleldenominado promediomuestral.
denominado promedio muestral.
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
Solución:
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
TABLAS
ESTADÍSTICAS
TABLA DISTRIBUCIÓN NORMAL
TABLA DISTRIBUCIÓN JI CUADRADA
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS
TABLA DISTRIBUCIÓN T DE STUDENT
DISTRIBUCIÓN DE PROBABILIDAD DE V.A. CONTINUAS