ESTADISTICA I

Unidad IV
DISTRIBUCIONES CONTINUAS

Tema: Distribución Uniforme y Exponencial

Semana 10
 Objetivos
1. Estudiar las distribuciones
continuas mas importantes
2. Utilizar las distribuciones para
encontrar probabilidades de
situaciones reales.
3. Interpretar las probabilidades
obtenidas de estas distribuciones.
INTRODUCCIÓN
Ahora veremos tres distribuciones de probabilidad
continua: la uniforme, la exponencial y la normal . Una
diferencia fundamental entre las variables aleatorias
discretas y las variables aleatorias continuas es como se
calculan las probabilidades.
En las variables aleatorias discretas la función de
probabilidad f(x) da la probabilidad de que la variable
aleatoria X tome un valor determinado; en cambio en las
variables aleatorias continuas, Se toma el área bajo la
curva de f(x) que corresponde a un intervalo
determinado y proporciona la probabilidad de que la
variable aleatoria tome uno de los valores de ese
intervalo.
 1. Distribución Uniforme
Se dice que la variable aleatoria continua X tiene distribución uniforme (o
rectangular) en el intervalo de números reales [a,b] con a < b y se describe
por X ∼ U[a,b], si su función de densidad de probabilidad f(x) es:

La función de distribución de probabilidad uniforme es:

La función de distribución acumulada F(x) de la distribución uniforme es:

{
0 𝑠𝑖 𝑥 <𝑎
𝐹 ( 𝑥 ) = 𝑥 − 𝑎 𝑠𝑖 𝑎 ≤ 𝑥< 𝑏
𝑏 −𝑎
1 𝑠𝑖 𝑥 ≥ 𝑏
La gráfica de la función de densidad de probabilidad y de la función de
distribución acumulada uniforme se da en la siguiente gráfica:
Si la variable X tiene distribución uniforme en el intervalo [a,b], entonces la
media y la varianza
son:
E(X) =
V(X) =

Ejemplo 1
Sea X una v.a. continua que tiene una distribución uniforme en el intervalo
[1,5 ; 5,5]
a) Determine la media, la varianza y la desviación estándar de X.
b) ¿Cual es P[X < 2,5].
SOLUCIÓN

Sabemos por fórmula de esperanza matemática que la media es,

E(X) = entonces µ = E(X) = = 3,5
y la varianza Var(X) = =
y la desviación estándar es la raíz cuadrada de la varianza es decir σ = =0,6667
Sea X una v.a. continua que tiene una distribución uniforme en el intervalo
[1,5 ; 5,5]
b) ¿Cual es P[X < 2,5].

Para hallar b) P[X < 2,5] usamos la función de distribución acumulada

F(x) =
Luego P[X < 2,5] = F(2,5) = = 0,25
 Ejemplo 2
En las botellas de un detergente liquido se indica que el contenido es de 12 onzas
por botella. En la operación de producción se llenan las botellas uniformemente de
acuerdo con la siguiente función de densidad de probabilidad.

a)¿Cual es la probabilidad de que el contenido de una botella este entre 12 y 12.05

onzas?
b) ¿De que el contenido de una botella sea 11.99 onzas o más?
Ejemplo 2

a)¿Cual es la probabilidad de que el contenido de una botella este entre 12 y 12.05 onzas?
Nuestra función probabilidad es:
=0,4
La probabilidad de que de que el contenido de una botella este entre 12 y 12.05 onzas es de
0,4
b) ¿De que el contenido de una botella sea 11,99 onzas o más?

=1
= 0.88
La probabilidad de que contenido de una botella sea 11,99 onzas o más es de 0,88
 Ejercicios propuestos
1. Dos gerentes A y B deben encontrarse cierto lugar entre 7pm y 8pm para
firmar un contrato. Si cada uno espera al otro a lo mas 10 minutos, ¿Cual es la
probabilidad de que no se encuentre sabiendo que A llega a las 7:30 pm?
2. El tiempo de entrada a su centro de labores de cada uno de los empleados de
tiendas Bata se distribuye según el modelo de la probabilidad uniforme con
media 12 y varianza . (obs. b>7)
a. Indicar la variable su función de densidad y su función de distribución
acumulada.
b. ¿Hallar la probabilidad de que lleguen de 8:18 a 8:23 am si siempre han
llegado independientemente después de las 8:12 am?
c. Si el descuento en soles por llegar tarde es una función del tiempo y es
dada por la expresión : Calcule el valor esperado del descuento.
 
 2. Distribución Exponencial
Características:

La distribución de probabilidad exponencial se aplica a variables

del tipo: las llegadas de automóviles a una estación de servicio,
los tiempos requeridos para cargar un camión, las distancias
entre dos averías en una carretera, el tiempo de vida útil de un
artefacto electrónico, etc. es decir para modelar tiempos de
espera hasta que ocurra un cierto evento de interés, por ejemplo
el tiempo de espera hasta que ocurra el siguiente accidente en
una carretera, o el tiempo de espera hasta que se registra una
llamada de emergencia.
Distribución Exponencial

Se dice que una variable aleatoria continua X tiene

una distribución exponencial con parámetro β > 0 y
se denota por X ∼ Exp(β), si su función densidad
de probabilidad es:

{
−𝛽𝑥
𝑓 ( 𝑥 )= 𝛽 𝑒 𝑠𝑖 𝑥 ≥ 0
0 𝑠𝑖 𝑥< 0
La gráfica de la función de densidad de probabilidad
de la distribución exponencial se da en la siguiente
gráfica:
La función de distribución acumulada F(x) de la
distribución exponencial es:
F
La grafica de la función de distribución acumulada
F(x) de la distribución exponencial se da en la
siguiente grafica:

Si la variable X tiene distribución exponencial con

parámetro β , entonces la media y la varianza
son: E(X) = V ar(X) =
Propiedades de la distribución exponencial
a. P[X > x] = 1−P[X ≤ x] =
b. Para s,t números reales positivos, se verifica: P[X > s + t/X > s] = P[X >t]

Ejemplo 1
El tiempo de vida, en horas, de un transistor electrónico es una
variable que tiene una distribución exponencial de media 500.
a) Calcule la probabilidad de que el producto dure a lo más 600
horas.
b) Calcule la probabilidad de que el producto dure más que su
media.
c) Calcula la varianza de la variable.
Solución
Sea X : el tiempo de vida de un transistor.
Tenemos que µ = E(X) = = 500 entonces β = .
Así, X ∼ Exp() y su función de distribución acumulada en el
intervalo [0,+∞[ es:
F

Por tanto,
a) P[X ≤ 600] = F(600) = 1− = 0,6988
b) P[X > 500] = 1−F(500) = 1-(1)= 0,3679
c) V ar(X) = = = 250000
 Ejemplo 2
Los tiempos entre las llegadas de vehículos a una estación de servicio siguen una
distribución de probabilidad exponencial cuya media es 12 segundos.
a) ¿ Cuál es la probabilidad de que los tiempos de llegada entre vehículos sean
12 segundos o menos?.
b) ¿Cuál es la probabilidad de que los tiempos de llegada entre vehículos sean 6
segundos o menos?.
c) ¿Cual es la probabilidad de 30 o más segundos entre los tiempos de llegada?
Solución:
Sea X : el tiempo de llegada de un vehículo a la estación.
Como el tiempo promedio de llegada es de 12 segundos. Entonces, X ∼ Exp() ya
que µ = = 12 y su función de distribución acumulada en el intervalo [0,+∞[ es:
Los tiempos entre las llegadas de vehículos a una estación de servicio
siguen una distribución de probabilidad exponencial cuya media es 12
segundos.
a) ¿ Cuál es la probabilidad de que los tiempos de llegada entre vehículos
sean 12 segundos o menos?.
b) ¿Cuál es la probabilidad de que los tiempos de llegada entre vehículos
sean 6 segundos o menos?.
c) ¿Cual es la probabilidad de 30 o más segundos entre los tiempos de
llegada?

Solución F

Por tanto,
a) P[X ≤ 12] = F(12) = 1−= 0,6321
b) P[X ≤ 6] = F(6) = 1−= 0,3935
c) P[X > 30] = 1−F(30) = 1−(1−) = 0,0821
 Ejercicio Propuesto 2
El periodo en años de vida de un interruptor eléctrico tiene una
distribución exponencial con un promedio de falla de 4 años. ¿Cuál es
la probabilidad de que al menos 8 de 10 de tales interruptores que
funcionan independientemente fallen después del tercer año?
Bibliografía