ESTADSTICA

Algunas distribuciones
importantes de variables
aleatorias continuas
Vladimiro Contreras Tito
vcontrerastito@hotmail.com
26 de septiembre de 2013
ndice
ndice 1
1. Distribucin normal 2
2. Distribucin normal estndar o tipicada 3
3. Distribucin uniforme continua 4
4. Distribucin exponencial 5
5. Distribucin gamma 6
6. Distribucin beta 7
7. Tablas 11
1
1 DISTRIBUCIN NORMAL
1. Distribucin normal
La "distribucin normal" o distribucin de Gauss es sin duda la ms impor-
tante y la de ms aplicacin de todas las distribuciones continuas. Esta distribu-
cin es bastante adecuada para describir la distribucin de muchos conjuntos de
datos que ocurren en la naturaleza y la industria. As pues para los siguientes
conjuntos de datos, se puede considerar adecuada la distribucin normal:
Datos meteorolgicos correspondientes a temperaturas, lluvias, etc.
Las clasicaciones correspondientes a pruebas de aptitud.
Las alturas de individuos de una edad y sexo dado.
Las medidas fsicas de productos manufacturados.
La vida media de un tipo de lmparas con un voltaje dado, etc.
Denicin 1.1. Diremos que una variable aleatoria X, de tipo continuo, sigue
una distribucin normal de parmetros y si su funcin de densidad es:
f(x) =
1

2
e

1
2
(
x

)
2
< x < +
Abreviadamente lo indicamos por X N(,
2
) en donde es la media y
2
es la varianza.
Figura 1: graca de la funcin de densidad f(x) =
1

2
e

1
2
(
x

)
2
NOTA 1.1.
Se verica que

2
e

1
2
(
x

)
2
dx = 1
Veamos ahora la representacin grca de la funcin de densidad f(x) de la
N(,
2
). Para ello veremos que se cumplen las siguientes propiedades:
V. Contreras T. Pgina 2
2 DISTRIBUCIN NORMAL ESTNDAR O TIPIFICADA
1. f(x) es continua en toda la recta real.
2. f(x) es simtrica respecto de x = es decir es simtrica respecto del
parmetro .
3. f(x) tiene como asntota horizontal el eje de abscisas.
4. f(x) es estrictamente creciente cuando x < , y estrictamente decreciente
cuando x > .
5. f(x) presenta un mximo cuando x = , ese mximo vale f() =
1

2
6. El rea total que encierra la curva f(x) con el eje X es igual a 1.
2. Distribucin normal estndar o tipicada
Veamos que la expresin f(x) =
1

2
e

1
2
(
x

)
2
nos da la funcin de densi-
dad de una familia de distribuciones normales para los diferentes valores de los
parmetros y . Dentro de esta familia de distribuciones normales hay una muy
importante, que corresponde a los valores de los parmetros = 0 y = 1, es
decir la distribucin N(0, 1) y recibe el nombre de distribucin tipicada o
estndar, cuya correspondiente funcin de densidad se obtiene haciendo = 0
y = 1 en la expresin f(x) =
1

2
e

1
2
(
x

)
2
.
Denicin 2.1. Si la variable aleatoria X N(,
2
), entonces la variable
aleatoria estndar Z =
X

, tiene distribucin normal N(0, 1). En efecto, la

v.a.estndar Z tiene media E(Z) = 0 y varianza V (Z) = 1.
Adems la probabilidad:
P[X x
1
] =

x
1

2
e

1
2
(
x

)
2
dx
y estandarizando se tiene:
P[
X

x
1

] =

x
1

2
e

1
2
(
x

)
2
dx
Luego
P[Z z
1
] =

z
1

2
e

1
2
z
2
dz
La funcin de densidad y la funcin de distribucin acumulada de la normal
estndar son respectivamente:
(z) =
1

2
e

1
2
z
2
V. Contreras T. Pgina 3
3 DISTRIBUCIN UNIFORME CONTINUA
(z) =

2
e

1
2
t
2
dt
Figura 2: graca de la funcin de densidad (z) =
1

2
e

1
2
z
2
Ejemplo 2.1. Supongamos que la demanda mensual de un bien de consumo se
distribuye normalmente con una media 650 kg y una desviacin estandar de 100
kg.
1. Qu probabilidad hay de que la demanda no supere los 500 kg?
2. Qu cantidad de bien debe haber mensualmente a n de satisfacer la de-
manda en el 89,8 % de los meses?
Solucin
X: demanda mensual de un bien de consumo.
= 650 kg , = 100 kg
1. P[X 500] = P[
X

500650
100
] = P[Z 1, 5] = 1 P[Z 1, 5] =
1 0, 9332 = 0, 0668.
2. P[X < k] = 0, 898 P[
X

<
k650
100
] = 0, 898 P[Z <
k650
100
] =
0, 898
k650
100
= 1, 27 k = 777 kg
3. Distribucin uniforme continua
Esta es la ms sencilla de las distribuciones continuas. Surge al considerar
una variable aleatoria que toma valores equiprobables en un intervalo nito y su
nombre se debe al hecho de que la densidad de la probabilidad de esta variable
aleatoria es uniforme en todo su intervalo de denicin.
Sea un experimento aleatorio cuya variable aleatoria asociada toma valores en
un intervalo nito, de manera que puede tomar cualquier valor de ese intervalo,
entonces si la probabilidad de que la variable aleatoria tome un valor en cada
subintervalo de la misma longitud es la misma, diremos que la variable aleatoria
est distribuida uniformemente en ese intervalo.
V. Contreras T. Pgina 4
4 DISTRIBUCIN EXPONENCIAL
Denicin 3.1. Diremos que una variable aleatoria X, de tipo continuo, sigue
una distribucin uniforme en el intervalo real [a, b], con < a < b < +, si
su funcin de densidad es:
f(x) =

1
ba
a a b
0 en el resto
Abreviadamente lo indicamos por X U(a, b) en donde a y b son los parmet-
ros.
La funcin de distribucin de una X U(a, b) est dado por:
F(x) =

0 x < a
xa
ba
a a b
1 x > b
Teorema 3.1. Si X U(a, b) entonces
E(X) =
b +a
2
y V (X) =
(b a)
2
12
4. Distribucin exponencial
Denicin 4.1. Diremos que una variable aleatoria X, de tipo continuo, sigue
una distribucin exponencial de parmetro , siendo > 0,y se denota por X
Exp(), si su funcin de densidad es
f(x) =

e
x
x 0
0 x < 0
Esta distribucin est relacionada con la de Poisson, as pues si el nmero
de sucesos que ocurren en un determinado intervalo sigue una distribucin de
Poisson, entonces la variable aleatoria que representa el tiempo entre ocurrencia
de sucesos sigue una distribucin exponencial. As, por ejemplo, si el nmero
de ventas semanales de un cierto modelo de autos sigue una distribucin de
Poisson, entonces el tiempo transcurrido entre las ventas seguir una distribucin
exponencial.
Tambin se pueden modelizar mediante la distribucin exponencial las sigu-
ientes situaciones: - la duracin de la prestacin de un servicio. - el tiempo entre
llegadas sucesivas a una cola o punto de servicio. - el tiempo de duracin de al-
gunos equipos, etc.
La funcin de distribucion de una v.a. X Exp() esta dada por
F(x) = P[X x] =

1 e
x
si x 0
0 si x < 0
V. Contreras T. Pgina 5
5 DISTRIBUCIN GAMMA
Teorema 4.1. Si X Exp()) entonces
E(X) =
1

y V (X) =
1

2
Observacin 4.1.
Notemos que P[X > x] = 1 P[X x] = e
x
, 0 x <
5. Distribucin gamma
Previamente vamos a denir la funcin gamma como una funcin del anlisis
matemtico y que despus utilizaremos en varios modelos o distribuciones prob-
abilsticas de tipo continuo.
As denimos la funcin gamma de denotado por () como:
() =

0
x
1
e
x
dx
donde es un nmero real positivo.
Propiedades
1. Si > 1, entonces () = ( 1) ( 1).
2. (1) = 1
3. (
1
2
) =

0
x

1
2
e
x
dx =

.
4. Si N, entonces (n) = (n 1)!
Una vez que hemos denido esta funcin gamma, la vamos a aplicar para
denir la distribucin de probabilidad gamma, pues son muchas las aplicaciones
de esta distribucin a experimentos o fenmenos aleatorios que tienen asociadas
variables aleatorias que siempre son no negativas y cuyas distribuciones son ses-
gadas a la derecha, es decir, el rea bajo la funcin de densidad disminuye a
medida que nos alejamos del origen.
Denicin 5.1. Diremos que una variable aleatoria X, de tipo continuo, sigue
una distribucin gamma de parmetros y representado por X (, ), si
su funcin de densidad es :
f(x) =

()
x
1
e
x
si x 0
0 si x < 0
V. Contreras T. Pgina 6
6 DISTRIBUCIN BETA
Esta distribucin se aplica para representar las siguientes distribuciones:
1. Intervalos de tiempo entre dos fallos de un motor.
2. Intervalos de tiempo entre dos llegadas de automviles a un grifo.
3. Tiempos de vida de sistemas electrnicos, etc.
La funcin de distribucin de la v.a. X (, ) esta dada por:
F(x) =

()

x
0
t
1
e
t
dt si x 0
0 si x < 0
Teorema 5.1. Si X (, ) entonces
E(X) =

y V (X) =

2
6. Distribucin beta
Previamente vamos a denir la funcin beta de p y q,denotado por (p, q)
como :
(p, q) =

1
0
x
p1
(1 x)
q1
dx p > 0 , q > 0
Se verica tambin : (p, q) =
(p) (q)
(p+q)
Denicin 6.1. Diremos que una variable aleatoria X, de tipo continuo, sigue
una distribucin beta de parmetros p y q, siendo p, q > 0, X (p, q), si su
funcin de densidad es :
f(x) =

1
(p,q)
x
p1
(1 x)
q1
si 0 < x < 1
0 en otros casos
Observemos que esta funcin de densidad est denida en el intervalo (0,1), lo
cual nos indica que esta familia de distribuciones beta es muy til para representar
modelos probabilsticos que representan proporciones, tales como:
1. La fraccin de tiempo que un equipo est en reparacin.
2. La proporcin de piezas defectuosas de un lote.
3. La proporcin del gasto de una familia en alimentacin con respecto a los
ingresos totales.
4. La participacin de la produccin de una empresa con respecto al total de
lo producido en ese sector, etc.
V. Contreras T. Pgina 7
6 DISTRIBUCIN BETA
La funcin de distribucin de la v.a. X (p, q) esta dada por:
F(x) =

0 si x 0

x
0
1
(p,q)
t
p1
(1 t)
q1
dt si 0 < x < 1
1 si x 1
Teorema 6.1. Si X (p, q) entonces
E(X) =
p
p +q
y V (X) =
p q
(p +q + 1) (p +q)
2
Ejemplo 6.1.
Una comunidad de vecinos dispone de un depsito que contiene una canti-
dad ja de combustible para la calefaccin central y que es rellenado cada mes.
La experiencia acumulada durante muchos meses permite representar la propor-
cin de reserva utilizada cada mes mediante un modelo de distribucin Beta con
parmetros p=4 y q=2. Calcule la probabilidad de que un mes determinado se
utilice ms del 75 % de la reserva de combustible.
Solucin
Su funcin de densidad ser: f(x) = 20x
3
(1 x) si 0 < x < 1 y f(x) = 0 en
otro caso. Luego P(x > 0, 75) = 0, 3672.
EJERCICIOS
1. De la parada del autobs que recorre la lnea Algeciras-San Roque sale
un autobs cada 15 minutos. Un viajero llega de improviso en cualquier
momento. Obtener:
a) La funcin de distribucin de la v.a. tiempo de espera hasta que salga
el prximo autobs.
b) Probabilidad de que el viajero espere menos de 5 minutos.
c) La media y la varianza de la v.a. tiempo de espera.
d) Probabilidad de que el viajero espere exactamente 10 minutos.
2. El tiempo que tarda un alumno para ir de su domicilio a la facultad vara
entre 30 y 40 minutos. Diariamente debe llegar a clase a las 9 horas. De-
seamos saber:
a) El tiempo medio que tarda en ir a clase y la varianza.
b) A qu hora debe salir de su casa para tener una probabilidad de 0,8
de no llegar tarde a clase.
V. Contreras T. Pgina 8
6 DISTRIBUCIN BETA
3. Sea una v.a. X distribuida segn una normal con media = 50 y desviacin
tpica 8. Obtener:
a) Probabilidad de que X tome valores entre 38 y 58.
b) Probabilidad de que X tome un valor mayor que 66.
4. Supongamos que la demanda semanal de un artculo sigue una distribucin
normal de media = 100 y desviacin tpica = 20. Qu existencias
deben tener al principio de la semana para poder satisfacer la demanda con
una probabilidad de 0,95?
5. Una determinada compaa dedicada a la exportacin de frutas y hortalizas
ha observado que el peso de los melones que cultiva para ser exportados
sigue una distribucin normal con media = 1, 7 kgs. y desviacin tpica
= 100 grs. Se desea conocer:
a) La proporcin de melones que pesan menos de 2 kgs.
b) Sabiendo que son rechazados para la exportacin aquellos melones
cuyo peso diere en ms de 300 grs. del peso medio, determinar la
proporcin de melones que se rechazan.
6. El "tiempo de duracin en horas" X de una pieza de un cierto equipo se
distribuye segn una distribucin gamma de parmetros = 3 y = 0, 2.
Determinar:
a) Probabilidad de que el equipo funcione ms de 10 horas.
b) Probabilidad de que el equipo funcione entre 10 y 15 horas.
7. En un parking pblico se ha observado que los coches llegan aleatoria e
independientemente a razn de 360 coches por hora:
a) Utilizando la distribucin exponencial encontrar la probabilidad de
que el prximo coche no llegar en los prximos 30 segundos.
b) Utilizando la distribucin de Poisson obtener la misma probabilidad
anterior.
8. Si consideramos una v.a. X que representa la proporcin de personas que
consumen una determinada marca de aceite de oliva y que sigue una dis-
tribucin beta de parmetros p = 1 y q = 1, determinar la probabilidad de
que dicha proporcin est comprendida entre el 10 % y el 50 %.
9. El depsito central de agua potable de un determinado municipio se llena
una vez por semana, los domingos. Observando el consumo de agua de
aos anteriores se lleg a la conclusin de que la proporcin de agua del
depsito que se distribuye durante la semana se poda representar por una
V. Contreras T. Pgina 9
6 DISTRIBUCIN BETA
distribucin beta de parmetros p = 3 y q = 2. Determinar la probabilidad
de que se distribuya al menos el 80 % de agua del depsito central durante
una semana.
10. Un transportista tiene una avera en su camin de forma aleatoria y uni-
forme a lo largo del trayecto de 100 kms. desde el origen al destino. Calcular:
a) Probabilidad de que el lugar donde se avera diste ms de 2 veces del
origen que del destino.
b) Distancia media desde el destino al punto en que se produce la avera.
11. El sistema de control de calidad de una planta industrial consta de 3 subsis-
temas que deben funcionar simultneamente para efectuar el control com-
pleto. Si los tiempos de funcionamiento, de los 3 subsistemas, son inde-
pendientes y se distribuyen (en horas) respectivamente N(45,5), N(47,3) y
N(50,6), se pide calcular la probabilidad de que el sistema funcione las 40
horas laborables de una semana, si al comienzo de la semana se renuevan
los subsistemas.
12. Un sistema electrnico est compuesto por dos circuitos cuyos tiempos de
vida son independientes y se distribuyen (6, 2) y (8, 4) respectivamente,
en miles de horas. El sistema funciona mientras funcione alguno de los dos
circuitos. Se pide:
a) Probabilidad de que el sistema funcione ms de 4.000 horas.
b) Vida esperada de cada circuito
13. Sea X la v.a. "tiempo de duracin hasta su adquisicin de cierto producto
en el escaparate de un comercio", y se distribuye Exp(0, 2) en das. Obtener:
a) Tiempo esperado del producto en el escaparate.
b) Desviacin tpica del tiempo de exposicin.
14. Un supermercado est interesado en controlar la calidad de los servicios que
presta a sus clientes y comprueba que el tiempo que una cajera emplea en
atender a un cliente sigue una distribucin Gamma con media de 6 minutos
y varianza 12 minutos
2
.
a) Calcule la probabilidad de que una persona sea atendida durante ms
de 10 minutos en una caja.
b) Si dos amigos, que han comprado de forma independiente, se dirigen
juntos a la caja para pagar sus respectivas compras, cul es la prob-
abilidad de que el tiempo total que la cajera emplea en atender a los
dos sea inferior a 6 minutos?
V. Contreras T. Pgina 10
7 TABLAS
7. Tablas
V. Contreras T. Pgina 11
7 TABLAS
V. Contreras T. Pgina 12
7 TABLAS
V. Contreras T. Pgina 13
7 TABLAS
V. Contreras T. Pgina 14
7 TABLAS
V. Contreras T. Pgina 15
7 TABLAS
V. Contreras T. Pgina 16
7 TABLAS
V. Contreras T. Pgina 17
7 TABLAS
V. Contreras T. Pgina 18