UNIDAD

Distribuciones de
Probabilidad Continuas
OBJETIVO EDUCACIONAL
Al trmino de esta unidad el alumno:

Caracterizar las diferentes distribuciones de probabilidad continuas e

interpretar su significado

1.1.

Introduccin

En la prctica pueden presentarse pequeas variaciones en las longitudes medidas, por muchas
causas, tales como vibraciones, fluctuaciones de temperatura, diferencias entre quienes toman las
mediciones, calibraciones, desgaste en la herramienta de corte, desgaste en los cojinetes y
cambios en la materia prima. Incluso el procedimiento de medicin puede producir variaciones
en los resultados finales.
En estos tipos de experimentos, las mediciones de inters pueden representarse con una variable
aleatoria. Es razonable modelar el rango de los valores posibles de la variable aleatoria con un
intervalo de nmeros reales.
Variable aleatoria continua. Si el rango de una variable aleatoria X contiene un intervalo
(ya sea finito o infinito) de nmeros reales, entonces X es una variable aleatoria continua.

Estadstica I __________________________________________________________________________________

1.2.

Distribucin de probabilidad de una variable aleatoria continua

Una funcin f(x) es una funcin de densidad de probabilidad de la variable aleatoria

continua X si para cualquier intervalo de nmeros reales x 1 , x 2 se satisfacen:
1) f ( x ) 0

2)

f ( x )dx 1
x2

3) P ( x 1 X x 2 ) x f ( x )dx
1

La funcin de distribucin acumulada de una variable aleatoria continua X es

F(x)= P ( X x )

f ( x )dx

Cuando se ha obtenido la funcin de distribucin acumulada se pueden evaluar las probabilidades

siguientes:
a) P ( X a ) F ( a ) F ( z

a
)

b) P ( X b ) 1 F ( b ) 1 F ( z

b
)

c) P ( a X b ) F ( b ) F ( a ) F ( z
1.3.

b
a
) F( z
)

Media y varianza de una variable aleatoria continua

La media y la varianza de una variable aleatoria continua se definen de manera similar al caso de
la variable aleatoria discreta. En las definiciones, la integracin reemplaza a la sumatoria.
Suponga que X es una variable aleatoria continua

con funcin de densidad de

probabilidad f(x), para x

La media de X, es

E( X ) x

La varianza de X, es

V ( X ) x2

x f ( x )dx

( x ) 2 f ( x )dx

x 2 f ( x )dx x2

La desviacin estndar de X, es x V ( X )
Ejemplo 1.1 Determine el valor de k para que la siguiente funcin sea una funcin de densidad
de probabilidad

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

f ( x ) k x2

para

0x4

Solucin Para que f(x) sea una funcin de densidad de probabilidad se debe cumplir que
f( x) 0 y

Entonces

4
0

f ( x )dx 1

kx 2 dx 1

x3

43

0 1
3

3
64

Ejemplo 1.2 Suponga que la funcin de distribucin acumulada de la variable aleatoria X es

x0

F ( x ) 0.2 x
1

0 x5
x5

Calcule:
a) P(X < 2.8)

b) P(X > 1.5)

Solucin
a) P(X < 2.8) = F(x = 2.8) = 0.2*(2.8) = 0.56= 56%
b) P(X > 1.5)= 1 F(x = 1.5) = 1 0.2*(1.5) = 0.7 = 70%

Ejemplo 1.3 Suponga que f ( x ) 0.25 para 0 < x < 4. Calcule la media y la varianza de X.
Solucin
E( X ) x

V( X )

2
x

4
0

x2

x ( 0.25 )dx 0.25

x3
x ( 0.25 )dx 2 0.25

3
2

42

0 2
2

0.25
4

43

4
0 4
3
3

4 0.25

EJERCICIOS 1.1
1. Determine el valor de k para que la siguiente funcin sea una funcin de densidad de
probabilidad

MOISS MUOZ DAZ

Estadstica I __________________________________________________________________________________

a) f ( x ) k x 2

0x4

para

b) f ( x ) k ( 1 2 x )
c) f ( x ) k e x

para
para

0 x2

x0

2. La funcin de densidad de probabilidad del tiempo de falla (en horas) de un componente

electrnico de una copiadora es f ( x )

e x / 1000
1000

para

x 0 . Calcule la probabilidad de que

el componente
a)

Tarde ms de 3000 horas en fallar

b)

Falle en un lapso comprendido entre 1000 y 2000 horas

c)

Falle antes de 1000 horas

3. Suponga que la funcin de distribucin acumulada de la variable aleatoria X es

0

F ( x ) 0.25 x 0.5
1

x 2
2 x2
x2

Calcule:
b) P(X > 1.5)

a) P(X < 1.8)

c) P( 1 <X <

1)
4. Determine la funcin de densidad de probabilidad asociada con cada una de las siguientes
funciones de distribucin acumulada
a) F ( x ) 1 e 2 x

x0
x 2

0
0.25 x 0.5

2 x1

0.5 x 0.25
1

x 1.5

b) F ( x )

1 x 1.5

5. El espesor de un recubrimiento conductor, en micrmetros, tiene una funcin de densidad

f ( x ) 600 x 2

para

100 m x 120 m

a)

Calcule la media y la varianza del recubrimiento

b)

Si el costo del recubrimiento es de 0.50 dlares por micrmetro de espesor en cada

pieza, cul es el costo promedio del recubrimiento por pieza?

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

6. Suponga que la funcin de densidad de probabilidad de la longitud de unos cables para

computadora es f ( x ) 0.1

para

1200 x 1210 milmetros

a)

Calcule la media y la desviacin estndar de la longitud del cable

b)

Si las especificaciones para la longitud son 1195 < x < 1205 milmetros, qu valor de la
media da la mayor proporcin de cables que cumplen con las especificaciones?

7. Suponga que el tamao de una partcula contaminante (en micrmetros) puede modelarse con
f ( x ) 2 x 3

para

x 1 . Calcule la media de X

1.4 Distribucin de Probabilidad Normal

La distribucin continua de probabilidad ms importante en todo el campo de la estadstica es la
distribucin normal. Su grfica recibe el nombre de curva normal, es la curva en forma de
campana que se muestra en la figura 1. 1.

MOISS MUOZ DAZ

Estadstica I __________________________________________________________________________________

Una variable aleatoria continua X tiene una distribucin normal, con media y varianza 2, si
su funcin de densidad de probabilidad est dada por
n( x ; , )

e ( x u )

/ 2 2

Donde = 3.14159. . . y e = 2.71828. . . .

A partir del anlisis de la figura 1.1, del anlisis de la primera y segunda derivada de n(x; , ),
se encuentran las propiedades de la curva normal:
1. La moda, que es el punto sobre el eje horizontal donde la curva tiene su mximo,
ocurre en x = .
2. La curva es simtrica alrededor de un eje vertical que pasa por x = .
3. La curva tiene sus puntos de inflexin en x = , es cncava hacia abajo en el
intervalo < < + , y es cncava hacia arriba en cualquier otro punto.
4. La curva normal se acerca al eje horizontal en forma asinttica en cualquiera de las
dos direcciones, alejndose de la media.
5. El rea total bajo la curva y arriba del eje horizontal es igual a 1.
reas bajo la curva Normal
La curva de cualquier distribucin continua de probabilidad

o funcin de densidad est

construida de tal modo que el rea bajo la curva, limitada por los dos puntos x = x1 y x = x2 es
igual a la probabilidad de que la variable aleatoria continua X asuma un valor entre x = x1 y x
= x2 . Entonces, para la curva normal
P( x1 X x2 )

x2

n( x ; , ) dx

x 2 ( x )2 / 2 2

dx

El rea bajo la curva entre dos puntos cualesquiera debe, entonces, depender de los valores de

y . La dificultad que se encuentra al resolver las integrales de las funciones de densidad

normal hace necesaria la tabulacin de las reas de la curva normal para una referencia rpida.
No obstante, sera una tarea interminable crear tablas separadas para cada valor concebible de

y . Por fortuna es posible transformar todas las observaciones de cualquier variable

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

aleatoria normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z

con media = 0 y varianza 2 = 1. Esto puede realizarse por medio de la transformacin
X

En consecuencia puede escribirse,

P( x1 X x 2 )

x 2 ( x )2 / 2 2

dx

x2 z 2 / 2

dx

Donde Z es un variable aleatoria normal con media cero y varianza 1, llamada distribucin
normal estndar ( Z ~ Normal ( z 0 , z 1 ) .
Aplicaciones de la Distribucin Normal
Con el cambio de variable a Z se ha reducido el nmero que se requiere de tablas de reas bajo la
curva normal a una, la de la Distribucin Normal Estndar (Tabla 1 del Apndice). Para las
aplicaciones de la distribucin normal utilizaremos el procedimiento siguiente:
Sean:

X = una variable aleatoria continua

X ~ Normal ( , )

x
Z

Z ~ Normal ( 0 ,1 )

Z
Entonces:
a) P ( X a ) F ( a ) F ( z

a
)

b) P ( X b ) 1 F ( b ) 1 F ( z

b
)

c) P ( a X b ) F ( b ) F ( a ) F ( z

d) P ( a X b ) F ( a ) 1 F ( b ) F ( z

MOISS MUOZ DAZ

) F( z

a
b
) 1 F( z
)

Estadstica I __________________________________________________________________________________

Ejemplo 1.4 Una compaa fabrica focos cuya duracin est normalmente distribuida con una
media igual a 800 horas y una desviacin estndar de 40 horas. Encuentre la probabilidad de que
un foco
a) dure menos de 700 horas;
b) tenga una duracin mayor 880 horas;
c) se funda entre las 778 y 834 horas.
Solucin
Sean:

X = duracin de focos fabricados por una compaa, en horas

X ~ Normal ( 800 , 40 )

x0
Z

Z ~ Normal ( 0 ,1 )

Z
Entonces:
a) P ( X 700 ) F ( 700 ) F ( z

700 800
) F ( z 2.5 ) 0.0062 , por lo que se espera
40

que 6 de cada 1000 focos fabricados duren menos de 700 horas.

b) P ( X 880 ) 1 F ( 880 ) 1 F ( z

880 800
) 1 F ( z 2.00 ) 0.0228 , el 2.28%
40

de los focos fabricados durarn ms de 880 horas.

c)

P ( 778 X 834 ) F ( 834 ) F ( 778 ) F ( z

834 800
778 800
) F( z
)
40
40

F ( z 0.85 ) F ( z 0.55 ) 0.8023 0.2912 0.5111

el 51.11% de los focos

se fundirn entre las 778 y 834 horas de uso.

EJERCICIOS 1.4
1. Utilice la Tabla 1 del apndice para calcular las probabilidades siguientes para la variable
aleatoria normal estndar Z.
a) P ( Z 1.32 ) ;

b) P ( Z 3.00 )

c) P ( Z 1.45 )

d) P ( Z 2.15 )

e) P ( 2.34 Z 1.76 )

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

2. Suponga que Z tiene una distribucin normal estndar. Utilice la Tabla 1 del apndice para
determinar el valor de z que resuelve cada una de las siguientes probabilidades:
a) P ( Z z ) 0.9

b) P ( Z z ) 0.5

c) P ( Z z ) 0.1

d) P ( Z z ) 0.9

e) P ( 1.24 Z z ) 0.8
3. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule lo siguiente:
a) P ( X 13 )
c) P ( 6 X 14 )

b) P ( X 9 )
d) P ( 2 X 4 )

e) P ( 2 X 8 )
4. Suponga que X tiene una distribucin normal con una media de 10 y desviacin estndar de
2. Calcule el valor de x que resuelve cada una de las siguientes probabilidades:
a) P ( X x ) 0.5

b) P ( X x ) 0.95

c) P ( x X 10 ) 0.2
5. La resistencia a la compresin de una serie de probetas de concreto puede modelarse con una
distribucin normal con una media de 6000 Kg/cm2, y una desviacin estndar de 100
Kg/cm2. Cul es la probabilidad de que la resistencia de una probeta: a) sea menor que 6250
Kg/cm2; b) se encuentre entre 5800 y 5900 Kg/cm2?
6. Las barras de pan de centeno que cierta panadera distribuye a las tiendas locales tienen una
longitud promedio de 30 cm y una desviacin estndar de 2 cm. Suponga que las longitudes
estn distribuidas normalmente, qu porcentaje de las barras son
a) ms largas que 31.7 cm?
b) entre 29.3 y 33.5 cm de longitud?
c) ms cortas que 25.5 cm?
7. Se regula una mquina despachadora de refrescos para que sirva un promedio de 200 ml por
vaso. Si la cantidad de bebida se distribuye normalmente con una desviacin estndar de 15
ml
a) qu fraccin de los vasos contendrn ms de 224 ml?

MOISS MUOZ DAZ

Estadstica I __________________________________________________________________________________

b) cul es la probabilidad de que un vaso contenga entre 191 y 209 ml?

c) cuntos vasos probablemente se derramarn si se utilizan vasos de 230 ml para las
siguientes 1000 bebidas?
d) por debajo de que valor obtendremos el 25% de las bebidas ms pequeas?
8. El dimetro interior de un anillo de un pistn ya terminado se distribuye normalmente con una
media de 10 cm y una desviacin estndar de 0.03 cm.
a) qu proporcin de anillos tendrn dimetros interiores que excedan de 10.075 cm?
b) cul es la probabilidad de que el anillo de un pistn tenga un dimetro interior entre 9.97
y 10.03 cm?
c) por debajo de que valor del dimetro interior caer el 15% de los anillos de pistn?
9. Un abogado va todos los das de su casa en los suburbios a su oficina en el centro de la ciudad.
El tiempo promedio para un viaje de ida es de 24 minutos, con una desviacin estndar de
3.8 minutos. Suponga que la distribucin de los tiempos de viaje est distribuida
normalmente.
a) cul es la probabilidad de que un viaje tome al menos hora?
b) Si la oficina abre a las 9:00 a.m. y l sale de su casa a las 8:45 a.m. , qu porcentaje de las
veces llega tarde al trabajo?
c) Si sale de su casa a las 8:35 a.m. y el caf se sirve en la oficina de 8:50 a 9:00 a.m., cul
es la probabilidad de que pierda el caf?
d) Encuentre el tiempo por arriba del cual encontramos el 15% de los viajes ms lentos.
e) Encuentre la probabilidad de que 2 de los siguientes 3 viajes tomen al menos hora.
10. En el ejemplar de noviembre de 1990 del Chemycal Engineering Progress un estudio discute
sobre la pureza del oxigeno de cierto proveedor. Suponga que la media fue de 99.61 con una
desviacin estndar de 0.08 y que la distribucin del porcentaje de pureza fue
aproximadamente normal.
a) Qu porcentaje de los valores de pureza esperara que estuvieran entre 99.5 y 99.7?
b) Qu valor de pureza esperara que excediera exactamente el 5% de la poblacin?
11. La vida promedio de cierto tipo de motor pequeo es 10 aos con una desviacin estndar de
2 aos. El fabricante reemplaza gratis todos los motores que fallen dentro del plazo de

10

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

garanta. Si est dispuesto a reemplazar slo el 3% de los motores, de que duracin debe ser
la garanta que ofrezca? Suponga que la duracin de un motor sigue una distribucin normal.

1.5 Distribucin de Probabilidad Tipo Gamma.

La distribucin gamma recibe su nombre de la bien conocida funcin gamma, que se estudia en
muchas reas de las matemticas. La funcin gamma se define como
( )

x 1 e x dx

para

x0

Propiedades de la funcin gamma:

Al integrar por partes con u x 1 y dv e x dx , obtenemos
( ) e x x 1

e x ( 1) x 2 dx ( 1) x 2 e x dx
0

Para 1 , que produce la frmula recursiva da

( ) ( 1)( 1)

La aplicacin repetida de la frmula recursiva da

( ) ( 1) ( 2 )( 2 ) ( 1)( 2 )( 3)( 3 ) ,

y as sucesivamente. Observe que cuando

n , donde n es un entero positivo,

( n) ( n 1)( n 2 )(1)

Sin embargo, dado que

(1)

e x dx 1

En consecuencia
( n ) ( n 1)!

Otra propiedad importante de la funcin gamma es que

Distribucin Gamma.

(1 / 2 )

La variable aleatoria X tiene una distribucin gamma, con

parmetros y , si su funcin de densidad de probabilidad est dada por

MOISS MUOZ DAZ

11

Estadstica I __________________________________________________________________________________

f ( x)

Cuando 0 y 0 .

1
x 1 e x / ,
( )
0,

x0

en cualquier otro caso

La media y la varianza de la distribucin gamma son

2 2 .

En la siguiente figura se muestran grficas de varias distribuciones gamma para ciertos valores
especficos de los parmetros y .

alfa, beta
1,1
2,1
4,1

alfa = 1, beta =1

0.8
0.6
0.4

alfa =2, beta = 1

alfa = 4, beta = 1

0.2
0
0

Distribucin gamma

La distribucin gamma especial para la que = 1 se le llama distribucin exponencial.

La media y la varianza de la distribucin exponencial son

2 2.

Ejemplo 1.8 En cierta ciudad, el consumo diario de agua (en millones de litros) sigue
aproximadamente una distribucin gamma con = 2 y = 3. Si la capacidad diaria de dicha
ciudad es de nueve millones de litros de agua, cul es la probabilidad de que en cualquier da
dado el suministro de agua sea inadecuado?
Solucin

12

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

Sean:

X = consumo de agua en cierta ciudad, en millones de litros

X ~ Gamma ( 2 , 3 )

x0

Entonces:

f(x)

1
x ex / 3 ,
3 (2)
0,

f(x)

1 x / 3
xe
9

x0
en cualquier otro caso

x0
9 x

1 x / 3
1
x

xe
dx 1
ex / 3
dx 1 e x / 3
1

0 9
0 3
3
3

P( x 9 ) 1

P ( x 9 ) 1 e 3 ( 4 ) e 0 ( 1 ) 0.1991 19.91%

19.91% de los das el suministro de agua ser inadecuado

EJERCICIOS 1.5
1. Si una variable aleatoria X tiene la distribucin gamma con = 2 y = 1, encuentre
P ( 1.8 x 2.4 )

2. Suponga que el tiempo, en horas, que toma reparar una bomba de calor es una variable
aleatoria X que tiene la distribucin gamma con parmetros = 2 y = . Cul es la
probabilidad de que la siguiente llamada de servicio requiera
a) a lo ms una hora para reparar la bomba de calor?
b) al menos dos horas para reparar la bomba de calor?
3. En cierta ciudad, el consumo diario de energa elctrica, en millones de kilowatts hora, es
una variable aleatoria X que tiene una distribucin gamma con una media = 6 y varianza

2 = 12.
a) Encuentre los valores de y .

MOISS MUOZ DAZ

13

Estadstica I __________________________________________________________________________________

b) Encuentre la probabilidad de que en cualquier da dado el consumo de energa diario

exceda los 12 millones de kilowatts-hora.
4. El tiempo necesario para que un individuo sea atendido en una cafetera es una variable
aleatoria que tienen una distribucin exponencial con una media de cuatro minutos. Cul es
la probabilidad de que una persona sea atendida en menos de tres minutos en al menos cuatro
de los siguientes seis das?
5. La vida en aos de cierto interruptor elctrico tiene una distribucin exponencial con una vida
promedio de = 2, de estos interruptores se instalan en diferentes sistemas, cul es la
probabilidad de que a lo ms 30 fallen durante el primer ao?
1.6

Distribucin de probabilidad tipo Beta

Distribucin Beta. La variable aleatoria X tiene una distribucin beta, con parmetros

y , si su funcin de densidad de probabilidad est dada por

( ) 1
x (1 x ) 1 ,

f ( x ) ( )( )

0,
Cuando 0 y 0 .

0 x1
en cualquier otro caso

La media y la varianza de la distribucin beta son

.
( ) ( 1)
2

Ejemplo 1.9 En cierto pas, la proporcin de tramos de autopista que requieren reparacin en un
ao determinado es una variable aleatoria con distribucin beta, con = 3 y = 2. Calcular:
a) en promedio, qu porcentaje de tramos en autopista requieren reparacin en un ao
cualquiera?
b) La probabilidad de que a lo ms la mitad de los tramos de autopista requieran
reparacin en un ao cualquiera.
Solucin
Sean:

X = proporcin de tramos de autopista que requieren reparacin en un ao determinado

X ~ Beta ( 3, 2 )

0 x1

14

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

Entonces:

a) 3 2 0.60 , lo cual significa que en promedio el 60% de los tramos de autopista

necesitarn reparacin en un ao cualquiera.
b) Sustituyendo = 3 y = 2 en la frmula para la distribucin beta y utilizando el hecho de que
( 5 ) 4! 24 , ( 3 ) 2! 2 y que ( 2 ) 1! 1 , se obtiene
12 x 2 ( 1 x ) ,
0,

0 x1
en cualquier otro caso

f( x)

As
P( x 1 / 2 )

1/ 2

x3 x4
12 x ( 1 x )dx 12

4
3

1/ 2

1
5
1

6.25%

16
24 64

12

EJERCICIOS 1.6
1.

Si la proporcin anual de declaraciones de impuestos errneas en el departamento de

contribuciones puede considerarse una variable aleatoria que tiene una distribucin beta con

= 2 y = 9, cul es la probabilidad de que en un ao determinado menos del 10% de las

declaraciones sean errneas?
2. Suponga que la proporcin de unidades defectuosas embarcadas por un vendedor, las cuales
varan de cargamento a cargamento, puede considerarse como una variable aleatoria que tiene
la distribucin beta con = 1 y = 4.
a) Encuentre la media de de esta distribucin beta, es decir, el promedio de unidades
defectuosas en un cargamento de este vendedor.
b) Calcule la probabilidad de que un embarque de este vendedor contenga 25% o ms de
unidades defectuosas?
1.7 Distribucin de probabilidad de Weibull
Una distribucin de probabilidad que se utiliza ampliamente en ao recientes para tratar con los
problemas de confiabilidad de los componentes que forman los sistemas es la distribucin de
Weibull, que introdujo el sueco Waloddi Weibull en 1939.

MOISS MUOZ DAZ

15

Estadstica I __________________________________________________________________________________

Distribucin de Weibull. La variable aleatoria X tiene una distribucin de Weibull, con

parmetros y , si su funcin de densidad de probabilidad est dada por
x 1 e x ,
0 ,

f(x)

Cuando 0 y 0 .

x 0
en cualquier otro caso

La media y la varianza de la distribucin de Weibull son

2

2
1
2 2 / 1 1

1
1 / 1 ,

En la siguiente figura se muestran grficas de la distribucin de Weibull para = 1 y diversos

valores del parmetro . En sta se observa que las curvas cambian de forma de manera
considerable para diferentes valores de los parmetros, en particular el parmetro . Si hacemos

= 1, la distribucin de Weibull se reduce a la distribucin exponencial. Para valores de > 1,

las curvas toman la forma de campana como la curva normal, pero muestran asimetra.
Distribuciones de Weibull ( = 1)

1.6

alfa, beta
1,1
2,1
4,1

beta = 3

1.2
beta =1
beta =2

0.8
0.4
0
0

0.5

1.5

2.5

EJERCICIOS 1.6
1. Suponga que la vida de servicio, en aos, de la batera de un aparato para sordos es una
variable aleatoria que tiene una distribucin de Weibull con = 1/2 y = 2.

16

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

a) Cunto tiempo se puede esperar que dure tal batera?

b) Cul es la probabilidad de que tal batera est en operacin despus de dos aos?
2. Suponga que el tiempo de falla (en minutos) de ciertos componentes electrnicos, sujetos a
vibraciones continuas, puede considerarse como una variable aleatoria que tiene la
distribucin de Weibull con = 1/5 y = 1/3.
a) Cunto puede esperarse que dure un componente?
b) Cul es la probabilidad de que ese componente falle en menos de 5 horas?
3. Suponga que la vida til (en horas) de un semiconductor es una variable aleatoria que tiene
una distribucin de Weibull con =0.025 y =0.500. Cul es la probabilidad de que el
semiconductor an est funcionando despus de 4000 horas?
1.8 Distribucin de Probabilidad ji-cuadrada, 2
Teorema 1.4. Si s 2 es la varianza de una muestra aleatoria de tamao n tomada de una
poblacin normal que tiene la varianza 2 , entonces la estadstica
2

( n 1 )s 2

( xi x )2

i1

Tiene una distribucin Ji-cuadrada con v = n 1 grados de libertad.

Para las aplicaciones de la distribucin

2 (Tabla 2 del Apndice), utilizaremos el procedimiento

siguiente:
Sean: X = una variable aleatoria continua
X ~ Normal ( , 2 )
X
x 1 , x 2 , x n n variables aleatorias independientes
n

s
2

x
i 1

2
i

x i
i1
n1

/n

( n 1 )s 2

2
2 ~ Ji cuadrada ( v n 1 gl ) )

2 0

MOISS MUOZ DAZ

17

Estadstica I __________________________________________________________________________________

Entonces:
2 ( n 1 )a 2
2
2

a) P ( s a ) P ( s a ) F
2

2
b) P ( s b ) P ( s b ) 1 F

c)

( n 1 )b2
2

( n 1 )b2
P ( a s b ) P ( a 2 s 2 b 2 ) F 2
2

( n 1 )a 2
F 2

Ejemplo 1.5 Se sabe que la duracin de los cinescopios para televisin fabricados por una
compaa se distribuye en forma normal con una media de 3000 horas y una desviacin estndar
de 60 horas. Si se seleccionan 10 de estos cinescopios al azar, hallar la probabilidad de que la
varianza muestral: a) no exceda de 2360 horas2, b) se encuentre entre 2360 y 6768 horas2.
Solucin
Sean: X = duracin de los cinescopios, en horas
X ~ Normal ( 3000 , 60 )
X>0
x 1 , x 2 , x n n =10 variables aleatorias independientes
n

s
2

x
i 1

2
i

x i

i1
n1

/n

( n 1 )s 2

2 ~ Ji cuadrada ( v 9 gl )

Entonces:
2 9( 2360 )
2
F ( 2 5.90 ) 0.25
a) P ( s 2360 ) F
2
60

Por lo tanto, esperamos que 25 de cada cien muestras, de tamao 10, tengan una varianza
muestral inferior a 2360 horas2.
9( 2360 )
2 9( 6768 )

2
F 2

b) P ( 2360 s 6768 ) F
2
60
60 2

F 2 16.92 F ( 2 5.90 ) 0.95 0.25 =

18

0.70

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

Por lo tanto, esperamos que 70 de cada cien muestras, de tamao 10, tengan una varianza
muestral mayor de 2360 horas2 pero menor de 6768 horas2.
1.9 Distribucin de probabilidad t Student
Teorema 1.5. Sea Z una variable aleatoria normal estndar y V una variable aleatoria Jicuadrada con v grados de libertad. Si Z y V son independientes, entonces la distribucin
de la variable aleatoria T, donde
Z

V /v

Est dada por

h( t )

( v 1 ) / 2
t 2
1
v
( v / 2 ) v

( v 1 ) / 2

Esta se conoce como la distribucin t con v grados de libertad.

Sean X 1 , X 2 , X n

Corolario

variables aleatorias independientes que son todas

normales con media y desviacin estndar

x

i1

Entonces la variable aleatoria T

xi
n

s2

x
s/

. Sean
( xi x )2
n1 ,
i 1
n

tiene una distribucin t con v = n 1 grados de

libertad.
Para las aplicaciones de la distribucin t Student (Tabla 3 del Apndice), utilizaremos el
procedimiento siguiente:
Sean:

X = una variable aleatoria continua

X ~ Normal ( , ?)

x
x1 , x 2 , xn

n variables aleatorias independientes (n < 30)

xi ;

i1

MOISS MUOZ DAZ

x
i 1

2
i

x i
i 1
n1

/n

19

Estadstica I __________________________________________________________________________________

x
s/

T ~ T Student ( v n 1 gl )

T
Entonces:

s/

a) P ( X a ) F ( a ) F t

s/

b) P ( X b ) 1 F ( b ) 1 F t

s/

c) P ( a X b ) F ( b ) F ( a ) F t

a
F t

n
s/ n

b
1 F t

s/ n
s/ n

d) P ( a X b ) F ( a ) 1 F ( b ) F t

Ejemplo 1.6 Un fabricante de focos afirma que su producto durar en promedio de 500 horas de
trabajo. Para verificar este promedio, esta persona prueba 25 focos cada mes. Si el valor de t
calculado cae entre t 0.05

t 0.05 , l se encuentra satisfecho con esta afirmacin. Qu

conclusin deber l sacar de una muestra que tiene una media de x 518 horas y una
desviacin estndar s 40 horas? Asuma que la distribucin de los tiempos de vida es normal?
Sean:

X = tiempos de vida de los focos producidos por un fabricante, en horas

X ~ Normal ( 500 , ?)

x0
x1 , x 2 , xn

n=25 variables aleatorias independientes (n < 30)

x
T

xi

i1

x
i 1

2
i

x i

i 1
n1

/n

x
s/

T ~ T Student ( v n 1 24 gl )

20

MOISS MUOZ DAZ

__________________________________________________________ Distribuciones de Probabilidad Continuas

Entonces: De la Tabla 3 obtenemos el valor de t 0.05 para 24 grados de libertad. Por lo tanto, el
fabricante estar de acuerdo con esta afirmacin si una muestra de 25 focos da un valor de
t entre -1.711 y 1.711.
T

x 518 500

2.25
s/n
40 / 25

De aqu que el fabricante est en condiciones de concluir que sus focos duran ms de 500
horas.
1.10 Distribucin de Probabilidad F
Teorema 1.6. Sean U y V dos variables aleatorias que tienen distribuciones Ji-cuadradas
con v1 y v2 grados de libertad, respectivamente, entonces la distribucin de la variable
aleatoria F

U / v1
est dada por
V / v2

h( f )

( v1 v 2 ) / 2 ( v1 / v 2 )v1 / 2
f v1 / 2 1
( v1 / 2 )( v 2 / 2 )
( 1 v1 f / v 2 )( v1 v2 )

0 f

Esta se conoce como la distribucin F con v1 y v2 grados de libertad.

Teorema 1.7. Al escribir

f vv1, para f con v1 y v2 grados de libertad, obtenemos

2
f vv 1,1
2

As, el valor F con v1 = 6

1
fvv 2,
1

v2 = 10 grados de libertad, que deja un rea de 0.95 a la

derecha, es
6
f 10
,0.95

1
f610
,0.05

1
0.246
4.06

Suponga que las muestras aleatorias de tamao n1 y n2 se seleccionan de dos poblaciones

normales con varianzas 12 y 22 , respectivamente. Del Teorema 1.4 sabemos que

MOISS MUOZ DAZ

21

Estadstica I __________________________________________________________________________________

12

( n 1 )s12

12

12

( n 1 )s12

12

son variables aleatorias que tienen distribuciones Ji-cuadradas con v1 n1 1 y v 2 n2 1

grados de libertad. Adems, como las muestras se seleccionan al azar, tratamos con variables
aleatorias independientes, y entonces con el uso del teorema 1.6 con 12 U y 22 V ,
obtenemos el siguiente resultado
Teorema 1.8. Si S12 y S 22 son las varianzas de muestras aleatorias independientes de
tamaos n1 y n2 tomadas de poblaciones normales con varianzas 12 y 22 ,
respectivamente, entonces
S12 / 12 22 S12
F

S 22 / 22 12 S 22
tiene una distribucin F con v1 n1 1 y v 2 n2 1 grados de libertad.

22

MOISS MUOZ DAZ

EJERCICIOS 1.3
1. Para una distribucin Ji-cuadrada encuentre
a) 0.2 025 cuando v = 15

b) 0.2 01 cuando v = 7

c) 0.2 05 cuando v = 24

2. Para una distribucin Ji-cuadrada encuentre los siguiente:

a) 0.2 005 cuando v = 5

b) 0.2 05 cuando v = 19

c) 0.2 01 cuando v = 12

3. Para una distribucin Ji-cuadrada encuentre 2 tal que

a) P ( 2 2 ) 0.99 cuando v = 4
b) P ( 2 2 ) 0.025 cuando v =19
c) P ( 37.65 2 2 ) 0.045 si v = 25
4. Para una distribucin Ji-cuadrada encuentre 2 tal que
a) P ( 2 2 ) 0.01 cuando v = 21
b) P ( 2 2 ) 0.95 cuando v =6
c) P ( 2 2 23.21) 0.015 si v = 10
5. Para la distribucin T-Student encuentre:
a) t 0.025 cuando v = 14
b) t 0.10 cuando v = 10
c) t 0.995 cuando v = 7
6. Para la distribucin T-Student encuentre:
a) P (T 2.3365 cuando v = 7
c) P ( 1.356 T 2.179 cuando v = 12

b) P (T 1.318 ) cuando v = 24
d) P (T 2.567 ) cuando v =

17
7. Para la distribucin T-Student encuentre:
a) P ( t 0.005 T t 0.01 )

b) P (T t 0.025 )

8. Dada una muestra aleatoria de tamao 24 de una distribucin normal, con desconocida,
encuentre k tal que
MOISS MUOZ DAZ

23

Estadstica I __________________________________________________________________________________

a) P ( 2.07 T k ) 0.965

b) P ( k T 2.81) 0.095 c)

P ( k T k ) 0.90

9. Para la distribucin F encuentre:

a) f0.05 con v1 = 7 y v2 = 15

b) f0.05 con v1 = 15 y v2 = 7

c) f 0.01 con v1 = 24 y v2 = 19

d) f0.95 con v1 = 19 y v2 = 24

b) f0.99 con v1 = 28 y v2 = 12

24

MOISS MUOZ DAZ