Probabilidad I

Unidad 4. Modelos continuos de probabilidad

Actividad 2. Lectura teórica – Tabla temática resumida (desarrollo)

Tema Subtema Desarrollo resumido Ejemplos

Definiciones/Simbología/Fórmulas
Variable aleatoria continua

Definición de Definición: variable que puede tomar Ejemplos de

variable aleatoria valores infinitos. variables aleatorias
continua. Dichas variables son reconocibles porque continuas: peso de
trabajan con magnitudes. una persona,
Simbología: X=x estatura, nivel de
diabetes, etc.
Función de Definición: considerado la definición de
densidad de una distribución, tenemos que la densidad es
variable aleatoria el valor que está descrita por la
continua. probabilidad de que tome cierto valor bajo
la curva.
Simbología:
P(a<x<b)
Fórmula:

Función de Definición: variable que se puede calcular

distribución de una con una integral definida, es decir el área
variable aleatoria bajo dicha curva, son todos los valores
continua probabilístico.
Simbología: F(x)=p(X≤x)
Fórmula:

Esperanza de una Definición: es el valor medio, o media de la

variable aleatoria distribución densidad.
continua Simbología: μ=E[X]
 Fórmula:

Varianza de una Definición: es un parámetro de dispersión

variable aleatoria es decir que tan separados están los
continua datos.
Simbología: Var(x)

Fórmula:
Modelos continuos de probabilidad

Distribución Definición: variable que puede tomar

uniforme continua cualquier valor.
Simbología: X~u[a,b]
Fórmula:

Distribución Definición:  la distribución de Poisson

exponencial describe las llegadas por unidad de
tiempo, la distribución exponencial estudia
el tiempo entre cada una de estas
llegadas.  Es decir está distribución
describe el tiempo entre eventos.
Simbología: X ~ exp(λ)
Fórmula:

Distribución normal Definición: distribución que indica con que

tanta frecuencia tiende a aparece un
fenómeno. Dichas probabilidades deben
ser 1.
Simbología: X~N( µ, σ²)
Fórmula:

Distribución normal Definición: es una distribución normal con

estándar valor de media en 0 y desviación estandar
1.
 Simbología: Z(P)
Fórmula:

Dónde: z = Número de desviaciones

estándar a las que se encuentra el valor
de interés a partir de la media.
x = Valor de interés
µ = Media de la distribución normal
σ= Desviación estándar

Ejemplo de función de esperanza de una variable aleatoria continúa:

Ejemplo 2.19 (Caso continuo) Considere la variable aleatoria continua X con
función de densidad:
F(x)={2x si 0<x<1, 0 en otro caso

Ejemplo tomado de: introducción a la probabilidad/Luis Rincon/Departamento de

matemáticas/Facultad de ciencias UNAM.

Ejemplo de función de varianza de una variable aleatoria continúa:

Ejemplos de distribución uniforme:
Curva de Maxwell
Ejemplo que ilustra la distribución normal es la curva de Maxwell. La curva de
Maxwell, dentro del campo de la física, indica cuántas partículas de gas se
mueven a una velocidad determinada.
Esta curva se eleva suavemente desde velocidades bajas, alcanza el pico en la
media, y vuelve a descender suavemente hacia las velocidades altas. Así, esta
distribución muestra que la mayoría de las partículas se mueven a una velocidad
alrededor del promedio, característica propia de la distribución normal (concentrar
la mayor parte de los casos en la media).
Ejemplo de distribución normal:
1.      El acero que se utiliza para tuberías de agua a menudo se recubre
internamente con un mortero de cemento para evitar la corrosión. En un estudio
de los recubrimientos de mortero de una tubería empleada en un proyecto de
transmisión de agua en California (Transportation Engineering Journal, Noviembre
de 1979) se especificó un espesor de 7/16 pulgadas para el mortero. Un gran
número de mediciones de espesor dieron una media de 0.635 pulgadas y  una
desviación estándar de 0.082 pulgadas. Sí las mediciones de espesor, tenían una
distribución Normal, ¿qué porcentaje aproximado fue inferior a 7/16 de pulgada?
 
Solución:
x = variable que nos define el espesor del mortero en pulgadas
m = 0.635 pulgadas
s = 0.082 pulgadas

p(z = -2.41) = 0.492 

p(x < 7/16 pulgadas) = 0.5- p(z = -2.41) = 0.5-0.492 = 0.008 
Por tanto, 0.008 x 100% = 0.8% de los recubrimientos de mortero tienen un
espesor menor de 7/16 pulgadas.

Ejemplo tomado de:

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/01UNIDA
D%20%20V.htm

Ejemplo de distribución uniforme continúa:

EJEMPLO 5.12. En un conmutador telefónico puede entrar una llamada con igual
probabilidad en cualquier momento, dentro del intervalo de tiempo de las 11:30 a
las 11:40; ¿cuál es la probabilidad de que la llamada se reciba entre las 11:34 y
las 11:38?
Solución:
Si la llamada puede entrar en cualquier momento entre las 11:30 y la 11:40 con
igual probabilidad y X indica el momento en que entra la llamada, entonces X es
una variable aleatoria uniforme en el intervalo (11 : 30,11 : 40) y su función de
densidad es:
F(x)=1/10 si x ∈( 11:30,11:40) la probabilidad que se pide es
P(11:30≤x≤11:40) integral definida de ∫ab 11:30 a 11:40 1/10dx =4/10

Ejemplo de distribución exponencial:

Conclusiones: podemos calcular probabilidades usando integrales y al mismo

tiempo saber cual ocurrirá con mas frecuencia en cierta área. Al mismo tiempo
esto es muy complejo e incluso difíciles integrales, por lo que hay material en
internet para determinar áreas bajo la curva con la ayuda de una tabla. Por lo que
integrar la función de Gauss es muy complejo.

Fuentes:
https://matematica.laguia2000.com/general/esperanza-matematica
https://es.m.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
https://m.monografias.com/trabajos84/distribucion-exponencial/distribucion-
exponencial.shtml
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/01UNIDA
D%20%20V.htm
https://youtu.be/T7_ktqfVseU
introducción a la probabilidad/Luis Rincon/Departamento de matemáticas/Facultad
de ciencias UNAM.