Tema 5 - Distribución de Probabilidad Continua

Diplomado:
EXCEL EMPRESARIAL
Materia:
ESTADÍSTICA Y ANÁLISIS DE DATOS
Docente: M.Sc. Ing. Jhimmy R. Rios Saravia

Tema 5:
Distribuciones de Probabilidad Continua
Objetivos:
Ͽ Describir la distribución de probabilidad uniforme y utilizarla para calcular
probabilidades.
Ͽ Describir las características de la distribución de probabilidad normal.
Ͽ Describir la distribución de probabilidad normal estándar.
Ͽ Describir la distribución de probabilidad Log-normal.
Ͽ Describir la distribución de probabilidad Weibull
5.1 Distribución de Probabilidad Uniforme.
La probabilidad uniforme es, tal vez, la distribución más simple de una variable aleatoria
continua. Esta tiene forma rectangular y está definida por valores mínimos y máximos.
5.1.1 Función de Distribución
En el caso de distribuciones que describen una variable aleatoria continua, las áreas dentro
de estas representan probabilidades. La forma rectangular de la distribución uniforme
permite aplicar la fórmula del área de un rectángulo, la cual se determina al multiplicar su
longitud por su altura. En el caso de la distribución uniforme, la altura del rectángulo es 𝑃(𝑥),
1
que es ; mientras que la longitud de la base de la distribución es 𝑏 − 𝑎.
𝑏−𝑎
𝑃(𝑥)
1
𝑃 𝑥 =
𝑏−𝑎
1
𝑏−𝑎
Si 𝑎 ≤ 𝑥 ≤ 𝑏 y 0 en cualquier otro lugar
𝑎 𝑏
5.1.1 Función de Distribución
Ejercicio Suponga que el tiempo máximo que se puede reservar una sala de conferencias grande
de cierta empresa son cuatro horas. Con mucha frecuencia tienen conferencias extensas
y breves. De hecho, se puede suponer que la duración X de una conferencia tiene una
distribución uniforme en el intervalo [0, 4].
a) Cual es la función de densidad de probabilidad?
b) Cual es la probabilidad de que cualquier conferencia determinada dure al menos 3 horas?
Solución
La función de densidad apropiada para la variable aleatoria X distribuida uniformemente en esta
situación es:
1 1 1
𝑃 𝑥 = = =
𝑏−𝑎 4−0 4
La probabilidad de que al menos dure 3 horas:
1 1
𝐴𝑟𝑒𝑎 = 𝑏 − 𝑎 𝑃 𝑥 = 4 − 3 =
4 4
5.1.2 Tendencia Central y Dispersión
La media de una distribución uniforme se localiza a la mitad del intervalo entre los valores
mínimo y máximo. Se calcula de la siguiente manera:
𝑏+𝑎
𝜇=
2
La desviación estándar describe la dispersión de una distribución y, en la distribución

uniforme, también se relaciona con el intervalo entre los valores máximo y mínimo:
(𝑏 − 𝑎)2
𝜎=
12
5.2 La Distribución Normal
5.2.1 Características de una Distribución Normal
1. Tiene forma de campana y posee una sola cima en el centro de la distribución.
La media aritmética, la mediana y la moda son iguales, y se localizan en el
centro de la distribución. El área total bajo la curva es de 1.00. La mitad del área
bajo la curva normal se localiza a la derecha de este punto central, y la otra
mitad, a la izquierda.
2. Es simétrica respecto de la media. Si hace un corte vertical por el valor central a
la curva normal, las dos mitades son imágenes especulares.
3. Desciende suavemente en ambas direcciones del valor central. Es decir, la
distribución es asintótica. La curva se aproxima más y más al eje x, sin tocarlo.
En otras palabras, las colas de la curva se extienden indefinidamente en ambas
direcciones.
4. La localización de una distribución normal se determina a través de la media, 𝜇.
La dispersión de la distribución se determina por medio de la desviación
estándar, 𝜎.
5.2.1 Características de una Distribución Normal
Forma Simétrica
Cola Cola
La media, la mediana y la
moda son iguales
5.2.2 Razones por las que se Utiliza
1. La distribución normal es una aproximación muy buena de las distribuciones de

probabilidad de una amplia variedad de variables aleatorias. Por ejemplo, las dimensiones
de las piezas y el peso de los paquetes de alimentos a menudo siguen una distribución
normal, por lo que tiene muchas aplicaciones en el control de calidad. Las ventas o la
producción a menudo siguen una distribución normal, por lo que ésta tiene una gran
cantidad de aplicaciones en el marketing y en la gestión de la producción. Las pautas de los
precios de las acciones y de los bonos a menudo se analizan utilizando la distribución
normal en grandes modelos informáticos de contratación financiera. Los modelos
económicos utilizan la distribución normal para algunas medidas económicas.
2. Las distribuciones de las medias muestrales siguen una distribución normal, si el tamaño
de la muestra es «grande».
3. El cálculo de probabilidades es directo e ingenioso.
4. La razón más importante es que la distribución de probabilidad normal ha llevado a tomar
buenas decisiones empresariales en algunas aplicaciones.
5.2.3 Función de Densidad de Probabilidad
La función de densidad de probabilidad de una variable aleatoria 𝑋 que sigue una

distribución normal 𝑋 es:
1 −(𝑥−𝜇)2
𝑓 𝑥 = 𝑒 2𝜎2 Para −∞ < 𝑥 < ∞
2𝜋𝜎 2
Donde:
𝜇 y 𝜎 2 son números tales que −∞ < 𝜇 < ∞ y 0 < 𝜎 2 < ∞
𝑒 y 𝜋 son constantes físicas.
5.2.4 Propiedades de la Distribución Normal
Supongamos que la variable aleatoria 𝑋 sigue una distribución normal
1. La media de la variable aleatoria es 𝜇 :
𝐸 𝑥 =𝜇
2. La varianza de la variable aleatoria es 𝜎 2 :
𝑉𝑎𝑟 𝑥 = 𝐸 𝑋 − 𝜇2 = 𝜎 2
3. La forma de la función de densidad de probabilidad es una curva simétrica en forma de
campana centrada en la media, 𝜇.
4. Si conocemos la media y la varianza, podemos definir la distribución normal utilizando

la notación:
𝑋~(𝜇, 𝜎 2 )
5.2.5 Familia de Distribuciones
La media de la distribución es una medida de la tendencia central y la varianza es una

medida de la dispersión en torno a la media. Por lo tanto, los parámetros 𝜇 y 𝜎 2 producen
diferentes efectos en la función de densidad de una variable aleatoria normal.
5.2.6 Función de Distribución Acumulada
Supongamos que 𝑋 es una variable aleatoria normal de media 𝜇 y varianza 𝜎 2 ; es decir,

𝑋~(𝜇, 𝜎 2 ). En ese caso, la función de distribución acumulada es:
𝐹(𝑥0 ) = 𝑃(𝑋 = 𝑥0 )
Ésta es el área situada debajo de la función de densidad normal a la izquierda de 𝑥0 . Al

igual que ocurre en cualquier función de densidad, el área total situada debajo de la curva
es 1; es decir:
𝐹(∞) = 1
No tenemos una expresión algebraica
sencilla para calcular la función de
distribución acumulada de una variable
aleatoria distribuida normalmente.
5.2.7 Probabilidad de Intervalos
Sea 𝑋 una variable aleatoria normal que tiene una función de distribución acumulada 𝐹(𝑥) y
sean a y b dos valores posibles de 𝑋, siendo 𝑎 < 𝑏. Entonces:
𝑃 𝑎 < 𝑥 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

5.2.8 Distribución Normal Estándar
Es posible hallar cualquier probabilidad a partir de la función de distribución acumulada. Sin
embargo, no disponemos de un método cómodo para calcular directamente la probabilidad de
cualquier distribución normal que tenga una media y una varianza específicas. Podríamos utilizar
métodos numéricos de integración por computador, pero ese método sería tedioso y pesado.
Afortunadamente, podemos convertir cualquier distribución normal en una distribución normal
estándar de media 0 y varianza 1.
Sea Z una variable aleatoria normal de media 0 y varianza 1; es decir,
𝑍~𝑁(0,1) Decimos que Z sigue la distribución normal estándar.
Si la función de distribución acumulada es 𝐹 𝑍 y a y b son dos números tales que 𝑎 < 𝑏, entonces,
𝑃 𝑎 < 𝑍 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

5.2.8 Distribución Normal Estándar
Podemos hallar las probabilidades de cualquier variable aleatoria distribuida normalmente

convirtiendo primero la variable aleatoria en la variable aleatoria normal estándar, Z.
𝑋−𝜇
𝑍=
𝜎
donde X es una variable aleatoria distribuida normalmente:
𝑋~𝑁(𝜇, 𝜎 2 )
5.3 La Distribución Log-normal
5.3.1 Definición Log-normal
La distribución log-normal se deriva de la distribución normal de la siguiente manera: Si 𝑋 es una
variable aleatoria normal con media 𝜇 y varianza 𝜎 2 , entonces la variable aleatoria 𝑌 = 𝑒 𝑋 tiene
distribución log-normal con parámetros 𝜇 y 𝜎 2 . Observe que si 𝑌 tiene una distribución normal con
parámetros 𝜇 y 𝜎 2 , entonces 𝑋 = ln 𝑌 tiene una distribución normal con media 𝜇 y varianza 𝜎 2 .
En Resumen
Si 𝑋~𝑁(𝜇, 𝜎 2 ), entonces la variable aleatoria 𝑌 = 𝑒 𝑋 tiene distribución log-
normal con parámetros 𝜇 y 𝜎 2 .
Si 𝑌 tiene distribución log-normal con parámetros 𝜇 y 𝜎 2 , entonces la variable
aleatoria 𝑋 = ln 𝑌 tiene la distribución 𝑁(𝜇, 𝜎 2 ).
5.3.2 Función de Densidad y Parámetros
La función de densidad de probabilidad de una variable aleatoria log-normal con parámetros
𝜇 y 𝜎 2 es:
1 1
− 2 (ln 𝑥−𝜇)2
𝑓 𝑥 = 𝑒 2𝜎 Si x > 0
𝜎𝑥 2𝜋
Puede demostrarse mediante métodos avanzados que si Y es una variable aleatoria log-
normal con parámetros 𝜇 y 𝜎 2 , entonces la media E(Y) y la varianza V(Y) están dadas por:
𝜎2 2 2
𝜇+
𝐸 𝑌 =𝑒 2 𝑉𝑎𝑟 𝑌 = 𝑒 2𝜇+2𝜎 − 𝑒 2𝜇+2𝜎
5.3.3 Aplicaciones
La distribución log-normal se ha descrito como el modelo de distribución de datos de vida

útil más comúnmente utilizado para muchas aplicaciones de alta tecnología. La
distribución se basa en el modelo de crecimiento multiplicativo, lo que significa que en
cualquier instante de tiempo, el proceso sufre un incremento aleatorio de degradación
que es proporcional a su estado actual. El efecto multiplicador de todos estos
incrementos independientes aleatorios se acumula para generar la falla. Por lo tanto, la
distribución suele utilizarse para modelar partes o componentes que fallan
principalmente debido a esfuerzo o fatiga, incluyendo las siguientes aplicaciones:
• Falla debido a reacciones químicas o degradación, como corrosión, migración o
difusión, que es común en el caso de los semiconductores
• Tiempo para fractura en metales sujetos al crecimiento de roturas por fatiga
• Componentes electrónicos que presentan menor riesgo de falla después de cierto
tiempo
4.5 – Conclusiones
Una variable aleatoria es un valor numérico determinado por el resultado de un experimento.

1
Una distribución de probabilidad es una lista de posibles resultados de un experimento y la
probabilidad asociada con cada resultado.
2 La distribución binomial posee las siguientes características:

A. Cada resultado se clasifica en una de dos categorías mutuamente excluyentes.
B. La distribución es resultado de la cuenta del número de éxitos en una cantidad fija de
ensayos.
C. La probabilidad de un éxito es la misma de un ensayo al siguiente.
D. Cada ensayo es independiente.
La distribución de Poisson posee las siguientes características:

3
A. Describe el número de veces que se presenta un evento en un intervalo específico.
B. La probabilidad de un “éxito” es proporcional a la longitud del intervalo.
C. Los intervalos que no se superponen son independientes.
D. Es una forma restrictiva de la distribución binomial, en la que n es grande y pequeña.

Tema 5 - Distribución de Probabilidad Continua

Cargado por

Copyright:

Formatos disponibles

Tema 5 - Distribución de Probabilidad Continua

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 5 - Distribución de Probabilidad Continua

Cargado por

Copyright:

Formatos disponibles

Diplomado:

ESTADÍSTICA Y ANÁLISIS DE DATOS

Docente: M.Sc. Ing. Jhimmy R. Rios Saravia

Distribuciones de Probabilidad Continua

Si 𝑎 ≤ 𝑥 ≤ 𝑏 y 0 en cualquier otro lugar

La desviación estándar describe la dispersión de una distribución y, en la distribución

1. La distribución normal es una aproximación muy buena de las distribuciones de

La función de densidad de probabilidad de una variable aleatoria 𝑋 que sigue una

1. La media de la variable aleatoria es 𝜇 :

4. Si conocemos la media y la varianza, podemos definir la distribución normal utilizando

La media de la distribución es una medida de la tendencia central y la varianza es una

Supongamos que 𝑋 es una variable aleatoria normal de media 𝜇 y varianza 𝜎 2 ; es decir,

Ésta es el área situada debajo de la función de densidad normal a la izquierda de 𝑥0 . Al

𝑃 𝑎 < 𝑥 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

Sea Z una variable aleatoria normal de media 0 y varianza 1; es decir,

𝑍~𝑁(0,1) Decimos que Z sigue la distribución normal estándar.

𝑃 𝑎 < 𝑍 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

Podemos hallar las probabilidades de cualquier variable aleatoria distribuida normalmente

donde X es una variable aleatoria distribuida normalmente:

La distribución log-normal se ha descrito como el modelo de distribución de datos de vida

Una variable aleatoria es un valor numérico determinado por el resultado de un experimento.

2 La distribución binomial posee las siguientes características:

La distribución de Poisson posee las siguientes características:

También podría gustarte