Distribución de Probabilidad Continua

Instituto Politécnico Nacional
Unidad Profesional Interdisciplinaria de Ingeniería

Campus Guanajuato
Estadística
2FV1
“Distribuciones de probabilidad continua”
Profesor: Mario Hipo Miranda.
Briones Ramírez Natalia Isabel

Casillas Gutiérrez Sitara Ana Judith
Chávez Mendoza Carlos Daniel
Ocampo Godínez Mariana Jazmín
Ramírez Rodríguez Daniela
Velázquez Ramírez Erik
León, Gto. 24 de abril de 2021

Distribución Uniforme
Se denomina distribución uniforme continua a aquella que surge al considerar una
variable aleatoria que toma valores equiprobables en un intervalo finito, y su nombre se
debe al hecho de que la densidad de probabilidad de esta variable aleatoria es
uniforme sobre todo su intervalo de definición.
En el caso discreto, la distribución uniforme era aquella que asignaba la misma

probabilidad a un conjunto finito de puntos. Esta idea puede ser extendida al caso
continuo, en el que el rango de la variable debe ser un subconjunto de R de longitud no
nula.
Una extensión natural del caso discreto será asignar a cada subconjunto con medida
no nula una probabilidad proporcional a la medida de ese conjunto (es decir, asignar
igual probabilidad a intervalos de igual longitud).
Definición
Una variable aleatoria X, de tipo continuo, tiene una distribución uniforme
en el intervalo [𝑎, 𝑏]con − ∞ < 𝑎 < 𝑏 <+ ∞ si su función de densidad es constante
en dicho intervalo o, equivalentemente:
1
𝑏−𝑎
, 𝑎≤𝑥≤𝑏
𝑓(𝑥) = { 0 , 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜
Lo denotaremos por 𝑋 ∼ 𝑈 (𝑎, 𝑏), en donde 𝑎 y 𝑏 son los parámetros de la distribución.
Es evidente que 𝑓(𝑥) es función de densidad, pues es no negativa y verifica que
𝑏
1 𝑥 𝑏 𝑏−𝑎
∫ 𝑑𝑥 = ⎡ 𝑏−𝑎 ⎤ = =1
𝑎
𝑏−𝑎 ⎣ ⎦ 𝑎 𝑏−𝑎
Si hubiéramos impuesto 𝑓(𝑥) = 𝑘, 𝑎 ≤ 𝑥 ≤ 𝑏, evidentemente se hubiera deducido que

1
𝑘= 𝑏−𝑎
.
Cuya representación gráfica es:
Este modelo tiene la característica siguiente : Si calculamos la probabilidad del suceso

[𝑋 < 𝑥 < 𝑋 + ∆𝑋]
𝑋+∆𝑋
𝑑𝑥 ∆𝑋
Tendremos: 𝑃[𝑋 < 𝑥 < 𝑋 + ∆𝑋] = ∫ =
𝑏−𝑎 𝑏−𝑎
𝑋
Este resultado nos lleva a la conclusión de que la probabilidad de cualquier suceso

depende únicamente de la amplitud del intervalo (D X) , y no de su posición en la recta
real [a , b] . Lo que viene a demostrar el reparto uniforme de la probabilidad a lo largo
de todo el campo de actuación de la variable , lo que , por otra parte, caracteriza al
modelo.
En cuanto a las ratios de la distribución tendremos que la media tiene la expresión:
𝑎+𝑏
µ = 𝐸[𝑥] = 2
La varianza tendrá la siguiente expresión:

2
2 (𝑏−𝑎)
σ = 12
Ejemplo 1:
Una persona llega a una estación de buses a las 10:00 am, se sabe que la hora a la
que llega el bus se distribuye uniformemente entre 10:00 am y 10:30 am.
a) Calcule la probabilidad de que esta persona tenga que esperar más de 10
minutos.
Ejemplo 2:
El espesor del borde de un componente de una aeronave está distribuido de manera

uniforme entre 0.95 y 1.05 milímetros. Obtenga la función de distribución acumulada
del espesor del borde. Calcule la proporción de bordes cuyo espesor es mayor que
1.02 milímetros. ¿Qué espesor está excedido por el 90% de los bordes? Calcule la
media y la varianza del espesor del borde.
a= el valor más grande que puede tomar = 1.05
b= el valor más chico que puede tomar =0.95

Ejemplo 3:
Sea X el momento elegido al azar en que un estudiante recibe clases en un
determinado día entre las siguientes horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 -
13:00
Calcular la probabilidad de que llegue en la primera media hora:
Llegar en la primera media hora significa que llega a las 7:30. Por lo tanto, se debe
calcular la probabilidad entre las 7:00 y las 7:30.
Como 7:30 = 7 horas + 30 minutos, y el porcentaje que representa 30 minutos de una
hora es:
Por lo tanto se debe calcular la probabilidad entre 7 y 7,5

Aplicando la fórmula de la probabilidad entre dos valores se obtiene:
Ejemplo 4:
Cierta variable aleatoria X tiene una distribución uniforme en el intervalo [0,100].
Determinar: La probabilidad de que X tome valores entre 20 y 35.
La probabilidad pedida equivale al área del rectángulo cuyo ancho es (35 – 20) y cuya
altura es 0.01:
P (22<X<35) = (35 – 20)×0.01 = 0.15
Si se prefiere acudir directamente a la función de distribución dada anteriormente,

entonces solo hay que sustituir los valores en:
P(20≤X≤35) =F(35)-F(20)
Con F(x) dada por:

F (x) = (x-a) / (b-a)
Los valores a introducir son:

a=0
b= 100
F (35) = (35-0) / (100-0)=0.35
F (20) = (20-0) / (100-0)=0.20
P(20≤X≤35) =0.35-0.20 = 0.15
Distribución exponencial:
Es aquella que modela el tiempo transcurrido entre dos sucesos que se producen de
forma independiente, separada y uniforme en el tiempo.
La distribución exponencial, es el equivalente continuo de la distribución geométrica

discreta. Esta ley de distribución describe procesos en los que:
● Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo
que,
● El tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello
ocurra en un instante tf, no depende del tiempo transcurrido anteriormente en el
que no ha pasado nada.
Concretando, si una v.a. continua X distribuida a lo largo de, es tal que su función de
−λ𝑥
densidad es: 𝑓(𝑥) = λ𝑒 𝑠𝑖 0 < 𝑥, se dice que sigue una distribución exponencial
de parámetro.
Propiedades:
1
1.- 𝐸(𝑋) = ,
λ
1
2.- 𝑣𝑎𝑟(𝑋) = 2 ,
λ
−λ𝑥
1−𝑒 𝑠𝑖 ≥ 0
3.- Función de distribución: {
F(X)=
0, 𝑠𝑖 𝑥 < 0
4.- Está relacionada con la distribución de Poisson.
5.- λEs el número medio de ocurrencias del suceso por unidad de tiempo.
Ejemplo 1:
El tiempo de revisión del motor de un avión sigue una distribución exponencial
con media 22 minutos.
a) Encontrar la probabilidad de que el tiempo de revisión sea menor a
10 minutos.
b) ¿Cuál es el tiempo de revisión de un motor superado por el
10% de los tiempos de revisión?
Definamos bien la variable y su distribución.
Definición de la variable X:
X: el tiempo de revisión del motor de un avión
La distribución de la variable X
X es:X∼Exponencial(β=22)
Entonces podemos escribir su función de densidad de probabilidad
a)Queremos averiguar la probabilidad de que el tiempo de revisión sea menor a

10 minutos. Y conocemos la función de distribución de la variable. Así que basta
con reemplazar por x=10 en la función.
También se podría calcular (mediante integrales) el área comprendida entre x=0

y x=10,(O usando software cómo el applet que está más arriba que calcula el
área acumulada a la izquierda).
B) Buscamos aquel valor de la variable que acumula a su derecha una

probabilidad de 0,1. Equivalentemente podemos decir que ese valor de variable
acumula a su izquierda una probabilidad de 0,9 Podríamos llamar x0,9 a ese
valor.
Ejemplo 2:
El tiempo de vida de una lámpara especial sigue una distribución exponencial con
media 100 hrs.
a) ¿Cuál es la probabilidad de que una lámpara dure por lo menos 30 horas?
b) Si una lámpara ya lleva 50 horas de uso, ¿cuál es la probabilidad de que dure más
de 80 horas?
c) Se seleccionan cinco lámparas, ¿Cuál es el número esperado de lámparas que
duran por lo menos 30 hs (considerando las 5)?
A) X es el tiempo de vida de una lámpara especial.
Y se sabe que la esperanza de una variable exponencial es
E(X)=1/λ
Cómo la esperanza es 100, entonces
λ=1/100
.Entonces la distribución sería:
1
X∼Exponencial(λ= 100 )
−30 −30
100 100
P(X>30) = 1–P(X≤30) = 1–(1–𝑒 )=𝑒 = 0.7408
B)
P(X>80 | X>50)
Por la propiedad de falta de memoria esta propiedad es igual a:
P(X>30)= 0.7408
Que dicha probabilidad ya se había calculado en el inciso a .
C)
Y∼Binomial(n=5;p=0.7408)
E(Y) = (5)(0.7408) = 3.704
Bibliografía
● Hidalgo, M. M. (2014, 3 mayo). Distribución uniforme continua [Diapositivas].
Slideshare.
https://es.slideshare.net/monicamantillahidalgo/distribucion-uniforme-continua
● modelo uniforme continuo. (s. f.). modelos de probabilidad. Recuperado 21 de
abril de 2021, de
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/uniforme.htm
● Román, P. (2015). Distribuciones Continuas.
https://www.ugr.es/~proman/ProbI/2016_2017/PDF/DistribucionesContinuas.pdf
● WissenSync. (2019, 14 noviembre). Distribución uniforme continua | Ejemplo 1
[Archivo de vídeo]. Recuperado de
https://www.youtube.com/watch?v=a0lYLYAKuVk
● Benítez Morales, A. (s. f.). 5.2-Distribución Exponencial. 5.2-Distribución
Exponencial. Recuperado 23 de abril de 2021, de
http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/52distribucin_expon
encial.html

Distribución de Probabilidad Continua

Cargado por

Copyright:

Formatos disponibles

Distribución de Probabilidad Continua

Cargado por

Información del documento

Título original

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

Distribución de Probabilidad Continua

Cargado por

Copyright:

Formatos disponibles

Instituto Politécnico Nacional

Unidad Profesional Interdisciplinaria de Ingeniería

“Distribuciones de probabilidad continua”

Profesor: Mario Hipo Miranda.

Briones Ramírez Natalia Isabel

León, Gto. 24 de abril de 2021

En el caso discreto, la distribución uniforme era aquella que asignaba la misma

Si hubiéramos impuesto 𝑓(𝑥) = 𝑘, 𝑎 ≤ 𝑥 ≤ 𝑏, evidentemente se hubiera deducido que

Cuya representación gráfica es:

Este modelo tiene la característica siguiente : Si calculamos la probabilidad del suceso

Este resultado nos lleva a la conclusión de que la probabilidad de cualquier suceso

La varianza tendrá la siguiente expresión:

El espesor del borde de un componente de una aeronave está distribuido de manera

a= el valor más grande que puede tomar = 1.05

b= el valor más chico que puede tomar =0.95

Por lo tanto se debe calcular la probabilidad entre 7 y 7,5

Si se prefiere acudir directamente a la función de distribución dada anteriormente,

Con F(x) dada por:

Los valores a introducir son:

La distribución exponencial, es el equivalente continuo de la distribución geométrica

4.- Está relacionada con la distribución de Poisson.

X: el tiempo de revisión del motor de un avión

a)Queremos averiguar la probabilidad de que el tiempo de revisión sea menor a

También se podría calcular (mediante integrales) el área comprendida entre x=0

B) Buscamos aquel valor de la variable que acumula a su derecha una

También podría gustarte