Algunas Distribuciones Continuas

Distribuciones Clsicas
Distribucin Uniforme Distribucin Exponencial Distribucin Normal Distribucin Gamma Distribucin Chi-cuadrado Distribucin t- student Distribucin F de Fisher

Ejemplo
Un estudiante acude todos los das a clase andando. Suponiendo que tarda en llegar 15 minutos, que sale de casa, en un instante aleatorio, entre las ocho cuarenta y las ocho cincuenta y que la clase comienza a las nueve, calcular la probabilidad de que un da determinado llegue tarde.

Solucin
X: Momento de llegada del estudiante a clase ocurre uniformemente en el intervalo de 8:55 a 9:05 Tenemos f(x) = 1/10, 0 < x < 10, x: minutos P(de llegar tarde) = P( 5 < x < 10) = (10 0)/(10-0) (5 0)/(10 0) = 1/2

Ejemplo

Distribucin de probabilidad normal o gaussiana

La grfica de la funcin de densidad de probabilidad normal tiene forma acampanada y es simtrica con respecto a su media. La forma y la posicin de la grfica dependen de los valores de y; por lo cual habr una grfica diferente para cada combinacin de y 2: Por ejemplo, la siguiente grfica muestra tres distintas distribuciones normales:

Estandarizacin de una distribucin normal

Supongamos que la variable aleatoria X se distribuye normal con media y varianza 2; entonces la variable Z definida como:

se distribuye normal estndar. El hecho de que la variable Z se distribuya como normal estndar nos permite utilizar la tabla de esta distribucin para calcular probabilidades asociadas con una variable X que siga una distribucin normal cualquiera. Como se tiene que entonces para calcular probabilidades para X; primero se estandarizan sus valores y luego se utiliza la tabla para la distribucin normal estndar.(Z ~ N(0, 1))

Ejemplo
En un quiosco de peridicos se supone que el nmero de ventas diarias se distribuye normalmente con media 30 y varianza 2. Determinar: a) Probabilidad de que en un da se vendan entre 13 y 31 peridicos b) Determinar el mximo nmero de peridicos que se venden en el 90% de las ocasiones c) Supongamos que en una ciudad hay 10 quioscos independientes del mismo tipo y con las mismas caractersticas. Determinar la probabilidad de que ms de dos quioscos vendan entre 13 y 31 peridicos

Solucin

Ejemplo
Una empaquetadora automtica se programa para producir paquetes de 500 g. Un estudio concluye que el peso en gramos de un paquete de la produccin es una variable aleatoria X normal de media 498 g. y varianza 16. Sabemos que producir un gramo de producto cuesta a la empresa 0.05 u.m., mientras que lo vende a 0.09 u.m. Llamemos B a la variable beneficio de la empresa por paquete vendido. a) Cul es la probabilidad de que un paquete presente un peso inferior a 490 g?. b) Cul es la probabilidad de que un paquete presente un peso comprendido entre 480 y 490 gr.? c) Expresa la relacin que existe entre la variable B y la variable X. Cul es el beneficio promedio realizado por la empresa por paquete?. d. Cul es la proporcin de paquetes entre la produccin para los cuales la empresa tiene un beneficio mayor de 20 u.m.? e. Qu beneficio se obtiene como mximo en el 95% de los casos?

Solucin

1:

Si X~P() y T~Exp() P(X=0) P(T>t)

Ejemplo
Una empresa suministra una serie de componentes con una vida media de 3000 horas. El riesgo de rotura de los mismos crece a lo largo del tiempo segn una funcin y por lo tanto el tiempo de vida de las componentes, X, sigue una distribucin Exp(). a. Obtn el valor de b. Calcula la probabilidad de que una componente se rompa antes de llevar 1000 horas de funcionamiento. c. Si las componentes tienen una garanta de un mes, calcula la probabilidad de que una componente se rompa estando en garanta. En un lote de 50 componentes, cuntas se esperan que se devuelvan estando en garanta?

Solucin
a. el valor de es: b. la probabilidad de que una componente se rompa antes de llevar 1000 horas de funcionamiento es:

c. Si las componentes tienen una garanta de un mes, calcula la probabilidad de que una componente se rompa estando en garanta.

En un lote de 50 componentes, se esperan que se devuelvan estando en garanta:

Aproximaciones entre distribuciones

Ejemplo
Un cuestionario de opcin mltiple contiene 200 preguntas, cada una de ellas con cuatro respuestas posibles, y de ellas slo una es la correcta. Cul es la probabilidad de que por simple conjetura el alumno obtenga entre 25 y 30 respuestas correctas para 80 de las 200 preguntas cuya respuesta ignora por completo?.

Solucin

Ejemplo
El numero de quejas que se reciben en la oficina de defensa del consumidor en un da es una v.a. X con distribucin de Poisson de parmetro = 25. Cul es la probabilidad de que en un da se reciban ms de 30 quejas?

Solucin
Sea X: v.a. numero de quejas que se reciben en la oficina de defensa del consumidor en un da X ~ P ( = 25)

Este es el valor exacto, pero podemos aproximarlo de modo sencillo utilizando la distribution normal standard:

Ejemplo
Un oleoducto se forma uniendo tuberas cuya longitud vara aleatoriamente segn una distribucin de media 10m y varianza 1m2. Calcula la probabilidad de que uniendo 100 tuberas de manera independiente se complete un recorrido superior a 1025m.

Solucin

 y son los parmetros de forma y

de escala

Relacin con la distribucin Poisson: Sea T~G(, ) y entero

e t ( t ) k P(T < t ) = 1 k! k =0
1

Aplicacin La distribucin gamma se emplea por ejemplo, para representar el tiempo aleatorio de falla de un sistema que falla slo si de manera exacta los componentes fallan y la falla de cada componente ocurre a una frecuencia constante = 1/.

Ejemplo
Supngase que cierta pieza metlica se romper despus de sufrir dos ciclos de esfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia promedio de dos por cada 100 horas, obtener la probabilidad de que el intervalo de tiempo se encuentre hasta que ocurre el segundo ciclo: a) Menos de 200 horas b) Dentro de una desviacin estndar del tiempo promedio c) A ms de dos desviaciones estndar por encima de la media Solucin Sea X: v. a. que representa el lapso que transcurre hasta que la pieza sufre su segundo ciclo de esfuerzo. Como : frecuencia promedio por hora = 2 /100 = 1/50 = 50

a) P (X < 200) =

200

1 1 e 200 / 50 (200 / 50) k x / 50 x.e dx = 1 2 (2)50 k! k =0

= 1 0.0916 = 0.9084 b) Si = 100 y = 70.71 P( - < x < + ) = P(29.29 < X < 170.71)

P (X < 200) =

170.71

29.29 1 1 x.e x / 50 dx x.e x / 50 dx 0 (2)50 2 (2)50 2

1 e 170.71/ 50 (170.71 / 50) k e 29.29 / 50 (29.29 / 50) k = 1 1 k! k! k =0 k =0 1

= 1 0.145239 (1 0.882752) = 0.7375 c) P(X > + 2) = P(X > 241.42) = 0.0466

Ejemplo
Se elige un punto en el espacio, de forma que sus tres coordenadas sean variables aleatorias independientes con distribucin normal de parmetros N (0,1). Cul es la probabilidad de que el cuadrado de las distancia de dicho punto al origen sea menor de 6.25?

Solucin

Relacin entre la distribucin Exponencial y Distribucion de Poisson