ESTADÍSTICA I

DISTRIBUCIONES CONTINUAS

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 1 / 13
 Modelos de distribuciones continuas

Distribución Exponencial
Esta distribución suele ser modelo de aquellos fenómenos aleatorios que miden el
tiempo que transcurre entre dos sucesos. Por ejemplo, entre la puesta en marcha
de un cierto componente y su fallo o el tiempo que transcurre entre dos llegadas
consecutivas a un cajero automático.

Definición: Sea X una v.a. continua que puede tomar valores x ≥ 0. Se dice que X
sigue una distribución exponencial de parámetro λ (y se nota X ∼ exp(λ)) si su
función de densidad está dada por

 λe −λx si

x ≥0
f (x) = (1)
0 si en otro caso


calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 2 / 13
 Modelos de Distribución Continua

Función de densidad exponencial

 λe −λx

si x ≥0
f (x) = (2)
0 si en otro caso


Función distribución exponencial

 1 − e −λx

si x ≥0
F (x) = (3)
0 si en otro caso


Esperanza
1
E (X ) =
λ
Varianza
1
σX2 = Var (X ) =
λ2
calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 3 / 13
 Modelos de distribuciones continua

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?
c) El costo de revisión es de 200 unidades monetarias fijas al que se le suma 10
unidades monetarias por el tiempo que dure la revisión. Encontrar la media y la
varianza del costo.

Ejemplo 2
El tiempo de vida de una lámpara especial sigue una distribución exponencial con
media 100 hs.
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?

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 4 / 13
 Modelos de distribuciones continuas
Distribución Normal
La distribución normal fue descrita, por primera vez, en 1773 por De Moivre como
lı́mite de la distibución Binomial cuando el número de ensayos tiende a infinito.
Este hecho no llamó la atención y la distribución normal fue redescubierta”por
Laplace (1812) y Gauss (1809). Ambos se ocupaban de problemas de Astronomı́a
y Geodesia; cada uno obtuvo empı́ricamente la distribución normal (también
llamada distribución gaussiana) como modelo que describe el comportamiento de
los errores en las medidas astronómicas y geodésicas.
La distribución normal o de Gauss es la distribución continua más importante y de
mayor aplicación. Es adecuada para describir el comportamiento de muchos
conjuntos de datos en Ciencias, Medicina, Ingenierı́a, Economı́a,... De hecho, la
mayorı́a de los métodos estadı́sticos básicos que estudiaremos se apoyan en la
distribución normal.
Definición: Se dice que una v.a. X tiene una distribución normal de parámetros µ
y σ , X ∼ N(µ, σ), si su función de densidad tiene la siguiente forma:
1 (x−µ)2
f (x) = √ e − 2σ2
σ 2π
calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 5 / 13
 Modelos de distribuciones continuas

Función de Densidad Distribución Normal

1 (x−µ)2
f (x) = √ e − 2σ2
σ 2π

Esperanza
E (X ) = µ
Varianza
σX2 = Var (X ) = σ 2

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 6 / 13
 Modelos de distribuciones continua

Representación gráfica de la función de densidad normal

Si representamos graficamente la función de densidad, f(x), de la distribución
normal, la curva resultante tiene una forma peculiar acampanada y simétrica (de
ahı́ que se denomine curva o campana de Gauss). La Figura muestra la
representación grafica de la función de densidad para distintos valores de los
parámetros de la distribución normal. Se pueden demostrar (ejercicio propuesto)
las siguientes propiedades de f (x):
Es continua en todo R.
La moda (punto donde se alcanza el máximo) esMo = µ y el valor de la
1
función en este punto es f (µ) = √ .
σ 2π
Es estrictamente creciente para x < µ y estrictamente decreciente para
x > µ.

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 7 / 13
 Modelos de distribuciones continua

Con la zona coloreada representa el valor, F (x), de la función de distribución en el

punto x
Posee dos puntos de inflexión: µ + sigma y µ − sigma. La situación de estos
puntos determina la forma de la curva de modo que cuanto mayor es σ más
lejos de la moda están los puntos de inflexión y más plana serı́a la curva.
Tiene como ası́ntota horizontal el eje de abcisas, ya que
lı́m f (x) = lı́m f (x) = 0
x→−∞ x→∞

Es simétrica con respecto a µ y también es su mediana.

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 8 / 13
 Modelos de distribuciones continua

Normal estándar o tipificada

Como podemos imaginar, existe un número infinito de distribuciones normales,
cada una de ellas con su media y desviación tı́pica propias. Como no podemos
trabajar con tal número de posibilidades, convertiremos todas estas distribuciones
normales en una sola forma estándar, esto es, usaremos la N(0, 1) cuya función de
densidad está dada por
1 x2
f (x) = √ e − 2 , x ∈ R
2π

La Figura muestra la representación gráfica de la función de densidad de una

N(0, 1). En ella podemos observar las siguientes caracterı́sticas:

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 9 / 13
 Modelos de distribuciones continua

Es simétrica respecto a x = 0.
Alcanza una máximo en x = 0 que vale f (0) = √1 ≈ 0,4.
2π
Es creciente para x < 0 y decreciente para x > 0.
1, -1 son puntos de inflexión.
y = 0 es una ası́ntota horizontal.
F (−x) = 1 − F (x)
calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 10 / 13
 Modelos de distribuciones continua

Transformación a la distribución normal estándar

La transformación a la distribución normal estándar se realiza tipificando la
variable X ∼ N(µ, σ) mediante la expresión:

X −µ
Z= ∼ N(0, 1)
σ
Entonces  
X −µ
FX (x) = FZ
σ
La función de distribución de la normal tipificada está tabulada de forma que, para
trabajar con una v.a. normal arbitraria, la transformaremos siempre en una N(0, 1).

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 11 / 13
 Modelos de distribuciones continua
Resumen de utilización de tablas
Utilizaremos la tabla que proporciona probabilidades a la izquierda, es decir,
F (z) = P(Z ≤ z). Con estos valores, podemos calcular cualquier probabilidad
asociada a una N(0, 1). Ası́ pues, sea a > 0, entonces:
P(Z ≤ a) = F (a)
P(Z ≥ a) = 1 − P(Z < a) = 1 − F (a)
P(Z ≤ −a) = F (−a) = 1 − F (a)
P(a ≤ Z ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = F (b) − F (a)

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 12 / 13
 Modelos de distribuciones continua

Ejemplo 1
La temperatura durante septiembre está distribuida normalmente con media
18,7o C y desviación estandard 5o C. Calcule la probabilidad de que la temperatura
durante septiembre esté por debajo de 21o C.

Ejemplo 2
En una ciudad se estima que la temperatura máxima en el mes de junio sigue una
distribución normal, con media 23◦ y desviación tı́pica 5◦ . Calcular el número de
dı́as del mes en los que se espera alcanzar máximas entre 21◦ y 27◦ .

calopez@ubiobio.cl (Universidad del Bı́o Bı́o.) Estadı́stica . Ingenierı́a Ejecución Mecánica. 4 de marzo de 2020 13 / 13