DISTRIBUCIONES CONTINUAS

Analicemos el siguiente caso

Un autobs llega siempre a la estacin dentro
de un intervalo de tiempo entre las 8:00 am
y las 8:10 am

entonces analizamos y llegamos a la siguiente conclusin

acerca de la probabilidad:

La probabilidad de que llegue el autobs en

cualquier subintervalo de tiempo resulta ser la
igual, siempre que la duracin del tiempo sea el
mismo.

es decir:
es igual de probable
que llegue entre
las 8:00 am y las
8:02 am

y que llegue
entre las
8:06 am y
las 8:08 am

Luego entonces podemos modelar esta situacin

con la distribucin continua llamada Uniforme.

DISTRIBUCIN UNIFORME
Se dice que la variable aleatoria continua X,
tiene una distribucin uniforme en el intervalo
[a, b] si su funcin de densidad es:
f(x)

1
f ( x)
ba

a xb

Notacin: X U[a, b]

f (x)

1 / (b-a)

a y b parmetros de la
P(k1xk2)=
distribucin

ab
X E X
2

2
(
b

a
)
X2 V X
12

k1

k2

k2

k1

f ( x)dx

Ejemplo de aplicacin 1:

El tiempo que un estudiante demora en resolver un

examen se modela como una variable aleatoria continua
con distribucin de probabilidad uniforme de parmetros a
= 50 minutos y b = 90 minutos. Calcule la probabilidad de:

a) Que
un
estudiante
se
demore ms de 75 minutos.
b) Que
un
estudiante
se
demore entre 50 y 70
minutos.
c) Cul ser el tiempo mnimo
de un estudiante en resolver
un examen para estar en el
20% de estudiantes que ms
demoran?
d) Si el estudiante demoro ms
de 60 minutos, cul es la

Ejemplo de aplicacin 2:
El tiempo que demora atender a un cliente en la
ventanilla de una empresa financiera es una
variable aleatoria que tiene distribucin uniforme
con media 6,5 minutos y varianza 3 minutos2.
Calcule la probabilidad de demorar en atender a
un cliente entre 5 y 7 minutos.

Ejemplo de aplicacin 3:

En ciertos experimentos, el error cometido al

determinar la densidad de una sustancia es una
variable aleatoria cuya distribucin est definida en
el intervalo [-0.025,0.025]gr/cm3
a) Cul es la probabilidad de que tal error est
entre 0.010 y 0.015?
b) Cul es el error esperado cometido?

Ejemplo de aplicacin 4:

geniero supervisor del tren elctrico de Lima sabe por exper

el tiempo que se demora en abordar el tren un pasajero tien
ibucin uniforme con parmetros de 0 y 20 minutos.

alcule la probabilidad de que un pasajero se demore ms de

utos en abordar el tren.

alcule la probabilidad de que un pasajero se demore en abor

en entre las 7:15 a.m. y las 7:20 a.m.

Cul es el tiempo mnimo para que el pasajero este considera

l 20% de los que ms se demoran en abordar el tren?

DISTRIBUCIN
EXPONENCIAL
Una
variable aleatoria X tiene distribucin exponencial
con parmetro , si su funcin de densidad es:

1
f x e

; x0

Notacin: X Exp(

x E(X)

x2 V ( X ) 2

Aplicaciones de la distribucin exponenci

El tiempo de vida de
un componente
electrnico hasta su
fallo
El tiempo entre
llegadas de personas
a la ventanilla de un
banco
Primas de seguros y
modelos de
supervivencia

DISTRIBUCIN
EXPONENCIAL
Funcin de distribucin acumulada
Si X Exp( )

F(k)
=

P X k 1 e

a funcin nos sirve para calcular probabilidades en esta distribucin.

Ejemplo: si X Exp(=150) calcule las siguientes
probabilidades:

1) P(X 85) P(X85) = 1- e-(85/150) = 0,433

donde k=85
2) P(X>96) P(X>96) = e-(96/150) = 0,527
donde k=96

Ejemplo de aplicacin 1:
El tiempo hasta que falle por primera vez la
batera de un celular se distribuye segn un
modelo exponencial, con un tiempo promedio
vida til
500 horas. de que
a)deCalcule
lade
probabilidad
una batera funcione por ms
de 600 horas.
b) Cul es el tiempo mximo de
funcionamiento de una batera
para estar en el 15% de las
bateras
que
funcionan
menos?
c) Si la batera funciono ms de
350 horas, cul es la

Ejemplo de aplicacin 2:

Ejemplo de aplicacin 3:

Ejemplo de aplicacin 4:
Suponga que la vida til (horas) de cierta marca de
foco elctrico es una variable aleatoria con funcin
de densidad es:

se selecciona un foco al azar, calcule la probabilidad que dur

e 10000 horas.

. Si el costo C en dlares por cada foco esta dado por:

determine el costo esperado.

Si se seleccionan ocho focos, calcule la probabilidad de que

menos dos de ellos duren ms de 10000 horas.

Ejemplo de aplicacin 5:

Distribucin Exponencial y Poisson

La distribucin Exponencial se relaciona con la
distribucin de Poisson de la siguiente manera:
Si la cantidad de eventos discretos que
suceden en un tiempo determinado sigue una
distribucin de Poisson con media , entonces
el tiempo entre la ocurrencia de dos
eventos discretos consecutivos sigue una
distribucin Exponencial con media = 1/.

Ejemplo:

Se sabe que el nmero de

llamadas recibidas en un call
center sigue una distribucin
de poisson con una media de 6
llamadas por hora. Cul es la
probabilidad de que transcurra
ms de 15 minutos entre dos
llamadas
sucesivas
cualesquiera?

Solucin:

X= Nmero de llamadas recibidas cada hora

X ~ P ( = 6 por hora)
t= tiempo entre dos llamadas sucesivas en minuto
t Exp( = 1/6)
P(t >15) =P(t>0,25hr) = e-(0,25/1/6) = e-1,5 =0,223