2 CC. EE. ESTADSTICA EMPRESARIAL.

TEMA 9

TEMA 9: DISTRIBUCIONES CONTINUAS

1. DISTRIBUCIN UNIFORME CONTINUA Esta es la ms sencilla de las distribuciones continuas. 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 la probabilidad de esta variable aleatoria es uniforme en todo su intervalo de definicin. Sea un experimento aleatorio cuya variable aleatoria asociada toma valores en un intervalo finito, de manera que puede tomar cualquier valor de ese intervalo, entonces si la probabilidad de que la variable aleatoria tome un valor en cada subintervalo de la misma longitud es la misma, diremos que la variable aleatoria est distribuida uniformemente en ese intervalo. Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin uniforme en el intervalo real [a,b], con -<a<b<+ ,si su funcin de densidad es: 1 , a xb f ( x) = b a 0, en el resto Abreviadamente lo indicamos por X U(a,b) en donde a y b son los parmetros. Caractersticas: 1. Funcin de distribucin de una U(a,b) es: 0, x xa P ( X x) = f ( x)dx = , a b a 1, 2. Media =

x<a a xb x>b

b+a (es el centro del intervalo de definicin y en consecuencia coincide 2 con la mediana). 2 ( b a) 3. Varianza VAR(X)= 12 Ejemplo: Sea X una variable aleatoria que se distribuye de forma uniforme en el intervalo [3,9] . Hallar: funcin de densidad, funcin de distribucin, Esperanza y varianza. Solucin: f(x)= 1/6 0 3 x 9 resto F(x)= 0 (x-3)/6 1 x<3 3 x 9 x>9

E[X]=6 y VAR[X]=3

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 2. DISTRIBUCIN NORMAL La distribucin normal o distribucin de Gauss es sin duda la ms importante y la de ms aplicacin de todas las distribuciones continuas. Esta distribucin es bastante adecuada para describir la distribucin de muchos conjuntos de datos que ocurren en la naturaleza, la industria y la navegacin. As pues para los siguientes conjuntos de datos, se puede considerar adecuada la distribucin normal: - Datos meteorolgicos correspondientes a temperaturas, lluvias, etc. - Las clasificaciones correspondientes a pruebas de aptitud. - Las alturas de individuos de una edad y sexo dado. - Las medidas fsicas de productos manufacturados. - La vida media de un tipo de lmparas con un voltaje dado, etc. Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin normal de parmetros y si su funcin de densidad es: 1 2 -< x<+ f ( x) = e 2 , 2 donde , y tales que -<<+ y >0. (=3,14159... , e=2,71828 ) Abreviadamente la indicaremos por X N(,) Veamos ahora la representacin grfica de la funcin de densidad f(x) de la N( ,). Para ello veremos que se cumplen las siguientes propiedades: 1. f(x) es continua en toda la recta real. 2. f(x) es simtrica respecto de x = es decir es simtrica respecto del parmetro . 3. f(x) tiene como asntota horizontal el eje de abscisas. 4. f(x) es estrictamente creciente cuando x<, y estrictamente decreciente cuando x>. 5. f(x) presenta un mximo cuando x=, ese mximo vale f()=
1 2
( x )2

El grfico nos muestra la representacin grfica de la funcin de densidad, f(x), de una distribucin normal de parmetros y :

Se observa que tiene forma de campana, de aqu que frecuentemente se le llame campana de Gauss. Tambin se pone de manifiesto que el parmetro corresponde al

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 mximo y al centro de la distribucin y el parmetro nos da idea del grado de apertura o aplastamiento de la curva f(x). Relacin entre la N(,) y la N(0,1) 1 2 Veamos pues que la expresin f ( x) = nos da la funcin de densidad e 2 2 de una familia de distribuciones normales para los diferentes valores de los parmetros y . Dentro de esta familia de distribuciones normales hay una muy importante, que corresponde a los valores de los parmetros =0 y =1, es decir la distribucin N(0, 1) y recibe el nombre de distribucin tipificada o estndar, cuya correspondiente funcin de densidad se obtiene haciendo =0 y =1 en la expresin
x 1 2 f ( x) = e , < x < + 2
2

( x )2

1 f ( x) = e 2

( x )2 2 2

Proposicin: Si X es una variable aleatoria con distribucin N(,), entonces la variable aleatoria tipificada Z=(X-)/ sigue una distribucin N(0,1). Caractersticas: 1. Funcin de distribucin correspondiente a una variable aleatoria X distribuida segn una N(,) ser: 1 F(x)=P(X x) = 2

( x )2

2 2

dx , -<x<+<

2. Media: E [X]= El parmetro es la media de la distribucin. Sabemos que la funcin de densidad f(x) de una N(,) es simtrica respecto de su media , es decir P[X ]= P [X] = 0,5 lo cual nos permite decir que el parmetro es la mediana de la distribucin. La funcin de densidad f(x) presentaba un mximo para x= ,lo cual nos indica que el parmetro es la moda de la distribucin. En consecuencia diremos que en una distribucin N( ,), la media, la mediana y la moda coinciden con el parmetro . 3. Varianza. VAR[X] = Luego el parmetro que utilizamos en la N( ,) es la desviacin tpica de la distribucin, y en el caso de la N(0,1) la desviacin tpica es la unidad. Utilizacin de las tablas: En la tabla de tablas estadsticas aparece tabulada la funcin de distribucin de una N(0,1). Como la funcin de densidad de la distribucin normal es completamente simtrica, en este caso respecto al parmetro de media =0, se da una sola tabla de valores de Z, incluyendo solamente los valores positivos de Z.

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 Para indicar el uso de la tabla consideramos las siguientes reglas bsicas: 1. P(X-a)=1-P(Xa) 2. P(X>a)=1-P(Xa) 3. P(aXb)=P(Xb)-P(Xa) 4. P(-aXa)=2P(Xa)-1 5. P(-aXb)=P(Xb)+P(Xa)-1 6. P(-aX-b)=P(Xa)-P(Xb) Propiedades 1. Propiedad reproductiva. La suma de n variables aleatorias independientes, X 1 , X 2 ,..., X n y distribuidas segn una N ( i , i ) , i = 1, 2, ..., n, sigue una distribucin N ( 1 +....+ n , 12 + ... + n2 )

2. Si X 1 , X 2 ,..., X n son n variables aleatorias independientes e idnticamente distribuidas, segn una N(,), entonces la variable aleatoria suma de las n variables Y= X 1 + X 2 + ... + X n sigue una distribucin N( n, n ) 3. Si X 1 , X 2 ,..., X n son n variables aleatorias independientes e idnticamente distribuidas, segn una N(,), entonces la variable aleatoria media aritmtica de estas n variables
X = X 1 +X 2+ + X ... n
n

sigue una distribucin N( ,/

n ).

Relacin entre las distribuciones Binomial, Poisson y Normal : Una variable aleatoria X con distribucin B(n,p) se puede aproximar a una distribucin N(,), siendo =np y = npq cuando n sea suficientemente grande, es decir cuando np > 5 y p 1/2. Sabemos que la media de la distribucin de Poisson coincide con el parmetro , y cuando este parmetro es demasiado grande, puede utilizarse la distribucin normal para aproximar la distribucin de Poisson. En la prctica la aproximacin es aceptable si 10, aunque algunos autores aceptan la aproximacin cuando > 5. El procedimiento prctico es anlogo al caso de la binomial, as pues si tenemos una variable aleatoria X que se distribuye segn una distribucin de Poisson de parmetro , P(), siendo 10, podemos aproximar esta distribucin de Poisson por una distribucin normal N(,), en donde la media es = E[X] = y la desviacin tpica , es = Ejemplo: Sea X N(200, 20). Determinar las siguientes probabilidades: a) P(185<X<210) b) P(215<X<250) c)P(X>240) d) P(X>178) Solucin: a) 0,4649 b)0,2204 c)0,0228 d) 0,8643

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 3. DISTRIBUCIN GAMMA Previamente vamos a definir la funcin gamma como una funcin del anlisis matemtico y que despus utilizaremos en varios modelos o distribuciones probabilsticas de tipo continuo. As pues, definimos la funcin gamma de p , (p) como: (p)= x
0 p 1

e x dx, p>0

Integrando por partes se tendr:

(p)=(p-1)!

Dos casos particulares son: (1)=1 , (1/2)= (para p no entero pero si positivo) Una vez que hemos definido esta funcin gamma, la vamos a aplicar para definir la distribucin de probabilidad gamma, pues son muchas las aplicaciones de esta distribucin a experimentos o fenmenos aleatorios que tienen asociadas variables aleatorias que siempre son no negativas y cuyas distribuciones son sesgadas a la derecha, es decir, el rea bajo la funcin de densidad disminuye a medida que nos alejamos del origen. Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin gamma de parmetros p y a, siendo p,a y p>0 y a>0, X (p,a), si su funcin de densidad es : a p p 1 ax x e ,x>0 f ( x) = ( p ) 0 ,x0 Esta distribucin se aplica para representar las siguientes distribuciones: - Intervalos de tiempo entre dos fallos de un motor. - Intervalos de tiempo entre dos llegadas de automviles a una gasolinera. - Tiempos de vida de sistemas electrnicos, etc. Caractersticas: 1. Funcin de distribucin a p x p 1 ax x e dx, x > 0 F ( x ) = P ( X x ) = ( p) 0 0, x0 El valor de esta expresin no es fcil de obtener, aunque cuando p es entero positivo , la integral se puede calcular por partes y las probabilidades se obtienen de forma aproximada. Con el fin de simplificar el clculo de estas probabilidades Pearson tabul la funcin gamma incompleta para diferentes valores del parmetro p, que viene dada por : 5

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 1 p 1 y F ( y) = y e dy, y > 0 ( p ) 0

* y

2. Media: E[X]=p/a 3. Varianza: Var(X)=p/a 4. Propiedad reproductiva Si X 1 , X 2 ,..., X n son n variables aleatorias independientes, distribuidas segn una ( pi , a ), para i=1,...,n. Entonces la variable aleatoria Y= X 1 + X 2 + ... + X n sigue una distribucin ( p1 + ... + pn , a). Ejemplo: Sea X una variable aleatoria con distribucin gamma con p=2 y a=50. Cul es la probabilidad de que X tome un valor menor al valor de la media?. Solucin: 0,594

4. DISTRIBUCIN EXPONENCIAL Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin exponencial de parmetro a , siendo a y a >0, X Exp( a ), si su funcin de densidad es a e ax , x>0 f(x)= , x0 0 Esta distribucin es un caso particular de la distribucin (p, a ) para p=1, hecho que tendremos en cuenta para el estudio de sus caractersticas. Esta distribucin est relacionada con la de Poisson, as pues si el nmero de sucesos que ocurren en un determinado intervalo sigue una distribucin de Poisson, entonces la variable aleatoria que representa el tiempo entre ocurrencia de sucesos sigue una distribucin exponencial. As, por ejemplo, si el nmero de ventas semanales de un cierto modelo de coche sigue una distribucin de Poisson, entonces el tiempo transcurrido entre las ventas seguir una distribucin exponencial. Tambin se pueden modelizar mediante la distribucin exponencial las siguientes situaciones: - la duracin de la prestacin de un servicio. - el tiempo entre llegadas sucesivas a una cola o punto de servicio. - el tiempo de duracin de algunos equipos, etc. Caractersticas: 1. Funcin de distribucin 1 e ax , f ( x) = P( X x ) = , 0 x>0 x0

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 2. Media : E[X]=1/a 3.Varianza : Var(X)=1/a Ejemplo: El tiempo transcurrido entre la llegada de dos clientes consecutivos al departamento de ventas de un concesionario de una determinada marca de automviles, es de 20 minutos. Calcular la probabilidad de que el tiempo transcurrido entre la llegada de dos clientes consecutivos no supere la media hora. Solucin: E[X]=1/a=20 luego a= 0,05. P(X 30 )=0,7769.

5. DISTRIBUCIN BETA Previamente vamos a definir la funcin beta de p y q, (p,q) como :

1

( p, q ) = x p 1 ( 1 x )
0

q 1

dx, p > 0, q > 0

Se verifica tambin : (p,q)=((p)(q))/(p+q) Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin beta de parmetros p y q, siendo p,q y p>0 y q>0, X (p,q), si su funcin de densidad es: 1 x p 1 (1 x)q 1 , 0<x<1 f ( x ) = ( p, q ) 0 , en el resto O bien
q 1 ( p + q ) p 1 x ( 1 x ) , 0<x<1 f ( x ) = ( p ) (q ) 0 , en el resto

Observemos que esta funcin de densidad est definida en el intervalo (0,1), lo cual nos indica que esta familia de distribuciones beta es muy til para representar modelos probabilsticos que representan proporciones, tales como: - La fraccin de tiempo que un equipo est en reparacin. - La proporcin de piezas defectuosas de un lote. - La proporcin del gasto de una familia en alimentacin con respecto a los ingresos totales. - La participacin de la produccin de una empresa con respecto al total de lo producido en ese sector, etc. Caractersticas 1. Funcin de distribucin La expresin de la funcin de distribucin es:

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 0 x 1 q 1 F ( x) = x p 1 ( 1 x ) dx 0 ( p, q ) 1, 2. Media: E[X]=p/(p+q) 3. Varianza: Var(X)=(pq)/(p+q+1)(p+q)) Ejemplo: Una comunidad de vecinos dispone de un depsito que contiene una cantidad fija de combustible para la calefaccin central y que es rellenado cada mes. La experiencia acumulada durante muchos meses permite representar la proporcin de reserva utilizada cada mes mediante un modelo de distribucin Beta con parmetros p=4 y q=2. Calcule la probabilidad de que un mes determinado se utilice ms del 75% de la reserva de combustible. Solucin: Su funcin de densidad ser: f(x) = 20x3(1-x) si 0<x<1 y f(x)=0 en otro caso.
+

,x0 , 0<x<1 , x 1

Luego P(x>0,75)=

0 , 75

f ( x)dx =0,3672

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 EJERCICIOS TEMA 9 1. De la parada del autobs que recorre la lnea Algeciras-San Roque sale un autobs cada 15 minutos. Un viajero llega de improviso en cualquier momento. Obtener: a) La funcin de distribucin de la v.a. tiempo de espera hasta que salga el prximo autobs. b) Probabilidad de que el viajero espere menos de 5 minutos. c) La media y la varianza de la v.a. tiempo de espera. d) Probabilidad de que el viajero espere exactamente 10 minutos. 2. El tiempo que tarda un alumno para ir de su domicilio a la facultad vara entre 30 y 40 minutos. Diariamente debe llegar a clase a las 9 horas. Deseamos saber: a) El tiempo medio que tarda en ir a clase y la varianza. b) A qu hora debe salir de su casa para tener una probabilidad de 08 de no llegar tarde a clase. 3. Sea una v.a. X distribuida segn una normal con media =50 y desviacin tpica =8. Obtener: a) Probabilidad de que X tome valores entre 38 y 58. b) Probabilidad de que X tome un valor mayor que 66. 4. Supongamos que la demanda semanal de un artculo sigue una distribucin normal de media =100 y desviacin tpica =20. Qu existencias deben tener al principio de la semana para poder satisfacer la demanda con una probabilidad de 095? 5. Una determinada compaa dedicada a la exportacin de frutas y hortalizas ha observado que el peso de los melones que cultiva para ser exportados sigue una distribucin normal con media =17 kgs. y desviacin tpica =100 grs. Se desea conocer: a) La proporcin de melones que pesan menos de 2 kgs. b) Sabiendo que son rechazados para la exportacin aquellos melones cuyo peso difiere en ms de 300 grs. del peso medio, determinar la proporcin de melones que se rechazan. 6. El tiempo de duracin en horas X de una pieza de un cierto equipo se distribuye segn una distribucin gamma de parmetros p=3 y a=02. Determinar: a) Probabilidad de que el equipo funcione ms de 10 horas. b) Probabilidad de que el equipo funcione entre 10 y 15 horas. 9

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9

7. En un parking pblico se ha observado que los coches llegan aleatoria e independientemente a razn de 360 coches por hora: a) Utilizando la distribucin exponencial encontrar la probabilidad de que el prximo coche no llegar en los prximos 30 segundos. b) Utilizando la distribucin de Poisson obtener la misma probabilidad anterior. 8. Si consideramos una v.a. X que representa la proporcin de personas que consumen una determinada marca de aceite de oliva y que sigue una distribucin beta de parmetros p=1 y q=1, determinar la probabilidad de que dicha proporcin est comprendida entre el 10% y el 50%. 9. El depsito central de agua potable de un determinado municipio se llena una vez por semana, los domingos. Observando el consumo de agua de aos anteriores se lleg a la conclusin de que la proporcin de agua del depsito que se distribuye durante la semana se poda representar por una distribucin beta de parmetros p=3 y q=2. Determinar la probabilidad de que se distribuya al menos el 80% de agua del depsito central durante una semana. 10. Un transportista tiene una avera en su camin de forma aleatoria y uniforme a lo largo del trayecto de 100 kms. desde el origen al destino. Calcular: a) Probabilidad de que el lugar donde se avera diste ms de 2 veces del origen que del destino. b) Distancia media desde el destino al punto en que se produce la avera. 11. El sistema de control de calidad de una planta industrial consta de 3 subsistemas que deben funcionar simultneamente para efectuar el control completo. Si los tiempos de funcionamiento, de los 3 subsistemas, son independientes y se distribuyen (en horas) respectivamente N(45,5), N(47,3) y N(50,6), se pide calcular la probabilidad de que el sistema funcione las 40 horas laborables de una semana, si al comienzo de la semana se renuevan los subsistemas. 12. Un sistema electrnico est compuesto por dos circuitos cuyos tiempos de vida son independientes y se distribuyen (6,2) y (8,4) respectivamente, en miles de horas. El sistema funciona mientras funcione alguno de los dos circuitos. Se pide: a) Probabilidad de que el sistema funcione ms de 4.000 horas. b) Vida esperada de cada circuito 13. Sea X la v.a. tiempo de duracin hasta su adquisicin de cierto producto en el escaparate de un comercio, y se distribuye Exp(0,2) en das. Obtener: a) Tiempo esperado del producto en el escaparate.

10

2 CC. EE. ESTADSTICA EMPRESARIAL. TEMA 9 b) Desviacin tpica del tiempo de exposicin. 14. Un supermercado est interesado en controlar la calidad de los servicios que presta a sus clientes y comprueba que el tiempo que una cajera emplea en atender a un cliente sigue una distribucin Gamma con media de 6 minutos y varianza 12 minutos2. a) Calcule la probabilidad de que una persona sea atendida durante ms de 10 minutos en una caja. b) Si dos amigos, que han comprado de forma independiente, se dirigen juntos a la caja para pagar sus respectivas compras, cul es la probabilidad de que el tiempo total que la cajera emplea en atender a los dos sea inferior a 6 minutos?

11