UNIVERSISDAD DE LAS FUERZAS ARMADAS

Nombre: Sandra Rocha

Tema: DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS
Distribuciones de Probabilidad.
La distribucin de probabilidad nos describe la forma de variacin de los resultados en un
experimento aleatorio, el cual nos da todas las probabilidades de los posibles resultados que se
podran obtener de un experimento aleatorio.
Describe la probabilidad de que un evento se realice en el futuro, constituyendo una
herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos fenmenos naturales.
Dado que esta clase de distribuciones se ocupan de las expectativas son modelos de gran
utilidad para hacer inferencias y tomar decisiones en condiciones de incertidumbre.
Toda distribucin de probabilidad es generada por una variable, porque puede tomar
diferentes valores por esto la establecemos como una variable aleatoria x, porque el valor tomado
es al azar, y puede ser de dos tipos:
1. Distribucin de probabilidad de una variable aleatoria discreta (x).
Se le denomina variable porque puede tomar diferentes valores.
Aleatoria, porque el valor tomado es totalmente al azar
Discreta porque solo puede tomar valores enteros y un nmero finito de ellos.
PROPIEDADES
Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores
o iguales a cero y menores o iguales a 1. p(xi)0
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1. p(xi) = 1
Ejemplo para variable aleatoria discreta
Se tiene una moneda que al lanzarla puede dar slo dos resultados: o cara (50%), o cruz
(50%).
PRIMER LANZAMIENTO SEGUNDO PROBABILIDAD DE LOS
LANZAMIENTO RESULTADOS POSIBLES
CARA CARA 1 1
= 0.25
2 2
CARA CRUZ 1 1
= 0.25
2 2
CRUZ CARA 1 1
= 0.25
2 2
CRUZ CRUZ 1 1
= 0.25
2 2
SUMATORIA = 1

2. Distribucin de probabilidad Variable aleatoria continua (x)

Se le denomina variable porque puede tomar diferentes valores,

Aleatoria, porque los valores que toma son totalmente al azar

Continua porque puede tomar tanto valores enteros como fraccionarios y un
nmero infinito de ellos.
EJEMPLO La siguiente tabla muestra la distribucin de los residentes estadounidenses
(16 aos de edad o mayor) quienes asisten a cualquier colegio durante 1980, ordenada por
edad:
EDAD 15-19 20-24 25-29 30-34 35
NUMERO 2,7 4,8 1,9 1,2 1,8
DESDE 1980
Probabilidad , , , , ,
= , = , = , = , = ,
, , , , ,
La tabla nos informa, por ejemplo, que
P(15 X 20)=22 y P(X 35)=15
Cules son las Distribucin de Probabilidad que se aplican para Variables aleatorias
continuas

DISTRIBUCIN UNIFORME eLas distribuciones uniformes corresponden al experimento de

elegir dos puntos al azar entre dos fijos a y b. Si a < b son dos nmeros reales, la ley uniforme
sobre el intervalo [a,b] . Ella tiene por densidad a la funcin:

Donde:

b: es el extremo superior

Ejemplo a: es el extremo inferior

El volumen de precipitaciones estimado para el prximo ao en la ciudad de Sevilla va a oscilar

entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la precipitacin
media esperada:
1
() = = 0,01
500 400
Es decir, que el volumen de precipitaciones est entre 400 y 401 litros tiene un 1% de
probabilidades; que est entre 401 y 402 litros, otro 1%, etc.
El valor medio esperado es:
400 + 500
() = = 450
2
Es decir, la precipitacin media estimada en Sevilla para el prximo ao es de 450 litros.

LA DISTRIBUCIN EXPONENCIAL

Las distribuciones exponenciales se utilizan como modelo para representar tiempos de

funcionamiento o tiempos de espera. Su funcin de densidad que depende de un parmetro k es
de la forma

() = 0
() = 1 0

La media de esta distribucin es 1/k y la desviacin tpica tambin es 1/k

En un proceso de Poisson donde se repite sucesivamente un experimento a intervalos de tiempo

iguales, el tiempo que transcurre entre la ocurrencia de dos sucesos consecutivos sigue un
modelo probabilstico exponencial.

EJEMPLO El tiempo durante el cual las bateras para un telfono celular trabajan en forma
efectiva hasta que fallan se distribuyen segn un modelo exponencial, con un tiempo promedio
de falla de 500 horas.

a) Calcular la probabilidad de una batera funcione por ms de 600 horas.

Solucin:

X = tiempo que dura la batera hasta que falla

Entonces como E(x) = 500, entonces =1/500 con lo que E(1/500). Por tanto su funcin de
distribucin seria:

() = 1 500 0

Pr( > 600) = 1 Pr( > 600)

Pr( > 600) = 1 (60)
600
Pr( > 600) = 1 (1 500 ) = 0.301
LA DISTRIBUCIN NORMAL

La distribucin normal o gaussiana es muy importante puesto que

se utiliza para modelar fenmenos aleatorios; tambin se usa para
aproximar otras distribuciones

Distribucin normal estndar

La distribucin normal estndar, o tipificada o reducida, es aquella

que tiene por media el valor cero, =0, y por desviacin tpica la
unidad, =1.

Tipificacin de la variable

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribucin
N(, ) en otra variable Z que siga una distribucin N(0, 1)

= .

Ejemplo . La temperatura durante setiembre est distribuida normalmente con media 18,7C y
desviacin standard 5C. Calcule la probabilidad de que la temperatura durante setiembre est
por debajo de 21C.

La tabla nos proporciona la probabilidad desde que ocurran sucesos menores que z= 0,46, esto es
la probabilidad de que ocurran sucesos desde menos infinito hasta el valor de Z de 0,46 es
o.67772, es un 67,72%.

BIBLIOGRAFA

ANONIMO RESTAURADO 2017

http://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node13.html