DISTRIBUCIONES DE PROBABILIDADES

CONTINUAS
• Distribución uniforme.
• Distribución exponencial.
• Distribución normal distribución
normal estándar.
Equipo
Cituk Poot Fabian Baltazar
Hernández Chulim Axel Jafet
Vargas de la cruz Agustín
Balam cano Aldo Emanuel
Matus Vargas Oscar
DISTRIBUCIONES DE PROBABILIDADES CONTINUAS
• Una distribución de probabilidad continua resulta de medir algo, como la distancia del
dormitorio al salón de clases, el peso de un individuo o la cantidad de bonos que ganan
los directores ejecutivos. Suponga que seleccionamos a cinco estudiantes y calculamos
que las distancias, en millas, que viajan a clases son de 12.2, 8.9, 6.7, 3.6 y 14.6.
Cuando examinamos una distribución continua, la información que nos interesa es el
porcentaje de estudiantes que viajan menos de 10 millas o el porcentaje que viaja más
de 8 millas. En otras palabras, en el caso de una distribución continua, quizá desee
conocer el porcentaje de observaciones que se presentan dentro de cierto margen. Es
importante señalar que una variable aleatoria continua tiene un número infinito de
valores dentro de cierto intervalo particular. Así, debe pensar en la probabilidad de que
una variable tenga un valor dentro de un intervalo determinado, en vez de pensar en la
probabilidad de un valor específico.
 DISTRIBUCIÓN UNIFORME:
• La distribución de probabilidad uniforme es, tal vez, la distribución más simple de una variable
aleatoria continua. La distribución tiene forma rectangular y queda definida por valores mínimos
y máximos. La altura de la distribución es constante o uniforme para todos los valores entre a y
b.
 CARACTERÍSTICAS

• La altura o la probabilidad es la misma en todos los casos.

• La base tiene cambios.
• Cuenta con un valor máximo y mimo.
• la probabilidad de un suceso depende exclusivamente de la amplitud del intervalo
considerado y no de su posición en el campo de variación de la variable.
• El área siempre contara con un valor total de 1.
• La grafica tiene una forma rectangualr.
 FORMULAS

√(𝑏− 𝑎)2
a x b y 0 en cualquier otro lugar 𝑎+𝑏 1
𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= (𝑏 −𝑎 )
𝜇=
2 𝜎= 𝑏−𝑎
12

Donde:
p=probabilidad=altura.
x=numero de éxitos.
=Media.
=Desviación estándar.
b=Valor máximo de la muestra.
a=Valor mínimo de la muestra.
EJEMPLO
• El precio de cierre de una acción común de Schnur Sporting Goods Inc., está
uniformemente distribuido entre $20 y $30 por acción. Cuál es la probabilidad de que el
precio de la acción sea:
• a) mayor a $27?
• b) menor o igual a $24? 0.1

1 0 10 20 30 40
𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= (𝑏 −𝑎 )
𝑏−𝑎
1
𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= (30 −27)
30 − 20 0.1

Pa(27<x<30)= 0 10 20 30 40

1
𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= (24 −20)
30 − 20
0.1

Pb(20≤x≤24
0 10 20 30 40
 EJEMPLO
• Supóngase una variable que se distribuye uniformemente entre 380 y 1,200. Determínese:
• 1. La probabilidad de que el valor de la variable sea superior a mil.
• 2. La media y la desviación estándar de dicha variable.
380+1,200
𝜇=
2
=790
1
𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= (𝑏 −𝑎 )

√
𝑏−𝑎
(𝑏− 𝑎)2
1 𝜎=
𝑝 ( 1000 < 𝑥<1200 )=𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎=
1,200 − 380
(1,200 −1,000) 12

√
1 2
𝑝 ( 1000 < 𝑥<1200 )=𝑎𝑟𝑒𝑎=𝑏𝑎𝑠𝑒 ∗ 𝑎𝑙𝑡𝑢𝑟𝑎= ( 200 )=0.2439 (1,200 −380)
820 𝜎=
12

𝜎=
√
(820)2
12 √
=¿ ¿
672400
12
=236.71
 DISTRIBUCIÓN EXPONENCIAL
La distribución exponencial es un caso particular de la distribución gamma y el equivalente continuo de la
distribución geométrica discreta. Esta ley de distribución describe procesos en los que interesa saber el
tiempo hasta que ocurre determinado evento; en particular, se utiliza para modelar tiempos de
supervivencia. Un ejemplo es el tiempo que tarda una partícula radiactiva en desintegrarse.
 CARACTERÍSTICAS
• propiedad conocida como “falta de memoria”. Esto significa, por ejemplo, que la probabilidad
de que un individuo de edad t sobreviva x años más, hasta la edad x+t, es la misma que tiene un
recién nacido de sobrevivir hasta la edad x. Dicho de manera más general, el tiempo transcurrido
desde cualquier instante dado t0 hasta que ocurre el evento, no depende de lo que haya ocurrido
antes del instante t0.
• Esta distribución se puede caracterizar como la distribución del tiempo entre sucesos
consecutivos generados por un proceso de Poisson.
• la propiedad de falta de memoria la hace demasiado restrictiva para la mayoría de los problemas.
 FORMULAS
σ= µ
0 , 𝑠𝑖 𝑥 <0
𝑓 ( 𝑥 )= 1 𝑓 ( 𝑥 )=
0 , 𝑠𝑖 𝑥 <0 𝜎 2=𝜇 2
−λ𝑥 −λ𝑥
−𝑒 , 𝑠𝑖 𝑥> 0 1−𝑒 , 𝑠𝑖 𝑥> 0
𝜇

Función de densidad de Para probabilidades

probabilidad exponencial acumuladas

Donde:
Λ=
x=probabilidad solicitada
e=constante de Euler
µ=media
σ=desviación estándar.
=varianza.
 EJEMPLO
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribución exponencial
con media de 14 años.
• ¿Cuál es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba
reimplantar otro antes de 20 años?
• Si el marcapasos lleva funcionando correctamente 5 años en un paciente, ¿cuál es la probabilidad de
que haya que cambiarlo antes de 25 años?
𝜇=14
Λ= 𝑝 ( 5 < 𝑥 <25 ) = 𝑝 ( 𝑥 < 20 ) = 0.76
𝑝 ( 𝑥 )=1 −𝑒 λ 𝑥
𝑝 ( 𝑥 <20 ) =1− 𝑒 −λ 𝑥1
− ∗ 20
14
𝑝 ( 𝑥 <20 ) =1− 𝑒
0.24=0.76
 EJEMPLO
suponga que x representa el tiempo que se necesita para cargar un camión en un área de carga, y
que este tiempo de carga sigue una distribución exponencial. Si el tiempo de carga medio o
promedio es 15 minutos (μ 15)
Calcular:
P (x< 6)
P(x<18)
P (6 < x < 18)
1
− ∗ 18
15
P (x)= 𝑝 2 ( 𝑥< 18 )= 1− 𝑒
1
−
15
∗6 0.3011=0.6989
𝑝 1 ( 𝑥< 6 ) =1− 𝑒
0.6703=0.3297
𝑝 ( 6 < 𝑥< 18 ) = 𝑝 2 − 𝑝 1
𝑝 ( 6 < 𝑥< 18 )=0.6989 −0.3297=0.3692
DISTRIBUCIÓN NORMAL Y DISTRIBUCIÓN
NORMAL ESTÁNDAR
La distribución normal, distribución de Gauss o distribución gaussiana, es la distribución de
probabilidad individual más importante. La distribución normal nos permite crear modelos de
muchísimas variables y fenómenos, como por ejemplo, la estatura de los habitantes de un
país, la temperatura ambiental de una ciudad, los errores de medición y muchos otros
fenómenos naturales, sociales y hasta psicológicos.
La distribución normal estándar, es aquella distribución normal que tiene una media igual a
cero, y una desviación estándar igual a uno. Veamos la función densidad normal
estandarizada, que trabaja con la variable estandarizada z en el eje horizontal.
Cualquier distribución de probabilidad normal puede convertirse en una distribución de
probabilidad normal estándar si se resta la media de cada observación y se divide esta
diferencia entre la desviación estándar. Los resultados reciben el nombre de valores z o
valores tipificados. Por último, la gráfica 7-6 muestra tres distribuciones normales con
diferente media y desviación estándar. Éstas muestran la distribución de fuerzas de tensión,
medidas en libras por pulgada cuadrada (psi), de tres clases de cables.
 CARACTERÍSTICAS DE DISTRIBUCIÓN DE PROBABILIDAD
NORMAL
Tiene forma de campana y posee una sola cima en el centro de la distribución.
La media aritmética, la mediana y la moda son iguales, y se localizan en el centro de la
distribución.
 El área total bajo la curva es de 1.00.
La mitad del área bajo la curva normal se localiza a la derecha de este punto central, y la
otra mitad, a la izquierda.
 Es simétrica respecto de la media.
Si hace un corte vertical, por el valor central, a la curva normal, las dos mitades son
imágenes especulares.
Desciende suavemente en ambas direcciones del valor central. Es decir, la distribución es
asintótica.
La curva se aproxima más y más al eje X, sin tocarlo. En otras palabras, las colas de la
curva se extienden indefinidamente en ambas direcciones.
La localización de una distribución normal se determina a través de la media, la dispersión
o propagación de la distribución se determina por medio de la desviación estándar, .
 CARACTERÍSTICAS DE DISTRIBUCIÓN DE
PROBABILIDAD NORMAL ESTÁNDAR

Tiene forma de campana y posee una sola cima en el centro de la distribución.

El área total bajo la curva es de 1.00.
La mitad del área bajo la curva normal se localiza a la derecha de este punto
central con un valor de 0.5 o 50%, y la otra mitad, a la izquierda con un valor de
0.5 o 50%.
La localización de una distribución normal se determina a través de la media, la
dispersión o propagación de la distribución se determina por medio de la
desviación estándar, .
Tiene una media igual a cero.
Desviación estándar igual a uno.
Las probabilidades se calculan con el valor de z el cual se localiza en una
tabla.
 FORMULAS
Distribución normal
Distribución normal
estándar
1 𝑥− 𝜇
2 Z=
− ( )
1 2 2𝜎
2

𝑒
𝜎 √2 𝜋

Se resuelve sustituyendo los valores y localizando z

en la tabla de distribución
Se resuelve integrando o convirtiéndolo a la forma
estándar.

En donde:
x es el valor de cualquier observación y medición.
es la media de la distribución.
es la desviación estándar de la distribución.
 EJEMPLO
Suponga que desea calcular la probabilidad de que las cajas de Sugar Yummies pesen entre 283 y 285.4 gramos. De
acuerdo con la gráfica 7-5, el peso de la caja de Sugar Yummies tiene una distribución normal con una media de 283
gramos y una desviación estándar de 1.6 gramos. Ahora quiere conocer la probabilidad o área bajo la curva entre la
media, 283 gramos, y 285.4 gramos. También se expresa este problema con notación de la probabilidad: P(283 < peso <
285.4). Para determinar la probabilidad, es necesario convertir tanto 283 gramos como 285.4 gramos en valores z con la
fórmula. El valor z correspondiente a 283 es 0, que se calcula mediante la operación (283 – 283)/1.6. El valor z
correspondiente a 285.4 es 1.50, que se calcula mediante la operación (285.4 – 283)/1.6. Después, consulte la tabla de
probabilidades . Descienda por la columna de la tabla que encabeza la letra z hasta 1.5. Ahora siga por la horizontal a la
derecha y lea la probabilidad bajo la columna que comienza con 0.00. Ésta es de 0.4332. Esto significa que el área bajo la
curva entre 0.00 y 1.50 es de 0.4332. Tal es la probabilidad de que una caja seleccionada al azar de Sugar Yummies pese
entre 283 y 285.4 gramos, lo cual se ilustra en la siguiente gráfica.
 EJEMPLO
•  si se desea encontrar la probabilidad de que la variable estandarizada z, tome un valor entre 0 y
1,50; hay que encontrar el área bajo la curva entre z = 0  y  z = 1,50.
CONCLUSIÓN
BIBLIOGRAFÍA
 ANDERSON, S. (2008). Estadística para administración y economía. Obtenido de
https://www.upg.mx/wp-content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-
economia.pdf
 epidat. (octubre de 2014). Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre2014.pdf.
Obtenido de
https://www.sergas.es/Saude-publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabili
dad_Octubre2014.pdf
 mate movil . (2 de julio de 2018). matemovil . Obtenido de https://matemovil.com/distribucion-normal-
ejercicios-resueltos/
 matemovil (Productor). (s.f.). Distribución Normal - Ejercicios Resueltos - Nivel 1 [video]. Obtenido de
https://www.youtube.com/watch?v=T7_ktqfVseU&t=1821s