1

VARIABLES ALEATORIAS CONTINUAS

1. Distribución Uniforme
2. Distribución Gamma
3. Distribución Exponencial
4. Distribución Ji-Cuadrado
5. Distribución Erland
6. Distribución Beta
7. Distribución Weibull
8. Distribución LogNormal
9. Distribución Normal
10. Distribución Normal Estándar

Distribución Uniforme
Este modelo corresponde a una variable aleatoria continua cuyos valores tienen igual valor de
probabilidad en un intervalo especificado para la variable.

X: Variable aleatoria continua con distribución Uniforme.

x=x1, x2,,…,xn. los valores que puede tomar, con igual probabilidad.

La Densidad de Probabilidad de X es:

, a y b son los parámetros del modelo

a+b
µ = E( X ) =
MENÚ 2
( b − a)
2

σ =V (X ) =
2

12

(e tb − e ta )
M x = E (e xt ) = ;t ≠ 0
t (b − a )

Distribución Gamma
Es un modelo básico en la teoría estadística y corresponde a la siguiente definición:

Ing. Vanessa Salazar V.

 2
X:: Variable aleatoria continua con distribución Gamma.

La Densidad de Probabilidad de X es:

 1 −
α −1 β
x

 x e ; x>0
f ( x) =  β α Γ(α )
0 ; para otro x

α >0, β>0 son los parámetros de este modelo.

µ = E ( X ) = αβ
σ 2 = V ( X ) = αβ 2
1
M x = E (e xt ) = ;t ≠ 0
(1 − βt ) α

Distribución Exponencial
Es un caso particular de la distribución Gamma cuando α=1y tiene aplicaciones de interés
práctico.

X: Variable aleatoria continua con distribución Exponencial.

La Densidad de Probabilidad de X es:

MENÚ
 1 −x/β
 e , x>0
f ( x) =  β
0 , para otro x

En donde β>0, es el parámetro para este modelo

µ = E( X ) = β
σ 2 =V (X ) = β2
1
M x = E (e xt ) = ;t ≠ 0
1− βt

Distribución Ji-Cuadrada
ν
α=
Es un caso particular de la distribución Gamma cuando 2 y β = 2 tiene aplicaciones de
interés práctico.

Ing. Vanessa Salazar V.

 3

X: Variable aleatoria continua con distribución Ji Cuadrada.

La Densidad de Probabilidad de X es:

 1 ν
−1
 ν /2 x 2
e − x / 2 ; x>0
f ( x ) =  2 Γ (ν / 2)
0 ; para otro x

Esta distribución tiene un parámetro: ν > 0 y se denomina
número de grados de libertad.
µ = E( X ) =ν
σ 2 = V ( X ) = 2ν
1
M x = E (e xt ) = ;t ≠ 0
(1 − 2t )ν / 2

Distribución Erlang

Es un caso particular de la distribución Gamma cuando α=n,. donde n es un entero positivo.

X: Variable aleatoria continua con distribución Erlang.

La Densidad de Probabilidad de X es:

 1 n −1
−
x
β
 x e ; x>0
f ( x) =  β n Γ( n)
0 ; para otro x

α >0, β>0 son los parámetros de este modelo.

µ = E ( X ) = nβ
σ 2 = V ( X ) = nβ 2
1
M x = E (e xt ) = ;t ≠ 0
(1 − β t ) n

MENÚ

Distribución Beta

Ing. Vanessa Salazar V.

 4

X: Variable aleatoria continua con distribución Beta.

La Función Beta es:

Γ(α )Γ( β )
1
β (α , β ) = ∫ xα −1 (1 − x)β −1 dx =
0
Γ(α + β )
La Densidad de Probabilidad de X es:
 Γ(α + β ) α −1
 x (1 − x) β −1 ; 0<x<1
f ( x) =  Γ(α )Γ( β )
0 ; para otro x

α >0, β>0 son los parámetros de este modelo.
Γ ( ) es la función gamma.
α
µ = E( X ) =
α +β
αβ
σ 2 =V (X ) =
(α + β ) (α + β + 1)
2

1
M x = E (e xt ) = ;t ≠ 0
(1 − β t ) n
Distribución Weibull

Este modelo se usa en problemas relacionados con falla de materiales y estudios de

confiabilidad.

X: Variable aleatoria continua con distribución Weibull.

La Densidad de Probabilidad de X es:

αβ x β −1e−α x ; x>0
β

f ( x) = 
0 ; para otro x
En donde α >0, β>0 son los parámetros para este modelo.

µ = E ( X ) = α −1/ β Γ(1 + 1/ β )
σ 2 = V ( X ) = α −2 / β  Γ(1 + 2 / β ) − (Γ(1 + 1/ β ))2 

MENÚ

Razón de Falla

Si la variable aleatoria es el tiempo t en que falla un equipo, el índice o razón de falla en el

instante t es la función de densidad de falla al tiempo t. dado que la falla no ocurre antes de t.
Ing. Vanessa Salazar V.
 5

Sean, t: Variable aleatoria continua (tiempo)

f(t): Función de densidad de probabilidad
F(t): Función de distribución (función de probabilidad acumulada)

Entonces,

f (t )
r (t ) = , es la razón de falla
1 − F (t )

Distribución LogNormal
La Distribución Lognormal que se la define como: Y = xe, d o n d e :X µ N (2σ , )
Esta variable es de alta aplicación en Economía como en Medicina.

X: Variable aleatoria continua con distribución Weibull.

La Densidad de Probabilidad de X es:

 1
2
(ln y − µ )
−
 -1 2
y e 2σ ; x>0
f ( x ) =  σ 2π
0 ; para otro x

En donde α >0, β>0 son los parámetros para este modelo.

µ +σ 2
µ y = E( X ) = e 2

σ y 2 = V ( X ) =  −eσ − 1 e(2 µ +σ
2 2
)
 

MENÚ

Distribución Normal

Ing. Vanessa Salazar V.

 6

X: Variable aleatoria continua con distribución Normal.

La Densidad de Probabilidad de X es:

2
1  x−µ 
1  
f ( x) = e 2 σ 

σ 2π
E( X ) = µ
V (X ) = σ 2
t 2σ 2
µt +
M x = E (e xt ) = e 2

Distribución Normal Estándar

X: Variable aleatoria continua con distribución Normal

Estándar

La Densidad de Probabilidad de X es:

1 12 ( z ) 2
f ( z) = e
2π

E( X ) = µ = 0
V (X ) = σ 2 =1
t2
M x = E (e xt ) = e 2

MENÚ

Ing. Vanessa Salazar V.