FACULTAD DE INGENIERÍA

ESCUELA DE INGENIERÍA CIVIL AMBIENTAL

TEMA: DISTRIBUCION DE PROBABILIDADES CONTINUAS

DOCENTE: LIC. SANDRA CECILIA LOAYZA CHUMACERO
INTEGRANTES:
AYACILA TINEO, JOSÉ ALFREDO
HIDALGO SANCHEZ, NARCIS
GRUPO: “A”
 Introducción

El presente resumen tratará acerca de algunos tipos de distribución de probabilidad

que definen y que son muy aplicables a un tipo de variable aleatoria en especial, como
lo son las continuas.
Como sabemos las variables numéricas se clasifican en discretas y continuas,
específicamente a estas denominamos comúnmente como variables aleatorias. Una
variable aleatoria es una variable estadística cuantitativa definida en un espacio
muestral Ω.
Tales distribuciones a investigar son la distribución uniforme y la distribución
exponencial. La primera expresa que la probabilidad no depende del intervalo que se
tome sino de la longitud o rango del intervalo del mismo, así mismo la distribución
exponencial se utiliza para modelar el tiempo de vida o vida útil de un componente u
objeto.
 DISTRIBUCIONES DE PROBABILIDAD

1. DISTRIBUCIÓN UNIFORME

Definición:
Se dice que la variable aleatoria continua, X, tiene distribución uniforme (o
rectangular) en el intervalo [a, b], a < b, y se describe por 𝑋~ 𝑈 [a, b], si su
función de densidad de probabilidad es:
1
𝑓(𝑥) = {𝑏 − 𝑎 , 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
0, 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
La función de distribución del modelo uniforme es:
𝑥
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝜇)𝑑𝜇
−∞

0, 𝑠𝑖 𝑥 < 𝑎
𝑥−𝑎
𝐹(𝑥) = { , 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎
1, 𝑠𝑖 𝑥 ≥ 𝑏

La gráfica de la función de densidad y de la distribución acumulada se dan en la figura

1

Figura 1: Función de densidad y de distribución acumulada uniforme. Fuente:

Estadística descriptiva e inferencial (Manuel Córdova Zamora)
Nota: Si [c, d] ⊂ [a, b], la probabilidad de que X tome valores en el intervalo [c, d] es:
𝑑−𝑐
𝑃[𝑐 ≤ 𝑋 ≤ 𝑑] =
𝑏−𝑎
Esta probabilidad solo depende de la longitud del intervalo [c, d] y no de su ubicación
dentro del intervalo [a, b], y es la misma para todos los intervalos que tengan la misma
longitud d – c.

Aplicaciones:
Algunas variables aleatorias continuas tienen distribución uniforme, por ejemplo:
 Las coordenadas de un punto que se elige al azar en un intervalo dado.
 Los instantes aleatorios en un periodo de tiempo dado, etc.

Teorema
Si la variable aleatoria X tiene distribución uniforme en el intervalo [a, b],
entonces:
𝑎+𝑏
𝐸(𝑋) =
2
(𝑏 − 𝑎)2
𝑉𝑎𝑟(𝑋) =
12
Donde:
E(X) = Media = Valor esperado
Var(X) = Varianza

Características
 Las áreas bajo la curva son iguales entre un intervalo definido (ver figura 1).
 2. DISTRIBUCION EXPONENCIAL

Es una distribución continua que algunas veces se utiliza para modelar el tiempo que
transcurre antes de que ocurra un evento. Normalmente, a esto se le llama “tiempo de
espera”. En algunas ocasiones la distribución exponencial se utiliza para modelar el
tiempo de vida de un componente. Así mismo hay una relación cercana entre la
distribución exponencial y la distribución de Poisson.
La función de densidad de probabilidad de la distribución exponencial tiene un
parámetro, que se expresa mediante una constante positiva 𝜆 cuyo valor determina la
localización y forma de la función.

Figura 2: Grafica de la distribución exponencial; es un modelo

apropiado a vida útil de objetos (Manuel Córdova Zamora).

Definición:
La función de densidad de probabilidad de la distribución exponencial con
parámetro 𝝀 > 0 es:

𝝀𝒆− 𝝀𝒙 ; 𝒙 > 𝟎
𝒇(𝒙) = {
𝟎 ;𝒙 ≤ 𝟎

La figura presenta la función de densidad de probabilidad de la distribución

exponencial para varios valores de 𝜆. Si X es una variable aleatoria cuya distribución es
exponencial con parámetro 𝜆, se expresa como X~Exp (𝜆).
 Figura 3: Gráficas de la función de densidad de probabilidad
exponencial para varios valores de 𝜆.
Nota1:
La función exponencial es un caso particular de la distribución gamma cuando 𝛼 = 1.
Luego, si la variable aleatoria X tiene distribución exponencial con parámetro 𝜆 o
X~Γ(1, 𝜆), entonces tiene:
Media:
1
𝜇=
𝜆
Varianza:
1
𝜎2 =
𝜆2
Aplicaciones:
 Modelo para la distribución de tiempos entre la presentación de eventos sucesivos,
como es el caso de clientes que llegan a un taller de servicio o llamadas que entran a
un computador.

 Modelo para la distribución de la vida o duración de componentes, debido a la

propiedad de “carencia de memoria” de la distribución exponencial.

1
Pag 319. Estadística descriptiva e inferencial. Manuel Cordova Zamora
 Bibliografía

DEVORE, J. L. (1998). Probabilidad y Estadística para ingenieros y Ciencias (Cuarta ed.). Ciudad de
Mexico: Internacional Thomson Editores.

NAVIDI, W. (2006). ESTADISTICA PARA INGENIEROS Y CIENTIFICOS (Primera ed.). Ciudad de

Mexico: Mc Graw Hill.

ZAMORA, M. C. (Enero, 2003). Estadistica Descriptiva e Inferencial (Quinta ed.). Lima: MOSHERA,
S.R.L.