INTEGRANTES

1. Alay Suarez María Fernanda

2. Alvarado Magallanes Jonathan jacinto
3. León Gutiérrez Doménica Antonella
4. Toaza Mora Genesis Pamela
5. Wong Pavón Kevin Jayr
OBJETIVOS DE APRENDIZAJE
 O7-1 Describir la distribución de probabilidad uniforme y utilizarla para
calcular probabilidades.
 O7-2 Describir las características de la distribución de probabilidad
normal.
 O7-3 Describir la distribución de probabilidad normal estandár.
 O7-4 Aproximar la distribución de probabilidad binomial usando la
distribución normal estándar para calcular probabilidades.
 O7-5 Describir la distribución de probabilidad exponencial y utilizarla
para calculary probabiliades.
3
 O7-1 Describir la distribución de probabilidad
uniforme y utilizarla para calcular probabilidades.

LA DISTRIBUCIÓN UNIFORME
La distribución de
probabilidad uniforme es
quizás la distribución más
simple para una variable
aleatoria continua.

Esta tiene forma

rectangular y está
definida por valo por
valores mínimos (a) y los
valores máximos (b).

7-4
 O7-1

LA DISTRIBUCIÓN UNIFORME – MEDIA

Y DESVIACIÓN ESTÁNDAR
Conociendo los valores mínimos y máximos de una
distribución uniforme, podemos definir la función de
probabilidad, y calcular la media, varianza y desviación
estándar de la distribución.

7-5
 O7-1

LA DISTRIBUCIÓN UNIFORME
EJEMPLO
La Southwest Arizona State University proporciona servicio de
transporte de autobús a los estudiantes. Entre semana, un autobús
llega a la parada de North Main Street y College Drive cada 30
minutos desde las 6 a.m. hasta las 11 p.m. Los estudiantes llegan a la
parada en tiempos aleatorios. El tiempo que espera un alumno tiene
una distribución uniformemente de 0 a 30 minutos.

1. Trace un gráfico de la distribución.

2. Demuestre que el área de esta distribución uniforme es 1,00.
3. ¿Cuánto tiempo tendrá un estudiante "típicamente" esperar a un
autobús? En otras palabras, ¿cuál es el tiempo de espera medio?
¿Cuál es la desviación estándar de los tiempos de espera?
4. ¿Cuál es la probabilidad de que un estudiante espere más de 25
minutos?
5. ¿Cuál es la probabilidad de que un estudiante espere entre 10 y 20
minutos?
 O7-1

LA DISTRIBUCIÓN UNIFORME -EJEMPLO

1. Gráfico de tiempos de espera distribuidos

uniformemente
entre 0 y 30:
 O7-1

LA DISTRIBUCIÓN UNIFORME – EJEMPLO

2. Muestre que el área de esta distribución es 1,00.

 O7-1

LA DISTRIBUCIÓN UNIFORME – EJEMPLO

3. ¿Cuánto tiempo tendrá un estudiante

"típicamente" que esperar a un autobús? En
otras palabras, ¿cuál es el tiempo de espera
medio?

¿Cuál es la desviación estándar de los tiempos

de espera?

7-9
 O7-1

LA DISTRIBUCIÓN UNIFORME – EJEMPLO

4. ¿Cuál es la probabilidad de que un

estudiante espere más de 25 minutos?

7-10
 O7-1

LA DISTRIBUCIÓN UNIFORME – EJEMPLO

5. ¿Cuál es la probabilidad de que un estudiante espere entre 10 y 20 minutos?

7-11
12
 O7-2 Describir las características de la
distribución de probabilidad normal.

Características de una Distribución de

Probabilidad Normal
 Tiene forma de campana y posee una sola cima en el centro de la distribución.
 Es simétrico respecto a la media.
 Es asintótica: la curva se acerca más y más al eje X, pero en realidad nunca la
toca. Para decirlo de otra manera, 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, σ.
 La media aritmética, la mediana y la moda son iguales.
 Como una distribución de probabilidad, el área total bajo la curva se define
como 1,00.
 Debido a que la distribución es simétrica sobre la media, la mitad del área bajo
la curva normal está a la derecha de la media, y la otra mitad a la izquierda de
ella.
 O7-2

LA DISTRIBUCIÓN NORMAL – GRÁFICAMENTE

 O7-2

LA FAMILIA DE DISTRIBUCIONES NORMALES

Medias iguales y diferentes Diferentes medias y

desviaciones estándar desviaciones estándar

Diferentes medias y desviaciones estándar iguales

7-15
 LA DISTRIBUCIÓN DE
PROBABILIDAD NORMAL
ESTÁNDAR
2.-También se
denomina
distribución z.

1.-La distribución normal 3.-Un valor z es la distancia

con signo entre un valor
estándar es una
seleccionado, designado x,
distribución normal con y la media de la población,
una media de 0 y una , dividido por la desviación
desviación estándar de estándar de la población, σ.
1
La fórmula es
APLICACIÓN DE LA DISTRIBUCIÒN NORMAL
ESTÀNDAR

o Es muy útil para determinar

probabilidades para cualquier
variable aleatoria normalmente
distribuida.
EJEMPLO
 O7-3

Áreas bajo la Curva Normal usando

una Tabla Normal Estándar
 EJEMPLO
2
 Regla Empírica

Una de las ventajas del teorema de de

Chebyshev es que se aplica a cualquier
conjunto de datos, sin importar en que
forma estén distribuidos; pero se ha visto en
REGLA
la práctica que si un conjunto de datos se
EMPÍRICA distribuye, aproximadamente, en forma de
campana es posible aplicar en ellos la
llamada regla empirica de la desviación
estándar
 Regla Empírica
A continuación se determinan estos porcentajes:

• Observaciones Caerán entre mas y menos una

68% desviación estándar de la media

• Observaciones caerán entre mas y menos dos

95% desviaciones estándar de la media

• Observaciones caerán entre mas y menos tres

99,7% desviaciones estándar de la media

NOTA: Las distribuciones normales son unimodas,

simétricas y tienen forma de campana
Regla Empírica – Ejemplo
Regla Empírica – Ejemplo
 Determinación de áreas bajo la curva normal

La aplicación de la distribución
normal estándar incluye el calculo
del área, en una distribución
normal, entre la media y un valor
determinado, que se identifica por
X
Determinación de áreas bajo la curva normal – Ejemplo
Determinación de áreas bajo la curva normal – Ejemplo
Determinación de áreas bajo la curva normal – Ejemplo
Distribución Binomial:
Describe la frecuencia con la que ocurren los eventos en términos de proporción, los eventos son
independientes y presenta variables discretas, solo pueden ocurrir 2 posibles resultados éxito o fracaso.
Distribución Normal:
Pertenece a las Variables continuas siendo aplicable a un gran número de situaciones.
Se aplica la distribución normal en sustitución de la distribución binomial en el caso de valores grandes
de n
 Factor de corrección de
continuidad.
Él valor 0.5 restando o sumando, según se requiera, a
un valor seleccionado cuando una distribución de
probabilidad discreta, se aproxima por medio de una
distribución de Probabilidad continua.
 Como aplicar el Factor de Corrección.
1. Para la probabilidad, de que por lo menos ocurra x, se
utiliza él área por encima de (X-0.5)
2. Para la probabilidad, de que ocurra mas que x, se
utiliza él área por encima de (X+0.5)
3. Para la probabilidad, de que ocurra x o menos, se
utiliza él área debajo de (X+0.5)
4. Para la probabilidad, de que ocurra menos de x, se
utiliza él área debajo de (X-0.5)
Aproximación de la Distribución Normal a la
Binomial – Ejemplo
 Supongamos que la gerencia del
restaurante de pizza Santoni encontró
que 70% de sus nuevos clientes
regresan para otra comida. Durante una
semana en la que 80 nuevos clientes
(por primera vez) cenaron en Santoni,
¿cuál es la probabilidad de que 60 o
más regresarán para otra comida?
Uso de la probabilidad binomial
 Uso de Aproximación de la Distribución Normal a
la Binomial – Ejemplo

 Datos
n= 80
π= 0,70

Factor de corrección

X=60

(60-0,5)= 59.5
 1-0,8023= 0,1977
La probabilidad de que 60 o mas de cada 80 clientes regresen a Santoni es de 0,1977
 0,50-0,30234= 0,1977
La probabilidad de que 60 o mas de cada 80 clientes regresen a Santoni es
de 0,1977
Familia de distribuciones
exponenciales
 Familia de Distribuciones Exponenciales

La distribución exponencial generalmente describe situaciones entre llegadas tales

como:
 Los tiempos de servicio a clientes en un sistema
 El tiempo entre las “entradas" en un sitio web
 La vida útil de un componente eléctrico
 El tiempo que transcurre hasta que la siguiente llamada telefónica llegue a un
centro de servicio al cliente
Características:

 Tiene un sesgo positivo, que difiere de las distribuciones uniforme y normal, que estas
son simétricas.
 Descrita por un solo parámetro, que se identifica como λ (Lambda).
 A medida que λ disminuye, la forma de la distribución se vuelve "menos sesgada".
 Descrito por un solo parámetro, que identificamos como λ, a menudo referido como el
"rate" del parámetro de ocurrencia
La Formula para la hallar la Distribucion Exponencial es la siguiente:
Ejemplo de Distribución exponencial

Las órdenes para pedidos de medicamentos por recetas llegan a una farmacia
virtual, de acuerdo con una distribución de probabilidad exponencial, a una
media de una cada 20 segundos.

Encuentre la probabilidad de que la siguiente orden llegue en:

1) menos de 5 segundos,
2) más de 40 segundos,
3) o entre 5 y 40 segundos.
P ( Arrival  5) 
P ( Arrival  40)  1  P ( Arrival  40)
1
 (5)
 1  (1  e
1
20 
)  1  (1  e 20
( 40 )
)
 1  0.7788  1  0.8647
 0.2212  0.1353