1

Ana Mara Daz Pgina 1

Modelo de Variable Aleatorias

Si un conjunto dado de variables aleatorias (distribuciones) tienen sus funciones de
cuanta o de densidad con la misma estructura funcional matemtica, diremos que
pertenecen a la misma familia de distribuciones o al mismo modelo de probabilidad.
La estructura matemtica depende de 1 ms parmetros, y se les llama
parmetros de la distribucin.


1.- Distribucin de probabilidad Uniforme ( ) , X U a b

Se dice que la variable aleatoria X posee una Distribucin Uniforme en el intervalo [ a ,
b ], si su funcin de densidad es la siguiente:

s s

=
. . 0
1
) (
c o en
b x a si
a b
x f
X


Si X ~ U ( a ; b ) su Funcin de Distribucin esta dada por:

>
< s

<
=
b x si
b x a si
a b
a x
a x si
x F
X
1
0
) (

Grficamente


Esperanza
2
( ) ( )
b
a
a b
E X xf x dx
+
= =
}


Varianza
2
2
12
( )
( )
X
b a
V X o

=


2

Ana Mara Daz Pgina 2

Ejemplo 1. El tiempo que una persona emplea para desarrollar cierta tarea, tiene u
comportamiento uniforme entre 30 y 40 minutos. Si la persona comienza a desarrollar
una nueva tarea. Cul es la probabilidad que el tiempo empleado sea inferior a 38
minutos?

Solucin.

Sea X : tiempo que emplea una persona para desarrollar cierta tares, en minutos.

X ~ U ( 30 ; 40 )

8 . 0
30 40
30 38
) 38 ( ) 38 ( =

= = <
X
F X P
Ejemplo 2. En un sistema de abastecimiento de agua formado por bombas en
paralelo que descargan a una mltiple de distribucin. La descarga de una bomba
(10 (litros/minutos) se considera una variable aleatoria con distribucin Uniforme en
el intervalo ( 5.4 ; 5.8 ).

a.- Cul es la descarga esperada de agua, por este tipo de bombas?
Sol. 5.6* 10 (litros/minutos)

b.- Qu porcentaje de las veces la bomba descarga entre 5500 (litros/minutos) y
5750 (litros/minutos)?
Sol. 62.5 %


2.- Distribucin de Probabilidad Exponencial ( ) X Exp

La variable aleatoria X tiene distribucin exponencial de parmetro > 0, cuya funcin
de densidad es:

s
>
=

0 0
0
) (
x si
x si e
x f
x
X

Grficamente






3

Ana Mara Daz Pgina 3

Si X ~ Exp ( ) , su funcin de Distribucin es:

>
s
=

0 1
0 0
) (
x si e
x si
x F
x
X

Grficamente
.


Esperanza
0
1
( ) ( ) E X xf x dx

= =
}


Varianza
2
2
1
( )
X
V X o

=


Observacin:
Se dice que la distribucin exponencial no tiene memoria, ya que en la
duracin que tenga un objeto, no influye en nada el tiempo que en la actualidad lleva
funcionando.

Ejemplo1.- Se sabe que el tiempo de falla, en aos, de un componente de cierto
sistema electrnico tiene un comportamiento exponencial con un tiempo promedio de
falla de 5 aos. Cul es la probabilidad que este tipo de componente falle despus
de 8 aos?

Solucin.
X : tiempo que demora en fallar un componente, en aos.

E ( X ) = 5 = 1/ 5 = 0.2 X ~ Exp ( 0.2 )

202 . 0 ) 1 ( 1 ) ( 1 ) 8 ( 1 ) 8 (
8 2 . 0
= = = s = >

e x F X P X P
X






4

Ana Mara Daz Pgina 4

Ejemplo2. El tiempo, en minutos, que transcurre antes de que una persona sea
atendida en una cafetera es una variable aleatoria que tiene una distribucin
exponencial con parmetro 0.25 . Cul es la probabilidad que una persona
sea atendida antes del tiempo esperado?


Sol. P( X< 4 ) = 0.6321




Ejemplo3. La vida til de cierto tipo de batera tiene un comportamiento exponencial
con media 10 aos. Si se sabe que la batera ha estado funcionando por
lo menos 4 aos. Cul es la probabilidad que funcione a lo ms 15 aos?

Solucin.

Sea X : Tiempo de vida til de una batera, en aos. X ~ Exp ( 1/10)

6672 . 0
6703 . 0
4472 . 0
) 4 (
) 15 4 (
) 4 / 15 ( = =
>
s s
= > s
X P
X P
X X P
o bien
P ( X 11 ) = 0.6672


























5

Ana Mara Daz Pgina 5

3. Distribucin de Probabilidad Normal
( )
2
, X N o

Si una variable aleatoria continua tiene un comportamiento que se puede modelar por
la siguiente funcin de densidad:

> s s
s s

=
|
.
|

\
|
. .
.
0
0
2
1
) (
2
2
1
c o en
x si e
x f
x
X
o
o t
o

Entonces se dice que X tiene distribucin Normal de parmetros y .

Grficamente.



A partir de la grafica, se puede apreciar que.
La curva es simtrica alrededor de su eje vertical, donde se encuentra el
parmetro .
La curva es asinttica al eje horizontal.
La curva tiene sus puntos de inflexin en x = , es cncava hacia abajo si
< x < + .
La curva toma su mximo valor cuando x = .




Su Funcin de Distribucin se puede encontrar:

dt e x F
t
x
X
2
2
1
2
1
) (
|
.
|

\
|

=
}
o

o t









6

Ana Mara Daz Pgina 6

F(x) es el rea sombreada de esta grfica



Esperanza ( ) ( ) E X xf x dx

= =
}


Varianza
2
( )
X
V X o


Propiedades:
(1) Moda: Por ser una distribucin simtrica y campaniforme la esperanza, la
mediana y la moda coinciden y son igual a .

(2) Asimetra: La distribucin es siempre simtrica por lo tanto su coeficiente de
asimetra es siempre Cero.

(3) Curtosis:

o
2
4
4
3 0 = =


Teorema.

Sea X una variable aleatoria, tal que X ~ N ( , ), se define la variable
aleatoria
o

=
x
Z , cuya funcin de densidad esta dada por:

s s
=

. . 0
2
1
) (
2
2
c o en
z si e
z f
z
Z
t


Entonces Z ~ N ( 0 ; 1 ) conocida como la distribucin Normal Estndar
Observacin: Para facilitar el clculo de las probabilidades existen tablas que dan
directamente el rea bajo la curva hasta el valor z, para el caso = 0 y = 1


7

Ana Mara Daz Pgina 7

Ejemplo Sea Z ~ N ( 0 ; 1 ) . Calcular las siguientes probabilidades:

1. P ( Z 1.23 ) =
La tabla nos muestra la probabilidad acumulada, es decir la funcin de distribucin. En
la tabla se debe buscar el valor de z, como se muestra:


Por lo tanto P ( Z 1.23 ) = F (1.23) = 0.8907

2. P ( Z > -2.00) = 1-P ( Z -2.00) = 1- 0.0228 = 0.9772



3. P ( -0.5 X 0.34 ) = F ( 0.34 ) - F ( -0.5 ) 0.6331 - 0.3085

8

Ana Mara Daz Pgina 8

Ejemplo 1

El tiempo de aprobacin de un crdito en una entidad bancaria se distribuye
normalmente con media 6 das y varianza 4 (das)
2
. Si se escoge al azar un prstamo ,
Cul es la probabilidad que:

1.1.- Demore a lo ms 5 das en aprobarse.
1.2.- El tiempo de aprobacin se encuentre entre 4 y 7 das

Ejemplo 2

El monto de las pensiones otorgadas por una AFP es una variable aleatoria que se
distribuye aproximadamente normal con una desviacin estndar de 50 mil pesos.
Adems se sabe que un 27,43% de las pensiones otorgadas tienen un monto superior
a $ 180000.

2.1.- Cul es monto esperado de la pensin?
2.2.- Si se elige un pensionado al azar Cul es la probabilidad que el monto de su
pensin sea como mximo $ 150000?
2.3.- Si se eligen al azar y en forma independiente a 5 pensionados. Cul es la
probabilidad que dos de ellos reciban una pensin con un monto inferior a
$150000?

Ejemplo3.

En cierta industria textil, las ventas diarias se distribuyen normal con una media
de 1,5 millones de pesos y una desviacin estndar de 0,3 millones de pesos. La
industria decide realizar una campaa de promocin de sus productos, estimando
que sus ventas aumentan en un 10%. Cul es la probabilidad que las ventas en
un da cualesquiera, despus de la campaa, supere los 2 millones de pesos?

Ejemplo 4.

En cierta industria automotriz, el nmero de horas semanales de trabajo que se
pierden por enfermedad (x), se distribuye aproximadamente normal con una media de
60 horas y desviacin estndar de 15 horas. Si la perdida econmica se relaciona con
el nmero de horas semanales perdidas por enfermedad a travs de la siguiente
formula:

P = 250 + 350 X, (en pesos)

Determine la probabilidad que la perdida econmica se encuentre comprendida entre
$20000 y $25000.