1 DENSIDADES DE PROBABILIDAD

1.1 VARIABLE ALEATORIA CONTINUA

Una variable aleatoria continua es una funcin x que asigna a cada resultado posible de un
experimento un nmero real.
Si x puede asumir cualquier valor en algn intervalo I (el intervalo puede ser acotado o
desacotado), se llama una variable aleatoria continua.

1.2 DISTRIBUCION NORMAL O GAUSSIANA

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o
distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que
con ms frecuencia aparece aproximada en fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto
de un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y
es el grfico de una funcin gaussiana.
Una variable aleatoria continua, x, sigue una distribucin normal de media y desviacin
tpica , y se designa por N(, ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva
de Gauss:

El campo de existencia es cualquier valor real, que va de: (-, +).

Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0,5 a la izquierda y
otra igual a 0,5 a la derecha.
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por media el
valor cero, = 0, y por desviacin tpica la unidad, =1.
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por media el
valor cero, = 0, y por desviacin tpica la unidad, =1.
Su funcin de densidad es:
Para poder utilizar la tabla tenemos que transformar la variable x que sigue una distribucin
N(, ) en otra variable Z que siga una distribucin N(0, 1).

1.3 APROXIMACION DE LA BINOMIAL A LA NORMAL

Cuando n es grande y p es constante el comportamiento de una distribucin binomial es

aproximadamente igual a una distribucin normal .

Suele considerarse que la aproximacin es buena cuando

Entonces

Dado que por mucho que se parezca nunca es igual una distribucin binomial discreta que una
distribucin normal continua, es necesario aplicar en el clculo de probabilidades un ajuste que
recibe el nombre de correccin de Yates.

Ejemplo
En una empresa se ha visto que en un 10% de sus facturas se cometen errores y se desea calcular la
probabilidad que de 100 facturas, 12 de ellas los contengan.
Solucin

La probabilidad de la variable estandarizada z es entonces:

De tablas de la funcin de distribucin normal
Para . El rea bajo la curva (probabilidad) entre 0 y 0,83 es
Para . El rea bajo la curva (probabilidad) entre 0 y 0,5 es
Entonces la

1.4 OTRAS DENSIDADES DE PROBABILIDAD

Entre las densidades de probabilidad continua estn:
Distribucin Beta
Distribucin Chi cuadrado
Distribucin exponencial
Distribucin uniforme
Distribucin F
Distribucin Gamma
Distribucin Log-normal
Distribucin t-student
 Distribucin de Weibull

1.5 DISTRIBUCIN LOG-NORMAL

La distribucin normal logartmica es una distribucin de probabilidad de una variable
aleatoria cuyo logaritmo est normalmente distribuido. Es decir, si X es una variable
aleatoria con una distribucin normal, entonces tiene una distribucin log-normal.
Una variable puede ser modelada como log-normal si puede ser considerada como un
producto multiplicativo de muchos pequeos factores independientes. Un ejemplo tpico es
un retorno a largo plazo de una inversin: puede considerarse como un producto de muchos
retornos diarios.
La distribucin log-normal tiende a la funcin densidad de probabilidad

Para , donde y son la media y la desviacin estndar del logaritmo de variable. El

valor esperado es:

La varianza es:

1.6 DISTRIBUCIN EXPONENCIAL

Es una distribucin continua de probabilidad que se aplica para determinar las
probabilidades de ocurrencias de un evento en el tiempo y espacio
La funcin de densidad de esta distribucin es:

De acuerdo a sta la distribucin exponencial de probabilidad (rea bajo la curva)

corresponde a:

Ejemplo
Determinar la probabilidad de que un camin que llega a un puerto sea cargado en 6
minutos o menos. Se sabe que en promedio se demoran 15 minutos.

1.7 DISTRIBUCIN BETA

Es una distribucin de probabilidad continua con dos parmetros y cuya funcin de
densidad para valores es:

Donde es la funcin gamma.

El valor esperado y la varianza de una variable aleatoria X con distribucin beta son:
Un caso especial de la distribucin beta es cuando y que coincide con la
distribucin uniforme en el intervalo .

1.8 DISTRIBUCIN DE WEIBULL

Se trata de un modelo continuo asociado a variables del tipo tiempo de vida, tiempo hasta
que un mecanismo falla, etc. La funcin de densidad de este modelo viene dada por:

Depende de dos parmetros: y , donde es un parmetro de escala y es un

parmetro de forma (lo que proporciona una gran flexibilidad a este modelo).

La distribucin modela la distribucin de fallos (en sistemas) cuando la tasa de fallos es

proporcional a una potencia del tiempo:

Un valor indica que la tasa de fallos decrece con el tiempo.

Cuando , la tasa de fallos es constante en el tiempo.

Un valor indica que la tasa de fallos crece con el tiempo.

La funcin de distribucin de probabilidad es:

Propiedades de la distribucin Weibull

1. Si = 1 entonces se tiene una distribucin Exponencial.

2. Su esperanza es:

3. Su varianza es:

Donde es la funcin gamma.

1.9 DENSIDADES DE PROBABILIDADES CONJUNTAS

En probabilidad, dados dos eventos aleatorios X y Y, la distribucin conjunta de X y Y es
la distribucin de probabilidad de la interseccin de eventos de X y Y, esto es, de los
eventos X e Y ocurriendo de forma simultnea. En el caso de solo dos variables aleatorias
se denomina una distribucin bivariada, pero el concepto se generaliza a cualquier nmero
de eventos o variables aleatorias (multivariada)
Para variables aleatorias discretas, la funcin de probabilidad conjunta est dada por:

Dadas esas probabilidades, se tiene que:

Para las variables aleatorias continuas la funcin de densidad de probabilidad conjunta se

describe como:

Donde y dan la probabilidad condicionada de dado y de

dado respectivamente, y y dada la distribucin marginal para y
respectivamente.
Dado que son distribuciones de probabilidad: