FACULTAD DE INGENIERÍA Y ARQUITECTURA

CARRERA DE INGENIERÍA CIVIL

PROBABILIDAD Y ESTADÍSTICA
APLICADA

DISTRIBUCIONES DE PROBABILIDAD

1
CONTENIDO
o Distribución uniforme
o Distribución exponencial
o Distribución normal

2
OBJETIVO

Al finalizar la sesión, el estudiante

estará en condiciones de escoger el
modelo probabilístico adecuado
para resolver un problema real
usando distribuciones de
probabilidad continua.

3
Distribuciones de probabilidad de
variables aleatorias continuas

4
Distribución uniforme

5
Distribución uniforme continua
La distribución uniforme continua es la más simple de las distribuciones
continuas, cuya variable puede tomar valores comprendidos en el intervalo
[α, β] .

6
Función de densidad de probabilidad uniforme
Se dice que una variable aleatoria X tiene una distribución uniforme si su
función de densidad de probabilidad está dada por:

7
Características de la distribución uniforme
o No tiene moda.
o Se distribuye uniformemente en el intervalo donde está definida.
o Las probabilidades son iguales en todo el rango de la variable.
o También se le conoce como distribución rectangular.

8
Función de distribución acumulada

9
Esperanza y varianza de una distribución uniforme
La esperanza viene dada por la siguiente expresión:

La varianza viene dada por la siguiente expresión:

10
Gráfica de una distribución uniforme

11
Ejemplo
Un servicio de llamadas telefónicas se ha diseñado de forma tal que el
tiempo mínimo de espera de quien llame sea de 20 segundos y el máximo de
50 (tiempo de respuesta). Si los tiempos de respuesta se distribuyen
uniformemente, encuentre la probabilidad de que, al llamar una persona,
tenga un tiempo de respuesta.

a) Entre 25 y 45 segundos.
b) Menor que 30 segundos o mayor que 40.

12
Ejemplo
a) Entre 25 y 45 segundos.
X = Tiempo de espera para que ingrese una llamada sigue una distribución
Uniforme → U(20,50)

13
Ejemplo
b) Menor que 30 segundos o mayor que 40.

14
Ejemplo
Un corredor de inmuebles cobra honorarios fijos de 50 dólares más una
comisión del 6 % sobre el beneficio obtenido por el propietario. Si este
beneficio es una variable aleatoria con distribución uniforme en el intervalo
[0, 12 000] dólares.

a) ¿Cuánto espera obtener de utilidad (honorario fijo + comisión) el agente?

b) ¿Cuál es la probabilidad de que su utilidad supere los US$ 600?
c) ¿Qué utilidad máxima podrá obtener el agente con probabilidad 0,90?

15
Ejemplo
a) ¿Cuánto espera obtener de utilidad (honorario fijo + comisión) el agente?

16
Ejemplo
b) ¿Cuál es la probabilidad de que su utilidad supere los US$ 600?

17
Ejemplo
c) ¿Qué utilidad máxima podrá obtener el agente con probabilidad 0.90?

𝑘−50 𝑘 − 50 =10800*0.06
𝑘 − 50 = 0.9*12000
0.06
0.06 − 0 = 0.9
12000 − 0 𝑘−50
=10800 𝑘 =698
0.06

18
Distribución exponencial

19
Distribución exponencial
Se utiliza en casos referentes a tiempo de funcionamiento, vida útil, duración
del tiempo de trabajo sin fallas de un componente, etc.

20
Función de densidad de probabilidad exponencial

Una variable aleatoria continua tiene una distribución exponencial si su

función de densidad es:

Donde e = 2.71828

21
Características de la distribución exponencial
o Solo está definida para valores positivos.
o Es asintótica al eje horizontal.
o Es monótona decreciente.

22
Función de distribución acumulada

Donde e = 2.71828

23
Esperanza y varianza de una distribución
exponencial
La esperanza viene dada por la siguiente expresión:

La varianza viene dada por la siguiente expresión:

24
Gráfica de una distribución exponencial

25
Ejemplo
El tiempo de vida de un determinado producto es una variable que tiene una
distribución exponencial, con una desviación estándar de 6 horas. Si el
tiempo de vida es mayor que 6 horas, la utilidad por producto es el 20 % de
su costo de fabricación C en soles; mientras que, si dura menos de 6 horas,
se pierde el 10 % de su costo C. ¿Para qué valor de C se tiene una utilidad
esperada mayor que 0.1 por producto?

26
Ejemplo – solución
X: tiempo de vida del producto.
X →Exponencial (β = 6)
U: utilidad asociada por cada producto.

DISTR.EXP.N(X,1/ β,VERDADERO)
DISTR.EXP.N(6,1/6,VERDADERO) = 0.632120559
1- DISTR.EXP.N(6,1/6,VERDADERO) = 0.367879441
27
Ejemplo – solución
X: tiempo de vida del producto.
X →Exponencial (β = 6)
U: utilidad asociada por cada producto.

Hallar C, tal que: E(U) > 0.1

E(U) = 0.2C(0.3679) + (–0.1C)(0.6321) > 0.1
E(U) = 0.07358C – 0.06321C = 0.01037C > 0.1
Entonces: C > S/ 9.6432
28
Ejemplo
Suponga que un diseñador debe decidir entre dos procesos de manufactura
para la fabricación de cierto componente. Empleando el proceso A, cuesta S/
2.50 fabricar un componente. Empleando el proceso B, cuesta S/ 3.00
fabricar un componente. Los componentes tienen una distribución
exponencial de tiempo transcurrido hasta la falla con medias de 200 y 350
horas, respectivamente, para los dos procesos. Debido a una cláusula de
garantía, si un componente dura menos de 400 horas, el fabricante debe
pagar una pena de S/ 1.20. ¿Cuál proceso debe adoptar el diseñador?

29
Ejemplo - solución
Si analizamos el problema vemos que el costo de producción del proceso A
es menor, pero, por otro lado, si analizamos el tiempo de duración vemos
que el tiempo de vida promedio del proceso B es mayor. Se tiene
incertidumbre en la decisión, y debemos usar un procedimiento estadístico
que involucre ambos factores, en este caso es el valor esperado

Wi: Tiempo transcurrido hasta que se presente la falla en el componente

producido con el proceso i.

i = A, B

30
Ejemplo - solución

Tabla de probabilidades:

DISTR.EXP.N(400,1/200,VERDADERO) = 0.864664717

DISTR.EXP.N(400,1/350,VERDADERO) = 0.681093443

31
Ejemplo - solución
Sea:

Xi: Costo por cada componente producido con el proceso i.

E(XA): 2.5(0.1353) + (2.5 + 1.2)(0.8647) = S/ 3.53764

E(XB): 3.0(0.3189) + (3.0 + 1.2)(0.68117) = S/ 3.81732

Se debe adoptar el proceso A, ya que presenta el menor costo esperado de

producción.

32
Distribución normal

33
Características de la distribución normal
o Tiene forma de una campana.
o Es simétrica respecto a la media.
o La media, mediana y moda coinciden.
o Los puntos de inflexión de la curva se dan en x = μ − s; x = μ + s
o En el intervalo [μ − s, μ + s] incluye el 68.26 % de las observaciones.
o En el intervalo [μ − 2s, μ + 2s] , incluye el 95.45 % de las observaciones.
o En el intervalo [μ − 3s, μ + 3s], incluye el 99.73 % de las observaciones.

34
Función de densidad de probabilidad normal
Una variable continua tiene una distribución normal, si su función de
densidad de probabilidad es:

35
Esperanza y varianza de una distribución normal

La esperanza viene dada por la siguiente expresión:

E(X) = μ

La varianza viene dada por la siguiente expresión:

V(X) = σ2

36
Grafica de una distribución normal

37
Distribución normal estándar
Toda distribución normal puede ser estandarizada mediante la siguiente
transformación:

donde a la variable z se le llama normal estándar y tiene media 0 y varianza

unitaria.

38
Función de densidad de probabilidad normal
estándar
La función de densidad de probabilidad de la variable aleatoria Z es

39
Esperanza y varianza de una distribución normal
estándar
La esperanza viene dada por la siguiente expresión:

E(Z) = μ = 0

La varianza viene dada por la siguiente expresión:

V(Z) = σ2 = 1

40
Gráfica de una distribución normal estándar

41
Ejemplo
Un constructor afirma que el tiempo necesario para completar un proyecto de
construcción se puede representar mediante una variable aleatoria normal
con una media de 60 semanas y desviación estándar de 8 semanas.

a) Calcular la probabilidad de que el tiempo necesario para terminar un

proyecto de construcción supere las 70 semanas.

P(X > 70) = 0.1056

DISTR.NORM.N(70,60,8,VERDADERO) = 0.89435023

P(X > 70) = 1 - P(X <= 70) = 1 - 0.89435023 = 0.10564977

42
Ejemplo – solución
Un constructor afirma que el tiempo necesario para completar un proyecto de
construcción se puede representar mediante una variable aleatoria normal
con una media de 60 semanas y desviación estándar de 8 semanas.

b) Calcular la probabilidad de que la duración del proyecto sea inferior a 52

semanas.

P(X < 52) = 0.1587

DISTR.NORM.N(52,60,8,VERDADERO) = 0.158655254

43
Ejemplo – solución
Un constructor afirma que el tiempo necesario para completar un proyecto de
construcción se puede representar mediante una variable aleatoria normal
con una media de 60 semanas y desviación estándar de 8 semanas.

c) Calcular la probabilidad de que la duración del proyecto esté

comprendida entre 56 y 64 semanas.

DISTR.NORM.N(64,60,8,VERDADERO) = 0.691462461

DISTR.NORM.N(56,60,8,VERDADERO) = 0.308537539

P(56 < X < 64) = 0.691462461 - 0.308537539 = 0.382924923

44
Ejemplo
En una pizzería se ha determinado que el tiempo que se demora en entregar
una pizza al cliente, desde que el cliente realiza el pedido hasta que lo
recibe, se distribuye normalmente con una de media de 12.3 y una
desviación estándar de 1.7 minutos. Para atraer clientes se ha diseñado una
campaña publicitaria en la que la pizza será gratis si se demoran más de 15
minutos para su entrega. ¿Qué proporción de pizzas no se cobrarían por ese
motivo?

DISTR.NORM.N(15,12.3,1.7,VERDADERO) = 0.943883429

P(X > 15) = 1 - P(X <= 15) = 1 - 0.943883429 = 0.056116571

45
Ejemplo
Los paquetes grandes de café MÓNACO señalan en la etiqueta un contenido
neto que debería ser de 4 kg. En el departamento de empaque saben que el
contenido neto en peso es ligeramente variable y han estimado que la
desviación estándar es de σ = 0.04 kg. Además, aseguran que sólo 2 % de
los paquetes contiene menos de 4 kg. Si se supone una distribución normal.

a) Determine el peso promedio y luego calcule el porcentaje de paquetes

con un peso superior a 4.13 kg.

46
Ejemplo – solución
a) Determine el peso promedio y luego calcule el porcentaje de paquetes
con un peso superior a 4.13 kg.

X : Peso de los paquetes de café MÓNACO

X →N(μ; σ = 0.04)

Para calcular el promedio se hace uso de la normal estándar de la siguiente

manera:

47
Ejemplo
a) Determine el peso promedio y luego calcule el porcentaje de paquetes
con un peso superior a 4.13 kg.

DISTR.NORM.ESTAND.INV(0.02) = -2.054

48
Ejemplo
a) Determine el peso promedio y luego calcule el porcentaje de paquetes
con un peso superior a 4.13 kg.

Por lo tanto: X →N(μ = 4.08; σ = 0.04)

Para calcular el porcentaje de paquetes con un peso superior a 4.13

haciendo uso de la normal con los parámetros señalados.

DISTR.NORM.N(4.13,4.08,0.04,VERDADERO) = 0.894350226

P(X > 4.13) = 1 - P(X <= 4.13) = 1 - 0.894350226 = 0.105649774

49
GRACIAS

50