Plan de clase

• Competencias
• Motivación.
Inicio • Saberes previos.

• Distribución Exponencial.
• Distribución Weibull .
• Distribución Normal.
Contenido de • Distribución Chi-Cuadrado.
sesión • Distribución T-Student .
• Distribución Weibull .

• Retroalimentación.
Cierre
• Autoevaluación
Competencias
Al termino de la sesión, el
estudiante estará en capacidad de:

 Calcular probabilidades utilizando

las distribuciones Exponencial,
Weibull, Normal, Chi-Cuadrado,
T-Student y F-Fisher.
 Resolver ejercicios relacionados.
Motivación
En una panadería se sabe que el ingreso
diario por la venta de pasteles sigue una
distribución normal con una media igual a
125 soles y una desviación estándar
igual a 25 soles. Para un día cualquiera:

a) Defina la variable de interés e

identifique los parámetros que le
corresponden.
b) Calcule la probabilidad de que el
ingreso sea de a lo más 100 soles.
 Distribución Exponencial
Una variable aleatoria continua X sigue una distribución Exponencial
con parámetro 𝜆, y se representa como X ~ exp (𝜆), si su función de
densidad de probabilidad está dada por:

−𝛌𝐱
𝛌𝐞 , 𝐬𝐢 𝐱 ≥ 𝟎
𝐟 𝐱 =
𝟎, 𝐬𝐢 𝐱 < 𝟎

𝜆 es una constante positiva.

Además:

E(X)=1/ 𝛌

V(X)=1/ 𝛌2
Si X es una variable aleatoria continua que sigue una distribución
Exponencial con parámetro 𝜆, su función de distribución se define así:

𝟎, 𝐬𝐢 𝐱 < 𝟎
𝐅 𝐱 =
𝟏 − 𝐞−𝛌𝐱 , 𝐬𝐢 𝐱 ≥ 𝟎

Teorema
Si X es una variable aleatoria continua que sigue una distribución
exponencial con parámetro 𝜆, se cumple:

𝐏 𝐗 > 𝑥 = 𝐞−𝛌𝐱
Problema 1
El tiempo de duración (en horas) de un dispositivo
electrónico es una variable aleatoria que tiene la
siguiente función de densidad de probabilidad:

𝟏 −𝒙
𝐟 𝐱 = 𝒆 𝟒𝟓 , 𝒙 ≥ 𝟒𝟓
𝟒𝟓

a) Calcule la probabilidad de que un dispositivo elegido

al azar dure como máximo 70 horas.
b) ¿cuántas horas como mínimo debe durar un
dispositivo para ser considerado dentro del 25% de
los dispositivos que más duran?
 Distribución Weibull
La distribución Weibull se utiliza frecuentemente
para modelar el tiempo hasta que ocurra una falla.

Una variable aleatoria continua X sigue una

distribución Weibull si su función de densidad de
probabilidad está dada por:

𝜷 𝒙 𝜷−𝟏 − 𝒙 𝜷
𝐟 𝐱 = ( ) 𝒆 𝜹 ,𝒙 >𝟎
𝜹 𝜹

Los parámetros β y  son positivos y cuando β = 1,

la distribución de Weibull es idéntica a la distribución
exponencial.
La probabilidad de que X tome un valor menor
que una constante k está dada por:

𝒌
−( )𝜷
𝑷 𝑿<𝒌 =𝟏− 𝒆 𝜹
Problema 2
Suponga que el tiempo de vida de un rodamiento de
rodillos sigue una distribución Weibull con parámetros
β = 2 y  = 8000 horas. Si usted selecciona un
rodamiento, se pide:

a) Calcule la probabilidad de que el rodamiento dure por

lo menos 6500 horas.
b) Calcule la probabilidad de que el rodamiento dure
máximo 8500 horas si ya duró 7500 horas.
Distribución Normal (X  N (u, σ2 ))

Una variable aleatoria X es continua si puede

tomar cualquier valor dentro de un intervalo.
La representación gráfica de estas variables
es una curva que es conocida con el nombre
de función de densidad de probabilidad. Esta
función nos permite obtener probabilidades
que corresponden a la variable.
Una variable aleatoria X tiene distribución normal con
parámetros u y σ2 si su función de densidad esta dada por:

( x u ) 2
1 
f ( x)  e 2 2
;    x  
 2
Además:

E( X )  u 2
V (X )  
 FUNCIÓN DE DENSIDAD DE LA
DISTRIBUCIÓN NORMAL
La función de densidad de
una variable aleatoria con
distribución normal:
• Tiene forma acampanada.
• Esta determinada por dos
parámetros: la media y la
varianza.
• Es simétrica con respecto
a la media.
• Se hacen mas planas a
medida que la varianza
crece.
 Distribución Normal Estándar (X  N (0, 1))

Una variable aleatoria X tiene distribución normal estándar, si sus

parámetros son u = 0 y σ2 = 1. Luego, su función de densidad esta
dada por:

x2
1 
f ( x)  e 2 ;    x  
2
 TABLA DE LA DISTRIBUCIÓN
NORMAL ESTÁNDAR

Para calcular probabilidades asociadas a partir de la

función de densidad se requiere de matemáticas
avanzadas; por lo que, el calculo de estas, se hará en
base a una tabla conocida como “Tabla de la
Distribución Normal Estándar”.

Para calcular probabilidades de variables aleatorias que

siguen una distribución normal tienen que estar en su
forma estándar.
EJEMPLOS
 ESTANDARIZACIÓN
Teorema
Si la variable aleatoria X tiene distribución
N ( u, σ2), entonces la variable aleatoria:

X-u
Z=
σ
tiene distribución normal estándar; es decir:
Z  N (0, 1).
EJERCICIO RESUELTO 1
En una panadería se sabe que el ingreso diario por la venta de
pasteles sigue una distribución normal con una media igual a 125
soles y una desviación estándar igual a 25 soles. Para un día
cualquiera:
a) Defina la variable de interés e identifique los parámetros que le
corresponden.
X = Ingreso diario por la venta de pasteles
μ = 125 y σ2 = 252
b) Calcule la probabilidad de que el ingreso sea de a lo más 100
soles.

P( X  100)  P(Z  1)  0.15866

c) Calcule la probabilidad de que el ingreso este comprendido entre
115 y 135 soles.
P(115  X  135)  P(0.4  Z  0.4)  0.65542  0.34458  0.31084
d) Se sabe que solo el 2.5% de los días son considerados con la
denominación de excelente con respecto a la venta de pasteles.
Estime el ingreso mínimo diario para que el día sea considerado
con esta denominación.

P( X  k )  0.975
k  125
P( Z  )  0.975
25
De la tabla :
k  125
 1.96  k  174
25
 Distribución Chi – Cuadrado

Una variable aleatoria continua X sigue una distribución Chi-

Cuadrado con parámetro r y se representa por X ~χ2r si su
función de densidad de probabilidad está dada por:

𝟐−𝐫/𝟐 𝐫/𝟐−𝟏 −𝐱/𝟐

𝐟 𝐱 = 𝐫 𝐱 𝐞 , 𝐬𝐢 𝐱 ≥ 𝟎
𝚪 𝟐
𝟎, 𝐬𝐢 𝐱 < 𝟎

r = grados de libertad.
Además:
• E(X)=r
• V(X)=2r
Ejemplo
Si X es una variable aleatoria continua que sigue una distribución Chi-Cuadrado
con 18 grados de libertad, calcule la probabilidad de que X sea menor o igual a
18.868

La probabilidad buscada, es el área bajo la curva a la izquierda de 18.868; es

decir:
Gráfica de distribución
Chi-cuadrada; df=18

0,60

0 18,868

A partir de la tabla, se tiene:

P(X ≤ 18.868) = 0.60
 Distribución T–Student

Una variable aleatoria continua X sigue una distribución

T-Student con parámetro r y se representa por X ~t r , si su
función de densidad de probabilidad está dada por:

𝟐 −(𝐫+𝟏)/𝟐
𝚪 𝐫 + 𝟏 /𝟐 𝐭
𝐟 𝐭 = 𝟏+
𝐫𝛑 𝚪 𝐫/𝟐 𝐫
donde:
r = Grados de libertad.
Además:
• E(X)=0
𝒓
• V(X) = , 𝒓>2
𝒓−𝟐
Ejemplo
Si X es una variable aleatoria continua que sigue una distribución T–Student
con 12 grados de libertad, calcule la probabilidad de que X sea menor o igual a
2.076.

La probabilidad buscada es el área bajo la curva a la izquierda de 2.076 con 12

grados de libertad; es decir:

Gráfica de distribución
T; df=12

0,97

0 2,076

De la tabla: P(X ≤ 2.076) = 0.97

 Distribución F–Fisher

Una variable aleatoria continua X sigue una distribución F-Fisher con

parámetros r1 y r2 , y se representa por X ~F r1 , r2 , si su función de
densidad de probabilidad está dada por:

𝐫𝟏 /𝟐
𝐫𝟏 𝐫𝟏 + 𝐫𝟐
𝐫𝟐 𝚪
𝟐 𝐱 𝐫𝟏 /𝟐 −𝟏
𝐟 𝐱 = 𝐫𝟏 𝐫𝟐 𝐫𝟏 +𝐫𝟐 /𝟐
, 𝟎≤𝐱<∞
𝚪 𝟐 𝚪 𝟐 𝐫 𝐱
𝟏 + 𝐫𝟏
𝟐

donde r1 y r2 , son enteros positivos y representan los grados de

libertad.
Esperanza matemática

𝐫𝟐
𝐄 𝐗 = , 𝐫𝟐 > 2
𝐫𝟐 − 𝟐

Varianza

𝟐𝐫𝟐𝟐 (𝐫𝟏 + 𝐫𝟐 − 𝟐)
𝐕 𝐗 = 𝟐
, 𝐫𝟐 > 4
𝐫𝟏 (𝐫𝟐 − 𝟐) (𝐫𝟐 − 𝟒)
Ejemplo
Si X sigue una distribución F–Fisher con 16 y 20 grados de libertad, calcule el
valor de X que deja a su derecha un área igual a 0.05.

El valor de X que deja a su derecha un área igual a 0.05 está dado por el punto
F(16, 20). Gráficamente, se tiene:

Gráfica de distribución
F; df1=16; df2=20

0,05
0 2,18

De la tabla: F(16,20; 0.05) = 2.18.

 SÍNTESIS
Distribución Exponencial:
– Parámetros: : λ = Ocurrencia promedio de evento
– 𝐟 𝐱 = 𝛌𝐞−𝛌𝐱 ; F 𝐱 = 𝟏 − 𝛌𝐞−𝛌𝐱 , 𝐬𝐢 𝐱 ≥ 𝟎
– E(x) = 1/ 𝛌 V(x) = 1/ 𝛌2
Distribución de Weibull: Parámetros: β y δ positivos
𝜷 𝒌
𝜷 𝒙 𝜷−𝟏 − 𝒙 −( )𝐱
– 𝐟 𝐱 = ( )
𝜹 𝜹
𝒆 𝜹 ,𝒙 > 𝟎; P 𝐱 < 𝒌 = 𝟏 − 𝐞 δ
– E(x) = : λ V(x) = : λ
( x u ) 2
Distribución Normal: 1 
f ( x)  e 2 2
;    x  
 2
– Parámetros: promedio µ, varianza σ2
Distribución Chi - cuadrado: E(x) = r V(x) = 2r grados de libertad
𝑟
Distribución T - Student: E(x) = 0 V(x) = ,𝑟 >2
𝑟−2
𝐫𝟐
Distribución F - Fisher: 𝐄 𝐗 = 𝐫 , 𝐫𝟐 > 2
𝟐 −𝟐
𝟐𝐫𝟐𝟐 (𝐫𝟏 + 𝐫𝟐 − 𝟐)
𝐕 𝐗 = , 𝐫𝟐 > 4
𝐫𝟏 (𝐫𝟐 − 𝟐)𝟐 (𝐫𝟐 − 𝟒)
 METACOGNICIÓN

 ¿Que aspectos te han parecido interesantes?

 ¿Que contenido consideras más importante del tema trabajado?
 ¿Qué competencias del tema podrías aplicar en tu vida diaria?
 REFERENCIA BIBLIOGRÁFICAS
1. Anderson, Sweeney y Williams. (2012). Estadística para
Administración y Economía. Décima primera edición. Cengage
Learning.
2. Wackerly, Mendenhall y Scheaffer. (2009) Estadística
Matemática con aplicaciones. Séptima edición. Cengage
Learning.
3. Montesinos L., Cerna E., Llanos K., Pajuelo S. y Bayona Y.
(2014) Estadística I (desde un enfoque por competencias).
Primera edición. Fondo editorial Universidad San Ignacio De
Loyola