Distribucion Uniforme y Normal de Variables Aleatorias Continuas
Distribucion Uniforme y Normal de Variables Aleatorias Continuas
Distribucion Uniforme y Normal de Variables Aleatorias Continuas
AbstractLa distribucin uniforme, tambin llamada rectangular ya que la grfica de su funcin es lineal dentro de un
intervalo cerrado y con una altura constante, se caracteriza
principalmente porque todos sus valores tienen igualmente la
misma probabilidad a lo largo de toda la distribucin y se la
utiliza en estudios en donde la probabilidad se reparte equitativamente entre todos los eventos. La distribucin normal, tambin
llamada distribucin Gaussiana, es una de las ms importantes
utilizadas en la probabilidad dada la precisin con la que simula
el comportamiento de los fenmenos a estudiar y su amplio
campo de aplicacin; su funcin se caracteriza por describir
una curva normal simtrica dentro de un intervalo cerrado, a
esta curva mediante un proceso denominado normalizacin, se
la puede generalizar de modo que su estudio se simplifique de
tal manera que los datos de probabilidad estn recolectados en
una tabla que facilitar cualquier clculo a realizarse sobre dicha
curva.
f (x)dx = 1
kdx = k(B A) = 1
A
1
BA
1
BA
A<x<B
I. I NTRODUCCIN .
La probabilidad normal es uno de los mtodos ms utilizados dentro del estudio de probabilidades, este mtodo data
inicios del siglo XVII con la investigacin de Moivre, sin embargo sus descubrimientos no se encontraban disponible en los
siglos posteriores, razn por la cual otros cientficos llegaron
a la misma conclusin sin saber de este descubrimiento; stos
basaron su investigacin en fenmenos fsicos y astronmicos,
buscando errores que se provocan al intentar predecirlos.
Al ser Gauss y Laplace los cientficos que realizaron dichas
investigaciones, la frmula de la distribucin normal adquiri
dos nombres para ser edificada: -Distribucin de Gauss o
Distribucin Laplace-Gauss.:
II. D ISTRIBUCIN U NIFORME C ONTINUA .
Es una de las distribuciones ms bsicas dentro del estudio
de probabilidad y estadstica. Este concepto parte de el simple
hecho en el que un variable aleatoria se distribuye en todo
el espacio muestral de un manera equiprobable. Es decir es
contante en un intervalo [a,b] y es nula fuera de ella.
Por lo tanto tenemos:
Theorem 1. La distribucin uniforme es una distribucin de
probabilidad cuyos valores tienen la misma probabilidad en
un intervalo [A,B]. Esta distribucin forma un rectngulo con
1
; por lo que se le llama
base B-A y altura constante BA
distribucin rectangular.
Para hallar la funcin de densidad nos basamos en la
propiedad de una variable aleatoria continua, por lo tanto
tenemos:
A
BA
x1
Por lo tanto tenemos que:
x2 x1
P (x1 x x2 ) =
BA
45 42
1
=
47 41
2
El resultado hallado seria representado por la siguiente
grfica:
P (42 x 45) =
x2
n(x, , )dx
x1
x2
exp 22 (x) dx
x1
B+A
2
B. La varianza.
La varianza hace referencia a los puntos de dispersin de
la probabilidad de la variable X; se acerca o se aleja de la
media, por lo tanto vemos que:
2
2 =
(B A)
12
Z2
e 2 (z) dz
Z1
20
80 60
=
=2
10
10
Para X=90:
90 60
30
=
=3
10
10
1) Tabla de areas bajo la curva:: En esta tabla se puede
leer el valor de la probabilidad acumulada desde el inicio de
la curva hasta un valor de Z, la columna izquierda nos muestra
el valor de Z con un decimal; mientras que la primera fila nos
ayuda a completar el siguiente decimal.
Dado que al calcular tenemos el valor de Z, lo unico que
tenemos que hacer es, buscar dicho valor en la tabla, si este
valor consta de dos decimales buscamos en la primera columna
el valor con el primer decimal, y en la primera fila el siguiente,
la interseccion de estos dos valores nos da la probabilidad
acumulada de la funcin.
Z=
Exercise 3. Una maquina produce recipientes cuyas capacidades estn fijadas segn una distribucin normal N(10; 0,1).
Un fabricante considera que un recipiente es defectuoso si su
capacidad no esta entre 9,9 y 10.1 Qu probabilidad tiene un
recipiente de ser considerado defectuoso?
Para la resolucion de este ejercicio tenemos que empezar
calculando la probabilidad de que este en un correcto estado,
entonces tenemos:
P (9.9 x 10.1)
Tipificando o estandarizando la funcin tenemos:
9.9 10
10.1 10
z
)
0.1
0.1
Resolviendo esta probabilidad tenemos:
P(
Z=
P (1 z 1)
Dado que el problema nos pide la probabilidad de que el
recipiente sea defectuoso, a la probabilidad de que no lo sea
hay que restarle 1, por lo tanto:
V. C ONCLUSIONES .
Pdef = 1 P (1 z 1)
Resolviendo tenemos:
Pdef = 1 [P (z 1) P (z 1)]
Pdef = 1 P (z 1) + 1 P (z 1)
Pdef = 2 2P (z 1)
Buscamos en la tabla el valor de la probabilidad de que Z
sea menor que 1:
Pdef = 2 2(0.8413)
Pdef = 0.8413
Exercise 4. La cantidad de caf depositada en cada bolsa por
una maquina envasadora sigue una distribucin normal con
media u = 1040 gramos y desviacin tpica 50 gramos:
a) Calcula el tanto por ciento de paquetes que contienen
mas de un kilo.
b) Calcula sabiendo que el 97,5% de los paquetes
contienen menos de gramos.
Por lo tanto nuestra funcin es:
N (, ) = N (1040, 50)
Para el inciso a:
P (x > 1000)
Estandarizando:
1000 1040
) = P (z > 0.8) = P (z 0.8)
50
Buscando en la tabla el valor de dicho valor de z tenemos:
P (z >
1040
)
50
1040
) = 0.975
50
Ahora en la tabla hacemos el proceso inverso y buscamos
que valor de Z nos da una probabilidad de 0.975, por lo tanto:
P (z
1040
= 1.96
50
Despejando de la ecuacion tenemos:
= 1138gr
R EFERENCES
[1] Walpole Myers Myers Ye, Probabilidad y Estadstica: Probabilidad & Estadstica para Ingeniera & Ciencias, Octava Edicin.
Editorial Pearson.
[2] Mongomery Douglas, Probabilidad y Estadstica: Probabilidad
& Estadstica para Ingeniera, Tercera Edicin. Editorial Mxico.