Distribución de Probabilidad de Variable Continua
3°A
10/05/2025
Materia: Probabilidad y Estadistica
Mestra : Patricia Lamas
Equipo 7
Jose Eduardo Gutierrez Hernandez 23310385
Cristopher David Cadena Barreto 23310241
Erick Guadalupe Haro Hernandez 23310176
Julia Andrea Pérez Orozco 23310275
Paulina Del Valle Rubio 23310254
Francisco Javier Torres Cortes 23310231
¿Qué es una distribución de probabilidad de variable
continua?
Se refiere al modelo matemático que describe cómo se distribuyen los posibles valores de una variable aleatoria continua, es decir,
una variable que puede tomar un número infinito (no contable) de valores dentro de un intervalo de números reales.
Objetivo
Comprender qué es una variable aleatoria continua y cómo se describe mediante una función de densidad de probabilidad.
● Ejemplos:
○ Tiempo (ej. 2.31 segundos)
○ Altura (ej. 1.75 m)
○ Temperatura (ej. 21.5 °C)
Distribución de probabilidad continua
Describe cómo se distribuyen los valores posibles de una variable continua mediante una función de densidad de
probabilidad (f.d.p.)
Función de densidad de probabilidad (f.d.p.)
Una función f(x) es una f.d.p. si:
La probabilidad de que X esté entre a y b.
f(x)≥0
Nota: P(X=a)=0
Función de distribución acumulada (F.D.A.)
Representa la probabilidad acumulada hasta un valor x
● Crece de 0 a 1.
● Siempre es una función no decreciente.
Medidas importantes
Media (esperanza matemática): Varianza:
Ejemplo
Distribución Uniforme Continua
Supongamos que una máquina de empaque tarda entre 10 y 20 segundos en empacar un
producto, y cualquier tiempo dentro de ese intervalo es igualmente probable.
Esto se modela con una distribución uniforme continua entre a = 10 y b = 20.
Función de densidad: f(x) = 1 / (b - a) = 1 / (20 - 10) = 1 / 10
Media: μ = (a + b) / 2 = (10 + 20) / 2 = 15
Varianza: σ² = (b - a)² / 12 = (20 - 10)² / 12 = 100 / 12 ≈ 8.33
Esto nos indica que, en promedio, cada empaque toma 15 segundos con una variabilidad
moderada.
Ejemplo
Distribución Normal
Ahora supongamos que medimos el peso de los productos ya empacados, y este sigue una
distribución normal con una media de 500 g y una desviación estándar de 10 g.
Usamos la fórmula:
f(x) = (1 / (σ√2π)) * e^(-(1/2)((x - μ)/σ)^2)
Ejemplo: ¿Cuál es la probabilidad de que un producto pese entre 490 g y 510 g?
Como 490 y 510 están exactamente a 1 desviación estándar (σ = 10) de la media (μ = 500),
según la regla empírica:
Aproximadamente el 68% de los productos estarán entre 490 g y 510 g.
problema para ser resuelto por los equipos
Ejemplo 2: Distribución Normal
Ejemplo 1: Distribución Uniforme Continua
Supongamos que medimos la temperatura de
Supongamos que una máquina tarda entre 5 y un producto recién salido del horno. Esta sigue
15 minutos en realizar una inspección de una distribución normal con una media de 75 °
calidad, y cualquier tiempo dentro de ese C y una desviación estándar de 5 °C.
intervalo es igualmente probable.
Pregunta: ¿Cuál es la probabilidad de que la
Esto se modela con una distribución uniforme temperatura esté entre 70 °C y 80 °C?
continua entre a = 5 y b = 15.
solucion de problemas
ejercicio 2
ejercicio 1
1. Función de densidad: μ = 75 °C
σ = 5 °C
f(x) = 1 / (b - a) = 1 / (15 - 5) = 1 / 10
Intervalo: 70 °C a 80 °C
2. Media: Paso 1: Calcular Z
Z₁ = (70 - 75)/5 = -1
μ = (a + b) / 2 = (5 + 15) / 2 = 20 / 2 = 10 Z₂ = (80 - 75)/5 = +1
3. Varianza: Paso 2: Aplicar regla empírica
Entre -1σ y +1σ ≈ 68%
σ² = (b - a)² / 12 = (15 - 5)² / 12 = 100 / 12 ≈ 8.33 Conclusión:
La probabilidad de que la temperatura esté entre
Esto indica que, en promedio, cada inspección
dura 10 minutos, con una variabilidad moderada.70 °C y 80 °C es 68%.
