Probabilidad (C)
Probabilidad (C)
Probabilidad (C)
probabilidad de variables
aleatorias continuas
El estudiante
• Resolverá problemas de
probabilidad con variables
aleatorias continuas, a partir
de la distribución de proba-
bilidad, identificando el tipo
de variable y su distribución;
empleando el modelo de dis-
tribución normal, así mismo,
realizará análisis de fenó-
menos de la vida cotidiana
utilizando la distribución es-
tándar y los puntajes z para
determinar las poblaciones
asociadas con la distribución
normal.
INTRODUCCIÓN
técnicas no son demasiado sensibles a desviaciones de la normal y, en general, esta hipótesis puede
obviarse cuando se dispone de un número significativo de datos, resulta recomendable contrastar
si es posible asumir o no una distribución normal. La simple exploración visual de los datos puede
sugerir la forma de su distribución. No obstante, existen otras formas –gráficos de normalidad
y contrastes de hipótesis– que nos ayudan a decidir, de un modo más riguroso y científico, si la
muestra de la que se dispone procede o no de una distribución normal. Cuando los datos no sean
normales, podremos transformarlos o emplear otros métodos estadísticos que no exijan este tipo
de restricciones, los llamados métodos no paramétricos que no se contemplan en este libro.
Proyecto de la unidad
Figura 3.1
Distribución discreta.
Los resultados de experimentos se representan por medio de los puntos situados en segmentos
de líneas o líneas completas para distribuciones discretas (ver figura anterior), y los valores de
variables aleatorias son números apropiadamente asignados a los puntos mediante reglas o
ecuaciones, lo cual puede verificar en la figura de abajo, donde se observa que la línea no tiene
ningún salto.
Figura 3.2
Ejemplo de variable
aleatoria.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 107
Cuando el valor de una variable aleatoria está dado de manera directa por una medición u
observación, por lo general no nos preocupamos por distinguir entre el valor de la variable
aleatoria (la medición que se obtiene) y el resultado del experimento (el punto correspondiente
situado sobre el eje real). Por lo tanto, si un experimento consiste en determinar el contenido
neto de una soda de 600 ml, el resultado mismo de 600.01 ml es el valor de la variable aleatoria Una función le asocia a
cada elemento del dominio
que consiste en el espacio muestral que le brinda cierto intervalo del punto continuo en el eje uno y solamente uno en el
real positivo. contradominio.
Una función con valores f(x), definida con respecto al conjunto de todos los números reales, se
denomina función de densidad de probabilidad de la variable aleatoria continua x si y sólo si
b
P(a ≤ x ≤ b) = .
∫ f(x)dx
a
el caso discreto (ver la figura). En relación con variables aleatorias continuas las probabilidades
siempre están dadas por integrales que se evalúan respecto a intervalos, por lo que P(X = 0) = 0
para cualquier contante real c.
Figura 3.4
Función de densidad
de probabilidad.
b
∫ f(x)dx
P(a ≤ X ≤ b) = .
a
c
∫ f(x)dx f(c) – f(c) = 0
P(X = c) = =
c
Entonces decimos que una variable aleatoria continua tiene una probabilidad cero de tomar
exactamente cualquiera de sus valores (un punto de la gráfica muy pequeño). En consecuencia,
su distribución de probabilidad no se dará de forma tabular. En un principio esto te puede
resultar sorprendente, sin embargo, se hace más tangible cuando analizamos un ejemplo
particular.
Consideremos una variable aleatoria cuyos valores son las alturas de toda la gente mayor de
21 años de edad. Entre dos valores cualquiera, digamos 163.5 y 164.5 cm o incluso 163.999
y 164.01 cm, observa que hay un número infinito de alturas, una de las cuales es 164 cm. La
probabilidad de seleccionar una persona al azar que mida exactamente tal estatura y no sea una
del conjunto infinitamente grande de estaturas tan cercanas a 164 cm que humanamente no
se pueda medir la diferencia, es remota, por ello asignamos una probabilidad cero a tal evento.
Éste no es el caso, sin embargo, si nos referimos a la probabilidad de seleccionar una persona
que al menos mida 163 cm pero no más de 165 cm de estatura. Trataremos ahora con un
intervalo en lugar de un valor puntual de nuestra variable aleatoria.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 109
Debido a esta propiedad, el valor de una función de densidad de probabilidad se puede modificar
para algunos de los valores de variable aleatoria sin cambiar ninguna de las probabilidades y
ésta es la razón por la cual se dijo en la definición que f(x) es el valor de una densidad de
probabilidad de la variable aleatoria X en x. Asimismo, en virtud de esta probabilidad, no
importa si incluimos los extremos del intervalo a y b, de manera simbólica.
Teorema
Si X es una variable aleatoria continua, y a y b son dos constantes reales con a ≤ b, entonces:
Teorema
Funge como una función de densidad de probabilidad de una variable aleatoria continua X si
sus valores f(x) satisfacen las condiciones:
Teorema
Kx(2 – x) si 0 ≤ x ≤ 2
f(x) =
0 en otro caso.
Determinar:
a) El valor de K.
a) Puesto que ∞ ∞
∫−∞ f(x)dx ∫0 f(x)dx
1 = =
∞ 2
∫0
f(x)dx = ∫ Kx(2 − x)dx
0
2 2
∫ 0
Kx(2 − x)dx = K ∫ x(2 − x)dx
0
2 2
K ∫ x(2 − x)dx = K ∫ (2x − x 2 )dx
0 0
2 2 2
K ∫ (2x − x 2 )dx = K ∫ 2xdx − K ∫ x 2 dx
0 0 0
2 2 2 2
K ∫ 2xdx − K ∫ x 2 dx = 2K ∫ xdx − K ∫ x 2 dx
0 0 0 0
2 2 1 2 2 1 3 2
2K ∫ xdx − K ∫ x 2 dx = 2K x 0 − K x 0
0 0 2 3
1 2 2 1 3 2 1 2 1 2 1 1
2K x 0 − K x 0 = 2K( 2 − 0 ) − K( 2 3 − 0 3 )
2 3 2 2 3 3
1 2 1 2 1 3 1 3 1 1
2K( 2 − 0 ) − K( 2 − 0 ) = 2K( 4 ) − K( 8 )
2 2 3 3 2 3
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 111
1 1 8
2K( 4 ) − K( 8 ) = 2K(2 ) − K( )
2 3 3
8 8
2K(2 ) − K( ) = 4K − K( )
3 3
8 4
4K − K( ) = K
3 3
4
1= K
3
3
K=
4
b) Sabemos que:
x
∫ f(t)dt
F(x) = .
−∞
0 si x < 0
x
F(x) = ∫ 0
Kt ( 2 − t )dt
0≤ x≤2
1 si x > 2
0 si x < 0
3 x
4 ∫0
F(x) = ( 2t − t 2 )dt
0≤ x≤2
1 si x > 2
0 si x < 0
1 2
F(x) = (3 − x)
x 0≤ x≤2
4
1 si x > 2
1
1 = P(–1 ≤ x ≤ 0) + P(0 ≤ x ≤ )
P(–1 ≤ x ≤ )
2 2
P(–1 ≤ x ≤ 0) = 0
1 1
P(0 ≤ x ≤ ) = F( ) – F(0)
Pero como: 2 2
1 1
F( ) =
2 4( 1 )2 ( 3 − 1 )
2 2
112 UNIDAD III
1 1
=
1 1 1 1
4( )2 ( 3 − ) 4( )( 3 − )
2 2 4 2
1 1 5
= =
1 1 5
4( )( 3 − ) 16( ) 32
4 2 2
1
F(0) = (0)2[3 – (0)]
4
F(0) = 0
1 5 5
P(0 ≤ x ≤ )= –0=
2 32 32
1 5 5
P(-1 ≤ x ≤ ) = 0 + =
2 32 32
Para representar las distribuciones de probabilidad continua recurriremos al hecho de que son
idealizaciones de los polígonos de frecuencia. En este caso consideraremos el histograma de
frecuencias relativas, y se comprueba que al aumentar el número de datos y el número de clases
el histograma tiende a estandarizarse llegando a convertirse en la gráfica de una función cuando el
número de clase es muy grande. Para clarificar cómo se realiza esta aproximación del modelo teórico
consideremos el siguiente caso:
Se han registrado los tiempos, en días, que les tomó preparar un examen de Probabilidad y
Estadística ii a los estudiantes de una escuela de bachilleres; dicha escuela cuenta con 190
estudiantes en el vi semestre del área Económico Administrativa. Los datos se han agrupado en
una distribución de frecuencias considerando intervalos de cinco días como sigue:
(0,5) 115
(5,10) 31
(20,25) 10
(25,30) 5
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 113
Figura 3.5
Número de días
que los estudiantes
tardan en preparar el
examen.
Supongamos que un padre de familia, conociendo esta información, quisiera saber qué
probabilidad tiene su hijo de preparar en dos días el examen. El problema es que al manejar
intervalos de cinco días estamos suponiendo que dentro de cada intervalo los datos se distribuyen
uniformemente, cosa que no es real.
Podríamos aumentar la muestra y seguir recogiendo información para hacer una distribución de
frecuencias similar a la anterior, pero se tendría el mismo problema: uniformidad de la distribución
de los datos. Ahora, si aumentamos el número de intervalos disminuyendo su longitud, tendremos:
Figura 3.6
Número de días con
intervalos de 3 días en
preparar examen.
(0,2) 76
(2,4) 29
(4,6) 18
(6,8) 13
(8,10) 10
(10,12) 8
(12,14) 6
(14,16) 6
(16,18) 5
(18,20) 4
(20,22) 4
(22,24) 4
(24,26) 3
Tabla 3.3
(26,28) 2
Tiempo en preparar
un examen con (28,30) 2
intervalo de 2 días.
Figura 3.7
Representación con
intervali de 2 días.
Gráficamente
Figura 3.8
Representación con
un dia de intervalo.
116 UNIDAD III
Por lo tanto, cuando el número de intervalos es muy grande (tiende a infinito) podemos decir
que el histograma coincide con la función.
Figura 3.9
Representación
gráfica función de
distribución con
intervalo a, b.
1. En equipo analiza la gráfica anterior y menciona cómo calcularías el área que se encuentra bajo la
curva.
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
2. En equipo analiza la siguiente gráfica, considerando que el área total de 0 al punto c es igual a 1,
¿cuánto vale el área bajo la curva en el intervalo de (0, a) si el área del intervalo de (a, c) es igual a
0.75?, ¿cómo calcularías el área del intervalo (b, c)?, ¿con la información que tienes sería posible?
Figura 3.10
Función de
distribución 0 a c = 1
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 117
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Figura 3.11
Función de
distribución.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
En casa calcula las áreas bajo la curva que a continuación se te indica si el área debajo de ésta
dentro del intervalo (0, d) es igual a 5u2 y de (b, c) equivale a 1.5 u2.
a) El área bajo la curva mayor que 0 y menor que b más el área comprendida entre (c, d).
b) Si el área bajo la curva de (0, b) es igual 3 u2, ¿cuánto vale el área de (c, d)?
c) Con la información del inciso b), ¿cuál es el área bajo la curva de los puntos mayores a c?
d) El área de (c, d) es equivalente a la que se encuentra bajo la curva de los puntos mayores a c?
Figura 3.12
Función de
distribución.
118 UNIDAD III
Existen dos razones fundamentales por las cuales la distribución normal ocupa un lugar
prominente en la estadística y la probabilidad. Primero, tiene algunas propiedades que la hacen
aplicables a un gran número de situaciones en las que es necesario hacer inferencias mediante
la toma de muestras. Segundo, la distribución normal casi se ajusta a las distribuciones de
frecuencias reales observadas en muchos fenómenos, incluyendo características humanas, tales
como peso, estatura, coeficiente intelectual, etc., resultado de procesos físicos, dimensiones,
rendimiento, y muchas otras.
Figura 3.13
Unimodal.
En el curso de Probabilidad y estadística i se menciona que cuando una muestra sólo tiene una
moda, se llama unimodal; este concepto se puede aplicar a las poblaciones.
a) La curva tiene un solo pico, por lo tanto, es unimodal (máxima frecuencia relativa del
fenómeno representado) que es el punto sobre el eje horizontal donde la curva tiene su
máximo, esto ocurre precisamente en la abscisa x = µ. Tiene una forma muy peculiar de
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 119
g) El área bajo la curva comprendido entre los valores situados aproximadamente a dos
desviaciones estándar de la media es igual a 0.95. En concreto, existe 95% de posibilidades de
observar un valor comprendido en el intervalo (µ – 1.96σ, µ + 1.96σ).
la distribución normal es una aproximación muy conveniente. No hay una sola curva normal
sino una familia de curvas normales.
Para definir una distribución normal de probabilidad necesitamos precisar sólo dos parámetros,
la media (µ) y la desviación estándar (σ).
Figura 3.15
desviación estandar.
En la siguiente figura se observa una familia de curvas normales, todas con la misma desviación
estándar pero con diferente media.
Figura 3.16
Desviación estandar
igual, diferente media.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 121
a) El área bajo la curva de dicha distribución es igual a 1. Dicho de otra manera, el área bajo
la curva normal de –∞ a ∞ es igual a 1.
Figura 3.17
Área bajo la curva
igual a 1.
Figura 3.18
N(0, 1).
c) La distribución normal estándar viene definida por tener una media (µ) igual a cero y una
desviación estándar (σ) igual a uno, se simboliza por N(0, 1).
d) La P(µ – σ ≤ x ≤ µ + σ) = 0.6826
La P(µ – 2σ ≤ x ≤ µ + 2σ) = 0.9544
La P(µ – 3σ ≤ x ≤ µ + 3σ) = 0.9972
122 UNIDAD III
Figura 3.19
Función de
distribución F(x).
Como se ha comentado, para calcular las áreas se recurre a la función de distribución F(x) y, en
particular, al existir tantas distribuciones como combinaciones de valores de media y desviación
estándar, se utiliza la normal estándar.
Figura 3.20
Función de
distribución F(z).
Figura 3.21
Distribución normal
y estandar.
Las probabilidades para cada valor de la curva normal estándar se encuentran recogidas en la
siguiente tabla:
X 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5723
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7090 0.7224 La tabla nos da la probabi-
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549 lidad acumulada, es decir, la
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7813 0.7852 que va desde el inicio de la
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133 curva por la izquierda hasta
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389 dicho valor (–∞, z). No nos
1.0 0.8416 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621 da la probabilidad concre-
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830 ta en ese punto. En una dis-
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177 tribución continua en la que
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319 la variable puede tomar in-
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441 finitos valores, la probabi-
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545 lidad en un punto concreto
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633 es cero.
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520 Tabla 3.5
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736 Valor de la curva
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807 normal estándar.
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
X 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5279
0.1 0.5675
0.2 0.6064
0.3 0.6443
0.4 0.6808
0.5 0.7157
0.6 0.7486
0.7 0.7794
0.8 0.8078
0.9 0.8340
Tabla 3.6
1.0 0.8577
Probabilidad
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790
acumulada 0.07.
1.2
X 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5359
0.1 0.5723
0.2 0.6141
0.3 0.6517
0.4 0.6879
0.5 0.7224
0.6 0.7549
0.7 0.7852
0.8 0.8133
0.9 0.8389
1.0 0.8621
1.1 0.8830
1.2 0.9015
1.3 0.9177
1.4 0.9319
1.5 0.9441
1.6 0.9545
1.7 0.9633
Tabla 3.7 1.8 0.9706
1.9 0.9767
Probabilidad
2.0 0.98169
acumulada 0.09. 2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 125
I. Encuentra el área bajo la curva normal estándar (–∞, z) de los siguientes valores:
I. Encuentra el área bajo la curva normal estándar (–∞, z) de los siguientes valores:
Dado que cualquier distribución normal se puede estandarizar, el proceso para llevar a cabo el
cálculo es el siguiente: si a cualquier variable X, de media µ y desviación estándar σ, le aplicamos
la transformación mediante la expresión:
Entonces, dada una distribución normal con una media; una desviación típica cualquiera,
podemos obtener siempre una distribución normal estándar con media 0 y desviación estándar,
realizando la transformación z.
x -7
z=
2
I. Una variable aleatoria sigue el modelo de una distribución normal con media 7 y varianza 4.
Transfórmala en una normal estándar.
X : N (7, 3)
tenemos:
x -7
z=
2
126 UNIDAD III
Esta nueva variable se distribuye como una normal estándar, permitiéndonos, por lo tanto,
conocer la probabilidad acumulada en cada valor x de:
σ = Var(x)
Z : N (1, 0)
El salario medio de los empleados de una empresa se distribuye según una distribución normal
con media $5,000.00 y desviación estándar de $1,000.00. Calcula el porcentaje de empleados con
un sueldo inferior a $7,000.00.
Lo primero que haremos es transformar esa distribución en una normal estándar. Para ello,
sustituiremos los siguientes valores en la fórmula:
µ = 5,000.00
σ = 1,000.00
x = 7,000.00
7000 - 5000
z =
1000
z=2
Figura 3.22
Representación
gráfica de la
distribución normal.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 127
Figura 3.23
Representación
gráfica de la
distribución normal
estandarizada.
σ = =
1.5 1.22
x=3
3-4
z=
1.22
-1
z=
1.22
z = –0.81
Por lo tanto, el valor de $3,000.00 en la distribución normal estandarizada es de –0.81. Por lo que:
Figura 3.24
Ahora tenemos que ver cuál es la probabilidad acumulada hasta ese valor, pero tenemos un
problema, la tabla de probabilidades que te presentamos anteriormente sólo abarca valores
positivos; no obstante, este problema tiene solución, ya que una de las características de la
distribución normal es que es simétrica respecto al valor medio. Por lo tanto:
Figura 3.25
X 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5723
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7090 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7813 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8416 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
Tabla 3.8
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
Valor de la variable
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177 estándar
Ese valor corresponde a Z = 1.28. Ahora calculemos el valor de x equivalente a ese valor de la
normal estándar.
μ=4
σ= 1.5 = 1.22
z = 1.28
x-4
1.28 =
1.22
x = (1.28)(1.22) + 4
x = 1.5616 + 4
x = 5.5616
Por lo tanto, aquellos estudiantes que pagan más de $5,561.60 constituyen 10% de la población.
130 UNIDAD III
Figura 3.26
Valor de la variable z.
Figura 3.27
Distribución
normal simétrica
probabilidad
acumulada de 50%.
Por otra parte, al ser la distribución normal simétrica, entre –Z y la media hay otro 30% de
probabilidad. Concluyendo el intervalo (–Z, Z) engloba 60% de la población de estudiantes
con pago de colegiatura media.
Figura 3.28
Distribución normal
simétrica
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 131
El valor de Z que acumula 80% de la probabilidad según la tabla es de 0.84. ¿Cómo lo encontré en la
tabla? Buscando el valor que más se aproxima a 0.8 que equivale a 80%. Por lo que en la distribución
normal estándar el intervalo donde se encuentra 60% de la población es (–0.84, 0.84).
Figura 3.29
Distribución normal
estándar.
X = 1.0248 + 4 = 5.0248
x-4
-0.84 =
1.22
X = (– 0.84)(1.22) + 4
X = – 1.0248 + 4 = 2.9752
Por lo tanto, los estudiantes que pagan colegiaturas superiores a $2,975.20 e inferiores a
$5,024.80 constituyen 60% de la población con un nivel medio de pago de colegiatura.
1. La vida media de los habitantes de una determinada ciudad es de 68 años, con una varianza
de 25. Se hace un estudio en una de las colonias de 10,000 habitantes.
75 - 68
z =
5
z = 1.4
Por lo tanto:
P(X > 75) = (Z > 1.4)
Figura 3.30
Distribución normal
estándar.
Buscando en tablas:
1 – P(Z < 1.4) = 1 – 0.9192 = 0.0808
Luego entonces, 8.08% vivirá más de 75 años y si multiplicamos este porcentaje por el número de
habitantes que integran la colonia encontraremos que 808 habitantes vivirán más de 75 años.
60 - 68
z =
Z = – 51.6
Por lo tanto:
Podemos concluir que 5.48% de la población probablemente no llegará a esa edad. De manera
equivalente podemos decir que 548 muy probablemente no alcanzarán dicha edad.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 133
2. El consumo medio anual de una bebida de cola muy popular en México es de 59 litros, con
una varianza de 36. Se sabe que se distribuye de manera normal.
a) ¿Cuántos litros de dicha bebida tendrás que consumir al año para pertenecer al 5% de la
población que más bebe dicho producto?
b) Si bebes 45 litros al año y tus amigos afirman que ésta es una gran cantidad y que te
puede acarrear problemas de sobrepeso, ¿qué podrías argumentar en tu defensa?
Figura 3.31
El valor de la variable
Ese valor corresponde a Z = 1.64. Ahora calculemos el valor de la variable normal X equivalente es de 95%.
a ese valor en la distribución normal estándar.
X - 58
1.64 =
6
X = (1.64)(6) + 58 = 67.84
Derivado de lo anterior tendrías que beber más de 67.84 litros al año para pertenecer a ese
“florido” grupo de grandes bebedores de refresco de cola.
b) Vamos a ver en qué nivel de la población se sitúa en función de los litros de refresco de cola
consumidos.
45 - 58
z =
6
Z = – 2.2
Figura 3.32
El valor de la variable
es de 2.2.
134 UNIDAD III
Por lo tanto:
P(X < 45) = (Z < – 2.2)
De 15,096 aspirantes a
ingresar al sistema de
Luego, tan sólo 1.39% de la población bebe menos que tú. Por lo que parece un argumento de
Bachillerato estatal en peso para que dejen de catalogarlo como “enamorado del refresco de cola”.
2009 se encuentran ins-
critos el 82.47% según
la oficina de coordina- 3. A un examen de admisión a una escuela de bachilleres se han presentado 2000 aspirantes. El
ción y análisis de pro- resultado medio ha sido de 5.5 con una varianza de 1.1, si consideramos que se distribuye
cesos educativos de la
Dirección General de
de manera normal.
Bachillerato.
a) La escuela tiene capacidad de albergar sólo a 100 estudiantes de nuevo ingreso. Un
estudiante que obtuvo 7.7, ¿en qué nivel porcentual se ha situado?, ¿sería oportuno ir
organizando una fiesta para celebrar su éxito?
b) La escuela va a dar una segunda oportunidad para el 20% de resultados más altos que
no se hallan clasificado, ¿a partir de qué resultado se podría participar en esta segunda
oportunidad?
a) Vamos a ver con el resultado de 7.7 en qué nivel porcentual se ha situado dicho estudiante,
para ello iniciaremos calculando el valor de la normal estándar equivalente.
7.7 - 5.5
z =
1.048
z = 2.099 ≅ 2.01
A este valor le corresponde una probabilidad acumulada de 0.98214, lo que significa que por
encima de este aspirante tan sólo se encuentra 1 – 0.98214 = 0.01786, es decir, sólo 1.786%.
Si fueron 2000 aspirantes, ese 1.786% equivale a 36 aspirantes. Por lo que si hay 100 lugares
disponibles, tiene suficiente probabilidad de organizar una fiesta para festejar su ingreso.
Recuerda que 1.786% tiene derecho a ingresar 20% más, por lo que en la tabla debemos buscar
el valor de 0.71.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 135
Figura 3.33
Valor de la
Por lo tanto, todos aquellos que hayan tenido un puntaje igual o superior a 6.31, tendrán derecho
a la segunda oportunidad.
Además de la tabla que te hemos mostrado anteriormente para encontrar el área bajo la curva
normal estándar, existe otra herramienta más exacta, el programa Excel de Microsoft Office.
Figura 3.34
136 UNIDAD III
Figura 3.35
Al realizar esta operación se abre una ventana donde debes seleccionar la categoría de estadística,
da un click en DISTR.NORM.ESTAND y aceptar.
Figura 3.36
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 137
Figura 3.37
a) 0.46 _________________
b) 0.89 _________________
c) 1.09 _________________
d) 1.36 _________________
e) 1.78 _________________
f) 2.19 _________________
g) 2.56 _________________
h) 2.78 _________________
De igual manera el programa Excel cuenta con la función DISTR.NORM y siguiendo los mismos pasos
que se utilizaron para DISTR.NORM.ESTAND encontramos:
138 UNIDAD III
Figura 3.38
Figura 3.39
Solamente se tienen que anotar los valores correspondientes y en el campo Acum escribir la
palabra “verdadero”.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 139
Análisis individual
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis en equipo
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
2. Para algunos valores particulares de los parámetros de la distribución normal, la curva de la función
de densidad de probabilidad puede presentar más de una moda.
Análisis individual
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis en equipo
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
3. La curva de la distribución normal tiene sus puntos de inflexión en correspondencia con los valores de
las variables ubicados alrededor de la media, a una distancia de más menos una desviación estándar.
Análisis individual
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis en equipo
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
140 UNIDAD III
4. La probabilidad de que cualquier variable aleatoria distribuida normalmente con media μ y σ2 tome
valores entre μ ± 2σ, es igual a 0.9545.
Análisis individual
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis en equipo
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis individual
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Análisis en equipo
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Responde a los siguientes cuestionamientos en casa, después compártelo con los compañeros en clase.
1. La probabilidad de que cualquier variable aleatoria distribuida normalmente con media μ y σ2 tome
valores entre μ ± 3σ es igual a 0.9973.
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
2. Una variable aleatoria X distribuida normalmente está definida sólo para valores positivos de la
misma.
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
3. La función de densidad de una variable aleatoria normal es más chata y se extiende más sobre el eje
de la variable (eje horizontal), mientras mayor sea su rango.
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 141
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
4. No siempre es posible realizar la transformación de una variable aleatoria X con (x; μ, σ), en otra
variable aleatoria Z ~ n(z; 0, 1)
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
a) Entre 60 y 65 kg.
b) Más de 90 kg.
c) Menos de 64 kg.
d) 64 kg.
e) 64 kg o menos.
2. Se supone que los resultados de un examen de Probabilidad y Estadística ii siguen una distribución
normal con media 78 y varianza 36. Se pide:
a) ¿Cuál es la probabilidad de que un estudiante que presenta el examen obtenga una calificación
superior a 72?
b) Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo menos en
cinco puntos de la puntuación que marca la frontera entre el apto y el no apto (son declarados
no aptos 25% de los estudiantes que obtuvieron las puntuaciones bajas).
c) Si sabes que la calificación de un estudiante es mayor que 72, ¿cuál es la probabilidad de que
una calificación sea, de hecho, superior a 84?
3. Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una distribución
N(65, 18). Se desea clasificar a los examinados en tres grupos (de baja cultura general aceptable, de
excelente cultura) de modo que hay en el primero 20% de la población, 65% en el segundo y 15% en
el tercero. ¿Cuáles han de ser las puntuaciones que marcan el peso de un grupo al otro?
4. Varios test de inteligencia dieron una puntuación que sigue una distribución normal con media 100
y desviación estándar 15.
1. La Dirección General de Tránsito estima que el número de horas de práctica necesarias para la
obtención del permiso de conducir sigue una distribución normal con media 24 y varianza 9.
c) ¿Qué probabilidad hay de obtener el permiso de conducir con 20 horas de práctica o menos?
d) ¿Cuántas horas de práctica necesita un conductor para obtener el permiso, si 68% de los
conductores ha requerido más horas de práctica que él?
Para este problema escogemos como variable aleatoria (que como ya se explicó es una posible
respuesta) X = número de horas de práctica necesarias para obtener el permiso de conducir que
nos asegura que sigue una distribución normal de media μ = 24 y desviación estándar σ = 3, esto
es N(24, 3).
Nos piden que calculemos P(X < 20), que es el valor de la función de distribución de una
normal en el punto 20.
Figura 3.40
Como X no sigue una distribución normal estándar, este valor no puede buscarse directamente
en la tabla. Hemos de estandarizar la variable, esto es, cambiamos a la variable:
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 143
X - 24
z =
3
20 - 24
z =
3
z = – 1.33
Entonces:
X 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5723
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7090 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7813 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8416 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830 Tabla 3.9
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
144 UNIDAD III
Figura 3.41
De donde:
Sea a el número de horas de práctica que buscamos. Nos piden el valor de a de forma que:
P(X ≥ a) = 0.68
a - 24
z =
3
a - 24
P(Z ≥ a) = = 0.68
3
Entonces:
a - 24
Za =
3
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 145
P(Z ≤ – a) = 0.68
Por lo tanto, el valor de – a es un valor comprendido entre 0.46 y 0.47, pero más cercano el
segundo. Tomamos – a ≅ 0.47 de donde a ≅ 0.47
Despejando a:
a - 24
Za =
3
a = 3Za + 24