Apuntes del curso de estadstica I D.

Probabilidad continua

Distribuciones de Probabilidad
Para variables aleatorias cuantitativas continuas.

INTRODUCCIN.

Las variables aleatorias continuas (VaC) son aquellas que toman un valor infinito entre un nmero
dado y otro (es decir, fracciones). El tamao de grano de las arenas de una playa puede adquirir
miles de valores entre 1 y 2 cm. Observe las siguientes muestras de arena n=20, 200, 2000 y 20000:

f(x)

DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES CONTINUAS.

Las distribuciones de probabilidad (DP) de una VaC

pueden ser descritas por una funcin matemtica de
densidad f(x), donde:

1. El rea bajo la curva de cualquier funcin (DP) es

igual a 1.

2. La probabilidad de ocurrencia de x est dada bajo

el rea de la curva de un intervalo [a,b]. El intervalo
comnmente se le identifica como porcentaje
proporcin probabilidad (=rea bajo la curva).

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Cmo escojo un modelo de DP para mis datos continuos? Existen muchas f(x) para modelar,
pero debes elegir aquella que mejor se ajuste a tus datos. Este ejercicio es acoplar tus datos
reales con un modelo experimental f(x) para sacar mejores conclusiones de tu poblacin.

Por fortuna, muchas distribuciones de VaC tienen forma de montculo y se pueden modelar
con una distribucin de probabilidad normal (aquella que asemeja a una campana) como en el
ejemplo del tamao de arena de la playa.

En este captulo trataremos las distribuciones ms comunes. La principal distribucin es la normal.

DISTRIBUCIN NORMAL.

Muchas VaC adoptan una distribucin normal en la naturaleza: datos amontonados en torno a la
media y decreciente hacia ambos lados de la media. El modelo de distribucin normal est dado
por la siguiente funcin de densidad:

Donde e= constante de Euler y =3.1416

para - < x <

La media se encuentra en el centro y tiene hacia ambos lados de la media. La funcin se

parece a una campana simtrica con probabilidad (rea bajo la curva) = 1. La siguiente grfica
explica como vara el modelo cuando tiene la misma y diferente (izquierda) y la misma con
diferente (derecha):

Si se deseas modelar a mano una distribucin normal de tus datos resulta una prctica que
consume mucho tiempo, adems hay una infinita posibilidad de diferentes distribuciones
normales.

Pero dada la propiedad de simetra de la campana y que todas las rea son = 1, se puede
estandarizar todas las distribuciones normales a partir del valor z, de esta manera en lugar de

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

hacer clculos, mejor transformamos datos reales a valores z y a por medio de tablas de valor z
obtenemos directamente el rea bajo la curva (ver anexos).

DISTRIBUCIN NORMAL ESTANDARIZADA.

Una DP normal estandarizada (en adelante distribucin normal) se medir segn el nmero de
a la derecha o a la izquierda de la .

Propiedades de la distribucin normal:

1. El rea bajo la curva normal =1.

2. La distribucin es amontonada en el centro y simtrica y se extiende hacia afuera de la
media de manera indefinida, tal que nunca toca el eje horizontal.
3. La distribucin normal tiene = 0 y una =1. La media divide el rea en 0.5.
4. Los valores z van en la mayora de los casos entre -3 y 3.

La funcin integrada de la distribucin normal

estandarizada, arroja una curva acumulada como
se muestra en la figura de la derecha.

En una curva normal estandarizada (de campana

o acumulada) se puede calcular el rea bajo la
curva, la cual corresponde a la probabilidad de
que ocurra un evento en un intervalo z. Solo se
requieren los parmetros y de cualquier
conjunto de datos normales para encontrar la
probabilidad a travs de tablas de valor z.

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Cmo calcular el (rea bajo la curva) a la izquierda de un valor z negativo:

Por ejemplo, el rea bajo la curva normal cuando z = -1.52 se encuentra en la tabla de valores
negativos de z. El valor del rea se ubica en el cruce de los valores -1.5 y -0.02 (que suman -1.52).

Por lo tanto (z<-1.52) = 0.06425 0.064.

Tabla de valores z a la izquierda

Observe que es un intervalo de - 4 hasta -1.52

Cmo calcular el (rea bajo la curva) a la izquierda de un valor z positivo:

Por ejemplo, el rea bajo la curva normal cuando z = 1.52 se encuentra en la tabla de valores
positivos de z. El valor del rea se ubica en el cruce de los valores -1.5 y -0.02 (que suman -1.52).

Por lo tanto (z < 1.52) = 0.9357 0.936.

Tabla de valores +z a la izquierda

Observe que es un intervalo de - 4 hasta +1.52.

Cmo calcular el (rea bajo la curva) a la derecha de cualquier valor z

El rea a la derecha de un intervalo z, se encuentra en la contraparte de la curva, por lo cual solo

hay que restar 1 (el rea total). Por ejemplo, s deseas obtener el rea de la derecha (z > -1.52),
dado que cuando z es -1.52 =0.064, entonces 1-0.064=0.936; por lo tanto (z > -1.52)=0.9.36.

Por otro lado, s deseamos obtener el rea de la derecha (z > 1.52), dado que cuando z es
1.52 = 0.936, entonces 1-0.936=0.064, por lo tanto (z > 1.52)=0.064. Grficamente:

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Cmo calcular el (rea bajo la curva) entre intervalos de valores z.

Hay veces que necesitars encontrar un rea bajo la curva (probabilidad) de un intervalo de valor
z. Esto se realiza por medio de una simple resta, solo debes visualizarlo en la curva normal.

S requieres determinar el rea bajo la curva del

intervalo (-1.36 < z < 2.14), es decir cuando z= -1.36 y
z=2.14; se debe calcular cada rea respectivamente y luego
restar el mayor menos el menor.

En este caso el rea cuando z=-1.36 = 0.0869, cuando

z=2.14 = 0.9838, por lo tanto la diferencia 0.9838-0.0869 =
0.8969.

(-1.36 < z < 2.14) = 0.8969.

Grficamente podemos visualizar la resta de reas para

encontrar el rea en el intervalo deseado:

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Tambin existen tablas de valor z para percentiles. Esta tabla es muy sencilla de usar, porque
el percentil coincide con el rea buscada: s desea saber del percentil 75 (el 75% de los dato)
solo buscar el nmero 0.75 y el valor z aparecer como 0.6.

Cmo calcular el (rea bajo la curva) a partir de la media hacia las colas.

Qu valores de z acotan el 95% de los datos? Dado que el 100 = 1 en la curva, entonces 1 - 0.95
= 0.05 y como son dos colas 0.05/2 = 0.025, por lo tanto cada rea de la cola debe ser 0.025. Este
valor en la tabla z = 1.96 y -1.96. Analzalo con las tablas

Al leer en la tabla de valor z, se busca el rea

deseada y se encuentra z.

(-1.96 < z < 1.96) = 0.95

Ahora calcular el rea cuando z = 1, 2 y 3.

Qu % se encuentra en estos rangos de
valores? Recuerdas la regla emprica?

EJEMPLOS PARA EL USO DE TABLAS Z.

1. Dibuja y encuentra las siguientes reas bajo la curva normal estandarizada:

a) (z < - 0.5) k) (z < 0.94) t) Encuentre los

b) (z < - 1.25) l) (z < 2.09) valores z para las
c) (z < - 2.08) m) (z < 1.25) colas cuando
d) (z > - 0.6) n) (z > -0.94) =60% respecto a
e) (z > -2.35) o) (-2.84 < z < -0.64) la media.
f) (z > -1.72) p) (-2.84 < z < 0.64 u) Encuentre los
g) (z > 0.3) q) (0.94 < z < 2.08) valores z para las
h) (z > 0.5) r) (0.94 < z < 2.08) colas cuando
i) (z > 1.75) s) (-0.05 < z < -1.2) =99% respecto a
j) (z > 0.5) + (1.89 < z < 2.58) la media.

APLICACIONES DE LA DISTRIBUCIN NORMAL.

Ya que dominas el uso de las tablas de valor z, ya puedes solucionar problemas reales de
probabilidad cuando tus datos son normales. Recordars que:

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

z=

Con sta frmula podrs convertir los valores estndar (vistos en la tabla) con los problemas
reales. Por ejemplo, considera que los resultados de CI (cociente de inteligencia) son normales
con =100 y =16. S eliges a una persona al azar,

a) Cul es la P(x) de que el CI est entre 100 y 115?

100100
Cuando x=100 z= =0
16

115100
Cuando x=115 z= = 0.94
16

Por lo tanto P(100<x<115)= (0 < z < 0.94)= 0.826-

0.5=0.326.

La probabilidad de encontrar un individuo con CI entre

100 y 115 es del 32.6%

b) Cul es la probabilidad de encontrar un individuo

con CI mayor a 135?
135100
Cuando x=135 z= = 2.187; =0.9854, por lo
16
tanto 1-0.9854 =0.0146, entonces la P(>135)=1.4%.

c) Bill Gates tiene un CI=160 Qu porcentaje de la poblacin hay con este CI? R= ~ 0.009%

EJERCICIOS DE APLICACIONES DE LA DISTRIBUCIN NORMAL

1. Una obra genera continuamente ruido con promedio de 75 dB y con una = 25 dB (medido
desde una escuela) cercana.

a) Cul es la P(x) que se escucha ms de 90 dB?

b) Cul es la P(x) de que el ruido se meno a 30 dB?
c) Cul es la P(x) de que se escuche entre 60 y 80?

2. El tamao de partculas de arena de cierto tipo de roca en un arroyo es de un dimetro de 0.65

cm con una =0.42 cm, encuentre:

a) La P(x) de encontrar partculas con dimetro entre 0.5 y 0.6?

b) Cul es la P(x) de no encontrar partculas menores a 0.3 cm?

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

3. El 35 % de los paceos estn dispuestos a pagar por conservar sus ANP. El promedio de
disposicin a pagar es de $10.5 pesos al mes con una =$4.5. S hay 280,087 habitantes:

a) Calcule cuntos habitantes pagaran ms de $20 al mes

b) Cul es la probabilidad de encontrar un habitante que haya donado menos de 5 pesos?

4. Una mina de fosfato descarga diariamente una media de 27 mg por litro con una desviacin
estndar de 14 mg por litro hacia una laguna. Qu proporcin de das en un ao rebasar los 50
mg/litro?

IMPORTANTE.
Si observas, hasta ahora todos los ejercicios siempre han tenido la media y desviacin estndar
poblacional (por que los asigna el docente o se obtiene de un estudio previo). En la vida real,
si no tienes informacin de los parmetros poblacionales, entonces debes estimarlos con
cierto rango de error. Acaso conoces la del tamao de arena de una playa? No
evidentemente.

En el siguiente captulo (estadstica inferencial) trabajaremos con las estimaciones de

parmetros, pero por mientras aprenders a usar varias distribuciones con parmetros
supuestos por el docente.

NOTACION FORMAL DEL VALOR Z.

Hasta ahora hemos expresado el valor z de muchas maneras con fines didcticos. Sin embargo
existe una convencin formal algebraica. Por ejemplo el valor z formalmente se denomina como
z() que significa el rea bajo la curva a la derecha de z.

z(0.05) lase z de 0.05 es

el rea equivalente a 0.05
a la derecha de z como se
muestra en la grfica.

Otro ejemplo es z(0.90),

quiere decir que el 90%
del rea est a la derecha
de la curva.

Si deseamos encontrar el valor z cuando el rea es 0.05 a la derecha, solo hay que buscar la contra
parte en la tabla z. Por ejemplo, 1 - 0.05=0.95 este es el valor que aparecer en la tabla.

Para referirnos al rea bajo la curva de la cola izquierda solo hay que utilizad z(1-) =-z().

Ejemplo: el valor de z cuando es z(0.01), es 1-0.01=0.99 y ste valor z=2.3 a la derecha. Si

deseamos el rea de -z(0.01), entonces nos referimos al rea izquierda y es la contra parte =-2.3,
referidos al rea de la izquierda.

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Tambin hay tablas de una cola y dos colas para los valores z() y z(1-). Cuando nos referimos al
rea respecto a la media, sobrarn las dos colas, por lo tanto se puede usar z(/2), pues el rea
se divide en dos colas.

APROXIMACIN NORMAL A LA DISTRIBUCIN BINOMIAL.

Las distribuciones binomiales consisten en variables aleatorias discretas (VaD) que pueden ser
modeladas como variables aleatorias continuas (VaC) a travs de una aproximacin a la
distribucin normal.

La DP de una VaD con p=0.3 con n=4, 8 y 24 ensayos se observara de la siguiente manera:

Observa que entre ms ensayos se tiene ms se parece a una distribucin normal, entonces:

La distribucin normal ofrece una aproximacin razonable a la distribucin binomial cuando la

media np y n(q) son mayores o igual a 5.

Por ejemplo en la grfica 3 de arriba, n=24 p=0.3; entonces la media = 7.2 por lo tanto es una
buena aproximacin normal.

Si analizas la probabilidad de un evento x, por ejemplo cuando x=10 el valor discreto x=10 ser
de p =0.078 (valor de la flecha en la figura e abajo).

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

Este valor x=10 se puede transformar en un dato continuo con el factor de correccin de
continuidad. Solo hay que agregar el lmite inferior y superior (sumando y restando 0.5), as x=10
en un modelo continuo ser 9.5 a 10.5. S multiplicas el ancho por el largo conservars el mismo
valor de 0.078.

Ya corregida la VaD a una VaC x=9.5 10.5 se puede calcular con el valor z. Dado que en la
distribucin binomial la =np = 7.2 y la 2 = npq entonces =2.245.
9.57.2 10.57.2
z= = 1.026 z= = 1.473
2.245 2.245

El rea bajo la curva del intervalo (1.026<z<1.473) 0.1539-0.0721=0.081; este valor que es
aproximado razonablemente a 0.078.

De esta manera se puede aproximarse la DP binomial a una DP normal.

DISTRIBUCIN EXPONENCIAL.

Esta distribucin se utiliza cuando un fenmeno decrece rpidamente desde un punto alto hacia
un abajo gradualmente. Se relaciona muy bien con modelos que incluyen el tiempo y de ah
proviene la idea de su definicin.

El decaimiento radioactivo, la vida til de un aparato, tasas de intereses, la hora en que muri una
persona, cualquier tiempo promedio entre dos eventos se puede modelar con una distribucin
exponencial donde se considera al tiempo como variable continua.

Se relaciona con la DP de Poisson (VaD) por que incluye el nmero de eventos promedio en un
tiempo. Sin embargo, en la DP exponencial se busca el tiempo promedio de la ocurrencia del
1
primer evento, es decir (en adelante se denotar como ).

Por ejemplo, s en una hora llegan 10 personas a un sitio, el promedio del tiempo para la primer
1 1
persona ser = (un dcimo de hora = 6 minutos). Es decir, =10 personas en una hora y =
10
0.1 horas promedio para que llegue una persona.

Propiedades de la distribucin de probabilidad exponencial:

1. La VaC ser x > 0.

.
2. Los experimentos requiere de ( ) y ( ) es decir, si

modelamos distancia, es la distancia promedio entre 2 eventos; si modelamos
tiempo, es el tiempo promedio entre dos eventos.
1 1
3. En cualquier caso es recproco de , por lo tanto = ; = .

4. Los eventos se consideran independientes, por lo cual la ocurrencia de un evento no
depende de intervalos anteriores; propiedad conocida como sin memoria.

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

1
5. El parmetro poblacional de esperanza (media) es = = y la varianza es 2.

La funcin de densidad de la DP
exponencial es:

1
f(x)= f(x)=

La funcin de DP exponencial
acumulada (la integral) es:


P(x)=1- P(x)= 1-

Donde e es un valor que describe y limita una funcin con forma exponencial; su valor
es infinito, pero se acota a 2.718.

El nmero e aparece en la DP Poisson, Normal, Exponencial Etc. Cmo se calcula?:

Nota: busca en el You Tube grandes temas de la matemtica captulo 5y descubre ms del
nmero e.

Ejemplo de una DP exponencial: para elaborar la garanta de una tarjeta madre (PC), se realiz
un experimento donde se someti la tarjeta a variaciones de potencial elctrico, tomando el
tiempo que le llevaba descomponerse:

Tiempo en das que requiere para descomponerse ante variaciones de electricidad:

120 150 143 182 160 142 132 140 151 160 157 159 167 170 215 180 195 175

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

a) Determine y . R= por definicin es el promedio de tiempo en ocurrir el primer evento

1 1
entonces = 161 das por evento y su inverso es = = = 0.00621 eventos al da.
161
b) Suponga una distribucin exponencial. Con la funcin de densidad f(x)= grafique
con los siguientes valores: x=0, 50, 100, 200 y 300 das de variaciones antes de dejar de
funcionar.

f(x) P(>x)= P(<x)=1-

(rea derecha) (rea izquierda)
0 0 0 0
50 0.0045 0.735 0.226
100 0.0033 0.537 0.462
200 0.0017 0.288 0.711
300 0.0009 0.155 0.844

c) Cul es la P(x) de que la tarjeta deje de funcionar en menos de 50 das sometido a

variaciones de voltaje? R=0.226, el 22.6 % de probabilidad.
d) Cul es la P(x) de que deje de funcionar al menos en 200 das? R=0.288, 28.8 % de
probabilidad.
e) Cul es la P(x) de que deje de funcionar entre 50 y 200 das? R= 1- (0.266+0.288)= 0.446,
el 44.6 % de probabilidad. R= 0.446, el 44.6 % de probabilidad.

EJERCICIOS DE DISTRIBUCIN EXPONENCIAL.

1. La media de terremotos en una parte de BCS es de 12.5 terremotos por mes (entre 1 y 3 en la
escala de Richter).

a) Cul es la P(x) de que ocurra el siguiente terremoto en menos de 2 das?

b) Cul es la P(x) de que no ocurra un terremoto en 5 das?
c) Cul es la P(x) de que ocurra un terremoto entre 3 y 8 das? Recuerde la propiedad
sin memoria
d) Cul es la P(x) de que en 12 horas ocurra un terremoto?

2. Suponga que la duracin de un aparato es de 150 das. Si se distribuye exponencialmente,

encuentre la probabilidad de que dure ms de 200 das.

3. En la cola para pagar tu servicio mvil se tiene una tasa de atencin de 3 clientes por hora. Si
decide modelar el fenmeno exponencialmente, calcule la P(x) de que un cliente:

a) espere menos de 5 minutos

b) espere ms de 40 minutos
c) Realice una grfica con tiempos de espera para 10, 20, 30 y 40 minutos.

urcadiz@me.com 2015
 Apuntes del curso de estadstica I D. Probabilidad continua

OTRAS DISTRIBUCIONES.

Existen varias distribuciones de VaC disponibles para problemas generales y especficos. Dos
distribuciones genricas y de mucha utilidad son la distribucin t y la distribucin 2 (ji-cuadrada).
Estas distribuciones son importantes porque se apegan ms a problemas reales y permiten
estimar parmetros poblacionales a travs de pruebas de hiptesis.

Estas distribuciones se retomarn con detalle posteriormente en el captulo 9. Pero antes, es

necesario comprender la variabilidad de las muestras y tener una nocin de las bases de
estadstica inferencial como la estimacin y pruebas de hiptesis (captulos 7 y 8).

urcadiz@me.com 2015