DISTRIBUCIONES DE VARIABLES ALEATORIAS CONTINUAS

Una distribucin de probabilidad de una variable aleatoria continua de

probabilidad es aquella que comprende las probabilidades de posibles eventos
infinitos en un rango definido.
Existen varias distribuciones tericas continuas de probabilidad, sin
embargo, la de mayor relevancia es la distribucin normal o distribucin
gaussiana, que se utiliza en muchos campos; y, especialmente en la
administracin y la economa.
DISTRIBUCIN NORMAL.
La distribucin normal puede ser representada grficamente a travs de una
curva en forma de campana, denominada curva normal o campana de gauss en
honor a su inventor. La distribucin normal es una distribucin de probabilidad
continua que define un rea bajo la curva entre dos puntos definidos del eje
horizontal
Hay dos razones fundamentales por las cuales la distribucin normal
ocupa un lugar preponderante en la estadstica: 1. tiene algunas propiedades que
la hacen aplicable a muchas situaciones donde es preciso hacer inferencias al
seleccionar muestras, y 2. esta distribucin llega a encajar muy bien en las
distribuciones observadas de frecuencias de multitud de fenmenos, entre ellos
las caractersticas humanas (peso, talla, coeficiente intelectual entre otros) la
produccin de procesos fsicos (dimensin y rendimientos).
CARACTERSTICAS.

La curva tiene un solo pico, es decir, es unimodal.
La media de una poblacin distribuida normalmente se encuentra en el centro de
su curva.
La curva de la distribucin normal es simtrica, es decir, la media aritmtica, la
mediana y la moda poseen el mismo valor (X; Xd; Xo).
Las colas (extremos) de una distribucin normal se extiende indefinidamente
presentando asntotas con el eje X.

Su funcin de densidad es: Y =

La probabilidad total debajo de la curva es uno
La distribucin normal posee dos parmetros que la determinan por completo en
cuanto a la forma y posicin: su media () y su desviacin tpica ().
La distribucin normal tipificada es aquella que tiene por media cero y
desviacin tpica de 1 (,)
Es necesario la aplicacin de una distribucin normal nica ya que cada
distribucin con media y desviacin tpica posee una curva normal con
caractersticas bien definidas. Para acceder a esta distribucin nica se
establece transformar las variables aleatorias en una variable aleatoria tpica o
estandarizada, por medio de la frmula:


El valor de Z obtenido es el nmero de desviaciones tpicas que un punto dado
dista de la media una vez que se ha transformado de la distribucin normal a
una estandarizada.
En el clculo de probabilidades de la distribucin normal se utiliza la
tabla de probabilidades acumuladas debajo de la curva normal, desde la media
hasta un valor Z determinado previamente
o

=
x
z
PROBLEMA
El tiempo de incapacidad por enfermedad de los empleados de una compaa en
un mes tienen una distribucin normal con media de 100 horas y desviacin
estndar de 20 horas.
A. Cul es la probabilidad de que el tiempo por incapacidad del siguiente mes se
encuentre entre 50 y 80 horas?
b. Cunto tiempo de incapacidad deber planearse para que la probabilidad de
excederlo sea slo del 10%?
a. Se debe tipificar los valores de la variable



P(-2,5<z<-1) = 0,49379 0,34134 = 0,15245
Conclusin: Existe un 15,245% de que el tiempo de incapacidad por
enfermedad de los empleados oscile entre 50 y 80 horas.

5 , 2
20
100 50
1
=

=
o
x
z 1
20
100 80
1
=

=
o
x
z
6 , 125 100 20 28 , 1 = + - =
+ - =

=
x
z x
x
z o
o

Aproximacin Normal a las Distribuciones Binomiales.

Para aproximar la normal a las distribuciones binomiales es necesario
que la el nmero de elementos que constituyen el universo sea grande y que n.p
> 5. Es imperante conocer que al aproximar una variable continua de una discreta
se debe aplica el factor de correccin de continuidad. Este
consiste en adicionar o sustraer 0,5 al valor de la variable discreta considerada,
dependiendo de las interrogantes elaboradas.
PROBLEMA
La tasa real de desempleo es de 21,7%. Suponga que se seleccionan al azar
150 personas con posibilidad de trabajar en Barquisimeto.
a. Cul es la cantidad esperada de desempleados?
b. Cul es la varianza y la desviacin estndar de los desempleados?
c. Cul es la probabilidad de que exactamente 36 personas estn
desempleadas?
d. Cul es la probabilidad de que cuando menos 34 personas estn
desempleadas?
a. Para calcular la cantidad esperada de desempleados hay que aplicar la
frmula de promedio de la distribucin binomial.
= n.p = 150.0,217= 32,55
b. En este aparte al igual que el anterior se aplica la frmula de varianza de la
distribucin y la desviacin estndar obteniendo la raz cuadrada de la varianza.
o
2
= n.p.q= 150.0,217.0,783= 25,48665
o=\n.p.q= = 5,048430449
c. Se puede observar en el ejercicio que el nmero de ensayos es grande (150) y que
n.p = 32,55 > 5; por ende se puede aproximar a la normal.



P(0,58 s Z s 0,78) = 0,2823 0,21904 = 0,06326
Conclusin: La probabilidad de que exactamente 36 personas estn
desempleados es de 6,326%
d.


P(>=0,19) =0,5 0,07535 = 0,42465
Conclusin: La probabilidad de que cuando menos 34 personas estn desempleados
es de 42,465%

78 , 0
0448430449 , 5
55 , 32 5 , 36
2
=

=
o
x
z 56 , 0
048430449 , 5
55 , 32 5 , 35
1
=

=
o
x
z
19 , 0
048430449 , 5
55 , 32 5 , 33
1
=

=
o
x
z
DISTRIBUCIN T-STUDENT
Los primeros trabajos tericos sobre la distribucin t fueron hechos por
W.S. Gossett (1876-1937); l prob en el ao 1908, bajo el seudnimo de Student,
que el cociente entre la desviacin de la media muestral respecto al
correspondiente parmetro de la poblacin, y la desviacin tipo de la media
poblacin se distribuye normalmente nicamente cuando los valores de la variable
se distribuyen normalmente y si se conocen los dos parmetros (,o).

Las desviaciones siguen la llamada distribucin t o distribucin de Student,
siempre que las observaciones individuales de los valores de la variable sean
independientes y sus distribuciones sean al menos aproximadamente normales.

La distribucin t es muy parecida a la normal. Igual que esta ltima es continua,
simtrica, tiene forma de campana y su recorrido abarca desde menos infinito
hasta ms infinito. Empero, es independiente de y o. La distribucin t-Student
solo depende de los grados de libertad.
El nmero de grados de libertad (Gl) de una variable aleatoria se define como el
nmero de observaciones de las que se puede disponer libremente( diferencia
entre el tamao muestral n y el nmero a de parmetros estimados a partir de la
muestra.
Gl = n - a - 1.
Cuanto ms pequeo sea el nmero de grados de libertad tanto ms se alejar la
curva correspondiente de la normal, y tanto ms achatada ser. Esto es, en
comparacin con la normal, esta distribucin tendr la probabilidad menos
concentrada en el centro y ms repartida entre las colas. Cuando el nmero de
grados de libertad es grande, la distribucin t pasa a confundirse con la normal..

Calcular :

a. El rea a la derecha de t es 0,025 y n=
b. El rea a la derecha de t es 0,8 y n=
c. El rea a la izquierda de t es 0,95 y n=
d. El rea a la izquierda de t es 0,05 y n=
e. La suma de las reas a la derecha de t y a la izquierda de t es 0,1 y n=
f. El rea entre t y t es de 0,95 y n=
g. El rea a la derecha de t es 0,23 y n=