Professional Documents
Culture Documents
DISTRIBUCION DE
PROBABILIDADES CONTINUAS
Cuando la variable aleatoria puede tomar cualquier
valor dentro de un rango o intervalo de valores
dado, le llamamos variable continua. As para
eventos continuos no es apropiado hablar de la
probabilidad de que ocurra
uno de ellos en
particular, porque la probabilidad es infinitamente
pequea. Ms bien se habla de la probabilidad e
de que ocurra un evento comprendido entre dos
puntosPor ejemplo las utilidades de una
compaa estn entre 1,000.00 y 2000.00 dlares.
DISTRIBUCIN NORMAL
DISTRIBUCIN NORMAL
Es la distribucin de probabilidades ms
importante e
en todo el campo de la
estadstica.
Su grfica, llamada curva normal; es la curva
en forma de campana que describe la
distribucin de los conjuntos de datos que
ocurren en la naturaleza, industria y la
investigacin.
DISTRIBUCIN NORMAL
IMPORTANCIA Y APLICACIONES DE LA
DISTRIBUCIN NORMAL
En resumen, la importancia de la distribucin
normal se debe principalmente a que hay muchas
variables asociadas a fenmenos naturales que
siguen el modelo de la normal.
Caracteres morfolgicos de individuos (personas,
animales, plantas,...) de una especie, por ejemplo
tallas,
pesos,
envergaduras,
dimetros,
permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de una
misma dosis de un frmaco, o de una misma
cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de
cierto producto por un mismo grupo de individuos,
puntuaciones de examen.
IMPORTANCIA Y APLICACIONES DE LA
DISTRIBUCIN NORMAL
FUNCION DE DENSIDAD
Definicin: Es una funcin no negativa de integral 1.
0.25
p ( a x b)
0.15
0.10
0.05
15
14
13
12
11
10
0.00
2
f ( x).dx
0.20
FUNCION DE DENSIDAD
La
Lacurva
curvanormal
normaladopta
adoptaun
unnmero
nmeroinfinito
infinitode
deformas,
formas,
determinadas
determinadaspor
porsus
susparmetros
parmetrosyyexpresada
expresada por
porlala
funcin
funcinde
dedensidad:
densidad: f(x)
f(x)==
1
e
e
donde:
1
-
2
xx
constante para
un dado
PARMETROS
CARACTERSTICAS DE LA DISTRIBUCIN
NORMAL
Tiene forma de campana,
es asinttica al eje de las abscisas
(para x = )
Simtrica con respecto a la media ( ) donde coinciden la mediana
(Mn) y la moda (Mo )
Los puntos de inflexin tienen como abscisas los valores
- , Mo, Mn +
Caractersticas de la distribucin
de probabilidad normal
La familia de la distribucin
de probabilidad normal
La familia de la distribucin
de probabilidad normal
La familia de la distribucin
de probabilidad normal
La distribucin normal
El rea bajo la curva normal y sobre el eje x es
estndar
igual a la
probabilidad de que la variable aleatoria x tome un valor dentro de
cierto intervalo. Para medir esta rea es necesario calcular la
integral de la funcin de la curva normal para un intervalo de
valores. Para evitar la dificultad de resolver integrales es necesario
tabular las reas que corresponden a cada valor de x. Como el
nmero de distribuciones normales es ilimitado sera una tarea sin
fin intentar establecer tablas para cada combinacin de y .
Afortunadamente, un miembro de la familia de las distribuciones
normales puede ser usado en todos los problemas donde la
distribucin normal es aplicable, esta es la distribucin normal con
media cero y desviacin estndar 1, la cual es llamada
distribucin normal estndar.
Cada distribucin normal deber estandarizarse, es decir,
transformarse a una distribucin normal estndar, utilizando un
valor z, o variable aleatoria estndar.
z=
x -
2 95 %
3 99 %
95%
68%
99%
68%
95%
-3
-2
-1
99%
0
z
1
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
00
0.0
0.0
0.1
0.1
0.2
0.2
0.3
0.3
0.4
0.4
0.5
0.5
11
22
33
44
55
66
77
88
99
.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 ....
.1179 .....
...... ......
.1554 ....
.....
.1915 ....
....
......
......
......
EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y 2.03?
2.-Cul es la probabilidad de que un
valor de z est entre -2.03 y +2.03?
3. Hallar P( z >1.25 )
EJEMPLO N 1
Cul es la probabilidad de que un valor de z est entre 0 y 2.03?
Se busca en la tabla el rea correspondiente a z = 2.03
1.8
1.9
2.0
0.47882
2.1
47. 88%
-3
-2
-1
z
3
EJEMPLO N 2
Cul es la probabilidad de que un valor de z est entre 0 y 2.03?
Cmo la curva es simtrica
P (-2.03 < z < 0) = P (0 < z < 2.03)
Es decir que:
la probabilidad (0 a -2.03)=
probabilidad (0 a +2.03)
?
-3
-2
-1
EJEMPLO N 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0
y 2.03= 0.4788
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.9576
?
95.76%
47.88%
-3
-2
-1
47.88%
0
z
3
EJEMPLO N 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
1.- La probabilidad de 0 < z < + = 0.500 (es decir la probabilidad entre 0 y +=
0.5
2.- La probabilidad de 0 < z < 1.25 = 0.39435 (probabilidad entre 0 y 1.25=0.3944
3.- La probabilidad de z > 1.25 =0.500 - 0.3944= 0.1056
50%
39.44%
10.56%
-3
-2
-1
1 z
EJEMPLO N
Hallar P(4-0.34 < z < )
P(-0.34 < z < 0) = 0.13307 = P(0 < z <0.34)
63.31%
13.31%
50%
z
-3
3
-2
-1
EJEMPLO N
5 < z < 2.30)
Hallar P( 0.34
35.62%
-3
-2
-1
z
3
EJEMPLO N 6
=4
= 1.5
Hallar P ( x > 6 )
x
z
0.5
0.40824
0.09176
?
-0.5
-3
1
-2
2.5
-1
4
0
5.5 6
1 1.33
x
7
2
8.5
3
EJEMPLO N 7
x=z+
Se busca en la tabla
de acuerdo al rea.
Con su signo
0.30x2+4 =4.60
38.20%
x=?
4.60
CASOS MS FRECUENTES.
La distribucin de la variable Z se encuentra tabulada
CASOS MS FRECUENTES.
CASOS MS FRECUENTES.
CASOS MS FRECUENTES.
Prctica
a)
b)
c)
d)
e)
ESTE EJEMPLO LO
RESOLVEREMOS CON UNA
TABLA DIFERENTE A LA QUE
TENEMOS EN CLASE (LA CUAL
SEALA LOS VALORES DE O A
Z). La tabla que se presenta
Solucin
a. Se dibuja la curva Normal con
los datos =115 y =12; x>120
Se calcula Z
x
z
= 120-115 =
12
5= 0.42
12
0.4
.3372
Solucin
1.25
.1056
x-
z=
122 115
=
0.58
.28096
= 0.58
12
Solucin
x -
z=
0.83
.20327
= 0.83
12
Soluci
Para encontrar el rea que se encuentra
ne)entre
x = 90 y x = 105, hay que encontrar en la
90 115
=
12
x-
105 115
=
2.08
.01876
0.83
.20327
= - 2.08
z=
= -0.83
12
APROXIMACION A LA NORMAL DE LA
DISTRIBUCIN BINOMIAL
APROXIMACION A LA NORMAL DE LA
DISTRIBUCIN BINOMIAL
La distribucin Binomial converge a la normal cuando n
tiende a (teorema de de Moivre, caso particular del teorema
central del lmite)
b 0 .5
n x n x
Moivre f ( x ) dx
lim C x p Abraham
q de
n a ,b
a 0.5 de las probabilidades
En su obra La doctrina
es N (np, npq)
a -0.5
b + 0.5
1.- np y nq 5
Factor de correccin por continuidad
EJEMPLO 1
- npq
>5
= np = 16
= npq = 3.1
SI np = 16
y nq = 24
6.7
7.5
9.8
8.5
12.9
16
EJEMPLO 2
Z2=(4.5-3)/15*0.2*0.8= 0.97---p(z1=0.97)=0.8340
p(1x4)=0.8340-0.0537=0.7803
EJEMPLO 3
P(x20)=1-0.8106=0.1894=18.94%
DISTRIBUCIONES
MUESTRALES
Distribucin normal estndar Z
Distribucin normal de
DISTRIBUCION DE
PROBABILIDADES MUESTRALES:
La distribucin de probabilidades de un
estadstico recibe el nombre de distribucin
muestral. As la distribucin de probabilidades
de X se llama distribucin muestral de la media.
La distribucin muestral de un estadstico
depende del tamao de la poblacin, el tamao
de la muestra y del mtodo de seleccin .
DISTRIBUCIN MUESTRAL DE LA
MEDIA
Independientemente de la forma de la
distribucin de una poblacin, la distribucin
de los valores medios de las muestras de
tamao n tomadas de esa poblacin tendr
una distribucin normal cuando n tiende al
infinito
TEOREMA DEL
LMITE CENTRAL
lim f ( S n ) N ( , )
S n X 1 X 2 ... X n
(x )
Zn
/ n
DISTRIBUCION DE
PROBABILIDADES MUESTRALES:
N 1
DISTRIBUCONES MUESTRALES
(x )
Zn
/ n
1/n= factor de correccin de la desviacin
=
x
EJEMPLO 1:
Solucin
a
EJEMPLO 2
Solucin
x 550 600
P( x 550) P(
)
x
100 25
P( z 2,5) 0,0062
DISTRIBUCIN
MUESTRAL
DE
LA
PROPORCIN
X np p p
z
npq
pq
n
EJEMPLO 3
Segn reportes del centro nacional para estadsticas de
salud, alrededor del 20 % de la poblacin masculina adulta
de los Estados Unidos es obesa. Se elige al azar una
muestra de 150 hombres adultos en los Estados Unidos.
Cul es la probabilidad de que:
a) Haya a lo ms 25 personas obesas?
b) Haya ms de 22 pero menos de 35 obesos?
c) Haya por lo menos un 25% de obesos en la muestra?
Solucin:
Sea X el nmero de personas obesas en la muestra.
Usando aproximacin normal a la Binomial se tiene que:
a)
b)
P X 25 P X 25.5 P Z
25.5 30
24
P Z 0.91 0.1814
22.5 30
P 22 X 35 P 22.5 x 34.5 P
24
34.5 30
24
37.5 30
p .25) P( X 37.5) P( Z
)
24
P(Z> 1.53) = 1-P(Z<1.53) = 1-.9730 = .0630.