Matemticas PSU

D-6

PREUNIVERSITARIO

Matemtica 2015
Datos y Azar

Gua Terico-Prctica D-6

Variable Aleatoria continua

Funcin de densidad de probabilidad
Distribucin Normal y de Bernoulli

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Variable Aleatoria Continua

Al igual que para la variable aleatoria discreta, la funcin de probabilidad de la
variable aleatoria continua describe cmo se distribuyen las probabilidades para
cada uno de los valores que sta puede adoptar. Dicha funcin recibe el nombre de
funcin de densidad de probabilidad (o simplemente funcin de densidad), f(x).
Dado que los elementos del dominio de f(x) son valores continuos, su grfica se
representa mediante una curva en el plano cartesiano, donde el rea bajo la curva
entre dos puntos a y b representa la probabilidad de que la variable aleatoria tome
un valor comprendido en dicho intervalo, tal como muestra la figura 1.

f(x)

P(a<x<b)

Recuerda que, al igual que para una variable aleatoria discreta, el dominio de la
variable aleatoria continua corresponde al espacio muestral del experimento y su
recorrido corresponde a los valores que sta puede tomar (dependiendo de cmo se
defina). Por otra parte, el dominio de la funcin de densidad de probabilidad
corresponde al recorrido de la variable aleatoria, mientras que su recorrido
corresponde a la probabilidad asociada a cada uno de los elementos del dominio, es
decir, a los reales comprendidos entre 0 y 1.
Como consecuencia de lo anterior, para que f sea funcin de densidad de
probabilidad se deben cumplir dos aspectos importantes:
1. f(x) debe ser positivo o cero para todos y cada uno de los elementos del dominio
de f. Esto porque por la propia definicin, la probabilidad de un suceso toma valores
entre 0 y 1, nunca negativos.
2. El rea bajo la curva de f en su dominio debe ser 1. Esto porque, por definicin,
la suma de las probabilidades asociadas a cada uno de los elementos del dominio de
f debe ser la unidad (o el 100 %).
Si la grfica de f no cumple con alguno de los puntos mencionados, entonces no se
trata de una funcin de densidad de probabilidad.

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Ejemplo: Verifica si la funcin de la grfica es una funcin de probabilidad de una

variable aleatoria continua
f(x)

0,5

-0,5

0,5

1,0

Cul es la probabilidad de que X tome valores mayores o iguales que 0?

Cul es la probabilidad de que X tome valores menores o iguales que 0?
Dichas probabilidades corresponden al rea bajo la curva descrita a la derecha e
izquierda del eje de las ordenadas respectivamente, esto es, P(X 0) = 0,75 ,
mientras que P(X 0) = 0,25.
Otro aspecto importante de destacar de una variable aleatoria continua, es que la
probabilidad de que sta tome un valor en particular a es 0, es decir, P(X = a) = 0.
La justificacin es sencilla: suponga que se escoge un estudiante en particular de un
colegio y se mide su estatura. Nos preguntamos cul es la probabilidad de que dicho
estudiante mida exactamente 1,71 m. Pues bien, como se explic anteriormente, la
exactitud de la medicin depender del instrumento utilizado, de modo que un
estudiante que eventualmente mide 1,71 m de altura, con otro instrumento de
medicin puede medir 1,712 m, con otro 1,7129 m, pero nunca llegaremos a un
valor exacto.
Como consecuencia de lo anterior, la probabilidad de que una variable aleatoria
continua tome valores dentro de un intervalo es la misma tanto si se considera uno,
alguno o ambos extremos del intervalo, esto
es, P(a < X < b) = P(a X b) = P(a X < b) = P(a < X b).

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Dado que la probabilidad de que una variable aleatoria continua tome un

valor en particular es 0, se cumple que:
P(a < X < b) = P(a X b)
= P(a X < b)
= P(a < X b)
Ejercicios Propuestos
1. Cul(es) de las siguientes funciones puede(n) ser funcin de densidad de
una variable aleatoria continua?
a) f(x) = 0, 5, con x

[-1, 1]

b) f(x) = x - 1, con x

c) f(x) = -1, con x

d) f(x) =

con x

[1, 3]

[-1, 0]

[-1, 1]

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

2. La probabilidad de que una variable aleatoria continua tome valores dentro de

un intervalo, se puede calcular como el rea bajo la curva de su funcin de
densidad para ese intervalo.
A partir de la grfica de la funcin de densidad de una variable aleatoria
continua X , Cul es la probabilidad que tome valores en el intervalo
[ 0,6 ; 1,4]?

A)
B)
C)
D)
E)

0,4
0,46
0,54
0,60
0,24

3. Sea f la funcin de densidad de una variable aleatoria continua X. cul es la

probabilidad de que X pertenezca al intervalo [0,1]?

A)
B)
C)
D)
E)

0,125
0,325
0,375
0,625
0,750

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Distribucin normal

La distribucin normal(o gaussiana) es aquella en que los datos de una

variable aleatoria continua se concentran alrededor de la media con cierta
desviacin estndar (tpica) . Se escribe N(,) y su grafica se conoce
como la campana de Gauss

2 x
1

f (x )
e 2
2

Media :

Varianza : 2

Cuando la poblacin se distribuye N(,) , se puede asegurar que:

Aproximadamente
el 95,45%
de la poblacin se encuentra en el intervalo
Aproximadamente el 68,27% 68,3% de la poblacin se encuentra
en el intervalo
]-,+ 95,5%
[

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

]-2,+2 [

Aproximadamente el 99,7% de la poblacin se encuentra en el intervalo

]-3,+3 [

Ejercicios Resueltos
1. La estatura de los integrantes de una delegacin de 180 deportistas se
describe aproximadamente con una distribucin normal N( 184, 9)
a)Cul es aproximadamente el porcentaje de deportistas en la delegacin
cuya estatura es mayor a 175cm?
Aproximadamente - = 184-9=175
y + = 184+9=193
La estatura en cm del 68,3% de los deportistas se encuentra entre ]175,193[

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

b)Cuntos deportistas aproximadamente son de estatura mayor que 157cm

y menor que 211cm?
Aproximadamente -3 = 18427=157
y +3 = 184+27=211
La estatura en cm del 99,7% de los
deportistas se encuentra entre ]
157,211[

Ejercicios PSU DEMRE 2015

Sea X una variable aleatoria continua, tal que X N(, 2), donde se sabe que
P(X + ) = 0,6826 y P(2X + 2) = 0,9545. Cul es el valor de
P(+ X + 2)?
A) 0,13595
B) 0,2719
C) 0,86405
D) 0,81855
E) Ninguno de los anteriores.

Estandarizacin (Tipificacin)
PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Existen
muchos
fenmenos
reales
que
pueden
representarse
estadsticamente mediante la distribucin normal. No obstante el anlisis
matemtico solo se considera para la distribucin normal tipificada(es decir
de promedio (media) 0 y de desviacin estndar 1).Para el estudio de una
distribucin estndar de media y desviacin estndar , esta se puede
transformar en una distribucin normal tipificada realizando un cambio de
variable, para luego aplicar todo el anlisis valido para este tipo de
distribucin
Cualquier variable X que se distribuya N(,) puede transformarse a una
variable Z de distribucin N(0,1) mediante el siguiente cambio de variable
X
Z

Existe una tabla que permite conocer el rea bajo la curva hasta cualquier valor de la
variable, lo que indica directamente la proporcin de datos que son menores o iguales que
dicho valor

Ejemplo:
Se mide la masa en gramos de los huevos producidos en un gallinero. S
dichas masas se distribuyen de forma normal con =54 g y =16 g, cul es
la probabilidad de que al elegir aleatoriamente un huevo su masa sea menor
que 52 g.
Sea X: masa de los huevos producidos en un gallinero, entonces X se
distribuye normal con media =54 g y desviacin estndar =16 g y se
denota N (54,16)
Para calcular P(X<52) se tipificara la variable X

Primero se realiza el cambio de variable ,

52 54 1
Z

0,125
16
8
Determinamos el valor de Z para un X=52,
Z

As P(X<52)=P(Z<-0,125)=P(Z>0,125)
Luego P(Z>0,125)=1- P(Z<0,125)
= 1 0,54975
= 0,45025

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Ejercicios Propuestos
1. Calcula , utilizando la tabla los valores de Z ,las siguientes probabilidades
a) P(Z<0,02)=
b) P(Z1,47)=
c) P(Z-1,02=

2. La masa promedio de un grupo de cargas es 148 Kg y su desviacin

estndar es de 10Kg. Si se sabe que las masas se distribuyen normal,
cul es la probabilidad de que la masa de una carga seleccionada
aleatoriamente sea mayor que 140kg?

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

10

Intervalo de Confianza
Un intervalo de confianza es un rango de valores que probablemente contiene al
valor del parmetro que se quiere estimar. Los valores que establecen los lmites
del intervalo de confianza se denominan lmites de confianza, y el nivel de
confianza es la probabilidad de que el intervalo calculado contenga al verdadero
valor del parmetro. As, un intervalo de confianza de (1- )100% para le media
de poblacin , con dada , es:

,
x

1
1
n
n
2
2
IC()=

Donde n es el tamao de la muestra y

x es su promedio

Ejemplo:
1. Si el tiempo en minutos de atencin se distribuye N(,4),construye un intervalo
de confianza al 95% para el tiempo de atencin (). Para esto considera una
muestra aleatoria de 100 clientes, el tiempo promedio de atencin es de 8
minutos.
Datos:

2. Ejemplo PSU DEMRE 2015

La cantidad de televisores por familia en una ciudad, se modela por medio de una
distribucin normal con media y varianza 0,25. Se toma una muestra aleatoria de
100 familias de esta ciudad, obtenindose una media de 2,75 televisores. Para los
resultados de esta muestra, cul de los siguientes intervalos es el intervalo de
confianza de nivel 0,95 para ?

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

11


A)

1
1
2
,
75

1
,
96

;
2
,
75

1
,
96

40
40

B)

1
1
2
,
75

0
,
95

;
2
,
75

0
,
95

200
200
1
1

1
,
96

;
1
,
96

400
400
1
1

0,95 20 ; 0,95 20

C)
D)

E)

1
1
2
,
75

1
,
96

;
2
,
75

1
,
96

20
20

Distribucin Binomial
Un experimento sigue el modelo de distribucin binomial si:
i.
ii.
iii.

En cada ensayo son posibles solo dos resultados(xito o fracaso)

La probabilidad de un suceso(xito o fracaso) es contante en cualquier ensayo
El resultado en cada ensayo es independiente de los anteriores

La funcin de probabilidad de una distribucin binomial, denotada por B(n,p), donde

n es el nmero de ensayos, p es la probabilidad de xito y x el valor de la variable
aleatoria X, es:

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

12

 n
n x
p x 1 p
x

P( X x)

con xn,

x 0 , n , 0 p 1

La funcin de distribucin acumulada de la distribucin binomial es:

n
n
n
n
n 1
n x
p 0 1 p p1 1 p .... p x 1 p
0
1
x

P( X x)
Ejemplo:

1. La probabilidad de que un celular sea aprobado por un control de calidad en

una industria, antes de salir al mercado, es 0,6
Determina la probabilidad de que exactamente 2 de 6 celulares sean aprobados
por el control de calidad

Determina la probabilidad de que entre cuatro celulares, ms de 2 sean aprobados

2. La probabilidad de aprobar una asignatura es 0,7. Entonces la probabilidad de

que 3 de 5 estudiantes aprueben la asignatura es:
A) 0,3087
B) 0,1323
C) 0,3125
D) 0,6913
E) 0,6666
PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

13

3. Un estudiante contesta al azar una evaluacin de 15 preguntas y 5 alternativas

cada una. Cul es la probabilidad de que responda correctamente 6
preguntas?

A)

15
9
0,2 6 0,8
6

B)

15
6
0,2 9 0,8
6

C)

15
10
0,2 5 0,8
5

D)

15
6
0,2 9 0,8
9

E)

15
9
0,5 6 0,5
6
Tabla de tipificacin para distribuciones normales (P(Z<z))

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

14

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

15