Está en la página 1de 19

TEMA 6.

MODELOS DE PROBABILIDAD
CONTINUOS

6.1 Distribucin Normal


6.1.1 Momentos
6.1.2 Representacin grfica
6.1.3 Distribucin Normal tipificada
6.1.4 Uso de tablas
6.1.5 Aditividad
6.1.6 Aproximacin de una Binomial a Normal
6.1.7 Aproximacin de una Poisson a Normal

6.2 Distribuciones asociadas a la ley normal

1
3
1
6.1 Distribucin Normal

Una variable aleatoria continua, X, sigue una


distribucin normal de parmetros y

X N (; )
si su funcin de densidad es:

( x )2

1 2 2
f ( x) e
2

x
donde
0

Puede comprobarse que se verifica:

( x )2

1 2 2
f ( x) dx 2
e dx 1

1
3
2
6.1.1 Momentos

Funcin Generatriz de momentos

1
m(t ) E etX exp t 2t 2
2

Media

E[ X ]

Varianza

Var [ X ] 2

Desviacin tpica

Var[ X ]

1
3
3
6.1.2 Representacin grfica

Campana de Gauss

f(x)

0 x

f ( x) dx 1

Se verifica:
La curva es simtrica respecto a
La media, la moda y la mediana coinciden

1
3
4
Funcin de distribucin

x1
F ( x1) P( X x1) f ( x) dx

( x )2
x1
1 2 2
2
e dx

f(x)

x1

rea a la izquierda del punto x1

1
3
5
6.1.3 Distribucin Normal tipificada

Una variable aleatoria continua, X, sigue una


distribucin normal de parmetros = 0 y = 1

X N (0; 1)

si su funcin de densidad es:

x2
1 2
f ( x) e
2

E[X ] 0

D. T .[ X ] 1 Var [ X ] 2 1

Si X N ( ; ), entonces la variable aleatoria

X
Z N (0; 1)

1
3
6
Representacin grfica de la funcin de
densidad de la distribucin Normal tipificada

f(z)

f ( z ) dz 1

Se verifica:
La curva es simtrica respecto a 0
La media, la moda y la mediana coinciden

1
3
7
Funcin de distribucin de la
Normal tipificada

z1
F ( z1) P( Z z1) f ( z ) dz

z1 z2
1 2
2
e dz

f(z)

0 z1

rea a la izquierda del punto z1

1
3
8
6.1.4 Uso de tablas


P( Z z ) f ( z )dz
z

rea 1 rea

0 z

rea a la derecha del punto z

1
3
9
Ejemplo

Se sabe que la longitud de las alas extendidas de un


tipo de ave rapaz es una variable aleatoria que sigue una
distribucin Normal, de media 120 cm. y desviacin
tpica 8 cm.
1. Calclese la probabilidad de que la longitud de las
alas de un ave elegida al azar sea:
a.- Mayor de 130 cm
b.- Menor de 100 cm
c.- Est comprendido entre 110 y 130 cm
2. Obtener la longitud tal que solo el 10 % de las
aves tienen una longitud superior.

Solucin:
X N (120; 8)
1.
X 120 130 120
a. P( X 130) P
8 8
P( Z 1.25) 0.1056

1
4
0
100 120
b. P( X 100) P Z P( Z 2.5)
8
P( Z 2.5) 0.00621

110 120 130 120


c. P(110 X 130) P Z
8 8
P(1.25 Z 1.25) 1 2 P( Z 1.25)
1 2 0.1056 0.7888

2. P( X a ) 0.1
X 120 a 120
P P Z z1 0.1
8 8
a 120
z1 1.28 1.28
8
a 1.28 8 120 130.24

1
4
1
Ejemplos

Una de las mayores contribuciones a la contaminacin


atmosfrica es la provocada por los hidrocarburos
procedentes de los tubos de escape de los
automviles. Sea X: gramos de hidrocarburos
emitidos por un automvil por cada milla recorrida.

El plomo, como muchos otros elementos, est


presente en el medio natural. La revolucin industrial
y la llegada del automvil han incrementado la
cantidad de plomo en el medio hasta el punto de que
su concentracin puede alcanzar niveles peligrosos.
Sea X : concentracin de plomo en partes por milln
en la corriente sangunea de un individuo.

1
4
2
6.1.5 Aditividad

Sean k variables aleatorias, X1, X2,...,XK , que verifican:

Independientes entre s
Xi N ( ; ), i = 1, 2,k
i i

Sean k nmeros reales, a1, a2,, ak

Definimos la variable aleatoria X como:

X a1X1 a2 X 2 .... ak X k

En estas condiciones se verifica que la variable aleatoria


X sigue una distribucin Normal:

N a1 1 a2 2 .. a k k ; a1212 a22 22 .. ak 2 k2

1
4
3
6.1.6 Aproximacin de una binomial a una
Normal

Sea X una v.a. con distribucin Binomial

X B(n ; p )

Si se verifica que n es grande y p ni muy


grande ni muy pequeo :

n > 30 y 0.1 < p < 0.9

La Distribucin Binomial se aproxima a una


distribucin Normal de media np y varianza npq


X N np ; npq

X np
Z N (0; 1)
npq

1
4
4
6.1.7 Aproximacin de una Poisson a una
Normal

Sea X una v.a. con distribucin Binomial

X P ( )

Si se verifica que es grande :

10

La Distribucin de Poisson se aproxima a una


distribucin Normal de media y varianza

X N ;

X
Z N (0; 1)

1
4
5
Aproximaciones

N(np; npq) N(, )


NORMAL

0.1 < p < 0.9


y 10
n > 30

Aproximaciones

BINOMIAL POISSON
n > 30 y p < 0.1
B(n; p) o P( np)
np 5

1
4
6
6.2. Distribuciones asociadas a la ley Normal

6.2.1 Distribucin Chi-cuadrado

Si la variable aleatoria X N (0; 1) ,entonces:


X 2 12
Su cuadrado se distribuye segn una Chi-cuadrado con un
grado de libertad.

La suma de n v.a. independientes con distribucin Chi-


cuadrado se distribuye segn una Chi-cuadrado con
grados de libertad la suma de los grados de libertad
n

X i
2
n 2

i 1 ni
i 1

n x
1 1
f ( x) x2 e 2 x0
n
n
22
2

1
4
7
6.2.2 Distribucin t de Student

Si las variables aleatorias X N (0; 1) e Y n2


son independientes, entonces
X
U
Y
n
Se distribuye segn una t de Student de n grados de
libertad.

n 1 n 1
x2 2
f ( x) 1
2

n n
n
2

1
4
8
6.2.3 Distribucin F de Snedecor

Si las variables aleatorias X m


2 e Y n2
son independientes, entonces
X
U m
Y
n
Se distribuye segn una F de Snedecor de m y n grados
de libertad.

nm m 2 n 2
m n m 1

f ( x) 2 x2
x0
m n
m n
mx n 2
2 2

1
4
9