VARIABLE ALEATORIA CONTINUA

X
R Rx  R

W X(W) = x

Se llama variable aleatoria, a una variable estadística cuantitativa X definida en un espacio

muestral  que asocia a cada elemento del espacio muestral un valor real x = X(W).

Definición. Sea X una variable aleatoria continua. Se dice que la función f  x  es una función de
densidad (ley o distribución) de probabilidad si satisface las siguientes condiciones:

a. f x  0

b. Área de la región limitada entre la gráfica de la función f y el eje X es 1.(  f  x  dx  1 )


Área = 1
x

Ejemplos de función de densidad

1.-

f x  0
1
Area  base  altura  2   1
1/2 2

Por lo tanto es una función de densidad

1 2 x

2.- f x  0
1 base  altura 2 1
Area   1
2 2

1 2 x Por lo tanto es una función de densidad

 Distribución de probabilidad normal

Muchos fenómenos aleatorios vienen descritos de manera natural o normal por la distribución
normal de ahí que La distribución de probabilidad más usada para describir variables aleatorias
continuas es la distribución de probabilidad normal. La distribución normal tiene gran cantidad de
aplicaciones prácticas, en las cuales la variable aleatoria puede ser el peso o la estatura de las
personas, puntuaciones de exámenes, resultados de mediciones científicas, cantidad de colesterol
etc.

La función de densidad de la distribución normal está dado por:

2
1  x  
1   
f (x)   e 2  

2  
,  son la media y desviación estándar respectivamente de la población

. Puntos de
inflexión
.

Observaciones

1. La familia de distribuciones normales se diferencia por medio de dos parámetros: la media

 y su deviación estándar  .
2. El punto más alto de una curva normal se encuentra sobre la media, la cual coincide con

la mediana y la moda.

3. La media de una distribución normal puede tener cualquier valor: negativo, positivo o
cero.
4. Los puntos de inflexión se encuentran cuando x    
5. La función de densidad es asintótica con el eje X es decir jamás tienen contacto con dicho
eje
6. Es simétrica con respecto a la recta vertical x  
7. La desviación estándar determina qué tan plana y ancha es la curva normal. Desviaciones
estándar grandes corresponden a curvas más planas y más anchas, lo cual indica mayor
variabilidad en los datos.
8. Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas
bajo la curva normal. Toda el área bajo la curva de una distribución normal es 1. Como
esta distribución es simétrica, el área bajo la curva f(x) a la izquierda de la media es 0.50 y
el área bajo la curva f(x) a la derecha de la media es 0.50.

A continuación se presenta dos graficas con iguales medias y diferentes deviaciones

estándares.

Distribución de probabilidad normal estándar

Las variables aleatorias que tiene una distribución normal con una media cero y desviación
estándar de uno tienen una distribución normal estándar. Para designar esta variable
aleatoria normal se suele usar la letra z. Esta distribución tiene el mismo aspecto general
que cualquier otra distribución normal, pero tiene las propiedades especiales, μ = 0 y
σ = 1.
La función de densidad de la distribución normal estándar está dado por:

1
1  z2
f (z)  e 2
2
A continuación se muestra un ejemplo grafico que muestra la relación entre la distribución normal
y la distribución normal estándar:

Sea X: el peso de los recién nacidos durante un año en el hospital regional donde:

  3000 gr
  100 gr
Se selecciona un historial al azar hallar la probabilidad que:
a) El historial corresponda al peso del recién nacido con menos de 2940 gramos

 2940  3000 
P  x  2940  P z    P  z  0.6 =0.27425
 100

De la tabla de distribución normal estándar

Gráficamente se puede obtener visualizar
Gráfica de distribución
Normal. Media=0. Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1
0,2743

0,0
-0,6 0
z

b) El historial corresponda al peso del recién nacido entre 2920 y 3040 gramos

 2820  3000 3040  3000 

P  2820  x  3040  P  z   P  0.8  z  0.4
 100 100

 P  z  0.4  P  z  0.8
 0.65542  0.21186  0.44356

Gráfica de distribución
Normal. Media=0. Desv.Est.=1

0,4 0,4436

0,3
Densidad

0,2

0,1

0,0
-0,8 0 0,4
z
 c) El historial corresponda al peso del recién nacido como mínimo de 3060 gramos

 3060  3000 
P  x  3060  P  z    P  z  0.6
 100
 P  z  0.6  0.27425

Gráfica de distribución
Normal. Media=0. Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1
0,2743

0,0
0 0,6
z

Ejemplo 2. Suponga que el nivel de colesterol en cierta población se distribuye según un modelo
aproximadamente normal con media 210 mg/100 ml y una desviación típica de 15 mg/100 ml,
¿cuál es la probabilidad de que un individuo de esta población, seleccionado al azar presente un
nivel de colesterol inferior a 225 mg/100 ml?