UNIVERSIDAD AUTONOMA DE BUCARAMANGA

VICERRECTORIA ACADEMICA. DEPARTAMENTO DE MATEMATICAS Y C. N.

ESTADISTICA DESCRIPTIVA. PROFESORA: CECILIA BRICEÑO PINEDA
RESUMEN DE CLASE.

DISTRIBUCION DE PROBABILIDAD VARIABLES ALEATORIAS CONTINUAS

Distribución de probabilidad para variable aleatoria continua

Para un variable continua hay infinitos valores posibles de la variable y entre cada dos
de ellos se pueden definir infinitos valores más. En estas condiciones no es posible
deducir la probabilidad de un valor puntual de la variable; como se puede hacer en el
caso de va discretas, pero es posible calcular la probabilidad acumulada hasta un cierto
valor (función de distribución de probabilidad), y se puede analizar como cambia la
probabilidad acumulada en cada punto (estos cambios no son probabilidades sino otro
concepto: la función de densidad.)

Una diferencia fundamental entre las variables aleatorias discretas y las variables
aleatorias continuas es como se calculan las probabilidades. En las va discretas la
función de probabilidad F(x) da la probabilidad de que la variable aleatoria tome un
valor determinado. En las va continuas, la contraparte de la función de probabilidad es
la función de densidad de probabilidad, que también se denota F(x). La diferencia está
en que la función de densidad de probabilidad no da directamente probabilidades, sino
que el área bajo la curva de F(x) que corresponde a un intervalo determinado
proporciona la probabilidad de que la variable aleatoria tome uno de los valores de ese
intervalo. De manera que cuando se calculan probabilidades de va aleatorias continuas
se calcula la probabilidad de que la va tome algunos de los valores dentro de un
intervalo. Como en cualquier punto determinado el área bajo la grafica de F(x) es cero,
una de las consecuencias de la definición de la probabilidad de una va continua es que
la probabilidad de cualquier valor determinado de la va es cero.

En el caso de variable continua la distribución de probabilidad es la integral de la

función de densidad, por lo que tenemos entonces que:

Sea X una va continua, una distribución de probabilidad o función de densidad de

probabilidad (FDP) de X es una función f(x) tal que, para cualesquiera dos números a y
b siendo a ≤ b.
La gráfica de f(x) se conoce a veces como curva de densidad, la probabilidad de que X
tome un valor en el intervalo [a,b] es el área bajo la curva de la función de densidad;
así, la función mide concentración de probabilidad alrededor de los valores de una
variable aleatoria continua.

P ( a ≤ X ≤ b) = área bajo la curva de f(x) entre a y b

Para que f(x) sea una FDP (FDP = f(x)) legítima, debe satisfacer las siguientes dos
condiciones:

1. f(x) ≥ 0 para toda x.

∞

2. ∫ f ( x) = 1
−∞

Ya que la probabilidad es siempre un número positivo, la FDP es una función no

decreciente que cumple:

1. Es decir, la probabilidad de todo el espacio muestral es 1.

2. Es decir, la probabilidad del suceso nulo es cero.

 DISTRIBUCION DE PROBABILIDAD NORMAL

En estadística y probabilidad se llama distribución normal, distribución de Gauss o

distribución gaussiana, a una de las distribuciones de probabilidad de variable continua
que con más frecuencia aparece en fenómenos reales.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica

respecto de un determinado parámetro. Esta curva se conoce como campana de
Gauss.

Función de densidad

Se dice que una variable aleatoria continua X sigue una distribución normal de
parámetros μ y σ y se denota X~N(μ, σ) si su función de densidad está dada por:

donde μ (mu) es la media y σ (sigma) es la desviación típica (σ2 es la varianza).[5]

Se llama distribución normal "estándar" a aquélla en la que sus parámetros toman los
valores μ = 0 y σ = 1.
Propiedades

Algunas propiedades de la distribución normal son:

1. Toda la familia de distribuciones normales se diferencia por medio de dos

parámetros: la media µ y la desviación estándar σ
2. El punto mas alto de una curva normal se encuentra sobre la media, la cual
coincide con la mediana y la moda.
3. Es simétrica respecto de su media, μ;
4. La desviación estándar determina que tan plana y ancha es la curva normal.
5. 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 y a la izquierda de la media es 0.5 y el área bajo la curva y a la derecha de
la media es 0.5.
6. Distribución de probabilidad en un entorno de la media:

 en el intervalo [μ - σ, μ + σ] se encuentra comprendida, aproximadamente, el

68,26% de la distribución;
 en el intervalo [μ - 2σ, μ + 2σ] se encuentra, aproximadamente, el 95,44% de
la distribución;
 por su parte, en el intervalo [μ -3σ, μ + 3σ] se encuentra comprendida,
aproximadamente, el 99,74% de la distribución. Por otra parte, el hecho de
que prácticamente la totalidad de la distribución se encuentre a tres
desviaciones típicas de la media justifica los límites de las tablas empleadas
habitualmente en la normal estándar.

Distribución de probabilidad alrededor de la media en una distribución N(μ, σ).

DISTRIBUCION DE PROBABILIDAD NORMAL ESTANDAR

Una variable aleatoria que tiene una distribución normal con una media cero y con una
desviación estándar igual a uno, tiene 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.

Como consecuencia de la Propiedad 1, es posible relacionar todas las variables

aleatorias normales con la distribución normal estándar.

X−µ
Si X ~ N(μ,σ2), entonces Z= σ
es una variable aleatoria normal
estándar: Z ~ N(0,1).

La transformación de una distribución X ~ N(μ, σ) en una N(0, 1) se llama

normalización, estandarización o tipificación de la variable X.

A la inversa, si Z es una distribución normal estándar, Z ~ N(0,1), entonces

X = σZ + μ es una variable aleatoria normal tipificada de media μ y varianza σ2.

La distribución normal estándar está tabulada y las otras distribuciones normales
pueden obtenerse como transformaciones simples, como se describe más arriba, de la
distribución estándar. De este modo se pueden usar los valores tabulados de la función
de distribución normal estándar para encontrar valores de la función de distribución de
cualquier otra distribución normal.
EJEMPLOS:

1. De acuerdo con Sleep Foundation, en promedio se duermen 6.8 horas por

noche. Suponga que la desviación estándar es 0.6 horas y que la distribución de
probabilidad es normal.

Población: la población humana

X: Tiempo diario de sueño en la noche. Distribución Normal
µ= 6.8 horas por noche
σ= 0.6 horas
X ~ N(6.8, 0.6)

a. ¿Cuál es la probabilidad de que una persona seleccionada al azar duerma entre

6.3 y 8 horas?

P(6.3≤ X ≤8 ) = ¿?

0.29673
.
0 477
25

8.0
6.3 6.8
Z
-0.83 0 2.0

X−µ 6.3−6.8
Z6.3 = σ
= 0.6
= -0.83, entonces el área= 0.29673

X−µ 8.0−6.8
Z8.0 = σ
= 0.6 = 2.0, entonces el área= 0.47725

El área total= 0.29673 + 0.47725 = 0.77398 = 77.39%

La probabilidad de que una persona seleccionada al azar duerma entre 6.3

y 8 horas es 77.39%
b. ¿Cuál es la probabilidad de que una persona seleccionada al azar duerma mas de
8.2 horas?

P(X≥8.2)=?

0.4901
0.0099

6.8 8.2

Z
0 2.0

X−µ 8.2−6.8
Z8.2 = σ
= 0.6
= 2.33, entonces el área= 0.49010.

Entonces, el área solicitada es igual a 0.5-0.4901 = 0.0099 = 0.99%

c. ¿Qué porcentaje de las personas dormirá más de 5.5 horas?

P ( X ≥5.5 ) ¿?

0.48461 0.5

5.5
6.8
Z
-2.16 0

X−µ 5.5−6.8
Z5.5 = σ
= 0.6 = -2.16 , entonces el área= 0.48461.

Entonces, el área solicitada es igual a 0.48461 + 0.5 = 0.98461 = 98.46%

 El porcentaje de las personas dormirá más de 5.5 horas 98.46%

d. ¿Qué porcentaje de las personas dormirá entre 5.5 y 6.5 horas de 5.5 horas?

P(5.5≤ X ≤ 6.5 ) = ¿?

0
.
0.
48
46
1
5.5 6.5 6.8

Z
-2.16 -0.5 0

X−µ 5.5−6.8
Z5.5 = σ
= 0.6 = -2.16, entonces el área= 0.48461

X−µ 6.5−6.8
Z6.5 = σ
= 0.6
= -0.5, entonces el área= 0.19146

El área total= 0.48461 - 0.19146 = 0.29315 = 29.31%

La probabilidad de que una persona seleccionada al azar duerma entre 5.5

y 6.5 horas es 29.31%
e. Los médicos aconsejan dormir entre 7 y 9 horas por noche. ¿Qué porcentaje de
la población duerme esta cantidad?

P(7≤X≤9) =

xxx

7.0 9.0
6.8
Z
0 0.33 3.66

X−µ 7−6.8
Z7 = σ
= 0.6
= 0,3333 entonces el área= 0.12930

X−µ 9−6.8
Z9 = σ
= 0.6
= 3.66 entonces el área= 0.49987

El área total= 0.49987 - 0.1293 = 0.37057 = 37.05%

La probabilidad de que una persona seleccionada al azar duerma entre 7 y

9 horas es 37.05%
f. ¿Cuánto dormirá el 10% de las personas que menos tiempo dedican a dormir?

0.10
0.40

X= 6.8
Z
1.28 0

X= µ- zσ

X = 6.8 - (1.28)(0.6) = 6.032 horas

El 10% de las personas duermen menos de 6.032 horas

g. ¿Qué tiempo dormirá el 5% de las personas que mas duermen durante la noche?

0.5 0.45

0.05
0.05
X1
6.8
Z
0 1.64

XXX
X1 = µ + zσ
 X1 = 6.8 + (1.64)(0.6) = 7.784 horas

El 5% de las personas duermen mas de 7.784 horas

2. Andrés tiene un restaurante de comidas rápidas a la salida del estadio.

Sabe que sus ventas siguen una distribución normal, con un promedio de 600
perros calientes al día y una desviación standar de 45. Andrés está considerando
que cantidad de perros debe preparar para la próxima temporada de futbol, ya que
se prevé que la asistencia a los partidos será numerosa y esto le traerá grandes
ventajas.

X : Cantidad de perros que se deben preparar

µ= 600 perros calientes
σ= 45 perros calientes
X ~ N(600, 45)

a. ¿Qué porcentaje de las ventas se cubrirá si tiene listos 720 perros calientes?

0.5 0.49609

XXX

720
600
Z
0 2.66
XXX

X−µ 720−600
Z720 = σ
= 45
= 2.66 entonces el área= 0.49609

Entonces, el área final que se necesita es 0.5+0.49609 = 0.99609

 Con 720 perros calientes se cubre el 99.60% de las ventas.

b. ¿Cúal es la probabilidad de que venda mas de 700 perros calientes en esta

temporada?

P(X≥700)=?

0.5 0.48679

0.01321

700
600
Z
0 2.22
XXX

X−µ 700−600
Z700 = σ
= 45
= 2.22 entonces el área= 0.48679

Entonces, el área final que se necesita es 0.50-48679 = 0.01321 = 1.32%

La probabilidad de que venda más de 700 perros calientes en esta temporada es de

1.32%

c. ¿Cúal es la probabilidad de que venda entre 550 y 680 perros calientes en esta
temporada?

P(550≤X≤680)=?

0.36650 0.4616
 680
550 600
Z
-1.11 0 1.77

X−µ 550−600
Z550 = σ
= 45
= -1-11 entonces el área= 0.36650

X−µ 680−600
Z680 = σ
= 45
= 1.77 entonces el área= 0.46164

El área total= 0.36650 + 0.46164 = 0.82814 = 82.81%

La probabilidad de que venda entre 550 y 680 perros calientes en esta

temporada es de 82.81%

d. ¿De cuántos perros calientes debe proveerse para alcanzar ventas del 90%
durante esta temporada?

0.5 0.4

X
600
Z
0
1.28

X = µ + zσ
X = 600 + (1.28)(45) = 657,6. Es decir, 656 perros calientes.
3. VIVIR vende planes de pensiones vitalicias, de pago anual durante toda la
vida de los suscriptores. Se ha determinado que la vida de los suscriptores sigue
aproximadamente una distribución normal con una media de 72 años y una
desviación estándar de 4.7 años.

a. ¿Cuál es la probabilidad de que un suscriptor del plan reciba pagos después

de los 65 años?

X−µ
Z= σ
µ=72 años
σ =4.7 años
0.29673 0.
47
X ~ N (72, 4.7) 72
5 76.7
67.3 72
P (65≥ X) = ¿? Z
-0.83 0

X−µ 65−72
Z65 = σ
= 4.7
= -1.4893, entonces el área= 0.43056

Entonces, el área solicitada es igual a 0.5+0.43056 = 0.93056 = 93.05%

b. ¿Qué porcentaje de los suscriptores recibirá pagos antes de los 70 años?

P (70≤ X) = ¿?
 X−µ 70−72
Z70 = σ
= 4.7
= -0.4255, entonces el área= 0.16276

Entonces, el área solicitada es igual a 0.5-0.16276 = 0.33724 = 33.72%

c. ¿Qué porcentaje de los suscriptores recibirá entre los 68 y 75 años?

P (68≤ X ≤75) = ¿?

X−µ 68−72
Z68 = σ
= 4.7
= -0.85, entonces el área= 0.30234

X−µ 75−72
Z75 = σ
= 4.7 = 0.63, entonces el área= 0.23565

El área total= 0.30234 + 0.23565= 0.53799 = 53.79%

d. ¿Qué porcentaje de los suscriptores recibirá entre los 69 y 76 años?

P (69≤ X ≤76) = ¿?

X−µ 69−72
Z69 = σ
= 4.7 = -0.63, entonces el área=0.23565

X−µ 76−72
Z76 = σ
= 4.7
= 0.85, entonces el área= 0.30234

El área total= 0.30234 + 0.23565= 0.53799 = 53.79%

e. ¿Cuál es la edad que tendrá el 10% de los suscriptores del plan más jóvenes?

X= µ- zσ

X = 72 - (1.28)(4.7) = 65.984
 f. ¿Cuál es la edad que tendrá el 70% de los suscriptores del plan?

X= µ- zσ

X = 72 + (0.53)(4.7) = 74.491

g. ¿Cuál es la edad máxima de los suscriptores del plan?

X= µ- zσ

X = 72 + (4)(4.7) = 91

Nota: Teoría y problemas tomados de:

 ESTADISTICA para Administración y Economía, ANDERSON, SWEENEY, WILLIAMS. Cengage Learning Editores. 10ª Edicion.
2008
 es.wikipedia.org/wiki/Distribuciones_continuas
 es.wikipedia.org/wiki/Distribuci%C3%B3n_normal

Nota: Teoría y problemas tomados de:

 ESTADISTICA para Administración y Economía, ANDERSON, SWEENEY,
WILLIAMS. Cengage Learning Editores. 10ª Edicion. 2008
 es.wikipedia.org/wiki/Distribuciones_continuas
 es.wikipedia.org/wiki/Distribuci%C3%B3n_normal