UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

INGENIERÍA EN ESTADÍSTICA
PROBABILÍSTICA 1
Grupo E

Estadística 002
Distribuciones De Probabilidad Continua
Economista: Fernanda Jaramillo
 DISTRIBUCIÓN NORMAL
Fórmula Características:

Variable aleatoria X ~ Distribución Normal= • La curva normal tiene forma de campana y

un solo pico en el centro de la distribución.

• La curva normal desciende suavemente en

ambas direcciones a partir del valor central.
Es asintótica, lo que quiere decir que la
curva se acerca cada vez más al eje X pero
jamás llega a tocarlo. Es decir, las “colas”
de la curva se extienden de manera
indefinida en ambas direcciones.
 PROPIEDADES GENERALES
DE LA DISTRIBUCIÓN
NORMAL
• Tiene forma de campana de Gauss, es decir, el valor de la
media hace que la campana se desplace a la izquierda y
derecha a lo largo del eje de las abscisas.
• El promedio se encuentra en el centro
• El área bajo la curva debe sumar 1. (100%)
• El área a cada lado de la curva es 0,5
• La probabilidad equivale al área bajo la curva
• No existe una única distribución normal, pues cada una está
determinada por una media μ y una desviación estándar σ.
Pero la ‘forma’ es común a todas ellas, simétricas y con un valor
de exceso de curtosis igual a cero.
APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A LA BINOMIAL
La distribución binomial como ya vimos es una distribución discreta y es fácilmente obtenida por la
fórmula ya presentada, pero una vez n alcance valores grandes usar la distribución binomial puede
derivar en un proceso largo. Por ello se suele usar esta aproximación, además de ser lúdica al
exponer el importante principio de que una distribución binomial se puede aproximar por medio de
distribución normal.

SE DEBE CUMPLIR LO SIGUIENTE :

Variables
• n= Tamaño de la muestra

• p= probabilidad de éxito
Reglas
• q= probabilidad de fracaso • n*p ≥ 5
• x= numero de éxitos • n(1 - p) ≥ 5
• µ= media (promedio) • p está próximo a 0,5
• 𝜎= desviación estándar
 FACTOR DE CORRECCIÓN DE CONTINUIDAD:

Dicho factor se aplica en los siguientes cuatro casos:

1. Para la probabilidad de que por lo menos ocurra X, se utiliza el área por
encima de
(X – .5).
2. Para la probabilidad de que ocurra más que X, se utiliza el área por encima
de
(X + .5).
3. Para la probabilidad de que ocurra X o menos, se utiliza el área debajo de (X
+ .5).
4. Para la probabilidad de que ocurra menos que X, se utiliza el área debajo de
(X – .5).
 FORMULAS DE
USO
Ejemplo
z= desviaciones

𝑥−𝜇 El 45% de todos los empleados de una

𝑧=
𝜎 dependencia pública poseen título que
los acredita para el puesto. ¿Cuál es la
probabilidad de que de los 160
Desviación estándar 𝜎: 𝑛 ⋅ 𝑝 ⋅ 𝑞 empleados elegidos al azar 75 posean
título para el puesto?
media µ: 𝑛 ⋅ 𝑝
Datos
• n: 160
• p: 0,45
• q: (1-0,45) = 0,55
• x: 75
 Solución
𝒏⋅𝒑
• 160⋅ 0,45 = 72 ≥5
n(1 - p) ≥ 5

• 160(1-0,45) ≥ 5
88 ≥ 5
Calculamos ahora los valores µ y 𝝈:
µ: 𝒏 ⋅ 𝒑
= 160 ⋅ 0,45 = 72
𝝈: 𝒏 ⋅ 𝒑 ⋅ 𝒒

= 160 ⋅ 0,45 ⋅ 0,55 = 6,29

 -

P (74,5 < x <75,5 )= 0,21226 -0,15542

=0,05684
= 5,68%
La probabilidad de que 75 empleados elegidos
aleatoriamente posean titulo para el cargo es de 5,68%
 0
0,01
0,02
0,03
0,04
0,05
0,06
0 0,07
2
4
6
8
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
57
59
61
63
65
67
69
71
72

73
75
77
79
81
83
85
SI n: 160

87
89
91
93
95
97
99
101
103
105
107
109
111
113
115
117
119
121
123
125
127
129
131
133
135
137
139
141
143
145
147
149
151
153
155
157
159
Nombre: Martha Llumigusin
 DISTRIBUCIóN GAMMA
 Es una distribución que permite modelar valores de datos positivos que sean asimétricos a la
derecha y mayores que 0.
Función GAMMA :
Fórmula de la DISTRIBUCIóN
GAMMA
 Propiedades de la
distribución gamma:
 DISTRIBUCIÓN
Gamma – gráficas:
 Ejemplo de calculo - Distribución
Gamma:
* En una ciudad se observa que el consumo diario de energía (en millones de kilowatt-hora) es una variable
aleatoria que sigue una distribución gamma con parámetros α=3 y β= 2, si la planta de energía que suministra la
ciudad tiene una capacidad diaria de generar un máximo de 12.
¿Cuál es la probabilidad de que haya un día donde no se pueda satisfacer la demanda?