Documentos de Académico
Documentos de Profesional
Documentos de Cultura
T.5. Distribuciones - Probabilidad - Continuas
T.5. Distribuciones - Probabilidad - Continuas
Estadística
CAFD
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Introducción
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Se selecciona un individuo al azar de una población muy grande formada por jóvenes de
entre 8 y 10 años. ¿Cuál es la probabilidad de que su peso esté entre 49.25 y 50.25 kg?
Se selecciona un individuo al azar de una población muy grande formada por jóvenes de
entre 8 y 10 años. ¿Cuál es la probabilidad de que su peso esté entre 49.25 y 50.25 kg?
Se selecciona un individuo al azar de una población muy grande formada por jóvenes de
entre 8 y 10 años. ¿Cuál es la probabilidad de que su peso esté entre 49.25 y 50.25 kg?
Se selecciona un individuo al azar de una población muy grande formada por jóvenes de
entre 8 y 10 años. ¿Cuál es la probabilidad de que su peso esté entre 49.25 y 50.25 kg?
N =100000
4000
3000
densidad
2000
1000
0
48 49 50 51 52
peso
La probabilidad de que la variable aleatoria tome un valor entre a y b es igual al área por
debajo de la función de densidad f (x )
fHxL
0.6 p [a ≤ X ≤ b ] ≡ área sombreada
0.5
0.4
0.3
0.2
0.1
x
a 1 b 3 4 5
La probabilidad de que la variable aleatoria tome un valor entre a y b es igual al área por
debajo de la función de densidad f (x )
fHxL
0.6 p [a ≤ X ≤ b ] ≡ área sombreada
0.5
0.4
Rb
0.3
p [a ≤ X ≤ b ] = p [a < X < b ] = a
f (x )dx
0.2
0.1
x
a 1 b 3 4 5
0.5 0.8
0.4
0.6
0.3
0.4
0.2
0.1 0.2
x x
1 x 3 4 5 1 x 3 4 5
0.5 0.8
0.4
0.6
0.3
0.4
0.2
0.1 0.2
x x
1 x 3 4 5 1 x 3 4 5
Matemáticamente:
Z x
F (x ) = p [X ≤ x ] = p [X < x ] = f (x )dx
−∞
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Introducción
Describe fenómenos en los que la variable aleatoria tiene una alta probabilidad
alrededor de cierto valor y va disminuyendo progresivamente a medida que nos
alejamos de dicho valor tanto para valores por encima como por debajo.
Introducción
Describe fenómenos en los que la variable aleatoria tiene una alta probabilidad
alrededor de cierto valor y va disminuyendo progresivamente a medida que nos
alejamos de dicho valor tanto para valores por encima como por debajo.
Medidas antropomórficas (peso, estatura, longitud de los huesos,...)
Introducción
Describe fenómenos en los que la variable aleatoria tiene una alta probabilidad
alrededor de cierto valor y va disminuyendo progresivamente a medida que nos
alejamos de dicho valor tanto para valores por encima como por debajo.
Medidas antropomórficas (peso, estatura, longitud de los huesos,...)
Puntuaciones de un examen, coeficiente de inteligencia...
Introducción
Describe fenómenos en los que la variable aleatoria tiene una alta probabilidad
alrededor de cierto valor y va disminuyendo progresivamente a medida que nos
alejamos de dicho valor tanto para valores por encima como por debajo.
Medidas antropomórficas (peso, estatura, longitud de los huesos,...)
Puntuaciones de un examen, coeficiente de inteligencia...
Errores en la toma de medidas
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
fHxL
X ∼ N (µ, σ)
1 1 x −µ 2
f (x ) = √ e− 2 ( σ)
σ 2π
µ : media
x
σ : desviación típica Μ-Σ Μ Μ+Σ
fHxL
X ∼ N (µ, σ)
1 1 x −µ 2
f (x ) = √ e− 2 ( σ)
σ 2π
µ : media
x
σ : desviación típica Μ-Σ Μ Μ+Σ
Propiedades
fHxL
X ∼ N (µ, σ)
1 1 x −µ 2
f (x ) = √ e− 2 ( σ)
σ 2π
µ : media
x
σ : desviación típica Μ-Σ Μ Μ+Σ
Propiedades
Es simétrica respecto a la media µ
fHxL
X ∼ N (µ, σ)
1 1 x −µ 2
f (x ) = √ e− 2 ( σ)
σ 2π
µ : media
x
σ : desviación típica Μ-Σ Μ Μ+Σ
Propiedades
Es simétrica respecto a la media µ
La media µ coincide con la mediana ⇐⇒ p [X ≤ µ] = 0,5
X ∼ N (µ, σ)
fHxL fHxL
x x
Μ-Σ Μ Μ+Σ Μ-Σ Μ Μ+Σ
Propiedades
Los valores más probables se encuentran entorno a la media. A medida que
nos alejamos de ella los valores son más improbables.
X ∼ N (µ, σ)
Propiedades
X ∼ N (µ, σ)
fHxL
68 %
x
Μ-Σ Μ Μ+Σ
Propiedades
Aproximadamente, el 68 % de los valores de X se separan como mucho 1σ de la media µ
X ∼ N (µ, σ)
fHxL fHxL
68 % 95 %
x x
Μ-Σ Μ Μ+Σ Μ-2Σ Μ Μ+2Σ
Propiedades
Aproximadamente, el 68 % de los valores de X se separan como mucho 1σ de la media µ
Aproximadamente, el 95 % de los valores de X se separan como mucho 2σ de la media µ
X ∼ N (µ, σ)
68 % 95 % 99 %
x x x
Μ-Σ Μ Μ+Σ Μ-2Σ Μ Μ+2Σ Μ-3Σ Μ Μ+3Σ
Propiedades
Aproximadamente, el 68 % de los valores de X se separan como mucho 1σ de la media µ
Aproximadamente, el 95 % de los valores de X se separan como mucho 2σ de la media µ
Aproximadamente, el 99 % de los valores de X se separan como mucho 3σ de la media µ
0.1
x
-4 -2 2 4 6
0.1
x
-4 -2 2 4 6
fHxL
0.4
0.3
N (0, 1) [curva roja]
0.2 N (0, 2) [curva verde]
0.1
N (0, 3) [curva azul]
x
-6 -4 -2 2 4 6
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
0.8
0.3
0.6
0.2
0.4
0.1
0.2
x x
-4 -3 -2 a 0 1 2 3 4 5 -4 -3 -2 a 0 1 2 3 4 5
F (a ) ≡ región sombreada
Ra Ra 1 x −µ 2
F (a ) = p [X ≤ a ] = −∞ f (x )dx = −∞ √1 e − 2 ( σ ) dx
σ 2π
0.8
0.3
0.6
0.2
0.4
0.1
0.2
x x
-4 -3 -2 a 0 1 2 3 4 5 -4 -3 -2 a 0 1 2 3 4 5
F (a ) ≡ región sombreada
Ra Ra 1 x −µ 2
F (a ) = p [X ≤ a ] = −∞ f (x )dx = −∞ √1 e − 2 ( σ ) dx
σ 2π
0.8
0.3
0.6
0.2
0.4
0.1
0.2
x x
-4 -3 -2 a 0 1 2 3 4 5 -4 -3 -2 a 0 1 2 3 4 5
F (a ) ≡ región sombreada
Ra Ra 1 x −µ 2
F (a ) = p [X ≤ a ] = −∞ f (x )dx = −∞ √1 e − 2 ( σ ) dx
σ 2π
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
p (Z ≤ 1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
1.45 1.45
p (Z ≤ 1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
1.45 1.45
p (Z ≤ 1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
1.45 1.45
p (Z ≤ 1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
1.45 1.45
p (Z > 1,45)
0.2
≡ 0.2
− 0.2
0.1 0.1
0.1
z
1.45 z 1.45
p (Z > 1,45)
0.2
≡ 0.2
− 0.2
0.1 0.1
0.1
z
1.45 z 1.45
p (Z ≤ −1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
-1.45 -1.45
p (Z ≤ −1,45)
fHzL FHzL
0.4 1
0.8
0.3
0.6
0.2
0.4
0.1
0.2
z z
-1.45 -1.45
p (Z ≤ −1,45)
fHzL fHzL
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
z z
-1.45 ≡ 1.45
p (Z ≤ −1,45)
fHzL fHzL
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
z z
-1.45 ≡ 1.45
p (1,25 ≤ Z ≤ 2,57)
0.2
≡ 0.2
− 0.2
z z
1.25 2.57 2.57 1.25
p (1,25 ≤ Z ≤ 2,57)
0.2
≡ 0.2
− 0.2
z z
1.25 2.57 2.57 1.25
p (1,25 ≤ Z ≤ 2,57)
0.2
≡ 0.2
− 0.2
z z
1.25 2.57 2.57 1.25
0.2
≡ 0.2
− 0.2
z z
-0.53 2.46 2.46 -0.53
0.2
≡ 0.2
− 0.2
z z
-0.53 2.46 2.46 -0.53
0.2
≡ 0.2
− 0.2
z z
-0.53 2.46 2.46 -0.53
Sea Z una variable aleatoria que se distribuye según N (0, 1). Calcular los
cuartiles Q1 , Q2 y Q3
p (Z ≤ Q1 ) = 0,25
fHzL FHzL
1
0.8
0.6
0.4
0.2
25 %
z z
Q1 Q1
Sea Z una variable aleatoria que se distribuye según N (0, 1). Calcular los
cuartiles Q1 , Q2 y Q3
p (Z ≤ Q1 ) = 0,25
fHzL FHzL
1
0.8
0.6
0.4
0.2
25 %
z z
Q1 Q1
Sea Z una variable aleatoria que se distribuye según N (0, 1). Calcular los
cuartiles Q1 , Q2 y Q3
p (Z ≤ Q1 ) = 0,25
fHzL FHzL
1
0.8
0.6
0.4
0.2
25 %
z z
Q1 Q1
p (Z ≤ Q2 ) = 0,5
fHzL FHzL
1
0.8
0.6
50 % 0.4
0.2
z z
Q2 Q2
p (Z ≤ Q2 ) = 0,5
fHzL FHzL
1
0.8
0.6
50 % 0.4
0.2
z z
Q2 Q2
p (Z ≤ Q2 ) = 0,5
fHzL FHzL
1
0.8
0.6
50 % 0.4
0.2
z z
Q2 Q2
p (Z ≤ Q2 ) = 0,5
fHzL FHzL
1
0.8
0.6
50 % 0.4
0.2
z z
Q2 Q2
p (Z ≤ Q3 ) = 0,75
fHzL FHzL
1
0.8
0.6
75 % 0.4
0.2
z z
Q3 Q3
p (Z ≤ Q3 ) = 0,75
fHzL FHzL
1
0.8
0.6
75 % 0.4
0.2
z z
Q3 Q3
p (Z ≤ Q3 ) = 0,75
fHzL FHzL
1
0.8
0.6
75 % 0.4
0.2
z z
Q3 Q3
p (Z ≤ Q3 ) = 0,75
fHzL FHzL
1
0.8
0.6
75 % 0.4
0.2
z z
Q3 Q3
Sea Z una variable aleatoria que se distribuye según N (0, 1). ¿Qué intervalo de
valores de Z entorno a la media tiene una probabilidad del 95 %?
p (z1 ≤ Z ≤ z2 ) = 0,95
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
Sea Z una variable aleatoria que se distribuye según N (0, 1). ¿Qué intervalo de
valores de Z entorno a la media tiene una probabilidad del 95 %?
p (z1 ≤ Z ≤ z2 ) = 0,95
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
Sea Z una variable aleatoria que se distribuye según N (0, 1). ¿Qué intervalo de
valores de Z entorno a la media tiene una probabilidad del 95 %?
p (z1 ≤ Z ≤ z2 ) = 0,95
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
Sea Z una variable aleatoria que se distribuye según N (0, 1). ¿Qué intervalo de
valores de Z entorno a la media tiene una probabilidad del 95 %?
p (z1 ≤ Z ≤ z2 ) = 0,95
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
p (Z ≤ z1 ) = 0,025
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
p (Z ≤ z1 ) = 0,025
Buscamos en las tablas, en la columna F , el valor 0,025
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
p (Z ≤ z1 ) = 0,025
Buscamos en las tablas, en la columna F , el valor 0,025
Se corresponde con un valor z2 = −1,96
95 % 97.5 %
2.5 %
z z z
z1 0 z2 0 z2 z1 0
p (Z ≤ z1 ) = 0,025
Buscamos en las tablas, en la columna F , el valor 0,025
Se corresponde con un valor z2 = −1,96
Es el valor simétrico de z2
Estadística (CAFD) Distribuciones de probabilidad continuas 31 / 48
Distribución normal Distribución normal tipificada
Las tablas de N (0, 1) nos permiten calcular probabilidades para una variable
Z que se distribuye según N (0, 1)
Las tablas de N (0, 1) nos permiten calcular probabilidades para una variable
Z que se distribuye según N (0, 1)
Si X ∼ N (µ, σ) con µ , 0, σ , 1 no disponemos de tablas.
Las tablas de N (0, 1) nos permiten calcular probabilidades para una variable
Z que se distribuye según N (0, 1)
Si X ∼ N (µ, σ) con µ , 0, σ , 1 no disponemos de tablas.
Hacemos un cambio de variable:
fHxL
1
NH0,0.5L
0.8
0.6
NH2,1L
0.4
NH-2,2L
0.2
x
-4 -2 0 2 4 6
fHxL
1 x −µ
NH0,0.5L z= σ
0.8
=⇒
0.6
NH2,1L
0.4
NH-2,2L
0.2
x
-4 -2 0 2 4 6
fHxL fHzL
1 x −µ 1
NH0,0.5L z= σ
0.8
=⇒ 0.8
0.6 0.6
NH2,1L NH0,1L
0.4 0.4
NH-2,2L
0.2 0.2
x z
-4 -2 0 2 4 6 -4 -2 0 2 4 6
fHxL fHzL
1 1
NH0,0.5L x −µ
0.8 z= σ 0.8
=⇒
0.6 0.6
NH2,1L NH0,1L
0.4 0.4
NH-2,2L x = µ + zσ
0.2 ⇐= 0.2
x z
-4 -2 0 2 4 6 -4 -2 0 2 4 6
fHxL fHzL
1 1
NH0,0.5L x −µ
0.8 z= σ 0.8
=⇒
0.6 0.6
NH2,1L NH0,1L
0.4 0.4
NH-2,2L x = µ + zσ
0.2 ⇐= 0.2
x z
-4 -2 0 2 4 6 -4 -2 0 2 4 6
El área de las regiones sombreadas es la misma
Estadística (CAFD) Distribuciones de probabilidad continuas 32 / 48
Distribución normal Ejemplos
Sumario
2 Distribución normal
Función de densidad
Función de distribución
Distribución normal tipificada
Ejemplos
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
100 128.3 z 0
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
100 128.3 z 0
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
100 128.3 z 0
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
128.3 150 0 z
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
128.3 150 0 z
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
128.3 150 0 z
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
110 130 z1 z2
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
110 130 z1 z2
Ejemplos
fHxL fHZL
0.03 NH128.3,14.2L NH0,1L
0.4
0.025
x −µ
0.02 z= σ 0.3
0.015 =⇒
0.2
0.01
0.1
0.005
x Z
110 130 z1 z2
Ejemplos
Ejemplos
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
1.9 z 0
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
1.9 z 0
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
1.9 z 0
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
1.9 z 0
Ejemplos
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
2.15 0 z
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
2.15 0 z
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
2.15 0 z
Ejemplos
1.5 x −µ
z= σ 0.3
1
=⇒ 0.2
0.5 0.1
x Z
2.15 0 z
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Calcular la probabilidad de que al seleccionar un jugador al azar su altura se
separe como mucho 1σ
Sea X =altura del jugador, X ∼ N (2, 0,2)
fHxL
x
Μ-Σ Μ Μ+Σ
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Calcular la probabilidad de que al seleccionar un jugador al azar su altura se
separe como mucho 1σ
Sea X =altura del jugador, X ∼ N (2, 0,2)
fHxL
x
Μ-Σ Μ Μ+Σ
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Calcular la probabilidad de que al seleccionar un jugador al azar su altura se
separe como mucho 2σ
Sea X =altura del jugador, X ∼ N (2, 0,2)
fHxL
x
Μ-2Σ Μ Μ+2Σ
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Calcular la probabilidad de que al seleccionar un jugador al azar su altura se
separe como mucho 2σ
Sea X =altura del jugador, X ∼ N (2, 0,2)
fHxL
x
Μ-2Σ Μ Μ+2Σ
Ejemplos
Se sabe que la altura de un colectivo de jugadores de baloncesto sigue una
distribución normal de media 2 metros y desviación típica 0,2 m
Calcular la probabilidad de que al seleccionar un jugador al azar su altura se
separe como mucho 2σ
Sea X =altura del jugador, X ∼ N (2, 0,2)
fHxL
x
Μ-2Σ Μ Μ+2Σ
Ejemplos
68 % 95 % 99 %
x x x
Μ-Σ Μ Μ+Σ Μ-2Σ Μ Μ+2Σ Μ-3Σ Μ Μ+3Σ
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 50 % 0.2 50 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 50 % 0.2 50 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 50 % 0.2 50 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 90 % 0.2 90 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 90 % 0.2 90 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
x −µ
fHxL
NH2,0.2L
z= σ fHzL
NH0,1L
2
=⇒ 0.4
1.5 0.3
1 90 % 0.2 90 %
0.5
x = σz + µ 0.1
x
⇐= z
x1 2 x2 z1 0 z2
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
fHxL fHzL
0.025 NH65,18L NH0,1L
a) Mirando en las tablas : 0.02
0.4
0.005 0.1
20 % 65 % 15 % 20 % 65 % 15 %
x z
x1 x2 z1 0 z2
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
fHxL fHzL
0.025 NH65,18L NH0,1L
a) Mirando en las tablas : 0.02
0.4
0.005 0.1
20 % 65 % 15 % 20 % 65 % 15 %
x z
x1 x2 z1 0 z2
x1 = z1 σ + µ = −0,84 · 18 + 65 = 49,88
x2 = z2 σ + µ = 1,04 · 18 + 65 = 83,72
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
fHxL fHzL
0.025 NH65,18L NH0,1L
a) Mirando en las tablas : 0.02
0.4
0.005 0.1
20 % 65 % 15 % 20 % 65 % 15 %
x z
x1 x2 z1 0 z2
x1 = z1 σ + µ = −0,84 · 18 + 65 = 49,88
x2 = z2 σ + µ = 1,04 · 18 + 65 = 83,72
Si X < 49,88 tiene baja cultura deportiva. Si 49,88 ≤ X ≤ 83,72 tiene cultura deportiva normal. Si
X > 83,72 tiene excelente cultura deportiva.
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
(b) Los estudiantes cuya puntuación supera en al menos un 40 % los 49,88
puntos, tienen una puntuación mayor que:
40
x = 49,88 + 100 49,88 = 69,832
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
(b) Los estudiantes cuya puntuación supera en al menos un 40 % los 49,88
puntos, tienen una puntuación mayor que:
40
x = 49,88 + 100 49,88 = 69,832
Por tanto hemos de calcular: p (X > 69,832)
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
(b) Los estudiantes cuya puntuación supera en al menos un 40 % los 49,88
puntos, tienen una puntuación mayor que:
40
x = 49,88 + 100 49,88 = 69,832
Por tanto hemos de calcular: p (X > 69,832)
69,832−65
z= 18 = 0,27
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
(b) Los estudiantes cuya puntuación supera en al menos un 40 % los 49,88
puntos, tienen una puntuación mayor que:
40
x = 49,88 + 100 49,88 = 69,832
Por tanto hemos de calcular: p (X > 69,832)
69,832−65
z= 18 = 0,27
p (X > 69,832) = p (Z > 0,27) = 1 − p (Z < 0,27) = 1 − F (0,27) =
1 − 0,606420 = 0,39358
Ejemplos
Tras un test sobre cultura deportiva a estudiantes de 1ºCAFD se observa que las puntuaciones
obtenidas siguen una distribución una distribución N(65, 18). Se desea clasificar a los examinados en
tres grupos según su cultura deportiva: baja, normal y excelente de modo que en el primer grupo haya
un 20 % de los estudiantes y en el segundo un 65 %. (a) ¿Cuáles han de ser las puntuaciones que
marcan el paso de un grupo al otro? (b) ¿Qué proporción de los estudiantes supera en al menos un
40 % la puntuación que separa el grupo de baja cultura deportiva y el de cultura deportiva normal?
(b) Los estudiantes cuya puntuación supera en al menos un 40 % los 49,88
puntos, tienen una puntuación mayor que:
40
x = 49,88 + 100 49,88 = 69,832
Por tanto hemos de calcular: p (X > 69,832)
69,832−65
z= 18 = 0,27
p (X > 69,832) = p (Z > 0,27) = 1 − p (Z < 0,27) = 1 − F (0,27) =
1 − 0,606420 = 0,39358
La proporción de estudiantes es 0.39358
Ejemplos
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
Sea X =marca 3000 m lisos. X ∼ N (480, σ)
fHxL fHzL
0.035 NH480,ΣL NH0,1L
0.03 0.4
0.025
0.3
0.02
0.015 0.2
0.01
0.1
0.005
10.5 % 10.5 %
x z
465 z
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
Sea X =marca 3000 m lisos. X ∼ N (480, σ)
fHxL fHzL
0.035 NH480,ΣL NH0,1L
(a) Mirando en las tablas : 0.03 0.4
0.025
F (z ) = 0,105 → z = −1,25 0.02
0.3
0.015 0.2
0.01
0.1
0.005
10.5 % 10.5 %
x z
465 z
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
Sea X =marca 3000 m lisos. X ∼ N (480, σ)
fHxL fHzL
0.035 NH480,ΣL NH0,1L
(a) Mirando en las tablas : 0.03 0.4
0.025
F (z ) = 0,105 → z = −1,25 0.02
0.3
x −µ 0.015 0.2
z= σ 0.01
0.1
σ = x −µ
z = 465−480
−1,25 = 12 s 0.005
10.5 % x
10.5 %
z
465 z
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
Sea X =marca 3000 m lisos. X ∼ N (480, σ)
fHxL fHzL
0.035 NH480,ΣL NH0,1L
(a) Mirando en las tablas : 0.03 0.4
0.025
F (z ) = 0,105 → z = −1,25 0.02
0.3
x −µ 0.015 0.2
z= σ 0.01
0.1
σ = x −µ
z = 465−480
−1,25 = 12 s 0.005
10.5 % x
10.5 %
z
465 z
x1 −µ
z1 = σ = −1,25
x2 −µ
z2 = σ = 51012
−480
= 2,5
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
Sea X =marca 3000 m lisos. X ∼ N (480, σ)
fHxL fHzL
0.035 NH480,ΣL NH0,1L
(a) Mirando en las tablas : 0.03 0.4
0.025
F (z ) = 0,105 → z = −1,25 0.02
0.3
x −µ 0.015 0.2
z= σ 0.01
0.1
σ = x −µ
z = 465−480
−1,25 = 12 s 0.005
10.5 % x
10.5 %
z
465 z
x1 −µ
z1 = σ = −1,25
x2 −µ
z2 = σ = 51012
−480
= 2,5
p (465 ≤ X ≤ 510) = p (−1,25 ≤ z ≤ 2,5) = F (2,5) − F (−1,25) =
0, 9937903 − 0, 105650 = 0,8881403. El porcentaje de corredores con
marcas entre 465 y 510 s es del 88.8 %
Estadística (CAFD) Distribuciones de probabilidad continuas 47 / 48
Distribución normal Ejemplos
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
x −µ
fHxL
0.035 NH480,12L
z= σ fHzL
NH0,1L
0.03 =⇒ 0.4
0.025
0.3
0.02
0.015 0.2 50 %
0.01 50 % x = σz + µ 0.1
0.005
x
⇐= z
x1 480 x2 z1 0 z2
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
x −µ
fHxL
0.035 NH480,12L
z= σ fHzL
NH0,1L
0.03 =⇒ 0.4
0.025
0.3
0.02
0.015 0.2 50 %
0.01 50 % x = σz + µ 0.1
0.005
x
⇐= z
x1 480 x2 z1 0 z2
Ejemplos
Los tiempos de un conjunto de corredores de 3000 metros lisos sigue una
distribución normal de media 480 segundos. Se sabe también que el 10.5 % de
los corredores tiene una marca inferior a 465 segundos. (a) Calcula la desviación
típica de la distribución (b) ¿Qué porcentaje de corredores tiene una marca entre
465 y 510 segundos? (c) ¿Qué intervalo centrado en la media contiene al 50 % de
los corredores?
x −µ
fHxL
0.035 NH480,12L
z= σ fHzL
NH0,1L
0.03 =⇒ 0.4
0.025
0.3
0.02
0.015 0.2 50 %
0.01 50 % x = σz + µ 0.1
0.005
x
⇐= z
x1 480 x2 z1 0 z2