18/08/2020

Concepto
Diferencias con VA Discretas

Ing. MSc. Ricardo Gómez

V. A. CONTÍNUAS
Experimento hipergeométrico:

n=18
n=10

n=25 n→∞

Ing. MSc. Ricardo Gómez

1
 18/08/2020

V. A. CONTÍNUAS
Similitudes con VA Discretas:
• El área bajo la curva para una distribución continua de probabilidad es
igual a 1.

• La probabilidad de que x caiga en un intervalo particular, por ejemplo de a

a b, es igual al área bajo la curva entre los dos puntos a y b. Ésta es el área
sombreada de la siguiente figura

Área bajo
la curva

Ing. MSc. Ricardo Gómez

V. A. CONTÍNUAS
Diferencias con VA Discretas:
• P(x =a) = P(x =b) = 0 para variables aleatorias continuas.
• Por lo tanto: P(x≤a)=P(x<a), P(x≤b)=P(x<b) y P(x≥a)=P(x>a),
P(x≥b)=P(x>b).
• Lo anterior no es cierto en general para VA discretas.

Cuándo un modelo es el apropiado?

Criterios:

• Describe el conjunto de mediciones efectuadas

• Permite hacer las mejores inferencias posibles usando los datos.

Ing. MSc. Ricardo Gómez

2
 18/08/2020

Antecedentes
Aplicabilidad y ejemplos
Definición y parámetros
Teorema del Límite Central
Ejercicios

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Antecedentes:

La distribución normal fue reconocida

por primera vez por el francés
Abraham de Moivre (1667-1754).

Luego Carl Friedrich Gauss (1777-1855)

realizó estudios más profundos
formulando la ecuación de la curva
conocida como “Campana de Gauss".

Ing. MSc. Ricardo Gómez

3
 18/08/2020

DISTRIBUCIÓN NORMAL
Aplicabilidad y ejemplos:

 Hay muchas variables asociadas a fenómenos naturales

que siguen el modelo de la normal.
 Caracteres morfológicos de individuos (personas,
animales, plantas,...) de una especie, como: tallas, pesos,
diámetros, distancias, perímetros,...
 Caracteres fisiológicos, como: efecto de una misma dosis
de un fármaco, o de una misma cantidad de abono.
 Caracteres psicológicos, como: cociente intelectual, grado
de adaptación a un medio,...
 Errores cometidos al medir ciertas magnitudes.
 Valores estadísticos muéstrales como la media, varianza
y moda.

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Definición y parámetros:

Donde:
e = 2.7183
π = 3.1416
µ = Media
σ = Desv. Estándar

Ing. MSc. Ricardo Gómez

4
 18/08/2020

DISTRIBUCIÓN NORMAL
Definición y parámetros:

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Teorema del Límite central

Nos indica que, bajo condiciones muy generales, según

aumenta la cantidad de datos, la distribución de la suma de
variables aleatorias tenderá hacia una distribución normal.

En otras palabras el Teorema del Límite Central garantiza una

distribución normal cuando el tamaño de la muestra n es
suficientemente grande.

Ing. MSc. Ricardo Gómez

5
 18/08/2020

TEOREMA DEL LÍMITE CENTRAL

Ejemplo:
En el siguiente histograma podemos observar la distribución de frecuencias por
peso en 15 intervalos. De acuerdo a este teorema según aumenta la cantidad de
datos, la forma de campana se hará mas evidente.

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Distribución General:

Una curva
diferente para
cada µ y σ

Ing. MSc. Ricardo Gómez

6
 18/08/2020

DISTRIBUCIÓN NORMAL
Distribución Estandarizada:
Designamos la variable aleatoria Z, que expresa su valor como el # de
desviaciones estándar (σ) que se encuentra a la izquierda o a la derecha de µ.

Se define como:

x< µ Z es negativo
x> µ Z es Positivo
x= µ Z es cer0

A partir de allí hablamos de la Distribución µ=0

de Probabilidad para Z, denominada σ=1
Distribución Normal Estandarizada

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

Valores negativos Valores positivos

Ing. MSc. Ricardo Gómez

7
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

Ejemplo 2.11:
Encuentre P(z ≤1.63). Esta probabilidad corresponde al área a la izquierda de
un punto z =1.63 desviaciones estándar a la derecha de la media

0.9484

Ing. MSc. Ricardo Gómez

8
 18/08/2020

DISTRIBUCIÓN NORMAL
Solución:
Caso 1: Menor o igual.
Pedido = Lectura

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Solución: (2)
Caso 1: Menor o igual.
Pedido = Lectura

p(Z≤1.63) = ______

Ing. MSc. Ricardo Gómez

9
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Ejemplo 2.12:
Encuentre P(z ≥ -0.5). Esta probabilidad corresponde al área a la _______ de
un punto z = -0.5 de desviación estándar a la ___________ de la media

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Solución:
Caso 3: Mayor o igual.
Pedido = 1 - Lectura

Lectura: P(Z≤-0.5) = ____

Pedido: P(Z ≥ -0.5) = 1- ____

= ____

Ing. MSc. Ricardo Gómez

10
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Ejemplo 2.13:
Encuentre P(-0.52 ≤ z ≤ 1.1). Esta probabilidad es el área entre z = -0.52 y z =
1.1, como se muestra en la siguiente figura

-0.52 1.1

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución:
Caso 2_: _Intervalo__.
Pedido = Lectura 1 –
Lectura 2_________

Ing. MSc. Ricardo Gómez

11
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución: (2)
Caso __: __________.
Pedido = __ _

Pedido = _____ – _____

= ______

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

ACA A
Ejemplo 2.14:
Encuentre el valor de Z, llámelo Z0, tal que 0.95 del área se encuentre a no
más de Z0 desviaciones estándar de la media.

Ing. MSc. Ricardo Gómez

12
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución:
A2 = 0.95

A2 + (A1 + A1´) = 1

(A1 + A1´) = ___

A1 = _____

A2 + A1 = __0.975_

Zo=____

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Ejercicio para próxima clase:

Encuentre las siguientes probabilidades para la variable

aleatoria normal estándar z:

a. P(.58 < z < 1.74).

b. Encuentre una Z0 tal que P(Z < Z0) = 0.9251.

Ing. MSc. Ricardo Gómez

13
 18/08/2020

Distribución Normal General

Ejemplos

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL GENERAL

Distribución Normal Estándar: µ=0, σ =1

µ≠0
Lo típico en un problema práctico es:
σ≠1

Para resolverlo, primero se estandariza, luego de utiliza la tabla de

Distribución Normal Estándar.

Ing. MSc. Ricardo Gómez

14
 18/08/2020

DISTRIBUCIÓN NORMAL GENERAL

Ejemplo 2.15:
Sea x una variable aleatoria normalmente distribuida con una media de 10
y una desviación estándar de 2. Encuentre la probabilidad de que x se
encuentre entre 11 y 13.6.

x
11 13.6

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL GENERAL

Solución:
Luego de plantear el problema (gráfica anterior), definimos límites en la
variable Z (estandarizamos):

𝑥−𝜇 11−10
𝑍= = = 0.5
𝜎 2

𝑥−𝜇 13.6−10
𝑍= = = 1.8
𝜎 2

Por lo tanto: P(11<x<13.6) = P(0.5<z<1.8)

Ing. MSc. Ricardo Gómez

15
 18/08/2020

DISTRIBUCIÓN NORMAL GENERAL

Solución: (2)
La gráfica normal estandarizada queda:

x
11 13.6
z
0.5 1.8

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución: (3)
Caso 2 = Intervalo

Pedido=Lectura 1 – Lectura 2

Lectura 1: P(z<1.8)=_______

Lectura 1: P(z<0.5)=_______

Pedido = _____

Ing. MSc. Ricardo Gómez

16
 18/08/2020

DISTRIBUCIÓN NORMAL GENERAL

Ejemplo 2.16:
Estudios realizados demuestran que el uso de gasolina para autos compactos
vendidos en Estados Unidos está normalmente distribuido, con una media de
25.5 millas por galón (mpg) y una desviación estándar de 4.5 mpg. ¿Qué
porcentaje de compactos recorre 30 mpg o más?

x
25.5 30
Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución:
Luego de plantear el problema (gráfica anterior), definimos límites en la
variable Z (estandarizamos):

𝑥−𝜇 30−25.5
𝑍= = = 1.0
𝜎 4.5

x
25.5 30
z
0 1.0

Ing. MSc. Ricardo Gómez

17
 18/08/2020

DISTRIBUCIÓN NORMAL ESTÁNDAR

Solución: (2)
Por lo tanto: P(x>30)
= P(z>1.0)

Caso 3 = Mayor o igual

Pedido = 1 – Lectura

Lectura : P(z<1.0)=_______

Pedido = _____

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Ejercicio para próxima clase:
Consulte el ejemplo anterior. En tiempos de escasez de recursos
energéticos, una ventaja comparativa se da a un fabricante de automóviles
que puede producir un auto que tiene una economía de consumo de
combustible considerablemente mejor que los autos de los competidores. Si
un fabricante desea desarrollar un auto compacto que supere 95% de los
compactos actuales en economía de combustible, ¿cuál debe ser el
porcentaje de uso de gasolina para el nuevo auto?

Ing. MSc. Ricardo Gómez

18
 18/08/2020

DISTRIBUCIÓN NORMAL
Solución:
𝑃 𝑥 ≤ 𝑥0 = 0.95

𝑥0 −𝜇 𝑥0 −25.5
𝑧0 = =
𝜎 4.5

Ing. MSc. Ricardo Gómez

DISTRIBUCIÓN NORMAL
Solución: (2)

Ing. MSc. Ricardo Gómez

19
18/08/2020

20