ESTADISTICA INDUSTRIAL II

UNIDAD III: DISTRIBUCIONES PROBABILISTICAS (CONT.).

Distribución de probabilidad continúa

Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria
con un conjunto de valores posibles (conocido como el rango) que es infinito y no se
puede contar.

Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su F.D.P Por lo tanto, solo los rangos de valores pueden tener
una probabilidad diferente de cero. La probabilidad de que una variable aleatoria
continua equivalga a algún valor siempre es cero.

Distribución normal

Es un modelo teórico capaz de aproximar satisfactoriamente el valor de una variable

aleatoria a una situación ideal.

En otras palabras, la distribución normal adapta una variable aleatoria a una función
que depende de la media y la desviación típica. Es decir, la función y la variable
aleatoria tendrán la misma representación pero con ligeras diferencias.

La distribución normal es el modelo continuo de mayor importancia en estadística

debido a las siguientes razones:

 Su aplicación es directa y permite observar muchas variables de interés, que

pueden describirse fácilmente con este modelo.
 Sirve para acercarse a varias distribuciones de probabilidad discreta, entre estas la
distribución de Poisson y la distribución Binomial.
 Sus propiedades han permitido el desarrollo de muchas técnicas de inferencia
estadística. Proporcionando la base de la estadística inferencial clásica, por su
relación con el teorema de límite central.

Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas.

Uso de la tabla.
Lo averiguaremos con un valor concreto: ¿cuál es la probabilidad de encontrar un valor
de Z menor o igual a 1,96?

Vamos a la tabla y familiaricémonos con algunas de sus características.

▪ En la primera columna de la tabla aparece el entero y primer decimal del valor de Z,

vemos que los valores van desde -3,4 a 3,3. En la primera fila (arriba), aparece el
segundo decimal del valor de Z y, como es lógico, hay 10 números (0,00 a 0,09).

▪ Entonces, para nuestro valor de Z = 1,96 buscaremos 1,9 en la primera columna de la

tabla y 0,06 en la primera fila de la tabla. Trazaremos líneas perpendiculares desde
esos valores y llegaremos a un número en el cuerpo de la tabla (véase la tabla más
abajo, que tiene marcadas las dos perpendiculares de las que hablamos. El número
que encontramos y que está destacado es: 0,9750.
▪ Por lo tanto, la probabilidad asociada a Z=1,96 es 0,9750, es decir, la probabilidad de
encontrar un valor de Z menor o igual a 1,96 es 0,9750.

La distribución normal posee ciertas propiedades importantes que conviene destacar:

 Tiene una única moda, que coincide con su media y su mediana.
 La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor
entre y es teóricamente posible. El área total bajo la curva es, por
tanto, igual a 1.
 Es simétrica con respecto a su media . Según esto, para este tipo de variables
existe una probabilidad de un 50% de observar un dato mayor que la media, y
un 50% de observar un dato menor.
 La distancia entre la línea trazada en la media y el punto de inflexión de la curva
es igual a una desviación típica ( ). Cuanto mayor sea , más aplanada será la
curva de la densidad.
 El área bajo la curva comprendida entre los valores situados aproximadamente
a dos desviaciones estándar de la media es igual a 0.95. En concreto, existe un
95% de posibilidades de observar un valor comprendido en el intervalo
.
 La forma de la campana de Gauss depende de los parámetros y . La media
indica la posición de la campana, de modo que para diferentes valores de la
gráfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviación
estándar determina el grado de apuntamiento de la curva. Cuanto mayor sea el
valor de , más se dispersarán los datos en torno a la media y la curva será
más plana. Un valor pequeño de este parámetro indica, por tanto, una gran
probabilidad de obtener datos cercanos al valor medio de la distribución.
La distribución normal, estándar o tipificada (Z).

Distribución normal estándar N (0, 1)

La distribución normal con media y desviación típica se
llama distribución normal estándar, o tipificada, o reducida. La función de densidad de
probabilidad (f.d.p) de la distribución normal tipificada usualmente se denota por el
símbolo y la función de distribución (f.d) se denota por el símbolo . Entonces:

Su función de densidad de probabilidad es:

Y su función de distribución es:

donde el símbolo u se utiliza en la ecuación anterior como variable muda de

integración.

Además, la gráfica de la f.d.p es:

La probabilidad de la variable dependerá del área del recinto sombreado en la

figura. Y para calcularla utilizaremos una tabla.

Propiedades de la distribución norma estándar:

 La distribución tiene la forma de una campana y la mayor parte del área de esta
campana (Bell) se encuentra donde la media.
 El área debajo de la campana es de 1, y se divide por 0.5 a la izquierda y 0.5 a la
derecha de la media.
 Es simétrica con respecto a la media.
 La media, moda, y mediana coinciden.
 Hay dos parámetros que determinan su forma: la media y la desviación estándar.
Tipificación o normalización de la variable

Para poder utilizar la tabla tenemos que transformar la variable que sigue una
distribución en otra variable que siga una distribución . Por lo
que la operación necesaria es la siguiente:

Aproximación de la Binomial a la normal.

Una distribución binomial B(n,p) se puede aproximar por una distribución normal,
siempre que n sea grande y p no esté muy próxima a 0 o a 1. La aproximación consiste
en utilizar una distribución normal con la misma media y desviación típica que la
distribución binomial.

En la práctica se utiliza la aproximación cuando:

En cuyo caso:

Y tipificando se obtiene la normal estándar correspondiente:

Aproximación de la distribución de Poisson a la normal.

Se puede aproximar también la Poisson a través de la normal cuando λ es grande

Cuanto mayor sea λ mejor será la aproximación, Sugerencia: aproximar a la normal

cuando sea mayor de 25.