Contenidos y actividades

• Resumen de conceptos básicos

• Variable aleatoria continua

• Probabilidad versus Función de densidad de

probabilidad de una v.a. continua

• Distribución Uniforme

• Distribución Normal
Resumen de conceptos

Variable aleatoria
Aquella que adquiere un valor numérico único para cada uno
de los posibles resultados de un experimento aleatorio.

Función de probabilidad
Aquella que asigna una probabilidad de ocurrencia a cada
posible resultado de un experimento aleatorio.

Distribución de probabilidad
Es el reparto del 100% de probabilidad de ocurrencia a cada
posible resultado de un experimento aleatorio.
Requisitos de una
Distribución de Probabilidad discreta

0≤𝑃 𝑥 ≤1
La probabilidad de cualquier resultado (o suceso)
es 0%, 100% o un valor intermedio

∑𝑃 𝑥 = 1
La suma de las probabilidades de todos los posibles resultados
(o sucesos) es 100%
Variable aleatoria continua

Una variable aleatoria es continua cuando los valores que puede

tomar están en un intervalo de números reales (ℝ).

Esto quiere decir que la variable aleatoria continua puede tomar

cualquiera de infinitos valores dentro del intervalo de manera que
nunca puede tenerse TOTAL certeza de que tome un valor EXACTO.

Ejemplos:
 Estatura de un estudiante de la Mayor
 Peso de un saco de trigo en el mercado central
 Temperatura de un enfermo de Covid-19
 Longitud de una barra de acero templado
 Tiempo de una vuelta al circuito en Moto GP
Característica de una v.a. continua

𝑃 𝑥=𝑐 =0
La probabilidad de que una v.a. tome un valor EXACTO
dentro del intervalo de posibles valores es CERO.

Qué c _ _ _ _ a
significa esto REALMENTE
Qué significa esto REALMENTE

Peso de un saco de harina:

30 kg

30,0
30,01
30,012
30,0116
30,01159
30,011593
30,0115927
30,01159265 … y sigue hasta el infinito
Qué significa esto REALMENTE

¿Cuál es la probabilidad de que un saco de harina

cualquiera, elegido al azar de entre miles de idénticos sacos
de harina en el mercado central, pese EXACTAMENTE 30 kg?

30,01159265
30,011592654 … y sigue al infinito…igual que…
Función de densidad de probabilidad de una v.a. continua
Es aquella que al graficarse usando los valores del intervalo que
contiene a todos los posibles resultados de un experimento aleatorio
deja por debajo de si misma un área equivalente al 100% de la
probabilidad.
Ejemplo: Distribución Uniforme

f(𝑥) = 1/3
en el intervalo [77, 80] (min)
Área = 1
Cómo funciona esto

¿Cuál es la probabilidad de que la clase dure EXACTAMENTE

78,35 minutos?

Área = 0
Cómo funciona esto

¿Cuál es la probabilidad de que la clase dure MENOS de

78,35 minutos?
P(77 ≤ 𝑥 < 78,35) =
(78,35 – 77) · 1/3 = 0,45

Área =
0,45
Cómo funciona esto

¿Cuál es la probabilidad de que la clase dure MÁS de 78,35

minutos?
P(78,35 < 𝑥 ≤ 80) =
(80 – 78,35) · 1/3 = 0,55

Área =
0,55
Cómo funciona esto

¿Cuál es la probabilidad de que la clase dure ENTRE 77,35 y

78,35 minutos?
P(77,35 ≤ 𝑥 ≤ 78,35) =
(78,35 – 77,35) · 1/3 = 0,3333…

Área =
0,3333…
Conclusión

Los cálculos de probabilidades para el caso de variables

aleatorias continuas se hace mediante el cálculo de áreas
bajo la curva de la función de densidad de probabilidad
que le corresponde a esa variable.

𝑃 𝑝≤𝑥≤𝑞 =
f(𝑥) 𝑞
න 𝑓 𝑥 ⅆ𝑥
𝑝
Explicación desde el cálculo

78,35 1 1 1
P(77 ≤ 𝑥 < 78,35) ≝ ‫׬‬77 ⅆ𝑥 = ∙ 𝑥 Τ78,35
77
= ⋅ 78,35 − 77 = 0,45
3 3 3

Área =
0,45
Requisitos de una
Distribución de Probabilidad continua

𝑓 𝑐 ≥0 ∀ 𝑐 ∈ [𝑎, 𝑏]
Todo punto sobre la curva 𝑓(𝑥) debe tener una altura 0 ó superior,
es decir, nunca habrá un punto bajo el eje de las abscisas.

𝑏
න 𝑓(𝑥) = 1
𝑎
El área total bajo la curva 𝑓(𝑥) debe ser igual a 1.
Distribución Normal

Nomenclatura: 𝑥 ~ 𝑁(𝜇, 𝜎)
Lo anterior se lee "𝒙 distribuye Normal con parámetros 𝝁 (la media de
los datos) y 𝝈 (la desviación estándar de los datos).

1 𝑥−𝜇 2
− 2∙ 𝜎
𝑒
Fórmula: 𝑓 𝑥 =
𝜎 2𝜋

Forma gráfica: ∞
න 𝑓(𝑥) = 1
−∞

𝜇
Distribución Normal Estándar

Nomenclatura: 𝑧 ~ 𝑁(0 , 1)
En esta versión particular de la Normal, 𝝁 = 0 y 𝝈 = 1.

1
− 2∙𝑧2
𝑒
Fórmula: 𝑓 𝑧 =
2𝜋

Gráfico:

𝜇=0
Cálculo de probabilidades en la distribución Normal

𝑃(𝑥 ≤ 𝑏) 𝑃(𝑥 ≤ 𝑎)

𝑏 𝑎

𝑃 𝑥 ≥ 𝑏 = 1 − 𝑃(𝑥 ≤ 𝑏) 𝑃 𝑎 ≤ 𝑥 ≤ 𝑏 = 𝑃 𝑥 ≤ 𝑏 − 𝑃(𝑥 ≤ 𝑎)

𝑏 𝑎 𝑏
Significado de la Media (𝝁) y de la Desviación
Estándar (𝝈) en la Distribución Normal

Área =
0,6827

𝜇−𝜎 𝜇 𝜇+𝜎

El 68,27% de los datos de una población que distribuye normal están

contenidos a una distancia de una desviación estándar a la izquierda
de la media y una desviación estándar a la derecha de la media.
Significado de la Media (𝝁) y de la Desviación
Estándar (𝝈) en la Distribución Normal

Área =
0,9545

𝜇 − 2𝜎 𝜇 𝜇 + 2𝜎

El 95,45% de los datos de una población que distribuye normal están

contenidos a una distancia de dos desviaciones estándar a la izquierda
de la media y dos desviaciones estándar a la derecha de la media.
Significado de la Media (𝝁) y de la Desviación
Estándar (𝝈) en la Distribución Normal

Área =
0,9973

𝜇 − 3𝜎 𝜇 𝜇 + 3𝜎

El 99,73% de los datos de una población que distribuye normal están

contenidos a una distancia de tres desviaciones estándar a la izquierda
de la media y tres desviaciones estándar a la derecha de la media.
Ejercicio 1

El tiempo que los jóvenes chilenos, de 14 a 19 años de edad, usan

para jugar online durante una semana se puede considerar como
una variable aleatoria normal (𝑥), con una media (𝜇) de 10 horas
semanales y una desviación estándar (𝜎)de 2,5 horas.
Suponiendo se selecciona un joven al azar, determine:
a) La probabilidad de que durante la semana pasada haya jugado
online a lo más 6 horas.
b) La probabilidad de que durante la semana pasada haya jugado
online más de 13 horas.
c) La probabilidad de que durante la semana pasada haya jugado
online entre 8 y 9 horas.
Ejercicio 1: resolución manual usando la variable estándar 𝒛
y las tablas de la distribución normal estándar

tabla
 Ejercicio 1: resolución manual usando la variable estándar 𝒛
y las tablas de la distribución normal estándar

𝑥−𝜇 6−10
a) 𝑃 𝑥 ≤ 6 ⟹ 𝑃 ≤ ≡
𝜎 2,5
𝑃 𝑧 ≤ −1,6 = 1 − 𝑃 𝑧 ≤ 1,6 = 1 − 0,9452 = 0,0548

𝑥−𝜇 13−10
b) 𝑃 𝑥 ≥ 13 ⟹ 𝑃 ≥ ≡
𝜎 2,5
𝑃 𝑧 ≥ 1,2 = 1 − 𝑃 𝑧 ≤ 1,2 = 1 − 0,8849 = 0,1151
8−10 𝑥−𝜇 9−10
c) 𝑃 8≤𝑥≤9 ⟹𝑃 ≤ ≤ ≡
2,5 𝜎 2,5
𝑃 −0,8 ≤ 𝑧 ≤ −0,4 = 𝑃 𝑧 ≤ −0,4 − 𝑃 𝑧 ≤ −0,8 =
1 − 𝑃 𝑧 ≤ 0,4 − 1 − 𝑃 𝑧 ≤ 0,8 = 𝑃 𝑧 ≤ 0,8 − 𝑃 𝑧 ≤ 0,4 =
0,7881 − 0,6554 = 0,1327
 Ejercicio 1: resolución computacional usando Excel

a) 𝑃 𝑥 ≤ 6 ⟹ DISTR.NORM.N(6;10;2,5;1) = 0,0548

b) 𝑃 𝑥 ≥ 13 ⟹ 1 - DISTR.NORM.N(13;10;2,5;1) = 0,1151

c) 𝑃 8≤𝑥≤9 ⟹ DISTR.NORM.N(9;10;2,5;1) - DISTR.NORM.N(8;10;2,5;1) = 0,1327

Explicación desde el cálculo

2
−1
2∙ 𝑥−10
2,5
6 𝑒
P(𝑥 ≤ 6) ≝ ‫׬‬−∞ ⅆ𝑥 = 0,0548
2,5 2𝜋
Ejercicio 2

La duración de los neumáticos de tractor agrícola 12.4 – 24 tiene

una vida útil que distribuye normal con media de 30.000 km y
desviación estándar de 4.000 km.
Calcule:
a) La probabilidad de que un neumático dure 33.000 km. (0)
b) La probabilidad que dure más que 33.000 km. (0,2266)
c) La probabilidad que dure entre 33.000 y 34.000 km. (0,0680)
d) La probabilidad que dure menos que 25.000 km. (0,1056)