Cátedra de Estadística. Fac.

Agronomía UNLPam

Variables aleatorias continuas

Introducción
Una variable X se dice que es una variable aleatoria continua sí el conjunto de
valores posibles que puede tomar es todo un intervalo, por ejemplo (-,); (0, ) o (a,b).
Para una variable aleatoria continua X, se define la función de probabilidad o función
de densidad de probabilidad a una función f(x), tal que si tomamos dos puntos cualesquiera
𝑎 y 𝑏 (con 𝑎𝑏) la probabilidad que la variable 𝑋 tome valores entre 𝑎 y 𝑏 queda definida
como:
𝑏
𝑃(𝑎 𝑋𝑏) = ∫ 𝑓 (𝑥)𝑑𝑥
𝑎

En otras palabras, la probabilidad que la variable 𝑋 tome valores en el intervalo [𝑎, 𝑏]es
igual al área bajo la curva de 𝑓(𝑥) entre a y b. (Figura 3. 1). La curva de la gráfica de 𝑓(𝑥)
se conoce como grafica de densidad.

Figura 3. 1: Área bajo la curva de 𝒇(𝒙) entre 𝒂 y 𝒃

Se debe prestar atención, pues no todas las funciones son funciones de probabilidad,
para que esto ocurra se necesita que se cumplan los siguientes requisitos
1. 𝑓 (𝑥 ) > 0
∞
2. ∫−∞ 𝑓(𝑥 )𝑑𝑥 = 1; el área bajo toda la curva es uno

Mgter. Belmonte Valeria Página 1

 Cátedra de Estadística. Fac. Agronomía UNLPam

Dentro de las distribuciones de variables continuas podemos nombrar: la distribución

normal; la distribución uniforme; la distribución exponencial; la distribución Gamma; la
distribución Chi cuadrado; la distribución T-Student; la distribución de Fisher. Aquí solo se
desarrollarán a algunas de ellas. Las demás pueden verse en cualquier libro de estadística.

La Distribución Normal
La función de densidad normal (también conocida como campana de Gauss)
desempeña un papel central en la teoría y en la práctica de la estadística. Muchos fenómenos
agronómicos, biológicos, químicos, físicos, antropológicos, etc., son estudiados a partir de
datos distribuidos de manera normal.

Función de densidad de una variable aleatoria con distribución normal

Una variable X continua de define como normalmente distribuida si su función de

densidad está dada por:
1 1 𝑋−𝜇 2
𝑒 − 2( )
𝑓 (𝑥 ) = 𝜎
𝜎×√2𝜋
dónde: , es la media o esperanza de la variable 𝑋 (-<<); , es la desviación típica de la
variable 𝑋; x es el valor que toma la variable (x es la abscisa). Los valores  y  se denominan
parámetros de la distribución normal. Y la expresión 𝑋~𝑁(, 2 ) se lee como: “𝑋 tiene
distribución normal con media  y varianza 2”.
La representación de la densidad normal es una curva simétrica que queda
completamente caracterizada por esperanza () que indica el centro de la campana y por 2
que defina la mayor o menor amplitud de la campana (Figura 3. 2)

Mgter. Belmonte Valeria Página 2

 Cátedra de Estadística. Fac. Agronomía UNLPam

Figura 3. 2: Distribución Normal con media µ, varianza σ2.

El caso donde =0 y 2=1 se denomina normal estándar y se representa con la letra Z
(Z~N(0,1)).

Cálculo de probabilidades para la distribución Normal estándar

Para calcular las probabilidades de la distribución Normal estándar, no necesitamos

realizar ningún cálculo integral pues existe una tabla que nos permite conocer los valores de
probabilidad. La tabla normal estandarizada que utilizaremos, brinda la probabilidad
acumulada desde el - a un valor particular a, esto es calcula la integral
𝑎 1 2
1
𝑃(𝑍𝑎) = ∫−∞ 𝑒 − 2(𝑧) 𝑑𝑧 (observen que esta expresión se derivó de reemplazar la 𝜇 =
√ 2𝜋
2
0 y 𝜎 =1 en a función de densidad de la distribución normal).

Conozcamos la tabla:
Para poder comprender el uso de la tabla (Tabla 3. 1) debemos identificar sus
elementos. La misma está compuesta por una primer columna y la primer fila que determinan
un valor de la distribución normal estándar (z). Dicho valor consta de un número formado
por la unidad y dos decimales. En la primera columna está la parte entera y el primer decimal
y para completar el número, la segunda cifra decimal se encuentra en la primera fila.
Los números restantes que denominamos Cuerpo de la Tabla y representan los
valores de probabilidad acumulados hasta el punto determinado, z correspondiente. Por

Mgter. Belmonte Valeria Página 3

 Cátedra de Estadística. Fac. Agronomía UNLPam

ejemplo, estamos interesados en calcular la Probabilidad que la distribución estándar tome

valores inferiores a 0.36, esto es P(Z<0.36), para encontrarla procederemos de la siguiente
manera,
1. El valor z=0.36, lo podemos descomponer en 0.3 y 0.06
2. identificamos sobre en la 1º columna, el valor 0.3.
3. Identificamos la fila correspondiente 0.06.
El cruce de la columna y fila determina en el cuerpo de la tabla el valor de
probabilidad 0.604. Esto es P(Z<0.36)=0.6406. (¡Error! No se encuentra el origen de la
referencia.)

Tabla 3. 1: Tabla de distribución normal acumulada

Segunda cifra decimal en z

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879

Figura 3. 3: P(Z<0.36)=0.6406
A continuación, desarrollaremos algunos ejemplos para el cálculo de probabilidades

Ejemplo 7:
Sea Z una variable con distribución Normal estándar. Calcular las siguientes

Mgter. Belmonte Valeria Página 4

 Cátedra de Estadística. Fac. Agronomía UNLPam

probabilidades:
a) 𝑃(𝑍 > 0.5)
En este caso debemos calcular la probabilidad por complemento, recordando que la
probabilidad bajo toda la curva es igual a 1. Se busca en la tabla la probabilidad P(z<0.5) =
0.06915 (Figura 3. 4)y se calcula
𝑃 (𝑍 > 0.5) = 1 − P(Z ≤ 0.5) = 1 − 0.6915 = 0.3085

Figura 3. 4

b) 𝑃(1.2 < 𝑍 < 2)

En este caso se debe buscar la probabilidad de 2 y restarle al probabilidad de 1.2
𝑃(1.2 < 𝑍 < 2) = 𝑃(𝑍 < 2) − 𝑃(𝑍 < 1.2) = 0.9772 − 0.8849 = 0.0923

Mgter. Belmonte Valeria Página 5

 Cátedra de Estadística. Fac. Agronomía UNLPam

0.9772 0.8849

-3 0 3 -3 0 1.2 3
2
Variable Variable

a) b)

0.0923

-3 0 1.2 2 3
Variable

c)
Figura 3. 5 a) P(Z<2)=0.9772 b)P(Z<1.2)=08849 c) P(1.2<Z<2)= 0.0923

Cálculo de probabilidades para la distribución Normal

Estandarización

La probabilidad entre dos números cualesquiera a y b para la distribución normales

varía según los valores que tomen los parámetros que la caracterizan, es decir se necesitaría
tener una tabla para cada distribución normal o calcular la integral entre a y b para cada caso.
Esto se soluciona incorporando una transformación denominada Estandarización.

Si 𝑋~𝑁(, 2 ) la transformación dada por:

𝑋−𝜇
𝑧=
𝜎
genera una nueva variable, Z, con distribución normal con media cero y varianza igual a
la unidad, esto es: 𝑍~𝑁(0,1).

La estandarización de las variables facilita el cálculo de probabilidades con distribución

normal, pues solo necesitaremos utilizar una tabla que contenga tabulada los datos de la

Mgter. Belmonte Valeria Página 6

 Cátedra de Estadística. Fac. Agronomía UNLPam

distribución normal estándar.

Caso A: Cálculo de probabilidades, conocidos los puntos.

Utilizando dicha la transformación que relaciona cualquier distribución normal con

la normal estándar es posible realizar cálculo de probabilidades para cualquier variable
aleatoria con distribución normal.

Ejemplo 8:
Sea 𝑋~𝑁(3,25). Calcular las siguientes probabilidades
a) 𝑃(𝑋 < 2)
b) 𝑃(𝑋 > 5)
c) 𝑃(−0.90𝑋7.2)

a) Para calcular la probabilidad pedida debemos estandarizar el valor 2 como:

2−3
𝑧= = −0.2. La nueva área queda determinada como se muestra en laFigura 3. 6 b).
5

Al estandarizar; la probabilidad 𝑃(𝑋 < 2) y 𝑃(𝑍 < −0.20) son iguales; por lo tanto,
podemos utilizar la tabla de normal N (0,1) para encontrar el valor de probabilidad, de esta
manera la 𝑃(𝑋 < 2) = 𝑃(𝑍 < −0.20) = 0.4207

Mgter. Belmonte Valeria Página 7

 Cátedra de Estadística. Fac. Agronomía UNLPam

a) b)
Figura 3. 6: a) P(X<2), b)P(Z<-0.20)

b) 𝑃(𝑋 > 5)

5−3
Estandarizando se tiene el valor 𝑧 = = 0.4; las probabilidades quedan como:
5

𝑃(𝑋 > 5) = 𝑃(𝑍 > 0.4) = 1 − 𝑃(𝑍 < 0.4) = 1 − 0.6554 = 0 .3446

a) b)
Figura 3. 7: a) P(X>5) b) P(Z>0.4)

c) 𝑃(−0.90𝑋7.2)
Estandarizando los valores
−0.90−3 7.2−3
𝑧= = −0.78 y 𝑧= = 0.84
5 5

𝑃(−0.90 𝑋7.2) = 𝑃(−0.78 𝑍0.84) = 0.5819

a) b)
Figura 3. 8: 𝒂)𝑷(−. 𝟗𝟎 < 𝑿 < 𝟕. 𝟐) 𝒃) 𝑷(−𝟎. 𝟕𝟖 < 𝒁 < 𝟎. 𝟖𝟒)

Mgter. Belmonte Valeria Página 8

 Cátedra de Estadística. Fac. Agronomía UNLPam

Caso B: Conocidas las probabilidades determinación de los puntos x

Este es el caso inverso. Veámoslo con un ejemplo:

Ejemplo 9:
Sea 𝑋 una variable con distribución normal con media 64 y desvío estándar 3
(𝑋~𝑁(64,9)) Calcular que valor de deja por debajo el 80% del área de la curva (figura 3.10
a)).
Como no tenemos tabla para esta distribución, debemos buscar el valor z, que deja
por debajo el 80% del área en la tabla normal estándar (Figura 3. 9 b))

a) b)
Figura 3. 9: a) P(X<x)=0.80 b)P(Z<0.845)=0.80

Pero no se quiere el valor de z, sino el de x, usando la expresión de la

𝑥−64
estandarización, se sabe que: 0.845 = despejando x; se tiene:
3

𝑥 = 0.845×3 + 64 = 66.535.
Por lo tanto, el valor 66.535 deja por debajo el 80% del área que hay entre la curva
y el eje x.

Ejemplo 10 (Integrador):
Se ha estudiado el contenido de vitaminas en bolsas de 100 g. de alimento
balanceado para pollitos; determinando que la variable sigue una distribución normal con
media 12 mg. y desvío estándar de 2 mg.
Si se selecciona una bolsa al azar, determinar:
a) La probabilidad que el contenido de vitaminas sea menor que 10.5 mg..
Mgter. Belmonte Valeria Página 9
 Cátedra de Estadística. Fac. Agronomía UNLPam

b) La probabilidad que el contenido de vitaminas sea igual o superior a 13.4 mg.

c) La probabilidad que el contenido de vitaminas esté entre 12mg y 14 mg.
d) Determinar el valor del contenido de vitaminas por debajo por el cuál se encuentra
el 90% de las bolsas.
Resolución:
La variable en estudio es
X=”Contenido de vitaminas en cada bolsa de 100mg” es de tipo cuantitativa
continua y tiene distribución normal; X~N(12,4).
a) 𝑃(𝑋 < 10.5) = 𝑃(𝑍 < −0.75) = 0.2266
b) 𝑃(𝑋13.4) = 𝑃(𝑍0.7) = 1 − 𝑃(𝑍 < 0.7) = 1 − 0.7580 = 0.242
c) 𝑃(12 < 𝑋 < 14) = 𝑃(0 < 𝑍 < 1) = 0.8413 − 0.50 = 0.3413
d)

a) b) c)

e) Figura 3. 10:a) Apartado (a); b) Apartado (b) ;(c) Apartado (c)

Observación: Para simplificar los dibujos en el mismo gráfico de expresaron los

valores reales de la variable y en paréntesis los valores de la variable estandarizada.
d) Para resolver este apartado debemos buscar en el cuerpo de la tabla la
probabilidad 0.90. Para esta probabilidad 𝑧 = 1.285

Mgter. Belmonte Valeria Página 10

 Cátedra de Estadística. Fac. Agronomía UNLPam

𝑥−12
Resolviendo la expresión: 1.285 = se tiene que 𝑥 = 14.57.
2

El 90% de las bolsas tienen un contenido de vitamina igual o menor a 14.57 mg.

Ejemplo 11:

En una tropa de novillos de un establecimiento de la zona, los pesos en Kg. siguen una
distribución normal. El 93,57 % pesa menos de 450 Kg y el 88,10 % está por encima de los 390 Kg.
¿Cuál es la desviación estándar y la media de los pesos?

Resolución:
La variable en estudio es X=”peso de los novillos”, tiene distribución normal: X~N(,2)
Para poder encontrar los valores  y  debemos armar un sistema de dos ecuaciones con
dos incógnitas (, ) valiéndonos de la información que nos brinda el ejercicio y nuestro
conocimiento de la distribución normal.
Determinación de la 1° Ecuación:
Que el 93,57 % de los animales pese menos de 450 Kg, en términos de probabilidades queda
determinada por: 𝑃(𝑋 < 450) = 𝑃(𝑍 < 𝑧) = 0.9357.
Debemos encontrar el valor de z, en la tabla normal que nos deje por debajo el 0.9377 de
probabilidad; este valor es 1.52 (Figura 3. 11)

Mgter. Belmonte Valeria Página 11

 Cátedra de Estadística. Fac. Agronomía UNLPam

Normal(0,1): p(evento)=0.9357
0.40

0.30

Densidad
0.20

0.9357
0.10

0.00
-5 5
1.52

Figura 3. 11

Como 𝑃(𝑋 < 450) = 𝑃(𝑍 < 1.52) = 0.9357 los valores pueden reemplazarse en la
fórmula de
𝑥−𝜇
estandarización 𝑧 = como sigue:
𝜎
450 − 𝜇
1.52 =
𝜎
Despejando µ obtenemos la 1° ecuación

1.52×𝜎 − 450 = −𝜇

−1.52×𝜎 + 450 = 𝜇

Determinación de la 2° Ecuación:
Que el 88,10 % del peso de los animales está por encima de los 390 Kg, en términos de
probabilidades queda determinada por: 𝑃(𝑋 > 390) = 𝑃(𝑍 > 𝑧) = 0.8810.
Debemos encontrar el valor de z, en la tabla normal que nos deje por encima el 0.8810 de
probabilidad (o por complemento nos queda que 𝑃(𝑍 < 𝑧) = 0.1199, este valor es
es −1.18 (Figura 3. 12),

Mgter. Belmonte Valeria Página 12

 Cátedra de Estadística. Fac. Agronomía UNLPam

Normal(0,1): p(evento)=0.8810
0.40

0.30

Densidad
0.20

0.8810
0.10

0.00
-5 -1.18 5

Figura 3. 12
Como P(X>390)=P(Z>z)=0.8810. Reemplazando en la fórmula de estandarización 𝑧 =
𝑥−𝜇
𝜎
390 − 𝜇
−1.18 =
𝜎
y despejando 𝜇

−1.18×𝜎 − 390 = −𝜇

1.18×𝜎 + 390 = 𝜇
Obtenemos la 2° ecuación:

El sistema de dos ecuaciones con dos incógnitas queda determinado por:

−1.52×𝜎 + 450 = 𝜇
{
1.18×𝜎 + 390 = 𝜇
Por el método de igualación se tiene que:

−1.52×𝜎 + 450 = 1.18×𝜎 + 390

450 − 390 = 1.52×𝜎 + 1.18×𝜎
60 = 2.7×𝜎
𝟔𝟎 𝟐𝟎𝟎
𝝈= =
𝟐. 𝟕 𝟗

Mgter. Belmonte Valeria Página 13

 Cátedra de Estadística. Fac. Agronomía UNLPam

200
Reemplazado el valor de 𝜎 = 9
en cualquiera de las dos ecuaciones por ejemplo en la

primera y despejando adecuadamente obtenemos el valor de 𝜇

200
−1.52× + 450 = 𝜇
9
𝟒𝟏𝟔. 𝟐𝟐 = 𝝁

De esta marera la variable en estudio es X=”peso de los novillos” tiene distribución normal:
2
𝑋~𝑁 (416.22, (200⁄9) )

Mgter. Belmonte Valeria Página 14