DISTRIBUCIONES DE PROBABILIDAD CONTINUA

Una distribución de probabilidad continua resulta de medir algo, como la distancia del dormitorio al salón de
clases, el peso de un individuo o la cantidad de bonos que ganan los directores ejecutivos.
Es importante señalar que una variable aleatoria continua tiene un número infinito de valores dentro de cierto
intervalo particular. Así, debe pensar en la probabilidad de que una variable tenga un valor dentro de un
intervalo determinado, en vez de pensar en la probabilidad de un valor específico.
Una diferencia fundamental entre las variables aleatorias discretas y las variables aleatorias continuas es cómo
se calculan las probabilidades. En las variables aleatorias discretas la función de probabilidad f(x) da la
probabilidad de que la variable aleatoria tome un valor determinado. En las variables aleatorias continuas, la
contraparte de la función de probabilidad es la función de densidad de probabilidad, que también se denota
f(x). La diferencia está en que la función de densidad de probabilidad no da probabilidades directamente. Si
no que el área bajo la curva de f(x) que corresponde a un intervalo determinado proporciona la probabilidad
de que la variable aleatoria tome uno de los valores de ese intervalo. De manera que cuando se calculan
probabilidades de variables aleatorias continuas se calcula la probabilidad de que la variable aleatoria tome
alguno de los valores dentro de un intervalo.

Como en cualquier punto determinado el área bajo la gráfica de f(x) es cero, una de las consecuencias de la
definición de la probabilidad de una variable aleatoria continua es que la probabilidad de cualquier valor
determinado de la variable aleatoria es cero.
𝑃(𝑋 = 𝑥) = 0
Lo que también implica:
𝑏
𝑝(𝑎 ≤ 𝑥 ≤ 𝑏) = 𝑝(𝑎 < 𝑥 < 𝑏) = 𝑝(𝑎 ≤ 𝑥 < 𝑏) = 𝑝(𝑎 < 𝑥 ≤ 𝑏) = ∫ 𝑓(𝑥 )𝑑𝑥
𝑎

Es decir que, a diferencia de una variable discreta, en una variable aleatoria continua incluir o no incluir los
límites en la desigualdad no modificará el cálculo ni el resultado de la probabilidad. (Ojo: Con esto no se quiere
decir que no se debe expresar correctamente la desigualdad interpretando el ejercicio)

1. DISTRIBUCIÓN DE PROBABILIDAD NORMAL

La distribución de probabilidad más usada para describir variables aleatorias continuas es la distribución de
probabilidad normal. La distribución normal tiene gran cantidad de aplicaciones prácticas, en las cuales la
variable aleatoria puede ser el peso o la estatura de las personas, puntuaciones de exámenes, resultados de
mediciones científicas, precipitación pluvial u otras cantidades similares. La distribución normal también tiene
una importante aplicación en inferencia estadística. En estas aplicaciones, la distribución normal describe qué
tan probables son los resultados obtenidos de un muestreo.
Fue descubierta y publicada por primera vez en 1733 por Abraham De Moivre. A la misma llegaron, de forma
independiente, Laplace (1812) y Karl F. Gauss (1809).

1.1. FUNCIÓN DE PROBABILIDAD

Se dice que una variable aleatoria X es normal si la ecuación matemática para la distribución de probabilidad
de la variable aleatoria normal depende de los parámetros 𝜇 𝑦 𝜎 (su media y su desviación típica). A partir de
este hecho se denotan los valores de 𝑋 con 𝑁(𝜇, 𝜎). La función de densidad de la variable aleatoria normal 𝑋
con media 𝜇 y varianza 𝜎2 está dada por:

para −∞ < 𝑥 < ∞

Notación: 𝑋~𝑁(𝜇, 𝜎) significa que 𝑋 tiene distribución normal de media 𝜇 y desviación estándar 𝜎. Una vez se
conocen 𝜇 𝑦 𝜎 la curva normal está completamente definida.
La figura que resulta al graficar la función de probabilidad antes mencionada asemeja una campana, razón por
la cual se denomina comúnmente como “Campana de Gauss”. En cuyo centro siempre se encuentra la media
de la distribución.

1.1.1. CARACTERÍSTICAS DE LA DISTRIBUCIÓN NORMAL:

1. No se trata de una única distribución normal sino de una familia de ellas. Toda la familia de distribuciones
normales se diferencia por medio de dos parámetros: la media μ y la desviación estándar σ, es decir cada
para (𝜇, 𝜎) da origen a una nueva distribución normal.
2. El punto más alto de una curva normal se encuentra sobre la media, la cual coincide con la mediana y la
moda.
3. La distribución normal es simétrica, siendo la forma de la curva normal al lado izquierdo de la media, la
imagen reflejada de la forma al lado derecho de la media. Las colas de la curva normal se extienden al
infinito en ambas direcciones y en teoría jamás tocan el eje horizontal.
4. La media de una distribución normal puede tener cualquier valor: negativo, positivo o cero. A continuación,
se muestran tres distribuciones normales que tienen la misma desviación estándar, pero diferentes medias.
(-10, 0 y 20).

5. La desviación estándar determina qué tan plana y ancha es la curva normal. Desviaciones estándar grandes
corresponden a curvas más planas y más anchas, lo cual indica mayor variabilidad en los datos. A
continuación, se muestran dos curvas normales que tienen la misma media, pero distintas desviaciones
estándar.

6. Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas bajo la curva
normal. Toda el área bajo la curva de una distribución normal es siempre 1. Como esta distribución es
simétrica, el área bajo la curva a la izquierda de la media es 0.50 y el área bajo la curva a la derecha de la
media también es 0.50.
7. Los porcentajes de los valores que se encuentran en algunos intervalos comúnmente usados son:
a) 68.3% de los valores de una variable aleatoria normal se encuentran más o menos una desviación
estándar de la media.
b) 95.4% de los valores de una variable aleatoria normal se encuentran más o menos dos desviaciones
estándar de la media.
c) 99.7% de los valores de una variable aleatoria normal se encuentran más o menos tres desviaciones
estándar de la media.
 1.2. DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR
Para calcular probabilidades en intervalos de valores de la variable, habría que integrar la función de densidad
entre los extremos del intervalo. Lamentablemente la función de densidad normal no tiene primitiva, es decir,
no se puede integrar. Por ello la única solución es referirse a tablas de la función de distribución de la variable
(calculadas por integración numérica). Estas tablas tendrían que ser de triple entrada (μ, σ, valor de x) y el
asunto tendría una complejidad enorme.
Afortunadamente, cualquiera que sea la variable normal, X, se puede establecer una correspondencia de sus
valores con los de otra variable con distribución normal, pero con media 0 y varianza 1, a la que se llama
variable normal tipificada o Z. La equivalencia entre ambas variables se obtiene mediante la ecuación:
𝑥−𝜇
𝑧=
𝜎
En otras palabras, z se interpreta como el número de desviaciones estándar a las que está una variable
aleatoria x de su media μ.

Lo importante de esta variable “z” es que ya existen tablas que nos brindan las probabilidades para diferentes
valores de ella sin necesidad de integrar. Para ello primero vamos a familiarizarnos con la variable “z” y su tabla
para luego resolver ejercicios de aplicación usando la variable “x”.

1.2.1. USO DE TABLAS DE PROBABILIDAD NORMAL ESTÁNDAR

CALCULO DE ÁREAS BAJO LA CURVA NORMAL TIPIFICADA DE 0 A Z:

TE INVITO A VER EL VIDEO USO DE TABLA NORMAL.
Debes tener a la mano la tabla normal.

1.3. EJERCICIOS DE APLICACIÓN

Ejemplo 1. La media de los pesos de 500 estudiantes de un colegio es de 70 kg y la varianza es 9 kg. Si los
pesos se distribuyen normalmente, hallar cuántos estudiantes pesan:
a) Entre 60 y 75 kg b) Más de 90 kg c) Menos de 64 kg d) 64 kg e) 64 kg o menos
Solución. (Explicación disponible en el video proporcionado en el aula virtual)
 Ejemplo 2. Varios exámenes de inteligencia dieron una puntuación que sigue una distribución normal con
media 100 y σ2= 225.
a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110
b) ¿Qué intervalo centrado en 100 contiene el 50% de la población?
c) ¿Qué puntuación se ubica en el 71avo percentil de las puntuaciones?
d) En una población de 2,500 individuos, ¿cuántas personas se esperan que tengan un coeficiente superior
a 125?
Solución. (Explicación disponible en el video proporcionado en el aula virtual)

1.4. EJERCICIOS PARA PRACTICAR DISTRIBUCIÓN NORMAL

1. En las siguientes figuras se muestran valores de la variable aleatoria z. Escríbela como desigualdad
y encuentra el área sombreada.

2. El área sombreada en cada figura, representa el área bajo la curva normal de una variable aleatoria
“Z”, Identifica, con ayuda de la tabla, el valor de “z”, y escribe la desigualdad que representa.
3. Si los ingresos de una región están distribuidos normalmente, con μ = $1,800 y σ2 = $2500. ¿Cuál
es la probabilidad de que una familia escogida aleatoriamente tenga los siguientes ingresos:
a) Entre $1,800 y $1,900 b) Superiores a $1,880 c) Entre $1,700 y $1,874
d) Entre $1,832 y $1,936 e) Inferiores a $1,750 f) Entre $1,850 y $1,925
4. Las puntuaciones de una prueba estandarizada se distribuyen normalmente con media de 480 y
varianza de 8100.
a) ¿Cuál es la proporción de estudiantes con notas mayores a 700?
b) ¿Cuál es el 25o. percentil de las puntuaciones?
c) Si la puntuación de alguien es de 600, ¿en qué percentil se encuentra?
d) ¿Qué proporción de las puntuaciones se encuentra entre 420 y 520?

5. Un abogado viaja diariamente desde su hogar hasta su oficina en el centro de la ciudad. En

promedio, el viaje en un sentido toma 24 minutos, con una desviación típica de 3.8 minutos. Si el
tiempo de viaje es una variable aleatoria normal:
a) ¿Cuál es la probabilidad de que un viaje requiera por lo menos de media hora?
b) Si la oficina se abre a las 9:00 am, y el abogado sale de su casa a las 8:45 am, todos los días,
¿qué porcentaje de veces llega tarde a su trabajo?
c) Si sale de su casa a las 8:35 am y en su oficina se sirve café́ de 8:50 a 9:00 am, ¿cuál es la
probabilidad de que se pierda el café?́
d) Calcule el valor del tiempo por encima del cual se encuentra el 15% de los viajes más tardados
e) Determine la probabilidad de que dos de los tres viajes siguientes tomen por lo menos media
hora
R/ a) 0.0571 b) 99.11% c)0 .3962 d) 28 min aprox e) 0.0092
6. Un proceso fabrica cojinetes de bolas cuyos diámetros se distribuyen normalmente con media de
2.505 cm y desviación estándar de 0.008 cm. Las especificaciones requieren que el diámetro esté
dentro del intervalo 2.5 ± 0.01 cm.
a) ¿Qué proporción de cojinetes de bolas cumple con la especificación?
 b) El proceso puede recalibrarse para que la media sea igual a 2.5 cm, el centro del intervalo de
la especificación. La desviación estándar sigue siendo la misma, ¿qué proporción de los
diámetros satisface la especificación?
c) Se ha recalibrado el proceso de tal forma que la media del diámetro mide ahora 2.5 cm, ¿a qué
valor debe reducirse la desviación estándar para que el 95% del diámetro satisfaga la
especificación?
R/ a) 70.56% b) 78.88% c) 0.0051 cm
7. La cantidad de café́ instantáneo que una máquina vierte se puede ajustar de tal manera que llene
los vasos con un promedio de μ onzas. Si la cantidad de onzas por vaso es una variable aleatoria
normal con desviación estándar igual a 0.06 onzas, encontrar el valor de μ de tal manera que los
vasos con capacidad de 4 onzas solamente se derramaran el 1% de las veces.
8. La penicilina es producida por el hongo Penicillium, que crece en un caldo cuyo contenido de azúcar
debe controlarse con cuidado. La concentración óptica de azúcar es de 4.9 mg/ml. Si la
concentración excede los 6 mg/ml, el hongo muere y el proceso debe suspenderse todo el día.
a) Si la concentración de azúcar en tandas de caldos se distribuye normalmente con media de 4.9
mg/ml y desviación estándar de 0.6 mg/ml, ¿en qué proporción de días se suspenderá́ el
proceso?
b) El distribuidor ofrece vender caldo con una concentración de azúcar que se distribuye
normalmente con media de 5.2 mg/ml y desviación estándar de 0.4 mg/ml. ¿Este caldo surtirá́
efectos con menos días de producción perdida? Explique.
9. Mediante un proceso de producción de tuberías se fabrican piezas con un diámetro medio de 5 cm
y una desviación estándar de 1⁄4 de milímetro. La tubería con diámetros que varían por más de 3⁄4
de milímetro respecto a la media se considera defectuosa. Si el diámetro es normal:
a) ¿Qué porcentaje de las piezas estará́ defectuoso?
b) ¿Cuál es la probabilidad de encontrar dos piezas seguidas que estén defectuosas? c) ¿Cuál es
la probabilidad de hallar dos piezas seguidas sin defecto?
10. Se sabe que las estaturas de las personas son una variable aleatoria distribuida normalmente con
media 165 cms. y desviación estándar 6 cms. ¿Cuántas personas de entre un total de 300, tienen
estaturas:
a) Mayores de 170 cms.
b) Menores o iguales a 160 cms.
c) Entre 163 cms y 169 cms
d) Igual a 165 cms