Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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)
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.
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. 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?