Capítulo 6 / Variables aleatorias y distribución de probabilidad

( k − 0.5 − np
P ≤ Z ≤
npq
k + 0.5 − np
npq )
Aplicando el mismo procedimiento se calculan las probabilidades: P(a ≤ X), P(a ≤ X ≤ b),
P(X ≤ b) no sin antes hacer las correspondientes correcciones por continuidad,
respectivas:
P(a ≤ X) ≈ P(a − 0.5 ≤ X)
P(a ≤ X ≤ b) ≈ P(a − 0.5 ≤ X ≤ b + 0.5)
P(X ≤ b) ≈ P(X ≤ b + 0.5)

Ejemplo. Aproximación de la binomial

Si X es una variable aleatoria con distribución binomial con parámetros n = 20
y p = 0.5, entonces:

(
7 − 0.5 − 10
P(X = 7) ≈ P ≤ Z ≤
5
7 + 0.5 − 10
5
)
Recurriendo a la tabla de la normal estándar se tiene el resultado 0.0730.
Calculando directamente con la binomial el resultado es 0.0739.

Propiedades de la distribución normal

A continuación, se enuncian algunas propiedades de la distribución normal, que son
muy útiles en los cálculos a realizar.
1. Si X tiene distribución normal con media µ y varianza σ 2, entonces la variable
Y = a + bX es una variable aleatoria que sigue la distribución normal con media
a + bµ y varianza b2σ 2.
En particular, si Z es una variable aleatoria normal estándar, entonces la
variable Y = µ + σ2Z tiene distribución normal con media µ y varianza σ2.
2. “Propiedad reproductiva de la normal”
Si Xi ~ N(µi, σ 2i), con i = 1, 2,..., n, son n variables aleatorias independien­
tes, entonces:

( )
n n n
Y = ∑ ciXi ~ N ∑ ciµi, ∑c 2iσ 2i
i=1 i=1 i=1

En particular se cumple que:

a) si X e Y son variables aleatorias independientes con distribuciones N(µ1, σ 12 ) y
N(µ2, σ 22 ), respectivamente, entonces la variable U = X + Y tiene distribución
N(µ1 + µ2, σ 21 + σ 22 ).
b) si X1,…, Xn son variables aleatorias independientes, todas con la misma distribución
n
N(µ, σ 2), entonces la variable aleatoria ∑ Xi tiene distribución normal N(nµ, nσ 2).
i=1 193
www.FreeLibros.me