UNIDA V DISTRIBUCIONES

DE PROBABILIDADES
CONTINUAS
PROFESOR: CÉSAR OCTAVIO LUNA JIMÉNEZ
DISTRIBUCIÓN DE PROBABILIDAD NORMAL

• A diferencia de la distribución uniforme esta tiene una formula muy compleja :

2
Donde:
𝑋−𝜇 µ=media
1 −
𝑃 𝑥 = 𝑒 2𝜎
2
σ=desviación estándar
𝜎 2𝜋 𝜋 = 3.1416
𝑒 = 2.7182

• Características principales de la distribución de probabilidad normal:

a) Tiene forma de campana y posee una sola cima en el centro de la distribución.
b) Es simétrica respecto de la media.
c) Desciende suavemente en direcciones del valor central.
d) La localización de una distribución normal se determina a través de la media, µ.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
DISTRIBUCIÓN DE PROBABILIDAD NORMAL.
(FAMILIA DE DISTRIBUCIONES DE PROBABILIDADES NORMALES)

• Distribuciones de probabilidad normal con medias iguales y desviaciones estándar

diferentes.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL

• Distribuciones de probabilidad normal con diferentes medias y desviaciones estándar

iguales.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL

• Distribuciones de probabilidad normal con medias y desviación estándar diferentes.

DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• Existen infinidad de distribuciones normales, y cada una posee diferente media (µ), desviación
estándar (σ), o ambas. Mientras que es posible proporcionar tablas de probabilidades de
distribuciones discretas como la binomial y la de Poisson, es imposible elaborar tablas de
para una infinidad de distribuciones normales. Por fortuna, un miembro de la familia se utiliza
para determinar las probabilidades de todas las distribuciones de probabilidad normal. Ha esta
la conocemos como “Distribución de probabilidad normal estándar” y es única, pues
tiene una media de 0 y una desviación estándar de 1.
• Cualquier distribución de probabilidad normal puede convertirse en una distribución de
probabilidad normal estándar si se resta la media de cada observación y se divide esta
diferencia entre la desviación estándar. Los resultado reciben el nombre de valores z o
valores tipificados.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• Valor z: distancia con signo entre un valor seleccionado, designado X, y la media, µ,

dividida entre la desviación estándar, σ.
𝑿−𝝁
𝒛=
𝝈
Donde:
• X es el valor de cualquier observación y medición.
• µ es la media de la distribución.
• σ es la desviación estándar de la distribución.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

Ejemplo:
Los ingresos semanales de los supervisores de turno de la industria del vidrio se
rigen por una distribución de probabilidad normal con una media de $1,000 y una
desviación estándar $100. ¿Cuál es el valor z del ingreso X de un supervisor que
percibe $1,100 semanales? ¿Y de un supervisor que gana $900 semanales?

Para X=$1,100 Para X=$900

𝑋−𝜇 𝑋−𝜇
𝑧= 𝑧=
𝜎 𝜎
$1,100 − $1,000 $900 − $1,000
𝑧= = −1.00
𝑧= = 1.00 $100
$100
El valor z de 1.00 indica que un ingreso semanal de $1,100 esta a una desviación estándar por
encima de la media, y un valor z de -1.00 muestra un ingreso de $900 está a una desviación
estándar por debajo de la media.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• ¿Cuál es la probabilidad de seleccionar a un supervisor cuyo ingreso semanal

oscile entre $1,000 y $1,100? 𝑃 $1,000 < 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 < $1,100
$1,100 − $1,000
𝑧= = 1.00
$100
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• El área bajo la curva normal entre $1,000 y $1,100 es de 0.3413.también puede

decir que 34.13% de los supervisores de turno en la industria del vidrio gana
entre $1,000 y $1,100 semanales, o que la probabilidad de seleccionar a un
supervisor cuyo ingreso oscile entre $1,000 y $1,100 es de 0.3413.
• Esta información se resume de la siguiente forma:
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

Ejercicio de repaso.
• La temperatura del café que vende Coffee Bean Cafe sigue una distribución de
probabilidad normal, con una media de 150 grados. La desviación estándar de esta
distribución es de 5 grados.
• a) ¿Cuál es la probabilidad de que la temperatura del café esté entre los 150 y los 154
grados?
• b) ¿Cuál es la probabilidad de que la temperatura del café sea de más de 164 grados?
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• Un estudio reciente con respecto a salarios por hora de integrantes de equipos de

mantenimiento de las aerolíneas más importantes demostró que el salario medio por
hora era de $20.50, con una desviación estándar de $3.50. Suponga que la distribución de
los salarios por hora es una distribución de probabilidad normal. Si elige un integrante de
un equipo al azar, ¿cuál es la probabilidadde que gane:
• a) entre $20.50 y $24.00 la hora?
• b) más de $24.00 la hora?
• c) menos de $19.00 la hora?
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
ESTÁNDAR

• WNAE, estación de AM dedicada a la transmisión de noticias, encuentra que la

distribución del tiempo que los radioescuchas sintonizan la estación tiene una
distribución normal. La media de la distribución es de 15.0 minutos, y la desviación
estándar, de 3.5. ¿Cuál es la probabilidad de que un radioescucha sintonice la estación:
• a) más de 20 minutos?
• b) 20 minutos o menos?
• c) entre 10 y 12 minutos?
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL
• La distribución de una probabilidad binomial se considera una probabilidad discreta. Si un
problema con una muestra de 60, generar una distribución binomial de una cantidad tan
grande habría consumido mucho tiempo.
• Un enfoque más eficiente consiste en aplicar la aproximación de la distribución normal a
la binomial.
• En la caso para valores grandes de n es razonable emplear una distribución normal (una
distribución continua) en sustitución de la distribución binomial (una distribución
discreta), pues conforme se incrementa n, una distribución binomial se aproxima a una
distribución normal.
APROXIMACIÓN DE LA DISTRIBUCIÓN
BINOMIAL A LA NORMAL
• ¿Cuándo utilizar la aproximación normal? La distribución de probabilidad normal
constituye una buena aproximación de la distribución de probabilidad binomial cuando np
y n(1-p) son 5 por lo menos, pero antes de su aplicación deberemos estar seguros que la
distribución de interés es en verdad un distribución binomial.
• Criterios de satisfacción:
1. Solo existen dos resultados mutuamente excluyentes en un experimento: éxito y fracaso.
2. La distribución resulta del conteo del número de éxitos en una cantidad fija de pruebas.
3. La probabilidad de un éxito, p, es la mismas de una prueba a otra.
4. Cada prueba es independiente.
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL
• Factor de corrección de continuidad.
Para mostrar la aplicación de la aproximación de la distribución binomial, así como la necesidad de un
factor de corrección, supongamos que la administración de un restaurante de pizza se da cuenta de
que 70% de sus nuevos clientes regresa a comer ¿Cuál es la probabilidad de que 60 o más clientes
regresen a comer durante una semana en la que 80 nuevos (primera vez)clientes comieron en el
restaurant?
• Observemos que las condiciones relacionadas a la distribución binomial se cumplen:
1. Solo hay dos posibles resultados: un cliente regresa para consumir alimentos o no lo hace.
2. Es posible contar el número de éxitos, lo cual significa, por ejemplo, que 57 de los 80 clientes regresan.
3. La pruebas son independientes, lo cual significa que si la persona número 34 regresa a comer por
segunda vez, esto no influye en el hecho de que la persona 58 vuelva;
4. La probabilidad de que un cliente vuelva se mantiene en 0.70 para los 80 clientes.
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL
• Por consiguiente, es aplicable la fórmula binomial
𝑛
𝑃 𝑥 = (𝑃)𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
Si deseáramos determinar la probabilidad de que 60 o más clientes regresen para consumir pizza,
primero tendremos que calcular la probabilidad de que regresen exactamente 60 clientes .Es decir:
80
𝑃 𝑥 = 60 = (.70)60 (1 − .70)80−60= .063
60
En seguida determinamos la probabilidad de que regresen exactamente 61 clientes regresen. Es decir:
80
𝑃 𝑥 = 61 = (.70)61 (1 − .70)80−61= .048
61
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL
Número de clientes Numero de clientes
Probabilidad Probabilidad
que regresan que regresan
43 .001 56 0.97
44 .002 57 .095
45 .003 58 .088
46 .006 59 .077
47 .009 60 .063
48 .015 61 .048
49 .023 62 .034
50 .033 63 .023
51 .045 64 .014
52 .059 65 .008
53 .072 66 .004
54 .084 67 .002
55 .093 68 .001
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

• Se determina la probabilidad de que 60 o más clientes regresen al sumar:

. 063 + .048 + .034 + .023 + .014 + .008 + .004 + .002 + .001 = .197
• De esta manera estaríamos trabajando con una distribución binomial (distribución
continua) y tendríamos que generar algunos cálculos mas.
• Para facilitar esta tarea lo único que haremos será arreglar las probabilidades discretas de
56 clientes quede representada por un área bajo la curva continua entre 55.5 y 56.5;
después, permitir que la probabilidad de los 57clientes quede representada por un área
entre 56.5 y 57.5, etc. “Este concepto es exactamente contario al de redondear
los números”
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

0.12

0.1

0.08
Probabilidad

0.06

0.04

0.02

0
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 74 65 66 67 68
clientes
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

• Como la distribución normal sirve determinar la probabilidad binomial de 60 0 más

éxitos, debe restar, en este caso, 0.5 de 60. El valor de 0.5 recibe el nombre de factor de
corrección de continuidad”
• Se debe realizar este pequeño ajuste porque una distribución continua (distribución
normal) se utiliza para aproximar una distribución discreta (distribución binomial). Al
restar obtenemos 60-0.5=59.5.
• Factor de corrección de continuidad: Valor de 0.5 restado o sumado, según se
requiera, a un valor seleccionado cuando una distribución de probabilidad discreta se
aproxima por medio de una distribución de probabilidad continua.
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

• Como se aplica el factor de corrección:

1. Para la probabilidad de que por lo menos ocurra X, se utiliza el área por encima de
𝑋 − 0.5 .
2. Para la Probabilidad de que ocurra más que X, se utiliza el área por encima de 𝑋 + 0.5 .
3. Para la probabilidad de que ocurra X o menos, se utiliza el área debajo de 𝑋 + 0.5 .
4. Para la probabilidad de que ocurra menos que X, se utiliza el área debajo de 𝑋 − 0.5 .
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

• Para utilizar la distribución normal con el fin de aproximar la probabilidad de que regresen 60 o
más clientes de los 80 que van al restaurante de pizza, se realiza el siguiente procedimiento.
• Paso 1: Se determina el valor de z correspondiente a una X de 59.5, la media y varianza de una
distribución binomial.
𝝁 = 𝒏𝒑 = 𝟖𝟎 . 𝟕𝟎 = 𝟓𝟔
𝝈𝟐 = 𝒏𝒑 𝟏 − 𝒑 = 𝟖𝟎 . 𝟕𝟎 𝟏−. 𝟕𝟎 = 𝟏𝟔. 𝟖
𝝈 = 𝟏𝟔. 𝟖 = 𝟒. 𝟏𝟎
𝑿 − 𝝁 𝟓𝟗. 𝟓 − 𝟓𝟔
𝑽𝒂𝒍𝒐𝒓 𝒏𝒐𝒓𝒎𝒂𝒍 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓 𝒛 = = =. 𝟖𝟓
𝝈 𝟒. 𝟏𝟎
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

• Paso 2: Determinemos el área bajo la curva normal entre una 𝜇 de 56 y una 𝑋 de 59.5. Según el
paso 1, el valor de z correspondiente a 59.5 es de 0.85. en seguida consulte la tabla de las áreas
bajo la curva normal y el área es de 0.3023.
• Paso 3: Calcule el área más allá de 59.5, para restar 0.3023 de 0.5000 (0.50000-0.3023=0.1977).
Por consiguiente, 0.1977 es la probabilidad de que regresen para consumir alimentos 60 o más
clientes de los 80 que acuden por primera vez al restaurante de Pizza. En notación Probabilística
(P(clientes >59.5)= 0.5000-0.3023=0.1977.
APROXIMACIÓN DE LA DISTRIBUCIÓN
NORMAL A LA BINOMIAL

.5000

La probabilidad de que 60 o
mas de cada 80 clientes
regresen al restaurante es de
0.1977
.3020

.1977

56 59.5 Escala de X
0 .85 Escala de z
 5.7 DISTRIBUCIÓN EXPONENCIAL

• Puede usarse para variables aleatorias como el tiempo entre la llegada de un

automóvil a un auto lavado, el tiempo requerido para cargar un camión, la
distancia entre los defectos importantes de una carretera
• Función de densidad exponencial:

𝟏 −𝒙/𝝁
𝒇 𝒙 = 𝒆 𝒑𝒂𝒓𝒂 𝒙 ≥ 𝟎
𝝁

𝒅𝒐𝒏𝒅𝒆 𝝁 = 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔𝒑𝒆𝒓𝒂𝒅𝒐 𝒐 𝒎𝒆𝒅𝒊𝒂

 5.7 DISTRIBUCIÓN EXPONENCIAL
• Ejemplo:
Suponga que x representa el tiempo de carga para un camión en el muelle Schips y sigue dicha
distribución. Si la media, o promedio, del tiempo de carga es de 15 minutos (𝜇 = 15), la
función apropiada de densidad para 𝑥 es:
1 −𝑥/15
𝑓 𝑥 = 𝑒
15
Al igual que en una distribución continua de probabilidad el área bajo la curva corresponde a
un intervalo de probabilidad de que la variable aleatoria asuma un valor en ese intervalo.
Continuando con el ejemplo de muelle, la probabilidad de cargar un camión tarde 6 minutos o
menos 𝑃 𝑥 ≤ 6 , 𝑑𝑒 𝑥 = 0 𝑎 𝑥 = 6.
De manera similar, la probabilidad de que el tiempo de carga sea de 18 minutos o menos
𝑃 𝑥 ≤ 18 𝑒𝑙 á𝑟𝑒𝑎 𝑏𝑎𝑗𝑜 𝑙𝑎 𝑐𝑢𝑟𝑣𝑎 𝑑𝑒 𝑥 = 0 𝑎 𝑥 = 18
 5.7 DISTRIBUCIÓN EXPONENCIAL
• Ejemplo:
Debemos notar también que la probabilidad de que el tiempo de carga se encuentre entre 6 y
18 minutos 𝑃 6 ≤ 𝑥 ≤ 18 𝑒𝑠𝑡𝑎 𝑑𝑎𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 á𝑟𝑒𝑎 𝑏𝑎𝑗𝑜 𝑙𝑎 𝑐𝑢𝑟𝑣𝑎 𝑑𝑒 𝑥 = 6 𝑎 𝑥 = 18.
• Distribución exponencial Probabilidades acumuladas
𝑷 𝒙 ≤ 𝒙𝟎 = 𝟏 − 𝒆−𝒙𝟎/𝝁
Para el ejercicio del muelle, 𝑥 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 𝑒𝑛 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑦 𝜇 = 15 𝑚𝑖𝑛𝑢𝑡𝑜𝑠.
𝑃 𝑥 ≤ 𝑥0 = 1 − 𝑒 −𝑥0 /15
Por consiguiente, la probabilidad de cargar un camión tarde 6 minutos o menos es:
𝑃 𝑥 ≤ 6 = 1 − 𝑒 −6Τ15 = .3297
Calculamos la probabilidad de cargar un camión en 18 0 menos minutos
𝑃 𝑥 ≤ 18 = 1 − 𝑒 −18Τ15 = .6988
 5.7 DISTRIBUCIÓN EXPONENCIAL
• Ejemplo:
 5.7 DISTRIBUCIÓN EXPONENCIAL
• Ejemplo:
Así, la probabilidad de que la carga del camión tarde entre 6 y 18 minutos es igual a .6988-
.3297=0.3691
• Ejercicio de repaso:
La duración entre cargas de la batería para el teléfono celular Motorola Droi Razr Maxx es de
20 horas cuando su principal es la conversación. La duración de la batería se reduce a 7 horas
cuando el teléfono se usa principalmente para aplicaciones de internet. Suponga que la vida de
la batería en ambos casos sigue una distribución exponencial.
A. Muestre la función de densidad para la vida de la batería del Droi Razz Maxx cuando su
1 −𝑥/20
uso principal es la conversación.𝜇 = 20, 𝑓 𝑥 = 𝑒
20
 5.7 DISTRIBUCIÓN EXPONENCIAL
• Ejemplo:
B. ¿Cuál es la probabilidad de que la carga de la batería de un Droid Razr Maxx seleccionado
en forma aleatoria tenga una duración de no mas de 15 horas si su uso principal es la
conversación?
𝑃 𝑥 ≤ 15 = 1 − 𝑒 −𝑥Τ𝜇 = 1 − 𝑒 −15Τ20 = .5276
C. ¿Cuál es la probabilidad de que su carga dure mas de 20 horas si su uso principal es la
conversación?
𝑃 𝑥 > 20 = 1 − 𝑃 𝑥 ≤ 20 = 1 − 1 − 𝑒 −20Τ20 = 𝑒 −1 = .3679
D. ¿Cuál es la probabilidad de que dure no más de 5 horas cuando su uso principal son las
aplicaciones de internet?
𝑃 𝑥 ≤ 5 = 1 − 𝑒 −5Τ7 = .5105
 DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Esta es la distribución más simple de una variable aleatoria continua. Tiene forma
rectangular y queda definida por valores mínimos y máximos.
• Tiempo de vuelo de una aerolínea comercial de un punto x a un punto y varía de 60 a 120
minutos. La variable aleatoria es el tiempo de vuelo dentro de este intervalo.
• Los voluntarios de un buffet de contadores elaboran formas para declaraciones de impuestos
federales. El tiempo que tardan para elaborar un formato especifico se rige por una
distribución uniforme en e intervalo de 10 a 30 minutos.
 DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Media de la distribución uniforme

𝑎+𝑏
𝜇=
2
• Desviación estándar de la distribución uniforme

𝑏−𝑎 2
𝜎=
12
1 Función de probabilidad uniforme
Á𝑟𝑒𝑎 = 𝑎𝑙𝑡𝑢𝑟𝑎 𝑏𝑎𝑠𝑒 = 𝑏−𝑎 =1
𝑏−𝑎 1
1 𝑃 𝑥 = 𝑠𝑖 𝑎 ≤ 𝑥
Á𝑟𝑒𝑎 = 𝑎𝑙𝑡𝑢𝑟𝑎 𝑏𝑎𝑠𝑒 = 15 − 10 = 1 𝑏−𝑎
15 − 10 ≤ 𝑏 𝑦 0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑙𝑢𝑔𝑎𝑟
DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Una universidad de Arizona proporciona servicio de transporte de autobús a los estudiantes

mientras se encuentran en el recinto. Un autobús llega a la parada de una avenida principal
cada 30 minutos, entre 6 de la mañana y las 11 de la noche entre semana. Los estudiantes
llegan a la parada en tiempos aleatorios. El tiempo que espera un estudiante tiene una
distribución uniforme de 0 a 30 minutos.
a) Trace una gráfica de la distribución.
b) Demuestre que el área de esta distribución uniforme es de 1.00.
c) ¿Cuánto tiempo esperará el autobús “normalmente” un estudiante? en otras palabras ¿Cuál es la
media del tiempo de espera?¿Cual es la desviación estándar de los tiempos de espera?
d) ¿Cuál es la probabilidad de que un estudiante espere más de 25 minutos?
e) ¿Cuál es la probabilidad de que un estudiante espere entre 10 y 20 minutos?
DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Paso 1.- Para este caso la variable aleatoria es el tiempo que espera un estudiante. El
tiempo se mide en una escala continua, y los minutos varían de 0 a 30.
• El tiempo que esperan los estudiantes el autobús es uniforme a lo largo del intervalo de
0 a 30 min; así, en este caso, a es 0y b 30.
1
Á𝑟𝑒𝑎 = 𝑎𝑙𝑡𝑢𝑟𝑎 𝑏𝑎𝑠𝑒 = 30 − 0 = 1
30 − 0
La línea horizontal se traza a una altura
de 0.0333, que se calcula mediante
1
= 0.033
30−0
DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Paso 2.- Determinamos la media y desviación estandar.

𝑎 + 𝑏 0 + 30
𝜇= = = 15
2 2
La media de la distribución es de 15 minutos; así, el tiempo de espera habitual del servicio
de autobús es de 15 minutos.

𝑏−𝑎 2 30 − 0 2
𝜎= = = 8.66
12 12

La desviación estándar de la distribución es de 8.66 minutos. Es la variación de los tiempos

de espera de los estudiantes.
DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

• Paso 3.- El área dentro de la distribución en el intervalo de 25 a 30 representa esta

probabilidad en particular. De acuerdo con la fórmula del área:
1
𝑃 25 < 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑒𝑠𝑝𝑒𝑟𝑎 < 30 = 5 = .1667
30 − 0
Así, la probabilidad de que un estudiante espere entre 25 y 30 minutos es de 0.1667.Tal
conclusión se ilustra en a siguiente grafica.
DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME

El área dentro de la distribución en el intervalo de 10 a 20 representa la probabilidad.

1
𝑃 10 < 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑒𝑠𝑝𝑒𝑟𝑎 < 20 𝑎𝑙𝑡𝑢𝑟𝑎 𝑏𝑎𝑠𝑒 = 10 = .3333
30 − 0
Esta probabilidad se ilustra de la siguiente manera: