Distribución de probabilidad de variable continua

Variable continua: Variable que puede tomar todos los valores dentro de un rango.

Ejemplo: Estatura, masa, tiempo, velocidad, distancia, temperatura, etc.

Diferencia entre distribución de variable discreta y continua

Propiedades Distribución de variable discreta Distribución de variable continua

o cálculos
Gráfica de la
distribudión

Requisito 1 P ( xi )≥ 0 f (x)≥ 0
n +∞

Requisito 2 ∑ P ( x i )=1 ∫ f ( x ) dx=1

i=1 −∞
x5 b
Cálculo de
P ( x 4 ≤ x ≤ x 5 ) =∑ P ( x i ) P ( a ≤ x ≤ b )=∫ f ( x ) dx
probabilidade i=x 4 a
s entre 2
valores
n +∞

Media μ=∑ xi ∙ P ( x i ) μ= ∫ x ∙ f ( x ) dx
i=1 −∞
n +∞
σ 2=∑ ( x i−μ ) ∙ P ( x i ) σ =∫ ( x −μ ) ∙ f ( x ) dx=1
2 2 2
Varianza
i=1 −∞

Al menos o P(x ≥ x 0 )≠ P(x > x 0 ) P ( x ≥ x 0 )=P(x > x 0 )

mayor a…
A lo más o P(x ≤ x 0 )≠ P(x < x 0 ) P ( x ≤ x 0 )=P(x < x 0 )
menor a…
Probabilidad de P ( x=x i ) ≥ 0 P ( x=x i )=0
x es igual

La integral es un cálculo del área bajo la curva

 Distribución normal

Son una familia de distribución de probabilidad de variable continua de la forma:

[ ]
2
( x−μ )
−
1 2σ
2

P ( x )= ∙e
σ √2 π
Donde:

μ :es la media de la poblaciónσ :es la desviación estándar de la población

e : número neperiano ( 2,718281828459 … ) π :número pi ( 3,1416 … )
x : es el valor de una variable aleatoria continua

Características:
1. Tiene forma de campana (campana de Gauss)
2. Es simétrica respecto a la media poblacional, μ
3. El ancho de la campana depende de la desviación estándar poblacional, σ .

i. Medias iguales, distintas desviaciones estándar:

ii. Medias diferentes, iguales desviaciones estándqar:

Para conocer las probabilidades de estas variables aleatorias diferentes, se deben

estandarizar.
 Distribución normal estándar

Valor z: Distancia con signo entre un valor seleccionado, x , y la media, μ, en

unidades de desviación estándar, σ .

x−μ
z=
σ
Donde:

μ :es la media de la poblaciónσ :es la desviaicón estándar de la población

x : es el valor de cualquier medición

Características:
1. Tiene forma de campana (campana de Gauss)
2. Es simétrica respecto a z=0 .
 Uso de la tabla de probabilidad acumulada distribución normal estándar (z)

Caso I P(z < z 0 )

Ejemplo:
P ( z←1 , 27 ) =¿P ( z ≤ 2 ,05 )=¿P ( z←0 ,38 )=¿P ( z ≤ 1,456 )=¿
Ejercicio:
P ( z< 2, 13 ) =¿P ( z ≤−2, 45 )=¿P ( z< 0 )=¿P ( z ≤−0,063 )=¿
Casos especiales: P ( z←3 , 32 )=¿ P ( z< 3 ,66 )=¿P ( z< 3 ,13 )=¿P ( z←3 , 88 )=¿P ( z< 3 ,9 )=¿
P ( z←3 , 9 )=¿P ( z< 5 ,23 )=¿P ( z← 4 , 23 )=¿

Caso II P ( z> z 0 )
Ejemplo: P ( z>−1, 97 )=¿P ( z> 1, 75 ) =¿P ( z> 3 ,25 )=¿P ( z>−0,256 )=¿

Ejercicio:
P ( z> 2, 56 )=¿P ( z ≥ 4 ,35 )=¿P ( z>−0 , 87 )=¿P ( z ≥−2, 16 )=¿

P ( z>−3 ,78 )=¿P ( z ≥−5 ,33 )=¿

Caso III P ( z 1< z < z 2 )=P ( z < z 2 )−P ( z < z 1 )
Ejemplo: P (−0 , 25< z <1 ,57 )=¿P ( 0 , 03< z <2 , 01 )=¿
Ejercicio P (−1 ,34 < z ←0 , 09 )=¿
P (−1 ,34 < z <0 )=¿P ( 0 , 64< z < 4 , 1 )=¿P (−3 , 21< z←0 , 02 ) =¿P (−1 ,96 < z <1 ,96 )=¿

Aplicación en problemas de distribución normal

i) Los montos de dinero que se piden en las solicitudes en Down River Federal Saving
siguen una distribución normal con una media de 70.000 dólares y una desviación
estándar de 20.000 dólares Si se recibe una solicitud de préstamo ¿Cuál es la
probabilidad de que el monto solicitado sea superior a 80.000 dólares? (R: 0.3085)

ii) En una ciudad se estima que la temperatura máxima en el mes de junio sigue una
distribución normal, con media 23° y desviación típica 5°. Calcular el número de días
del mes en los que se espera alcanzar máximas entre 21° y 27° (R: 13)