7- 1

II. Distribuciones de Probabilidad:

Continuas (continuación…)

MC ROSARIO CRUZ GUERRERO

 7- 2

Distribuciones de Probabilidad Continuas

OBJETIVOS

1) Comprender la diferencia entre distribuciones discretas y continuas.

2) Enumerar las características de la distribución de probabilidad
normal.
3) Definir y calcular valores z.
4) Determinar la probabilidad de que una observación se encuentre
entre dos puntos utilizando la distribución normal estándar.
5) Determinar la probabilidad de que una observación sea superior o
inferior a un valor dado utilizando la distribución normal estándar.
6) Usar la distribución normal para aproximar la distribución de
probabilidad binomial.
OBJETIVOS
 7- 3

Distribuciones de Probabilidad Continuas

OBJETIVOS

7) Definir y calcular valores t.

8) Determinar la probabilidad de que una observación se encuentre
entre dos puntos utilizando la distribución t de Student.
9) Determinar la probabilidad de que una observación sea superior o
inferior a un valor dado utilizando la distribución t de Student.

OBJETIVOS
 7- 4

Una distribución Una distribución

Discreta se basa en Continua suele ser
variables aleatorias que resultado de la
solo pueden asumir sólo medición de algo.
valores separados.

Las distribuciones Las distribuciones

Discretas estudiadas Continuas incluyen:
incluyen: o Normal
oBinomial o Uniforme
oPoisson. o T de Student
oHipergeométrica o Otras

Distribuciones Discretas y Continuas

 7- 5

La distribución de probabilidad Normal

 tiene forma de campana y tiene un solo

pico en el centro de la distribución.
 Es simétrica respecto a la media.
 Es asintótica. Es decir, la curva se acerca
cada vez más al eje X, pero en realidad nunca lo
toca.
 Tiene su media, , para determinar su
ubicación y su desviación estandard, ,
para determinar su dispersión.
 7- 6

La distribución de probabilidad Normal

 La Distribución Normal fue investigada por

primera vez por el francés Abraham de Moivre
(1667-1754).  Después, Carl Friedrich Gauss
(1777-1855) elaboró desarrollos más amplios y
formuló la ecuación de la curva; de ahí que
también se la conozca comúnmente, como
“Campana de Gauss".  La distribución de una
variable normal está completamente
determinada por dos parámetros, su media y su
desviación estándar.
 Otras distribuciones como la Binomial o la
Poisson son aproximaciones normales.
 7- 7

Características de una Distribución Normal

Es simétrica respecto
Cuanto mayor sea el valor a la media.
de la desviación estándar,
más se dispersarán los datos
en torno a la media y la
curva será más plana.  Un
valor pequeño de este
parámetro indica, una gran
probabilidad de obtener
datos cercanos al valor
medio de la distribución.
Teóricamente, la
curva se extiende
hasta el
50% 50% infinito

La media, la mediana
y la moda coinciden,
son iguales
 7- 8
También se le llama
La distribución normal estándar es una
distribución normal con una media de 0 Distribución z.
y una desviación estándar de 1.
Se puede convertir cualquier variable aleatoria normal X a una
variable aleatoria normal estandarizada Z. Aunque los datos
originales para la variable aleatoria X tenga la media µ y la
desviación estándar σ, la variable estandarizada Z siempre
tendrá una media de µz = 0 y la desviación estándar de σZ = 1.

Un valor de z es la distancia entre un valor seleccionado,

designado X, y la media de la población , dividida por la
desviación estándar de la población, . La formula es:

X 
z 
 La Distribución de Probabilidad Normal Estándar
 7- 9
MANEJO DE TABLAS: CASOS MAS FRECUENTES
 7- 10
MANEJO DE TABLAS: CASOS MAS FRECUENTES
 7- 11
EJEMPLO: Una empresa instaló
X 
z en una ciudad 20,000 bombillas
 para iluminar. La duración por
bombilla sigue una distribución
normal con media de 302 días y
desviación típica de 40 días.
¿cuántas bombillas se espera se
P=0.9418 fundan antes de 365 días?

Ejemplo 1
0.9418*20,000=18,836 bombillas se fundirán
 7- 12
¿cuántas durarán más de 400 días?
X   400  302
z   2.45
 40

Ejemplo 1 continuación
 7- 13
Los salarios iniciales
bimensuales de los
X  recién graduados de
z MBA siguen la
 distribución normal
M BA con una media de
$2,000 y una
= $2,200 - $2000 desviación estándar de
$200 $200. ¿Cuál es el valor
de z para un salario de
= 1.00 $2,200?

Ejemplo 2
 7- 14
¿Cuál es el valor de z para $1,700?
X 
z

$1,700  $2,000
  1.50
$200

Un valor de z de 1 indica que el valor de $ 2,200 es

una desviación estándar por encima de la media de
$2,000. Un valor de z de –1.50 indica que $1,700 es
1.5 desviación estándar por debajo de la media de
$2,000.

Ejemplo 2 continúa
 7- 15
Alrededor del 68 por
ciento del área bajo la
curva normal está
dentro de una
desviación estándar de
la media:.  + 1

Alrededor del 95 por ciento está dentro de 2 desviaciones

estándar de la media:  + 2
En concreto, existe un 95% de posibilidades de observar un valor
comprendido en el intervalo 
Prácticamente todo está dentro de 3 desviaciones estándar de la
media:  + 3
Áreas bajo la Curva Normal
 7- 16
El uso de agua diario por persona en New Providence,
Nueva Jersey, se distribuye normalmente con una
media de 20 galones y una desviación estándar de 5
galones. ¿Cuántos galones de agua usarán
aproximadamente el 68 por ciento de los que viven en
New Providence?
Alrededor del 68% del uso diario del agua estará
entre 15 y 25 galones (+ 1 ).

Ejemplo 3
 RH O DE 7- 17
295 IS L A N D ¿Cuál es la probabilidad de
P r o v id e n c e
S c itu a te
Res
que una persona de New
W a r w ic k Providence seleccionada al
95
azar utilice entre 20 y 24
N e w p o rt
galones por día?

X  24  20
z    0.80
 5

X  20  20
z    0.00
 5

Ejemplo 4
 7- 18
El área bajo una curva
normal entre un valor z de
0 y un valor z de 0.80 es
0.2881.

Ver el diagram de la página siguiente.

Llegamos a la conclusión
de que 28.81 por ciento de
los residentes utilizan
entre 20 y 24 galones de
agua por día.
Ejemplo 4 continuación
 7- 19

Ejemplo 4 continuación
 7- 20
¿Qué porcentaje de
la población utiliza
entre 18 y 26
galones por día?

X  26  20
z    1.20
 5

X  18  20
z   0.40
 5
Ejemplo 4 continuación
 7- 21

El área asociada El área asociada

con un valor z de con un valor z de
–0.40 es 0.1554. 1.20 es 0.3849.

La adición de
estas áreas, el
resultado es
.5403.

Llegamos a la conclusión de que 54.03

por ciento de los residentes utilizan entre
18 y 26 galones de agua por día.

Ejemplo 4 continuación
 7- 22
El profesor Mann ha
determinado que los
puntajes en su curso de
estadística se distribuyen
normalmente con una media
de 72 y una desviación
estándar de 5. Anuncia a la
clase que el 15 por ciento
superior de los puntajes
obtendrá una A. ¿Cuál es el
puntaje más bajo que un
estudiante puede obtener y
aun así recibir una A?

Ejemplo 5
 7- 23
Para comenzar, sea X la puntuación que
separa una A de una B.
Si el 15 por ciento de los estudiantes
obtienen más de X, entonces el 35 por ciento
debe obtener un puntaje entre la media de
72 y X.

El valor de z asociado que es correspondiente

al 35 por ciento es aproximadamente 1.04.

Ejemplo 5 continuación
 7- 24

Dejamos que z sea igual a Aquellos con un

1.04 y resolvamos la ecuación puntaje de 77.2 o
normal estándar para X. El más obtienen una
resultado es la puntuación que A.
separa a los estudiantes que
obtuvieron una A de aquellos
que obtuvieron una B.

X  72
1.04 
5
X  72  1.04(5)  72  5.2  77.2

Ejemplo 5 continuación
 7- 25
La Aproximación de la Binomial a la Normal
La distribución normal (una distribución continua)
produce una buena aproximación de la distribución
binomial (una distribución discreta) para valores
grandes de n.

 La distribución de probabilidad
normal es generalmente una buena
aproximación a la distribución de
probabilidad binomial cuando np y
n(1- p) son mayores que 5.

La Aproximación de la Binomial a la Normal

 7- 26

Recordemos el experimento binomial:

o Solo hay dos resultados mutuamente

excluyentes (éxito o fracaso) en cada ensayo.

o Una distribución binomial resulta de contar el

número de éxitos.

o Cada ensayo es independiente.

o La probabilidad se fija de ensayo a ensayo, y el

número de ensayos n también es fijo.

La Aproximación de la Binomial a la Normal

 7- 27
El siguiente teorema nos permite utilizar áreas bajo la
curva normal para aproximar propiedades binomiales
cuando n es suficientemente grande, quedando así:

x  np Conforme n → ∞, es la
z distribución normal
npq n(z;0,1).

La Aproximación de la Binomial a la Normal

 7- 28
Factor de Corrección de Continuidad

El valor 0.5 se resta o suma, según el caso, a un valor elegido cuando

una distribución binomial (distribución de probabilidad discreta) se
aproxima a una distribución continua (la distribución normal).
Factor de Corrección de Continuidad
 7- 29
Cómo aplicar el factor de corrección:
Para probabilidad de que ocurra más Para probabilidad de que ocurra al
de X, use el área de arriba (X + 0 .5). menos X, use el área de arriba (X-0.5).

Para probabilidad de que ocurra Para probabilidad de que ocurra X o

menos de X, use el área por debajo menos, use el área por debajo (X + 0.5).
(X-0.5).

Factor de Corrección de Continuidad

 7- 30
Un estudio reciente realizado por una
firma de investigación de mercados
mostró que el 15% de los hogares
estadounidenses poseía una cámara
de vídeo. Para una muestra de 200
hogares, ¿cuántos de ellos esperaría
tener cámaras de video?

  np  (0.15)(200)  30 Esta es la media de una

distribución binomial.
¿Cuál es la varianza?

 2  n p (1  p )  (200)  0.15  (1  0.15)  25.5

¿Cuál es la desviación estándar?
  25.5  5.0498
Ejemplo 6 Factor de Correción
 7- 31
¿Cuál es la Usamos el factor de corrección (X-0.5),
probabilidad de por menos de, y entonces para X-0.5 es
que menos de 40 39.5.
hogares en la El valor de z es 1.88.
muestra tengan
cámaras de X  39.5  30.0
z   1.88
video?  5.0498

 De tablas, el área entre 0 y 1.88 en la escala z es 0.4699.

 Entonces el área a la izquierda de 1.88 es 0.5000 + 0.4699 =
0.9699
 La probabilidad de que menos de 40 de los 200 hogares

tengan una cámara de video es aproximadamente del 97%.

Ejemplo 6 continuación
 7- 32

Ejemplo 6 continuación
 7- 33
Una empresa farmacéutica sabe que
aproximadamente 5% de sus píldoras
anticonceptivas no contiene la cantidad
suficiente de un ingrediente, lo que las vuelve
ineficaces, ¿cuál es la probabilidad de que
menos de 10 píldoras en una muestra de 200
sean ineficaces?

  np  (0.05)(200)  10 Esta es la media de una

distribución binomial.

¿Cuál es la varianza?
  n p (1  p)  (200)  0.05  (1  0.05)  9.5
2

¿Cuál es la desviación estándar?

  9.5  3.082
Ejemplo 7 Factor de Correción
 7- 34
¿cuál es la Usamos el factor de corrección (X-0.5),
probabilidad de por menos de, y entonces para X-0.5 es
que menos de 10 9.5.
píldoras en una El valor de z es -0.16.
muestra de 200
X   9.5  10
sean ineficaces? z   0.16
 3.082

 De tablas, el área entre -∞ y -0.16

(izquierda) en la escala Z es 0.4364.
 La probabilidad de que menos de 10 de

las 200 píldoras sean ineficaces es

aproximadamente del 43.64%.

Ejemplo 7 continuación
 7- 35

La Distribución t de Student
Tiene forma de campana y
Es una distribución continua. simétrica.

La distribución t es más dispersa y más plana en el centro que

la distribución normal, diferencias que disminuyen a medida
que n aumenta.
 7- 36
El estadístico W. S. Gossett, que escribió bajo el
pseudónimo “Student”, dedujo en 1908 una distribución
exacta para el estadístico t.
¿Cómo surge? ¿En que se basa?
Se usa para muestras de menos de 30 elementos.

Para muestras pequeñas, Supuesto: la población es

desviación estándar normal o casi normal
poblacional desconocida Hay una familia de
distribuciones t.
X 
t
s/ n

El valor crítico de t está determinado

por sus grados de libertad iguales a 
 7- 37

El error estándar:
Si la desviación estándar de la
población, designada porno se s
conoce y≤ se usa la sx 
desviación estándar de la muestra n
“s” para aproximarla .

Si la desviación estándar de la
X  población es desconocida, la
t población subyacente es
s aproximadamente normal, y el
tamaño de la muestra es menor
n que 30 utilizamos la distribución t.

Error estándar de la muestra

 7- 38
La longitud promedio de un
elemento es 43mm. Se cree
que los ajustes en la maquina
que producen los elementos,
han cambiado la longitud
promedio.
Se seleccionaron 12 elementos
aleatoriamente producidos por
la máquina y se registró su
longitud. Las medidas son (en
milímetros):
42,39,42,45,43,40,39,41,40,4
2,43 y 42
¿Cuál es la probabilidad de que
X  la media haya cambiado a
t menos de 41.5 como marca el
s/ n límite inferior especificado?

Ejemplo 8
 7- 39

X  41.5  43
t   2.92
s/ n 1.78
12
La probabilidad de
que haya cambiado
a menos de 41.5 es
de 0.005, o bien,
del 0.5%

Ejemplo 8 continuación
7- 40
 7- 41
Una fabrica de azúcar la
envasa en pequeñas bolsas de
papel. Cuando el proceso de la
fabricación esta bajo control,
se encuentra que cada bolsa
debe contener 10 onzas como
promedio.
Se toma una muestra de 9
bolsas para comprobar el
proceso. Si la media de la
muestra proporcionó un valor
de 10.3 y su desviación
estándar de 0.45. ¿Cuál es la
probabilidad de que la media
haya cambiado a 10.3 o más?
X 
t
s/ n
Ejemplo 9
 7- 42

X   10.3  10
t   2.0
s/ n 0.45
9

La probabilidad de que
haya cambiado a 10.3
o más es de 0.05, o
bien, del 5%

Ejemplo 9 continuación