Nombre: Cesar Vega Escobedo

Matricula: 34300
Materia: ESTADISTICAS
grupo; “d”
Actividad  7 Distribuciones de probabilidad
para variables aleatorias continuas
Nombre del tutor: Carlos Alberto Solís
Hinojosa
fecha: JULIO 9, 2023
Introducción

Una variable aleatoria es un valor

numérico que corresponde al
resultado de un experimento
aleatorio,
VARIABLE ALEATORIA CONTINUA .
Es aquella cuyo dominio de definición (campo de variación) es un intervalo (compacto) de la recta real , una unión de
varios intervalos , o la totalidad de la recta real.(Por lo tanto, los valores definidos de la variable aleatoria son un
conjunto infinito no numerable .) El álgebra de sucesos del que surge debe contener un número infinito no numerable
de sucesos ,cada uno de ellos se corresponderá con alguno de los (infinitos) intervalos incluidos en el campo de
definición.
Ejemplo 3. ante el experimento : contemplar los coches que pasen por un tramo de carretera se aleatoriza de forma
que la variable aleatoria X =tiempo que hay que esperar hasta que pase un coche X = [0,µ [ ,es decir X=R+
En el caso continuo no podremos hacer corresponder a los valores (puntuales) con sucesos de álgebra de sucesos,
la correspondencia se establecerá entre sucesos del álgebra e intervalos pertenecientes al campo de variación de la
variable .En consecuencia no podremos asignar probabilidades a los valores de la variable, sino sólo a intervalos.
Una variable aleatoria continua es el modelo teórico de una variable estadística continua (agrupada por intervalos ).
La distribución normal

En ocasiones llamada distribución gaussiana) es la distribución continua que se utiliza más

comúnmente en estadística, es un modelo que aproxima el valor de una variable aleatoria a una
situación ideal, dependiendo de la media y la desviación típica.

La distribución normal es de vital importancia en estadística  por tres razones principales:

Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones que se
asemejan estrechamente a la distribución normal.

La distribución normal sirve para acercarse a diversas distribuciones de probabilidad discreta, como
la distribución binomial y la distribución poisson

La distribución normal proporciona la base para la estadística interferencial clásica por su relación
con el teorema de límite central.

En la distribución normal, uno puede calcular la probabilidad de que varios valores ocurran dentro de
ciertos rangos o intervalos. Sin embargo, la probabilidad exacta de un valor particular dentro de una
distribución continua, como la distribución normal, es cero. Esta propiedad distingue a las variables
continuas, que son medidas, de las variables discretas, las cuales son contadas.
Distribución normal o Gaussiana
La distribución normal (también llamada Gaussiana) es la más utilizada en estadística. Es
muy común encontrarse variables que siguen distribuciones normales en fenómenos de la
naturaleza. Una variable que se distribuye de manera normal tiene un histograma (función
de densidad) con forma de campana, con un pico y es simétrica alrededor de la media.
Existen términos como la curtosis o la asimetría de la distribución que se utilizan a menudo
para describir cómo se desvía una distribución de la normalidad.
Aproximación normal a probabilidades binomiales

Una dstribución binomial B(n,p) se puede aproximar por una distribución normal, siempre
que n sea grande y p no esté muy próxima a 0 o a 1. La aproximación consiste en utilizar
una distribución normal con la misma media y desviación típica que la distribución binomial.
aproximación normal a probabilidades de Poisson

Para valores de λ mayores de 20 la distribución de Poisson se aproxima a una distribución normal de media y varianza
iguales a λ.
Como se mencionó antes, en el caso de las distribuciones continuas de probabilidad sólo es posible determinar un
valor de probabilidad para un intervalo de valores. La altura de la función de densidad, o curva de probabilidad,
para una variable con distribución normal está dada por

en donde es la constante 3.1416, e es la constante 2.7183, es la media de la distribución y es la desviación estándar de la

distribución. Como cualquier combinación distinta de y genera una distribución normal de probabilidad distinta (todas ellas
simétricas y mesocúrticas), las tablas de las probabilidades normales se basan en una distribución especifica: la distribución
normal estándar. Ésta es una distribución normal en la que Cualquier valor X de una población con distribución normal puede
convertirse a su valor normal estándar equivalente, z, mediante la fórmula

El valor esperado de una variable aleatoria con distribución normal es (en donde puede calcularse la media de la población
mediante las fórmulas que se presentaron en las secciones 3.2 y 3.8):
la varianza de una variable aleatoria con distribución normal es (en donde la varianza de la población puede calcularse
mediante las fórmulas que se presentaron en las secciones 4.5,4.6 y 4.12):

Cuando se utiliza la distribución normal de probabilidad como base para aproximar un valor binomial de probabilidad, la
media y la desviación estándar se basan en el valor esperado y la varianza del número de éxitos de la distribución binomial,
según se vio en la sección 6.3. El número promedio de "éxitos" es
Conclusiones
Una distribución de frecuencia es una tablade resumen en la que los datos se disponen en agrupamientos o
categorías convenientemente establecidas de clases ordenadas numéricamente.
En esta forma las características más importantes de los datos se aproximan muy fácilmente, compensando así
el hecho de que cuando los datos se agrupan de ese modo, la información inicial referente
las observaciones individuales de que antes se disponía se pierde a través del proceso de agrupamiento o
condensación.