ESTADISTICA II

MGR. SONIA URQUIDI B.

TEMA 2
DISTRIBUCIONES DE PROBABILIDAD
2.5. DISTRIBUCION DE PROBABILIDAD DE VARIABLE CONTINUA
Para un variable continua hay infinitos valores posibles de la variable y entre
cada dos de ellos se pueden definir infinitos valores ms. En estas condiciones
no es posible deducir la probabilidad de un valor puntual de la variable; como se
puede hacer en el caso de variables discretas, pero es posible calcular la
probabilidad acumulada hasta un cierto valor (funcin de distribucin de
probabilidad), y se puede analizar como cambia la probabilidad acumulada en
cada punto (estos cambios no son probabilidades sino otro concepto): la funcin
de densidad.
En el caso de variable continua la distribucin de probabilidad es la integral de la
funcin de densidad, por lo que tenemos entonces que:

Sea X una variable continua, una distribucin de probabilidad o funcin de

densidad de probabilidad (FDP) de X es una funcin f(x) tal que, para
cualesquiera dos nmeros a y b siendo
.

Entre las distribuciones continuas de probabilidad, tenemos:

Distribucin uniforme continua
Distribucin gama y exponencial
Distribucin Ji cuadrada
Distribucin normal
La distribucin ms representativa que pertenece a este grupo es la distribucin
normal, tambin llamada distribucin de Gauss o distribucin gaussiana, es
la distribucin de probabilidad que con ms frecuencia aparece en estadstica y
teora de probabilidades. Esto se debe a dos razones fundamentalmente:

Su funcin de densidad es simtrica y con forma de campana, lo que

favorece su aplicacin como modelo a gran nmero de variables estadsticas.

Es, adems, lmite de otras distribuciones y aparece relacionada con multitud

de resultados ligados a la teora de las probabilidades gracias a sus
propiedades matemticas.

La funcin de densidad est dada por:

donde

() es la media y (sigma) es la desviacin estndar (

1

es la varianza).

ESTADISTICA II
MGR. SONIA URQUIDI B.

Muchas variables aleatorias continuas presentan una funcin de densidad cuya

grfica tiene forma de campana.
La importancia de la distribucin normal se debe principalmente a que hay
muchas variables asociadas a fenmenos que siguen el modelo de la normal:
Caracteres morfolgicos de individuos
Caracteres fisiolgicos como el efecto de un frmaco
Caracteres sociolgicos como el consumo de cierto producto por un
mismo grupo de individuos
Caracteres psicolgicos como el cociente intelectual
Errores cometidos al medir ciertas magnitudes
Valores estadsticos muestrales como la media
La distribucin normal queda definida por dos parmetros, su media y su
desviacin tpica y la representamos as

La funcin de distribucin:
Puede tomar cualquier valor (- , + )
Son ms probables los valores cercanos a uno central que llamamos
media
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de igual forma a derecha e izquierda (es simtrica).
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de forma ms o menos rpida dependiendo de un
parmetro , que es la desviacin tpica.

ESTADISTICA II
MGR. SONIA URQUIDI B.

F(x) es el rea sombreada de esta grfica

A continuacin, se presenta la Funcin de densidad de probabilidad, as como la

funcin de distribucin de probabilidad para diferentes medias y varianzas:

La lnea verde corresponde a la distribucin normal

estandar
Funcin de distribucin de probabilidad

ESTADISTICA II
MGR. SONIA URQUIDI B.

Las caractersticas de una distribucin normal son:

1.
2.

Tiene forma de campana

El rea total comprendida bajo la curva y por encima del eje
horizontal es igual a 1
3.
La distribucin es simtrica respecto de su media. Es decir,
el 50% del rea est a la derecha y el 50% a la izquierda
4.
La media, la mediana y la moda son iguales
5.
La distancia horizontal que hay desde el punto de inflexin
de la curva hasta una perpendicular levantada sobre la media es igual a la
desviacin tpica

6.

La distribucin normal es una familia de distribuciones,

puesto que existe una distribucin diferente para cada valor de y

ESTADISTICA II
MGR. SONIA URQUIDI B.

7.
hasta +
8.

La curva de una distribucin normal se extiende de -

El rea comprendida hasta la primera desviacin tpica es de

0,6826, hasta dos desviaciones es de 0.9544 y hasta 3 desviaciones es de
0.9974

ESTADISTICA II
MGR. SONIA URQUIDI B.

Para poder calcular la probabilidad de que la variable aleatoria X asuma valores

en un intervalo se hara necesario integrar siguiente funcin de densidad que
corresponde a la ecuacin normal:

y su funcin de distribucin es

Sin embargo, es posible calcular esta probabilidad, utilizando la distribucin

normal estandarizada
2.5.1. Distribucin normal estandarizada
Tiene las siguientes caractersticas:

No depende de ningn parmetro

Su media es 0, su varianza es 1 y su desviacin tpica es 1.
La curva f(x) es simtrica respecto del eje Y
Tiene un mximo en este eje
Tiene dos puntos de inflexin en z =1 y z = -1

ESTADISTICA II
MGR. SONIA URQUIDI B.

Las reas de esta distribucin normal estandarizada correspondientes a varias

probabilidades se encuentran tabuladas en la Tabla de Distribucin Normal. En el
cuerpo de esta tabla, se encuentran las reas bajo la curva entre 0 y cualquier
valor especfico de Z:

Z
0.0
0.1

0.00

..
..
1.0
1.1.

0.01

..

0.08

0.09

AREA

primer decimal
Tienen especial inters los siguientes intervalos:

(segundo decimal)

ESTADISTICA II
MGR. SONIA URQUIDI B.

Ejemplos:
1. Calcular la probabilidad de que un valor de z sacado al azar est
comprendido entre 0 y 1.04
Solucin:
Por una de las caractersticas de la distribucin normal, donde se indica que es
simtrica, el rea entre 0 y 1.04. Se debe localizar primero el nmero 1 en la
primera columna y el 0,04 en la primera fila, la probabilidad encontrada es:
0.3508.
Graficando:

2. Hallar el rea bajo la curva normal estandarizada mayor a -1

Solucin:
Como la curva es simtrica, se debe localizar primero el nmero 1.0 en la
primera columna y el nmero 0.00 en la fila superior de la tabla, el nmero que
aparece en la interseccin de esa fila y esa columna es 0.3413, como se requiere
que sea mayor a 1, y el rea solamente representa hasta el valor de cero, se
debe aadir 0,5 por toda el rea comprendida a la derecha de la media, por lo
tanto el rea correspondiente ser igual a 0,3413 ms 0,5, es decir 0,8413.Graficando se tiene:

ESTADISTICA II
MGR. SONIA URQUIDI B.

3. Hallar P ( -2 Z 2)
Solucin:
El rea solicitada se encuentra tanto al lado izquierdo como al derecho y
corresponde a:
0.4772+ 0.4772 = 0.96

2.5.2. Aplicaciones de la Distribucin Normal

Para poder transformar cualquier distribucin normal a una estandarizada, se
utiliza la frmula de transformacin o frmula Z:
X -
Z = ---------
donde:
X = valor especificado de la variable aleatoria
= media de la distribucin
= desviacin tpica de la distribucin
Una vez realizada esta transformacin, la media de la distribucin es 0 y la
desviacin tpica es 1

ESTADISTICA II
MGR. SONIA URQUIDI B.

Ejemplo:
El colegio de Auditores indica que el promedio anual de ingresos entre sus
afiliados es de $10.000, con una desviacin tpica de 1.500. Si los ingresos
siguen una distribucin normal, cul es la probabilidad de que uno de sus
afiliados gane:
a) Ms de $13.000?
Solucin
X = 13.000
= 10.000
= 1.500
13.000 - 10.000
Z = --------------------1.500
Z = 2
P ( X > 13.000) = P ( Z> 2) = 0.5 - 0.4772 = 0.0228
La probabilidad de que gane ms de $13.000 es de 2.28%
b) Menos de $ 12.580?
Solucin
X = 12.580
= 10.000
= 1.500
12.580 - 10.000
Z = --------------------1.500
Z = 1.72
P ( X < 12.580) = P ( Z < 1.72) = 0.5 + 0.4573 = 0.9573
La probabilidad de que gane menos de 12.580 es de 95.73%
c) Entre $9.100 a 11.500?
X1 = 9.100
X2 = 11.500
= 10.000
= 1.500
9.100 - 10.000
Z1 = --------------------1.500

10

ESTADISTICA II
MGR. SONIA URQUIDI B.

Z = -0.6
11.500 - 10.000
Z2 = --------------------1.500
Z2 = 1
P ( 9.100 < X < 11.500) = P ( -0.6 < Z < 1) = 0.2257 + 0.3413 = 0.567
La probabilidad de que gane entre 9.100 a 11.500 es de 56.7%
d) Como mnimo $6.550?
X = 6.550
= 10.000
= 1.500
6.550 - 10.000
Z = --------------------1.500
Z = - 2.3
P ( X > 6.550) = P ( Z > -2.3) = 0.5 + 0.4893 = 0.9893
La probabilidad que gane como mnimo $6.550 es de 98.93%
e) Si los afiliados son 5.000, cuntos ganan ms de 11.200
X = 11.200
= 10.000
= 1.500
11.200 - 10.000
Z = --------------------1.500
Z = 0.8
P ( X > 11.200) = P ( Z > 0.8) = 0.5 0.2881 = 0.2119
Como son 5.000, 5.000 * .2119 = 1060
Son 1.060 afiliados que ganan ms de $11.200
f) Si se quiere ayudar a los afiliados que tienen ingresos comprendidos en
el 10% ms bajo, desde qu ingresos se les debe ayudar?
11

ESTADISTICA II
MGR. SONIA URQUIDI B.

Solucin:
El valor correspondiente Z en la tabla es 1.28, por lo tanto:
X - 10.000
-1.28 = ------------------1.500
-1.28 * 1.500 = X - 10.000
- 1.920 = X 10.000
- 1.920 + 10.000 = X
X = 8.080
Por lo tanto, el Colegio de Auditores tendr que ayudar a todos sus afiliados que
ganen menos de 8.080.
2.5.3. Aproximacin de la Binomial por la Normal (Teorema de De Moivre) :
DE Moivre, demostr que bajo determinadas condiciones (para n grande y tanto
p como q no estn prximos a cero) la distribucin Binomial B(n, p) se puede
aproximar mediante una distribucin normal

Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto ms

prximo sea p a 0.5, tanto mejor ser la aproximacin realizada. Es decir, basta
con que se verifique

gracias a esta aproximacin es fcil hallar probabilidades binomiales, que para

valores grandes de n resulten muy laboriosos de calcular.
Hay que tener en cuenta que para realizar correctamente esta transformacin de
una variable discreta (binomial) en una variable continua (normal) es necesario
hacer una correccin de continuidad.

12

ESTADISTICA II
MGR. SONIA URQUIDI B.

MANEJO DE TABLAS. CASOS MS FRECUENTES.

La distribucin de la variable Z se encuentra tabulada

13

ESTADISTICA II
MGR. SONIA URQUIDI B.

14

ESTADISTICA II
MGR. SONIA URQUIDI B.

EJERCICIOS PARA RESOLVER

1. EN UNA UNIVERSIDAD, SE ENCONTR QUE EL PROMEDIO DE CALIFICACIONES
DE LOS ESTUDIANTES, SE DISTRIBUA EN FORMA APROXIMADAMENTE NORMAL,
CON UNA MEDIA DE 48 Y UNA DESVIACIN TPICA DE 15. SI SE ELIGE UN
ESTUDIANTE AL AZAR, CUAL ES LA PROBABILIDAD DE QUE:
a. TENGA UN PROMEDIO MAYOR A 62?
b. MENOR A 42?
c. ENTRE 48 A 77?
d. ENTRE 38 A 70?

15

ESTADISTICA II
MGR. SONIA URQUIDI B.

2. SI LA RENTA MEDIA DE LOS HABITANTES DE UN PAS ES DE 3.5 MILLONES DE

BS/AO, CON UNA VARIANZA DE 1,3. SE SUPONE QUE SE DISTRIBUYE SEGN
UNA DISTRIBUCIN NORMAL. CALCULAR:
a.

PORCENTAJE DE LA POBLACIN CON UNA RENTA INFERIOR A 2.2

MILLONES DE Bs.
b. RENTA A PARTIR DE LA CUAL SE SITA EL 10% DE LA POBLACIN CON
MAYORES INGRESOS.
c. INGRESOS MNIMO Y MXIMO QUE ENGLOBA AL 60% DE LA POBLACIN
CON RENTA MEDIA.
3. SEGN DATOS DE IMPUESTOS INTERNOS, LOS GASTOS FISCALES MENSUALES
DE LAS EMPRESAS MANUFACTURERAS, EN PROMEDIO SON DE 1.5 MILLONES,
CON UNA DESVIACIN TPICA DE 0.5 MILLONES DE $US. SI EXISTE NORMALIDAD
EN LA DISTRIBUCIN DE GASTOS FISCALES MENSUALES:
a.
SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE FUERAN SUPERIORES A 2 MILLONES?
b.
SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE ESTUVIERAN ENTRE 1.85 A 2.85
MILLONES?
4. SEGN DATOS DE IMPUESTOS INTERNOS, LOS GASTOS FISCALES MENSUALES
DE LAS EMPRESAS MANUFACTURERAS, EN PROMEDIO SON DE 1.5 MILLONES,
CON UNA DESVIACIN TPICA DE 0.5 MILLONES DE $US
a.
SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE ESTUVIERAN ENTRE 1.45 A 2.8
MILLONES?
b.
SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE ESTUVIERAN ENTRE 0,5 A 1.45
MILLONES?
5. LOS COSTOS MENSUALES DE PRODUCCIN DE UNA DETERMINADA EMPRESA,
HAN DADO UNA MEDIA DE 410$US, CON UNA DESVIACIN TPICA DE 87$US. EL
DIRECTOR PROMETE AL PROPIETARIO MANTENER LOS COSTOS POR DEBAJO
DE 300$US ESTE MES. SI LOS COSTOS SIGUEN UNA DISTRIBUCIN NORMAL,
PUEDE EL PROPIETARIO CREER AL DIRECTOR?

6. SEGN DATOS DE IMPUESTOS INTERNOS, LOS GASTOS FISCALES MENSUALES

DE LAS EMPRESAS MANUFACTURERAS, EN PROMEDIO SON DE 1.5 MILLONES,
CON UNA DESVIACIN TPICA DE 0.5 MILLONES DE $US. SI EXISTE NORMALIDAD
EN LA DISTRIBUCIN DE GASTOS FISCALES MENSUALES:
a.

SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE FUERAN MENORES 2.8 MILLONES?

16

ESTADISTICA II
MGR. SONIA URQUIDI B.

b.
c.

SI
SE
ELIGIERAN
GASTOS
FISCALES DE UN MES CUALQUIERA EN CUALQUIERA DE ESTAS EMPRESAS.
CUL ES LA PROBABILIDAD DE QUE FUERAN INFERIORES A 0,6 MILLONES?
SI EL DIRECTOR DE GRANDES
CONTRIBUYENTES DEBE DETERMINAR QU EMPRESAS INFORMAN GASTOS
EN EL 25% MS BAJO, QU NIVEL DE GASTOS DEBE SE EL MISMO?

7. A UN CONCURSO DE MERITOS SE HAN PRESENTADO 2.000 ASPIRANTES. LA

NOTA MEDIA HA SIDO UN 5,5, CON UNA VARIANZA DE 1,5.
a.
TAN SLO HAY 100 PLAZAS. SI HAS OBTENIDO UN 7,7. SERA
OPORTUNO IR ORGANIZANDO UNA FIESTA PARA CELEBRAR TU XITO?
b. VA A HABER UNA 2 OPORTUNIDAD PARA EL 20% DE NOTAS MS ALTAS
QUE NO SE HAYAN CLASIFICADO. A PARTIR DE QUE NOTA SE PODR
PARTICIPAR EN ESTA SEGUNDA OPORTUNIDAD?
8. CADA DA SUBEN AL CRISTO DE LA CONCORDIA EN EL TELEFRICO EN
PROMEDIO 120 PERSONAS, CON UNA DESVIACIN TPICA DE 30. SI LOS
USUARIOS PAGAN 5BS. POR EL VIAJE DE IDA Y VUELTA. CUL ES LA
PROBABILIDAD DE QUE EN UN DA CUALQUIERA, LOS INGRESOS:
8.1.
SEAN INFERIORES A BS1000 ?
8.2.
SEAN SUPERIORES A BS450?
8.3.
ESTN ENTRE 900 A 990?
9. CADA DA SUBEN AL CRISTO DE LA CONCORDIA EN EL TELEFRICO EN
PROMEDIO 120 PERSONAS, CON UNA DESVIACIN TPICA DE 30. SI LOS
USUARIOS PAGAN 5BS. POR EL VIAJE DE IDA Y VUELTA. CUL ES LA
PROBABILIDAD DE QUE EN UN DA CUALQUIERA, LOS INGRESOS:
9.1.
9.2.
9.3.

ESTN ENTRE 500 A 800?

SEAN SUPERIORES A 960?
SEAN INFERIORES A 480?

10. EL CONSUMO PROMEDIO DE ENERGA ELCTRICA EN NUESTRA CIUDAD ES DE

60 KILOWATIOS HORA, CON UNA DESVIACIN TPICA DE 10 KILOWATIOS HORA.
SE SUPONE QUE SE DISTRIBUYE SEGN UNA DISTRIBUCIN NORMAL
8.1. CUNTOS KILOWATIOS HORA TENDRAS QUE CONSUMIR PARA
PERTENECER AL 5% DE LA POBLACIN QUE MS CONSUME ENERGA
ELCTRICA?.
8.2. SI CONSUMES 40 KILOWATIOS HORA. QU % DE LA POBLACIN
CONSUME MENOS QUE VOS?

17