CONCEPTO DE VARIABLE ALEATORIA La estadstica realiza inferencias acerca de las poblaciones y sus caractersticas. Se llevan a cabo experimentos cuyos resultados se encuentran sujetos al azar. La prueba de un nmero de componentes electrnicos es un ejemplo de experimento estadstico, un concepto que se utiliza para describir cualquier proceso mediante el cual se generan varias observaciones al azar. A menudo es importante asignar una descripcin numrica al resultado. Por ejemplo, cuando se prueban tres componentes electrnicos, el espacio muestral que ofrece una descripcin detallada de cada posible resultado se escribe como
S = {NNN,NND,NDN,DNN,NDD,DND,DDN,DDD}
Donde N denota no defectuoso, y D, defectuoso. Es evidente que nos interesa el nmero de componentes defectuosos que se presenten. De esta forma, a cada punto en el espacio muestral se le asignar un valor numrico de 0,1,2 o 3. Estos valores son, por supuesto, cantidades aleatorias determinadas por el resultado del experimento. Se pueden ver como valores que toma la variable aleatoria X, es decir el nmero de artculos defectuosos cuando se prueban tres componentes electrnicos.
Utilizaremos la letra mayscula X, para denotar una variable aleatoria, y su correspondiente letra minscula, x en este caso, para cada uno de sus valores. En el ejemplo de la prueba de componentes electrnicos observamos que la variable aleatoria X toma el valor 2 para todos los elementos en el subconjunto del espacio S. Esto es, cada valor posible de X representa un evento que es un subconjunto del espacio muestral para el experimento dado. E = {DDN,DND,NDD}
Una variable aleatoria es una funcin que asocia un nmero real con cada elemento del espacio muestral .
DISTRIBUCIN NORMAL La distribucin de probabilidad continua ms importante en todo el campo de la estadstica es la distribucin normal. Su grfica, denominada curva normal, es la curva con forma de campana de la figura siguiente, la cual describe de manera aproximada muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin. Por ejemplo, las mediciones fsicas en reas como los experimentos meteorolgicos, estudios de la precipitacin pluvial y mediciones de partes fabricadas a menudo se explican ms que adecuadamente con una distribucin normal. Adems los errores en las mediciones cientficas se aproximan muy bien mediante una distribucin normal. Una variable aleatoria continua X que tiene la distribucin en forma de campana de la figura siguiente se denomina variable aleatoria normal. La ecuacin matemtica para la distribucin de probabilidad de la variable normal depende de los dos parmetros y , su media y desviacin estndar respetivamente. Por ello denotamos los valores de la densidad de X por n(x; y ). La densidad de la variable aleatoria normal X, con media y varianza 2, es
La dificultad que se enfrenta al resolver las integrales de funciones de densidad normal exige tabular las reas de la curva normal para una referencia rpida. Sin embargo, sera intil tratar de establecer tablas separadas para cada posible valor de y . Por fortuna podemos transformar todas las observaciones de cualquier variable aleatoria normal Z con media 0 y varianza 1. Esto se puede realizar mediante la transformacin La distribucin de una variable aleatoria normal con media 0 y varianza 1 se llama distribucin normal estndar.
La distribucin de una variable aleatoria normal con media 0 y varianza 1 se llama distribucin normal estndar Las distribuciones original y trasformada se ilustra en la figura 6.8. Como todos los valores de X que caen entre x1 y x2 tiene valores z correspondientes entre z1 y z2, el rea bajo la curva X entre las ordenadas x=x1 y x = x2 de la figura 6.8 es igual al rea bajo la curva Z entre las ordenadas transformadas z = z1 y z = z2. Ahora hemos reducido el nmero requerido de tablas de reas normal a una, la de la distribucin normal estndar. La tabla A.3 indica el rea bajo la curva normal estndar que corresponde a P(Z<z) para valores z que van de -3.49 a 3.49. Para ilustrar el uso de esta tabla calculemos la probabilidad de que Z sea menor que 1.74. Primero, localizamos un valor de z igual a 1.7 en la columna de la izquierda, despus nos movemos a lo largo del rengln hasta la columna bajo 0.04, donde leemos 0.9591. Para calcular un valor z que corresponda a una probabilidad dada se invierte el proceso. Por ejemplo, se observa que el valor z que deja un rea de 0.2148 bajo la curva a la izquierda de z es -0.79.
EJEMPLO 1. Dada una distribucin normal estndar, calcule el rea bajo la curva que se localiza a) A la derecha de z = 1.84 y b) Entre z = -1.97 y z = 0.86
Solucin:
EJEMPLO 2. Dada una distribucin normal estndar, calcule el valor de z tal que a) P (Z > z) = 0.3015, y b) P (z < Z < -0.18) = 0.4197 Solucin: La distribucin y las reas deseadas se Muestran en la figura 6.10
0.4286 z z
0.4286 z z
EJEMPLO 3. Dada una variable aleatoria X que tiene una distribucin normal con = 50 y una desviacin estndar = 10, calcule la probabilidad de que X tome un valor entre 45 y 62. Solucin:
EJEMPLO 4. Dado que X tiene una distribucin normal con = 300 y = 50, calcule la probabilidad de que X tome un valor mayor que 362. Solucin:
Uso de la curva normal a la inversa En ocasiones se nos pide calcular el valor de z que corresponde a una probabilidad especfica que cae entre los valores que se listan en la tabla A3. Por conveniencia, siempre elegiremos el valor z que corresponde a la probabilidad de tabular que est ms cerca de la probabilidad que sea especifica. Los dos ejemplos anteriores se resolvieron al ir primero de un valor de x a un valor z y despus calcular el rea que se desea. En el siguiente invertimos el proceso y comenzamos con un rea o probabilidad conocida. Calculamos el valor z y despus determinamos x reacomodando la frmula
EJEMPLO 5. Dada una distribucin normal con = 40 y = 6, calcule el valor de x que tiene a) 45% del rea a la izquierda, y b) 14% del rea a la derecha 0.86
Una empresa de material elctrico fabrica bombillas de luz cuya duracin, antes de quemarse de distribuye normalmente con una media igual a 800 horas y una desviacin estndar de 40 horas. Calcule la probabilidad de que una bombilla se queme entre 778 y 834 horas. CASO 1
CASO 2 Usted es Gerente de control de calidad y observa que en un proceso industrial el dimetro de un cojinete de bolas es una medida importante. El comparador establece que las especificaciones en el dimetro sean 3 0.01 cm. Esto implica que no se aceptar ninguna parte que no cumpla estas especificaciones. Se sabe que en el proceso el dimetro de un cojinete tiene una distribucin normal con media = 3.0 y una desviacin estndar = 0.005. En promedio, cul es la probabilidad de los cojinetes fabricados se descarten?
CASO 3 Se utilizan medidores para rechazar todos los componentes en los que cierta dimensin no est dentro de la especificacin 1.50 d. Se sabe que esta medida se distribuye normalmente con una media de 1.50 y una desviacin estndar de 0.2. Determine el valor d tal que las especificaciones cubran 95% de las mediciones.