DISTRIBUCIONES DE PROBABILIDAD

MSC. DAPHNE TIMAN PALACIOS

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.