1

Probabilidad y Estadstica
Unidad 6: Algunas Variables Aleatorias
Continuas 1
Introduccin a la Probabilidad
y Estadstica
Unidad 6: Algunas variables aleatorias
continuas
- Probabilidad y Estadstica
- Introduccin a la Probabilidad y
Estadstica
Unidad 6: Algunas Variables Aleatorias Continuas 2 Probabilidad y Estadstica
Distribucin normal o de Gauss
Aparece de manera natural en:
Errores de medida.
Distancia de frenado.
Altura, peso, propensin al crimen
Distribuciones binomiales con n grande (n>30) y p ni
pequeo ni grande ( np>5 y nq>5).
Est caracterizada por dos parmetros: La media, ,
y la desviacin tpica, .
Su funcin de densidad es:
2
2
1
2
1
) (

x
e x f
Unidad 6: Algunas Variables Aleatorias Continuas 3 Probabilidad y Estadstica
N(, ): Interpretacin
geomtrica
Podemos interpretar
la media como un
factor de traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
Unidad 6: Algunas Variables Aleatorias Continuas 4 Probabilidad y Estadstica
N(, ): Interpretacin probabilista
Entre la media y una
desviacin tpica tenemos
siempre la misma
probabilidad: aprox. 68%
Entre la media y dos
desviaciones tpicas aprox.
95%
Entre la media y tres
desviaciones tpicas aprox.
100%
Unidad 6: Algunas Variables Aleatorias Continuas 5 Probabilidad y Estadstica
Algunas caractersticas
La funcin de densidad es simtrica, mesocrtica y unimodal.
Media, mediana y moda coinciden.
Los puntos de inflexin de la fun. de densidad estn a distancia de .
Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia , tenemos probabilidad 68%
a distancia 2 , tenemos probabilidad 95%
a distancia 2,5 tenemos probabilidad 99%
No es posible calcular la probabilidad de un intervalo simplemente usando
la primitiva de la funcin de densidad, ya que no tiene primitiva
expresable en trminos de funciones comunes.
Todas las distribuciones normales N(, ), pueden ponerse mediante una
traslacin , y un cambio de escala , como N(0,1). Esta distribucin
especial se llama normal estandarizada o tipificada.
Unidad 6: Algunas Variables Aleatorias Continuas 6 Probabilidad y Estadstica
Estandarizacin o tipificacin
Dada una variable de media y desviacin tpica , se denomina
valor tipificado,z, de una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones tpicas, es decir
En el caso de variable X normal, la interpretacin es clara: Asigna a
todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos distribuciones
normales diferentes, para saber cul de los dos es ms extremo.

=
x
z
2
Unidad 6: Algunas Variables Aleatorias Continuas 7 Probabilidad y Estadstica
Tabla N(0,1)
Z es normal tipificada.
Calcular P[Z<1,85]
Solucin: 0,968 = 96,8%
Unidad 6: Algunas Variables Aleatorias Continuas 8 Probabilidad y Estadstica
Tabla N(0,1) Z es normal tipificada.
Calcular P[Z<-0,54]
Solucin: 1-0,705 = 0,295
Unidad 6: Algunas Variables Aleatorias Continuas 9 Probabilidad y Estadstica
Tabla N(0,1)
Z es normal tipificada.
Calcular P[-0,54<Z<1,85]
Solucin: 0,968-0,295= 0,673
Unidad 6: Algunas Variables Aleatorias Continuas 10 Probabilidad y Estadstica
Ejemplo: Clculo con probabilidades normales
El colesterol en la poblacin tiene distribucin
normal, con media 200 y desviacin 10.
Qu porcentaje de individuos tiene
colesterol inferior a 210?
Qu valor del colesterol slo es superado por
el 10% de los individuos.
Unidad 6: Algunas Variables Aleatorias Continuas 11 Probabilidad y Estadstica
Todas las distribuciones normales son similares salvo traslacin y cambio de
escala: Estandaricemos.
1
10
200 210
=

x
z
841 , 0 ) ver tabla ( ] 00 , 1 [ = = < Z P
Unidad 6: Algunas Variables Aleatorias Continuas 12 Probabilidad y Estadstica
8 , 212 28 , 1 10 200
10
200
28 , 1
= + =

=
x
x
El valor del colesterol que slo supera el 10% de los individuos es el percentil 90.
Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificacin.

=
x
z
3
Unidad 6: Algunas Variables Aleatorias Continuas 13 Probabilidad y Estadstica
Ejemplo: Tipificacin
Se quiere dar una beca a uno de dos estudiantes de
sistemas educativos diferentes. Se asignar al que
tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema
donde la calificacin de los alumnos se comporta como
N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A frente a
los 80 de B, pero como ambas poblaciones se comportan
de modo normal, podemos tipificar y observar las
puntuaciones sobre una distribucin de referencia N(0,1)
Unidad 6: Algunas Variables Aleatorias Continuas 14 Probabilidad y Estadstica
1
10
70 80
2
1
6 8
=

=
=

=
B
B B
B
A
A A
A
x
z
x
z

Como Z
A
>Z
B
, podemos decir que el
porcentaje de compaeros del mismo
sistema de estudios que ha superado
en calificacin el estudiante A es
mayor que el que ha superado B.
Podramos pensar en principio que A
es mejor candidato para la beca.
Unidad 6: Algunas Variables Aleatorias Continuas 15 Probabilidad y Estadstica
Por qu es importante la distribucin normal?
Las propiedades que tiene la distribucin normal son
interesantes, pero todava no hemos hablado de por qu
es una distribucin especialmente importante.
La razn es que aunque una v.a. no posea distribucin
normal, ciertos estadsticos/estimadores calculados
sobre muestras elegidas al azar s que poseen una
distribucin normal. (lo veremos ms adelante)
Es decir, tengan las distribucin que tengan nuestros
datos, los objetos que resumen la informacin de una
muestra, posiblemente tengan distribucin normal (o
asociada).
Unidad 6: Algunas Variables Aleatorias Continuas 16 Probabilidad y Estadstica
Aplic. de la normal: Estimacin en muestras
Como ilustracin
mostramos una variable
que presenta valores
distribuidos de forma muy
asimtrica. Claramente
no normal.
Saquemos muestras de
diferentes tamaos, y
usemos la media de cada
muestra para estimar la
media de la poblacin.
Unidad 6: Algunas Variables Aleatorias Continuas 17 Probabilidad y Estadstica
Aplic. de la normal: Estimacin en muestras
Cada muestra ofrece un
resultado diferente: La media
muestral es variable aleatoria.
Su distribucin es ms parecida
a la normal que la original.
Tambin est menos dispersa.
A su dispersin (desv. tpica del
estimador media muestral
os gusta el nombre largo?) se
le suele denominar error tpico.
Unidad 6: Algunas Variables Aleatorias Continuas 18 Probabilidad y Estadstica
Aplic. de la normal: Estimacin en muestras
Al aumentar el
tamao, n, de la
muestra:
La normalidad de las
estimaciones mejora
El error tpico
disminuye.
4
Unidad 6: Algunas Variables Aleatorias Continuas 19 Probabilidad y Estadstica
Aplic. de la normal: Estimacin en muestras
Puedo garantizar
medias muestrales tan
cercanas como quiera a
la verdadera media, sin
ms que tomar n
bastante grande
Se utiliza esta propiedad
para dimensionar el
tamao de una muestra
antes de empezar una
investigacin.
Unidad 6: Algunas Variables Aleatorias Continuas 20 Probabilidad y Estadstica
Resumen: Teorema del lmite central
Dada una v.a. cualquiera, si extraemos muestras de
tamao n, y calculamos los promedios muestrales, entonces:
dichos promedios tienen distribucin
aproximadamente normal;
La media de los promedios muestrales
es la misma que la de la variable original.
La desviacin tpica de los promedios disminuye en un factor raz de n (error
estndar).
Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito.
Este teorema justifica la importancia de la distribucin normal.
Sea lo que sea lo que midamos, cuando se promedie sobre una muestra
grande (n>30) nos va a aparecer de manera natural la distribucin normal.
Unidad 6: Algunas Variables Aleatorias Continuas 21 Probabilidad y Estadstica
Distribuciones asociadas a la normal
Cuando queramos hacer inferencia estadstica se observar que la
distribucin normal aparece de forma casi inevitable.
Dependiendo del problema, podemos encontrar otras (asociadas):
X
2
(chi cuadrado)
t- student
F-Snedecor
Estas distribuciones resultan directamente de operar con distribuciones
normales. Tpicamente aparecen como distribuciones de ciertos
estadsticos.
Veamos algunas propiedades que tienen (superficialmente).
Sobre todo nos interesa saber qu valores de dichas distribuciones son
atpicos.
Significacin, p-valores,
Unidad 6: Algunas Variables Aleatorias Continuas 22 Probabilidad y Estadstica
Chi cuadrado
Tiene un slo parmetro
denominado grados de libertad.
La funcin de densidad es
asimtrica positiva. Slo tienen
densidad los valores positivos.
La funcin de densidad se hace
ms simtrica incluso casi
gausiana cuando aumenta el
nmero de grados de libertad.
Normalmente consideraremos
anmalos aquellos valores de la
variable de la cola de la
derecha.
Unidad 6: Algunas Variables Aleatorias Continuas 23 Probabilidad y Estadstica
T de student
Tiene un parmetro denominado
grados de libertad.
Cuando aumentan los grados de
libertad, ms se acerca a N(0,1).
Es simtrica con respecto al cero.
Se consideran valores anmalos los
que se alejan de cero (positivos o
negativos).
Unidad 6: Algunas Variables Aleatorias Continuas 24 Probabilidad y Estadstica
F de Snedecor
Tiene dos parmetros
denominados grados de
libertad.
Slo toma valores
positivos. Es asimtrica.
Normalmente se consideran
valores anmalos los de la
cola de la derecha.
5
Unidad 6: Algunas Variables Aleatorias Continuas 25 Probabilidad y Estadstica
Qu hemos visto?
Hay modelos de v.a. Continuas de especial
importancia:
Normal
Propiedades geomtricas
Estandarizacin o tipificacin
Aparece tanto en problemas con variables cualitativas
(dicotmicas, Bernoulli) como numricas
Teorema Central del Lmite
Distribuciones asociadas
T-student
X2
F de Snedecor
Gamma y Exponencial