Introducci

on
Variables discretas
Variables Continuas

MODELOS DE PROBABILIDAD
VARIABLES ALEATORIAS CONOCIDAS
Ines Varas C.1
1 Departamento

de Estadstica
Universidad de Concepci
on

Semestre II, 2014

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Contenidos

Introduccion

Variables discretas

Variables Continuas

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Introduccion

Cuando tenemos que modelar un proceso, dependiendo de que

proceso sea, existen variables aleatorias ya conocidas (y por
ende conocidas su media y varianza) que nos permiten
modelar el proceso de manera mas sencilla.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Introduccion

Cuando tenemos que modelar un proceso, dependiendo de que

proceso sea, existen variables aleatorias ya conocidas (y por
ende conocidas su media y varianza) que nos permiten
modelar el proceso de manera mas sencilla.
Estas variables podemos clasificarlas dependiendo si el proceso
es discreto o bien continuo.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Ensayo Bernoulli
Definici
on

Cuando un experimento aleatorio tiene solo dos resultados

posibles: exito y fracaso, estamos en presencia de un ensayo
bernoulli.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Ensayo Bernoulli
Definici
on

Cuando un experimento aleatorio tiene solo dos resultados

posibles: exito y fracaso, estamos en presencia de un ensayo
bernoulli.
Ejemplos de ensayos Bernoulli son:
1
2

Se selecciona un alumno del curso: es hombre o mujer

Encuestas: esta de acuerdo o en contra del cambio de rectora
en la Universidad
Aprob
o el certamen 1: s o no

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Variable Bernoulli
Definici
on

La variable que modela la ocurrencia de los ensayos Bernoulli

se conoce como variable aleatoria Bernoulli.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Variable Bernoulli
Definici
on

La variable que modela la ocurrencia de los ensayos Bernoulli

se conoce como variable aleatoria Bernoulli.
As, decimos que X Ber (p) si

1 si ocurre un exito
X =
0 si ocurre un fracaso
donde P(X = 1) = p y P(X = 0) = 1 p

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Variable Bernoulli
Definici
on

La funcion de probabilidad de X esta dada por:

P(X = x) = p x (1 p)1x

In
es Varas C.

RX = {0, 1}

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Variable Bernoulli
Definici
on

La funcion de probabilidad de X esta dada por:

P(X = x) = p x (1 p)1x

RX = {0, 1}

La media y varianza de X estan dadas por:

E (X ) = p

V (X ) = p(1 p) = pq

donde q = 1 p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial
Definici
on

Suponga que cuenta con n ensayos Bernoulli, todos

indepedientes y con la misma probabilidad de exito p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial
Definici
on

Suponga que cuenta con n ensayos Bernoulli, todos

indepedientes y con la misma probabilidad de exito p.
Si definimos X como el n
umero de exitos en los n ensayos
Bernoulli, decimos que X tiene distribuci
on Binomial de
parametros n y p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial
Definici
on

As, X Bin(n, p) y su funci

on de probabilidad esta dada por:
 
n x
P(X = x) =
p (1 p)nx
Rx = {0, 1, 2, . . . , n}
x

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial
Definici
on

As, X Bin(n, p) y su funci

on de probabilidad esta dada por:
 
n x
P(X = x) =
p (1 p)nx
Rx = {0, 1, 2, . . . , n}
x
La esperanza y varianza de X estan dadas por:
E (X ) = np

In
es Varas C.

V (X ) = np(1 p)

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial
Ejemplo

En Chile el 75% de las personas padece cancer. Si a un

hospital llegan 6 personas, cual es la probabilidad que al
menos 4 personas padezcan cancer?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Definici
on

Suponga que ensayos Bernoulli ocurren de manera

independiente y con la misma probabilidad de exito p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Definici
on

Suponga que ensayos Bernoulli ocurren de manera

independiente y con la misma probabilidad de exito p.
Sea X la variable que cuenta el n
umero de ensayos Bernoulli
que se deben realizar para lograr el primer exito.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Definici
on

Suponga que ensayos Bernoulli ocurren de manera

independiente y con la misma probabilidad de exito p.
Sea X la variable que cuenta el n
umero de ensayos Bernoulli
que se deben realizar para lograr el primer exito.
La variable aleatoria X tiene distribuci
on geometrica de
parametro p

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Definici
on

La funcion de densidad de X esta dada por:

P(X = x) = pq x1

In
es Varas C.

RX = {1, 2, 3, . . .}

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Definici
on

La funcion de densidad de X esta dada por:

P(X = x) = pq x1

RX = {1, 2, 3, . . .}

La esperanza y varianza de X estan dadas por:

E (X ) =

1
p

In
es Varas C.

V (X ) =

1
p2

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion geometrica
Ejemplo

Siguiendo con el ejemplo de las muertes por cancer, cual es

la probabilidad que deban llegar mas de 3 personas para que
se atienda al primer paciente con cancer?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Definici
on

Suponga que ocurren ensayos Bernoulli independientes, con la

misma probabilidad de exito p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Definici
on

Suponga que ocurren ensayos Bernoulli independientes, con la

misma probabilidad de exito p.
Si definimos X como el n
umero de ensayor Bernoulli que
deben ocurrir para lograr obtener r exitos,

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Definici
on

Suponga que ocurren ensayos Bernoulli independientes, con la

misma probabilidad de exito p.
Si definimos X como el n
umero de ensayor Bernoulli que
deben ocurrir para lograr obtener r exitos,
Entonces X tiene distribuci
on Binomial negativa de
parametros r y p.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Definici
on

La funcion de densidad de X esta dada por:



x 1 r
P(X = x) =
p (1 p)xr
RX = {r , r + 1, . . .}
r 1

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Definici
on

La funcion de densidad de X esta dada por:



x 1 r
P(X = x) =
p (1 p)xr
RX = {r , r + 1, . . .}
r 1
La esperanza y varianza de X estan dadas por:
E (X ) =

r
p

In
es Varas C.

V (X ) =

r (1 p)
p2

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Binomial Negativa

Ejemplo

Suponga que un experimento consiste en el lanzamiento

sucesivo de un dado normal.
Cual es la probabilidad de que se requieran a lo mas 5
lanzamientos para lograr obtener por segunda vez el n
umero
6?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion hipergeometrica
Definici
on

Suponga que tiene una poblaci

on objetivo que consta de N
elementos, de los cuales M de ellos tienen una cierta
caracterstica de interes.
El experimento consiste en la selecci
on de una muestra de
tama
no n desde la poblaci
on N, donde n < N
Sea X la variable que cuenta el n
umero de elementos en la
muestra, que tienen la caracterstica de interes.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion hipergeometrica
Definici
on

La variable aleatoria X tiene distribuci

on Hipergeometrica con
parametros N, M y n.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion hipergeometrica
Definici
on

La variable aleatoria X tiene distribuci

on Hipergeometrica con
parametros N, M y n.
As, X HiperGeo(N, M, n). Su funci
on de densidad esta
dada por




M NM
P(X = x) =

nx


N
n

RX =??

La esperanza y varianza de X estan dadas por:



nM
nM N M N n
E (X ) =
V (X ) =
N
N
N N 1
In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion hipergeometrica
Ejemplo

La empresa ACME entrega lotes de productos de 25 artculos,

de los cuales se sabe que 7 son defectuosos.
El proceso de control de calidad de la empresa acepta el lote
de productos si al seleccionar 10 artculos, a lo mas 2 son
defectuosos.
Cual es la probabilidad que el sitema de control de calidad de
la empresa acepte un lote de productos entregado por la
empresa ACME?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Definici
on

Suponga que estamos modelando la cantidad de eventos que

ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Definici
on

Suponga que estamos modelando la cantidad de eventos que

ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).
Ejemplo: suponga que se cuenta la cantidad de clientes que
llegan a un banco en un perodo de 1 hora.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Definici
on

Suponga que estamos modelando la cantidad de eventos que

ocurren en un cierto intervalo (tiempo, longitud, espacio, etc).
Ejemplo: suponga que se cuenta la cantidad de clientes que
llegan a un banco en un perodo de 1 hora.
Ejemplo: suponga que se cuenta el n
umero eventos(fallas) en
una carretera cada 10kil
ometros.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Definici
on

La variable aleatoria X que cuenta el n

umero de eventos que
ocurren en un cierto intervalo (tiempo, espacio, longitud, etc)
tiene distribucion Poisson.
Asumimos que los eventos ocurren a una tasa de . As,
X Poisson() y su funci
on de densidad esta dada por:
P(X = x) =

e x
x!

In
es Varas C.

RX = {0, 1, 2, . . .}

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Definici
on

La variable aleatoria X que cuenta el n

umero de eventos que
ocurren en un cierto intervalo (tiempo, espacio, longitud, etc)
tiene distribucion Poisson.
Asumimos que los eventos ocurren a una tasa de . As,
X Poisson() y su funci
on de densidad esta dada por:
P(X = x) =

e x
x!

RX = {0, 1, 2, . . .}

La esperanza y varianza de X estan dadas por:

E (X ) =
In
es Varas C.

V (X ) =

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Poisson
Ejemplo

Suponga que en la carretera del Itata, hay un promedio de 2

baches por cada 5 kil
ometros.
1

El ministerio de transportes establece una multa a la empresa

constructora si se encuentran mas de 4 baches en 5 kilometros.
Si el ministerio de transporte selecciona aleatoriamente un
tramo de 5 kil
ometros de la carretera, cual es la probabilidad
que la empresa tenga que pagar multa?
Cual es la probabilidad que se encuentren exactamente 4
baches en 1 kil
ometro?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Uniforme
Definici
on

Se dice que la variable aleatoria X tiene distribucion Uniforme

en el intervalo (a, b), lo que denotamos por X U(a, b) si su
funcion de densidad esta dada por:
fX (x) =

1
ba

In
es Varas C.

RX = (a, b)

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Uniforme
Definici
on

Se dice que la variable aleatoria X tiene distribucion Uniforme

en el intervalo (a, b), lo que denotamos por X U(a, b) si su
funcion de densidad esta dada por:
fX (x) =

1
ba

RX = (a, b)

La esperanza y varianza de X estan dadas por:

E (X ) =

b+a
2

In
es Varas C.

V (X ) =

(b a)2
12

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Ciertos eventos ocurren a una tasa . Sea X la variable que

cuenta el n
umero de eventos que ocurren en un cierto
intervalo (tiempo, espacio, longitud, etc), es decir
X Poisson()

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Ciertos eventos ocurren a una tasa . Sea X la variable que

cuenta el n
umero de eventos que ocurren en un cierto
intervalo (tiempo, espacio, longitud, etc), es decir
X Poisson()
Sea Y la variable que mide el tiempo, espacio o longitud
hasta la ocurrencia del primer evento Poisson, entonces

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Ciertos eventos ocurren a una tasa . Sea X la variable que

cuenta el n
umero de eventos que ocurren en un cierto
intervalo (tiempo, espacio, longitud, etc), es decir
X Poisson()
Sea Y la variable que mide el tiempo, espacio o longitud
hasta la ocurrencia del primer evento Poisson, entonces
la variable aleatoria Y tiene distribuci
on Exponencial de
parametro

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Es decir, Y Exp(), cuya funci

on de densidad esta dada por
fY (y ) = e y

In
es Varas C.

RY = (0, +)

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Es decir, Y Exp(), cuya funci

on de densidad esta dada por
fY (y ) = e y

RY = (0, +)

La esperanza y varianza de Y estan dadas por

E (Y ) =

In
es Varas C.

V (Y ) =

1
2

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Definici
on

Obs: La variable aleatoria Exponencial modela tambien el

tiempo, espacio o longitud entre la ocurrencia de eventos
Poisson sucesivos.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Ejemplo

Suponga que en la carretera del Itata, hay un promedio de 2

baches por cada 5 kil
ometros.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Ejemplo

Suponga que en la carretera del Itata, hay un promedio de 2

baches por cada 5 kil
ometros.
Cual es la probabilidad que el Ministerio de Transportes
tenga que revisar al menos 14,6 kil
ometros para encontrar el
primer bache?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Exponencial
Ejemplo

Suponga que en la carretera del Itata, hay un promedio de 2

baches por cada 5 kil
ometros.
Cual es la probabilidad que el Ministerio de Transportes
tenga que revisar al menos 14,6 kil
ometros para encontrar el
primer bache?
Cual es la probabilidad que se encuentren al menos 2,5
kilometros entre dos baches en la carretera?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Normal
Definici
on

Se dice que la variable aleatoria X tiene distribucion normal

con parametros 2 , lo que denotamos por X N(, 2 ), si
su funcion de densidad esta dada por
fX (x) =

1
2 2

In
es Varas C.

(x)2
2 2

x IR

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion Normal
Definici
on

Se dice que la variable aleatoria X tiene distribucion normal

con parametros 2 , lo que denotamos por X N(, 2 ), si
su funcion de densidad esta dada por
fX (x) =

1
2 2

(x)2
2 2

x IR

La media y varianza de X estan dadas por:

E (X ) =

In
es Varas C.

V (X ) = 2

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La distribucion normal tiene caractersticas importantes:

El recorrido de la variable son todos los n
umeros reales, a
diferencia de las otras variables continuas que hemos visto.
La funci
on de densidad de X es simetrica.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La distribucion normal tiene caractersticas importantes:

El recorrido de la variable son todos los n
umeros reales, a
diferencia de las otras variables continuas que hemos visto.
La funci
on de densidad de X es simetrica.

La distribucion normal es muy importante en estadstica pues

la mayora de las tecnicas estadsticas se basan que las
muestras obtenidas provienen de una distribucion normal.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Sin embargo, a pesar de las buenas propiedades que tiene,

que pasa si queremos calcular probabilidades sobre la
distribucion normal?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Sin embargo, a pesar de las buenas propiedades que tiene,

que pasa si queremos calcular probabilidades sobre la
distribucion normal?
Suponga que X modela el tiempo de vida de cierto artefacto
electrico. La empresa que los fabrica dice que el tiempo de
vida medio de los artefactos que construye es de 1460 das
con una desviacion estandar de 50 das.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Sin embargo, a pesar de las buenas propiedades que tiene,

que pasa si queremos calcular probabilidades sobre la
distribucion normal?
Suponga que X modela el tiempo de vida de cierto artefacto
electrico. La empresa que los fabrica dice que el tiempo de
vida medio de los artefactos que construye es de 1460 das
con una desviacion estandar de 50 das.
Cual es la probabilidad de que un artefacto comprado a la
empresa falle luego de 1585 das?

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La probabilidad anterior corresponde a

Z
P(X 1585) = 1 P(X < 1585) =

1585

In
es Varas C.

1
2 2

(x)2
2 2

dx

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La probabilidad anterior corresponde a

Z
P(X 1585) = 1 P(X < 1585) =

1585

1
2 2

(x)2
2 2

dx

Ups! Se nos complica la integral. . .

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Sin embargo, veamos que sucede si hacemos la

transformacion:
X 1460
Z=
50
Notemos que esa transformaci
on corresponde a
Z=

Esta transformaci
on se conoce como estandarizacion de X y
la variable aleatoria Z se conoce como Distribuci
on Normal
Est
andar.

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Sin embargo, veamos que sucede si hacemos la

transformacion:
X 1460
Z=
50
Notemos que esa transformaci
on corresponde a
Z=

Esta transformaci
on se conoce como estandarizacion de X y
la variable aleatoria Z se conoce como Distribuci
on Normal
Est
andar.
Note que Z N(0, 1).
In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La integral anterior se reduce a la siguiente expresion:

P(X 1585) = P(Z 2.5) = 1 P(Z < 2.5)
Z 2.5
z2
1
e 2 dz
=
2

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

La integral anterior se reduce a la siguiente expresion:

P(X 1585) = P(Z 2.5) = 1 P(Z < 2.5)
Z 2.5
z2
1
e 2 dz
=
2

En general, si Z N(0, 1),

Z

(z) = P(Z z) =

1
2 2

t2

e 2 dt

Obtener esta integral es mas sencillo pues, para cada valor z,

el valor de la integral esta tabulado:
In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Definici
on

Las probabilidades sobre la variable Z se resumen en la

siguiente tabla:

In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO

Introducci
on
Variables discretas
Variables Continuas

Distribucion normal
Ejemplo

Suponga que X es el tiempo de vida de un artefacto

producido por la empresa ACME. La empresa asegura que el
tiempo de vida de los artefactos electricos que producen tiene
distribucion normal con media 1460 das y desviacion estandar
50 das.
Cual es la probabilidad que un artefacto producido por la
empresa ACME dure al menos 1387,5 das?
Cual es la probabilidad que un artefacto dure entre 1432 y
1556,5 das?
Cual es la probabilidad que un artefacto dure exactamente
1486,8 das?
In
es Varas C.

MODELOS DE PROBABILIDAD VARIABLES ALEATORIAS CO