Академический Документы
Профессиональный Документы
Культура Документы
DOCENTE:
ELIZABETH GUERRERO
INTEGRANTES:
Cristhian Sandoval
Manuel león
Brayan Páez
1
, 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
𝑓(𝑥) = { 𝑏 − 𝑎
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Para calcular la probabilidad de que la variable x tome un valor en un intervalo lo que debemos
hacer es calcular el área bajo la gráfica del intervalo con el que estamos trabajando.
Las diferencias entre el tratamiento de una variable continua y una discreta está en que:
-Se habla de la probabilidad de que una variable aleatoria tome un valor dentro de un intervalo
dado.
-La probabilidad de que una variable aleatoria continua tome un valor dentro de un determinado
intervalo que va de x1 a x2 se define como el área bajo la gráfica de la función de densidad de
probabilidad entre x1 y x2. Como un solo punto es un intervalo cuyo ancho es cero, esto implica que
la probabilidad de que una variable aleatoria continua tome un valor exacto, cualquiera, es cero.
𝑎+𝑏
𝐸(𝑥) =
2
(𝑏 − 𝑎)2
𝑉𝑎𝑟 (𝑥) =
12
Distribución de probabilidad normal:
Es la más usada para describir variables continuas.
1 2 /2𝜎 2
𝑓(𝑥) = 𝑒 −(𝑥−𝜇)
𝜎√2𝜋
- El punto más alto de una curva normal se encuentra sobre la media, la cual coincide con la mediana
y la moda.
- La distribución normal es simétrica. Las colas de la curva normal se extienden al infinito en ambas
direcciones y en teoría jamás tocan el eje horizontal
- La desviación estándar determina qué tan plana y ancha es la curva normal. Desviaciones estándar
grandes corresponden a curvas más planas y más anchas, lo cual indica mayor variabilidad en los
datos.
- Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas bajo la
curva normal. Toda el área bajo la curva de una distribución normal es 1.
Distribución de probabilidad normal estándar: Se da cuando una distribución normal tiene
una media (µ) de cero y una desviación estándar (𝝈) de 1, su grafica es tal que:
1 2 /2
𝑓(𝑧) = 𝑒 −(𝑧)
√2𝜋
Para el cálculo de la probabilidad en cualquier distribución normal lo que se debe hacer el calcular
el área bajo la gráfica de la función densidad. En el caso de la distribución normal estándar las áreas
bajo las curvas ya se encuentran calculadas, como se podrá observar en la siguiente tabla:
En la tabla izquierda están los valores del área bajo la curva para valores de z menor o igual a 0,
mientras que en la tabla derecha están los valores del área bajo la curva para valores de z mayor o
igual a 0. Es importante recordar que los valores de área que se muestran en la tabla corresponden
al valor del área bajo la curva normal hacia la izquierda del valor de z que se esté trabajando.
Primer caso: la probabilidad de que la variable aleatoria normal estándar z sea menor o igual que
un valor dado. Ejemplo: La probabilidad de que z sea menor o igual a 1.00 es decir 𝑃(𝑧 ≤ 1.00).
Esta probabilidad corresponde al área bajo la curva a la izquierda de z=1.00
Para encontrar esta área o probabilidad lo que haremos es buscar en la tabla que se mencionó
previamente el valor de 1 en la primera columna (la columna donde dice z) y luego ubicar en la
primera fila en que columna se encuentra el valor de .00, como se verá a continuación:
Al encontrar estor valores vemos que se cruzan en el valor de 0.8413 por lo cual esta es nuestra
probabilidad de que la variable aleatoria tome un valor menor o igual a 1.
Ejemplo: la probabilidad de que z esté en el intervalo entre -0.50 y 1.25 es decir 𝑃(−0.50 ≤ 𝑧 ≤
1.25). Esta probabilidad corresponde al área bajo la curva entre -0.50 y 1.25 como se puede
observar a continuación:
Para encontrar esta probabilidad lo que haremos es encontrar el área de la curva hacia la izquierda
de z=1.25, también el área hacia la izquierda de z=-0.50 y luego lo que haremos será restarlos es
decir:
Para buscar la probabilidad de 𝑧 ≤ 1.25 primero ubicaremos en la primera columna (donde dice z)
el valor de 1.2, una vez encontrado este lo que haremos es buscar ahora en la primera fila en que
columna se encuentra el valor de .05 y vemos donde se cruzan estos dos valores. Ahora para
encontrar la probabilidad de 𝑧 ≤ −0.5 nos ubicaremos en la tabla de la izquierda y luego buscamos
en la primera columna el valor de -0.5 y luego en la primera fila ver en que columna está el valor de
0.00:
𝑃(𝑧 ≤ 1.25):
𝑃(𝑧 ≤ −0.5):
Entonces se encontró que 𝑃(𝑧 ≤ 1.25)=.8944 y 𝑃(𝑧 ≤ −0.5)=.3085 por lo cual entonces la
probabilidad de que 𝑃(−0.50 ≤ 𝑧 ≤ 1.25) es:
Tercer caso: la probabilidad de que z sea mayor o igual que un valor dado.
Ejemplo: Calcular la probabilidad de tener un valor de z por lo menos de 1.58 es decir 𝑃(𝑧 ≥ 1.58)
En este caso para el cálculo de la probabilidad lo que haremos es encontrar el valor del área bajo la
curva hacia la izquierda de 1.58 y luego restar este valor a 1 ya que como se mencionó previamente
el área total bajo la curva de la función de densidad es igual a 1 es decir:
Para encontrar el valor del área bajo la curva para z=1.58 primero ubicaremos en la primera
columna (z) el valor de 1.5 y después en la primera fila ubicaremos en que columna se encuentra el
valor de .08 entonces:
Se encontró que 𝑃(𝑧 ≤ 1.58)=.9429 por lo cual entonces la probabilidad de que 𝑃(𝑧 ≥ 1.58) es:
Lo primero que haremos es convertir el valor de x= 10 y x=14 hacia la variación estándar, entonces:
𝑥 − 𝜇 10 − 10
𝑝𝑎𝑟𝑎 𝑥 = 10 𝑧= = =0
𝜎 2
𝑥 − 𝜇 14 − 10
𝑝𝑎𝑟𝑎 𝑥 = 14 𝑧= = =2
𝜎 2
Entonces una vez que convertimos x a z ya podemos trabajar con la distribución normal estándar.
Es decir ahora debemos encontrar la probabilidad de que una variable aleatoria x este en un
intervalo de 0 a 2. Para resolver este ejercicio trabajamos tal cual como se hizo en el segundo caso
al calcular probabilidad normal estándar. En este caso debemos encontrar 𝑃(0 ≤ 𝑧 ≤ 2) para ello
tenemos que 𝑃(𝑧 ≤ 2) = 0.9772 y 𝑃(𝑧 ≤ 0) = 0.5000 (estos valores de área se encontraron
usando la tabla previamente vista en la probabilidad normal estándar) Entonces la probabilidad está
dada por:
Por lo cual la probabilidad de que una variable aleatoria x tome un valor entre 10 y 14 es de 0.4772
Como bien sabemos los ensayos binomiales constan de un número n de intentos idénticos e
independientes con dos posibles resultados, éxito o fracaso y con la misma probabilidad de éxito p
para cada una.
Como se hace tedioso el evaluar una función de probabilidad binomial cuando el número de
intentos es elevado la distribución normal proporciona una aproximación que consta de las
siguientes condiciones:
𝜇 = 𝑛𝑝
𝜎 = √𝑛𝑝(1 − 𝑝)
Para ilustrar la aproximación normal a la binomial, suponga que una empresa sabe por experiencia
que 10% de sus facturas tienen algún error. Toma una muestra de 100 facturas y desea calcular la
probabilidad de que 12 de estas facturas contengan algún error. Es decir, quiere hallar la
probabilidad binomial de 12 éxitos en 100 ensayos. Aplicando la aproximación normal a este caso
se tiene,
𝜇 = 𝑛𝑝 = (100)(0.1) = 10
𝜎 = √𝑛𝑝(1 − 𝑝) = √(100)(0.1)(0.9) = 3 .
Para aproximar la probabilidad binomial de 12 éxitos se calcula el área correspondiente bajo la curva
normal entre 11.5 y 12.5 estos valores se obtienen debido al llamado factor de corrección por
continuidad que dicta la suma y resta de 0.5 al valor de éxitos ya que al tratar de calcular la
probabilidad en un mismo punto va a arrojar 0.
𝑥 − 𝜇 12.5 − 10
𝑧= = = 0.83 𝑝𝑎𝑟𝑎 𝑥 = 12.5
𝜎 3
𝑥 − 𝜇 11.5 − 10
𝑧= = = 0.50 𝑝𝑎𝑟𝑎 𝑥 = 11.5
𝜎 3
Con los valores asignados a cada X hacemos revisión de la tabla de probabilidad normal y obtenemos
que el área bajo de la curva que corresponde a 12.5 es 0.7967 y el de 11.5 es 0.6915, procedemos
a tratar esta probabilidad como una tercer caso y obtenemos que el cálculo normal de la
probabilidad de 12 éxitos en 100 intentos es de 0,1050 proviniendo de la resta (0.7967 - 0.6915).
Se aplica a variables como llegada de autos en un lavadero de coches, el tiempo necesario para
llenar un camión, la distancia entre dos averías en una carretera etc.
EJEMPLO
Se utiliza la formula siguiente que aporta la probabilidad acumulada para obtener un valor de la
variable exponencial que sea menor o igual a algún valor especifico denotado por x0.
Para 6 minutos:
6
𝑃(𝑥 ≤ 6) = 1 − 𝑒 −15 = 0.3297
Para 18 minutos:
18
𝑃(𝑥 ≤ 18) = 1 − 𝑒 −15 = 0.6988
De manera que la probabilidad de cargarlo en dicho tiempo es la diferencia entre los dos:
Aplicándolo al ejemplo de lavado de automóviles teniendo en cuenta una media de 10 autos por
hora tendríamos:
10𝑥 ∗ 𝑒 −10
𝑓(𝑥) =
𝑥!
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 µ = 0.1
Para un x=13
La función de densidad de probabilidad es:
1 𝑥
𝑓(𝑥) = ∗ 𝑒 −0.1 = 10 ∗ 𝑒 −10𝑥
0.1