Вы находитесь на странице: 1из 8

Distribución

de variable
continua

Herramientas
Matemáticas III
Estadística I

1
Distribución de variable
continua
Como habíamos visto, las variables podían ser continuas o discretas; de esta
manera, podemos entonces clasificar los modelos de acuerdo con el tipo de
variable.

 Variable discreta:
o binomial;
o de Poisson;
o hipergeométrica.

 Variable continua:
o normal;
o T (de Student);
o chi cuadrado.

En este concepto, se trata solamente la distribución continua normal.

Distribución normal

Definiremos ahora, una distribución que analice las probabilidades de que la


variable aleatoria adopte un valor dentro de un intervalo. La distribución de
variable continua, que responde en forma más general a más cantidad de
casos y situaciones en las que la variable se mide en un intervalo, es la
distribución normal, también llamada distribución de Gauss.
La distribución normal es reconocida en Estadística por varias razones.

En el ámbito empresarial, existen muchas variables de medición, cuyas


distribuciones se asimilan a la distribución normal.

 La distribución normal puede asimilarse a distribuciones de variables


discretas como la distribución binomial y la distribución de Poisson; lo que
simplifica el trabajo.
 La distribución normal es una herramienta muy importante para la
estadística inferencial a través del teorema de límite central.

2
Distribución normal estándar

1) Tiene forma de campana, de allí el nombre de campana de Gauss.


2) Su eje de simetría respecto del eje vertical pasa por la abscisa de
mayor ordenada.
3) El valor de la abscisa de mayor ordenada coincide con la media, la
mediana y la moda por ser simétrica respecto del eje vertical que pasa
por ese punto.
4) Las ramas de la campana son asintóticas respecto del eje horizontal y
se extienden desde -ꝏ al +ꝏ.
5) La expresión de la función toma el nombre de “función de densidad de
probabilidades” y su expresión es:

La forma de esta función está indicada en el siguiente gráfico:

Figura 1: Distribución Normal o Gaussiana

Fuente: Elaboración Propia

6) Se considera que la superficie encerrada por la función y el eje horizontal


son iguales a 1. Esto significa que la integral de la función F(x) entre los
límites - ꝏ y + ꝏ = 1 es ∫F(x).dx = 1.

3
7) La probabilidad de que la variable aleatoria tome un valor en un intervalo
(a; b) está dada por la superficie encerrada por la función y el eje
horizontal en ese intervalo:

P(a ≤ x ≤ b) = ∫F(x).dx.

Figura 2: Area bajo una curva normal

Fuente: Elaboración propia

8) La probabilidad que la variable tome un valor puntual es igual a cero: P(x


= a) = 0. Si el intervalo (a, b) disminuye, porque el extremo b se acerca a
a, la probabilidad disminuye. Y, en el límite, cuando b coincide con a, la
probabilidad toma el valor cero; ya que no se tiene superficie por no
existir un intervalo.
9) Otra de las características de la curva normal es que el área debajo de la
curva, entre el valor de la media aritmética y un punto cualquiera sobre
las abscisas está en función del número de desviaciones estándar.

4
Figura 3: Distribución Normal-Características

Fuente: Levin y Rubin, 2004, p. 209.

Significa que esa superficie es proporcional al número de desviaciones


estándar de la distancia entre la media y X, siendo X un punto genérico. En
fórmulas, lo podemos expresar así:

z.σ = x – μ,

donde Z es el coeficiente de proporcionalidad que indica la cantidad de


desviaciones estándar correspondientes con la diferencia de abscisas entre
X y la media. El valor de Z puede adoptar valores entre cero y un poco más
de 3; ya que, si recordamos la regla empírica que indicando que el 99,7 % de
las observaciones de una distribución normal ocurren en el intervalo
comprendido entre la media menos 3σ y la media más 3σ.
Con estas características, se construye una distribución con los valores de z,
y dicha distribución se llamará “distribución normal estándar”, cuya media
es:

𝜇(𝑧) = 0,

y su desviación estándar:

𝜎(𝑧) = 1.

5
Se construyeron tablas para distribución normal estándar (DNE), donde,
para cada valor de Z, se obtuvo un porcentaje del área total, y estas tablas
se encuentran en los apéndices de la bibliografía. En esta tabla, verificamos
que el área encerrada por la DNE, para z = 1, es igual a 0,3413; para z = 2, a
0,4772; y para z = 3, a 0,4987, de acuerdo con lo expresado por la ley
empírica. Como ejercicio, prueba corroborar la ley empírica con estos
resultados.

Resolución de una distribución binomial por aproximación con


la normal

Cuando una distribución binomial presenta un número de ensayos elevados,


n grande, y la probabilidad del éxito es próxima a 0,5, dicha distribución
puede ser resuelta por aproximación con la distribución normal. Para lo cual,
haremos algunas consideraciones para tener en cuenta.

 Las medias de las distribuciones normal y binomial son iguales:

𝜇(𝑥) = 𝑛. 𝑝.

 Los desvíos estándar de las distribuciones normal y binomial son iguales:

𝜎(𝑥) = √𝑛. 𝑝. 𝑞.

 No olvides que la distribución normal responde a una variable del tipo


continua (por medición); la binomial, en cambio, a una variable del tipo
discreta (por conteo).

6
Resolución de una Distribución de Poisson por aproximación
con la normal

Esta expresión corresponde a una Distribución de Poisson para el cálculo de


probabilidades en variables aleatorias discretas.

Si bien sirve para el cálculo en forma manual, es muy engorroso utilizarla por
lo que podemos utilizar las tablas para calcular las probabilidades de
Poisson.
Para poder asimilar este tipo de distribución a una distribución normal,
siempre con las precauciones del caso, deberíamos realizar los reemplazos
que vemos a continuación.

Podemos utilizar la Distribución de Poisson como una aproximación de la


Distribución Binomial, sustituyendo a por n.p, condicionado solamente a
que n ≥ 20 y p ≤ 0,05

Esta expresión permite que, calculando Z; se pueda utilizar una tabla de


distribución normal estandar para calcular la probabilidad que esté dentro
de una distancia Z de la media artimética

7
Bibliografía de referencias
Levin, R. I., y Rubin, D. S. (2004). Estadística para administración y economía
(7.a ed.). México: Pearson Educación.