ESTADISTICA I

DISTRIBUCIONES DE
PROBABILIDAD
CONTINUA
INTRODUCCION
◦ Una distribución de probabilidad continua resulta de medir algo, como la
distancia del dormitorio al salón de clases, el peso de un individuo o la
cantidad de bonos que ganan los directores ejecutivos. Suponga que
seleccionamos a cinco estudiantes y calculamos que las distancias, en millas,
que viajan a clases son de 12.2, 8.9, 6.7, 3.6 y 14.6.
◦ Cuando examinamos una distribución continua, la información que nos
interesa es el porcentaje de estudiantes que viajan menos de 10 millas o el
porcentaje que viaja más de 8 millas. En otras palabras, en el caso de una
distribución continua, quizá desee conocer el porcentaje de observaciones
que se presentan dentro de cierto margen. Es importante señalar que una
variable aleatoria continua tiene un número infinito de valores dentro de
cierto intervalo particular. Así, debe pensar en la probabilidad de que una
variable tenga un valor dentro de un intervalo determinado, en vez de pensar
en la probabilidad de un valor específico.
Familias de distribución continua
◦ Distribución de probabilidad uniforme,
◦ la de probabilidad normal y
◦ la de probabilidad exponencial.
La familia de distribuciones
de probabilidad uniforme
◦La distribución de probabilidad uniforme es, tal
vez, la distribución más simple de una variable
aleatoria continua. La distribución tiene forma
rectangular y queda definida por valores
mínimos y máximos. He aquí algunos ejemplos
que se rigen por una distribución uniforme.
Ejemplos
◦ El tiempo de vuelo de una
aerolínea comercial de Orlando,
Florida, a Atlanta, Georgia, varía
de 60 a 120 minutos. La variable
aleatoria es el tiempo de vuelo
dentro de este intervalo. Observe
que la variable de interés, el
tiempo de vuelo en minutos, es
continua en el intervalo de 60 a
120 minutos.
◦ Los voluntarios de la Grand Strand
Public Library elaboran formas para
declaraciones de impuestos
federales. El tiempo que tardan
para confeccionar una forma
1040-EZ se rige por una distribución
uniforme en el intervalo de 10 a 30
minutos. La variable aleatoria es la
cantidad de minutos que emplean
para llenar la forma, que puede
asumir cualquier valor entre 10 y
30.
La familia de distribuciones
exponenciales
◦Por lo general, esta distribución de probabilidad
continua describe los tiempos entre eventos que
ocurren en secuencia. Las acciones suceden
independientemente a un ritmo constante por
unidad o duración de tiempo. Como el tiempo
nunca es negativo, una variable aleatoria
exponencial será siempre positiva.
La distribución exponencial suele
describir situaciones como:
◦ Los tiempos de servicio en un sistema (p.e., cuánto
tiempo toma atender a un cliente).
◦ El tiempo entre “entradas” en un sitio web.
◦ El tiempo de vida de un componente eléctrico.
◦ El tiempo que transcurre hasta que la siguiente llamada
telefónica llega a un centro de servicio al cliente.
 sesgo positivo
como el parámetro de “ritmo”.
La familia de distribuciones
de probabilidad normal
◦ Tiene forma de campana y posee una sola cima
en el centro de la distribución. La media
aritmética, la mediana y la moda son iguales, y
se localizan en el centro de la distribución. El
área total bajo la curva es de 1.00. La mitad del
área bajo la curva normal se localiza a la
derecha de este punto central, y la otra mitad, a
la izquierda.
◦ Es simétrica respecto de la media. Si hace un
corte vertical, por el valor central, a la curva
normal, las dos mitades son imágenes
especulares.
◦ Desciende suavemente en ambas direcciones
del valor central. Es decir, la distribución es
asintótica. La curva se aproxima más y más al
eje X, sin tocarlo. En otras palabras, las colas de
la curva se extienden indefinidamente en ambas
direcciones.
◦ La localización de una distribución normal se
determina a través de la media, µ. La dispersión
o propagación de la distribución se determina
por medio de la desviación estándar σ,
Distribución de probabilidad normal
estándar
◦ El número de distribuciones normales es ilimitado, y cada una posee
diferentes media (µ), desviación estándar (σ), o ambas. Mientras que es
posible proporcionar tablas de probabilidad de distribuciones discretas, como
la binomial y la de Poisson, es imposible elaborar tablas de una infinidad de
distribuciones normales.

◦ un miembro de la familia se utiliza para determinar las probabilidades de

todas las distribuciones de probabilidad normal. Es la distribución de
probabilidad normal estándar y es única, pues tiene una media de 0 y una
desviación estándar de 1.
◦ Cualquier distribución de probabilidad normal puede convertirse
en una distribución de probabilidad normal estándar si se resta la
media de cada observación y se divide esta diferencia entre la
desviación estándar. Los resultados reciben el nombre de valores
z o valores tipificados.
Aplicaciones de la distribución
normal estándar
◦ ¿Cuál es el área bajo la curva entre la media y X en la tabla 7-
2?, ¿el caso de los valores z?
Determinación de áreas bajo
la curva normal
Aproximación de la distribución
normal a la binomial
◦ ¿Cuándo utilizar la aproximación normal? La
distribución de probabilidad normal constituye una
buena aproximación de la distribución de probabilidad
binomial cuando nπy n(1 – π) son 5 por lo menos. Sin
embargo, antes de aplicar la aproximación normal,
debe estar seguro de que la distribución de interés es
en verdad una distribución binomial.
Se deben satisfacer cuatro criterios:
1. Sólo existen dos resultados mutuamente excluyentes en un
experimento: éxito o fracaso.
2. La distribución resulta del conteo del número de éxitos en una
cantidad fija de pruebas.
3. La probabilidad de un éxito, π, es la misma de una prueba a
otra.
4. Cada prueba es independiente.
Bibliografía
◦ Lind, Marchal y Whaten. Estadística aplicada a la administración y economía. 2015