Distribución de probabilidades de variables continuas,

distribución Normal.
Función distribución Variable aleatoria continua
• Si la variable aleatoria es continua, hay infinitos valores posibles de la variable y entre cada dos
de ellos se podrían definir infinitos valores. En estas condiciones no es posible deducir la
probabilidad de un valor puntual de la variable como se puede hacer en el caso de las variables
discretas. Pero sí es posible calcular la probabilidad acumulada hasta un cierto valor (función
de distribución) y cómo cambia esa probabilidad acumulada en cada punto (densidad de
probabilidad).
• Sea X una variable aleatoria continua, se llama función de densidad y se representa como f(x) a
una función no negativa definida sobre la recta real, tal que para cualquier intervalo que
estudiemos se verifica:

• Sea X una variable aleatoria continua con función de densidad f(x), se define la función de
distribución, F(x), como:

• La distribución acumulada F(x) de una v.a.c. X con función densidad f(x) es

• La función f(x) es una función de densidad de probabilidad para la v.a.c.
X, definida en el conjunto de números reales, si :
Valor esperado y varianza
• Si x es una v.a.c con función de densidad de probabilidad p(x), entonces el valor esperado de
X y su varianza serán :
+∞
• 𝝁=
+∞
‫׬‬−∞ 𝒙 ∙ 𝒑 𝒙 𝒅𝒙 𝜎2 = ‫׬‬−∞ 𝑥 − 𝜇 2 𝑝 𝑥 𝑑𝑥

• Ejemplo: Sea p(x) es una función de densidad de probabilidad dada por:

1
• 𝑝 𝑥 = ൝2 𝑥 si 0< x ≤1
0 En otro caso
• Obtener E(X)
+∞
• 𝝁= ‫׬‬−∞ 𝒙 ∙ 𝒑 𝒙 𝒅𝒙 1
𝟏 𝟏 𝟏 𝟏 𝟏 1 1
• 𝝁= ‫𝟐𝒙 𝟎׬ 𝟐 = 𝒙𝒅 𝒙 𝟐 ∙ 𝒙 𝟎׬‬ 𝒅𝒙 = 𝑥 3/2 =
3 0 3
Distribución de Probabilidad Normal
Campana de Gauss
• La distribución continua de probabilidad más importante en todo el campo de la
estadística es la distribución normal.
• Su gráfica, que se denomina curva normal, es la curva con forma de campana, la cual
describe aproximadamente muchos fenómenos que ocurren en la naturaleza, la
industria y la investigación. Las mediciones físicas en distintas áreas como: los
experimentos meteorológicos, estudios de la lluvia y mediciones de partes fabricadas,
a menudo se explican más adecuadamente con la distribución normal. Además, los
errores en las mediciones científicas se aproximan extremadamente bien mediante
una distribución normal.
• Proporciona una base sobre la cual se fundamenta gran parte de la teoría de la
estadística inductiva.
• La distribución normal, se denomina también distribución gaussiana, en honor de Karl
Friedrich Gauss (1777-1855), quien también derivó su ecuación a partir de un estudio
de errores de mediciones repetidas de la misma cantidad.
Distribución Normal
• La distribución normal tiene una v.a.continua y emplea dos funciones: una función para
determinar la gráfica que representa la distribución y una segunda para determinar las
probabilidades.
 Gráfica de la distribución Normal
• Si una población tiene distribución Normal con media µ y desviación típica σ, anotamos N(µ, σ).
• Tiene forma de campana y es simétrica con respecto a la media.
𝑏
• El área bajo la curva corresponde a la función probabilidad 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = ‫𝑥𝑑 𝑥 𝑓 𝑎׬‬

• Además se sabe que:

a) El 68,3% de los individuos se encuentra
en el intervalo 𝜇 − 𝜎, 𝜇 + 𝜎
b) El 95,5% de los individuos se encuentra
en el intervalo 𝜇 − 2𝜎, 𝜇 + 2𝜎
c) El 99,7% de los individuos se encuentra
en el intervalo 𝜇 − 3𝜎, 𝜇 + 3𝜎
Distribución Normal Estándar
La distribución normal estándar es la distribución normal de la variable estándar z.
𝑋−𝜇
Si la v.a.c X distribuye N(µ, σ), utilizando la variable 𝑧 = , distribuirá 𝑁(0, 1).
𝜎
A este proceso se le conoce como tipificación o estandarización de la dist. normal.
Propiedades:
1) El área total bajo la curva es igual a 1.
2) La distribución tiene media 0 y una desviación estándar de 1.
3) La media divide el área en dos: 0.5 a cada lado.
4) Casi toda el área está entre 𝑧 = −3,00 y 𝑧 = 3,00.
5) La ventaja de la variable z es que existen valores tabulados para ella.
 Probabilidad de una variable aleatoria normal estándar
Sea 𝑃 𝑎 ≤ 𝑧 ≤ 𝑏 la probabilidad de que una v.a. normal estándar se encuentre entre a y b, entonces:
𝑃 𝑎 ≤ 𝑧 ≤ 𝑏 = P z ≤ 𝑏 − 𝑃(𝑧 ≤ 𝑎)
Ejemplo 1:
Sea Z el valor estandarizado de X ~ N (0,1). Determine 𝑃(0,65 ≤ 𝑍 ≤ 1,26)
Buscamos los valores de z en la tabla de valores de prob. acumulada Normal estándar

𝑃 0.65 ≤ 𝑍 ≤ 1.26 = 𝑃 𝑧 ≤ 1.26 − 𝑃 𝑧 ≤ 0.65

= 0. 8962 – 0. 7422
= 0. 1540
R: La probabilidad solicitada es de 15.40%
 Ejemplo 2:
Las mediciones de IQ están distribuidas normalmente con una media de 100 y una desviación
estándar de 16. Si se selecciona una persona al azar, ¿cuál es la probabilidad de que su IQ sea
entre 100 y 115?
• En este caso, nuestra variable aleatoria continua X distribuye N(100, 16). Para poder utilizar la tabla
Normal estándar debemos estandarizar la variable para que distribuya 𝑁 0, 1 .
• En la pregunta ¿cuál es la probabilidad de que su IQ sea entre 100 y 115? , se nos pide determinar:
• 𝑃 100 ≤ 𝑋 ≤ 115 = P X ≤ 115 − 𝑃(𝑋 ≤ 100)
𝑋−𝜇
• Vamos a estandarizar ambos valores de la variable X utilizando la expresión 𝑧 =
𝜎
100 −100 115 −100
• 𝑧1 = =0 𝑧2 = = 0.93 el valor de z se utiliza truncado a 2 decimales
16 16
• Entonces reemplazamos los valores de X por sus respectivos valores de Z, obteniendo:
• 𝑃 100 ≤ 𝑋 ≤ 115 = P X ≤ 115 − 𝑃(𝑋 ≤ 100) = P z ≤ 0.93 − 𝑃(𝑧 ≤ 0) (sigue en la
siguiente diapositiva)
• Buscamos los valores en la tabla Normal

• P z ≤ 0.93 − 𝑃 𝑧 ≤ 0 = 0. 8238 − 0. 5000

= 0. 3238
Luego la probabilidad de que su IQ sea entre 100 y 115 es de 32,38%.
Ahora ustedes!
1) El presidente de una multinacional de telecomunicaciones está preocupado por el número de
teléfonos móviles producidos por una empresa que tiene algún defecto. En promedio, 2.454
teléfonos son devueltos por este problema, con una desviación estándar de 650. Suponiendo que la
cantidad de teléfonos con defecto tienen una distribución normal.
a) ¿Qué porcentajes de los defectuosos son superiores a 3.000?
b) ¿Qué porcentajes de los defectuosos son inferiores a 2.300?
c) ¿Qué porcentajes de los defectuosos son superiores a 2.000 e inferiores a 3.000?
d) ¿Qué porcentajes de los defectuosos son superiores a 2.500 e inferiores a 3.500?
2) Una empresa de telefonía determina que el tiempo de llamado,
sigue una distribución normal, con media 25s y una desviación estándar de 3s.
a) ¿Cuál es la probabilidad de que un llamado dure menos de 23s? (R:0,2514 = 25,14%)
b) ¿Cuál es la probabilidad de que un llamado dure más de 30s? (R: 0,0475=4,75%)

3) Los resultados de un examen siguen una distribución normal con media de 78 y varianza 36.
¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación
superior a 72?
4) Un examen, cuyo puntaje máximo es 100 puntos, tiene media 74 y desviación estándar 12, si el
examen distribuye normal ¿Cuál es el puntaje real de un puntaje estandarizado en 0,5? (R: 80)

5) Los resultados de una prueba objetiva realizada a 300 personas indicaron que la distribución de
puntuaciones era normal, con media de 80 puntos y desviación típica de 10 puntos. Si deseamos
seleccionar al 15% de las mejores pruebas. ¿A partir de que puntuación aproximadamente hemos
de escoger? (R:90,4)