https://www.youtube.com/watch?

v=By1J
QFxfLMM
 Qu tipo de variable
es el tiempo de llegada
de los atletas?

El numero de atletas
en una competencia
ser una variable
aleatoria continua?
Se podr determinar la probabilidad
que un recin nacido tenga un peso
superior a 2800 y menor a 3500 gr. ?

Se podr determinar la probabilidad

que la estatura de un jugador de
bsquet, se encuentre entre 1.70 y
1.85?
 CASO: En ourcampus
Usted trabaja como diseador en el sitio web de OurCampus, un sitio de redes
sociales dirigido a estudiantes universitarios. Para atraer y conservar a los
visitantes del sitio, necesita asegurarse de que los videos diarios de contenido
exclusivo puedan descargarse y reproducirse con rapidez en el navegador del
usuarios. El tiempo de descarga, la cantidad de tiempo (en segundos) desde el
primer contacto con la pgina principal del sitio web hasta el momento en que el
primer video est listo para reproducirse, depende tanto de la tecnologa de
transmisin multimedia como del nmero de usuarios simultneos del sitio web.
Para verificar la rapidez de descarga de un video, abre un buscador de Internet en
una PC de las oficinas corporativas de OurCampus y mide el tiempo de descarga.
Datos anteriores indican que el tiempo medio de descarga es de 7 segundos y
que la desviacin estndar es de 2 segundos. Aproximadamente dos terceras
partes de los tiempos de descarga varan entre 5 y 9 segundos, y alrededor de
95% de los tiempos de descarga varan entre 3 y 11 segundos. En otras palabras,
los tiempos de descarga se distribuyen en una curva en forma de campana, con
un agrupamiento de los datos alrededor de la media de 7 segundos. De qu
manera podra utilizar esta informacin para responder preguntas acerca de los
tiempos de descarga del primer video?
 PROBABILIDAD Y ESTADISTICA
Sesin N 08

DISTRIBUCIONES DE PROBABILIDAD
CONTINUA DISTRIBUCIN NORMAL Y
NORMAL ESTNDAR
LOGRO DE APRENDIZAJE

Al finalizar la sesin, el estudiante

estar en capacidad de calcular
probabilidades haciendo uso de
distribuciones de probabilidad para
una variable aleatoria continua,
especficamente de la distribucin
normal y normal estndar.
 Hemos Visto Vamos a ver

Variables Aleatorias Discretas Variable Aleatoria Continua

Funcin de Probabilidad Funcin Densidad

Funcin de Distribucin

8
 VARIABLES ALEATORIAS CONTINUAS

Funcin de Densidad

Se utiliza con el propsito de conocer cmo se distribuyen las

probabilidades de un suceso o evento, en relacin al resultado del suceso.

La funcin de Densidad f(x) tiene que

cumplir las siguientes condiciones:

f ( xj ) 0, si - x b

Pa X b f x dx
f x dx 1 a

La funcin de distribucin es la aplicacin FX (x) que asigna a cada
valor x de la variable aleatoria continua X la probabilidad de que la
variable tome valores menores o iguales que x:

f t dt
x
F(X )

La funcin de densidad de una V.A. determina la concentracin de
probabilidad alrededor de los valores de una variable aleatoria
continua

Interpretacin grfica de F

F(x) representa el rea bajo la

funcin de densidad desde
hasta x.

Como consecuencia de la
definicin de F:
P(X a) = F(a)
P(a X b) = F(b) F(a)
P(X a) = 1 F(a)
ESPERANZA MATEMATICA Y VARIANZA PARA V.A
CONTINUA

Valor esperado o esperanza matemtica (Media)

Varianza o varianza matemtica

E( X )
2
x
2 2
X
x f(x) dx
2


xf(x) dx
2
EJEMPLO:
Sea X una
Ejemplo V.A. Xcon
3: Sea unafuncin
V.A. condefuncin
densidad:
de densidad:

f ( x) a(3x x 2 ) , Si 0 x3

0 , En otros caso

a) Encuentre el valor de la constante a

b) Calcular la probabilidad que X est en el intervalo 1, 2

Solucin: Todos los Rx 0,3 entonces:

3
3
3x 2 x 3 27 2
a) a( 3x x )dx a a 9 1 a
2

0 2 3 0 2 9
3 2 2
2
2
13
b) P 1 x 2 3x x dx
2 x 2 x

2

1
9 3 27 1 17
 EJEMPLO:

Hallar la Esperanza Matemtica y Varianza del ejemplo anterior:

Ejemplo 4: Hallar la Esperanza Matemtica y Varianza en el ejemplo 3
4 3
3
6 x 2x
3
2x x
2 3 3
a) E X 3x x dx dx 1.5
2x 2

0
0
9 9 9 9 18 0

b) Var x E x E( x ) 2.7 1.5 0.45

2 2 2

5 3
3 2
6 x 2x
3 3
x 2x
4 4
E X
2 2x
3x x dx
2
dx 2.7
0
0
9 9 9 6 45 0
DISTRIBUCIN NORMAL Y NORMAL
ESTNDAR
 Introduccin

Una de las herramientas de mayor uso en las

empresas es la utilizacin de la curva normal para
describir situaciones donde podemos recopilar
datos. Esto nos permite tomar decisiones que
vayan a la par con las metas y objetivos de la
organizacin
 Distribucin Normal

El resultado de Abrahan de Moivre fue ampliado

por Laplace en su libro teora analtica de las
probabilidades (1812) La Distribucin normal
fue presentada por primera vez por el francs
Abraham de Moivre en un artculo del ao 1733.

Posteriormente, Carl Friedrich Gauss realiz

estudios ms a fondo donde formula la
ecuacin de la curva conocida comnmente
Abraham de Moivre
como Campana de Gauss".
( 1667- 1754)
Matemtico Francs

16
Funcin de densidad de la distribucin Normal

Se dice que la variable aleatoria continua X, se distribuye normalmente con

media y varianza 2, si su funcin de densidad est dado por:

17
Grfica de la Distribucin Normal

18
 Caractersticas de la Distribucin Normal

Es simtrica con respecto a su media como

muestra en el grfico N 1 la curva hacia
cualquier de los lados de es una imagen de
espejo de la del otro lado.

Es asinttica con respecto al eje X es decir, la curva no intercepta el eje X.

Los valores de la media, mediana y la moda son iguales.

El rea encerrada bajo la curva y por encima del eje X es igual a la

unidad, de aqu el rea bajo la curva entre dos abscisas X = a y X =
b, donde a < b representa la probabilidad de que X se encuentre
entre a y b y se denota por P (a X b).

19
 reas Bajo la Curva Normal
Aproximadamente 68.26% del rea bajo la curva normal est esta dentro
de ms menos una desviacin estndar respecto de la media. Esto se
expresa como 1

Aproximadamente 95.44% del rea bajo la curva normal est dentro de

ms menos dos desviaciones estndar respecto de la media. Esto se
expresa como 2

Aproximadamente 99.7% del rea bajo la curva normal est dentro de ms

menos tres desviaciones estndar respecto de la media. Esto se expresa
como 3

20
 Distribucin Normal Estndar
Si se tiene una variable aleatoria X normal con media y varianza 2
puede ser transformada a una variable aleatoria estandarizada Z, por la
siguiente transformacin:

Con Media z = 0 y varianza 2 z = 1

21
 Funcin de densidad de la distribucin Normal
Estndar

Si Z es una variable que tiene una distribucin normal, con media = 0 y 2 =1

entonces a Z se llama variable normal estndar si su funcin de densidad es:

En este caso podemos denotar la distribucin normal estndar por:

Se lee, Z tiene una distribucin normal estndar con media cero y

varianza 1.

22
Caractersticas de la Distribucin Normal Estndar
La media, mediana y la moda son iguales a cero.

Es asinttica respeto a Z, es decir, la curva no intercepta el eje Z

El rea bajo la curva normal es uno.

Es simtrica con respecto a su media

No depende de ningn parmetro.

Su media es 0, su varianza es 1 y su desviacin estndar es 1.

La curva f(x) es simtrica respecto del eje de Y

Tiene un mximo en el eje de Y.

Tiene dos puntos de inflexin en z=1 y z=-1

23
 El rea bajo la curva normal estndar es til para asignar
probabilidades de ocurrencia de la variable X.
Debemos tomar en cuenta que el rea total bajo la curva es
igual a 1. Y que, por ser una grfica simtrica, cada mitad
tiene un rea de 0.5

Pasos para determinar el rea bajo la

curva normal estndar

Paso 1 - Interpretar grficamente el rea de inters.

Paso 2 - Determinar el valor Z

x
z

Paso 3 - Buscar en la tabla de probabilidades.

Paso 4 - Hacer la suma o resta de reas para encontrar la

probabilidad deseada
 Probabilidad dada para
Valor de Z=z
Estandarizado: de un USOestandarizado
DEun valorLA
de Z
de la
TABLA NORMAL ESTANDAR
valor de -4 a 4 forma: P(Z z)

P(Z 1.17) =
Halle, en una distribucin N(0, 1), las siguientes probabilidades:

a) pz 0,2

pz 0, 2 pz 0, 2 0, 5793

b) pz 1,27

pz 1, 27 1 pz 1, 27 1 0, 8980 0,1020

c) p 0,52 z 1,03

p 0, 52 z 1, 03 pz 1, 03 pz 0, 52
pz 1, 03 pz 0, 52 pz 1, 03 1 pz 0, 52

0, 8485 1 0, 6985 0, 5470

26
 Ejemplo
Una embotelladora de gaseosas envasa
sus productos en latas cuyo contenido
neto sigue una distribucin normal con
media igual 12 onzas y varianza 0.0625
(onzas)2 si se elige al azar una lata. Hallar
la probabilidad de que su contenido
a) Sea menor que 12.5 onzas
b) sea mayor que 12.29
Solucin
a. La probabilidad de que su contenido sea menor que 12.5 onzas.
Sea X: Contenido de las latas de Gaseosas.
= 12 onzas 2 = 0.0625 = 0.25
nos piden :
P(Z < 2)
P (X < 12.5) = P ( Z < 2) = 0.9772
Estandarizamos la variable X
X - m 12.5 - 12
Z= = =2 = 1- 0.8770
s 0.25 27
b. La probabilidad de que su contenido sea mayor que 12.29 onzas.

Sea X: Contenido de las latas de Gaseosas.

= 12 onzas 2 = 0.0625 = 0.25
nos piden :
P(Z>1.16)

P (X > 12.29) = P( Z > 1.16) = 1- P(Z 1.16)

= 1- 0.8770
= 0.123
Estandarizamos la variable X P(Z 1.16) P( Z > 1.16)

X - m 12.29 - 12
Z= = = 1.16
s 0.25

28
Ejemplos:
Qu porcentaje de atletas de varios equipos de bsquetbol tienen un
porcentaje de grasa mayor de 19, sabiendo que la media es de 16 con una
desviacin estndar de 3.6?
Solucin:
Usando la frmula de la normal estandarizada:

X= 19, = 3.6, = 16, obtenemos: z= (19-16)/3.6, z= 0.8333

buscamos en la tabla y encontramos que el porcentaje de atletas con

grasa corporal arriba de 19 es del 20.33%

La calificaciones de los 500 aspirantes presentados a un examen para

contratacin laboral, se distribuye normalmente con media 7 y varianza de 4.
Encuentre:

a. La probabilidad de que un aspirante obtenga 8 puntos o ms

b. El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos
c. Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8 puntos
Solucin:
a) La probabilidad de que un aspirante obtenga 8 puntos o ms P (X 8)
P ( X 8 ) = 1 - P ( X 8 ) = 1 P ( Z 0.5) = 1 0.6915 = 0.3085
Tipificando :
87
z 0.5
2 Ver tabla y comprobar con
Mega Stat.
N ( 7; 2)

7 8 (X)
0 0.5 (Z)
La probabilidad de que un aspirante obtenga 8 puntos o ms es de 0.3085.
b) El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos.
P ( X 5) = P ( Z -1) = 0.1587
Tipificando N ( 7; 2)
57 Ver tabla y comprobar con
z 1 Mega Stat.
2
El porcentaje de aspirantes con
calificaciones inferiores o iguales a 5
puntos es de 15.87% 5 7 ( X)
-1 0 (Z)
Solucin:
c) Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8 puntos

P ( 5 X 8 ) = P ( X 8 ) - P ( X 5 ) = P ( Z 0.5 ) - P ( Z -1 ) =

Tipificando

Ver tabla y comprobar con

Mega Stat.
87 57
z 0.5 z 1
2 2
N ( 7; 2)

P ( Z 0.5) - P ( Z -1) = 0.6914 0.1587

P ( Z 0.5) - P ( Z -1) =0.5328
5 7 8 ( X)
-1 0 0.5 ( Z )
Luego como nos piden cuantos aspirantes se encuentran en ste intervalo multiplicamos la
probabilidad por el total de aspirantes: 500 * 0.5328=266.40 aprox 267 aspirantes
QU HEMOS VISTO?

Cmo calcular e interpretar las variables aleatorias

continuas.
Como calcular la funcin de densidad de una V.A.
Continua.
Como calcular e interpretar la funcin de
distribucin.
Distribucin de probabilidad continua: Normal y
Normal Estndar.
Caractersticas.
Uso de tabla.
Desarrollo de Ejercicios utilizando el Complemento
de Excel Megastat.

No existe la suerte. Slo hay preparacin adecuada o

inadecuada para hacer frente a una estadstica.

Robert Heinlein
1. Moya C. Rufino. Teora de Probabilidad e inferencia
estadstica 519.5 MOYA
2. Milton, Susan. Probabilidad y estadstica 519 MILT

Ms. C. Juan Carlos Oruna Lara 33

Dr. Juan Carlos Oruna Lara