DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCION DE PROBABILIDAD
CONTINUA Distribuciones Continuas
Son las funciones de probabilidad asociadas a
variables aleatorias continuas; es decir, para aquellas
variables cuyoy valores conforman un conjunto j
DISTRIBUCION NORMAL infinito no numerable.

En estos casos el valor de la función de probabilidad

Elaborado por: Juan Quispe Guerrero no expresa la probabilidad de ocurrencia de un valor
específico de la variable aleatoria.
1 2

Distribuciones Continuas Distribuciones Continuas

Distribución Normal
Una variable aleatoria continua X tiene una distribución Normal si
su función de densidad es dada por:
Distribución Normal
Características:
1. Tiene una forma acampanada perfecta.
2. Es simétrica con respecto a su media.
3. Es asintótica con respecto al Eje Horizontal.

e ( )
1 X −μ 2
1 −
2 σ
f (X ) = , si − ∞ < X < ∞ f(x)
2π σ

donde:
μ X = E[ X ] = μ σX

σ 2X = Var[X ] = σ 2
3 μX x 4

1
 Distribuciones Continuas
Características de una curva normal N (μ , σ 2 ) Distribución Normal

Cálculo de una probabilidad

b
f(x) P[ a < X < b] = ∫ f ( x )dx
a
2
b 1 ⎛ x −μ X ⎞
− ⎜⎜ ⎟
2 ⎝ σ X ⎟⎠
= ∫
1
e dx
2π σX
a

a μX b x

5 6

Distribuciones Continuas Distribuciones Continuas

Distribución Normal Estándar Distribución Normal Estándar. Cálculo de una probabilidad

Si X es una variable aleatoria que tiene una distribución normal con f(x)
una media μX y una variancia σ 2X ; luego, la variable aleatoria b

Z = (X - μX )/ σX tiene una distribución normal con media 0 y P[ a < X < b] = ∫ f ( x)dx

a
variancia 1, y su función de densidad es:
b 2
μX b X ≈ N(μ X , σ 2X ) 1 ⎛ x−μX ⎞

∫
a − ⎜⎜ ⎟
1 2 ⎝ σ X ⎟⎠
z2 =
2π σ X
e dx
1 −
f ( z) = e 2 , si − ∞ < z < ∞ h(z) X − μX
a

2π Z=
σX
Zb

∫
z2
1 −
= e
μ Z = E[Z ] = 0
2 dz
donde: 2π
Za

= Var[Z ] = 1
Za 0 Zb Z ≈ N(0,1) = P[ z a < Z < zb ]
σ 2Z 7 8

2
Distribución Normal Estándar Distribución Normal Estándar

Ejemplo: Calcular P(Z < 1.38) Con Tablas Estadísticas se calcula así:

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

.... ... ... ... ... ... ... ... ...
1.3
.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9278 .9292 .9306
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761
9 10

Distribución Normal Estándar

Distribución Normal Estándar
Ejemplo: Hallar el área bajo la curva Con tablas:
Normal Estándar entre −1.50 y 2.33

P(-1.50 < Z < 2.33) = P(Z < 2.33) − P(Z < −1.50)

P(-1 50 < Z < 2.33)

P(-1.50 0 9901 − 0.0668
2 33) = 0.9901 0 0668 = 0.9233
0 9233

P(Z ≥ 1.96) = 1 - P(Z < 1.96)=1 - 0.975=0.025

P( Z > 2.33) = 1 - P(Z ≤ 2.33) = 1 - 0.9901=0.0099

11 12

3
 Distribuciones Continuas
Distribución Normal Estándar.
Distribución Normal Estándar.

Ejemplo: Suponga que los gastos semanales en movilidad

realizados por los habitantes de un distrito tienen una [ ]
X ≈ N 50, (12) 2 ; μ X = 50, σ 2X = (12) 2
distribución normal con una media de 50 nuevos soles y
P[X > 58] = ?
una desviación de 12 nuevos soles. Si se elige al azar un
habitante de dicho distrito,, halle la pprobabilidad q
que su X - μX
Z= ≈ N[0,
0 1]; μ Z = 0, σ Z2 = 1
gasto semanal en movilidad sea mayor de 58 nuevos soles. σX
⎡ X − μ X 58 − 50 ⎤
X= Gasto semanal en movilidad (nuevos soles) P(X > 58) = P ⎢ > = P[Z > 0.67]
12 ⎥⎦
[
X ≈ N 50, (12) 2 ; ] μ X = 50, σ 2X = (12) 2 ⎣ σX

P[X > 58] = ? = 1 - P(Z ≤ 0.67) = 1 - 0.7486 = .2514

13 14

Distribuciones Continuas
Distribución Normal Estándar.
Ejemplo: Hallar el valor de Z tal que el área bajo la curva normal estándar a la
izquierda de Z es igual a 76% del área total bajo la curva.

15