UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Química y Textil

MA-612
 DISTRIBUCIONES CONTINUAS NOTABLES

La noción de la variable aleatoria discreta proporciona un

medio adecuado para modelar probabilidades en una amplia
clase de problemas; sin embargo en muchas otras situaciones
una variable aleatoria discreta no es un modelo adecuado.

Las variables aleatorias continuas surgen de experimentos

relacionados con algún proceso de medición de cantidades
físicas como la longitud, el tiempo, la masa o las obtenidas a
partir de ellas.

MA-612
 DISTRIBUCIONES CONTINUAS NOTABLES

Desde hace 300 años se ha estudiado la distribución de los

datos experimentales y se han propuesto muchas fórmulas para
representar estas distribuciones. Estas fórmulas se expresan de
diferentes maneras.

Las distribuciones continuas de probabilidades son curvas

suaves, donde las probabilidades se expresan como áreas bajo
las curvas. La curva es una función de x, y f(x) y se denomina
función de densidad de probabilidades.

MA-612
 DISTRIBUCIONES CONTINUAS NOTABLES

La distribución de probabilidades para una variable continua:

1. La coordenada vertical es una función de x descrita como

f(x) y que recibe el nombre de función de densidad.
2. El intervalo de valores posibles de x está a lo argo del eje
horizontal.
3. La probabilidad de que x adopte un valor entre a y b será el
área bajo la curva entre los puntos a y b. La función f(x) se
expresa en términos algebraicos y las áreas inferiores se
obtienen mediante cálculos matemáticos. (Tablas)

MA-612
 DISTRIBUCIONES CONTINUAS NOTABLES

Los siguientes son ejemplos de variables

aleatoria continuas:

1. La Magnitud, en escala Richter, de un

sismo.
2. La altura que alcanza el agua, medida
con respecto al fondo de una presa.
3. El tiempo transcurrido entre llegadas
sucesivas de vehículos a una
intersección.
4. La fuerza requerida para doblar una
barra de acero reforzado.
MA-612
 Principales distribuciones de
La Variable Aleatoria Continua:

Distribución uniforme U (a, b).

Distribución exponencial exp (λ)
Distribución de Weibull W (κ, η)
Distribución Gamma G (κ, η)
Distribución Normal o Gaussiana N (µ, σ)
Distribución Chi-cuadrado
Distribución t de Student tn
Distribución F de Fisher-Snedecor Fn1,n2
MA-612
 DISTRIBUCIONES CONTINUAS NOTABLES

La distribución continua que

examinaremos es la distribución
normal, que es la distribución
continua más importante en el
estudio de la estadística y su
aplicación en los diversos campos.
La distribución normal es una curva
simétrica en forma de campana,
cuyo uso se facilita mediante una
tabla estándar que lista las áreas
debajo de la misma.

MA-612
 DISTRIBUCIÓN NORMAL

La distribución normal, o de Gauss, es una de las más útiles, y

gran parte de la estadística matemática se basa en ella.

La normal es en muchos aspectos la piedra angular de la

estadística.

Se ha encontrado experimentalmente que la función de

distribución normal describe satisfactoriamente aquellos
sistemas en los que las mediciones en estudio vienen afectadas
por un número grande de errores que actúan todos
independientemente.

MA-612
 DISTRIBUCIÓN NORMAL

La distribución Normal es la distribución continua más

importante en Estadística. Ocupa esta posición por tres razones
importantes:
1. Muchos fenómenos naturales y económicos tienen a seguir
aproximadamente una distribución normal.
2. Puede utilizarse para aproximar otras distribuciones,
incluyendo a binomial.
3. Las medias y las proporcionen de las muestras tienden a
seguir una distribución normal cuando se toman muestras
repetidas de una población de cualquier forma. Esto último
se relaciona con el Teorema de Límite Central.

MA-612
 DISTRIBUCIÓN NORMAL

La distribución normal es la más importante y la de mayor uso en

la Teoría de la Probabilidad y la Estadística Matemática. Fue
obtenida inicialmente por De Moivre en 1733 como límite de la
distribución binomial, siendo luego relegada al olvido hasta que
Gauss en 1809 y Laplace en 1812 la obtuvieron empíricamente al
estudiar la distribución de errores accidentales en Astronomía y
Geodesia (de ahí que se conozca también como distribución de
Gauss-Laplace).

MA-612
 DISTRIBUCIÓN NORMAL

Esta distribución es la piedra angular en la aplicación de la

Inferencia Estadística en el análisis de datos, puesto que las
distribuciones de muchos estadísticos muestrales tienden a la
distribución normal cuando el tamaño de la muestra crece.
Algunos ejemplos son:

 Datos meteorológicos como la temperatura, lluvias, etc.

 Mediciones efectuadas en organismos vivos: altura, peso, etc.
 Calificaciones en pruebas de aptitud.
 Medidas físicas de productos manufacturados, etc.

MA-612
 DISTRIBUCIÓN NORMAL

Se dice que una v.a. X sigue una distribución normal de

  2
parámetros X y X , lo que representamos del modo

Si su función de densidad ed

MA-612
 DISTRIBUCIÓN NORMAL

Una variable aleatoria X sigue una distribución Normal de

parámetros µ (media) y σ (desviación típica) si su función de
densidad de probabilidad es de la forma.

Nótese que f(x) es una función simétrica respecto a x, esto es f (x) = f (−x)

MA-612
 DISTRIBUCIÓN NORMAL

La gráfica de la función de densidad

de probabilidad normal tiene forma
acampanada y es simétrica con
respecto a su media. La forma y la
posición de la gráfica dependen de
los valores de y; por lo cual habrá
una gráfica diferente para cada
combinación de  y 2: Por
ejemplo, la siguiente gráfica
muestra tres distintas
distribuciones normales:

MA-612
 DISTRIBUCIÓN NORMAL

Propiedades de la función de probabilidad:

MA-612
 DISTRIBUCIÓN NORMAL

MA-612
 DISTRIBUCIÓN NORMAL

Función de Distribución de Probabilidad Normal. Nótese que la función

de distribución de una variable aleatoria normal es la siguiente:

Para la utilización en problemas prácticos, existen tablas donde se

ofrecen los valores F(x).

Sin embargo la integral anterior no puede evaluarse de manera

cerrada, de modo que para calcular las probabilidades asociadas con
una distribución normal debe evaluarse la integral numéricamente.
Esto se ha hecho para un caso particular de la distribución normal que
tratamos a continuación.

MA-612
 DISTRIBUCIÓN NORMAL ESTANDART

MA-612
 Estandarización de una distribución normal
Supongamos que la variable aleatoria X se distribuye normal con media
y varianza 2; entonces la variable Z definida como:

se distribuye normal estándar.

El hecho de que la variable Z se distribuya como normal estándar nos permite

utilizar la tabla de esta distribución para calcular probabilidades asociadas con
una variable X que siga una distribución normal cualquiera.

Como se tiene que

entonces para calcular probabilidades para X; primero se estandarizan sus

valores y luego se utiliza la tabla para la distribución normal estándar.
(Z ~ N(0, 1))

MA-612
 DISTRIBUCIÓN NORMAL

Ejemplo:

Suponga que el tiempo medio de reacción de una sustancia es de 30 segundos y la

desviación estándar de 4 segundos. ¿Cuál es la probabilidad de que, en cierto
experimento, la reacción se produzca en no más de 25 segundos?
Solución:
X ~ N ( 30 ; 16)

 25  30 
P( x  25)  P Z    P( Z  1,25)  0,10565
 4 

MA-612
 DISTRIBUCIÓN NORMAL

Aproximación a la normal de la ley binomial

MA-612
 DISTRIBUCIÓN NORMAL

Aunque en realidad esta no da resultados

muy precisos a menos que realmente n
sea un valor muy grande o p ≈ q ≈ ½.
Podemos emplear la normal para
calcular probabilidades en el caso de una
distribución binomial, aunque hemos de
tener en cuenta que la binomial es
discreta y la normal continua, por lo que
es necesario introducir un ajuste en el
cálculo llamado Corrección de Yates
(Factor de corrección es igual a ½).

MA-612