VARIABLE ALEATORIA
CONTINUA
Lic. Alejandra Soledad Arraez
VARIABLE ALEATORIA
Una variable aleatoria numérica es cierto fenómeno de
interés cuyas respuestas o resultados puedan expresarse
numéricamente
Se originan de un proceso de conteo
DISCRETA Es la que solo puede tomar una cantidad
numerable de valores.
Se originan de un proceso de medición
CONTINUA Es aquella que puede tomar infinitos valores
dentro de un intervalo de la recta real.
DISTRIBUCIÓN DE PROBABILIDAD
Las distribuciones de probabilidad son
idealizaciones de los polígonos de frecuencia.
En el caso de una variable aleatoria continua
consideramos el histograma de frecuencias
relativas y se comprueba que al aumentar el
número de datos y el número de clases el
histograma tiende a estabilizarse llegando a
convertirse su perfil en la gráfica de una
función.
FUNCIÓN DE DENSIDAD DE PROBABILIDAD
Las distribuciones de probabilidad de una variable
continua se define mediante una función y = f (x)
llamada función de densidad
Así como en el histograma la frecuencia viene dada por
el área, en la función de densidad la probabilidad viene
dada por el área bajo la curva, por lo que:
El área encerrada bajo la totalidad de la curva es
Para obtener la probabilidad:
La probabilidad de sucesos puntuales es exacto es nula:
ESPERANZA MATEMÁTICA
VARIANZA MATEMÁTICA
DISTRIBUCIÓN NORMAL
Se trata, sin duda, del modelo continuo más
importante en estadística, tanto por su aplicación
directa, veremos que muchas variables de interés
general pueden describirse por dicho modelo,
como por sus propiedades, que han permitido el
desarrollo de numerosas técnicas de inferencia
estadística. En realidad, el nombre de Normal
proviene del hecho de que durante un tiempo se
creyó, por parte de médicos y biólogos, que
todas las variables naturales de interés seguían
este modelo.
DISTRIBUCIÓN NORMAL
Función de densidad:
Depende de dos parámetros μ (que puede ser cualquier
valor real) y σ (que ha de ser positiva). Por esta razón, a
partir de ahora indicaremos de forma abreviada que una
variable X sigue el modelo Normal así: X ~ N (μ, σ). Por
ejemplo, si nos referimos a una distribución Normal con
μ = 0y σ = 1lo abreviaremos N (0, 1).
DISTRIBUCIÓN NORMAL
Propiedades mas importantes
1. Su esperanza es μ.
2. Su varianza es σ2 y, por tanto, su desviación típica es σ.
3. Media, modo y mediana coinciden.
4. Todas las curvas tienen un punto máximo.
5. Todas las curvas son simétricas con respecto a su media.
6. Todas las curvas tienen forma de campana
DISTRIBUCIÓN NORMAL
Su forma depende de dos parámetros μ y σ
DISTRIBUCIÓN NORMAL
Área bajo la curva
•El área total debajo de la curva es igual a 1.
DISTRIBUCIÓN NORMAL ESTÁNDAR
No sólo existe una distribución de probabilidad
normal, sino una familia, dependiendo de las
distintas medias y desviaciones de cada una de las
respectivas distribuciones. Es por este motivo que
se trabaja con la conocida distribución normal
estándar, ya que es imposible proporcionar tablas
para una infinidad de distribuciones normales. Por
lo cual se utiliza la distribución de probabilidad
normal estándar que es única, pues tiene una
media de 0 y una desviación estándar de 1.
DISTRIBUCIÓN NORMAL ESTÁNDAR
Cualquier distribución de probabilidad normal puede
convertirse en una distribución de probabilidad normal
estándar al restar la media de cada observación y dividir
esta diferencia entre la desviación estándar. Los resultados
reciben el nombre de valores z o valores tipificados.
La probabilidad de la variable X dependerá del área del recinto
sombreado en la figura. Y para calcularla utilizaremos una
tabla.
DISTRIBUCIÓN NORMAL ESTÁNDAR
DISTRIBUCIÓN NORMAL ESTÁNDAR
Cálculo de probabilidades en distribuciones normales
La tabla nos da las probabilidades de P (z ≤ k), siendo z la variable tipificada.
Búsqueda en la tabla de valor de k: unidades y décimas en la columna de la
izquierda y centésimas en la fila superior.
P(z ≤ a)
DISTRIBUCIÓN NORMAL ESTÁNDAR
Cálculo de probabilidades en distribuciones normales
La tabla nos da las probabilidades de P (z ≤ k), siendo z la variable tipificada.
Búsqueda en la tabla de valor de k: unidades y décimas en la columna de la
izquierda y centésimas en la fila superior.
P(z> a) =1 – P(z ≤ a) P(a <z ≤ b ) = P(z ≤ b) –P (z ≤ a)
Ejercicio
El nivel de colesterol en una persona adulta sana sigue una distribución
normal con una media de 192 mg/dl y un desvío de 12 mg/dl.
a) ¿Cuál es la probabilidad de que el nivel de colesterol sea inferior a
170mg/dl?
b) ¿Cuál es la probabilidad de que un adulto tenga un nivel de
colesterol superior a 200 mg/dl?
c) ¿Cuál es la probabilidad de que el nivel de colesterol se encuentre
en 180 y 220 mg/dl?
a) ¿Cuál es la probabilidad de que el nivel de
colesterol sea inferior a 170mg/dl?
P(x ≤ 170)= P(z ≤ a)
0,0336
BUSCO EN LA TABLA DE LA DISTRIBUCIÓN NORMAL ESTANDAR
Ejemplo
•En la 1ª columna z buscamos el valor de las unidades y las décimas.
P( z < -1,83): 0,0336
•En la 1ª fila (arriba) correspondiente al valor de la columna
buscamos el valor de las centésimas.
b) ¿Cuál es la probabilidad de que un adulto tenga un nivel de
colesterol superior a 200 mg/dl?
X: El nivel de colesterol en una persona adulta sana
P(z> a) =1 – P(z ≤ a)
P(x>200)=
Valores
tipificados
1 - P( z < 0,66)
1 - 0,7454= 0,2525
P( z < 0,66)
c) ¿Cuál es la probabilidad de que el nivel de
colesterol se encuentre en 180 y 220 mg/dl?
P(180 ≤ x ≤ 220)=
P(a <z ≤ b ) = P(z ≤ b) –P (z ≤ a)
–
0,8314
DISTRIBUCIÓN NORMAL ESTÁNDAR
Cálculo de valores de x: uso de la curva normal a la inversa
𝑥𝑥 = 𝑧𝑧𝜎𝜎 + 𝜇𝜇
Dada una distribución normal con 𝜇𝜇=40 y 𝜎𝜎=6, calcule el valor de x que tiene
a)45% del área a la izquierda
b)14% del área a la derecha
21
a) Se sombrea un área de 45% a la izquierda del valor x deseado
Necesitamos un valor de z que deje un área de 0,45 a la izquierda.
En la tabla encontramos:
valor de z =-0,13
P(z<-0,13)=0,45
𝑥𝑥 = 𝑧𝑧𝜎𝜎 + 𝜇𝜇
𝑥𝑥 = −0,13 6 + 40
𝑥𝑥 =39,22
22
b)Se sombrea un área de 14% a la derecha del valor x deseado
Necesitamos un valor de z que deje un área de 0,14 a la derecha
Por lo tanto necesitamos un área que deje el 0,86 a la izquierda
En la tabla encontramos:
0,86
valor de z =1,08
P(z<1,08)=0,86
𝑥𝑥 = 𝑧𝑧𝜎𝜎 + 𝜇𝜇
𝑥𝑥 = 1,08 6 + 40
𝑥𝑥 = 46,48
23
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
POR LA DISTRIBUCIÓN NORMAL
Se puede apreciar en los gráficos como a medida que aumenta n mejora el
parecido de las gráficas de barras de las distribuciones binomiales
(discretas) a la gráfica de la distribución normal estándar (continua),
Vamos a representar en un sistema de referencia distribuciones binomiales
para distintos valores de n con p=0,3.
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
POR LA DISTRIBUCIÓN NORMAL
Una distribución binomial B(n,p) se puede aproximar por una
distribución normal, siempre que n sea grande y p no esté muy
próxima a 0 ó a 1. La aproximación consiste en utilizar una
distribución normal con la misma media y desviación típica que la
distribución binomial.
En la práctica se utiliza la aproximación cuando:
n≥ 30; np ≥ 5 y nq ≥ 5
estandarizando X:
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
POR LA DISTRIBUCIÓN NORMAL
Cuando aproximamos una distribución binomial mediante una
normal, estamos convirtiendo una variable X discreta (toma un
número determinado de valores) en una continua X’ (toma valores
en un intervalo). Los valores de la probabilidad para valores fijos de
la variable continua son cero (ya que sería el área de un punto), y
necesitamos definir un intervalo. Para evitar este problema en la
aproximación de los valores fijos estos se corrigen (corrección de
continuidad o de Yates).
Factor de corrección
• por lo menos ocurra x → x - 0,5
• ocurra menos que x → x - 0,5
• ocurra más que x → x + 0,5
• ocurra x o menos → x + 0,5
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
POR LA DISTRIBUCIÓN NORMAL
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL
POR LA DISTRIBUCIÓN NORMAL
Ejercicio
En una Universidad donde el 3% de los alumnos tiene más de 40
años, se toma una muestra al azar de 84 alumnos.
a) ¿Cuál es la probabilidad de encontrar un alumno con más de 40
años en la muestra?
b) Sí la muestra fuera de 1000 alumnos, ¿Cuál sería la probabilidad
de que a lo sumo el 2% de los alumnos seleccionados en esta
muestra tuvieran más de 40 años?
a) ¿Cuál es la probabilidad de encontrar un alumno con
más de 40 años en la muestra?
X: los alumnos tienen más de 40 años
b) Sí la muestra fuera de 1000 alumnos, ¿Cuál sería la
probabilidad de que a lo sumo el 2% de los alumnos
seleccionados en esta muestra tuvieran más de 40 años?
n: 1000 ≥ 30
np : 1000*0,03=30 ≥ 5
nq : 1000*(1- 0,03)=970 ≥ 5
Una distribución binomial
B(n,p) se puede aproximar por
Vamos a utilizar la aproximación a Normal una distribución normal,
siempre que n sea grande y p
no esté muy próxima a 0 ó a 1.
Estandarizando X: n≥ 30; np ≥ 5 y nq ≥ 5
Aplicamos Factor de Corrección: ocurra x o menos → x + 0,5: 20,5
0,0392
