You are on page 1of 12

Nombre de la materia

Probabilidad y Estadstica.

Nombre de la Licenciatura
Ingeniera en Sistemas Computacionales.

Nombre del alumno


.

Matrcula
00

Nombre de la Tarea
Modelos continuos de probabilidad.

Unidad #4
Distribucin de probabilidad continua.

Nombre del Tutor


.
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Fecha
01/Junio/2016
DISTRIBUCIN DE PROBABILIDAD CONTINUA.

Introduccin
Toda distribucin de probabilidad es generada por una variable aleatoria. Una variable aleatoria se dice
continua cuando puede tomar cualquier valor dentro de un intervalo del conjunto de nmeros reales.
En estas condiciones no es posible deducir la probabilidad de un valor puntual de la variable, como se puede
hacer en el caso de variables aleatorias discretas. Pero s es posible calcular la probabilidad acumulada hasta
un cierto valor (funcin de densidad), y podremos analizar cmo cambia la probabilidad acumulada en cada
punto. Muchas variables aleatorias continuas se comportan siguiendo lo que se conoce como distribucin
normal.

DISTRIBUCIN NORMAL.
Se pueden mencionar tres importantes aplicaciones de la distribucin normal.
o se pueden obtener aproximacin de la distribucin binomial.
o se ha observado, que muchos fenmenos, tales como la resistencia de piezas, tienen una distribucin
normal.
o distribuciones que no son normales, pueden ser normalizadas a travs del Teorema Central del Lmite.
Se debe tener cuidado al aplicar modelos de Probabilidad Normal, a situaciones dadas, sin previa
comprobacin; suponer de manera errada una Distribucin Normal puede llevar a errores muy serios. La
grfica de esta distribucin, es una curva denominada Curva Norma Estndar; la cual tiene forma de
campana, como se muestra a continuacin (figura 1):

Figura 1. Curva normal.

2
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Distribucin Normal.
La funcin de densidad normal de la variable aleatoria normal X, con media y desviacin estndar es

Caractersticas de la Distribucin Normal:


a) La curva es simtrica con respecto a la recta 2 = 0. Se suele decir que es simtrica respecto a la media.
b) La distribucin depende de la media y de la desviacin estndar, esto es importante, ya que podemos
comparar poblaciones o muestras, comparado sus medias y sus desviaciones estndar.

Para el caso dos poblaciones con desviaciones iguales, pero medias diferentes, las dos curvas son de
forma idntica, pero estn centradas en distintas posiciones sobre una recta horizontal, figura 2.

Figura 2. Comparacin de Curvas Normales con medias diferentes y desviaciones estndar iguales.

En el caso de dos poblaciones con desviaciones diferentes, y las medias iguales; las curvas estn
centradas en la misma posicin, pero una de ellas es ms achatada y extendida que la otra. La que
tiene mayor desviacin es la ms achatada y extendida figura 3).

3
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Figura 3. Comparacin de Curvas Normales con la misma media y diferentes desviaciones.

Para el caso de dos poblaciones con desviaciones y medias diferentes, las curvas estn centradas en
posiciones deferentes y una de ellas es ms achatada y extendida que la otra. La que tiene mayor desviacin,
es la ms achatada y extendida, figura 4.

Figura 4. Comparacin de Curvas Normales con medias y desviaciones diferentes.

Distribucin Normal Estndar.


Es la distribucin de probabilidad de la variable aleatoria Z, esta distribucin tiene media y desviacin
estndar

Curva Normal Estndar.


Es la curva que representa la Distribucin Normal estndar.

En el clculo de reas bajo la curva, es conveniente aplicar una tabla estandarizada, convirtiendo los valores
de la variable aleatoria X en valores Z, a travs de la frmula:

Ejemplo: una mquina que expende bebidas en vasos esta calibrada de modo que descarga el producto con
un promedio de 250 mililitros por vaso. Si la cantidad de lquido est distribuida normalmente con una
desviacin estndar de 14 mililitros.

a. Qu porcentaje de vasos contendr menos de 240 ml?


b. Qu porcentaje de vasos contendr ms de 256 ml?
c. Qu porcentaje de vasos contendr entre 240 y 256 ml?

4
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

d. Si se usan vasos de 240 ml, cuntos de los siguientes 500 vasos, se derramarn?
e. Bajo qu valor estar el 30% de los vasos con menos contenido?
f. Bajo qu valores est el 50% de los valores centrales?

Solucin:
Parte a. Para hallar P(X<240) transformemos el valor X en valores Z

P(X < 240)P(Z < 0,71)


En la tabla 3 anexa P(Z< 0,71) = 0,238923,89%. Esto quiere decir que el porcentaje de vasos que
contendr menos de 240 ml es el 23,89%.

Parte b. Para hallar P(X>256) transformemos el valor X en valores Z

En la tabla 3 anexa 1 P(Z 0,43) = 1 0,6664 = 0,333633,36%. Esto quiere decir que el porcentaje de
vasos que contendr ms de 256 ml es el 33,36%.

Parte c: Utilizando la parte a y b, se tiene que:

Esto quiere decir que el porcentaje de vasos contendr entre 240 y 250 ml es el 42,75%.

Parte d: El vaso se derramar si el lquido que se vierte en l supera los 240 ml, por lo tanto calculemos el
porcentaje de vasos que supera esta cantidad y multipliquemos el resultado por 500.

Multiplicando por 500 se tiene que 380,55 o aproximadamente 381 vasos se derramarn.

5
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Parte e: Para hallar la cantidad de mililitros que contiene el 30% de los vasos con menos contenido, se debe
calcular P(Z < z) = 0,30 el valor 0,30 est en la fila 30 entre las columnas 4 y 5; para decidir qu valor de z
tomar, se puede asumir varios criterios, uno de ellos puede ser tomar un promedio entre los valores de z, o
tomar el valor ms cercano a 0,30 y luego ubicar el valor z. Tomemos un promedio, luego
despejando x se tiene que
Es decir 242,65 ml tendrn el 30% de los vasos con menos contenido.

Parte f: Para hallar los valores entre los cuales se encuentra el 50% de los valores centrales, es decir
se encuentran los valores de x que cumplan con
Para ello se ubican los valores z en la tabla 3 correspondientes a 0,25 y 0,75. Estos son -0,675 y 0,675
respectivamente; utilizando el despeje de la x de la frmula de la observacin 7.1 se tiene que:

Por lo tanto, los valores entre los cuales se encuentra el 50% de los valores centrales son 241 y 259 ml
aproximadamente.

6
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Aproximacin normal a la distribucin binomial.


En el captulo 6, se estableci la aproximacin de una Distribucin Binomial a travs de una Distribucin de
Poisson; Ahora utilizaremos la Distribucin Normal para hallar esta aproximacin.
Los criterios que establecen cundo esta aproximacin es aceptable son:
Cuando n es muy grande.
Cuando np y nq sean mayores que 5.
Ya que se trabaja con una variable discreta, y se utiliza una distribucin que corresponde a una
variable continua, hay que aplicar una correccin por continuidad, la cual est dada por P(x1 x x2)
P(x1 0,5 X x2 + 0,5) donde X' es la variable transformada.
Cuando p=q=1/2, o cuando el valor de estas probabilidades es cercano a 1/2, la aproximacin es
excelente. Pero si p o q se alegan de 1/2 (es decir, cuando la distribucin es sesgada), se requieren
poblaciones o muestras ms grandes para obtener una buena aproximacin.

7
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Aproximacin Normal a la Distribucin Binomial.


Si X es una variable aleatoria discreta con Distribucin Binomial, con =np y varianza

entonces se puede aproximar a travs de la Normal; donde los valores z vienen


dados por

Aproximacin normal a la distribucin de poisson.


La Distribucin de Poisson puede ser calculada a travs de una Distribucin Normal; un criterio utilizado para
realizar tal clculo es determinar si la media aritmtica , de los datos, es mayor que 10, es decir ( > 10).

Aproximacin Normal a la Distribucin de Poisson.


Sea X la variable aleatoria discreta con Distribucin de Poisson, donde la media es suficientemente grande,
entonces se puede aproximar a travs de la Normal, donde los valores de z vienen dados por:

Ejemplo: el promedio de solicitudes de servicio que recibe un departamento de mantenimiento en una


empresa por cada turno de trabajo es 12 Calcular la probabilidad de que se reciban ms de 17 solicitudes?
Solucin: la variable aleatoria X definida por el nmero de solicitudes que recibe un departamento de
mantenimiento de una empresa, es discreta, no obstante se puede aproximar, la probabilidad, a travs de la
distribucin normal; ya que
La
Hallar el valor de z equivalente a 16.5.

Distribucin uniforme.
Los eventos en los cuales la variable aleatoria asume valores en un intervalo finito, de manera que stos se
encuentran distribuidos de manera uniforme sobre un intervalo, responden a distribuciones uniformes.

Distribucin Uniforme.

8
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Sea X una variable aleatoria distribuida uniformemente sobre un intervalo (a, b), su funcin de densidad viene
dada por

Distribucin Uniforme Acumulada.


Sea X una variable aleatoria distribuida uniformemente sobre un intervalo (a, b). Su funcin de densidad
acumulada viene dada por

Observacin: para cualquier subintervalo (a1, b1) de (a, b) se tiene que

Tarea

Cmo la distribucin de probabilidad continua describe la posibilidad de ocurrencia de eventos con


variables con valores infinitos?

Temas que abarca la tarea:

Distribucin normal, aplicaciones.


Uso de tablas de la funcin acumulada.
Aproximacin normal a la binomial.

Instrucciones generales:
Con base en los videos de la seccin Tarea 4 de la semana 4, y tomando como base el libro Probabilidad y
estadstica, aplicaciones a la ingeniera (Rivero, 2013), resuelve los siguientes problemas:

1. Problema: Distribucin normal: aplicacin y uso de tablas


Pginas 150-153 del libro Probabilidad y estadstica, aplicaciones a la ingeniera (Rivero, 2013).
Contexto:
En una empresa la mquina expendedora de caf en vasos, est calibrada de modo que descargue el lquido
con un promedio de 260 mililitros por vaso. Si la cantidad de caf est distribuida normalmente con una
desviacin estndar de 14 mililitros.

9
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Calcula:
a. Qu porcentaje de vasos contendr menos de 250 ml?
b. Qu porcentaje de vasos contendr ms de 266 ml?
c. Qu porcentaje de vasos contendr entre 250 y 266 ml?
d. Si se usan vasos de 250 ml, cuntos de los siguientes 1000 vasos se derramarn?

Tips de solucin:
Identifica el valor de X

Ocupars la frmula para estandarizar la normal:


Utiliza la Tabla del Anexo III: REA BAJO LA CURVA NORMAL (al final de este documento).
Toma en cuenta que los resultados del inciso a y el inciso b te servirn para resolver el inciso c.
Para el inciso d, identifica que el vaso se derramar si el lquido que se vierte en l supera los 240 ml, por
lo que en este inciso debes calcular el porcentaje de vasos que supera esta cantidad y multiplicarlo por
1000.

2. Problema: Distribucin normal: aplicacin y uso de tablas


Video: Aproximacin de la binomial en Tarea 4 (es el segundo de los dos videos de ejemplo).
Contexto:
Si se lanza 100 veces una moneda al aire (peso mexicano).

10
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

Calcula:
Cul es la probabilidad de que se obtengan exactamente 60 guilas?

Tips de solucin:
En cada lanzamiento se tienen dos posibles resultados: guila o sol.
El resultado de una prueba es independiente de las dems.
La probabilidad de obtener guila o sol siempre es un para cada resultado.
Considera que xito es igual a guila.

Usars la frmula de la distribucin binomial:


Recuerda que la frmula de la distribucin binomial ocupa simultneamente la frmula para calcular

combinaciones:

Conclusin
En esta semana vimos los modelos probabilsticos, se vieron ejemplos y se realizaron ejercicios considerando
lo siguiente:
o Cuando la probabilidad pedida se encuentra directamente en las tablas, ejemplo hallar P(z0.38), para
este caso se maneja la tabla de distribucin.

11
Unidad 4. Distribucin de probabilidad continua.
Estadstica y probabilidad.

o La probabilidad de un valor positivo P(z>1.4) deber realizarse la siguiente operacin: P(z>1.24)= 1-


P(z>1.24)= 1- 0.8925= 0.1075.
o Cuando la probabilidad es un valor negativo P(z-0.72) se realiza la siguiente operacin: P(z0.72) =
P(z+0.72); P(z0.72)= 1-P(z<+0.72)= 1- 0.7642= 0.2358.
o Cuando existe una probabilidad entre dos valores positivos p(0.5z1.76) se buscan los valores en las
tablas y ha de efectuarse la siguiente operacin: p(0.5z1.76)= p(z1.76)-p(z0.5)=0.9608-
0.6915=0.2693.
o Cuando la probabilidad de dos valores es negativa p(-1.76z-0.5), por simetra se cambian los
valores a positivo y se calculan sus probabilidades: p(0.5z1.76)= 0.9608-0.6915= 0.2693.

Referencias

Estadstica (Triola, 2013).


Captulo 6 "Distribucin de probabilidad normal" (pp. 248-271) temas: Distribucin normal estndar y
aplicaciones de las distribuciones normales.

Probabilidad y estadstica, aplicaciones a la ingeniera (Rivero, 2013).


Captulo 7 "Distribucin de probabilidad continua" (pp. 146-158) temas: Distribucin normal, Aproximacin
normal a la distribucin binomial y Aproximacin normal a la distribucin de Poisson.

12

You might also like