DISTRIBUCIONES DE PROBABILIDAD

CONTINUA – DISTRIBUCIÓN NORMAL

 DISTRIBUCIONES DE PROBABILIDAD
¿Diferencia entre como se calculan las probabilidades en una variable aleatoria
discreta y una variable aleatoria continua?

VARIABLES ALEATORIAS DISCRETAS: la función de probabilidad, (! " # $("),

da la probabilidad de que la variable aleatoria tome un valor determinado.

VARIABLES ALEATORIAS CONTINUAS: la función de densidad de probabilidad,

también denotado con ! " # $("), no da probabilidades directamente. Sino que el
área bajo la curva ! " , que corresponde a un intervalo determinado proporciona la
probabilidad de que la variable aleatoria tome uno de esos valores.

Cuando se calcula la probabilidad de una variable aleatoria continua se cancula

la probabilidad de que la variable aleatoria tome alguno de los valores dentro de
un intervalo

2
 DISTRIBUCIONES DE PROBABILIDAD
CONTINUA
VARIABLES ALEATORIAS CONTINUAS: la función de densidad
de probabilidad, también denotado con ! " # $("), debe satisfacer
las siguientes propiedades:

1. El área total bajo la curva debe ser igual a 1

2. Cada punto de la curva debe tener una altura vertical igual o
mayor a cero (0). (Es decir la curva no puede estar por
debajo del eje x)

3
 DISTRIBUCIÓN DE PROBABILIDAD CONTINUA

“
Gráfica Distribución normal
Gráfica Distribución uniforme

Gráfica Distribución exponencial

4
 DISTRIBUCIÓN DE PROBABILIDAD NORMAL
Quizás la más importante de las distribuciones de probabilidad, ya que se ajusta a una variedad de
fenómenos.

Características:

Ø Bajo ciertas condiciones cualquier distribución de probabilidad, tanto discreta como continua, se
puede aproximar a una distribución normal.

Ø Los valores de una variable hacia ambos extremos (positivo o negativo) se extienden hasta el infinito
(+∞ − ∞)

Ø La simetría respecto a su punto medio implica que la media, la mediana y la moda son iguales: $ =
&' = &(

Ø La forma de la distribución también implica que la mayor parte de las observaciones están cerca del
centro y se aplanan mientras más alejados del centro se encuentren los puntos en ambos sentido

5
 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

La función de Distribución:

Ø Puede tomar cualquier valor (+∞ − ∞)

Ø Hay más probabilidad para los valores cercanos a la media $

Ø Conforme nos separamos de la media $ , la densidad de la probabilidad va

decreciendo de igual forma a la derecha o a la izquierda

Ø Conforme nos separamos de la media $ , la probabilidad va decreciendo

dependiendo de la desviación estándar %

6
 DISTRIBUCIÓN DE PROBABILIDAD NORMAL
Función de densidad de probabilidad +~-(/, 1 & )

&
$ ()*
! " = e-[ ]
% &' &%&
Donde:

π = Constante = 3,1416
e = Constante = 2,718
x = Variable aleatoria
Þ Una distribución normal se define en su µ y en su σ.

7
 DISTRIBUCIÓN DE PROBABILIDAD NORMAÑ

$~&(!, # ) ) Propiedades de la Distribución Normal

Ø Forma de campana: depende de los parámetros:

! " #
Ø El área total bajo la curva es de 1.00

Ø Simétrica = La mitad del área bajo la curva normal

se localiza a la derecha de este punto central, y la
otra mitad, a la izquierda. Es decir, para este tipo de
variables existe una probabilidad de 50% de
observar un dato mayor que la media y un 50% de
probabilidad de observar un dato menor que la
media.

Ø Asintótica: Las colas de la curva se extienden

indefinidamente en ambas direcciones.

8
 DISTRIBUCIÓN NORMAL
Ø Forma de campana: depende de los parámetros:
$~&(!, # )) ! " #
Ø Independiente del valor de su media y su
desviación, como datos normalmente distribuidos

Ø El 68,3% de todas las observaciones

está a una desviación estándar de la
media.
Ø El 95,5% de todas las observaciones
está a dos desviaciones estándar de la
media.
Ø El 99,7% de todas las observaciones
está a tres desviacioones estándar de la
media

9
La curva tiende a - ∞ La curva tiende a + ∞

Hay una familia en distribución de probabilidad normal.

10
 DISTRIBUCIÓN NORMAL

Como se observó existe toda una familia de distribuciones normales: para cada media y
desviación estándar, lo que hace que el número de integrantes de la familia es INFINITO , por lo
que es imposible proporcionar una sola tabla de combinaciones de la media y la desviación
estándar.

Para resolver este problema es necesario convertir todas las distribuciones normales a UNA
FORMA ESTÁNDAR.

UNA DISTRIBUCIÓN ESTÁNDAR NORMAL: es una distribución normal de probabilidades con

media cero ( ! = 0) y desviación estándar de 1 ($ = 1 )

Cualquier distribución normal pueder ser convertida a una Distribución Estándar Normal
tipificando o estandarizando la variable aleatoria &

11
 DISTRIBUCIÓN NORMAL ESTANDARIADA
Ø ! se le denomina a la variable tipificada o estadarizada de ", y a la curva de su función de
densidad se la conoce como la curva normal estándar

Ø Es una distribución normal con promedio = 0 ( # = 0) y desviación estándar = 1 (& = 1 )

Ø Todas las variables normalmente distribuidas se pueden transformar a la distribución normal

estándar utilizando la fómula para calcular el Valor ( correpondiente:

"−# " es el valor específico de la variable aleatoria

Z= El Valor ! es el número de desviaciones estándar

& a las que una observación está por encima o por
debajo de la media
Ø Imaginese que el tiempo medio de descarga de un sitio web es de 7 segundos y la desviación
estándar es de 2 segundos.

Un tiempo de descarga de 9 segundos

+−, es equivalente a 1 desviación estándar
Z= por encima de la media
/
678
Z= = +1
9

Un tiempo de descarga de 1 segundo es

equivalente a -3 desviación estándar por
debajo de la media

:78
Z= 9
= -3

1 3 5 7 9 11 13 &'()*) + (, = 7, / = 2)

−3 −2 −1 0 1 2 3 &'()*) 4 (, = 0, / = 1)

13
Caja cereales µ = 283
Quiero conocer la probabilidad o área bajo la curva entre la media, 283 gramos, y
285.4 gramos, o !(283 ≤ '()* ≤ 285.4)

σ = 1,6 gramos

µ = 283 gramos

14
 !(283 ≤ '()* ≤ 285.4)

123
Determinemos 283 gramos como 285.4 a valores / = 4

567 2567
= > Valor z correspondiente a 283 es 0, / = 8.9
=0

56:,< 2567
El valor z correspondiente a 285.4 es 1.50,/ = 8,9
= 1,50
Consulte la tabla.
z 0.00 0.01 0.02 0.03 0.04 0.05
Descienda por la columna de la tabla encabezada 1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115
por la letra z hasta 1.5. 1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394
Siga por la horizontal a la derecha y lea la probabilidad 1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505
bajo la columna encabezada con 0.00. Ésta es de 0.4332. 1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678
Þ El área bajo la curva entre 0.00 y 1.50 es de 0.4332. 1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744

=> Una caja seleccionada al azar tiene la ! = 0.4332 de pesar entre 283 y 285.4 gramos.

15
Los ingresos semanales de los supervisores de turno de la industria del vidrio se rigen por
una distribución de probabilidad normal µ = $1000 y σ = $100. ¿Cuál es el valor z para el
ingreso X de un supervisor que percibe $1100 semanales? ¿Y para un supervisor que gana
$900 semanales?

!"#$% & '"%" ( = 1100 !"#$% & '"%" ( = 900

1100 − 1000 900 − 1000

&= = 1.0 &= = −1.0
100 100

16
De acuerdo con la información del ejemplo anterior (μ = $1000 y σ = $100), ¿Cuál es la probabilidad
de seleccionar un supevisor al azar cuyos ingresos semanales estén entre $1000 y $1100?

!"#$% & '"%" ( = 1100

1100 − 1000
&= = 1.0
100

De la tabla Z=1 = 0,3413

Existe un 34,13% de probabilidad de

seleccionar un supervisor que gane entre
$1.000 y $1.100 semanales
0 1
. = 1000 1.100

17
 De acuerdo con la información del ejemplo anterior (μ = $1000 y σ = $100), ¿Cuál es la probabilidad
de seleccionar un supevisor al azar cuyos ingresos semanales sean menos de $.1.100?

& (()*+,-. -,/0)01 < 1.100)

& 1000 < ()*+,-. -,/0)0 < 1.100 = 0.3413

Sabemos que la probabilidad de seleccionar un

supervisor que gana menos de $1.000 (media)
es 0.50

Entonces

& ()*+,-. -,/0)01 < 1.100 = 0.50 + 0.3413 = 0.8413 0 1

! = 1000 1.100
Existe un 84,13% de probabilidad de seleccionar un supervisor que gane menos de $1.100 semanales

18
Una empresa de servicios de comunicaciones, sabe que las trasmisiones promedio de
satélite son de 150 segundos, con una desviación estándar de 15 segundos. Los tiempos
parecen estar distribuidos normalmente. Para estimar la demanda del cliente por sus
servicios y establecer una estructura tarifaria que maximice las utilidades, se determinar que
tan probable es que unas llamadas se presenten. El director de servicios le solicita que le
proporcione la probabilidad de que una llamada dure:

a. Entre 125 y 150 segundos

b. Menos de 125 segundos
c. Entre 145 y 155 segundos
d. Entre 160 y 165 segundos

19
 De la tabla para Z -1.67 = 0.4525
a. Entre 125 y 150 segundos

!"#$% & '"%" ( = 125

125 − 150
&= = −1.67
15

!"#$% & '"%" ( = 150

150 − 150
&= =0
15

125 4 = 150 !"#$%23 '"%" (

La probabilidad de que una llamada dure
entre 125 segundos y 150 segundos es de −1.67 0 !"#$%23 '"%" &
45,25%

20
a. Entre 125 y 150 segundos
b. Menos de 125 segundos

De la tabla para Z -1.67 = 0.4525

La probabilidad de que una llamada dure entre

125 segundos y 150 segundos es de 45,25%

Si el 45,25 del área está entre 125 y 150

segundos, entonces 0.50-0.4525=0.0475 o
El 4,75% de todas las transmisiones requieren
menos de 125 segundos

125 ! = 150 '()*+,- .(+( /

−1.67 0 '()*+,- .(+( 4

= 0.50 − 0.4525 = 0.0475

21
a. Entre 125 y 150 segundos
De la tabla para Z 0.33 = 0.1293 entonces
b. Menos de 125 segundos
c. Entre 145 y 155 segundos 1 145 ≤ ( ≤ 155 = 0.1293 + 0.1293 = 0.2586

!"#$% & '"%" ( = 145

145 − 150
&= = −0.33
15

!"#$% & '"%" ( = 155 0.1293 0.1293

155 − 150
&= = 0.33
15
145 8 = 150 155 !"#$%9: '"%" (
La probabilidad de que una llamada dure
entre 145 segundos y 150 segundos es −0.33 0 0.33 !"#$%9: '"%" &
de 25,86%

22
a. Entre 125 y 150 segundos
b. Menos de 125 segundos De la tabla para Z= 1 = 0.3413
c. Entre 145 y 155 segundos De la tabla para Z = 0.67= 0.2486 entonces
d. Entre 160 y 165 segundos P 160 ≤ X ≤ 165 = 0.3413 − 0.2486 = 0.0927

0,0927
!"#$% & '"%" ( = 160
160 − 150
&= = 0.67
15

!"#$% & '"%" ( = 165

165 − 150
&= =1 9 = 150 160 !"#$%:; '"%" (
15
0 0.67 1 !"#$%:; '"%" &
La probabilidad de que una llamada dure entre
160 segundos y 165 segundos es de 9,27%

23
 REFERENCIAS BIBLIOGRÁFICAS

Anderson, D., Sweeny, D., Williams, T. (2008) : Estadística para administración y

economía. Cengage Learning. Décima edición. México.

Levine, D. Krenbiel, T. y Bereson, M (2014): Estadística para administración. Ed.

Pearson. Sexta edición. México.

Lind & Marshall (2008): Estadística Aplicada a los negocios y economía. McGraw-Hill
Interamericana

Sosa, J., Ospina, L., Berdugo, E. (2012). Estadística Descriptiva y Probabilidades.

Universidad Externado de Colombia. Bogotá.

Martínez, C. (2011): Estadística Básica aplicada. Ecoe ediciones. Cuarta edición.

Bogotá.

24