Distribuciones continuas de probabilidad

Rosario Collatn
Universidad Nacional Mayor de San Marcos

Distribucin de probabilidad uniforme

X: variable aleatoria, representa tiempo de vuelo de un avin que viaja de una ciudad al norte de un pas a otra ciudad al sur del pas y asume cualquier valor en el intervalo de 120 a 140 minutos Podemos decir que:
El tiempo de vuelo es una variable aleatoria continua, ya que toma cualquier valor en el intervalo Si cualquier intervalo de un minuto es igualmente probable, entonces la variable aleatoria x tiene una distribucin uniforme de probabilidades La funcin de densidad de probabilidad de x est dada por:

f(x) =

1/b-a a x b 0 en otros casos

Donde a y b son nmeros reales y a < b

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 2

Funcin de densidad de probabilidad que define la distribucin uniforme de probabilidad de la variable aleatoria tiempo de vuelo

f(x) = 1/20 cuando 120 x 140 0 en cualquier otro lugar

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Grfica de una funcin de densidad de probabilidad

f (x )

1/20 120 125 130 135 Tiempo de vuelo en minutos 140 x

Anderson et al., 1999: 216

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Caractersticas de la funcin de densidad de probabilidad que define la distribucin uniforme de probabilidad

La grfica de la funcin f(x) de densidad de probabilidad proporciona la altura o el valor de la funcin en cualquier valor determinado de x. La altura de la funcin es igual para todos los valores de x La funcin f(x) de densidad de probabilidad a diferencia de una variable aleatoria discreta no representa la probabilidad. Slo proporciona la altura de la funcin en un valor dado de x. Para una variable aleatoria continua solo se maneja la probabilidad en trminos de la posibilidad de que una variable aleatoria tenga un valor dentro de un intervalo especificado. (Anderson et al., 1999)
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 5

El rea como medida de probabilidad

La regin es rectangular Frmula del rea del rectngulo = base por la altura
Donde:
Base = ancho del intervalo Altura = f(x) valor de la funcin de densidad de probabilidad 1/b-a
f (x )

El rea bajo la grfica f(x) y la probabilidad son idnticas vlido para todas las variables aleatorias continuas El rea total bajo la grfica de f(x) es igual a 1
Propiedad vlida para todas las distribuciones continuas de probabilidad anlogo de la condicin que la suma de las probabilidades debe ser igual a 1 para una funcin de probabilidad discreta.

P(120 x 130) = rea = 1/20(10) = 10/20 = 0.50 1/20

10

120

125 130 135 Tiempo de vuelo en minutos

140

Anderson et al., 1999: 217

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Ejemplo 1
Cul es la probabilidad de que el tiempo de vuelo est entre 120 y 130 minutos? El rea bajo la grfica de f(x) en el intervalo de 120 a 130 contiene:
Ancho del intervalo (base)= 130-120=10 La altura es igual al valor de la funcin de densidad de probabilidad f(x)= 1/20 (conocimiento de base para estimar probabilidades futuras) rea del rectngulo= ancho (base) por atura= 10(1/20)= 0.50

La probabilidad de que el tiempo de vuelo est entre 120 y 130 minutos es de 0.50
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 7

ejemplos 2 y 3
Cul es la probabilidad de que el tiempo de vuelo est entre 128 y 136 minutos?
Ancho =136-128=8 Altura uniforme de 1/20 conocimiento de base para calcular probabilidades futuras P(128x136)=8(1/20) = 0.40

La probabilidad de que el tiempo de vuelo est entre 120 y 140 minutos

P(120 x140)=20(1/20) =1

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Requisitos
Para una funcin continua de densidad de probabilidad tambin se requiere f(x)0 para todos los valores x anlogo del requisito f(x) 0 para las funciones discretas de probabilidad

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

La probabilidad de cualquier punto nico es 0 Clculo de la probabilidad en determinado punto. Por ejemplo x = 130 P(x=130) = P(130 x 130)= 0(1/20)=0

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

10

Diferencias principales entre el manejo de variables aleatorias continuas y discretas

Variables aleatorias discretas Se habla de la probabilidad de que la variable aleatoria tome determinado valor. Variables aleatorias continuas
Se habla de la probabilidad de que la variable aleatoria asuma un valor dentro de cierto intervalo
El valor dicho intervalo se define como el rea bajo la grfica de funcin de densidad de probabilidad Lo que implica que la probabilidad de que la variable aleatoria continua asuma exactamente determinado valor es cero, ya que el rea bajo la grfica de f(x) en un solo punto es cero.
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 11

Valor esperado y varianza de una variable aleatoria continua

Anlogo al de una variable aleatoria discreta E(x)= (a + b)
2 Var(x) = (b a)^2 12 En la ecuacin a valor mnimo y b valor mximo que puede tomar la variable aleatoria En el ejemplo: tiempo de vuelo entre 120 y 140 minutos: E(x)=130 Var (x)= 33.33 =5.77 minutos
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 12

Distribucin de probabilidad normal

Uso de la distribucin normal de probabilidad La ms usada para describir variables aleatorias continuas Aplicacin en inferencia estadstica donde la distribucin normal describe que tan probables son los resultados obtenidos de un muestreo

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

14

Curva normal
Forma de la distribucin normal. Forma de campana Una funcin de densidad de probabilidad define la curva normal Dos parmetros de la curva normal:
la media que determina la localizacin y la desviacin estndar que determina la forma de la distribucin normal
Curva en forma de campana de una distribucin normal

Fuente: Anderson et al. (2008: 232)

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

15

Define la forma de la curva normal

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

16

Caractersticas de las distribuciones normales

1. Las distribuciones normales se distinguen por dos parmetros: media y desviacin estndar 2. El punto ms alto de una curva normal est sobre la media, la cual coincide con la mediana y la moda 3. La media de una distribucin normal puede tener cualquier valor: negativo, positivo o cero
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 17

Tres distribuciones normales que tienen la misma desviacin estndar pero diferentes medias (-10, 0 y 20)

Fuente: Anderson et al. (2008: 232)

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

18

Caractersticas de las distribuciones normales

4. La distribucin normal es simtrica: la forma de la curva normal al lado izquierdo de la media es el la imagen especular de la forma al lado derecho de la media., por lo que su sesgo es cero y es unimodal 5. Las colas de la curva normal se extienden al infinito en ambas direcciones y en teora jams tocan el eje horizontal. 6. La desviacin estndar determina qu tan plana y ancha es la curva normal
Desviaciones estndar grandes curvas ms planas y ms anchas mayor variabilidad (o dispersin) en los datos
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 19

Dos curvas normales que tienen la misma media pero distintas desviaciones estndar

Fuente: Anderson et al. 2008: 233 A pesar de sus diferencias ambas son distribuciones normales ya que su forma es la misma.
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 20

Caractersticas de las distribuciones normales 7. Las probabilidades correspondientes a la variable aleatoria normal se dan mediante reas bajo la curva normal.
Toda el rea bajo la curva de una distribucin normal es 1. Como esta distribucin es simtrica, el rea bajo la curva y a la izquierda de la media es 0.50 y el rea bajo la curva y a la derecha de la media es 0.50

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

21

Caractersticas de las distribuciones normales

8. Las probabilidades de la variable aleatoria normal se determinan con las reas bajo la curva.
La probabilidades de ciertos intervalos que ms se usan son: a. 68.3% de los valores de una variable aleatoria normal se encuentran ms o menos una desviacin estndar de la media b. 95.4% de los valores de una variable aleatoria normal se encuentran ms o menos dos desviaciones estndar de la media c. 99.7% de los valores de una variable aleatoria normal se encuentra ms o menos tres desviaciones estndar de la media

Esto se cumple para cualquier distribucin normal independientemente del valor de la media y la varianza
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 22

reas bajo la curva de cualquier distribucin normal

34% 0.1% 2% 13.5%

34% 13.5%

2%

0.1%

Desviaciones estndar desde la media

Fuente: Anderson, 2008: 234 con modificaciones
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 23

Caractersticas de las distribuciones normales 9. El lmite inferior y el lmite superior son ms y menos infinito 10.La distribucin normal no es una distribucin sino una familia de distribuciones que difieren solamente en su media y su varianza

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

24

Distribucin de probabilidad normal estndar Una variable aleatoria que tiene una distribucin normal con una media cero y desviacin estndar de uno tiene una distribucin normal estndar distribucin z

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

25

Distribucin normal estndar

Distribucin que tiene el mismo aspecto general que cualquier otra distribucin normal, pero tienen propiedades especiales: media=0 y desviacin estndar=1

Distribucin normal estndar

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

26

Funcin de densidad normal estndar

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

27

Caractersticas de la funcin de densidad de probabilidad normal

En la funcin de densidad de probabilidad normal, la altura de la curva vara y para calcular las reas que representan las probabilidades se requiere de matemticas ms avanzadas. Como con otras variables aleatorias continuas, los clculos de probabilidad en cualquier distribucin normal se hace calculando el rea bajo la grfica de la funcin de densidad de probabilidad Para hallar la probabilidad de que una variable aleatoria normal est dentro de un determinado intervalo se tiene que calcular el rea que se encuentra bajo la curva normal en ese intervalo. (Anderson, 1999: 232).
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn 28

Tablas que contienen reas o probabilidades para la distribucin normal estndar

Para la distribucin normal estndar ya se encuentran calculadas las reas bajo la curva normal y se cuenta con tablas que dan estas reas y se usan para calcular probabilidades.

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

29

Empleo de la tabla de reas bajo la curva de la distribucin normal estndar

Tres tipos de probabilidad que se pueden calcular (dados determinados valores de z)

Probabilidad de que la variable aleatoria normal estndar z sea menor o igual que un valor dado Probabilidad de que z est entre dos valores dados Probabilidad de que z sea mayor o igual que un valor dado

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

30

Clculo de la probabilidad de que z sea menor o igual a un valor dado, por ej. 1.00 es decir: P(z 1.00)
Esta probabilidad acumulada es el rea bajo la curva normal a la izquierda de z = 1.00 Consultado la tabla de la distribucin de probabilidad normal estndar. Probabilidad acumulada que corresponde a z=1.00= 0.8413. Por tanto P(z 1.00) = 0.8413
UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Fuente: Anderson et al., 2008: 235

31

Calcular la probabilidad de que z est entre dos valores dados: por ej. en el intervalo entre -0.50 y 1.25, esto es: P(-50 z 1.25)
Tres pasos: Encontrar el rea bajo la curva normal de z = 1.25 P(z 1.25)=0.8944 Encontrar el rea bajo la curva normal z=-0.50 P(z-0.50)=0.3085 (1-0.6915) P(-50 z 1.25).= P(z 1.25)-P(z 0.50)= 0.8944-0.3085=0.5859
Fuente: Anderson et al. 2008: 236

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

32

Calcular la probabilidad de que z est entre dos valores dados: por ej. en el intervalo entre -1.00 y 1.00, esto es: P(-1.00 z 1.00)

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

33

Calcular la probabilidad de que z sea mayor o igual que un valor dado Calcular la probabilidad de tener un valor z por lo menos igual a 1.58 es decir P(z1.58)=0.9429 Como toda el rea bajo la curva normal es 1. P(z 1.58)=1-0.9429=0.0571

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

34

Calcular la probabilidad de que z sea mayor o igual que un valor dado. Ej. Que z sea por lo menos igual a 1.58 esto es: P(z1.58)

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

35

Dada una probabilidad encontrar el correspondiente valor de z. Ej. Hallar un valor de z tal que la probabilidad de obtener un valor z mayor sea 0.10
Uso diferente de la tabla de probabilidad normal estndar Se tiene el dato que el rea en la cola superior (derecha) de la curva es 0.10 La tabla de probabilidad normal estndar da el rea bajo la curva a la izquierda de un determinado valor z Por tanto el rea bajo la curva a la izquierda del valor conocido de z es 0.90000 (1-0.10) 0.8997 es la probabilidad acumulada ms cercana a 0.9000 que corresponde a un valor z de 1.28

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Anderson et al., 2008: 238

36

Uso de la tabla para calcular las probabilidades de cualquier distribucin normal

Clculo de probabilidades en cualquier distribucin de probabilidad normal

Todas las distribuciones normales (con media y desviacin estndar cualquiera) se calculan mediante la distribucin normal estndar 1. Primero se convierte dicha distribucin normal en una distribucin normal estndar 2. Luego consultamos la tabla y los valores adecuados de z para determinar las probabilidades

Frmula para pasar una variable aleatoria normal x, con media y distribucin estndar cualquiera a la distribucin normal estndar:

z =

x-
38

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

Conversin a la distribucin normal estndar Ejemplo 1

Cierta distribucin normal tiene =10 y =2 Cul es la probabilidad de que la variable aleatoria x est entre 10 y 14? Cuando: x =10 z=(x- )/ = (10-10)/2=0 Cuando: x =14 z=(x- )/ = (14-10)/2=2 La probabilidad de que x est entre 10 y 14 equivalente a la probabilidad de que z est entre 0 y 2 en la distribucin normal estndar Equivalente a buscar la probabilidad que la variable aleatoria x est entre su media y dos desviaciones estndar arriba de la media De acuerdo a la tabla:
z=2.00 0.9772. La probabilidad de que x est entre 10 y 14 es: 0.9772 0.5000 = 0.4772

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn

39

Bibliografa
Anderson, D. R., Sweeney, D. J. & Williams, T. A. (1999). Estadstica para administracin y economa. 7ma edicin, International Thomson editores, pp. 74-80 Kenny, D. A. (1987). Statistics for the social and behavioral sciences. Litle, Brown and Company (Canada) Limited. Miller, I., Freund, J. E. y Johnson, R. (1992). Probabilidad y estadstica para ingenieros. Prentice Hall. 4ta. Edicin. Moya, R. & Saravia, G. (s.f.). Probabilidad e inferencia estadstica. 2da. Edicin. Lima: Editorial San Marcos.

UNMSM-Fac. CCSS 2012-1 Prof. Rosario Collatn Chicana

40