Qu es una distribucin continua?

Una distribucin continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria
con un conjunto de valores posibles (conocido como el rango) que es infinito y no
se puede contar.

Las probabilidades de las variables aleatorias continuas (X) se definen como el rea
por debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden
tener una probabilidad diferente de cero. La probabilidad de que una variable
aleatoria continua equivalga a algn valor siempre es cero.

Ejemplo de la distribucin de pesos

La distribucin normal continua puede describir la distribucin del peso de hombres
adultos. Por ejemplo, usted puede calcular la probabilidad de que un hombre pese
entre 160 y 170 libras.

Grfica de distribucin del peso de hombres adultos

El rea sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170 libras. El
rea de este rango es 0.136; por lo tanto, la probabilidad de que un hombre seleccionado
aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el rea por debajo de la curva
equivale a 1.0.
Sin embargo, la probabilidad de que X sea exactamente igual a algn valor siempre
es cero, porque el rea por debajo de la curva en un punto individual, que no tiene
anchura, es cero. Por ejemplo, la probabilidad de que un hombre pese exactamente
190 libras es cero. Podra calcular una probabilidad diferente de cero de que un
hombre pese ms de 190 libras, menos de 190 libras o entre 189.9 y 190.1 libras, pero
la probabilidad de que pese exactamente 190 libras es cero.
Qu es una distribucin discreta?
Una distribucin discreta describe la probabilidad de ocurrencia de cada valor de una
variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria
que tiene valores contables, tales como una lista de enteros no negativos.

Con una distribucin de probabilidad discreta, cada valor posible de la variable

aleatoria discreta puede estar asociado con una probabilidad distinta de cero. Por lo
tanto, una distribucin de probabilidad discreta suele representarse en forma tabular.

Ejemplo del nmero de quejas de clientes

Con una distribucin discreta, a diferencia de una distribucin continua, usted puede
calcular la probabilidad de que X sea exactamente igual a algn valor. Por ejemplo,
puede utilizar la distribucin discreta de Poisson para describir el nmero de quejas
de clientes en un da. Supongamos que el nmero promedio de quejas por da es 10
y usted desea saber la probabilidad de recibir 5, 10 y 15 quejas de clientes en un da.

x P (X = x)

5 0.037833

10 0.12511

15 0.034718
Usted tambin puede visualizar una distribucin discreta en una grfica de
distribucin para ver las probabilidades entre los rangos.

Grfica de distribucin del nmero de quejas de clientes

Las barras sombreadas en este ejemplo representan el nmero de ocurrencias cuando las quejas
diarias de los clientes son 15 o ms. La altura de las barras suma 0.08346; por lo tanto, la
probabilidad de que el nmero de llamadas por da sea 15 o ms es 8.35%.

5.1-Normal y Normal Estndar

DISTRIBUCIN NORMAL

Una variable aleatoria continua, X, sigue una distribucin

normal de media y desviacin tpica , y se designa por
N(, ), si se cumplen las siguientes condiciones:

1. La variable puede tomar cualquier valor: (-, +)

2. La funcin de densidad, es la expresin en trminos de

ecuacin matemtica de la curva de Gauss:

Figura 5.1.1 Funcin de Densidad

Curva de la distribucin normal

Figura 5.1.2 Curva de la distribucin normal

Propiedades de la distribucin normal:

La distribucin normal posee ciertas propiedades importantes que
conviene destacar:
i. Tiene una nica moda, que coincide con su media y su
mediana.
ii. La curva normal es asinttica al eje de abscisas. Por ello,
cualquier valor entre y es tericamente posible. El
rea total bajo la curva es, por tanto, igual a 1.
iii. Es simtrica con respecto a su media . Segn esto, para
este tipo de variables existe una probabilidad de un 50% de
observar un dato mayor que la media, y un 50% de observar
un dato menor.
iv. La distancia entre la lnea trazada en la media y el punto de
inflexin de la curva es igual a una desviacin tpica (
). Cuanto mayor sea , ms aplanada ser la curva de la
densidad.
v. El rea bajo la curva comprendido entre los valores situados
aproximadamente a dos desviaciones estndar de la media
es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el
intervalo .
vi. La forma de la campana de Gauss depende de los
parmetros y La media indica la posicin de la
campana, de modo que para diferentes valores de la
grfica es desplazada a lo largo del eje horizontal. Por otra
parte, la desviacin estndar determina el grado de
apuntamiento de la curva. Cuanto mayor sea el valor
de , ms se dispersarn los datos en torno a la media y
la curva ser ms plana. Un valor pequeo de este
parmetro indica, por tanto, una gran probabilidad de
obtener datos cercanos al valor medio de la distribucin.
Como se deduce de este ltimo apartado, no existe una nica
distribucin normal, sino una familia de distribuciones con una forma
comn, diferenciadas por los valores de su media y su varianza. De
entre todas ellas, la ms utilizada es la distribucin normal estndar,
que corresponde a una distribucin de media 0 y varianza 1. As, la
expresin que define su densidad se puede obtener de la Ecuacin 1,
resultando:

Es importante conocer que, a partir de cualquier variable X que siga

una distribucin , se puede obtener otra caracterstica Z con
una distribucin normal estndar, sin ms que efectuar la
transformacin:

Ecuacin 2:

DISTRIBUCIN NORMAL ESTNDAR

La distribucin normal estndar, o tipificada o reducida, es

aquella que tiene por media el valor cero, =0, y
pordesviacin tpica la unidad, =1.

Su funcin de densidad es:

Figura 5.1.3 Distribucin Normal Estndar

Su grfica es:

Figura 5.1.4 Grfica de la Distribucin Normal Estndar

La probabilidad de la variable X depender del rea del recinto
sombreado en la figura. Y para calcularla utilizaremos
una tabla.

Tipificacin de la variable

Para poder utilizar la tabla tenemos que transformar la

variable X que sigue una distribucin N(, ) en otra
variable Z que siga una distribucin N(0, 1).

Figura 5.1.5 Tipificacin de la Variable