5.

Distribuciones de
probabilidad
continua
CAPTULO 5

LA ESTADSTICA EN LA PRCTICA:
Procter & Gamble (P&G) produce y comercializa
productos como detergentes, paales desechables,
productos farmacuticos que no requieren receta,
dentfricos, jabones de tocador y toallas de papel. En
todo el mundo P&G tiene la marca lder en ms
categoras que cualquiera otra empresa de productos
de consumo. Desde su fusin con Gillette, P&G tambin
comercializa rasuradoras, navajas para afeitar y muchos
otros productos para el cuidado personal.

 Al ser uno de los lderes en aplicacin de los mtodos

estadsticos para la toma de decisiones, P&G emplea
personas con diversas formaciones acadmicas:
ingenieros, especialistas en estadstica, en investigacin
de operaciones y en negocios. Las principales tecnologas
cuantitativas en las que estos profesionistas aplican sus
conocimientos son decisiones probabilsticas y anlisis de
riesgos, simulacin avanzada, mejoramiento de la calidad
y mtodos cuantitativos (por ejemplo, programacin
lineal, anlisis de regresin,
anlisis de probabilidad).

 Usar variables aleatorias continuas y sus distribuciones

de probabilidad ayud a P&G a analizar los riesgos
econmicos relacionados con su produccin de
alcoholes grasos. En este captulo el lector conocer las
variables aleatorias continuas y sus distribuciones de
probabilidad, entre ellas una de las distribuciones de
probabilidad ms importantes en la estadstica, la
distribucin normal.

Diferencias
Una diferencia fundamental entre las variables aleatorias discretas y las variables aleatorias
continuas es cmo se calculan las probabilidades. En las variables aleatorias discretas la funcin
de probabilidad f(x) da la probabilidad de que la variable aleatoria tome un valor determinado.
En las variables aleatorias continuas, la contraparte de la funcin de probabilidad es la funcin
de densidad de probabilidad, que tambin se denota f(x). La diferencia est en que la funcin
de densidad de probabilidad no da probabilidades directamente. Si no que el rea bajo la
curva de f(x) que corresponde a un intervalo determinado proporciona la probabilidad de que
la variable aleatoria tome uno de los valores de ese intervalo. De manera que cuando se calculan
probabilidades de variables aleatorias continuas se calcula la probabilidad de que la variable
aleatoria tome alguno de los valores dentro de un intervalo.

Distribucin de probabilidad
uniforme
la distribucin uniforme continua es una familia de
distribuciones de probabilidad para variables aleatorias
continuas, tales que cada miembro de la familia, todos
los intervalos de igual longitud en la distribucin en su
rango son igualmente probables. El dominio est
definido por dos parmetros, a y b, que son sus valores
mnimo y mximo. La distribucin es a menudo escrita
en forma abreviada como U(a,b).

GrficaFuncin de densidad de probabilidad

Funcin de densidad de
probabilidad
La funcin de densidad de probabilidad de la distribucin uniforme continua es:

Los valores en los dos extremos a y b no son por lo general importantes porque
no afectan el valor de las integrales de f(x)dx sobre el intervalo, ni de xf(x)dx
o expresiones similares. A veces se elige que sean cero, y a veces se los elige
con el valor 1/(ba). Este ltimo resulta apropiado en el contexto de
estimacin por el mtodo de mxima verosimilitud

Funcin de distribucin de
probabilidad
La funcin de distribucin de probabilidad es:

reas como medida de

probabilidad
Ahora una observacin acerca de la grfica de la figura .
2. Considere el rea bajo la grfica de f(x) en el
intervalo que va de 120 a 130. Esta rea es rectangular
y el rea de un rectngulo es simplemente el ancho
multiplicado por la altura. Si el ancho del intervalo es
igual a 130 120 10 y la altura es igual al valor de la
funcin de densidad de probabilidad f(x) = 1/20, se
tiene, rea = ancho x alto 10(1/20) = 10(1/20) = 10/20
= 0.50.

EL REA PROPORCIONA LA PROBABILIDAD DE QUE EL

TIEMPO DE VUELO EST ENTRE 120 Y 130 MINUTOS.

Dos diferencias importantes entre una variable

aleatoria continua y una variable aleatoria discreta.
1. Ya no se habla de la probabilidad de que una variable aleatoria tome un determinado
valor.
Se habla de la probabilidad de que una variable aleatoria tome un valor dentro de un
intervalo dado.
2. La probabilidad de que una variable aleatoria continua tome un valor dentro de un
determinado intervalo que va de x1 a x2 se define como el rea bajo la grfica de la
funcin de
densidad de probabilidad entre x1 y x2. Como un solo punto es un intervalo cuyo ancho es
cero, esto implica que la probabilidad de que una variable aleatoria continua tome un
valor
exacto, cualquiera, es cero. Esto tambin significa que en cualquier intervalo la
probabilidad
de que una variable aleatoria continua tome un valor es la misma, ya sea que se incluyan
o no los extremos del intervalo.

valor esperado y de la varianza de

una variable aleatoria continua
En este caso interviene el clculo integral. En el caso de la distribucin
de probabilidad continua uniforme presentada en esta seccin, las
frmulas para el valor esperado y para la varianza son
E(x)= (a + b)/2, Var(x) =(b - a)/12
En estas frmulas a es el menor valor y b es el mayor valor que toma
la variable aleatoria. Al aplicar estas frmulas a la distribucin uniforme
de los tiempos de vuelo de Chicago a Nueva York, se obtiene, La
desviacin estndar de los tiempos de vuelo se encuentra sacando la
raz cuadrada de la varianza.
E(x) =(120 + 140)/2= 130
Var(x) =(140 - 120)2/12 = 33.33
Por tanto, = 5.77 minutos.

Distribucin de probabilidad de
una variable aleatoria continua
La distribucin de probabilidad de una v.a. X, tambin
llamada funcin de distribucin de X es la funcin
de manera que se cumplan las siguientes tres condiciones:

1.
2. Es continua por la derecha.
3. Es montona no decreciente.

Funcin de densidad de una v.a.

continua
La funcin de densidad de probabilidad (FDP) o, simplemente,
funcin de densidad, representada comnmente como f(x), se utiliza
con el propsito de conocer cmo se distribuyen las probabilidades
de un suceso o evento, en relacin al resultado del suceso.
La FDP es la derivada (ordinaria o en el sentido de las distribuciones
) de la funcin de distribucin de probabilidad F(x), o de manera
inversa, la funcin de distribucin es la integral de la funcin de
densidad:
La funcin de densidad de una v.a. determina la concentracin de
probabilidad alrededor de los valores de una variable aleatoria
continua.

Esperanza de una variable

aleatoria continua
la esperanza se calcula mediante la integral del
producto de todos los valores y la funcin de densidad:

se asocia comnmente en los juegos de azar al de

beneficio medio o beneficio esperado a largo plazo

Ejemplo
Determinar la media o valor esperado de la distribucin
cuya funcin densidad de probabilidad est por la regla
de correspondencia:
Solucin:

Varianza
La varianza es una medida de dispersin de una
variable aleatoria X respecto a su esperanza. Se define
como la esperanza de la transformacin de
Es decir

donde f(X) representa a la funcin de probabilidad y a la

funcin densidad de probabilidad, respectivamente, de
la variable aleatoria.

Equivalencias
Si en las frmulas anteriores desarrollamos el cuadrado
del binomio y aplicamos propiedades de las sumatorias
(integrales) se llega a una expresin ms conveniente
para realizar los clculos

Ejercicio: calcular la varianza s2 para la funcin densidad

del ejemplo anterior

Ejemplo: Encontrar la media y la

varianza de

Distribucin de probabilidad
normal
Es la ms usada para describir variables aleatorias continuas. La
distribucin normal tiene gran cantidad de aplicaciones prcticas,
en las cuales la variable aleatoria puede ser el peso o la estatura
de las personas, puntuaciones de exmenes, resultados de
mediciones cientficas, precipitacin pluvial u otras cantidades
similares. La distribucin normal tambin tiene una importante
aplicacin en inferencia estadstica. 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

Curva normal

La lnea verde corresponde a la distribucin normal estndar

Caracteristicas de la curva normal

El campo de existencia es cualquier valor real, es decir,
(-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de
inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje
de abscisas es igual a la unidad.

Area simetra y probabilidad

El rea del recinto determinado por la funcin y el eje
de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = ,
deja un rea igual a 0.5 a la izquierda y otra igual
a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la
curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %

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. Para designar
esta variable aleatoria normal
se suele usar la letra z. Esta distribucin tiene el mismo
aspecto general que cualquier otra distribucin normal,
pero tiene las propiedades especiales, = 0 y = 1.
Su funcin de densidad es:

Clculo de probabilidades en
cualquier
distribucin de probabilidad
normal
La
razn por la cual la distribucin normal estndar se ha

visto de manera tan amplia es que todas las distribuciones

normales son calculadas mediante la distribucin normal
estndar. Esto es, cuando distribucin normal con una media
cualquiera y una desviacin estndar cualquiera, las
preguntas sobre las probabilidades en esta distribucin se
responden pasando primero a la distribucin normal
estndar.
CONVERSIN A LAVARIABLE ALEATORIA NORMAL ESTNDAR
z = (x )/

Formas prcticas
Para ver cmo esta distribucin permite calcular probabilidades en
cualquier distribucin normal, admita que tiene una distribucin en la
que = 10 y = 2. Cul es la probabilidad de que la variable aleatoria
x est entre 10 y 14? Empleando la ecuacin (5.3) se ve que para z = (x
- )/ = (10 - 10)/2 = 0 y que para x = 14, z = (14 - 10)/2 = 4/2 = 2. As,
la respuesta a la pregunta acerca de la probabilidad de que x est entre
10 y 14 est dada por la probabilidad equivalente de que z est entre 0
y 2 en la distribucin normal estndar. En otras palabras, la probabilidad
que se est buscando es que la variable aleatoria x est entre su media
y dos desviaciones estndar arriba de la media. Usando z= 2 y la tabla
de probabilidad normal estndar del forro interior, se ve que P(z 2) =
0.9772. Como P(z 0) = 0.5, se tiene que P(0.00 z 2.00) = P(z 2)
- P(z 0) = 0.9772 - 0.5000 = 0.4772. Por tanto, la probabilidad de que
x est entre 10 y 14 es 0.4772.

El problema de la empresa
Grear Tire
Para una aplicacin de la distribucin de probabilidad normal, suponga
que Grear Tire Company ha fabricado un nuevo neumtico que ser
vendido por una cadena nacional de tiendas de descuento.
Como este neumtico es un producto nuevo, los directivos de Grear
piensan que la garanta de duracin ser un factor importante en la
aceptacin del neumtico. Antes de finalizar la pliza de garanta, los
directivos necesitan informacin probabilstica acerca de x duracin del
neumtico en nmero de millas.
De acuerdo con las pruebas realizadas al neumtico, los ingenieros de
Grear estiman que la duracin media en millas es = 36 500 millas y que
la desviacin estndar es = 5000. Adems, los datos recogidos indican
que es razonable suponer una distribucin normal. Qu porcentaje de los
neumticos se espera que duren ms de 40 000 millas?

 Para x 40 000, se tiene

Z= (x )/ =(40 000 - 36 500)/5000=3500/5000 = 0.7
Observe que en la parte inferior de la figura 6.6 el valor x
40 000 en la distribucin normal de Grear Tire corresponde
a z = 0.70 en la distribucin normal estndar. Mediante la
tabla de probabilidad normal estndar se encuentra que el
rea bajo la curva normal estndar a la izquierda de z =
0.70 es 0.7580. De manera que 1.000 - 0.7580 = 0.2420 es
la probabilidad de que z sea mayor a 0.70 y por tanto de
que x sea mayor a 40 000. Entonces 24.2% de los
neumticos durar ms de 40 000 millas.

 Ahora suponga que Grear est considerando una garanta que d un descuento en la sustitucin
del neumtico original si ste no dura lo que asegura la garanta. Cul deber ser la duracin
en millas especificada en la garanta si Grear desea que no ms de 10% de los neumticos
alcancen la garanta? En la figura 6.7 se plantea esta pregunta en forma grfica.
De acuerdo con la figura 6.7, el rea bajo la curva a la izquierda de la cantidad desconocida
de millas para la garanta debe ser 0.10. De manera que primero se debe encontrar el valor de z
que deja un rea de 0.10 en el extremo de la cola izquierda de la distribucin normal estndar.
Segn la tabla de probabilidad normal estndar z=1.28 deja un rea de 0.10 en el extremo de
la cola izquierda. Por tanto, z = 1.28 es el valor de la variable aleatoria normal estndar que
corresponde a las millas de duracin deseadas para la garanta en la distribucin normal de
Grear Tire. Para hallar el valor de x que corresponde a z = 1.28, se tiene z = (x )/ = -1.28
x = - 1.28 = 36 500 - 1.28(5000) = 30 100

 Por tanto, una garanta de 30 100 millas cumplir con el

requerimiento de que aproximadamente 10% de los
neumticos sean aptos para la garanta. Con esta
informacin, quiz la empresa establezca una garanta de
30 000 millas.

Ejemplo
En una ciudad se estima que la temperatura mxima en
el mes de junio sigue una distribucin normal, con
media 23 y desviacin tpica 5. Calcular el nmero de
das del mes en los que se espera alcanzar mximas
entre 21 y 27

Ejemplo
Tras un test de cultura general se observa que las
puntuaciones obtenidas siguen una distribucin una
distribucin N(65, 18). Se desea clasificar a los
examinados en tres grupos (de baja cultura general, de
cultura general aceptable, de excelente cultura general)
de modo que hay en el primero un 20% la poblacin, un
65% el segundo y un 15% en el tercero. Cules han de
ser las puntuaciones que marcan el paso de un grupo al
otro?

Solucin:

Baja cultura hasta 49 puntos.

Cultura aceptable entre 50 y 83.
Excelente cultura a partir de 84 puntos

Aproximacin normal de las

probabilidades
binomiales

Teorema de Moivre. Si:

n p 5 y n q 5.
La distribucin binomial B(n, p) se puede aproximar
mediante una distribucin normal:

Ejemplo
En una ciudad una de cada tres familias posee telfono.
Si se eligen al azar 90 familias, calcular la probabilidad
de que entre ellas haya por lo menos 30 tengan
telfono.
n=90, p=1/3, q=2/3, np>5, nq>5

Distribucin de probabilidad
exponencial
En estadstica la distribucin exponencial es una
distribucin de probabilidad continua con un parmetro
>0 cuya funcin de densidad es:
Su funcin de distribucin acumulada es:
El valor esperado y la varianza de una variable aleatoria
X con distribucin exponencial son:

Grfica
Funcin de densidad de probabilidad

Grfica
Funcin de distribucin de probabilidad

Relacin con el proceso de

Poisson.
Las aplicaciones ms importantes de la distribucin exponencial son
aquellas situaciones en donde se aplica el proceso de Poisson , es
necesario recordar que un proceso de Poisson permite el uso de la
distribucin de Poisson. Recurdese tambin que la distribucin de
Poisson se utiliza para calcular la probabilidad de nmeros especficos de
eventos durante un perodo o espacio particular. En muchas aplicaciones,
el perodo o la cantidad de espacio es la variable aleatoria. Por ejemplo un
ingeniero industrial puede interesarse en el tiempo T entre llegadas en una
interseccin congestionada durante la hora de salida de trabajo en una
gran ciudad. Una llegada representa el evento de Poisson.
La relacin entre la distribucin exponencial (con frecuencia llamada
exponencial negativa) y el proceso llamado de Poisson es bastante simple.
La distribucin de Poisson se desarroll como una distribucin de un solo
parmetro , donde puede interpretarse como el nmero promedio de
eventos por unidad de tiempo .

ejemplo
Para ilustrar esta relacin, suponga que el nmero de automviles que
llegan a un lavado de coches durante una hora se describe mediante la
distribucin de probabilidad de Poisson, con una media de 10 automviles
por hora. La funcin de probabilidad de Poisson que da la probabilidad de x
llegadas por hora es:
f (x) =10xe10/x!
Dado que el nmero promedio de llegadas es 10 automviles por hora, el
tiempo promedio entre las llegadas de los automviles es
1 hora/10 automviles = 0.1 hora/automvil
Entonces, la distribucin exponencial que describe el tiempo entre las
llegadas tiene una media de = 0.1 por automvil; la funcin de densidad
de probabilidad exponencial es
f (x) =(1/0.1)e x/0.1 =10e 10x

Distribuciones de probabilidad
continua
con
Minitab
se retomar el problema de la empresa Grear Tire, en el que la duracin de los neumticos

en millas se describi mediante una distribucin normal en la que = 36 500 y = 5000.

Una de las preguntas que se plantearon fue: cul es la probabilidad de que los neumticos
duren ms de 40 000 millas?
Para distribuciones de probabilidad continua, Minitab proporciona probabilidades
acumuladas;
es decir, Minitab da la probabilidad de que la variable aleatoria tome un valor menor o igual
que una constante especfica. En el caso de la pregunta sobre la duracin de los neumticos,
Minitab
se puede usar para determinar la probabilidad acumulada de que un neumtico dure 40 000
millas o menos. (En este caso la constante especfica es 40 000.) Una vez que se tiene la
probabilidad
acumulada que proporciona Minitab, es necesario restar esta probabilidad de 1 para
determinar
la probabilidad de que el neumtico dure ms de 40 000 millas.

 Para que Minitab calcule una probabilidad, es necesario

ingresar la constante especfica en una de las columnas
de la hoja de clculo. En este caso se introduce la
constante especfica 40 000 en la columna C1 de la hoja
de clculo de Minitab. A continuacin se presentan los
pasos necesarios para que Minitab calcule la
probabilidad acumulada de que la variable aleatoria
normal tome valores menores o iguales que 40 000.

Pasos
Paso 1. Seleccionar el men Calc
Paso 2. Elegir Probability Distributions
Paso 3. Elegir Normal
Paso 4. Cuando aparezca el cuadro de dilogo Normal Distribution:
Seleccionar Cumulative probability
Ingresar 36 500 en el cuadro Mean
Ingresar 5 000 en el cuadro Standard deviation
Ingresar C1 en el cuadro Input column (la columna que contiene
40 000)
Clic en OK