Facultad de Ingeniería y Arquitectura 2018-II

Distribución de Variables
Aleatorias Continuas

Mag. Rubén Valerio Fidel

1
 Distribución Normal
Es una distribución de variable continua que tiene la forma de una campana

Donde:
μ: media de la distribución.
σ: desviación estándar de la distribución.
π = 3.1415926535…
e = 2.71828
x: variable aleatoria.
Características de la Distribución Normal
1. Es Simétrica a ambos lados de la media.

2. El área o probabilidad cumple:

─
X +- 1σ = 68.3% de probabilidades
─
X +- 2σ = 95.5% de probabilidades
─
X +- 3σ = 99.7% de probabilidades
Características de la Distribución Normal
El valor máximo 3. El valor máximo de la densidad está en la
está en la media
media
Características de la Distribución Normal
El valor máximo 4. La curva normal es asintótica al eje de las
está en la media
abscisas, por ello cualquier valor entre -∞ y +∞
es teóricamente posible.

-∞ +∞
Características de la Distribución Normal
5. La Media, Moda y Mediana tienen el mismo
valor y está ubicado en el medio.

Media = Moda = Mediana

 Cálculo de Probabilidades en una
Distribución Normal
*Se debe calcular la variable z, luego ir a la tabla.
* z es la cantidad de desviaciones típicas que tiene el rango de un valor a
la media

Z= (X - µ) / σ
 (Estandarización o Normalización)

Z = X
Áreas para la Distribución Normal
Estándar
Las entradas de la tabla dan el área bajo la curva
entre la media y z desviaciones estándar por
encima de la media.
Ejemplo: para z=1.25, el área bajo la curva entre
la media y z es 0.3944
 Ejercicios
1) El promedio de los pesos de 500 estudiantes de un colegio es 70 Kg. Con una desviación típica de 3 Kg.
Suponiendo que los pesos se distribuyen normalmente ¿Cuántos alumnos pesan entre 68 Kg. Y 74 Kg.?
P(68<x<74)= Z(68<x<70) + Z(70<x<74)
N=500
.Z(68<x<70)= Z(68-70/3)= Z(-2/3)= Z(-0.67)= Z(0.67)
X1=68 Z(68<x<70)= 0.2486

X2=74 .Z(70<x<74)= Z(74-70/3)= Z(4/3)= Z(1.33)

μ=70 Z(70<x<74)= 0.4082

σ=3 P(68<x<74)= 0.2486 + 0.4082 = 0.6568

N x P(68<x<74)=? N x P = 500 x 0.6568 = 328,4 = 328

 Ejercicios
2) Una Empresa de llantas hace pruebas y determina con pruebas reales que la duración media
de una llanta es 36,500 kilómetros, con una desviación estándar de 5,000 kilómetros.
Considerando que es una distribución normal. ¿Qué porcentaje de las llantas puede esperarse
que duren más de 40,000 kilometros?
 Propiedad Reproductiva
Si X1 y X2 son dos variables aleatorias independientes que se distribuyen según una ley de
Normal tal que,

X1 es N(µ1; σ21) X2 es N(µ2; σ22)

Y= X1+X2 Y es N (µ1+µ2; σ21+σ22)

Y= X1-X2 Y es N (µ1-µ2; σ21+σ22)

 Ejercicio
Dos supermercados compiten por tomar el liderazgo del mercado. Un estudio reciente de una compañía de investigación
de mercados, estimó que las ventas diarias (en miles de dólares) de los dos supermercados se distribuyen normalmente
con medias de 15 y 17 y desviaciones estándar de 3 y 4 respectivamente.
a. Calcular la probabilidad de que el segundo supermercado obtenga mayores ventas que el primer supermercado en el
primer día.
X: Ventas diarias del primer supermercado Y: Ventas diarias del segundo supermercado
X~N(15, 9); Y~N(17, 16)
Se pide: P(Y > X) o su equivalente: P(Y – X > 0)
Sea W = Y – X, por la propiedad reproductiva de la distribución normal, se tiene:
W ~ N(17 - 1 , 1 + 9), es decir: W~N(2, 25)
P(Y – X > 0) = P(W > 0)
P (W=0) = P (W-μ/σ > 0-2/5) = P (Z> -0.4)
P(W > 0) = 0.6554
Otras Distribuciones de Variables Continuas
Otras Distribuciones de Variables Continuas
. Distribución T – Student
. Distribución Ji – Cuadrado
. Distribución F (conocida también como F de Fisher o F de Snedecor o F de Fisher-Snedecor)
 Comparativo
Rubro T-Student Ji-Cuadrado F
Creadores Gosset - Fisher Pearson Fisher - Snedecor

Nomenclatura T X2 F

Población Distribución Normal

Muestra n<30

Probar hipótesis que comparan la Media Probar hipótesis que comparan la Probar hipótesis que comparan la
Uso de la Población con la Media de la Varianza de la Población con la Varianza Varianza de 2 muestras de Poblaciones
Muestra de la Muestra distintas

Tamaño de la muestra (numerador) -1 y

Grados de Libertad Tamaño de la muestra -1 Tamaño de la muestra -1
Tamaño de la muestra (denominador) -1

Media 0 1V D / (D-2)

Varianza V / V-2 2V 2D2 (N+D+2) / N (D-2)2 (D-4)

 Conceptos
Los grados de libertad: Están dados por el número de valores que pueden ser asignados de
forma arbitraria, antes de que el resto de las variables tomen un valor automáticamente,
producto de establecerse las que son libres, esto, con el fin de compensar e igualar un resultado
el cual se ha conocido previamente.

Grados de Libertad= n-1 n: número de elementos de la muestra que puede tomar un valor

Nivel de Significación: Es la probabilidad que permite determinar si el resultado de un estudio

se puede considerar estadísticamente significativo después de realizar las pruebas estadísticas.
El más usado es 0.05.
 Distribución T-Student
Es una distribución de variable continua que
tiene una forma similar al modelo Normal.

El estadístico William Sealy Gosset publicó este

estudio sobre prueba y error en la producción
de cebada, bajo el seudónimo de t-student.
Esto debido a que la Empresa que trabajaba no
dejaba publicar las investigaciones de su
personal. Posteriormente fue ampliado por
Fisher.
Características
1. Cada curva t tiene forma de campana con centro en
“0”.
2. Este modelo utiliza (n-1) grados de libertad, por lo
que pertenece a varias familias, una familia por
cada grado de libertad.
3. A medida que aumentan los grados de libertad, la
dispersión de la curva t correspondiente disminuye
y se aproxima a una distribución normal.
4. Moda=Media=Mediana, todas en el centro.
Características
5. Cada curva t, es más dispersa que la curva
normal estándar z.
6. Es aplicable a muestras pequeñas (n<30), en
caso contrario se vuelve Normal.
Distribución T-Student

_ __
t= X - µ / (s/ √ n )

_
X: Media de la población
µ: Media de la muestra
S: Desviación estándar de la muestra
N: Tamaño de la muestra

Uso: Probar hipótesis que comparan la Media

de la Población con la Media de la Muestra
 Ejercicio
Un ingeniero químico afirma que el rendimiento medio de la población de cierto proceso en lotes es 500
gramos por milímetro de materia prima. Para verificar esta afirmación toma una muestra de 25 lotes cada
mes. Si el valor de t calculado cae entre –t0.05 y t0.05, queda satisfecho con su afirmación. ¿Qué conclusión
extraería de una muestra que tiene una media de 518 gramos por milímetro y una desviación estándar de
40 gramos? Suponga que la distribución de rendimientos es aproximadamente normal.
De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante queda
satisfecho con esta afirmación si una muestra de 25 lotes rinde un valor t entre –1.711 y 1.711.
Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor de t con
24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de 0.02. De aquí que
es probable que el fabricante concluya que el proceso produce un mejor producto del que piensa
Modelo Ji - Cuadrado

Distribución de variable continua utilizado por Karl

Pearson, publicado en su libro “Contribuciones
matemáticas a la teoría de la evolución”.
Modelo Ji - Cuadrado

Características

1. Cada curva tiene forma asimétrica y sesgada.

2. Se utiliza grados de libertad n-1. Una familia para cada
grado.
3. Su curvatura depende de su grado de libertad.
4. Se usa en pequeñas muestra (n<30).
Modelo Ji - Cuadrado

n: Tamaño de la muestra
S2: Varianza de la muestra
σ2: Varianza de la población

Uso: Probar hipótesis que comparan la Varianza de la

Población con la Varianza de la Muestra
 Ejercicio
Suponga que los tiempos requeridos por un cierto autobús para alcanzar uno de sus destinos en una
ciudad grande forman una distribución normal con una desviación estándar =1 minuto. Si se elige al azar
una muestra de 17 tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que 2.
Solución: Primero se encontrará el valor de ji-cuadrada
correspondiente a s2=2 como sigue:

El valor de 32 se busca adentro de la tabla en el renglón de 16 grados de libertad y se encuentra que a

este valor le corresponde un área a la derecha de 0.01. En consecuencia, el valor de la probabilidad es
P(s2>2)
Modelo F

Distribución de variable continua conocida como

Distribución de Fisher o Snedecor o Fisher-Snedecor.
Su nombre es en honor a los estadísticos matemáticos
George Waddel Snedocor y Ronald Aylmer Fisher.
Modelo F

Características
1. Cada curva F tiene forma asimétrica y sesgada a la
derecha.
2. Utiliza doble (n-1) grados de libertad, para el numerador
se llamará N y para el denominador se llamará D.
3. Tiene una familia para cada doble grado de libertad, por
ello pertenece a múltiples familias.
4. Su curvatura depende de su grado de libertad
Modelo F

S12,S22 : Varianza de las muestras

σ12,σ22 : Varianza de la población

Uso: Probar hipótesis que comparan la Varianza de 2

muestras de Poblaciones distintas
 Ejercicio
Si s12 y s22 representan las varianzas de las muestras aleatorias independientes de tamaño n1= 25 y n2 = 31,
tomadas de poblaciones normales con varianzas σ21=10 y σ22=15, respectivamente, encuentre P(s12/s22 > 1.26).
Solución: Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados de libertad uno. Cuando se este
en esta posición se busca adentro de la tabla el valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de
este valor se obtiene un área de 0.95, pero esta área correspondería a la probabilidad de que las relaciones de
varianzas muestrales fueran menor a 1.26, por lo que se calcula su complemento que sería 0.05, siendo esta la
probabilidad de que s12/s22 > 1.26.