Estadisticadistr Bino

1
Estadstica en Ciencias Medioambientales Departament dEstadstica i Investigaci Operativa

TEMA 2. Modelizacin de los resultados experimentales.
2.0.- Introduccin
2.1.- Probabilidad.
2.2.- La distribucin binomial.
2.3.- La distribucin normal. Clculo de reas bajo la curva normal.
2.4.- Correccin por continuidad.
2.0. Introduccin
En este tema vamos a introducir algunas de las principales herramientas que utilizaremos a lo largo de todo el
curso en la modelizacin de resultados experimentales.
En primer lugar, vamos a introducir el concepto de probabilidad y las principales reglas del clculo de
probabilidades. La nocin de probabilidad ser de gran inters para la modelizacin de la componente
aleatoria presente en cualquier estudio experimental.
En segundo lugar, vamos a describir una de las principales distribuciones de probabilidad discretas, la
distribucin binomial. Veremos sus principales propiedades y la expresin de clculo de las probabilidades
asociadas a esta distribucin.
A continuacin introduciremos brevemente la distribucin normal, que es la principal distribucin de
probabilidad continua presente en la mayora de aplicaciones prcticas.
Por ltimo, introduciremos el mecanismo de la correccin de continuidad, que permitir calcular probabilidades
de distribuciones discretas mediante una aproximacin con la distribucin normal.
2
Tema 2. Modelizacin de los resultados experimentales.
2.1. Probabilidad
El clculo de probabilidades nos suministra las reglas bsicas para el estudio de los experimentos
aleatorios, constituyendo la base para la Estadstica Inferencial.
Un experimento aleatorio cumple las siguientes propiedades:
1. Se puede repetir indefinidamente, siempre bajo las mismas condiciones.
2. Antes de realizarlo, no sabemos el resultado que vamos a obtener.
3. El resultado que se obtiene pertenece a un conjunto conocido previamente de resultados posibles. A este
conjunto de posibles resultados lo denominaremos espacio muestral, y a los elementos del espacio
muestral los denominaremos sucesos elementales.
Por ejemplo, un experimento aleatorio sera el lanzamiento de un dado, ya que cumple las tres reglas
anteriores. El conjunto de posibles resultados o espacio muestral sera el conjunto de posibles resultados del
lanzamiento, es decir, obtener un 1, un 2, un 3, un 4, un 5 o un 6. Cada uno de los resultados anteriores seran
sucesos elementales del experimento.
Cualquier subconjunto que podamos formar del espacio muestral se denomina suceso aleatorio.
En el ejemplo anterior, algunos posibles sucesos aleatorios seran:
A = {obtener un nmero par} = {2,4,6}
B = {obtener un nmero menor que 5} = {1,2,3,4}
C = {obtener un 6} = {6}
= {obtener un 1, 2, 3, 4, 5 o 6} = suceso seguro
Como los sucesos aleatorios son conjuntos, podemos definir sobre ellos las operaciones de conjuntos usuales:
Unin de sucesos aleatorios: {obtener un par} U {obtener un nmero menor que 3} = {obtener un 1,2,4 o 6}
Interseccin de sucesos aleatorios : {obtener un par} {obtener un nmero menor que 3} = {obtener un 2}
Diferencia de sucesos aleatorios : {obtener un par} \ {obtener un nmero menor que 3} = {obtener un 4 o 6}
3
Para cada suceso aleatorio E se define su probabilidad P(E) como un valor numrico entre 0 y 1
que mide cuanto de creble es el suceso E.
Luego la probabilidad es una medida como la longitud o el peso, pero en lugar de medir distancias
o masas, mide posibilidades.
Por ejemplo, si E es el suceso de que un da de agosto sea lluvioso, entonces P(E) ser un valor
muy bajito. Por al contrario, si E es el suceso de que un da de agosto tenga una temperatura
mxima superior a 30 C, su probabilidad ser prcticamente igual a 1.
Ejemplos:
Al lanzar una moneda bien construida, los dos sucesos elementales posibles (cara o cruz) tienen la misma
probabilidad de salir.
Al lanzar un dado, los seis sucesos elementales posibles correspondientes a las seis caras del dado
(1,2,3,4,5,6) tienen la misma probabilidad de salir.
Al lanzar dos dados, los 36 sucesos elementales posibles correspondientes a les 36 posibles combinaciones
(1+1,1+2,1+3,1+4,1+5,1+6,2+1,....,6+6) tienen la misma probabilidad de salir.
Para calcular probabilidades utilizaremos la Regla de Laplace, que nos permite calcular las probabilidades
asociadas a aquellos experimentos aleatorios en los que todos los sucesos elementales tienen la misma
probabilidad de salir, es decir, se consideran igual de crebles todos los resultados del experimento.
posibles casos
favorables casos
) ( = E P
Se calcula la probabilidad de un suceso aleatorio A como el cociente entre el nmero de casos favorables que
dan como resultado A y el nmero de casos posibles.
4
Ejemplo:
Al lanzar dos dados, la probabilidad de obtener un 7 en la suma de los resultados de los dos dados
sera:
rbol de
posibilidades
Casos favorables: 6
Casos posibles: 36
1667 , 0
36
6

posibles casos
favorables casos
) (
= =
= = E P
Resultado Resultado Resultado Resultado
primer segundo primer segundo
dado dado dado dado
1 1
2 2
3 3
1 4 4 4
5 5
6 6
1 1
2 2
3 3
2 4 5 4
5 5
6 6
1 1
2 2
3 3
3 4 6 4
5 5
6 6
5
Ejemplo:
Al lanzar tres monedas, calcular la probabilidad de obtener dos caras o ms.
rbol de
posibilidades
Casos favorables: 4
Casos posibles: 8
5 , 0
8
4
posibles casos
favorables casos
) ( = = = E P
Resultado Resultado Resultado
primera segunda tercera
moneda moneda moneda
C
C
X
C
C
X
X
C
C
X
X
C
X
X
6
La probabilidad es una funcin que verifica los siguientes tres AXIOMAS:
.... ) ( ) ( ) (
con
...
2 1
2 1
+ + =
)
`
=
=
A P A P A P
A A
A A A
j i

A1) La probabilidad de cualquier suceso aleatorio es un nmero entre 0 y 1.
0 P(E) 1
A3) La probabilidad de la unin numerable de sucesos disjuntos (no pueden ocurrir a la vez) es la suma de sus
probabilidades
A2) La probabilidad del suceso seguro es 1.
P() = 1
Por ejemplo, si lanzamos un dado y consideramos los sucesos disjuntos A= {sale un 6} y B = {sale un 5}, entonces:
P (A U B) = P (sale un 5 o un 6) = 2/6 = P (sale un 5) + P (sale un 6) = P (A) + P (B)
Probabilidad condicionada
Sea B un suceso aleatorio con probabilidad no nula (P(B)>0).
Sea A un suceso aleatorio cualquiera, se define la probabilidad condicionada de A dado B como:
P(B)
B) P(A
) | (

= B A P
Si lanzamos un dado, hemos visto que la probabilidad de A={obtener un 4} es: 1667 , 0
6
1
posibles casos
favorables casos
) ( = = = A P
3
1
3/6
6 / 1
par}) un P({obtener
4}) un P({obtener
par}) un P({obtener
par}) un {obtener 4} un P({obtener
P(B)
B) P(A
) | ( = = =
= B A P
que por supuesto coincide con la probabilidad obtenida aplicando directamente la regla de Laplace
1667 , 0
3
1
posibles casos
favorables casos
) | ( = = = B A P
Sea B = {el resultado ha sido un nmero par}, entonces la probabilidad de obtener un 4 condicionada a que el resultado
ha sido un nmero par sera:
7
) ( ) | ( ) ( ) | ( B) P(A
P(A)
B) P(A
) | (
P(B)
B) P(A
) | (
A P A B P B P B A P
A B P
B A P
= =
=
) ( ) ( ) P( ) ( ) | P( ntes independie son y B P A P B A A P B A B A = =
Independencia
De la definicin de probabilidad condicionada, se puede calcular la probabilidad de la
interseccin de dos sucesos aleatorios con probabilidad no nula como
Luego la probabilidad de la interseccin de dos sucesos es la probabilidad de uno cualquiera de ellos
multiplicada por la probabilidad condicionada del segundo sabiendo que ha ocurrido el primero.
Si entre dos sucesos A y B no existe ninguna relacin, cabe esperar que la probabilidad de uno de ellos
sabiendo que se ha dado el otro sea igual a la probabilidad inicial, es decir, que el saber que ha ocurrido en uno
de ellos no aporte ninguna informacin respecto al otro. Diremos en ese caso que los sucesos A y B son
sucesos independientes.
Reglas bsicas del clculo de probabilidades:
Sean A y B dos sucesos aleatorios no necesariamente disjuntos.
P1) Probabilidad de la unin de sucesos: B) P(A B P A P B) P(A + = ) ( ) (
P2) Probabilidad del suceso contrario:
( ) ) ( 1 A P A P =
P3) Probabilidad de la interseccin de sucesos: ) ( ) | ( ) ( ) | ( A P A B P B P B A P B) P(A = =
65 . 0 05 . 0 20 . 0 50 . 0 ) ( ) ( = + = + = B) P(A B P A P B) P(A
Supongamos que en una universidad el 50% de los alumnos habla ingls, el 20% francs y el 5% habla los dos idiomas.
Cual es la probabilidad de encontrar un alumnos que hable alguna de las dos lenguas extranjeras?
Consideremos: A = {habla ingls} con P(A)=0.50 ; B = {habla francs} con P(B)=0.20. Tenemos que el suceso
A B = {habla ingls y francs} = P(A B)=0.05. Luego la probabilidad de A U B = {habla ingls o francs} sera:
8
2.2. La distribuci binomial.
La distribucin binomial es uno de los primeros ejemplos de distribuciones discretas, y fue
estudiada por Jakob Bernoulli (1654-1705), autor del primer tratado importante sobre
probabilidades (Ars conjectandi) (El arte de pronosticar).
La distribucin binomial es la distribucin que describe las probabilidades del nmero de
xitos en la repeticin de n ensayos independientes Bernoulli, es decir,
Ejemplo 1.
Estamos interesados en la probabilidad de obtener 3 cruces al lanzar 5 veces una moneda. Si para cada lanzamiento
consideramos como xito obtener una cruz y como fracaso obtener una cara, el nmero de cruces obtenidas se puede
considerar una variable aleatoria con una distribucin binomial, ya que:
- Realizamos 5 veces un experimento con nicamente dos posibles resultados, xito o fracaso.
- En cada lanzamiento, la obtencin de cruz o cara es independiente del nmero de caras o cruces obtenidas en los
lanzamientos anteriores.
- En todos los lanzamientos, la probabilidad de obtener cruz o cara es siempre la misma (1/2).
Ejemplo 2.
Estamos interesados en la probabilidad de obtener 2 seises al lanzar 6 dados. Si para cada dado consideramos como
xito obtener un seis y como fracaso no obtener un seis, el nmero de seises obtenidos se puede considerar una
variable aleatoria con una distribucin binomial, ya que:
- Realizamos 6 lanzamientos y cada uno tiene nicamente dos posibles resultados, xito (un 6) o fracaso (otro nmero).
- Para cada lanzamiento, la obtencin o no de un seis es independiente de los resultados obtenidos en los otros dados.
- En todos los lanzamientos, la probabilidad de obtener xito o fracaso es siempre la misma (1/6 y 5/6, respectivamente).
- Realizamos n veces un experimento en el que consideramos nicamente la posibilidad de xito o fracaso.
- En cada uno de los experimentos, la obtencin de xito o fracaso es independiente de los xitos o fracasos
obtenidos en los experimentos anteriores.
- En todos los experimentos, la probabilidad de obtener xito o fracaso es siempre la misma.
9
Clculo de probabilidades asociadas a la distribucin binomial
Vamos a calcular las probabilidades asociadas a esta distribucin mediante un ejemplo.
Supongamos que estamos interesados en estudiar el nmero de seises que hemos sacado con el
lanzamiento de n dados. La probabilidad de xito asociada a cada uno de estos lanzamientos es
= 1/6 (y por tanto la probabilidad de fracaso sera 1- = 5/6).
Sea Y la variable aleatoria que representa el nmero de seises obtenidos con el lanzamiento de n dados,
veamos los posibles valores de esta variable y las probabilidades asociadas segn el valor de n:
Con n =1 dado, el nmero posible de seises y las probabilidades asociadas seran:
=
=
o) lanzamient el en 6 (un 1
o) lanzamient el en 6 (ningn 0
Y
Y
6 / 5 1 ) 0 ( , 6 / 1 ) 1 ( = = = = = = Y P Y P
Con n =2 dados, el nmero posible de seises y las probabilidades asociadas seran:
dados) dos los en 6 (dos 2
otro) el en nmero otro y dado un en 6 (un 1
dados) dos los en 6 (ningn 0
=
=
=
Y
Y
Y
36 / 1 dado) segundo 6 ( ) dado primer 6 ( dado) segundo 6 dado primer 6 ( ) 2 (
2
= = = = = = P P P Y P
Pruebas independientes
36 / 25 ) 1 ( ) 1 )( 1 (
dado) segundo 6 no ( ) dado primer 6 no ( dado) segundo 6 no dado primer 6 no ( ) 0 (
2
= = =
= = = =

P P P Y P
36 / 10 ) 1 ( 2 ) 1 ( ) 1 (
dado) segundo 6 ( ) dado primer 6 no ( dado) segundo 6 no ( ) dado primer 6 (
dado) segundo 6 dado primer 6 P(no dado) segundo 6 no dado primer 6 (
dado}) segundo 6 dado primer 6 no { dado} segundo 6 no dado primer 6 ({ ) 1 (
= = + =
= + =
= + =
= = =

P P P P
P
P Y P
La intersecci
s nulla
10
Con n =3 dados, el nmero posible de seises y sus probabilidades asociadas seran:
dados) tres los en 6 (tres 3
dado) otro el en nmero otro y dados dos en 6 (dos 2
dos) otros los en nmero otro y dado un en 6 (un 1
dados) tres los en 6 (ningn 0
=
=
=
=
Y
Y
Y
Y
216 / 1 dado) tercer 6 ( dado) segundo 6 ( ) dado primer 6 (
dado) tercer 6 dado segundo 6 dado primer 6 ( ) 3 (
3
= = = =
= = =
P P P
P Y P
Pruebas
independientes
216 / 125 ) 1 ( ) 1 )( 1 )( 1 ( dado) tercer 6 no ( dado) segundo 6 no ( ) dado primer 6 no (
dado) tercer 6 no dado segundo 6 no dado primer 6 no ( ) 0 (
3
= = = =
= = =
P P P
P Y P
2
) 1 ( 3 ) 1 )( 1 ( ) 1 ( ) 1 ( ) 1 )( 1 ( dado) tercer 6 dado segundo 6 no dado primer 6 no (
dado) tercer 6 no dado segundo 6 dado primer 6 no ( dado) tercer 6 no dado segundo 6 no dado primer 6 (
dado}) tercer 6 dado segundo 6 no dado primer 6 no { dado} tercer 6 no dado segundo 6 dado primer 6 no {
dado} tercer 6 no dado segundo 6 no dado primer 6 ({ ) 1 (
= + + = +
+ + =
=
= =
P
P P
P Y P
) 1 ( 3 ) 1 ( ) 1 ( ) 1 (
dado) tercer 6 dado segundo 6 dado primer 6 no ( dado) tercer 6 dado segundo 6 no dado primer 6 (
dado) tercer 6 no dado segundo 6 dado primer 6 ( dado}) tercer 6 dado segundo 6 dado primer 6 no {
dado} tercer 6 dado segundo 6 no dado primer 6 { dado} tercer 6 no dado segundo 6 dado primer 6 ({ ) 2 (
2
= + + =
= + +
+ =
= =
P P
P
P Y P
La interseccin es nula, ya que son
sucesos incompatibles
11
En general, si Y es una variable aleatoria que tiene una distribucin binomial con n realizaciones
y con una probabilidad de xito en cada una de ellas
) , ( ~ n Bin Y
entonces la probabilidad de observar r xitos en n realizaciones viene dada por
r n r
r
n
r Y P

|
|
\
|
= = ) 1 ( ) (
representa el nmero de posibles combinaciones de n elementos agrupados
en grupos de r elementos, con
n! = n(n-1)(n-2) ... 21
)! ( !
!
r n r
n
r
n
=
|
|
\
|
Observar que las probabilidades de xito () y de fracaso (1-) son complementarias, por lo que es suficiente
conocer una para obtener la otra.
Ejemplo 1.
Estamos interesados en la probabilidad de obtener 3 cruces al lanzar 5 veces una moneda. Consideremos Y el
nmero de cruces obtenidas al lanzar n=5 veces una moneda, donde = probabilidad de xito = probabilidad de
cara = . Tenemos que
) 50 , 0 , 5 ( ~ = = n Bin Y
Luego:
0,3125 ) 50 , 0 (
2
20
) 50 , 0 (
! 2 ! 3
! 3 4 5
) 50 , 0 ( ) 50 , 0 (
)! 3 5 ( ! 3
! 5
) 50 , 0 1 ( ) 50 , 0 (
3
5
) 3 (
5 5 2 3 3 5 3
= =
=
|
|
\
|
= =

Y P
Por tanto, la probabilidad de obtener 3 cruces al lanzar 5 veces una moneda es del 31.25%.
12
Ejemplo 2.
Estamos interesados en la probabilidad de obtener 2 seises al lanzar 6 dados. Consideremos Y el
nmero de seises obtenidos con el lanzamiento de n=6 dados, donde = probabilidad de xito =
probabilidad de obtener un 6 = 1/6. Tenemos que
) 6 / 1 , 6 ( ~ = = n Bin Y
Luego
0,2009
46656
625
15
6
5
2
30
6
5
6
1
! 4 ! 2
! 4 5 6
) 6 / 5 ( ) 6 / 1 (
)! 2 6 ( ! 2
! 6
) 6 / 5 ( ) 6 / 1 (
2
6
) 2 (
6
4
4
4
2
2
4 2 2 6 2
= = =
=
|
|
\
|
= =

Y P
Por tanto, la probabilidad de obtener 2 seises al lanzar 6 dados es del 20.09%.
Ejemplo 3.
Supongamos que la probabilidad de que una pareja tenga un hijo o una hija es igual. Calcular la probabilidad de
que una familia con 6 descendientes tenga 2 hijos.
En este problema vamos a considerar como xito que el sexo del descendiente sea hombre y como fracaso que
sea mujer, ya que nos preguntan por la probabilidad de que dos sean hombres. La probabilidad de xito sera por
tanto = P (descendiente hombre) = 0.50.
Sea Y el nmero de hijos varones que tendr la pareja con n = 6 descendientes, tenemos
) 50 , 0 , 6 ( ~ = = n Bin Y
0,2344 ) 50 , 0 ( ) 50 , 0 (
2
6
) 2 (
4 2
=
|
|
\
|
= = Y P
Luego
La eleccin de xito o fracaso es subjetiva y queda a eleccin de la persona que resuelve el problema, aunque
hay que tener cuidado de plantear correctamente el problema.
En el problema anterior, si consideramos como xito tener una hija, entonces = P (hija) = 0.50, y por tanto Y
sera el nmero de hijas con n = 6 descendientes, y por tanto la probabilidad que nos piden sera
P (tener 2 hijos) = P (tener 4 hijas) = P (Y=4)
13
Tambin nos pueden pedir el clculo de probabilidades acumuladas.
Por ejemplo, en el problema anterior nos pueden pedir la probabilidad de tener 4 o menos hijos
varones, es decir,
2 4 3 3 4 2 5 1 6 0
) 50 , 0 ( ) 50 , 0 (
4
6
) 50 , 0 ( ) 50 , 0 (
3
6
) 50 , 0 ( ) 50 , 0 (
2
6
) 50 , 0 ( ) 50 , 0 (
1
6
) 50 , 0 ( ) 50 , 0 (
0
6

) 4 ( ) 3 ( ) 2 ( ) 1 ( ) 0 ( ) 4 (
|
|
\
|
+
|
|
\
|
+
|
|
\
|
+
|
|
\
|
+
|
|
\
|
=
= = + = + = + = + = = Y P Y P Y P Y P Y P Y P
O ms sencillo:
0 6 1 5
) 50 , 0 ( ) 50 , 0 (
6
6
) 50 , 0 ( ) 50 , 0 (
5
6
1 )) 6 ( ) 5 ( ( 1 ) 4 ( 1 ) 4 (
|
|
\
|
|
|
\
|
= = + = = > = Y P Y P Y P Y P
n =
2
(1 ) n =
Parmetros poblacionales de la distribucin binomial
Si tenemos una variable aleatoria
Su variancia viene dada por
) , ( ~ n Bin Y
Su media o nmero esperado de xitos al realizar n realizaciones viene dado por
A continuacin podemos ver las probabilidades asociadas a la distribucin binomial para n=5 con diferentes
valores de . La distribucin es simtrica para = 0.50, asimtrica por la izquierda para >0,50 y asimtrica por
la derecha para <0,50.
Distribuci binomial
n=5 i p=0,90
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0 1 2 3 4 5
y
Distribuci binomial
n=5 i p=0,25
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0 1 2 3 4 5
y
Distribuci binomial
n=5 i p=0,50
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0 1 2 3 4 5
y
Distribuci binomial
n=5 i p=0,75
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0 1 2 3 4 5
y
14
Dada una distribucin binomial Y ~ Bin (n , ), en el FORMULARIO se adjuntan tablas de probabilidades
acumuladas ( P (Y k) ) para algunos valores de n y :
Si tenemos
probabilidades
de xito
mayores de
0.50, podemos
utilizar estas
tablas
cambiando la
asignacin de
xito y fracaso
en el
problema.
Ejemplo 1.
Probabilidad de obtener 3 cruces al lanzar 5 veces una moneda. ) 50 , 0 , 5 ( ~ = = n Bin Y
0.3125 0.5000 - 0.8125 ) 2 ( ) 3 ( ) 3 ( = = = = Y P Y P Y P
15
Ejercicio 6.
El color de la concha del caracol de tierra Limocolaria mantersiana puede ser de dos
modalidades: rayada o plida. En una cierta poblacin de estos caracoles, el 60% de los
individuos tienen la concha rayada. Se seleccionan 10 caracoles al azar de esta poblacin.
Calcular la probabilidad de que la proporcin de caracoles con concha rayada presentes en la
muestra: a) sea del 50%; b) est entre el 50% y el 60%, ambos inclusive; c) no sea inferior al
70%; d) sea del 60%.
Sea Y el nmero de caracoles con concha rayada de los 10 caracoles elegidos al azar, entonces esta variable
aleatoria sigue una distribucin binomial con n = 10 realizaciones y una probabilidad de xito = = 0,60.
) 60 , 0 , 10 ( ~ = = n Bin Y
Por tanto las probabilidades demandadas seran:
2007 , 0 0,0102 0,0778 252 ) 40 , 0 ( ) 60 , 0 (
1 2 3 4 5
6 7 8 9 10

) 40 , 0 ( ) 60 , 0 (
)! 5 10 ( ! 5
! 10
) 40 , 0 ( ) 60 , 0 (
5
10
) 5 ( ) rayados % 50 (
5 5
5 5 5 10 5
= =

=
=
=
|
|
\
|
= = =

Y P P
0,3823 0,0060 0,0403 0,1209 0,2150
) 40 , 0 ( ) 60 , 0 (
10
10
) 40 , 0 ( ) 60 , 0 (
9
10
) 40 , 0 ( ) 60 , 0 (
8
10
) 40 , 0 ( ) 60 , 0 (
7
10
) 10 ( ) 9 ( ) 8 ( ) 7 ( ) 7 ( ) rayados % 0 7 al inferior no (
0 10 1 9 2 8 3 7
= + + + =
=
|
|
\
|
+
|
|
\
|
+
|
|
\
|
+
|
|
\
|
=
= = + = + = + = = = Y P Y P Y P Y P Y P P
4515 , 0 2508 , 0 2007 , 0 ) 6 ( ) 5 ( ) 6 5 ( ) rayados de % 60 y % 50 entre ( = + = = + = = = Y P Y P Y P P
0,2508 0,0256 0,0467 210 ) 40 , 0 ( ) 60 , 0 (
6
10
) 6 ( ) rayados % 60 (
6 10 6
= =
|
|
\
|
= = =

Y P P
16
Ejercicio 7.
Una compaa de petrleo dispone de 10 tanques distribuidos a lo largo de una extensa rea
del golfo de Mjico. Los directivos creen que, en condiciones normales, cada tanque tiene slo
un 1 por 100 de posibilidades de tener una prdida de petrleo en todo el ao. Sea Y el nmero
de tanques que han experimentado prdidas durante un ao.
a) Obtener la distribucin de Y.
b) Obtener la probabilidad de que como mximo dos tanques experimenten prdidas.
c) Si los tanques estn muy prximos y se produce alguna eventualidad (huracn, terremoto,
etc.) sera correcto suponer que la distribucin de Y es binomial? Razonar la respuesta.
Siga Y el nmero de tanques que han experimentado prdidas durante un ao, esta variable aleatoria sigue
una distribucin binomial con n = 10 realizaciones y una probabilidad de prdida = = 0,01.
) 01 , 0 , 10 ( ~ = = n Bin Y
Por tanto, la probabilidad de que como mximo dos tanques experimenten prdidas sera:
0,9999 0,0042 0,0914 0,9044 ) 99 , 0 ( ) 01 , 0 ( 45 ) 99 , 0 ( ) 01 , 0 ( 10 ) 99 , 0 (
) 99 , 0 ( ) 01 , 0 (
2
10
) 99 , 0 ( ) 01 , 0 (
1
10
) 99 , 0 ( ) 01 , 0 (
0
10
) 2 ( ) 1 ( ) 0 ( ) 2 (
8 2 9 10
2 10 2 1 10 1 0 10 0
= + + = + + =
=
|
|
\
|
+
|
|
\
|
+
|
|
\
|
=
= = + = + = =

Y P Y P Y P Y P
Si los tanques estn muy prximos puede ocurrir que no sea correcto asumir que la distribucin de Y es
binomial, pues puede que una posible eventualidad sobre un tanque influya sobre los tanques de las
proximidades y con ello las observaciones de prdida en estos tanques no sean independientes, y esta
es una de la hiptesis que asumimos bajo la distribucin binomial.
17
Ejercicio 8.
Un ingeniero de montes est interesado en estudiar la difusin del tizn en los pinos de las
Great Smoky Mountains. Despus de supervisar cinco reas clave, el ingeniero anota 0 si no
encuentra tizn y 1 si la enfermedad se ha presentado. Si se introducen los datos en una
computadora con una probabilidad de 0.001 de invertir un dgito al transmitirlo (leyendo un 0
como 1 viceversa),
a) Obtener la distribucin de la variable aleatoria Y que describe el nmero de errores en la
transmisin.
b) Obtener la probabilidad de que no se produzca ningn error en la transmisin.
c) Obtener la probabilidad de que se produzcan menos de dos errores en la transmisin.
Sea Y la variable aleatoria que describe el nmero de errores en la transmisin de los cinco datos recogidos,
sabemos que esta variable sigue una distribucin binomial con n=5 y = probabilidad de error = 0,001.
) 001 , 0 , 5 ( ~ = = n Bin Y
Por tanto, la probabilidad que no haya ningn error en la transmisin sera:
99501 , 0 999 , 0 ) 001 , 0 1 ( ) 001 , 0 (
0
5
) 0 (
5 0 5 0
= =
|
|
\
|
= =

Y P
Mientras que la probabilidad de que se produzcan menos de dos errores en la transmisin sera:
99999 , 0 00498 , 0 99501 , 0 999 , 0 001 , 0 5 999 , 0
) 001 , 0 1 ( ) 001 , 0 (
1
5
) 001 , 0 1 ( ) 001 , 0 (
0
5
) 1 ( ) 0 ( ) 2 (
4 5
1 5 1 0 5 0
= + = + =
|
|
\
|
+
|
|
\
|
= = + = = <

Y P Y P Y P
18
Ejercicio 9.
Los genetistas han identificado dos cromosomas sexuales X e Y en los seres humanos. Todo
individuo tiene un cromosoma X, y la presencia de un cromosoma Y, distingue al individuo como
varn, por lo que los dos sexos se caracterizan como XX (hembra) y XY (macho). El daltonismo
es causado por un alelo recesivo en el cromosoma X que denotamos por x. El cromosoma Y no
tiene conexin con la ceguera al color. De modo que, en funcin de tal deficiencia, se
consideran tres genotipos para las mujeres y dos para los varones.
Mujeres Varones
XX (normal) XY (normal)
Xx (portadora) xY (daltnico)
xx (daltnica)
Si cada hijo hereda un cromosoma sexual de cada progenitor seleccionado de forma aleatoria,
a) Calcular la probabilidad de que un hijo de portadora de ceguera al color y un varn normal sea un varn
daltnico.
x Y
Hombre daltnico
X x
Mujer portadora
X Y
Hombre normal
X X
Mujer normal
X Y
Hombre normal
X x
Mujer portadora
25 , 0
4
1
possibles casos
favorables casos
) ( = = = E P
Consideremos el suceso E de que un hijo de una mujer portadora de ceguera al color y un hombre normal
sea un hombre daltnico. Segn el enunciado:
Por tanto:
19
b) Si esta pareja tiene tres hijos cul es la probabilidad de que los tres sean varones daltnicos?
Si la pareja tiene tres hijos, consideremos Y el nmero de hijos de la pareja que son hombres
daltnicos. La variable aleatoria Y se distribuye como una binomial con n = 3 y = probabilidad
de hijo hombre daltnico = 0,25.
c) Si esta pareja tiene cinco hijos, cul es la probabilidad de que a lo sumo dos sean varones daltnicos?
Cul es la probabilidad de que tres o ms sean mujeres?
) 25 , 0 , 3 ( ~ = = n Bin Y
Por tanto:
0,0156 25 , 0 ) 25 , 0 1 ( ) 25 , 0 (
3
3
) 3 (
3 3 3 3
= =
|
|
\
|
= =

Y P
Si la pareja tiene cinco hijos, consideremos Y el nmero de hijos de la pareja que son hombre daltnicos.
La variable aleatoria Y se distribuye como una binomial con n = 5 y = probabilidad de hijo hombre
daltnico = 0,25.
) 25 , 0 , 5 ( ~ = = n Bin Y
0,8965 0,2637 0,3955 0,2373
) 75 , 0 ( ) 25 , 0 (
2
5
) 75 , 0 ( ) 25 , 0 (
1
5
) 75 , 0 ( ) 25 , 0 (
0
5
) 2 ( ) 1 ( ) 0 ( ) 2 (
53 2 4 1 5 0
= + + =
=
|
|
\
|
+
|
|
\
|
+
|
|
\
|
= = + = + = = Y P Y P Y P Y P
Si la pareja tiene cinco hijos, vamos ahora a calcular la probabilidad de que tres o ms sean mujeres.
Consideremos X el nmero de hijos de la pareja que son mujeres, la variable aleatoria X se distribuye como
una binomial con n = 5 y = probabilidad de hijo mujer = 2 / 4 = 0,50.
) 50 , 0 , 5 ( ~ = = n Bin X
Por tanto:
0,5 0,0313 0,1563 0,3125
) 5 , 0 ( ) 5 , 0 (
5
5
) 5 , 0 ( ) 5 , 0 (
4
5
) 5 , 0 ( ) 5 , 0 (
3
5
) 5 ( ) 4 ( ) 3 ( ) 3 (
0 5 1 4 2 3
= + + =
=
|
|
\
|
+
|
|
\
|
+
|
|
\
|
= = + = + = = Y P Y P Y P X P
20
Ejercicio 10.
Se va a construir una planta nuclear en una determinada regin geogrfica y se desea conocer
la opinin de los habitantes de la localidad ms cercana al lugar en el que se ubicar dicha
planta. Los datos oficiales aseguran que el 60 por 100 de los habitantes del lugar est a favor
del proyecto. Si se selecciona una muestra aleatoria de 20 individuos de dicha poblacin y se le
pregunta a cada individuo su opinin sobre esta cuestin cul es la probabilidad de que ms
de la mitad de los encuestados manifiesten una opinin favorable a la construccin de la planta
nuclear?
Sea Y el nmero de individuos de la muestra aleatoria de n=20 que manifiestan una opinin favorable a la
construccin de la planta nuclear. Bajo la hiptesis de que el 60% de la poblacin est a favor del proyecto, la
variable aleatoria Y se distribuye como una binomial con n = 20 y = probabilidad de estar a favor = 0,60.
Si como resultado de la encuesta slo siete personas se declaran favorables al citado proyecto, dudaras de la
cifra oficial del 60 por 100 dada anteriormente? Explicar la respuesta.
) 60 , 0 , 20 ( ~ = = n Bin Y
Por tanto, la probabilidad de que ms de la mitad de los encuestados manifiesten una opinin favorable a
la construccin de la planta nuclear sera:
7553 , 0 0000 , 0 ... 1797 , 0 1597 , 0 ) 10 ( = + + + = > Y P
y P(Y=y) y P(Y=y) y P(Y=y)
0 0,0000 7 0,0146 14 0,1244
1 0,0000 8 0,0355 15 0,0746
2 0,0000 9 0,0710 16 0,0350
3 0,0000 10 0,1171 17 0,0123
4 0,0003 11 0,1597 18 0,0031
5 0,0013 12 0,1797 19 0,0005
6 0,0049 13 0,1659 20 0,0000
0210 , 0 0146 , 0 ... 0000 , 0 0000 , 0 ) 7 ( = + + + = Y P
Como podemos ver, un resultado as tiene una
probabilidad del 2%, por lo que es poco probable y por
tanto podramos dudar de la validez del porcentaje
oficial.
21
Ejercicio 11.
Para estudiar la regulacin hormonal de una ruta metablica se inyecta a ratas albinas un
frmaco que inhibe la sntesis de protenas del organismo. Se sabe que en general, 4 de
cada 20 ratas mueren a causa del frmaco antes de que el experimento haya concluido. Si
se trata a 10 ratas con este frmaco cul es la probabilidad de que al menos 8 estn vivas
al finalizar el experimento?
Sea Y el nmero de ratas de las 10 consideradas que continan vivas al finalizar el experimento. Esta variable
aleatoria seguir una distribucin binomial con n = 10 y con una probabilidad de muerte de cada una de las
ratas de 4/20=0,20, y por tanto una probabilidad de continuar vivas de = 0,80.
) 80 , 0 , 10 ( ~ = = n Bin Y
La probabilidad de que al menos 8 ratas continen vivas al finalizar el experimento sera:
6778 , 0 1074 , 0 2684 , 0 3020 , 0 ) 8 ( = + + = Y P
3020 , 0 ) 20 , 0 ( ) 80 , 0 (
8
10
) 8 (
2 8
=
|
|
\
|
= = Y P
2684 , 0 ) 20 , 0 ( ) 80 , 0 (
9
10
) 9 (
1 9
=
|
|
\
|
= = Y P
1074 , 0 ) 20 , 0 ( ) 80 , 0 (
10
10
) 10 (
0 10
=
|
|
\
|
= = Y P
22
Ejercicio 12.
Un cierto frmaco produce serios efectos secundarios en forma de dao renal al 1% de
pacientes a los que se les administra.
a) Si se administra este frmaco a 50 pacientes cul es la probabilidad de que al menos un
paciente sufra dao renal?
) 01 , 0 , 50 ( ~ = = n Bin Y
= = + = + + = + = + = = ) 50 ( ) 49 ( ... ) 3 ( ) 2 ( ) 1 ( ) 1 ( Y P Y P Y P Y P Y P Y P
0,3950 0,6050 1 99 , 0 1
) 99 , 0 ( ) 01 , 0 (
0
50
1 ) 0 ( 1 ) 1 ( 1 ) 1 (
50
0 50 0
= = =
=
|
|
\
|
= = = < =

Y P Y P Y P
Tenemos n = 50 pacientes y una probabilidad de dao renal despus de la administracin del
frmaco para cada uno de ellos de =1%=0,01. Por tanto el nmero de pacientes de los 50
considerados con dao renal ser una variable aleatoria con distribucin
Por tanto, la probabilidad que al menos un paciente padezca dao renal despus de la administracin del
frmaco sera:
Sabemos por las propiedades de la probabilidad que:
23
b) Se estudian los efectos de este frmaco en n pacientes. Denotemos por E al suceso de que al
menos un paciente entre esos n sufra dao renal tras la administracin del frmaco. En
experimentaciones sobre la viabilidad de los frmacos, la cantidad P(E) se utiliza para establecer
criterios acerca de la seguridad de los frmacos bajo experimentacin.
i) Calcular P(E) para n = 100
ii) cunto tiene que valer n para que P(E) sea mayor que 0.95?
) 01 , 0 , 100 ( ~ = = n Bin Y
0,6340 0,3660 1 99 , 0 1 ) 99 , 0 ( ) 01 , 0 (
0
100
1 ) 0 ( 1 ) 1 ( ) (
100 0 100 0
= = =
|
|
\
|
= = = =

Y P Y P E P
0,95 99 , 0 1 ) 99 , 0 ( ) 01 , 0 (
0
1 ) 0 ( 1 ) 1 ( ) (
0 0
> =
|
|
\
|
= = = =
n n
n
Y P Y P E P
07 , 298
) 99 , 0 ln(
) 05 , 0 ln(
) 99 , 0 ln( 0,05) ln(
) 99 , 0 ln( 0,05) ln(
99 , 0 0,05
99 , 0 0,95 1
= > >
>
>
>
n n
n
n
n
Para n = 100 pacientes, el nmero de pacientes con dao renal despus de la administracin del frmaco ser
una variable aleatoria con distribucin:
Por tanto:
En general, para n pacientes el nmero de pacientes con dao renal despus de la administracin del frmaco
ser una variable aleatoria con distribucin:
) 01 , 0 , ( ~ = n Bin Y
Por tanto:
Luego n ha de ser al menos 299.
24
Ejercicio 13.
Una de las caractersticas fundamentales de la herencia de caracteres cuantitativos (peso,
altura, etc.) es que un nmero elevado de genes contribuyen a la expresin del carcter.
Cada uno de estos genes contribuye con un pequeo efecto a la expresin de dicho
carcter. Imagina que el peso de las ovejas adultas est contribuido por 10 pares de genes.
En cada par gnico, la presencia de al menos un gen "+" es suficiente para determinar un
incremento de 1 Kg. de peso. Si los dos genes de un par gnico son "-", no se produce
ningn incremento en el peso. Por otro lado, el peso mnimo para un individuo con todos los
genes "- es de 10 kg. En un cierto rebao, todos los individuos del mismo tienen los 10
pares gnicos formados por un gen "+" y un gen "-". Los pares gnicos de los descendientes
se forman eligiendo al azar un gen del correspondiente par gnico de cada uno de los
progenitores. Si se elige una oveja al azar de la descendencia del rebao mencionado,
cul es la probabilidad de que pese ms de 17 kg.? Si se eligen al azar 8 descendientes,
cul es la probabilidad de que al menos la mitad pese como poco 15 kg.?
Por tanto, el peso de la oveja estar determinado por el nmero de pares gnicos de los 10 posibles con al
menos un gen +. Sea Y el nmero de pares gnicos con al menos un gen +, tendremos
) , 10 ( ~ = n Bin Y
donde es la probabilidad de que un par gnico tenga al menos un gen +.
Segn el enunciado, una oveja con los siguientes 10 pares gnicos
- - - - - - - - - - Tiene un peso de 10 kg.
- - - - - - - - - -
En cambio, para cada par de genes con al menos un +, el peso se incrementa en 1 kg. Por ejemplo:
- + - - - + + - + - Tiene un peso de 10+1+1+1+1+1+1=16 kg.
- + - + - - - - + +
25
El enunciado dice tambin que en el ganado considerado, todos los individuos tienen los 10 pares
gnicos formados por un gen + y un gen , y que los pares gnicos de los descendientes se
forman seleccionando al azar un gen del correspondiente par gnico de cada uno de los progenitores.
Por tanto, para cada uno de los pares gnicos, el padre tendr + - y la madre tendr + -, y el hijo
tendr + +, + -, - + o - -, todas con la misma probabilidad.
Entonces, = P (tener al menos un +) = casos posibles / casos favorables = 3 / 4 = 0,75
) 75 , 0 , 10 ( ~ = = n Bin Y
0,5256 0,0563 0,1877 0,2816 ) 25 , 0 ( ) 75 , 0 (
10
10
) 25 , 0 ( ) 75 , 0 (
9
10
) 25 , 0 ( ) 75 , 0 (
8
10
) 10 ( ) 9 ( ) 8 ( ) 7 ( ) 17 peso (
0 10 1 9 2 8
= + + =
|
|
\
|
+
|
|
\
|
+
|
|
\
|
=
= = + = + = = > = > Y P Y P Y P Y P P
) , 8 ( ~ = m Bin X
donde ahora es la probabilidad de que un descendiente tenga un peso mayor o igual a 15 kg. Haciendo lo mismo
que en el apartado anterior, tenemos:
0,9803 0,0563 0,1877 0,2816 0,2503 0,1460 0,0584
) 10 ( ) 9 ( ) 8 ( ) 7 ( ) 6 ( ) 5 ( ) 5 ( ) 15 peso (
= + + + + + =
= = + = + = + = + = + = = = = Y P Y P Y P Y P Y P Y P Y P P
Vamos a calcular la probabilidad de que una oveja elegida al azar de la descendencia del ganado considerado pese
ms de 17 kg.:
Si se eligen al azar 8 descendientes, cul es la probabilidad de que al menos la mitad pese como poco 15 kg.?
Si ahora consideramos una nueva variable X como el nmero de descendientes de una muestra de n=8 ovejas con un
peso mayor o igual de 15 kg., tendremos que:
) 9803 , 0 , 8 ( ~ = = n Bin X
Luego:
1 0,9999998 0,8527 0,1373 0,0097 0,0004 0,0000 ) 0197 , 0 ( ) 9803 , 0 (
8
8
) 0197 , 0 ( ) 9803 , 0 (
7
8
) 0197 , 0 ( ) 9803 , 0 (
6
8
) 0197 , 0 ( ) 9803 , 0 (
5
8
) 0197 , 0 ( ) 9803 , 0 (
4
8
) 8 ( ) 7 ( ) 6 ( ) 5 ( ) 4 ( ) 4 (
0 8 1 7 2 6
3 5 4 4
= + + + + =
|
|
\
|
+
|
|
\
|
+
|
|
\
|
+
+
|
|
\
|
+
|
|
\
|
= = + = + = + = + = = X P X P X P X P X P X P
26
2.3. La distribucin normal. Clculo de reas bajo la curva normal.
La distribucin normal, tambin denominada distribucin de Gauss o distribucin gaussiana,
es la distribucin de probabilidad que con ms frecuencia aparece en estadstica y teora de
probabilidades.
La importancia de la distribucin normal se debe principalmente a que hay muchas variables asociadas a
fenmenos naturales que siguen el modelo de la normal:
Caracteres morfolgicos de individuos (como la altura, el peso o el dimetro craneal).
Caracteres fisiolgicos (como la temperatura, la presin arterial).
Caracteres sociolgicos (como el consumo de cierto producto por un mismo grupo de individuos o
las puntuaciones en un examen).
Caracteres psicolgicos (como el cociente intelectual o el grado de adaptacin a un medio).
Errores cometidos al medir una determinada magnitud.
Valores estadsticos muestrales (como, por ejemplo, la media).
Esto se debe fundamentalmente a dos razones:
Su funcin de densidad es simtrica y con forma de campana, lo que favorece su aplicacin como modelo
para un gran nmero de variables.
Es, adems, lmite de otras distribuciones y est relacionada con multitud de resultados ligados a la teora de
las probabilidades gracias a sus propiedades matemticas.
27
La funcin de densidad de la distribucin normal viene dada por:
En esta figura tenemos varios ejemplos de la densidad
normal. Podemos ver que la media representa el centro
de la campana y la desviacin tpica su amplitud.
La media poblacional coincide con la mediana y la
moda. Adems, su coeficiente de asimetra es 0 (ya que
la distribucin es simtrica), y su coeficiente de curtosis es
0 (ya que la normal es la distribucin de referencia para
este coeficiente).
\
|
=
2
2
1
exp
2
1
) (

x
x f
donde x = punto donde se evala la funcin de densidad
= media poblacional
= desviacin tpica poblacional
Sus valores dependen nicamente de 2 parmetros: la media poblacional y la desviacin tpica poblacional .
Si una variable aleatoria X sigue una distribucin normal de media y desviacin tpica , lo representamos por
X ~ N ( , )
La funcin de densidad de la distribucin normal tiene forma de campana.
28
Clculo de reas bajo la curva normal.
Para calcular la probabilidad de una distribucin continua entre dos valores x
1
y x
2
, tenemos que
calcular la integral de la funcin de densidad de la distribucin definida entre estos dos valores,
que equivalente al rea bajo la funcin de densidad entre estos valores.
Para la distribucin normal tendremos:
( ) dx
x
x X x P
x
x
\
|

=
2
1

2
1
exp
2
1
2
2 1

Para el caso en que x
2
= x
1
, es decir, que queramos calcular la probabilidad asociada a un punto, sta
ser siempre cero como ocurre con todas las distribuciones continuas, ya que:
P (X = x
1
) = = 0
dx
x
x
x
\
|

1
1

2
1
exp
2
1
2

Pero para el caso en que x
2
> x
1
la integral definida anterior no tiene una solucin explcita, por lo que
tendremos que recurrir a tablas para consultar los valores numricos obtenidos mediante procedimientos de
clculo numrico asociados a las reas definidas.
PROBLEMA: Si para cada media y cada desviacin tpica tenemos una curva normal diferente
Necesitaremos infinitas tablas ???????????????????????????
x
1
x
2
29
SOLUCIN Relacionar cualquier distribucin Normal de media y desviacin tpica
) , ( ~ N X
con la distribucin normal estndar o tipificada, que es aquella normal con media = 0 y
desviacin tpica = 1
) 1 , 0 ( ~ N Z
mediante un procedimiento que denominaremos estandarizacin o tipificacin basado en la siguiente relacin:
) 1 , 0 ( ~ ) , ( ~ N
X
Z N X

=
Por tanto, dada cualquier distribucin normal de media y desviacin tpica de la que queramos calcular la
probabilidad entre dos valores x
1
y x
2
cualesquiera, tenemos que:
( )
2 1
2 1
2 1
) ( z Z z P
x X x
P x X x P =
|
\
|

Luego el rea que deja por debajo la curva normal de media y desviacin tpica entre dos valores x
1
y x
2
ser igual al rea que deja por debajo la curva normal tipificada entre dos valores z
1
y z
2
, con
=
2
2
1
1
x
z
x
z
Por tanto, nicamente necesitamos utilizar la tabla de
las reas bajo la curva normal tipificada Z.
30
UTILIZACIN DE LA TABLA DE
LA FUNCIN DE DISTRIBUCIN
DE LA DISTRIBUCIN NORMAL
TIPIFICADA
P(Z 4)=1
Esta tabla nos da los valores de
las reas:
) 1 , 0 ( ~ N Z
P ( Z z)= F(z)
para z 0
La tabla empieza en z = 0.00 y acaba en z=3.99.
Adems, el rea encerrada por la curva va
aumentando lgicamente a medida que aumenta
el valor de z.
Aunque la normal no toca el eje, los valores a
ms de 4 desviaciones tpicas son prcticamente
imposibles, por lo que consideraremos:
31
Para los valores de z 0 nos sirve
esta misma tabla por la simetra de
la distribucin normal, ya que:
-3 -2 -1 0 1 2 3
0
.
0
0
.
1
0
.
2
0
.
3
F(z) = P ( Z z)= 1 P (Z -z) = 1 F (-z)
para z 0
Como antes, si queremos calcular la probabilidad
para un valor z -3.99, tendremos que:
P (Z a) 0.
32
En la distribucin normal, como en
cualquier otra distribucin
continua, la probabilidad de que la
variable aleatoria sea exactamente
un valor es 0. Por tanto,
P (Z = z) = 0
Como consecuencia
P (Z < z) = P (Z a) P (Z = z) = P (Z z) = F(z)
La curva de la funcin de densidad siempre deja
un rea total por debajo de 1.
Adems, el rea debajo de la media = 0 es la
mitad del total, es decir, 0.5.
Tambin se observa que el rea debajo de un
valor z<0 es siempre menor de 0.5, y debajo de
un valor z>0 siempre mayor de 0.5.
33
Para calcular P (Z a):
Para obtener esta probabilidad con a 0, buscamos en la tabla:
- La parte entera y las dcimas en la primera columna.
- Las centsimas en la primera fila.
- En la interseccin de la fila y columna correspondiente tenemos la
probabilidad buscada.
Buscar en la tabla de la normal estndar N(0,1) las siguientes probabilidades:
a) P( Z 1,15) b) P( Z - 0,5) c) P( Z 0,82) d) P( Z < -1,05)
e) P( Z 4,27) f) P( Z = 3,2) g) P( Z 18,09) h) P( Z 0)
P ( Z a)= F(a)
a) P( Z 1.15) = F(1.15) = 0.8749
b) P( Z -0.5) = F(-0.5)= 1 F(0.5) = 1 0.6915 = 0.3085
c) P( Z 0.82) = F(0.82) = 0.7939
d) P( Z < -1.05) = F(-1.05)= 1 F(1.05) = 1 0.8531 = 0.1469
e) P( Z 4.27) 1
f) P( Z = 3.2) = 0
g) P( Z 18.09) 0
h) P( Z 0) = 0.5
Por ejemplo, para obtener P (Z 2.78), buscamos en la primera columna el 2.7 y en la primera fila el 0.08, y la
interseccin de la fila y la columna correspondientes es F(2.78)=0.9973. Por tanto, P (Z 2.78)=F(2.78)=0.9973.
Para obtener P (Z -1.23), utilizamos que
P (Z -1.23) = F(-1.23) = 1 F (1.23) = 1 0.8907 = 0.1093
a
Si a 0, utilizamos la propiedad:
F(a) = P ( Z a) = 1 P (Z -a) = 1 F(-a), donde a 0 y lo podemos buscar en la tabla.
34
Para calcular P(Z a):
Por simetra de la distribucin normal, se cumple que
P (Z a) = 1- P (Z < a) = 1- P (Z a) = 1 F(a)
Como la distribucin normal es una distribucin continua,
P(Z a) = P(Z > a) + P(Z = a) = P(Z > a) = 1 F(a)
a) P( Z 1,15) b) P( Z -2,3) c) P( Z > 0,82) d) P( Z > -4,09)
P( Z a)
a
a) P( Z 1.15) = 1-F(1.15)=1-0.8749=0.1351 b) P( Z -2.3) = 1-F(-2.3)=1-(1-F(2.3))=F(2.3)=0.9893
c) P( Z >0.82) = 1-F(0.82)=1-0.7939=0.2161 d) P( Z>-4.09) = 1-F(-4.09)=1-0=1
Para calcular P(a Z b):
P (a Z b) = P (Z b) P (Z a) = F(b) F(a)
a b
P( a Z b)
a b Como la distribucin normal es una distribucin continua
P(a Z b) = P(a < Z b) = P(a Z < b) = P(a < Z < b)
Por ejemplo, si queremos calcular P(Z 0,82), por simetra de la distribucin normal
tendremos que
P(Z 0,82) = 1 - P(Z 0,82) = 1 F(0,82) = 1- 0,7939 = 0,2061
Por ejemplo, si queremos calcular P(0.82 Z 1.83), tenemos que:
P(0.82 Z 1.83) = P (Z 1.83) P (Z 0.82) = F(1.83) F(0.82)=
= 0.9664 0.7939= 0.1603
a) P(1.15 Z 1.30) b) P( 0 Z 2) c) P( -1.3 Z 0.41)
a) P(1.15 Z 1.30) = P( Z 1.30) P( Z 1.15) = F(1.30) F(1.15) = 0,9032 0,8749 = 0,0283
b) P( 0 Z 2)= P( Z 2) P( Z 0) = F(2) F(0) = 0.9772 0.5 = 0.4772
c) P( -1.3 Z 0.41) = P( Z 0.41) P( Z -1.3) = F(0.41) F(-1.3) = F(0.41) (1 F(1.3)) = 0.6591 (1-0.9032) =
= 0.6591 0.0968 = 0.5623
35
Para calcular el valor a que cumple que P (Z a) = p, con 0p1:
P (Z a) = 0.90 a = 1.282
P (Z a) = 0.50 a = 0
P (Z a) = 0.05 P (Z -a) = 0.95 -a = 1.645 a = - 1.645
Si queremos calcular el percentil p de la distribucin, es decir, el valor que deja por debajo de
l una probabilidad de
P (Z a) = p
simplemente tenemos que buscar de los valores de la tabla el valor ms prximo a p, y
seleccionar como a el valor de la fila y columna correspondiente.
En el FORMULARIO se adjunta una tabla en la que aparecen los cuantiles ms utilizados en la prctica de la
distribucin normal estndar. Aunque aparecen los cuantiles mayores del 50%, los complementarios pueden
fcilmente calcularse utilizando la simetra de la distribucin normal.
Calcular los valores de la distribucin normal estndar N(0,1) que dejan por debajo de ellos una probabilidad
de 0.90, 0.50 y 0.05.
36
EJEMPLO. LONGITUDES DE PECES
Consideremos una poblacin de arenques Pomolobus Aestivalis en la que la longitud individual
de cada pez sigue una distribucin normal con una media de 54.0 mm y una desviacin tpica de
4,5 mm. Utilizando la tabla de la normal, contestar las preguntas siguientes:
(a) Qu porcentaje de peces tienen entre 54 y 60 mm?
Sea X = longitud de los peces de la poblacin de arenques Pomolobus Aestivalis considerada, tenemos
X ~ N ( =54,0 , =4.5 )
0
5 . 4
54 54
54
1
1 1
=
= =
x
z x
33 . 1
5 . 4
6
5 . 4
54 60
60
2
2 2
= =
= =
x
z x
Por tanto,
P(54 X 60) = P(0 Z 1.33) = F(1.33) F(0) = 0.9082 0.5 = 0.4082
El 40,82% de los peces tienen entre 54 y 60 mm.
Queremos calcular P(54 X 60). Para calcular la probabilidad que hay entre estos dos valores, en primer lugar
tenemos que estandardizarlos:
Luego
P (X 48) = P (Z 1.33)=1 F(1.33) = F(1.33) = 0.9082
El 90.82% de los peces tienen ms de 48 mm.
(b) Qu porcentaje de peces tienen ms de 48 mm?
Queremos calcular P (X 48). En primer lugar hay que estandarizar este valor:
33 . 1
5 . 4
6
5 . 4
54 48
48
1
1 1
=
= =
x
z x
37
(c) Qu porcentaje de peces tienen entre 50 y 60 mm?
89 . 0
5 . 4
4
5 . 4
54 50
50
1
1 1
=
= =
x
z x
33 . 1
5 . 4
6
5 . 4
54 60
60
2
2 2
= =
= =
x
z x
P(50 X 60) = P(0.89 X 1.33)=F(1.33) F(0.89) = F(1.33) (1 F(0.89)) =
= 0.9082 (1 0.8133) = 0.7215 El 72,15% de los peces tienen entre 50 mm y 60 mm.
(d) Qu porcentaje de peces tienen entre 58 y 60 mm?
89 . 0
5 . 4
4
5 . 4
54 58
58
1
1 1
= =
= =
x
z x
P(58 X 60) = P(0.89 X 1.33)=F(1.33) F(0.89) =
= 0.9082 0.8133 = 0.0949 El 9.49% tienen entre 58 y 60 mm.
(e) Cual sera el percentil 70 de la distribucin de la longitud de los peces?
Sea x* el percentil 70 de la distribucin de la longitud de los peces considerados, ser el valor tal que el 70% de las
longitudes de los peces son ms pequeas que x* y el 30% ms grandes. Luego x* ser el valor que cumple:
P (X x*)= 0,70
Si estandarizamos esta expresin, tenemos que
( ) 70 , 0 *
5 , 4
54 *
5 , 4
54
*) ( = = |
\
|
= z Z P
x X
P x X P
mm. 34 . 56 34 . 2 54 *
34 . 2 5 . 4 524 . 0 54 *
5 . 4
54 *
524 . 0 *
= + =
= =
= =
x
x
x
z
De la tabla de cuantiles de la distribucin normal estndar, tenemos
que:
z* = 0.524
Para convertirlo a escala X simplemente tenemos que despejar el
valor de x* en la frmula de estandarizacin:
38
Ejercicio 15.
En un experimento agrcola, se plant un campo de gran extensin y bastante uniforme con una
nica variedad de trigo. El campo se dividi en un gran nmero de parcelas (cada parcela de 7 x
100 pies) y se observ la cosecha de grano (en libras) en cada parcela. Estas cosechas
seguan aproximadamente una distribucin normal de media 88 lb. y desviacin tpica 7 lb.
Qu porcentaje de las cosechas resultaron ser: a) al menos de 80 lb.?
b) al menos de 90 lb.?
c) a lo sumo de 75 lb.?
d) entre 75 y 90 lb.?
( ) ( )
libras 80 menos al de sern cosechas las de 87.29% El 0.8729 ) 14 . 1 (
) 14 . 1 ( 1 14 . 1 1 1.14
7
8
7
88 80
7
88
) 80 (
= =
= = = = |
\
|
= |
\
|
=
F
F Z P Z P Z P
X
P X P
Sea X la cosecha de grano (en libras), sabemos que X ~ N ( = 88, = 7). Luego:
( ) ( )
libras 90 menos al de sern cosechas las de 38.59% El 0.3859 6141 . 0 1
) 29 . 0 ( 1 29 . 0 1 .29 0
7
2
7
88 90
7
88
) 90 (
= =
= = = = |
\
|
= |
\
|
= F Z P Z P Z P
X
P X P
( )
libras 75 mximo como tendrn cosechas las de 3.14% El
0314 . 0 9686 . 0 . 0 1 ) 86 . 1 ( 1 ) 86 . 1 ( 1.86
7
13
7
88 75
7
88
) 75 (
= = = = = |
\
|
= |
\
|
= F F Z P Z P
X
P X P
( )
libras 90 y 75 entre estarn cosechas las de 58.27% El 0.5827 ) 9686 . 0 1 ( 6141 . 0 )) 86 . 1 ( 1 ( ) 29 . 0 (
) 86 . 1 ( ) 29 . 0 ( .29 0 1.86
7
2
7
13
7
88 90
7
88
7
88 75
) 90 75 (
= = =
= = = |
\
|

= |
\
|
=
F F
F F Z P Z P
X
P X P
( ) 5827 , 0 0314 , 0 6141 , 0 0314 , 0 ) 3859 , 0 1 ( ) 75 ( )) 90 ( 1 ( ) 75 ( 90 ) 90 75 ( = = = = = X P X P X P X P X P
O tambin:
39
e) entre 90 y 100 lb.?
f) entre 75 y 80 lb.?
( )
libras 100 y 90 entre estarn cosechas las de 34.23% El
0.3423 6141 . 0 9564 . 0 ) 29 . 0 ( ) 71 . 1 (
.71 1 29 . 0
7
12
7
2
7
88 100
7
88
7
88 90
) 100 90 (
= = =
= = |
\
|
= |
\
|
=
F F
Z P Z P
X
P X P
( )
libras 80 y 75 entre estarn cosechas las de 9.57% El
0.0957 8729 . 0 9686 . 0 ) 14 . 1 ( ) 86 . 1 ( )) 86 . 1 ( 1 ( )) 14 . 1 ( 1 ( ) 86 . 1 ( ) 14 . 1 (
.14 1 .86 1
7
8
7
13
7
88 80
7
88
7
88 75
) 80 75 (
= = = = =
= = |
\
|

= |
\
|
=
F F F F F F
Z P Z P
X
P X P
( )
0957 . 0 0314 . 0 1271 . 0 0314 . 0 ) 8729 . 0 1 (
) 75 ( )) 80 ( 1 ( ) 75 ( 80 ) 80 75 (
= = =
= = = X P X P X P X P X P
O tambin:
40
Ejercicio 16.
Considrese el problema anterior. Sea Y la variable aleatoria que denota la cosecha de una
parcela elegida al azar del campo considerado. Calcular P(Y > 85) y P(70 < Y 95).
Ejercicio 17.
Considrese de nuevo el problema anterior. Calcular el percentil de orden 65 y el de orden 35.
73 , 90 * 385 , 0
7
88 *
65 , 0
7
88 *
7
88 *
7
88 *
7
88
*) ( = =
= |
\
|
= |
\
|
= |
\
|
= x
x x
F
x
Z P
x X
P x X P
( ) ( ) 0.6664 ) 43 . 0 ( ) 43 . 0 ( 1 43 . 0 1 .43 0
7
3
7
88 85
7
88
) 85 ( = = = = > = |
\
|
> = |
\
|
>
= > F F Z P Z P Z P
X
P X P
( )
8362 . 0 ) 9949 . 0 1 ( 8413 . 0 )) 57 . 2 ( 1 ( ) 1 (
) 57 . 2 ( ) 1 ( 1 57 . 2
7
7
7
18
7
88 95
7
88
7
88 70
) 95 70 (
= = =
= = < = |
\
|
<
= |
\
|
<
= <
F F
F F Z P Z P
X
P X P
27 , 85 * 385 , 0
7
88 *
35 , 0
7
88 *
7
88 *
7
88 *
7
88
*) ( = =
= |
\
|
= |
\
|
= |
\
|
= y
y y
F
y
Z P
y X
P y X P
Sea X la cosecha de grano (en libras), tenamos que X ~ N ( = 88, = 7). Luego:
Para calcular el percentil de orden 65 tenemos que buscar el x* que cumple que P( X x*)=0,65, es decir, que:
Anlogamente, el valor y* que cumple que P( X y*)=0,35 seria:
Podemos ver que como la distribucin normal es simtrica, el percentil 0,50+0,15=0,65 y el percentil 0,50-
0,15=0,35 estn a la misma distancia de la media (que es el percentil 50, y por tanto la mediana).
41
Ejercicio 18.
En 1969 se descubri que los faisanes de Montana posean una contaminacin por mercurio
apreciable, y se pens que esto poda deberse a que haban sido alimentados con semillas de
plantas tratadas durante su crecimiento con metilo de mercurio. Sea X la variable aleatoria que
describe el nivel de mercurio (en ppm) de un faisn de Montana. Suponiendo que X est
normalmente distribuida, con media 0.25 y desviacin tpica 0.08, calcular:
P(X 0.3), P(X 0.17), P(0.2 X 0.4) y P(0.01 X 0.40).
( ) 7357 . 0 ) 63 . 0 ( .63 0
08 . 0
05 . 0
08 . 0
25 . 0 3 . 0
08 . 0
25 . 0
) 3 . 0 ( = = =
|
\
|
=
|
\
|
= F Z P Z P
X
P X P
( ) 1587 . 0 8413 . 0 1 ) 1 ( 1 1
08 . 0
08 . 0
08 . 0
25 . 0 17 . 0
08 . 0
25 . 0
) 17 . 0 ( = = = = |
\
|
= |
\
|
= F Z P Z P
X
P X P
( )
0.7056 2643 . 0 9699 . 0 )) 63 . 0 ( 1 ( ) 88 . 1 ( ) 63 . 0 ( ) 88 . 1 (
1.88 0.63
08 . 0
15 . 0
08 . 0
05 . 0
08 . 0
25 . 0 4 . 0
08 . 0
25 . 0
08 . 0
25 . 0 2 . 0
) 4 . 0 2 . 0 (
= = = =
= =
|
\
|

=
|
\
|
=
F F F F
Z P Z P
X
P X P
( )
0.9686 0013 . 0 9699 . 0 )) 3 ( 1 ( ) 88 . 1 ( ) 3 ( ) 88 . 1 (
1.88 3
08 . 0
15 . 0
08 . 0
24 . 0
08 . 0
25 . 0 40 . 0
08 . 0
25 . 0
08 . 0
25 . 0 01 . 0
) 40 . 0 01 . 0 (
= = = =
= =
|
\
|

=
|
\
|
=
F F F F
Z P Z P
X
P X P
42
Ejercicio 19.
En cierta poblacin de primates, la distribucin de la capacidad craneal, X, puede suponerse
normal de media 1200 cm3 y desviacin tpica 140 cm3.
a) Calcular la probabilidad de que la capacidad craneal de un miembro de dicha poblacin sea
superior a 1400 cm3.
b) Calcular P (1000 X 1050), P (X 1060) y P (X 920).
c) Qu valor de X superaran el 20% de los primates de dicha poblacin?
( ) ( ) 0.0764 9236 . 0 1 ) 43 . 1 ( 1 43 . 1 1 43 . 1
140
200
140
1200 1400
140
1200
) 1400 ( = = = = > = |
\
|
> = |
\
|
>
= > F Z P Z P Z P
X
P X P
( ) 0.0659 0764 . 0 1423 . 0 ) 43 . 1 ( )) 07 . 1 ( 1 ( ) 43 . 1 ( ) 07 . 1 ( 1.07 1.43
140
150
140
200
140
1200 1050
140
1200
140
1200 1000
) 1050 1000 (
= = = = =
= |
\
|

= |
\
|
=
F F F F Z P
Z P
X
P X P
( ) 1587 . 0 ) 1 ( 1 ) 1 ( 1
140
140
140
1200 1060
140
1200
) 1060 ( = = = = |
\
|
= |
\
|
= F F Z P Z P
X
P X P
( ) 0228 . 0 ) 2 ( 1 ) 2 ( 2
140
280
140
1200 920
140
1200
) 920 ( = = = = |
\
|
= |
\
|
= F F Z P Z P
X
P X P
1082.12 842 . 0 140 1200 * 842 . 0
140
1200 *
20 . 0
140
1200 *
140
1200 *
140
1200 *
140
1200
*) (
= = =
= |
\
|
= |
\
|
= |
\
|
=
x
x
x
F
x
Z P
x X
P x X P
Sea X la capacidad craneal de una determinada poblacin de primates, donde X ~ N ( =1200 cm
3
, =140 cm
3
).
Luego:
Sea x* el valor que superara el 20% de los primates de esta poblacin, es decir, el que deja por debajo el 20%
de la poblacin: P( X x*) = 0,20
43
Ejercicio 20.
El dimetro mximo de los hemates de una persona con malaria por Plamodium vivax presenta
las siguientes caractersticas: Si la clula esta infectada dicha variable se distribuye de forma
normal con media 7.6 micras y desviacin tpica 0.9 micras, y si la clula no est infectada dicha
variable se distribuye de forma normal con media 9.6 micras y desviacin tpica 1.0 micras.
Obtener:
a) Proporcin de clulas no infectadas con un dimetro mximo mayor que 9.4 micras.
( ) ( ) 5793 . 0 ) 2 . 0 ( ) 2 . 0 ( 1 .2 0 1 2 . 0
0 . 1
6 . 9 4 . 9
0 . 1
6 . 9
) 4 . 9 ( = = = = > =
|
\
|
>
= > F F Z P Z P
X
P X P
Por tanto el 57,93% de clulas no infectadas tendrn un dimetro mximo superior a 9.4 micras.
( ) 0047 . 0 9953 . 0 1 ) 6 . 2 ( 1 ) 6 . 2 ( 6 . 2
0 . 1
6 . 9 0 . 7
0 . 1
6 . 9
) 7 ( = = = = < = |
\
|
<
= < F F Z P
X
P X P
Luego nicamente el 0.47% de clulas no infectadas tendrn un dimetro mximo inferior a 7 micras.
( ) 9772 . 0 ) 2 ( 2
9 . 0
8 . 1
9 . 0
6 . 7 4 . 9
9 . 0
6 . 7
) 4 . 9 ( = = < =
|
\
|
< =
|
\
|
<
= < F Z P Z P
Y
P Y P
El 97.72% de clulas infectadas tendrn un dimetro mximo inferior a 9.4 micras.
b) Proporcin de clulas no infectadas con un dimetro mximo inferior a 7 micras.
c) Proporcin de clulas infectadas con un dimetro mximo inferior a 9.4 micras.
Siga X = dimetro mximo de los eritrocitos de una persona con malaria por Plasmodium vivax cuando la clula
no est infectada, tenemos que
X ~ N ( = 9.6, = 1.0)
Luego:
Siga Y = dimetro mximo de los eritrocitos de una persona con malaria por Plasmodium vivax cuando la clula
est infectada, tenemos que
Y ~ N ( = 7.6, = 0.9)
Luego:
44
2.4. Correccin por continuidad.
Aunque la distribucin Normal representa tericamente una distribucin continua, en la prctica
puede ser utilizada para aproximar distribuciones de variables aleatorias discretas, ya que en
muchas situaciones prcticas la densidad normal aproxima muy bien los histogramas
correspondientes.
Para ajustar una densidad normal a una distribucin discreta, simplemente repartiremos la probabilidad de los
valores discretos del histograma en rectngulos contenidos, de manera que el punto medio de los rectngulos
sea el valor discreto correspondiente, tal y como se mostra en la figura siguiente:
Dada una variable aleatoria discreta Y con media poblacional y varianza poblacional
2
, aproximaremos esta
distribucin mediante una distribucin Normal con la misma media y varianza que la variable original. Esta
aproximacin nos permitir obtener valores aproximados de las probabilidades asociadas a la variable discreta
utilizando los valores de la densidad normal.
1 2 3 4 5 1 2 3 4 5
0,5 1,5 2,5 3,5 4,5 5,5
1 2 3 4 5
0,5 1,5 2,5 3,5 4,5 5,5
Por ejemplo, si tenemos una variable discreta Y con media y varianza
2
que aproximamos mediante una
variable X ~ N ( ,
2
), entonces podemos calcular:
|
\
|
|
\
| +
= |
\
| +

= +
) 5 , 0 ( ) 5 , 0 ( ) 5 , 0 ( ) 5 , 0 (
) 5 , 0 5 , 0 ( ) (
a
F
b
F
b
Z
a
P b X a P b Y a P
45
Y variable aleatria discreta amb
mitjana i desviaci tpica
X variable aleatria continua amb distribuci
N( , ), ), ), ), que s aproximadament igual a la
distribuci de la variable Y
P(a+0,5 X b+0,5) P(a+1 X b) P(a<Y b) = P(a+1 Y b)
P(X a-0,5) P(X a-1) P(Y < a)=P(Y a1)
P(Y b+0,5) P(X b+1) P(Y > b)= P(Y b+1)
P(a+0,5 X b-0,5) P(a+1 X b-1) P(a<Y<b) = P(Y=a+1)+P(Y=b-1)= P(a+1Yb1)
P(a-0,5 X b-0,5) P(a X b1) P(a Y<b) = P(a Y b1)
P(a-0,5 X a+0,5) P(a X a)=P(X=a)=0 P(Y=a)
P(X a+0,5) P(X a) P(Ya)
P(Y b-0,5) P(X b) P(Yb)
P(a-0,5 X b+0,5) P(a X b) P(aYb) = P(Y=a) + P(Y=a+1)++P(Y=b-1)+P(Y=b)
Aproximada amb
correcci de continutat
Aproximada sense
correcci de continutat
Directa
0,00
0,05
0,10
0,15
0,20
0,25
a-1 a a+1 b-1 b b+1
46
Tamao de las camadas
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Histograma
F
r
e
c
u
e
n
c
i
a

e
n

p
o
r
c
e
n
t
a
j
e
20.0
10.0
0.0
EJEMPLO. TAMAO DE LAS CAMADAS
La tabla siguiente muestra la distribucin del tamao de las camadas (definida como el nmero
de cras vivas en la primera camada) de una poblacin de ratones hembras.
17,8 8
0,3 15 15,5 7
0,5 14 13,0 6
1,0 13 8,0 5
3,1 12 4,8 4
6,6 11 1,8 3
11,5 10 0,7 2
15,0 9 0,4 1
Frecuencia
(%)
Tamao
camada
Frecuencia
(%)
Tamao
camada
Sea Y el tamao de una camada elegida al azar en la poblacin, ser una variable discreta con la distribucin
dada por la tabla anterior. Vamos a calcular su media y desviacin tpica:
7.796 0.030 15 0.050 14 0.010 13 0.031 12 0.066 11 0.115 10 0.150 9 0.178 8 0.155 7
0.130 6 0.080 5 0.048 4 0.018 3 0.007 2 0.004 1 ) / (
1
15
1
15
1
15
1
= + + + + + + + + +
+ + + + + + = = = = =

= = = i
i i
i
i i
i
i i
f y N n y n y
N
Media
5.296384 60.77762 - 66.07400 7.796 0.030 15 0.050 14 0.010 13 0.031 12
0.066 11 0.115 10 0.150 9 0.178 8 0.155 7 0.130 6 0.080 5 0.048 4 0.018 3
0.007 2 0.004 1 ) ( ) / ( ) ( ) (
1
1
2 2 2 2 2
2 2 2 2 2 2 2 2 2
2 2 2
15
1
2
15
1
2
15
1
2
15
1
2 2
= = + + + +
+ + + + + + + + + +
+ + = = =
= =

= = = =

i
i i
i
i i
i
i i
i
i i
f y f y N n y n y
N
Varianza
47
2,301387 5,296384 = = = tpica Desviacin
Podemos calcular probabilidades asociadas a la variable original Y utilizando la distribucin
aproximada X ~ N( = 7.796, = 2.301)
Por ejemplo, podemos calcular P( 5 Y 10)
De forma exacta, como
( ) 0,8026 0764 , 0 8790 , 0 17 , 1 43 , 1
301387 , 2
796 , 7 5 , 10
301387 , 2
796 , 7 5 , 4
) 5 , 10 5 , 4 ( ) 10 5 ( = = =
|
|
\
|

= Z P Z P X P Y P
o de forma aproximada sin utilizar la correccin por continuidad, como
( ) 7184 , 0 1131 , 0 8315 , 0 96 , 0 21 , 1
301387 , 2
796 , 7 10
301387 , 2
796 , 7 5
) 10 5 ( ) 10 5 ( = = =
|
|
\
|

= Z P Z P X P Y P
0.8080 0.115 0.15 0.178 0.155 0.13 0.08 10 9 8 7 6 5 10 5 = + + + + + = = + = + = + = + = + = = ) P(Y ) P(Y ) P(Y ) P(Y ) P(Y ) P(Y ) Y P(
De forma aproximada utilizando correccin por continuidad, como
Como la variable Y es discreta, nos podemos plantear calcular, por ejemplo, P (Y = 10)
De forma exacta, como
P(Y=10) = 0.1150
De forma aproximada utilizando correccin por continuidad, como
( ) 0,1016 7774 , 0 8790 , 0 17 , 1 74 , 0
301387 , 2
796 , 7 5 , 10
301387 , 2
796 , 7 5 , 9
) 5 , 10 5 , 9 ( ) 10 ( = = =
|
|
\
|

= = Z P Z P X P Y P
Observar que en este caso, si hacemos el clculo de forma aproximada sin utilizar la correccin por
continuidad, la probabilidad a calcular sera 0, ya que por ser una distribucin continua tenemos que:
( ) 0 10 ) 10 10 ( ) 10 ( = = = = X P X P Y P
48
Ejercicio 21.
En estudios genticos de la mosca del vinagre Drosophila melanogaster una de las variables de
inters es el nmero total de cerdas en la superficie ventral del cuarto y quinto segmentos
abdominales. En una determinada poblacin de moscas Drosophila melanogaster, el nmero de
cerdas sigue aproximadamente una distribucin normal de media 38.5 y desviacin tpica 2.9.
Calcular (utilizando la correccin por continuidad) el porcentaje de moscas:
a) con al menos 40 cerdas.
b) con 40 cerdas exactamente.
c) que tienen entre 35 y 40 cerdas (ambas inclusive).
( )
( ) % 69 . 36 3669 . 0 6331 . 0 1 34 . 0 1
34 . 0
9 . 2
1
9 . 2
5 . 38 5 . 39
9 . 2
5 . 38
) 5 . 39 ( ) 40 (
= = = =
= =
|
\
|
=
|
\
|
=
F
Z P Z P
X
P X P Y P
( )
% 18 . 12 1218 . 0 6331 . 0 7549 . 0 ) 34 . 0 ( ) 69 . 0 (
69 . 0 34 . 0
9 . 2
2
9 . 2
1
9 . 2
5 . 38 5 . 40
9 . 2
5 . 38
9 . 2
5 . 38 5 . 39
) 5 . 40 5 . 39 ( ) 40 (
= = = =
= = |
\
|
= |
\
|
= =
F F
Z P Z P
X
P X P Y P
( ) % 11 , 67 6711 . 0 0838 . 0 7549 . 0 )) 38 . 1 ( 1 ( ) 69 . 0 ( ) 38 . 1 ( ) 69 . 0 ( 69 . 0 38 . 1
9 . 2
2
9 . 2
4
9 . 2
5 . 38 5 . 40
9 . 2
5 . 38
9 . 2
5 . 38 5 . 34
) 5 . 40 5 . 34 ( ) 40 35 (
= = = = = =
= |
\
|

= |
\
|
=
F F F F Z P
Z P
X
P X P Y P
Siga Y el nmero total de cerdas en la superficie ventral del cuarto y quinto segmentos abdominales de una
poblacin de moscas del vinagre, sabemos que su distribucin puede aproximarse con una
X ~ N ( = 38.5, = 2.9)
Por tanto, utilizando la correccin por continuidad, podemos calcular:
49
Ejercicio 22.
Considerar de nuevo la poblacin de moscas del vinagre del problema anterior. Sea Y el
nmero de cerdas de una mosca elegida al azar de la poblacin. Calcular (con y sin correccin
por continuidad): a) P(30 Y 40)
( ) 6968 . 0 0017 . 0 6985 . 0 )) 93 . 2 ( 1 ( ) 52 . 0 ( ) 93 . 2 ( ) 52 . 0 ( 52 . 0 93 . 2
9 . 2
5 . 1
9 . 2
5 . 8
9 . 2
5 . 38 40
9 . 2
5 . 38
9 . 2
5 . 38 30
) 40 30 ( ) 40 30 (
= = = = =
= |
\
|

= |
\
|
=
F F F F Z P
Z P
X
P X P Y P
( ) 7539 . 0 0010 . 0 7549 . 0 )) 10 . 3 ( 1 ( ) 69 . 0 ( ) 10 . 3 ( ) 69 . 0 ( 69 . 0 10 . 3
9 . 2
2
9 . 2
9
9 . 2
5 . 38 5 . 40
9 . 2
5 . 38
9 . 2
5 . 38 5 . 29
) 5 . 40 5 . 29 ( ) 40 30 (
= = = = =
=
|
\
|

=
|
\
|
= < <
F F F F Z P
Z P
X
P X P Y P
( ) 5657 . 0 0048 . 0 5675 . 0 )) 59 . 2 ( 1 ( ) 17 . 0 ( ) 59 . 2 ( ) 17 . 0 ( 17 . 0 59 . 2
9 . 2
5 . 0
9 . 2
5 . 7
9 . 2
5 . 38 39
9 . 2
5 . 38
9 . 2
5 . 38 31
) 39 31 ( ) 39 31 ( ) 40 30 (
= = = = =
=
|
\
|

=
|
\
|
= = < <
F F F F Z P
Z P
X
P X P Y P Y P
( ) 6302 . 0 0029 . 0 6331 . 0 )) 76 . 2 ( 1 ( ) 34 . 0 ( ) 76 . 2 ( ) 34 . 0 ( 34 . 0 76 . 2
9 . 2
1
9 . 2
8
9 . 2
5 . 38 5 . 39
9 . 2
5 . 38
9 . 2
5 . 38 5 . 30
) 5 . 39 5 . 30 ( ) 39 31 ( ) 40 30 (
= = = = =
= |
\
|

= |
\
|
= = < <
F F F F Z P
Z P
X
P X P Y P Y P
b) P(30 < Y < 40).
Directamente, sin utilizar la correccin por continuidad tenemos:
Si utilizamos la correccin por continuidad tenemos:
Directamente, sin utilizar la correccin por continuidad tenemos:
Si utilizamos la correccin por continuidad tenemos:
50
Ejercicio 23.
El grosor de las cscaras de los huevos producidos por un cierto grupo numeroso de gallinas
sigue aproximadamente una distribucin normal de media 0.38 mm. y desviacin tpica 0.03.
Encontrar el percentil de orden 95 de la distribucin del grosor.
95 , 0
03 , 0
38 , 0 *
03 , 0
38 , 0 *
03 , 0
38 , 0 *
03 , 0
38 , 0
*) ( =
|
|
\
|
=
|
|
\
|
=
|
|
\
|
=
x
P
x
Z P
x X
P x X P
Sea X el grosor de les cscaras de los huevos producidos por un cierto grupo numeroso de
gallinas, sabemos que:
X ~ N ( = 0,38 mm, = 0,03 mm)
Por tanto, el percentil de orden 95 de la distribucin del grosor de las cscaras de huevo sera x*=0.4294.
Nos piden que calculemos el percentil de orden 95 de esta distribucin, es decir, el valor x* que deja por debajo
el 95% de la distribucin, o lo que es lo mismo, el valor x* con
P (X x*) = 0,95
0.4294 03 . 0 645 . 1 38 . 0 * 645 , 1
03 . 0
38 . 0 *
= + = =
x
x
51
Ejercicio 24.
Considerar de nuevo la distribucin del grosor de las cscaras de huevo del problema anterior.
Supongamos que un huevo se clasifica como de cscara fina si el grosor de su cscara es a lo
sumo de 0.32 mm. a) Qu porcentaje de huevos son de cscara fina?
b) Un gran nmero de huevos se empaqueta al azar en hueveras de 12 huevos cada una qu porcentaje de
hueveras tendrn al menos un huevo de cscara fina?
% 28 . 2 0228 . 0 ) 2 ( 1 ) 2 (
03 . 0
06 . 0
03 . 0
38 . 0 32 . 0
03 . 0
38 . 0
) 32 . 0 ( = = = = |
\
|
= |
\
|
= F F Z P
X
P X P
% 18 , 24 2418 , 0 7582 , 0 1 ) 9772 , 0 ( ) 0228 , 0 (
0
12
1 ) 0 ( 1 ) 1 (
12 0
= = =
|
|
\
|
= = = Y P Y P
Si se empaquetan n=12 huevos en cada huevera con una probabilidad para cada huevo de 0,0228 de que
tenga cscara fina, entonces si Y es el nmero de huevos con cscara fina en una huevera de n=12 huevos,
tendremos que
Y ~ Bin ( n = 12, = 0,0228)
Por tanto:
52
Ejercicio 25.
Las alturas de una cierta poblacin de plantas de maz siguen una distribucin normal con
media 145 cm. y desviacin tpica 22 cm. Qu porcentaje de plantas tienen alturas de:
a) al menos 100 cm.?
( ) ( )
cm. 100 menos al de altura una tendr plantas las de 97.98% El 0.9798 ) 05 . 2 (
) 05 . 2 ( 1 05 . 2 1 05 . 2
22
45
22
145 100
22
145
) 100 (
= =
= = = = |
\
|
= |
\
|
=
F
F Z P Z P Z P
X
P X P
( )
cm. 120 de mximo como altura una tendr plantas las de 12.71% El
1271 . 0 ) 14 . 1 ( 1 ) 14 . 1 ( 1.14
22
25
22
145 120
22
145
) 120 (
= = = = |
\
|
= |
\
|
= F F Z P Z P
X
P X P
( )
cm. 150 y 120 entre altura una tendr plantas las de 46.39% El 0.4639 1271 . 0 5910 . 0 )) 14 . 1 ( 1 ( ) 23 . 0 (
) 14 . 1 ( ) 23 . 0 ( 23 . 0 1.14
22
5
22
25
22
145 150
22
145
22
145 120
) 150 120 (
= = =
= = = |
\
|

= |
\
|
=
F F
F F Z P Z P
X
P X P
( )
cm. 120 y 100 entre altura una tendr plantas las de 10.69% El 0.1069 0202 . 0 1271 . 0 ) 05 . 2 ( ) 14 . 1 (
1.14 .05 2
22
25
22
45
22
145 120
22
145
22
145 100
) 120 100 (
= = =
= =
|
\
|

=
|
\
|
=
F F
Z P Z P
X
P X P
b) a lo sumo de 120 cm.?
Siga X = altura de una determinada poblacin de plantas de maz, sabemos que
X ~ N ( = 145 cm., = 22 cm.)
Por tanto:
c) entre 120 y 150 cm.?
d) entre 100 y 120 cm.?
53
e) entre 150 cm. y 180 cm.?
f) de 180 cm. o ms?
g) de 150 cm. o menos?
( )
menos o cm. 150 de altura una tendr plantas las de 59.10% El
5910 . 0 ) 23 . 0 ( .23 0
22
5
22
145 150
22
145
) 150 (
= = = |
\
|
= |
\
|
= F Z P Z P
X
P X P
( )
cm. 180 y 150 entre altura una tendr 35.31% El 0.3531 5910 . 0 9441 . 0 ) 23 . 0 ( ) 59 . 1 (
59 . 1 0.23
22
35
22
5
22
145 180
22
145
22
145 150
) 180 150 (
= = =
= = |
\
|
= |
\
|
=
F F
Z P Z P
X
P X P
( ) ( )
ms. o cm 180 de altura una tendr plantas les de 5.59% El 0.0559 9441 . 0 1
) 59 . 1 ( 1 59 . 1 1 59 . 1
22
35
22
145 180
22
145
) 180 (
= =
= = = = |
\
|
= |
\
|
= F Z P Z P Z P
X
P X P
Ejercicio 26.
En la poblacin de plantas de maz del problema anterior, calcular el percentil de orden 90 de la distribucin de
las alturas.
( ) *
22
145 *
22
145
*) ( 90 , 0 z Z P
x X
P x X P = |
\
|
= =
173.20 22 282 . 1 145 * 282 . 1
22
145 *
* = + = =
= x
x
z
Sabemos que X = altura de una cierta poblacin de plantas de maz sigue una distribucin N (=145,=22).
Vamos a calcular el percentil de orden 90 de la distribucin, es decir, el valor x* que tiene
P( X x*) =0,90
De la tabla de cuantiles de la distribucin de la normal tipificada vemos que:
z* = 1.282
54
Ejercicio 27.
Se eligen al azar 4 plantas de la poblacin de plantas de maz del problema anterior. Calcular la
probabilidad de que:
a) ninguna mida ms de 150 cm.
( ) 0,4090 5910 , 0 1 ) 23 , 0 ( 1 23 , 0
22
5
22
145 150
22
145
) 150 ( = = = > =
|
\
|
> =
|
\
|
>
= > F Z P Z P
X
P X P
( ) ( ) 0,1220 5910 , 0 4090 , 0
0
4
) 0 (
4 0
=
|
|
\
|
= = Y P
( ) 0202 , 0 ) 05 , 2 ( 1 05 , 2
22
45
22
145 100
22
145
) 100 ( = = < =
|
\
|
< =
|
\
|
<
= < F Z P Z P
X
P X P
( ) ( ) 0,0784 0,9216 1 9798 , 0 0202 , 0
0
4
1 ) 0 ( 1 ) 1 (
4 0
= =
|
|
\
|
= = = Y P Y P
b) al menos una de ellas mida menos de 100 cm.
Sabemos que X = altura de una cierta poblacin de plantas de maz sigue una distribucin
N ( = 145 cm., = 22 cm.)
Por tanto,
Luego la probabilidad que una planta seleccionada al azar tenga una altura superior a 150 cm. es de 0.4090. Si
seleccionamos n = 4 plantas al azar, el nmero Y de plantas con una altura superior a 150 cm. seguir una
distribucin:
Y ~ Bin (n = 4, = 0.4090)
Por tanto:
Entonces, la probabilidad que una planta seleccionada al azar tenga una altura inferior a 100 cm. es de 0.0202.
Si seleccionamos n = 4 plantas al azar, el nmero Y de plantas con una altura inferior a 100 cm. sera
Y ~ Bin (n = 4, =0,0202)
Por tanto:
55
Ejercicio 14.
En una distribucin normal:
a) A cuntas desviaciones tpicas por encima de la media est el percentil de orden 90?
90 , 0
* * *
*) ( = |
\
|
= |
\
|
= |
\
|
x
F
x
Z P
x X
P x X P

282 , 1 * 282 , 1 * 282 , 1

*
+ = = =
x x
x
10 , 0
* * *
*) ( =
|
\
|
=
|
\
|
=
|
\
|
y
F
y
Z P
y X
P y X P

282 , 1 * 282 , 1 * 282 , 1

*
= = =
y y
y
b) A cuntas desviaciones tpicas por debajo de la media est el percentil de orden 10?
Sea X una variable aleatoria con una distribucin N (, ), el percentil de orden 90 es aquel
valor x* que cumple:
Buscando en la tabla de la distribucin normal tipificada, encontramos que el valor que deja por debajo una
probabilidad acumulada de 0,90 es:
Por tanto, el percentil de orden 90 se encuentra a 1,282 desviaciones tpicas por encima de la media.
El percentil de orden 10 es aquel valor x* que cumple:
Buscando en la tabla de la distribucin normal tipificada, encontramos que el valor que deja por debajo una
probabilidad acumulada de 0,10 es:
Por tanto, el percentil de orden 10 se encuentra a 1,282 desviaciones tpicas por debajo de la media.
56
Ejercicio 28.
Supongamos que una cierta poblacin de observaciones se distribuye de forma normal.
Calcular el valor de z* tal que el 95% de observaciones en la poblacin estn entre -z* y z* en la
escala Z.
( ) ( ) ( ) ( ) * * * * *) * ( z F z F z Z P z Z P z Z z P = =
( ) ( ) * 1 * z F z F =
( ) ( ) ( ) ( ) ( ) 95 , 0 1 * 2 ) * 1 ( * * * *) * ( = = = = z F z F z F z F z F z Z z P
( ) 1 95 , 0 * 2 + = z F
( ) 975 , 0
2
95 , 1
* = = z F
960 , 1 * = z
-z z
Vamos a encontrar el valor z* que cumple:
P( z* Z z* ) = 0,95
Tenemos que:
Por simetra de la distribucin normal N(0,1) respecto a su media = 0, sabemos que:
Luego:
Buscando en la tabla el valor que deja por debajo una probabilidad de 0.975, tenemos que:
57
Ejercicio 29.
Entre las mujeres americanas de edades comprendidas entre 18 y 24 aos, el 10% miden menos
de 61.2 pulgadas, el 80% miden entre 61.2 y 67.4 pulgadas y el 10% restante mide ms de 67.4
pulgadas. Suponiendo que la distribucin de alturas se puede aproximar adecuadamente por una
distribucin normal, calcular su media y varianza.
10% >67,4%
80% 61,2-67,4
10% <61,2
Frecuencia
Relativa Altura
0%
20%
40%
60%
80%
100%
<61,2 61,2-67,4 >67,4%
(67,4-61,2)/2=6,2/2=3,1
61,2+3,1=64,3
61,2-3,1=58,1 67,4+3,1= 70,5
3 , 64 7,05 51,44 5,81 0,10 70,5 0,80 3 , 64 0,10 1 , 58
15
1
= + + = + + = =
= i
i i
f y Media
7,69 4134,49 - 4142,18 64,3 - 0,1 5 , 0 7 0,8 3 , 4 6 0,1 1 , 58
2 2 2 2 2
15
1
2
= = + + =
i
i i
f y Varianza
En este caso, nos dan la tabla de frecuencias
agrupada de la variable considerada:
Para calcular su media y desviacin tpica,
vamos a utilizar las frmulas que hemos visto
en este tema, pero previamente hemos de
asignar un valor numrico a cada una de las
categoras (un representante de clase).

Estadisticadistr Bino

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadisticadistr Bino

Transféré par

Droits d'auteur :

Formats disponibles

1

Estadstica en Ciencias Medioambientales Departament dEstadstica i Investigaci Operativa

282 , 1 * 282 , 1 * 282 , 1

282 , 1 * 282 , 1 * 282 , 1

Vous aimerez peut-être aussi