Distribucin normal

La distribucin de probabilidad continua ms importante en todo el campo de la estadstica,

es la distribucin normal, debido a que en la prctica muchos fenmenos, industriales,
cientficos, o de la vida diaria pueden describirse por esta distribucin. Tambin mediante
esta distribucin se obtienen aproximaciones a otras leyes de probabilidad.
Definicin: una variable aleatoria contnua X, se dice que est distribuida normalmente, con
media (- < < ) y varianza 2 > 0, si su funcin de densidad de probabilidad est dada
por:

Notacin: una notacin muy usada para la distribucin normal es,

Que se lee: la variable aleatoria X se distribuye normalmente con media y varianza .

La grfica de la distribucin normal est dado en la fig.6.3.1. Para una mejor comprensin
daremos algunas pautas generales de cmo se obtiene esta grfica.

son de inflexin. Entonces la grfica de f es cncava hacia arriba en < -, ->, cncava
hacia abajo en <-, > y <, +>, cncava hacia arriba en < +, >

Una propiedad importante de la distribucin normal es su simetra respecto a la recta X = .

En efecto:

La funcin de distribucin acumulada de la variable aleatoria X distribuida normalmente est

dada por,

Esta
integral no puede calcularse directamente, sin embargo, se puede representar por el rea
sombreada en la fig. 6 .3 .2 y su valor se determina con la ayuda de tablas como se ver en
la seccin 6 .3 .2. La grfica de la funcin de distribucin acumulativa se representa en la
figura 6 .3 .3.

La media y la varianza de la distribucin normal estn dadas por:

Pues esta integral es la densidad de probabilidad normal con media = 0 y varianza = 1.

(El valor de la integral es 1). Por lo tanto:
E (X) = 0 + =
La varianza:

Integrando por partes, se tiene:

Es decir, los dos parmetros que determinan completamente la distribucin normal son su
media y su varianza.
Los valores medios pueden representarse en las grficas de las funciones de densidad
como se muestra en la fig. 6.3.4. Hemos visto que la funcin de densidad normal es
simtrico respecto a su media.

La varianza es una medida de la variabilidad o dispersin de la variable aleatoria. A mayor

varianza, mayor variabilidad. Esto puede demostrase grficamente en la fig. 6 .3 .5. La
desviacin estndar, puede usarse para localizar los puntos de inflexin de la funcin de
densidad. Hemos visto que los puntos de inflexin corresponden a - y +.

6.3.4 TEOREMA CENTRAL DEL LIMITE

El teorema central del lmite, es uno de los conceptos ms importantes en estadstica.
Este teorema justifica la importancia de la distribucin normal.
TEOREMA 4.3.3 CENTRAL DEL LIMITE Sea X1, X2,., Xn una sucesin
de variables aleatorias independientes con

Si Yn = X 1 + X2 + . + Xn , entonces bajo ciertas condiciones generales, la variable

aleatoria Zn definida por

tiene una distribucin aproximadamente N(0,1), cuando n es grande. Es decir si Fn es la

funcin de distribucin de Z n , se tiene

Las
"condiciones
generales" mencionado
en el teorema, son resumidos informalmente como sigue: los trminos X tomados

individualmente, contribuye con una cantidad despreciable a la variacin de la suma, y no

es probable que un simple trmino haga una gran contribucin a la suma.
Observe que la variable aleatoria

puede ser aproximada por:

Una variable aleatoria distribuida normalmente, cualquiera que sea la distribucin de las
Xi. Esta es una buena razn para la importancia de la distribucin normal en estadstica.
En muchos problemas la variable aleatoria que se considera, se pueden considerar como
la suma de n variables aleatorias independientes, y por lo tanto, su distribucin puede
aproximarse por la distribucin normal.
Veremos ahora un caso especial del teorema central del lmite, cuando cada Xi tiene la
misma distribucin.
TEOREMA 4.3.4 Sean X1 , X2 , . . . , Xn, n variables aleatorias independientes,
idnticamente distribuidas con
(media y varianza
comn y finitas).
Si Yn = X1 + X2 + . . . + Xn . Entonces la variable aleatoria:

Donde

tiene aproximadamente una distribucin N(0,1). Es decir, para todo z pertenece a IR se

tiene que:

EJEMPLO 1 La vida de cierto foco electrnico tiene una distribucin exponencial con
media = 23 das. Tan pronto como un foco se quema, es reemplazado por otro. Cul es
la probabilidad que durante un ao se necesitan ms de 25 focos?
SOLUCION
Vida til del i-simo foco ( i = 1,2,. . . , 25)
, denota la suma de los tiempos en que los 25 focos se queman.
Xi es una variable aleatoria con distribucin exponencial, cuya media es:

EJEMPLO 2 La longitud a que se puede estirar sin ruptura un filamento de NyIon es una
variable aleatoria exponencial con media de 5,000 pies. Cul es la probabilidad
(aproximada) que la longitud promedio de 100 filamentos este comprendida entre 4,750 y
5,550 pies?
SOLUCION
Xi = longitud a que se puede estirar un filamento de Nylon sin ruptura.

Entonces,

6.1 DISTRIBUCION UNIFORME

DEFINICION 6.1.1 Sea X una variable aleatoria contnua, que toma todos los valores de
un intervalo [ a,b ] , donde a y b son nmeros reales y a < b.
Si la funcin de densidad de probabilidad de X est dada por

Se dice que X se distribuye uniformemente en el intervalo [ a , b ]. La grfica de la funcin

de densidad se muestra en la figura 6. 1. 1.
Una variable aleatoria continua uniformemente distribuida, representa la analoga a los
resultados igualmente posibles en el sentido sig.:
Para cualquier sub - intervalo [ c , d ], donde a < c < d < b, la P [ c < x < d] es la misma
para todo los sub - intervalos que tienen la misma longitud.

Slo depende de la longitud del intervalo y no de la ubicacin del intervalo. La funcin de

distribucin acumulativa est dado por:

que se puede escribir as:

Su grfica est representado en la fig. 6 .1 .2

La media y la varianza de la distribucin uniforme son:

EJEMPLO 1 Sea X una variable aleatoria distribuida uniformemente en el intervalo [0 , 6].

Calcular P[|X - u l > 2 ].
SOLUCION Desde que la variable aleatoria X sigue en una distribucin uniforme en el
intervalo [ D ,6 ], la funcin de distribucin acumulativa es:

La esperanza de X es:

EJEMPLO 2 Sea X una variable aleatoria distribuida uniformemente con media = 1 y

varianza = 4 /3. Hallar P [X < 0].
SOLUCION Suponga que X sigue una distribucin uniforme en el intervalo [a ,b ]
Entonces,

Resolviendo el sistema de ecuaciones (1 ) y (2 ) se obtiene a = -1 y b=3. La funcin de

distribucin acumulativa de X es:

EJEMPLO 3
Los
microbuses de cierta lnea van a un horario estricto con intervalo de 8 minutos. Un

pasajero llega de imprevisto a un determinado paradero. S i X es la variable aleatoria que

representa el tiempo de espera del pasajero.
Hallar:
(a) la funcin de densidad de la variable aleatoria X.
(b) la funcin de distribucin de X.
(c) la probabilidad que espere al microbus menos de 5 minutos.
(d) la probabilidad que espere ms de 2 minutos.
(e) la probabilidad que espere exactamente 7 minutos.
SOLUCION La variable aleatoria X est definida por X () = tiempo (en minutos) que
debe esperar el pasajero.
Puesto que, el pasajero llega en cualquier instante al paradero, y todos los instantes son
igualmente posibles (equiprobables), la variable aleatoria X sigue una distribucin
uniforme en un intervalo [ a,b ] de longitud b-a = 8
Considerando a = 0 y b = 8, la funcin de densidad de X es:

(b) la funcin de distribucin acumulativa es:

(c) Sea el evento A: " el pasajero espera menos de 5 minutos"

A es equivalente a que la variable aleatoria X est comprendido entre 0 y 5 minutos. Es
decir:

(d) El pasajero espera ms de 2 minutos:

(e) P [X = 7] = 0, porque X es una variable aleatoria continua.

EJEMPLO 4 Suponer que se obtienen barras de mantequilla de un cuarto de libra con

una mquina a partir de pedazos ms grandes. Se supone que los pedazos ms grandes
son de densidad uniforme; si la longitud de cada barra es exactamente 27/8 pulgadas,
entonces la barra pesa libra. Suponga que la longitud real X de una barra cortada por
esta mquina tiene la misma posibilidad de estar comprendido en el intervalo entre 3.35 y
3.45 pulgadas. Suponiendo que las longitudes de las barras cortadas por esta mquina
son independientes. Cul es la probabilidad que las 4 barras de un paquete determinado
de mantequilla pesan cuando menos 1/4 de libra? Que exactamente 3 pesen cuando
menos 1/4 de libra?
SOLUCION La variable aleatoria X, definida como la longitud de una barra cortada por la
mquina, tiene una distribucin uniforme en el intervalo [3.35 ; 3.45] . La funcin de
distribucin es:

La probabilidad que una barra pese cuando menos 1/4 libra, es igual a la probabilidad que
la longitud de la barra sea cuando menos 27/8 pulgadas. Entonces:

(a) Se extrae un paquete de 4 barras al azar. Teniendo en cuenta que las longitudes de las
barras cortadas por la mquina son independientes, tenemos que:

62 DISTRIBUCION EXPONENCIAL
DEFINICION 6 .2 .1 Sea X una variable aleatoria continua. Se dice que X tiene una
distribucin exponencial con parmetro real X, si su funcin de densidad est dado por:

donde el parmetro real X, es una constante positiva.

La grfica de la funcin de densidad se muestra en la figura 6 .2 .1.

La funcin de distribucin de la variable aleatoria X con distribucin exponencial es

La figura 6 .2 .2 muestra la grfica de F (x ):

Clculo de esperanza (o media) de X.

Aplicando integracin por partes:

Clculo de la varianza de la variable aleatoria X.

Aplicando el mtodo de integracin por partes 2 veces obtenemos,

EJEMPLO 1

Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin
exponencial con vida media de 500 horas. Si X representa la vida de un tubo (el tiempo
que dura el tubo).
(a) Hallar la probabilidad que se queme antes de las 300 horas?
(b) Cul es la probabilidad que dure por lo menos 300 horas?
(c) Si un tubo particular ha durado 300 horas. Cul es la probabilidad de que dure otras
400 horas?
SOLUCION
Sabemos que = 1/, entonces 1/ = 500, de donde = 1/500. La funcin de densidad de
la variable aleatoria X es,

La funcin de distribucin es:

Observe que, P [X > 700X > 300] = P [X > 400], este es una propiedad de la distribucin
exponencial que se conoce como la de no tener memoria. En general, dado cualquier
real a, b > 0, se tiene:
Es decir, se cumple:

EJEMPLO 2
El 5% de los tubos producidos por cierta factora son defectuosos. El tiempo de vida T de
un tubo defectuoso es una variable aleatoria exponencial con media 0.5 (aos), mientras
que el tiempo de vida T1 de un tubo no defectuoso es una variable aleatoria exponencial
con media 2 (aos). Cul es la probabilidad que un tubo escogido al azar dure (a) a lo
ms 2 aos? (b) a lo ms 4 aos? , (c) menos de 2 aos?
SOLUCION
Definimos la variable aleatoria X y el evento D como sigue:
X () = tiempo de vida del tubo escogido al azar.
D = el tubo escogido es defectuoso.
D = el tubo escogido es no defectuoso.
Debemos calcular P [X < 2] , P [X <4] y P[X < 2]
Usando el teorema de probabilidad total para los eventos [X < k] , D y D se tiene
P [X < k] = P [D] P [T < k D ] + P [D] P [T1 < kD]
= (0.05) P [T < k] + (0.95) P [T1 < k]( 1)
T y T1 son variables aleatorias exponenciales con parmetros = 1/ = 1/0.5 = 2 y
= 1/1 = = 0.5 respectivamente. Las funciones de distribucin de T y T1 son:

Respectivamente, la expresin (1) se escribe:

Las probabilidades pedidas son: