Unidad IV Distribuciones de Vac

Ing. Orlando F. Ochoa Ch.
C.I.V. N 12.326
DISTRIBUCIONES DE VARIABLES CONTINUAS
UNIDAD IV: DISTRIBUCIONES DE VARIABLES CONTINUAS

Distribucin Normal. Caractersticas. Propiedades. Parmetros. Importancia.
La Distribucin Normal como lmite de otras distribuciones. Distribucin
Normal Tipificada. Curva. Caractersticas. Parmetros. Ventajas de su uso.
Variable Tipificada Z. Relacin con la Variable X. Uso de las Tablas. Ajuste
de una normal. Relacin de la Distribucin Normal con la Binomial.
Distribucin Exponencial, Identificacin.
4.1. Definiciones previas:
Variable continua:
Una variable aleatoria se define continua cuando el conjunto de valores
que puede tomar es un infinito continuo, es decir, puede tomar cualquier
valor en un intervalo, (XR).
Funcin de probabilidad, f(X):
La funcin de probabilidad de una variable aleatoria es una funcin que
asigna a cada suceso definido sobre la variable aleatoria la probabilidad
de que dicho suceso ocurra. La distribucin de probabilidad est definida
sobre el conjunto de todos los sucesos, cada uno de los sucesos es el
rango de valores de la variable aleatoria.
Funcin de distribucin de probabilidades de una variable continua:
Es aquella distribucin que puede tomar cualquiera de los infinitos valores
existentes dentro de un intervalo. En el caso de variable continua la
distribucin de probabilidad es la integral de la funcin de densidad, por lo
que tenemos entonces que:
4.2. Distribucin normal:

4.2.1. Definicin:
La distribucin normal o distribucin de Gauss es una de las distribuciones
de probabilidad de variables continuas que aparece con ms frecuencia en
ING. ORLANDO F. OCHOA CH.
UBA - ESTADISTICA II - 2012
Pgina 1

C.I.V. N 12.326
fenmenos reales, frente a otros tipos de distribuciones como las

asimtricas o la exponencial.
La distribucin normal fue reconocida por primera vez por el francs
Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss
(1777-1855) elabor desarrollos ms profundos y formul la ecuacin de la
curva; de ah que tambin se la conozca, ms comnmente, como la
"campana de Gauss".
4.2.2. Caractersticas:
La curva normal tiene las siguientes caractersticas:
La moda que es el punto sobre el eje horizontal donde la curva tiene su

mximo, ocurre en el valor igual a la media aritmtica,( = ).
La curva es simtrica alrededor de su eje vertical donde se tiene la
media.
La curva tiene sus puntos de inflexin en x igual a la media aritmtica
mas menos su desviacin estndar, es cncava hacia abajo si X es
mayor que su media aritmtica menos la desviacin estndar o si x es
menor que su media aritmtica ms su desviacin estndar, y es
cncava hacia arriba en cualquier otro punto.
La curva normal se acerca al eje horizontal en forma asinttica en
cualquiera de las dos direcciones, alejndose de la media.
El rea total bajo la curva y arriba del eje horizontal es igual a 1.
4.2.3. Parmetros:
Media ():
==
Varianza (2) y desviacin tpica ():

=
De acuerdo a sus parmetros, se dice la distribucin es N(,)

Pgina 2

C.I.V. N 12.326
4.2.4. Funcin de densidad:

=
4.2.5. Funcin de distribucin:
4.2.6. Grfica:
4.2.7. Importancia:
La importancia de esta distribucin radica en que permite modelar
numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo de fenmenos son
desconocidos, por la enorme cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo
que cada observacin se obtiene como la suma de unas pocas causas
independientes.
Algunos ejemplos de variables asociadas a fenmenos naturales que
siguen el modelo de la normal son:
caracteres morfolgicos de individuos como la estatura;
caracteres fisiolgicos como el efecto de un frmaco;
caracteres sociolgicos como el consumo de cierto producto por un
mismo grupo de individuos;
caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes, etc.
Pgina 3

C.I.V. N 12.326
4.3. Distribucin normal tipificada:

No existe una sola distribucin de probabilidad normal, sino una familia de
ellas. Como sabemos, cada una de las distribuciones puede tener una media
() o una desviacin estndar distinta (). Por tanto, el nmero de
distribuciones normales es ilimitado y sera imposible proporcionar una tabla
de probabilidades para cada combinacin de y .
Para resolver este problema, se utiliza un solo miembro de la familia de
distribuciones normales, aquella cuya media es 0 y desviacin estndar 1
que es la que se conoce como distribucin estndar normal, de forma que
todas las distribuciones normales pueden convertirse a la estndar, restando
la media de cada observacin y dividiendo por la desviacin estndar.
4.3.1. Tipificar una variable.
Se denomina tipificar o estandarizar una variable aleatoria X, al proceso
mediante el cual se transforma la variable X en otra variable Z la cual
expresa las distancias o desvos de la variable X con respecto a la media
en unidades de desviacin tpica .
Sea Xi el valor de la variable y la media de la distribucin, los desvos
d con respecto a la media sern:
= , expresando stos desvos en unidades de desviacin se tiene:
=

Pgina 4

C.I.V. N 12.326
Tipificacin de la Variable
En el grfico anterior se aprecia que la distribucin tiene media , con

desviacin tpica y la variable X toma los valores X1 = y X2 = +
, de acuerdo a esto, la variable tipificada Z ser:
=
=
=
4.3.2. Caractersticas:
No depende de ningn parmetro

Su media, = 0, su varianza, 2 = 1 y su desviacin tpica, =1
La curva Y = f(X) es simtrica con respecto al eje Y.
Tiene un mximo en el eje Y.
Tiene dos puntos de inflexin, en Z = - 1 y Z = 1.
4.3.3. Parmetros:
Media = 0
Varianza 2 = 1
Desviacin tpica =1
De acuerdo a sus parmetros, se dice que esta distribucin es N(0,1)

Pgina 5

C.I.V. N 12.326
4.3.4. Funcin de densidad:

=
4.3.5. Funcin de distribucin:
4.3.6. Grfica:
Ordenadas de la curva normal tipificada: (Ver Anexo)

reas bajo la curva normal tipificada: (Ver Anexo)

Pgina 6

C.I.V. N 12.326
4.3.7. Uso de tablas:

Cuando la probabilidad pedida es menor o igual a un nmero
positivo:
Ejemplo:
( , )
En este caso la probabilidad se encuentra directamente en las tablas,
como indica el siguiente grfico, la probabilidad de ocurrencia del evento
es el rea sombreada, y el valor para el rea se determina de la forma
siguiente:
- En la 1 columna buscamos el valor de las unidades y las dcimas, (0,4)
- En la 1 fila el valor de las centsimas, (0,05)
- Segn
la
tabla
de
reas
bajo
la
curva
Normal
, = ,
Probabilidad de un valor mayor a un nmero positivo

Ejemplo:
P(Z > 1,24)
El rea solicitada es el rea bajo la curva ubicada a la derecha del

valor 1,24.

Pgina 7

C.I.V. N 12.326
Se determina en la tabla el rea correspondiente al valor 1,24 que es

el rea de la curva a la izquierda de ese valor, (0,8925)
Como el rea total bajo la curva es igual a 1, el rea solicitada es
igual uno menos el rea indicada en las tablas, (1,0000 0,925 =
0,1075)
Probabilidad de un valor negativo:

Ejemplo:
P(Z - 0,72)
El rea solicitada es el sector comprendido en el intervalo

, 0,72
Como
la
curva
es
simtrica
con
respecto
al
Y,
eje
P(Z - 0,72) = P (Z + 0,72 )
Se determina P(Z + 0,72 ) igual que en caso anterior:

Como el rea total bajo la curva es igual a 1, el rea solicitada es
igual uno menos el rea indicada en las tablas,
P(Z + 0,72) = 1 - P(Z < + 0,72) = 1 - 0,7642 = 0,2358
P(Z - 0,72 ) = P(Z + 0,72)= 1 - P (P < + 0,72) = 1 - 0,7642 = 0,2358

Pgina 8

C.I.V. N 12.326
Probabilidad entre dos valores positivos:

Ejemplo:
P(0,5 Z 1,76)
Se leen directamente en la tabla la P(Z 1,76) = 0,9608 y la P(Z 0,5) =

0,6915.
El rea solicitada es: P(Z 1,76) - P(Z 0,5) = 0,9608 - 0,6915 = 0,2693
Probabilidad entre dos valores negativos:

Ejemplo:
P(- 1,76 Z - 0,5)
Por simetra cambiamos los dos valores negativos a positivos y

calculamos sus probabilidades.
P(- 1,76 Z - 0,5) = P(0,5 z 1,76) = 0,9608 - 0,6915 = 0,2693

Pgina 9

C.I.V. N 12.326
Probabilidad entre un valor positivo y uno negativo:

Ejemplo:
P(- 0,53 Z 2,46)
P(- 0,53 Z 2,46) = P(Z 2,46) - P(Z - 0,53)
P(Z - 0,53) = P(Z 0,53 ) = 1 - P(Z < 0, 53)= 1 - 0,7019 = 0,2981
P(- 0,53 Z 2,46) = P( Z 2,46) - P(Z - 0,53 ) = 0,9931 - 0,2981 =

0,695
Manejo de la tabla de forma inversa:

Se presentan los casos en los cuales se conoce la probabilidad de
ocurrencia de un evento o suceso y se quiere determinar el valor de la
variable que acumula esa probabilidad.
Ejemplo:
-
Hallar el valor de Z para que: < = ,

Se busca en el Anexo N 2, el valor 0,7019 el cual corresponde al
valor Z de la primera columna a 0,5 y al valor de la primera fila a
0,03, por lo tanto el valor buscado de Z = 0,53.
Hallar el valor de Z para que: < = ,

Se busca en el Anexo N 2, el valor 0,8997 el cual corresponde al
valor Z de la primera columna a 1,2 y al valor de la primera fila a
0,08, por lo tanto el valor buscado de Z = 1,28.

Pgina 10

C.I.V. N 12.326
4.4. Ajuste de una normal:

Procedimiento:
a) Se determina la media y la desviacin tpica de la distribucin.
==
b) Se determinan los centros de clase de los diferentes intervalos de la

distribucin de frecuencias (Xi)
=
c) Se tipifican los centros de clase (Zi) de acuerdo a la frmula:

=
d) Se determinan las ordenadas (Yi) correspondientes a cada centro de

clase tipificado (Anexo N 1: Ordenadas de la curva normal tipificada)
e) Se calcula la constante K (factor de proporcionalidad), de acuerdo a la
frmula:
=
f)
donde: Ic = Intervalo de clase
Clculo de las frecuencias tericas o calculadas (FT) mediante el uso de

la frmula:
FT = Yi x K
g) Bondad del ajuste:

Aplicacin de la prueba Ji cuadrado o Chi cudrado

Pgina 11

C.I.V. N 12.326
- Frmulas:
=
=
Mtodo Directo
Mtodo Abreviado
- Grados de libertad:
Distribucin Normal: G de L () = k 3
donde k = N de clases
- Nivel de probabilidad y nivel de significacin:
Nivel de probabilidad, p = 0,95 y por lo tanto el nivel de significacin

ser: = 0,05.
Ejemplo:
La siguiente Distribucin de Frecuencias representa los gastos (Bsx1.000)
ocurridos en un determinado perodo en un departamento de una empresa.
Intervalos de clases Gastos
Frecuencias (Fi) N de das
(Bsx1.000)
500 799,99
800 1.099,99
20
1.100 1.399,99
40
1.400 1.699,99
1.700 2.000
4
Fi = 80
Se desea ajustar la distribucin anterior a una distribucin normal.

Pgina 12

C.I.V. N 12.326
Determinacin de la media aritmtica() y la desviacin tpica () de

las observaciones:
.
==
Centros
Frec.
de Clase
Observ.
Intervalos
Fi x Xi
Xi - X
(Xi - X )2
Fi (Xi - X )
(Xi)
(Fi)
500 799,99
650
4.550
- 536,25
287.564,06
2.012.948,40
800 1.099,99
950
20
19.000
- 236,25
55.814,06
1.116.281,20
1.100 1.399,99
1.250
40
50.000
63,75
4.064,10
162.564,00
1.400 1.699,99
1.550
13.950
363,75
132.314,10
1.190.826,90
1.850
7.400
663,75
440.564,06
1.762.256,20
80
94.900
1.700 2.000
TOTALES
6.244.876,7
= . , .
..,
= .
Se determinan los centros de clase tipificados (Z i) y las ordenadas de

la curva normal (Yi):

Para hallar el valor de la ordenada (Yi), se entra en el Anexo N 1:

Ordenadas de la curva normal tipificada con el valor de Zi
=
Z1
Z2
Z3
Z4
Z5
= (650 1186)/270 = - 1,98

= - 0,87
= 0,23
= 1,34
= 2,45

segn la Tabla de Ordenadas:
Y1
Y2
Y3
Y4
Y5
=
=
=
=
=
0,0562
0,2732
0,3885
0,1626
0,0198
Pgina 13

C.I.V. N 12.326
Clculo de la constante de proporcionalidad K

La constante K, se determina como funcin del intervalo de clase (Ic), el
nmero de observaciones (N = fi) y la desviacin tpica, mediante la
frmula:
=
= ,
Clculo las frecuencias tericas (F t):

Ft = Yi x K
Ft1
Ft2
Ft3
Ft4
Ft5
=
=
=
=
=
Y1 x
Y2 x
Y3 x
Y4 x
Y5 x
K
K
K
K
K
=
=
=
=
=
0,0562 x 89
0,2732 x 89
0,3885 x 89
0,1626 x 89
0,0198 x 89
Ft
=
=
=
=
=
=
5
24
35
14
2
80
Siempre hay que tener presente que Fi = Ft

Bondad del ajuste:
Frecuencias
Frecuencias
Observadas (Fi)
Tericas (Ft)
Fi 2
Fi2/Ft
49
9,80
20
24
400
16,66
40
35
1.600
45,71
14
81
5,78
16
8,00
Fi = 80
Ft = 80
Fi /Ft = 85,95
2
Xc2 = 85,95 80 = 5,95

Pgina 14

C.I.V. N 12.326
Segn la Tabla correspondiente para:

Grados de libertad: = 5 3 = 2
Nivel de probabilidad p = 0,95
Se tiene que Xt2 = 5,99 y como Xc2 < Xt2 se acepta el ajuste como bueno
para ese nivel de significacin = 0,05.
Grfico:
AJUSTE A UNA DISTRIBUCION NORMAL

45
40
35
30
25
Fi - FT
20
15
10
5
0
Fi
FT
500
1000
1500
2000
Gastos (Bsx1000)

Pgina 15

C.I.V. N 12.326
4.5. Relacin de la Distribucin Normal con la Binomial:

Una distribucin binomial B(n,p) se puede aproximar por una distribucin
normal, siempre que n sea grande y p no est muy prxima a 0 o a 1. La
aproximacin consiste en utilizar una distribucin normal con la misma media
y desviacin tpica que la distribucin binomial.
En la prctica se utiliza la aproximacin cuando :

En cuyo caso :
(, ) ( = , =
Y tipificando la variable se obtiene la normal estndar correspondiente:

=
(, )
Ejemplo:
El 2% de los tornillos fabricados por una mquina son defectuosos. Si
tenemos un lote de 2.000 tornillos, Cul es la probabilidad de que haya
menos de 50 defectuosos?
- Distribucin Binomial: los tornillos son defectuosos o no defectuosos
- Datos: P = 0,02,Q = 0,98, n = 2.000 por lo tanto: B(n,P) B(2.000,002)
- Clculo de la media () y la desviacin tpica de la distribucin normal:
= = . , =
=
. , . , = ,
- Tipificar la variable:
=

=
= ,
- Probabilidad:
Segn Tabla Anexo N2: P(X<50) = 0,94

Pgina 16

C.I.V. N 12.326
4.6. Distribucin exponencial:

Es una distribucin de probabilidad continua con un parmetro > 0; si una
variable aleatoria continua X es distribuida segn la distribucin
exponencial, su funcin de densidad es:
() =
Se aplica a variables como las llegadas de automviles a un servicio de

lavado de autos, los tiempos requeridos para cargar un camin, las
distancias entre dos averas en una carretera, etc.
Funcin de distribucin:
() =
< 0
Parmetros:
- Valor esperado o media:
Varianza:
Grfico:

Pgina 17

C.I.V. N 12.326
Ejemplos:
Se sabe que el tiempo de espera una persona que llama a un centro de
atencin al pblico para ser atendido por un asesor es una variable
aleatoria exponencial con = 5 minutos. Encuentre la probabilidad de que
una persona que llame al azar en un momento dado tenga que esperar:
a. A lo sumo 5 minutos
b. Por lo menos 10 minutos
c. Entre 3 y 10 minutos
Solucin:
() = = . =
() = =
a. A lo sumo 5 minutos:
< 5 = () = = = , = ,
b. Por lo menos 10 minutos:
> 10 = () =
= = ,
c. Entre 3 y 10 minutos:
< < = () () =

= . = ,
Pgina 18

C.I.V. N 12.326
4.7. Ejercicios:
4.7.1. Dada una distribucin normal con media de 56,3 y una desviacin tpica de
11,5, encontrar las calificaciones estndar equivalentes para las siguientes
calificaciones:
a) 44
b) 22,5
c) 68,4
d) 19,8
e) 56,3
f) 69
4.7.2. Hallar la proporcin de rea bajo la curva normal entre la media y las
siguientes calificaciones Z:
a) 1,64
b) 2,58
c) 0,25
d) 3,09
e) 1,65
f) 1,96
4.7.3. Hallar las siguientes reas bajo la curva normal

a)
b)
c)
d)
e)
f)
g)
h)
i)
Entre Z = 0 y Z = 0,83
Entre Z = 0 y Z = - 1,02
Entre Z = - 0,50 y Z = 1,12
Entre Z = - 1,54 y Z = 2,28
Entre Z = 0 y Z = 2,8
Para Z 1,45
Para Z - 1,45
Entre Z 2,80 y Z 1,50
Entre Z - 1,50 y Z -2,80
P( - 1,26 Z 2,05)
Hallar la P(Z 1,85)
Hallar la P(Z - 1,85)
A la izquierda de Z = 0,63
A la derecha de Z = - 0,12
A la izquierda de Z = - 2,44
y a la derecha de Z = 1,25
p) Entre Z 2,00 y Z - 2,00
j)
k)
l)
m)
n)
o)
4.7.4. Los salarios de 65 tcnicos de la Industria Petrolera se distribuyen

normalmente con una media de 2.300 Bs/mes y una desviacin tpica de
150 Bs/mes. Se desea conocer:
a. Hallar la probabilidad de que un Tcnico dentro de esa industria obtenga
un salario inferior a Bs. 2.400,00 mensuales.
b. Determinar la probabilidad de que un Tcnico obtenga un salario superior
a Bs. 2.500,00 mensuales.
c. Determinar el nmero de Tcnicos que se espera dentro de esa industria,
obtengan salarios comprendidos entre Bs. 2.000,00 y Bs. 2.500,00
mensuales.
d. Determinar la probabilidad de que un Tcnico obtenga un salario
comprendido entre Bs. 2.200,00 y 2.450,00.
Pgina 19

C.I.V. N 12.326
4.7.5. A continuacin se dan las calificaciones del estudiante Jacinto Parra, y la

media y la desviacin tpica en cada una de las tres pruebas efectuadas a
2.500 estudiantes:
PRUEBA
MEDIA
DESV. ESTANDAR
CALIF. DE PARRA
Aritmtica
74,5
12,6
73
Castellano
46,6
8,3
69
Historia
47,2
4,8
55
a. Convertir cada calificacin de las pruebas de Parra en calificaciones

estndar.
b. En cual de las pruebas obtuvo una mejor posicin?, en cual la peor?
c. Cuntos estudiantes sobrepasaron la calificacin que Parra obtuvo en
Historia y Aritmtica?
4.7.6. La siguiente distribucin corresponde a los sueldos percibidos por los
empleados de una Empresa.
Sueldos (Bsx100)
Frecuencias Observadas
(Xi)
(Fi)
35 44,99
45 54,99
12
55 64,99
15
65 74,99
20
75 84,99
15
85 94,99
12
95 105
Se pide ajustar la distribucin anterior a una Distribucin Normal y

establecer la bondad del ajuste.
4.7.7. Una determinada fabrica envasa sus productos en unidades cuyo peso
promedio es de 614 gramos, con una desviacin de 25 gramos. Para el
Pgina 20

C.I.V. N 12.326
control de calidad, se ha establecido un mnimo en el peso de 610 gramos y

un mximo de 618 gramos. Se desea saber Qu porcentaje de la
produccin total de sta Empresa cumple tales exigencias del control de
calidad?
4.7.8. Los escurrimientos observados en un ro en millones de m3 durante 34
aos presentan la siguiente distribucin de frecuencias:
Valor medio de clase (Xi)
Frecuencias observadas (Fi)
10
11
12
Se pide ajustar la distribucin anterior a una Distribucin Normal y

establecer la bondad del ajuste.

Pgina 21

C.I.V. N 12.326
4.8. Anexos:
Anexo N 1:
ORDENADAS DE LA CURVA NORMAL TIPIFICADA
Z
0,00
0,3989
0,82
0,2850
1,64
0,1040
2,46
0,0194
3,28
0,0018
0,02
0,3989
0,84
0,2803
1,66
0,1006
2,48
0,0184
3,3
0,0017
0,04
0,3986
0,86
0,2756
1,68
0,0973
2,5
0,0175
3,32
0,0016
0,06
0,3982
0,88
0,2709
1,7
0,0940
2,52
0,0167
3,34
0,0015
0,08
0,3977
0,9
0,2661
1,72
0,0909
2,54
0,0158
3,36
0,0014
0,1
0,3970
0,92
0,2613
1,74
0,0878
2,56
0,0151
3,38
0,0013
0,12
0,3961
0,94
0,2565
1,76
0,0848
2,58
0,0143
3,4
0,0012
0,14
0,3951
0,96
0,2516
1,78
0,0818
2,6
0,0136
3,42
0,0012
0,16
0,3939
0,98
0,2468
1,8
0,0790
2,62
0,0129
3,44
0,0011
0,18
0,3925
0,2420
1,82
0,0761
2,64
0,0122
3,46
0,0010
0,20
0,3910
1,02
0,2371
1,84
0,0734
2,66
0,0116
3,48
0,0009
0,22
0,3894
1,04
0,2323
1,86
0,0707
2,68
0,0110
3,5
0,0009
0,24
0,3876
1,06
0,2275
1,88
0,0681
2,7
0,0104
3,52
0,0008
0,26
0,3857
1,08
0,2227
1,9
0,0656
2,72
0,0099
3,54
0,0008
0,28
0,3836
1,1
0,2179
1,92
0,0632
2,74
0,0093
3,56
0,0007
0,3
0,3814
1,12
0,2131
1,94
0,0608
2,76
0,0088
3,58
0,0007
0,32
0,3790
1,14
0,2083
1,96
0,0584
2,78
0,0084
3,6
0,0006
0,34
0,3765
1,16
0,2036
1,98
0,0562
2,8
0,0079
3,62
0,0006
0,36
0,3739
1,18
0,1989
0,0540
2,82
0,0075
3,64
0,0005
0,38
0,3712
1,2
0,1942
2,02
0,0519
2,84
0,0071
3,66
0,0005
0,40
0,3683
1,22
0,1895
2,04
0,0498
2,86
0,0067
3,68
0,0005
0,42
0,3653
1,24
0,1849
2,06
0,0478
2,88
0,0063
3,7
0,0004
0,44
0,3621
1,26
0,1804
2,08
0,0459
2,9
0,0060
3,72
0,0004
0,46
0,3589
1,28
0,1758
2,1
0,0440
2,92
0,0056
3,74
0,0004
0,48
0,3555
1,3
0,1714
2,12
0,0422
2,94
0,0053
3,76
0,0003
0,5
0,3521
1,32
0,1669
2,14
0,0404
2,96
0,0050
3,78
0,0003
0,52
0,3485
1,34
0,1626
2,16
0,0387
2,98
0,0047
3,8
0,0003
0,54
0,3448
1,36
0,1582
2,18
0,0371
0,0044
3,82
0,0003
0,56
0,3410
1,38
0,1539
2,2
0,0355
3,02
0,0042
3,84
0,0003
0,58
0,3372
1,4
0,1497
2,22
0,0339
3,04
0,0039
3,86
0,0002
0,60
0,3332
1,42
0,1456
2,24
0,0325
3,06
0,0037
3,88
0,0002
0,62
0,3292
1,44
0,1415
2,26
0,0310
3,08
0,0035
3,9
0,0002
0,64
0,3251
1,46
0,1374
2,28
0,0297
3,1
0,0033
3,92
0,0002
0,66
0,3209
1,48
0,1334
2,3
0,0283
3,12
0,0031
3,94
0,0002
0,68
0,3166
1,5
0,1295
2,32
0,0270
3,14
0,0029
3,96
0,0002
0,7
0,3123
1,52
0,1257
2,34
0,0258
3,16
0,0027
3,98
0,0001
0,72
0,3079
1,54
0,1219
2,36
0,0246
3,18
0,0025
0,0001
0,74
0,3034
1,56
0,1182
2,38
0,0235
3,2
0,0024
0,76
0,2989
1,58
0,1145
2,4
0,0224
3,22
0,0022
0,78
0,2943
1,6
0,1109
2,42
0,0213
3,24
0,0021
0,80
0,2897
1,62
0,1074
2,44
0,0203
3,26
0,0020

Pgina 22

C.I.V. N 12.326
Anexo N 2:
AREAS BAJO LA CURVA NORMAL TIPIFICADA N(0,1)
Los valores de la tabla normal representan el rea bajo la curva normal hasta un valor positivo de z.

Pgina 23

C.I.V. N 12.326
Anexo N 3:
Tabla de la distribucin JI-cuadrado o Chi-cuadrado, ( ):
Probabilidad de un valor superior - Alfa ()
Grados
libertad
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
0,1
0,05
0,025
0,01
0,005
2,71
4,61
6,25
7,78
9,24
10,64
12,02
13,36
14,68
15,99
17,28
18,55
19,81
21,06
22,31
23,54
24,77
25,99
27,20
28,41
29,62
30,81
32,01
33,20
34,38
35,56
36,74
37,92
39,09
40,26
51,81
63,17
74,40
85,53
96,58
107,57
118,50
3,84
5,99
7,81
9,49
11,07
12,59
14,07
15,51
16,92
18,31
19,68
21,03
22,36
23,68
25,00
26,30
27,59
28,87
30,14
31,41
32,67
33,92
35,17
36,42
37,65
38,89
40,11
41,34
42,56
43,77
55,76
67,50
79,08
90,53
101,88
113,15
124,34
5,02
7,38
9,35
11,14
12,83
14,45
16,01
17,53
19,02
20,48
21,92
23,34
24,74
26,12
27,49
28,85
30,19
31,53
32,85
34,17
35,48
36,78
38,08
39,36
40,65
41,92
43,19
44,46
45,72
46,98
59,34
71,42
83,30
95,02
106,63
118,14
129,56
6,63
9,21
11,34
13,28
15,09
16,81
18,48
20,09
21,67
23,21
24,73
26,22
27,69
29,14
30,58
32,00
33,41
34,81
36,19
37,57
38,93
40,29
41,64
42,98
44,31
45,64
46,96
48,28
49,59
50,89
63,69
76,15
88,38
100,43
112,33
124,12
135,81
7,88
10,60
12,84
14,86
16,75
18,55
20,28
21,95
23,59
25,19
26,76
28,30
29,82
31,32
32,80
34,27
35,72
37,16
38,58
40,00
41,40
42,80
44,18
45,56
46,93
48,29
49,65
50,99
52,34
53,67
66,77
79,49
91,95
104,21
116,32
128,30
140,17

Pgina 24

C.I.V. N 12.326
Anexo N 4:
Distribucin uniforme continua
Tomado de: http://cienciasempresariales.info/distribucion-uniformecontinua/
Es la ms sencilla de las distribuciones continuas, surge al considerar una
variable aleatoria que toma valores equiprobables en un intervalo finito. Su
nombre se debe al hecho de que la densidad de probabilidad de esta
variable aleatoria es uniforme sobre todo su intervalo de definicin.
La distribucin uniforme es aquella que puede tomar cualquier valor dentro
de un intervalo, todos ellos con la misma probabilidad.
Diremos que una variable aleatoria sigue una distribucin uniforme en un
intervalo
, con
si la probabilidad de que la variable
aleatoria tome un valor en cualquier subintervalo es proporcional a la
longitud del subintervalo.
La
funcin
de
densidad
es:
Abreviadamente esta distribucin la indicaremos por:

- Caractersticas:
Funcin de distribucin:
Media y Varianza

Pgina 25

C.I.V. N 12.326
4.9. Bibliografa:
Anderson, D., Sweeney D., Williams T.
Estadstica
para
Administracin y Economa.
Ed. CENGAGE - Learning.
Dcima Edicin., Mxico.
2000.
Canavos C., George
Probabilidad y Estadstica.
Aplicaciones y Mtodos. Ed.
Mc Graw Hill/Interamericana.
1 Ed., Mxico. 1988.
Lipschutz S., Schiller J.
Introduccin a la Probabilidad
y Estadstica. Ed. Mc Graw
Hill Inc., Serie Schaum, 1
Ed., Madrid.1999.
Lpez Casuso, Rafael
Clculo de Probabilidades e
Inferencia
Estadstica.
Universidad Catlica Andrs
Bello,
Cuarta
Edicin,
Caracas. 2006
Mendenhall W., Reinmuth J.
Estadstica
para
administracin y economa.
Ed.
Wadsworth
Internacional/Iberoamerica, 3
Ed., USA. 1978.
Meyer, Paul L.
Probabilidad y Aplicaciones
Estadsticas.
Ed.
Fondo
Educativo
Interamericano,
S.A., 2 Ed., Mxico. 1973.
Stevenson, W. J.
Estadstica
para
administracin y economa.
Ed. HARLA, 1 Ed., Mxico.
1982.
http://riunet.upv.es/bitstream/handle/10251/7939/La%20distribucion%2
0Normal.pdf
Pgina 26

Unidad IV Distribuciones de Vac

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

Unidad IV Distribuciones de Vac

Transféré par

Droits d'auteur :

Formats disponibles

Ing. Orlando F. Ochoa Ch.

DISTRIBUCIONES DE VARIABLES CONTINUAS

UNIDAD IV: DISTRIBUCIONES DE VARIABLES CONTINUAS

4.2. Distribucin normal:

Ing. Orlando F. Ochoa Ch.

fenmenos reales, frente a otros tipos de distribuciones como las

La moda que es el punto sobre el eje horizontal donde la curva tiene su

Varianza (2) y desviacin tpica ():

De acuerdo a sus parmetros, se dice la distribucin es N(,)

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

4.2.4. Funcin de densidad:

4.2.5. Funcin de distribucin:

Ing. Orlando F. Ochoa Ch.

DISTRIBUCIONES DE VARIABLES CONTINUAS

4.3. Distribucin normal tipificada:

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

En el grfico anterior se aprecia que la distribucin tiene media , con

No depende de ningn parmetro

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

4.3.4. Funcin de densidad:

4.3.5. Funcin de distribucin:

Ordenadas de la curva normal tipificada: (Ver Anexo)

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

DISTRIBUCIONES DE VARIABLES CONTINUAS

4.3.7. Uso de tablas:

Probabilidad de un valor mayor a un nmero positivo

El rea solicitada es el rea bajo la curva ubicada a la derecha del

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

Se determina en la tabla el rea correspondiente al valor 1,24 que es

Probabilidad de un valor negativo:

El rea solicitada es el sector comprendido en el intervalo

P(Z - 0,72) = P (Z + 0,72 )

Se determina P(Z + 0,72 ) igual que en caso anterior:

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

DISTRIBUCIONES DE VARIABLES CONTINUAS

Probabilidad entre dos valores positivos:

Se leen directamente en la tabla la P(Z 1,76) = 0,9608 y la P(Z 0,5) =

Probabilidad entre dos valores negativos:

Por simetra cambiamos los dos valores negativos a positivos y

P(- 1,76 Z - 0,5) = P(0,5 z 1,76) = 0,9608 - 0,6915 = 0,2693

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

DISTRIBUCIONES DE VARIABLES CONTINUAS

Probabilidad entre un valor positivo y uno negativo:

P(- 0,53 Z 2,46) = P(Z 2,46) - P(Z - 0,53)

P(Z - 0,53) = P(Z 0,53 ) = 1 - P(Z < 0, 53)= 1 - 0,7019 = 0,2981

P(- 0,53 Z 2,46) = P( Z 2,46) - P(Z - 0,53 ) = 0,9931 - 0,2981 =

Manejo de la tabla de forma inversa:

Hallar el valor de Z para que: < = ,

Hallar el valor de Z para que: < = ,

ING. ORLANDO F. OCHOA CH.

Ing. Orlando F. Ochoa Ch.

4.4. Ajuste de una normal:

b) Se determinan los centros de clase de los diferentes intervalos de la

c) Se tipifican los centros de clase (Zi) de acuerdo a la frmula:

d) Se determinan las ordenadas (Yi) correspondientes a cada centro de

donde: Ic = Intervalo de clase

Clculo de las frecuencias tericas o calculadas (FT) mediante el uso de