Distribuciones continuas de probabilidad

Distribucin Normal
La distribucin continua de probabilidad ms importantes en todo el campo de la estadstica es la distribucin normal. Su grafica, que recibe el nombre de curva normal, es la curva en forma de campana, la cual describe en forma aproximada muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin.

A la distribucin normal, frecuentemente se le llama distribucin Gaussiana. Una variable aleatoria continua X que tiene la distribucin en forma de campana de la figura 1, se le llama variable aleatoria normal. La ecuacin matemtica para la distribucin de probabilidad de la variable normal depende de los parmetros m y s, su media y su desviacin estndar. Por lo que representan los valores de densidad de X por n(x; m, s)

0.09 0.08

0.07
0.06 0.05 0.04 0.03 0.02 0.01 0 0 -0.01 2 4 6 8 10 12 Series1

Donde p: 3.1416

e:2.71828

Una vez que se especifican la media y la varianza, la curva normal se determina completamente.

Por ejemplo si la media es igual a 50 y la varianza igual a 5, entonces las ordenadas n(x;50,5) pueden calcularse.

Propiedades
1. 2. 3.

4.

5.

La moda , que es el punto sobre el eje horizontal donde la curva tiene su maximo, ocurre en x=m. La curva es simetrica alrededor de su eje vertical donde se tiene la media m. La curva tiene sus puntos de inflexion en x=m, + s, es concava hacia abajo si m-s<X<m+s, y es concava hacia arriba en cualquier otro punto. La curva normal se acerca al eje hoprizontal en forma asintotica en cualquiera de las dos direcciones, alejandose de la media. El area total bajo la curva y arriba del eje horizontal es igual a 1.

Distribucin normal estndar

La distribucin de una variable aleatoria normal con media cero y varianza 1 recibe el nombre de distribucin normal estndar.

La dificultad que se encuentra al resolver las integrales de las funciones de densidad normal hace necesaria la tabulacin de las reas de la curva normal para una referencia rpida. Sin embargo es posible transformar todas las observaciones de cualquier variable aleatoria normal Z con media cero y varianza 1.

Ejemplos
Dada una distribucin normal estndar, encuentre el rea bajo la curva que est, a) a la derecha de z=1.84 b) A la izquierda de z=-0.54 c) Entre z=1.97 y 0.86

Ejemplos
Dada una distribucin normal estndar, encuentre los valores de k que:
a) P(Z>k)=0.3015 b) P(k<Z<-0.18)=0.4197

Ejemplo

Dada una distribucin normal con m=50 y s=10, encuentre la probabilidad de que X asuma un valor entre 45 y 62.

Dada una distribucin normal con m=300 y s=50, encuentre la probabilidad de que X asuma un valor mayor que 362.

Para pensar

Cierto tipo de batera dura un promedio de 3.0 aos, con una desviacin estndar de 0.5 aos. Suponiendo que las duraciones de las bateras son normalmente distribuidas, encuentre la probabilidad de que una determinada batera dure menos de 2.3 aos.

Una compaa fabrica focos cuya duracin es normalmente distribuida con una media igual a 800 horas y una desviacin estndar de 40 horas. Encuentre la probabilidad de que un foco se funda entre las 778 y 834 horas de uso.

En un proceso industrial el dimetro de un balero es una importante parte de un componente. El comprador establece en sus especificaciones que el dimetro debe ser 3.0 + 0.01 cm. La implicacin es que no se acepta ningn balero que se salga de esta especificacin. Se sabe que en el proceso, el dimetro de un balero tiene una distribucin normal con una media de 3.0 y una desviacin estndar s = 0.005. En promedio, Cuntos baleros fabricados se descartarn?

Aproximacin de la distribucin normal a la binomial

Cual es la diferencia entre los siguientes grficos?

0.25

Binomial
0.00047018 0.00470185 0.02194197 0.0633879 0.1267758 0.18593784 0.20659761 0.17708366 0.11805577 0.06121411 0.02448564 0.00741989 0.00164886 0.00025367 2.4159E-05 1.0737E-06 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Normal
0.02763254 0.04224038 0.05977568 0.07830885 0.09497008 0.10662336 0.1108173 0.10662336 0.09497008 0.07830885 0.05977568 0.04224038 0.02763254 0.01673414 0.00938157 0.00486897 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

0.2 0.15 0.1 0.05 0 0 5 10 15 20

-0.05
0.12 0.1 0.08 0.06 0.04 0.02 0 0 5 10 15 20

Las probabilidades que se asocian con experimentos binomiales pueden obtenerse fcilmente cuando n es pequea, de la formula b(x;n,p) de la distribucin binomial. (verificar tabla binomial)

Si n es grande, es conveniente calcular las probabilidades binomiales por procedimientos de aproximacin.

La distribucin normal frecuentemente es una buena aproximacin a la distribucin discreta cuando est ultima toma la forma de campana simtrica.
Desde el punto de vista terico, algunas distribuciones convergen a normales a medida que sus parmetros se aproximan a ciertos lmites.

La distribucin normal es una distribucin de aproximacin conveniente debido a que la funcin de distribucin acumulativa se tabula de manera sencilla. La distribucin binomial se aproxima bastante bien con la normal en problemas prcticos cuando se trabaja con la funcin de distribucin cumulada.

Teorema
Si X es una variable aleatoria binomial con media m=np y varianza s2=npq, entonces la forma de limite de la distribucin de:

La distribucin normal con m=np y s2=npq, no solo proporciona una aproximacin muy precisa a la distribucin binomial cuando n es grande y p no es muy cercana a 0 o 1; sino que tambin proporciona una muy buena aproximacin aun cuando n es pequea y p es razonablemente cercana a .

Ejemplo
Hacer un histograma para una distribucin binomial

con n=15 y p=0.4 Hacer un histograma para la distribucin normal considerando m=np y s2=npq Comparar las graficas. Comaparar b(4;15,0.4) contra Z(x1=3.5 y x2=4.5)

Distribucin Exponencial

La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta.

Esta ley de distribucin describe procesos en los que:

Nos interesa saber el tiempo hasta que ocurre determinado evento; Sabiendo que el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra en un instante tf, no depende del tiempo transcurrido anteriormente en el que no ha pasado nada.

 El tiempo que tarda una partcula radiactiva en

desintegrarse
El tiempo que puede transcurrir en un servicio de

urgencias, para la llegada de un paciente

En

un proceso de Poisson donde se repite sucesivamente un experimento a intervalos de tiempo iguales

La funcion de densidad que sigue la distribucion Exponencial esta determianda por:

Donde l es la variable usada para definir el tiempo.

Valor esperado y Varianza

Ejemplo
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribucin exponencial con media de 16 aos. Cul es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba reimplantar otro antes de 20 aos? Cul es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba reimplantar otro entre el periodo de 5 a 25 aos?

Ejemplos prcticos

 En el conmutador de una compaa se reciben

llamadas telefnicas a una razn de 3 llamadas por hora. Cul es la probabilidad de que transcurran al menos 20 minutos antes de la siguiente llamada?

 Una fbrica de llantas para automviles garantiza

que duran dos aos en promedio, si el desgaste de estas llantas sigue la distribucin exponencial. Cul es la probabilidad de que una llanta dure menos de 4 aos?

Distribucin Weibull

La distribucion Weibull

Devuelve la probabilidad de una variable aleatoria siguiendo una distribucin de Weibull. Esta distribucin se aplica en los anlisis de fiabilidad, para establecer, por ejemplo, el periodo de vida de un componente hasta que presenta una falla.

Funcion de densidad

Distribucion

Valor esperado y Varianza

Ejemplo
Suponga que la vida util de una bateria para audifonos es una variable aleatoria aleatoria que tiene una distribucion Weibull con a=1/2 y b=2 Cual es la probabilidad de que la bateriasiga funcionando despues de 2 years.