ESTADÍSTICA APLICADA I

Variables Aleatorias

CARLOS CAYCHO CHUMPITAZ

Licenciado en Estadística, Maestro en Población y
Candidato al Doctorado en Estadística Matemática
ccaycho@correo.ulima.edu.pe
DISTRIBUCIÓN NORMAL
Es una distribución de probabilidad especial para variables aleatorias
continuas y posee ciertas propiedades importantes que conviene destacar:
 Tiene una única moda, que coincide con su media y su mediana.
 Es simétrica con respecto a su media; según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
y menor que la media.
 Muchas mediciones de diversos procesos se ajustan a esta distribución
 Se utiliza para ajustar variables que tienen otros tipo de distribución
como Binomial, Poisson, T-Student, Chi-Cuadrado, F-Fisher, etc.
 Las estadísticas muestrales como la media y la proporción tienen
distribuciones que se ajustan a es tipo de distribución cuando el tamaño
de muestra es grande, inclusive de aquellas que no tiene distribución
normal.

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 2

DISTRIBUCIÓN NORMAL
FUNCIÓN DE DENSIDAD
La función de densidad de probabilidad esta dada por:
2
1  x  
1 
2   
f(X  x)  N(, 2 )  e    X  
2 2

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 3

DISTRIBUCIÓN NORMAL

FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD

La función de distribución de probabilidad de la Normal, se puede
interpretar también como la distribución acumulada de probabilidad de una
variable X que se distribuye como una normal y está dada por:
2
x 1  t  
1   

2   
F(x)  P[X  x]  e dt
  2 2

La Media y la Varianza de una variable con Distribución Normal están

definidas de la siguiente forma:
E(X)   y V(X)   2

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 4

DISTRIBUCIÓN NORMAL ESTÁNDAR
Ahora bien, en vista que para cada
variable aleatoria se tiene una
combinación diferente de  y  que
generan una distribución diferente.
El cálculo de las probabilidades se
basa en la distribución normal
estándar N(0,1) , esto es:
 = 0 y  =1.
Así cada valor de X tiene como valor
equivalente a:
X
z


Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 5

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado
curso se distribuye normalmente con un tiempo promedio de 80 minutos y
una desviación absoluta de 10 minutos.
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más
de 60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen
es de 90 minutos. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?

Solución a):
Sea X = “El tiempo necesario para terminar el examen parcial”
Esto es, X  N(80, 102 ),  = 80 y  = 10.
Luego: P(60  X  70)  0,1359

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 6

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado
curso se distribuye normalmente con un tiempo promedio de 80 minutos y
una desviación absoluta de 10 minutos.
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más
de 60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen
es de 90 minutos. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?

Solución b):
Sea X = “El tiempo necesario para terminar el examen parcial”
Esto es, X  N(80, 102 ),  = 80 y  = 10.
Luego: P(X  90)  0,8413

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 7

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado curso
se distribuye normalmente con un tiempo promedio de 80 minutos y una
desviación absoluta de 10 minutos.
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más de
60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen es
de 90 minutos. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?
Solución b):
Si V representa a los alumnos que acaban a tiempo el examen, entonces la
proporción de alumnos que acaban a tiempo es: P(X < 90) = 0,8413.
Esto significa que: V = 60 (0,8413) = 50,478  50 alumnos acaban a tiempo.
Por tanto, se espera que no acaben a tiempo 10 alumnos.

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 8

DISTRIBUCIONES ESPECIALES

Por lo general, cuando las muestras son grandes, la distribución de

probabilidad más usada es la distribución normal. Sin embargo, cuando las
muestras son pequeñas la distribución de probabilidad difiere de caso en
caso, y muchas veces no son normales.

Existen tres distribuciones de probabilidad que a menudo son usadas:

 Distribución Chi-Cuadrado,

 Distribución F de Fisher (o Snedecor) y

 Distribución T-Student.

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 9

DISTRIBUCIÓN CHI-CUADRADO
Si X1, ..., Xn son variables aleatorias independientes con distribución
normal estándar, se puede afirmar que:
Y  X12  ...  Xn2
Es decir, Y tiene una Distribución Chi-Cuadrado con n grados de libertad.
Esto es: Y   2
n

La función de densidad de Y está dada por:

n Y2
1 

f(Y)  n2 
2 2
Y e
n
 0Y
2 2
  n 2

El valor esperado y la varianza de

esta variable están dados por:
E(Y) = n
V(Y) = 2n.
Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 10
EJEMPLO 2
Si X es una variable que se distribuye como una distribución Chi-Cuadrado
de 12 grados de libertad. Entonces se pide hallar los valores de a y b,
tales que P(a ≤ X ≤ b) = 0,90 y P(X ≤ a) = 0,05.

Solución .-

Si X   2
(12) luego sabiendo que:
P(a  X  b) = 0,90
P(X  b) - P(X  a) = 0,90
Como: P(X  a) = 0,05
P(X  b) - 0,05 = 0,90
P(X  b) = 0,95

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 11

DISTRIBUCIÓN F DE FISHER
Si X1, ..., Xn son variables aleatorias con distribución normal estándar; y
además se tiene que Y1, ..., Ym son variables aleatorias que también tienen
distribución normal estándar, se puede afirmar que:
(X12  ...  Xn2 ) n
W 2 
 2
n n
(Y1  ...  Ym ) m
2
 2
m m
Es decir, W tiene una Distribución F con n y m grados de libertad. Esto es:
W  F(n; m)

La función de densidad de W está dada por:

   n  m 2
m m n

m  m 
m
2 1 2
f(W)  n W 2
 1  W ,  0W 
  n 2   m 2    n 

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 12

DISTRIBUCIÓN F DE FISHER
La grafica de la función de densidad tiene la siguiente forma:

El valor esperado y la varianza de esta variable están dados por:

n 2n2 (n  m  2)
E(W)  , n  2 V(W)  ,  n4
n2 m(n  2)2 (n  4)

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 13

EJEMPLO 3
Si Y   2
5 y W   , calcule
2
8 el valor de "k " tal que :

 8Y 
P  k   0,05
 5W 
Solución .-

Sea : U 
8Y

Y5

 2
5 5
 F(5,8)
5W W 8  2
8 8

Entonces : P(U  k)  P(F(5,8)  k)  0,05, es decir : P(F(5,8)  k)  0,95

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 14

DISTRIBUCIÓN T-STUDENT
Si X0, X1, ..., Xn son variables aleatorias con distribución normal estándar,
se puede afirmar que:
X0 X0
V 
X1  ...  Xn
n
2 2
1 2
n n
Es decir, V tiene una Distribución T-Student con n grados de libertad, esto
es, V  t(n).

La función de densidad de V está dada por:

1    n  1 2  
n1

1 2 2
f(V)   1  V 
Y    YV  
n   n 2  n 

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 15

DISTRIBUCIÓN T-STUDENT
La grafica de la función de densidad tiene la siguiente forma:

El valor esperado y la varianza de esta variable están dados por:

n
E(V)  0, n  1 V(V)  ,  n2
n2

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 16

EJEMPLO 4
Si X es una variable que tiene distribución t de Student con una varianza
5/4. Calcule: P(-1,812  X  2,228)

Solución
n 5
Se sabe que : V(X)  
n2 4
Luego : 4n  5(n  2)
Entonces : n  10

Así X  t(10) y por tanto: P(-1,812  X  2,228) = 0,9250

Profesor Carlos Caycho Chumpitaz / Variables Aleatorias jueves, 27 de septiembre de 2018 17