You are on page 1of 11

DISTRIBUCIONES CONTINUAS A) INTRODUCCIN Una distribucin de probabilidad es continua cuando los resultados posibles del experimento son obtenidos

de variables aleatorias continuas, es decir, de variables cuantitativas que pueden tomar cualquier valor, y que resultan principalmente del proceso de medicin. Ejemplos de variables aleatorias continuas son: La estatura de un grupo de personas El tiempo dedicado a estudiar La temperatura en una ciudad

B) DISTRIBUCIN EXPONENCIAL i) Definicin La distribucin de Poisson calcula el nmero de eventos sobre alguna rea de oportunidad (intervalo de tiempo o espacio), la distribucin exponencial mide el paso del tiempo entre tales eventos. Si el nmero de eventos tiene una distribucin de Poisson, el lapso entre los eventos estar distribuido exponencialmente. ii) Frmula La probabilidad de que el lapso de tiempo sea menor que o igual a cierta cantidad x es: ( ) Donde: Lapso de tiempo Base del logaritmo natural aproximadamente igual a 2,718281828 Tasa promedio de ocurrencia

Ejemplo ilustrativo Los buses interprovinciales llegan al terminal a una tasa promedio de 10 buses por hora. 1) Cul es la probabilidad de que llegue un bus en no ms de 5 minutos? 2) Cul es la probabilidad de que llegue un bus en no ms de 10 minutos? 3) Cul es la probabilidad de que llegue un bus entre 5 minutos y 10 minutos? 4) Cul es la probabilidad de que llegue un bus en ms de 5 minutos? Solucin: = 10 por una hora 1) Como la tasa promedio est dada por hora, y el problema se plantea en minutos, se calcula el porcentaje que representa 5 minutos de una hora (60 minutos), el cual es:

Reemplazado valores de la frmula se obtiene: ( ) ( )

Interpretacin: Existe un 56,54% de probabilidad de que el segundo bus llegue al terminal en 5 minutos o menos del primero si la tasa promedio de llegada es de 10 buses por hora.

2) El porcentaje que representa 10 minutos de una hora (60 minutos) es:

Reemplazado valores de la frmula se obtiene: ( ( ) )

3) P(5X10) = P(X10) P(X5) P(5X10) = 0,8111- 0,5654 = 0,2457 4) P(X>5) = 1 P(X5) P(X>5) = 1 0,5654 = 0,4346 En los clculos en Excel se muestran en la siguiente figura:

C) DISTRIBUCIN UNIFORME i) Definicin ] en la cual las probabilidades son las mismas para todos los Es una distribucin en el intervalo [ posibles resultados, desde el mnimo de a hasta el mximo de b. El experimento de lanzar un dado es un ejemplo que cumple la distribucin uniforme, ya que todos los 6 resultados posibles tienen 1/6 de probabilidad de ocurrencia.

ii) Funcin de densidad de una distribucin uniforme (altura de cada rectngulo en la grfica anterior) es: ( ) Donde: a = mnimo valor de la distribucin b = mximo valor de la distribucin b a = Rango de la distribucin

iii) La media, valor medio esperado o esperanza matemtica de una distribucin uniforme se calcula empleando la siguiente frmula: ( ) iv) La varianza de una distribucin uniforme se calcula empleando la siguiente frmula: ( )

De donde la desviacin estndar es

v) La probabilidad de que una observacin caiga entre dos valores se calcula de la siguiente manera: ( Ejemplo ilustrativo Sea X el momento elegido al azar en que un estudiante recibe clases en un determinado da entre las siguientes horas: 7:00 - 8:00 - 9:00 - 10:00 - 11:00 - 12:00 - 13:00 1) Cul es la funcin de densidad de la variable X? 2) Elaborar un grfico de la distribucin de probabilidades 3) Calcular el valor medio esperado 4) Calcular la desviacin estndar 5) Calcular la probabilidad de que llegue en la primera media hora 6) Si recibe clases de Estadstica Aplicada de 10:00 a 12:15, calcular la probabilidad de recibir esta asignatura. Solucin: 1) a = 7 y b = 13 Reemplazando valores en la ecuacin de la funcin de densidad se obtiene: ( ) ( ) )

2) Elaborando el grfico de la distribucin de probabilidad empleando Excel se obtiene:

Interpretacin: Cada rectngulo tiene 1 de base y 1/6 = 0,167 de altura. El rea de cada rectngulo es:

El rea total (rectngulo de base el intervalo 7-13 y altura 1/6=0,167) representa a la suma de todas las probabilidades, y es igual a uno: ( )

3) Reemplazando valores en la frmula del valor esperado se obtiene: ( ) ( ) 4) Reemplazando valores en la frmula de la varianza se obtiene: ( ) ( ) ( )

Por lo tanto la desviacin estndar es:

5) Llegar en la primera media hora significa que llega a la 7:30. Por lo tanto se debe calcular la probabilidad entre las 7:00 y las 7:30. Como 7:30 = 7 horas + 30 minutos, y el porcentaje que representa 30 minutos de una hora es:

Por lo tanto se debe calcular la probabilidad entre 7 y 7,5 Aplicando la frmula de la probabilidad entre dos valores se obtiene: ( ( ) )

6) Se debe calcular la probabilidad entre las 10:00 y las 12:15 Como 12:15 = 12horas + 15 minutos, y el porcentaje que representa 15 minutos de una hora es:

Por lo tanto de debe calcular la probabilidad entre 10 y 12,25 Aplicando la frmula de la probabilidad entre dos valores se obtiene: ( ( ) )

Los clculos en Excel se muestran en la siguiente figura:

D) DISTRIBUCIN NORMAL i) Resea histrica Abrahan De Moivre (1733) fue el primero en obtener la ecuacin matemtica de la curva normal. Kart Friedrich Gauss y Mrquez De Laplece (principios del siglo diecinueve) desarrollaron ms ampliamente los conceptos de la curva. La curva normal tambin es llamada curva de error, curva de campana, curva de Gauss, distribucin gaussiana o curva de De Moivre. Su altura mxima se encuentra en la media aritmtica, es decir su ordenada mxima corresponde a una abscisa igual a la media aritmtica. La asimetra de la curva normal es nula y por su grado de apuntamiento o curtosis se clasifica en mesocrtica.

ii) Ecuacin Su ecuacin matemtica de la funcin de densidad es:


( )

Donde:

X = valor en el eje horizontal Y = altura de la curva para cualquier valor de x

Cuando se expresa la variable x en unidades estndar (frmula de estandarizacin)

La ecuacin anterior es reemplazada por la llamada forma cannica, la cual es

El clculo de Y en Excel se muestra en la siguiente figura:

Nota: No existe una nica distribucin normal, sino una familia de distribuciones con una forma comn, diferenciadas por los valores de su media y su varianza. De entre todas ellas, la ms utilizada es la distribucin normal estndar, que corresponde a una distribucin con una media aritmtica de 0 y una desviacin tpica de 1. iii) rea bajo la curva El rea total limitada por la curva y el eje X es 1, por lo tanto, el rea bajo la curva entre X = a y X = b, con a < b, representa la probabilidad de que X est entre a y b. Esta probabilidad se denota por: ( )

EJEMPLOS ILUSTRATIVOS 1) Averige el rea bajo la curva de distribucin normal entre Z = 0,8 y Z = 2,12 Solucin: Realizando el grfico en Winstats y Paint se obtiene:

El rea a la izquierda de Z = 0,8 con lectura en la tabla de la distribucin normal es 0,7881 El rea a la izquierda de Z = 2,12 con lectura en la tabla de la distribucin normal es 0,9830

El rea Z = 0,8 y Z = 2,12 es 0,9830 0,7881 = 0,1949 Los clculos en Excel se muestran en la siguiente figura:

2) Halle Z si el rea entre -1,5 y Z es 0,0217 Solucin:

Realizando un grfico ilustrativo en Winstats y Paint se obtiene:

Los clculos en Excel se muestran en la siguiente figura:

3) El peso de 200 estudiantes varones de cierta universidad es 151 libras, y la desviacin tpica es 15 libras. Si los pesos estn distribuidos normalmente, calcular la probabilidad y el nmero de estudiantes que pesan Entre 120 y 155 libras

Solucin: La curva normal corresponde a una funcin continua (valor decimal). Para resolver estos problemas se emplea los lmites inferior y superior segn sea el caso, es decir, para este problema es entre 119,5 y 155,5 libras Normalizando los datos se tiene:

Graficando se obtiene:

El rea a la izquierda de Z = 0,3 con lectura en la tabla de la distribucin normal es 0,6179 El rea a la izquierda de Z = -2,1 con lectura en la tabla de la distribucin normal es 0,0179 El rea entre -2,1 y 0,3 es 0,6179 0,0179 = 0,6 = 60% El nmero de estudiantes es 0,6 x 200 = 120

Los clculos en Excel se muestran en la siguiente figura: