4.3. Distribuciones continuas.- Se utilizan para v.a.

continuas, entre las cuales

resaltan:

4.3.1. Distribución Normal.- Sea la v.a. continua “x” en el intervalo -ꝏ < x <
+ꝏ. La distribución normal considera un modelo perfecto donde se toma en
cuenta la simetría (As = 0).

Su función de densidad viene dada por:

1  x 
2

1   
2  
f ( x)  *e
2 2

Donde:
μ = E(x) = promedio
σ2 = Varianza
Propiedades.-

1) f(x) es simétrica alrededor de μ.

f(x + μ) = f(x – μ)
2) lim f(x) = 0
x +/-ꝏ

3) Puntos de inflexión
xi1 = μ + σ , xi2 = μ - σ
El punto máximo está en:
Xmáx. = μ = Mo = Me

4) Simbólicamente se expresa de la forma:

X ≈ N(μ, σ2)

La v.a. X tiene distribución normal, con media o promedio igual a μ y

varianza igual a σ2.
 Campana de Gauss

I) Función generatriz de momentos.-

M x (t )  E (etx )

M x (t )   etx * f ( x)dx

2
 1  x 
1   
M x (t )   etx * *e 2  
dx
 2 2
Desarrollando la integral y evaluando:
 2t 2
t 
M x (t )  e 2
f.g.m. dist. normal

μ = E(x) σ2 = Var(x)

II) Esperanza matemática.-

 2t 2
t 
M x (t )  e 2

Derivando respecto a ‘t’:

 2t 2
dM x (t )
dt
e
t 
2

*    2t 
t=0
 2 (0)2
dM x (0)
dt
e 2
 ( 0)
*    2 * (0)  
 e 0 *   0  (1) *      E ( x )
dM x (0)
dt
III) Varianza.-
 2t 2
dM x (t )
dt
e
t 
2

*    2t 
u * v (u*v)’ = u’*v + u*v’
2da. Derivada
d 2 M x (t )  t   2t   t
 
2 2 2 2

2
 e * (    t ) *    t  e
2 2
t 
2
*2 
dt  
 t
 
2 2
d 2 M x (t ) t 
2
e 2
* (    2t ) 2   2
dt
t=0
 (0)
 
2 2
d 2 M x (0)  (0)
2
e 2
* (    2 (0))2   2
dt
d 2 M x (0)
dt 2
 
 e0 *  2   2   2   2  E ( x 2 )
Luego:
Var(x) = E(x2) – [E(x)]2
Var(x) = μ2 + σ2 – μ2
Var(x) = σ2

IV) Asimetría y curtosis.-

Por ser una distribución equitativa o más claramente simétrica:
As = 0

Para la curtosis:
K = 3 Dist. Mesocúrtica

- La tabla de distribución normal estándar

Las distribuciones normales surgen en todo el tema de las estadísticas, y una

forma de realizar cálculos con este tipo de distribución es usar una tabla de
valores conocida como la tabla de distribución normal estándar para calcular
rápidamente la probabilidad de que ocurra un valor por debajo de la curva de
campana (de Gauss), de cualquier conjunto de datos dado, cuyos valores x (z)
estén dentro del rango de esta tabla.

La tabla que se encuentra a continuación es una compilación de áreas de la

distribución normal estándar, más comúnmente conocida como curva de
campana, que proporciona el área de la región ubicada debajo de la curva de
campana y a la izquierda de un puntaje x (z) dada para representar las
probabilidades de ocurrencia en una población dada.
A=1

x
x
x
-4 -3 -2 -1 0 +1 +2 +3 +4
Μ

μ = 0, σ2 = 1

El área de la región sombreada a la izquierda de (μ) en el diagrama se muestra

en la siguiente tabla.
P (x < 0) = 0,50
P (x > 0) = 0,50

La Función de densidad realiza una traslación de ejes:

1  x 
2

1   
2  
f ( x)  *e
2 2

N(μ, σ2) = N(0, 1)

2
1  x 0 
1   
f ( x)  *e 2 1 

2 (1)
1
1  x2
f ( x)  *e 2
2
Los gráficos extremos son:

0 0
a a
P( x  a)  0 P( x  a)  1
X<-4 X>4

0 a
P(x > a) P(x > a) = 1 – P(x < a)
- Uso de la tabla para distribución normal

Ejemplos: Hallar las siguientes probabilidades de la distribución normal:

a) P(x < 1,53) = 0,9370

x(z) 0 0,01 0,02 0,03 4 … 9 2do. Decimal

.
.
-2

0
0,5
0,7
1

1,5 0,9370
Entero y primer
decimal

b) P(x < 0,85) = 0,8023

c) P(x > 2,10) = ?

De la tabla:
P(x < 2,10) = 0,9821
P(x > 2,10) = 1 - P(x < 2,10) = 1 – 0,9821 = 0,0179

2,10
d) P(x < - 1,53) = 0,0630

Si no se tiene la tabla de valores negativos:

P(x < - 1,53) = 1 – P(x < 1,53) = 1 – 0,9370 = 0,0630

Fórmula: P(x < - a) = 1 – P(x < a) (Existe simetría)

-1,53 0 1,53
e) P(x > - 0,31) = 0,6217
Procedimiento
P(x > - 0,31) = 1 – P(x < - 0,31)
P(x < - 0,31) = 1 – P(x < 0,31) = 1 – 0,6217 = 0,3783
Entonces:
P(x > - 0,31) = 1 – 0,3783 = 0,6217

-0,31 0

f) P(- 0,88 < x < 3,55) = P(x < 3,55) – P(x < - 0,88) = 0,9998 – 0,1894 = 0,8104

-0,88 0 3,55
X
- Teorema.- Si x es una v.a. con distribución normal con media o promedio μ y
varianza σ2, que son diferentes de 0 y 1 respectivamente; entonces:

X ≈ N(μ,σ2)

Se debe recurrir a aplicar la variable tipificada o estandarizada (z), que se

expresa o calcula de la forma:
x
z
