Variables Aleatorias Continuas Es la que puede tomar cualquier valor fraccionario en un rango determinado de valores, Dado que existe

un nmero infinito de medidas fraccionarias posibles, no se pueden enlistar todos los posibles valores con su probabilidad correspondiente. Proporciona una probabilidad a cada valor posible y estas probabilidades deben sumar 1. A la grfica de este tipo se le denomina curva de probabilidad.

Distribucin Normal de Probabilidad Es una distribucin normal de probabilidad que es al mismo tiempo Simtrica y Mesokurtica (que no es plana ni puntiaguda) se describe a la curva de probabilidad que presenta la distribucin normal como una campana, es por ello que a esta grafica se le conoce comnmente como campana de gauss.

Importancia Las mediciones que se obtienen en diversos procesos tienen esta clase de distribucin Puede utilizarse para aproximar otras distribuciones de probabilidad tales como: binomial y poisson Las distribuciones como media muestral y la proporcin muestral tienen distribucin normal cuando el tamao de la muestra es grande sin importar la forma de distribucin de origen La curva de probabilidad est dada por la frmula:
= constante 3.1416 e= constante 2.7183 = desviacin estndar de la distribucin Para calcular el rea bajo la curva normal estndar desde 0 a z utilizaremos la tabla que se encuentra en el apndice 5. Esta es una distribucin normal en la que u=0 y =1 y nos dice que cualquier valor x de una poblacin con distribucin normal puede convertirse a su valor estndar equivalente a z con la frmula:

Punto Percentil Para Valores con Distribucin Normal U n punto percentil en una curva normal estndar nos sirve para hacer el proceso inverso, es decir, encontrar el valor de X.

Punto percentil es mayor que la media Se busca en la tabla el valor ms cercano a 0.40 este valor resulta ser 0.3997. esto quiere decir que el valor z asociado con esta rea es de 1.28 por lo tanto 20.900= 1.28 Aproximacin Normal a Probabilidades Binomial
La distribucin normal se puede utilizar para aproximar las probabilidades de algunas variables aleatorias discretas. Cuando es difcil calcular las probabilidades exactas Cuando el tamao de n es grande n= nmero de ensayos u observaciones p = probabilidad de xito en cada uno de los ensayos BIA= indica la probabilidad de que ocurra el evento B dado que ocurra el evento A Donde: n = Tamao de la muestra Z = Nivel de confianza* p = probabilidad de que el evento se realice (.5) q = probabilidad de que el evento no se realice (1-.5) N = Poblacin e = error de estimacin

Una regla conveniente es que tal aproximacin resulta aceptable cuando n30 y tanto np como nq5 Cuando la distribucin de probabilidad normal se usa como base para aproximar un valor de probabilidad binomial, la media y desviacin estndar se basan en el valor esperado y en la varianza del nmero de xitos de la distribucin binomial

Ejemplo: Se ha observado que para un grupo grande de prospectos de venta el 20% de los que un vendedor visita en forma personal realizan la compra. Si un representante de ventas visita a 30 prospectos, puede determinarse que la probabilidad de que 10 a ms de ellos realicen una compra utilizando las probabilidades binomiales del apndice z. La regla indica que las aproximaciones son aceptables cuando n> 30 y tanto np>5 como nq> Si sacamos la solucin ocupando el mtodo de distribucin binomial P(X 10|n=30,p=0.20)=0.0355+0.0161+0.0064+ 0.0022+0.0007+0.0002+=0.0611 Hagamos ahora lo mismo, pero ocupando la curva normal Es n30?, si n = 30 Es np5?, si, np = 30(0.20) = 6 Es nq 5?, si, nq = 30(0.80) = 24 Para la correccin por continuidad tenemos que tomar a X 10, por lo que se debe restar 0.5 y queda de la siguiente forma

 = np = 30 x.20 = 6.0 = npq = 30 x.20 x.80 = 4.8 2.19 x 9.5 6.0 z= = +1.60 = 0.4452 2.19 P ( X 9.5 | = 6.0, = 2.19) = 0.5000 0.4452 = 0.0548
Para llevar a cabo una probabilidad binomial usando curvas normales, se debe considerar algo que se conoce como correccin por continuidad.

Aproximacin normal a probabilidades de poisson Cuando la media de una distribucin Poisson es relativamente grande, puede utilizarse la distribucin normal de probabilidad para aproximar probabilidades tipo poisson. Una regla practica consiste en afirmar que esa aproximacin es aceptable cuando >10.0 La media y la desviacin estndar de la distribucin normal de probabilidad se basan en el valor esperado y la varianza del nmero de eventos de un proceso poisson, esta media es: La desviacin estndar es:

Ejemplo8 el nmero promedio de solicitudes de servicio que se reciben en un departamento de reparacin de maquinaria por cada turno de 8 horas es 10.0 puede determinarse la probabilidad de que se reciban ms de 15 solicitudes en un turno de 8 horas al azar utilizando el apndice 4: Si utilizamos el mtodo de poisson visto anteriormente P(X>15|=10.0)=P(X=16)+P(X=17)+ =0.0217+0.0128+0.0071+0.0037=0.0488 Como el valor de la media es (cuando menos) 10 la aproximacin normal al valor de probabilidad poisson resulta ser aceptable la aproximacin normal a del valor de probabilidad poisson es: Hagamos ahora lo mismo, pero ocupando la curva normal, ya que 10 = =10
= = 10 3.16 x 15.5 10.0 z= = +1.74 = 0.4591 3.16 P ( X >15 | =10.0) = 0.5000 0.4591 = 0.0409

La correccin por continuidad que se aplic en el ejemplo8 es del mismo tipo que la correccin que se describi para la aproximacin normal de probabilidades binomiales. Las reglas que se revisaron en la seccin 7.4 con respecto al 0.5 que se suma o se resta a la x se aplican de igual manera a la situacin en la que se utiliza la distribucin normal para aproximar probabilidades de poisson.

Problemas Binomiales 2 Se sabe que 70% de las personas que acuden a un importante centro comercial realizan al menos una compra. En una muestra de n = 50 individuos, cul es la probabilidad de que por lo menos 40 personas realicen una o ms compras cada una? = np = 50 x.70 = 35.0
= npq = 50 x.70 x.30 = 10.5 3.24 x 39.5 35.0 z= = +1.39 = 0.4177 3.24 P ( X 39.5 | = 35.0, = 3.24) = 0.5000 0.4177 = 0.0823

Problemas Binomiales 1 Se ha encontrado que el 70% de las personas que entran a un centro comercial realizan cuando menos una compra, para una muestra de n=50 personas, cual es la probabilidad de que cuando menos 40 de ellas realicen una o mas compras? Solucin: Puede utilizarse la aporximancion normal del valor binomial de probabilidad que se requiere porque n> 30, np>5 y nq>5

Para la situacin que se describe en el problema 7.9 Cul es la probabilidad de que menos de 30 de entre 50 personas muestreadas realicen cuando menos una compra? Al considerar que el problema 7.9= u=35.0 y =3.24,

Problemas de Poisson 1 Se sabe que las solicitudes de servicio llegan en forma aleatoria en forma estacionario a un promedio de 5 solicitudes por hora. Cul es la probabilidad de que se reciban mas de 50 solicitudes de servicio durante un turno de 8 horas?

Con referencia la problema 7.11 Cul es la probabilidad de que reciban un turno de 8 horas, 35 o menos solicitudes de servicio?

Problemas de Poisson2 Se sabe que las llamadas de servicio llegan aleatoriamente y en calidad de proceso estacionario a un promedio de 5 por hora. Cul es la probabilidad de que en un turno de 8 horas se reciban al menos 50 llamadas de servicio? Puesto que =5x8=40 y excede a 10, entonces podemos usar la distribucin normal de probabilidad, para aproximar el valor de probabilidad de Poisson
= = 40 = = 40 6.32 x 50.5 40 z= = +1.66 = 0.4515 6.32 P ( X 50.5 | = 40.0) = 0.5000 0.4515 = 0.0485

La Distribucin Exponencial de Probabilidad Si los eventos ocurren en el contexto de un proceso de Poisson, la extensin temporal o espacial entre eventos sucesivos sigue entonces una distribucin exponencial de probabilidad. Dado que tiempo o espacio son continuos una medida de este tipo es una variable aleatoria continua. Como en el caso de toda variable aleatoria continua, carece de sentido preguntarse: "Cul es la probabilidad de que la primera solicitud de servicio llegue en exactamente un minuto?" Por el contrario, debemos establecer un intervalo dentro del cual habr de ocurrir el evento, tal como lo haramos preguntando: "Cul es la probabilidad de que la primera solicitud de servicio llegue en el curso de un

minuto?" Puesto que el proceso de Poisson es estacionario, y por lo tanto existe una probabilidad igual de que el evento ocurra a todo lo largo del periodo relevante, la distribucin exponencial se aplica si lo que nos interesa es el tiempo (o espacio) hasta el primer evento, el tiempo entre dos eventos sucesivos o el tiempo hasta que ocurra el primer evento despus de un punto temporal seleccionado. Cuando es el nmero medio de ocurrencias en el intervalo de inters, la probabilidad exponencial de que el primer evento ocurra en el curso del intervalo temporal o espacial establecido es: P(T < t) = 1 - e De igual manera, la probabilidad exponencial de que el primer evento no ocurra dentro del intervalo temporal o espacial establecido es: P(T > t) = e - Para las dos frmulas anteriores puede obtenerse el valor de e en el apndice 3 El valor esperado y la varianza de una distribucin exponencial de probabilidad, donde la variable es el tiempo T y corresponden a una unidad de tiempo o espacio (como una

hora), son: E [T] = 1 V (T) = 1 Varianza Valor esperado

Ejemplo: 9 en un departamento de reparacin de maquinaria se reciben 5 solicitudes por hora en promedio comenzando la observacin en cualquier punto del tiempo, la probabilidad de que se reciba la primera solicitud de servicio dentro de un lapso de media hora es:

Problemas Puntos Percentiles 1 El tiempo que se requiere para reparar cierto tipo de transicin automotriz en un taller mecnico tiene distribucin normal con media u=45 min y desviacin estndar =8.0min. Qu asignacin de tiempo de trabajo se requiere para que haya una probabilidad del 75% de que la reparacin de las transmisiones se lleve a cabo dentro de ese tiempo? Ilustre la proporcin de rea correspondiente? Solucin Tal como se ilustra en la grfica entre la media y el punto percentil 75 se incluye una proporcin de rea del 0.2500. Por lo tanto, el primer paso en la solucin implica

determinar el valor de z requerido encontrando el rea en el cuerpo de la tabla del apndice 5 que este ms cercano a 0.2500. El rea ms prxima es 0.2486, con z 0.75= +0.67. Despus, se convierte este valor de z en el valor que se requiere de x, de la siguiente manera: X= u+ z =45+(0.67)(8.0)= 50.36 min.

Problemas Puntos Percentiles 2 El tiempo que se requiere para reparar cierto tipo de transicin automotriz en un taller mecnico tiene distribucin normal con media u=45 min y desviacin estndar =8.0min. Cul es la asignacin de tiempo de trabajo que se requiere para que haya una probabilidad de solo el 30% de que pueda terminarse el trabajo de reparacin dentro de ese lapso? Ilustre la proporcin de rea correspondiente. Solucin

Como una proporcin de rea de 0.30 se encuentra a la izquierda del valor desconocido de x en la grafica se sigue que hay una proporcin de 0.20 entre ese punto percentil y la media. Consultando el apndice 5 se encuentra que la proporcin del rea mas cercana a ese valor es 0.1985, el cual corresponde un valor de z 0.30= -0.52 el valor de z es negativo porque el punto percentil se encuentra del lado izquierdo de la media. Finalmente, se convierte el valor de z al valor que se requiere de X.

Problema Distribucin exponencial En promedio cada dos das llega un barco a determinado muelle. Cul es la probabilidad de que, despus de la salida de un barco, pasen cuatro das antes de llegada del siguiente? Solucin: Promedio por dos das = 1.0 Promedio por dia = 0.5

 = promedio de periodo de cuatro das= 4x 0.5 = 2.0 P(T>4) e- = e =0.13534 (del apndice 3)

Cada rollo de 500 metros de lmina de acero tiene dos defectos en promedio. Cul es la probabilidad de que, al desenrollar la lmina de acero, se encuentre el primer defecto en el primer segmento de 50 metros? Solucin: Promedio por rollo de 500 metros = 2.0 = promedio por segmento de 50 metros = P(T>50)=1- e= 1-e =1-0.81873=0.18127 (del apndice 3)