CAPITULO CINCO VARIABLES ALEATORIAS

DEFINICION
Los resultados de los experimentos aleatorios, cualesquiera que sean, tienen que estar
expresados cuantitativamente. Para ello, hay que contar con mtodos capaces de
definir reglas precisas que asignen nmeros reales a los resultados de los
experimentos aleatorios, teniendo en cuenta que se quiere medir y como se quiere
medir.
VARA!L" AL"A#$RA% "s una funci&n, o regla 'ien definida, que asigna, a cada
elemento del espacio muestral, un vector perteneciente a un espacio vectorial.
VARIABLES ALEATORIAS UNIDIMENSIONALES
VARA!L" AL"A#$RA ()*+"),$)AL% -uando, a cada elemento del espacio
muestral, se asigna un escalar perteneciente al con.unto de nmeros reales.
R"-$RR*$ *" ()A VARA!L" AL"A#$RA ()*+"),$)AL% -on.unto formado por
los nmeros reales que se pueden asignar a dicha varia'le.
VARA!L" AL"A#$RA *,-R"#A ()*+"),$)AL% "s aquella varia'le aleatoria cuyo
recorrido es finito o infinito numera'le.
*,#R!(-$) *" PR$!A!L*A* ()VARA*A%
Funcion de probabilidad puntual% Asigna a cada valor del recorrido de dicha varia'le,
un numero real no negativo, llamado pro'a'ilidad puntual, de modo tal que la suma de
todos estos valores, a travs del recorrido de la varia'le, de'e ser/ igual a la unidad.
La pro'a'ilidad puntual de'e cumplir dos condiciones%
0 -ondici&n de no negatividad% "l nmero real asignado de'e ser no negativo.
0 -ondici&n de cierre% La suma de todos los nmeros reales asignados por la funci&n de
pro'a'ilidad puntual, a cada valor de la varia'le discreta, de'e ser igual a uno.
(na varia'le discreta, 1, queda estrictaente de!inida cuando se esta'lece su funci&n
de pro'a'ilidad puntual.
La funci&n de pro'a'ilidad puntual puede ser graficada utili2ando las coordenadas
ortogonales, donde los valores de la varia'le se u'ican en el e.e de a'scisas y los
correspondientes valores puntual, en el e.e de ordenadas. 34rafico de !astones5.
Funci"n de distribuci"n% 6unci&n que asigna a cada valor del recorrido, un nmero real
que representa la suma de todas las pro'a'ilidades puntuales, desde el primero hasta
el valor en cuesti&n.
La funci&n de distri'uci&n acumulada puede ser graficada utili2ando las coordenadas
cartesianas ortogonales, donde los valores de la varia'le se u'ican en el e.e de
a'scisas y los correspondientes valores de pro'a'ilidad acumulada, en el e.e de
ordenadas 34rafico escalonado5.
"l con.unto de pares ordenados 71i8 631i59, para todo i, se llama funci&n de
distri'uci&n de pro'a'ilidad. "s la distri'uci&n acumulada hasta un valor de la varia'le,
o simplemente *istri'uci&n acumulada.
Funci"n de distribuci"n copleentaria% 6unci&n que asigna a cada valor del recorrido,
un nmero real que representa la suma de todas las pro'a'ilidades puntuales, desde
el valor en cuesti&n hasta el ltimo.
"l con.unto de pares ordenados 71i8 431i59, para todo i, se llama funci&n de
distri'uci&n complementaria de pro'a'ilidad. "s la distri'uci&n acumulada desde un
valor de la varia'le, o simplemente *istri'uci&n desacumulada.
La suma entre el valor de la funci&n de distri'uci&n correspondiente a un valor de la
varia'le y el valor de la funci&n de distri'uci&n complementaria correspondiente al
siguiente valor de la varia'le, es siempre igual a uno.
#ercentiles de $ariables aleatorias% Percentil de orden : 3$;:;<== > :?r5 de una
varia'le aleatoria discreta a un valor 1@, tal que, hasta el valor de varia'le inmediato
anterior, se acumule, a lo sumo, una pro'a'ilidad igual a :><== y, desde el valor de
varia'le inmediato posterior se acumule, a lo sumo, una pro'a'ilidad igual a 3<0
:><==5.
VARA!L", AL"A#$RA, -$)#)A, ()*+"),$)AL",% (na varia'le con recorrido
infinito no numera'le es una varia'le aleatoria continua en un determinado intervalo
de nmeros reales, si existe una funci&n real que en dicho intervalo, cumpla con las
siguientes dos condiciones% ,ea no negativa y cu'ra una superficie igual a <.
*,#R!(-$) *" PR$!A!L*A* ()VARA*A%
Funci"n de densidad de probabilidad% "s la funci&n real que cumple con la condici&n de
no negatividad y con la condici&n de cierre.
(na varia'le aleatoria continua queda definida cuando se conoce su funci&n de
densidad de pro'a'ilidad. (na funci&n de densidad de pro'a'ilidad est/ definida
nicamente en el recorrido de la varia'le aleatoria, o sea, el intervalo 7a8'9, fuera de
este intervalo dicha funci&n es nula.
-on la funci&n de densidad de pro'a'ilidad es posi'le calcular la pro'a'ilidad de
ocurrencia de los valores de una varia'le aleatoria continua, teniendo en cuenta las
siguientes reglas%
A *ados dos valores de la varia'le continua 1, 1<;1B que pertene2can al intervalo
7a8'9 la pro'a'ilidad de encontrar un valor de la varia'le entre ellos esta dadas por la
superficie que encierra la funci&n entre dichos puntos.
A La pro'a'ilidad de que la varia'le 1 tome un valor individual 1C es nula. "n un punto
no hay superficie.
A ,i la pro'a'ilidad puntual es igual a cero, cuando se calcula la pro'a'ilidad de que un
valor de la varia'le pertene2ca a un intervalo determinado, es indistinto que este sea
cerrado o a'ierto.
Funci"n de distri'uci&n% ,ea 1 una varia'le aleatoria continua con funci&n de densidad
de pro'a'ilidad f3x5 definida en el intervalo de nmeros reales 7a8'9. ,e llama funci&n
de distri'uci&n, 63x5, a un modelo matem/tico o funci&n no decreciente, que asigna a
cada valor de la varia'le aleatoria un valor de pro'a'ilidad acumulada desde el lDmite
inferior del recorrido, hasta ese valor.
Funci"n de distribuci"n copleentaria% ,ea 1 una varia'le aleatoria continua con
funci&n de densidad de pro'a'ilidad f3x5 definida en el intervalo de nmeros reales
7a8'9. ,e llama funci&n de distri'uci&n complementaria, 43x5, a un modelo
matem/tico o funci&n no creciente, que asigna a cada valor de la varia'le aleatoria un
valor de pro'a'ilidad acumulada desde un valor de la varia'le, hasta el lDmite superior
del recorrido.
La suma entre el valor de la funci&n de distri'uci&n correspondiente a un valor de la
varia'le y el valor de la funci&n de distri'uci&n complementaria correspondiente a
dicho valor de la varia'le es igual a uno.
#ercentil de orden % de una $ariable aleatoria continua% al valor de la varia'le 1@,
donde se acumule, una pro'a'ilidad igual a :><==.
"s posi'le o'tener una funci&n de proporciones lo percentiles 3o fractiles5 'uscando la
inversa de la funci&n de distri'uci&n. "sta funci&n reci'e el nom're de 6unci&n
percentilar.
+$+")#$, #"$R-$,% de una varia'le aleatoria al valor esperado o esperan2a
matem/tica de una funci&n de la varia'le.
,e llama Moento o esperan&a ate'tica de una !unci"n (enerada con una $ariable
aleatoria discreta, a la suma del producto de cada valor numrico de la funci&n por el
correspondiente valor de pro'a'ilidad puntual, a travs del recorrido de la varia'le.
,e llama Esperan&a ate'tica de una !unci"n (enerada con una $ariable aleatoria
continua, a la integral, a travs del recorrido de la varia'le, del producto de la funci&n
dada por la funci&n de densidad de pro'a'ilidad de la varia'le.
$#RA, +"**A, E(" R",(+") )6$R+A-$)%
Des$)o est'ndar% "s la raD2 cuadrada positiva de la varian2a esperada.
Coe!iciente de $ariaci"n% "s el cociente entre el desvDo est/ndar y el promedio o media
aritmtica esperada.
Mediana%
A *e una varia'le aleatoria discreta es el valor tal que, hasta el valor de varia'le
inmediato anterior, se acumule, a lo sumo, una pro'a'ilidad de =,F= y desde el valor
de varia'le inmediato posterior se acumule, a lo sumo, una pro'a'ilidad de =,F=.
A *e una varia'le aleatoria continua al valor de la varia'le hasta donde se acumula una
pro'a'ilidad exactamente igual a =,F=.
Modo%
A *e una varia'le aleatoria discreta al valor de la varia'le m/s pro'a'le, o de m/xima
pro'a'ilidad, dentro de un entorno de dicho valor. ,i todos los valores de una varia'le
aleatoria discreta tienen igual valor de pro'a'ilidad puntual entonces no existe modo.
A *e una varia'le aleatoria continua al valor de la varia'le con el que la funci&n de
densidad de pro'a'ilidad alcan2a un m/ximo relativo.
Coe!iciente de asietr)a
A 6unci&n de pro'a'ilidad% (na distri'uci&n de pro'a'ilidad de una varia'le discreta es
simtrica, si las pro'a'ilidades puntuales correspondientes a valores de la varia'le que
equidistan de la media aritmtica esperada son iguales.
A 6unci&n de densidad de pro'a'ilidad% (na distri'uci&n de pro'a'ilidad de una
varia'le continua es simtrica, si las im/genes de la funci&n de densidad de
pro'a'ilidad correspondientes a valores de la varia'le que equidisten de la media
aritmtica esperada son iguales.
Coe!iciente de curtosis
PR$P"*A*", *"L PR$+"*$ G *" LA VARA)HA
A "l promedio esperado de una constante, es la constante misma y la varian2a
esperada de una constante es nula.
A "l promedio esperado de la suma de una constante mas una varia'le, es igual a la
constante mas el promedio esperado de la varia'le y la varian2a de la suma de una
constante mas una varia'le es igual a la varian2a de la varia'le.
A La esperan2a matem/tica o promedio del producto de una constante por una
varia'le, es igual al producto entre la constante y la esperan2a matem/tica o promedio
de la varia'le y la varian2a del producto de una constante por una varia'le es igual al
producto entre el cuadrado de la constante y la varian2a de la varia'le.
#"$R"+A *" #-I"!G-I"66
,ea 1 una varia'le aleatoria, discreta o continua, con esperan2a matem/tica finita y
varian2a finita, y sea : un nmero real positivo mayor a uno. -ualquiera sea la
distri'uci&n de pro'a'ilidad de la varia'le aleatoria 1, siempre se cumple que%
La pro'a'ilidad de que, el modulo de la desviaci&n ente un valor de la varia'le y el
promedio esperado, sea mayor o igual, a @ veces el desvDo est/ndar 3:J<5, es a lo
sumo <>: .
VARA!L" ",#A)*ARHA*A
,e llama varia'le estandari2ada de una varia'le aleatoria, discreta o continua, a la
varia'le que se genera haciendo el cociente entre, la diferencia entre la varia'le
original y su esperan2a matem/tica, y la raD2 cuadrada positiva de la varian2a. #oda
varia'le aleatoria estandari2ada, tiene esperan2a igual a cero y varian2a igual a uno,
cualquiera sea la naturale2a de la varia'le original que se est/ estandari2ando.
Aplicaciones de la $ariable estandari&ada
"standari2ar una varia'le aleatoria, la varia'le original, es transformar los valores de
ella, que est/n expresados en unidades de la magnitud original, a valores en unidades
de desvi& est/ndar. "n otras pala'ras, el valor de la varia'le estandari2ada indica a
qu distancia, a cuantos desvDos est/ndares, y en qu posici&n 3i2quierda o derecha5
se encuentra el correspondiente valor o'servado de la varia'le en estudio, con
respecto a su media aritmtica.
"sta transformaci&n hace posi'le que se pueda comparar la desviaci&n con respecto al
promedio aritmtico, de valores individuales correspondientes a varia'les aleatorias
que representan distintas circunstancias, o distintos grupos, o medidas en distintas
unidades de magnitudes.
VARIABLES ALEATORIAS MULTIDIMENSIONALES
VARA!L" AL"A#$RA +(L#*+"),$)AL% cuando a cada elemento del espacio
muestral se asigna un vector perteneciente a un espacio vectorial
CAPITULO SEIS LEYES ESPECIFICAS DE
PROBABILIDAD
VARIABLES ALEATORIAS DISCRETAS
"1P"R+")#$ AL"A#$R$ *-$#$+-$% Aquel experimento aleatorio cuyo espacio
muestral tiene solo dos resultados posi'les mutuamente excluyentes.
P"R+(#A-$)",% *ado un con.unto formado por n elementos, se llama permutaci&n
de n a cualquier arreglo ordenado de los n elementos. La cantidad de permutaciones
que se pueden formar ordenando los n elementos de distinta manera, se calcula con
un numero llamado factorial de n.
",PA-$ -$)#)($% "s un recinto de infinitos puntos donde en cualquiera de ellos es
posi'le encontrar un elemento. ,on las magnitudes 3longitud8 superficie8 tiempo5.
Distribuci"n de Bernoulli% "s una funci&n que proporciona valores de pro'a'ilidad a una
varia'le aleatoria discreta que denota la presencia o ausencia de un determinado
atri'uto. ,i el atri'uto no se presenta, se asigna a la varia'le el valor cero8 si el
atri'uto se presenta se asigna a la varia'le el valor uno.
La cantidad de elementos con un determinado atri'uto que se presenta en una
o'servaci&n de un experimento aleatorio dicot&mico, es una varia'le aleatoria discreta,
r, cuya funci&n de pro'a'ilidad es llamada distri'uci&n de 'ernoulli.
Repetici"n de un e*periento aleatorio dicot"ico% -ada ve2 que el experimento
aleatorio dicot&mico se repite, los elementos que tengan el atri'uto que se est/
considerando pueden presentarse o no, es aleatorio, entonces, en las n repeticiones
del experimento, ha'r/ algunos elementos que tengan el atri'uto, o puede ser que
ninguno tenga el atri'uto, o todos tengan el atri'uto.
Distribuci"n +iper(eoetrica%
A +odelo pro'a'ilDstico para una varia'le aleatoria discreta.
A +odelo que corresponde a aquellos experimentos aleatorios donde se reali2an
sucesivas o'servaciones de unidades experimentales sin reposici&n.
A La no reposici&n provoca un cam'io en el valor de pro'a'ilidad de ocurrencia del
atri'uto por tal motivo las o'servaciones no son independientes.
A Las n repeticiones del experimento aleatorio dicot&mico no son independientes, o
sea, la pro'a'ilidad de que se presente un elemento con un determinado atri'uto no
permanece constante a travs de las n o'servaciones.
La cantidad de elementos con un determinado atri'uto, que se presentan en n
o'servaciones dependientes de un experimento aleatorio dicot&mico, es una varia'le
aleatoria discreta, r, cuya funci&n de pro'a'ilidad es llamada distri'uci&n
hipergeometrica.
Distribuci"n Binoial%
A Las n o'servaciones son independientes% la pro'a'ilidad de que se presente un
elemento con un determinado atri'uto permanece constante a travs de las n prue'as.
La cantidad de elementos con un determinado atri'uto, que se presentan en n
o'servaciones independientes de un experimento aleatorio dicot&mico, es una varia'le
aleatoria discreta, r, cuya funci&n de pro'a'ilidad es llamada distri'uci&n 'inomial.
Distribuci"n (eo,trica%
A La varia'le aleatoria es la cantidad de repeticiones independientes del experimento
que son necesarias para encontrar un elemento que tenga un determinado atri'uto.
A ,i n es la cantidad de o'servaciones o repeticiones independientes del experimento
aleatorio dicot&mico, entonces en las primeras 3n0<5 o'servaciones no se tiene que
ha'er presentado el elemento con el atri'uto.
La cantidad de o'servaciones independientes de un experimento aleatorio dicot&mico
necesarias para encontrar < elementos con un determinado atri'uto, es una varia'le
aleatoria discreta, K, cuya funci&n de pro'a'ilidad es llamada distri'uci&n geomtrica.
Distribuci"n #ascal%
A La varia'le aleatoria es la cantidad de repeticiones del experimento pero que son
necesarias para encontrar una cantidad fi.a, mayor a uno, de elementos que tengan un
determinado atri'uto.
A "sta varia'le es til cuando se quieren concreta algunos tra'a.os de investigaci&n, o
tener una correcta informaci&n acerca de determinadas situaciones, donde es
necesario contar con una cantidad fi.a de elementos que tengan un determinado
atri'uto. Para ello, ha'r/ que repetir el experimento aleatorio tantas veces como sea
necesario. "s decir, se o'servan unidades experimentales sucesivamente hasta
conseguir la cantidad con atri'uto que se necesita, y recin, cuando ello se logra, se
detienen las prue'as.
La cantidad de o'servaciones independientes de un experimento aleatorio dicot&mico
necesarias para encontrar r elementos con un determinado atri'uto, es una varia'le
aleatoria discreta, K, cuya funci&n de pro'a'ilidad es llamada distri'uci&n pascal.
Relaci"n entre la distribuci"n de pascal - la distribuci"n binoial%
Los valores de pro'a'ilidad puntual de la distri'uci&n de pascal se pueden o'tener a
partir de la distri'uci&n 'inomial.
,i hay que encontrar exactamente r elementos que tengan un determinado atri'uto, o
sea r xitos, y para ello hay que hacer exactamente n prue'as, necesariamente, el
ltimo xito encontrado, de'e coincidir con el ltimo elemento o'servado, porque
cuando se lo encuentra se detienen las prue'as.
Los 3r0<5 primeros xitos pueden o'tenerse en cualquiera de las primeras 3n0<5
prue'as independientes, pero el r0esimo xito de'e estar en la n0esima o'servaci&n.
Para calcular la pro'a'ilidad de encontrar 3r0<5 xitos en 3n0<5 o'servaciones
independientes, hay que utili2ar la distri'uci&n 'inomial. ,i esta pro'a'ilidad se
multiplica por p, o sea por la pro'a'ilidad de encontrar el r0esimo xito que falta se
o'tiene el mismo valor de pro'a'ilidad que el que se o'tiene cuando se calcula usando
la distri'uci&n de Pascal.
Distribuci"n de #oisson%
La distri'uci&n que se estudia en este punto se origino en el estudio de la cantidad de
elementos 3personas, autom&viles, llamadas telef&nicas, etc.5 que arri'an en un
determinado periodo de tiempo. Posteriormente el an/lisis fue generali2ado para otros
espacios continuos.
*ado un espacio muestral continuo de extensi&n t. "n dicho continuo ocurren ciertos
acontecimientos en forma aleatoria formando una secuencia o flu.o de
acontecimientos. ,e supone que este flu.o de acontecimientos satisfaces las siguientes
condiciones%
<5 ,ean 3t<8tB5 y 3tC8tL5 dos intervalos cualesquiera del continuo, no superpuestos y
estadDsticamente independientes, o sea que la pro'a'ilidad de que se produ2can
acontecimientos en uno de los intervalos, no depende de los que ocurrieron en el otro.
B5 La pro'a'ilidad de que un acontecimiento se produ2ca en un intervalo infinitesimal
3t=8t=MNt5 es un infinitsimo de orden Nt.
C5 La pro'a'ilidad de que se produ2can dos o m/s acontecimiento en el intervalo
infinitesimal 3t=8t=MNt5 es un infinitsimo de orden Nt.
L5 Los acontecimientos ocurren con una tasa media o frecuencia media o promedio de
presentaci&n en el continuo conocido.
La cantidad de acontecimientos que se presentan en un continuo es una varia'le
aleatoria discreta.
La cantidad de elementos que se presentan al a2ar en un continuo de extensi&n t, y
con un promedio de presentaci&n en el continuo igual a , es una varia'le aleatoria
discreta, rO, cuya funci&n de pro'a'ilidad es llamada distri'uci&n de Poisson.
Apro*iaci"n de la distribuci"n .iper(eoetrica a la distribuci"n Binoial%
-uando hay que calcular un valor de pro'a'ilidad para una varia'le con distri'uci&n
hipergeometrica, frecuentemente, el tamaKo del universo ) es una cantidad grande en
relaci&n con la cantidad de o'servaci&n n. #an grande es, que el numero com'inatorio
se torna incalcula'le con los mtodos corrientes. -uando ello ocurre, el c/lculo de las
pro'a'ilidades de la distri'uci&n hipergeometrica se hace utili2ando la distri'uci&n
'inomial.
"l lDmite de la distri'uci&n hipergeometrica, cuando el tamaKo del universo ) tiende a
infinito, es la distri'uci&n 'inomial. "sto quiere decir que, si el tamaKo del universo es
suficientemente grande, con relaci&n al nmero de o'servaciones, aun cuando las
o'servaciones sean sin reposici&n, los valores de pro'a'ilidad puntual de la
distri'uci&n hipergeometrica se pueden calcular, aproximadamente con la distri'uci&n
'inomial.
Apro*iaci"n de la distribuci"n binoial a la distribuci"n de #oisson%
-uando hay que calcular un valor de pro'a'ilidad para una varia'le con *istri'uci&n
'inomial, puede ocurrir que la cantidad de o'servaciones n, sea grande y la
pro'a'ilidad de encontrar un elemento con el atri'uto p, sea pequeKa. ,i n es muy
grande el nmero com'inatorio se torna incalcula'le con los mtodos corrientes. ,i p
es muy pequeKo, la potencia es pr/cticamente cero.
"l lDmite de la distri'uci&n 'inomial, cuando la cantidad de o'servaciones n tiende a
infinito y la pro'a'ilidad de que se presente un elemento con un determinado atri'uto
p tiene a = es la distri'uci&n de Poisson.
"sto quiere decir que, si la cantidad de o'servaci&n es suficientemente grande y la
pro'a'ilidad de encontrar un elemento con un determinado atri'uto es suficientemente
chica, los valores de pro'a'ilidad puntual de la distri'uci&n 'inomial, se pueden
calcular, aproximadamente, con la distri'uci&n de Poisson.
VARIABLES ALEATORIAS DISCRETAS
Para poder estudiar el comportamiento pro'a'ilDstico de una varia'le aleatoria
continua, calcular los momentos, calcular los valores de pro'a'ilidad dentro de un
intervalo dado, etc. "s necesario conocer cu/l es la funci&n de densidad de
pro'a'ilidad que las define.
Algunas varia'les est/n definidas por funciones de densidad de pro'a'ilidad cuyas
ecuaciones tienen ciertas caracterDsticas especiales y por ello se les ha asignado un
nom're con el que se las reconoce.
Distribuci"n Uni!ore%
(na varia'le aleatoria continua 1, definida en el intervalo de nmeros reales 7a8'9
tiene distri'uci&n uniforme si su funci&n de densidad de pro'a'ilidad es
-aracterDsticas%
<5 a y ' son los par/metros matem/ticos de la funci&n.
B5 Por ser funci&n de densidad de pro'a'ilidad la funci&n de densidad uniforme cumple
con la condici&n de no negatividad y con la condici&n de cierre.
C5 La funci&n de distri'uci&n de la distri'uci&n uniforme es%
L5 La funci&n percentilar de la distri'uci&n uniforme es%
F5 La funci&n generatri2 de +omentos es%
P5 La esperan2a matem/tica o promedio aritmtico de la varia'le es
Q5 La varian2a esperada de la varia'le es%
R5 *ado que la funci&n de densidad de pro'a'ilidad de la distri'uci&n uniforme es
simtrica se verifica que%
S5 *ado que la funci&n de densidad de pro'a'ilidad de la distri'uci&n uniforme no
tiene m/ximo relativo entonces la varia'le no tiene +odo.
Distribuci"n e*ponencial%
Distribuci"n Noral%
La distri'uci&n normal es qui2/, una de las m/s importantes, dado que es un modelo
te&rico que se presenta con extraordinaria frecuencia como funci&n de densidad de
pro'a'ilidad de las varia'les aleatorias continuas que se estudian en todas las ciencias.
)o o'stante, es necesario verificar, mediante metodologDas que se estudiaran en
cursos m/s avan2ados, la valide2 de la TnormalidadU en las varia'les que se anali2an,
para evitar errores en las decisiones.
Por otro lado, la distri'uci&n normal posee importantes propiedades que permiten
anali2ar el comportamiento de varia'les originadas en la suma o diferencia de otras
varia'les8 como asD tam'in, 'a.o ciertas condiciones, puede ser utili2ada como
aproximaci&n de funciones de pro'a'ilidad para varia'les aleatorias discretas.
(na varia'le aleatoria continua 1, definida para todos los nmeros reales, tiene
distri'uci&n normal, si su funci&n de densidad de pro'a'ilidad es
-aracterDsticas
<5 Los nmeros V y W de la funci&n de densidad normal son los par/metros
matem/ticos de la funci&n
B5 La funci&n de densidad normal alcan2a un m/ximo relativo cuando xX V
C5 La funci&n de densidad normal tiene dos puntos de inflexi&n cuando%
1X V 0 W 1X V M W
L5 La funci&n de densidad normal es simtrica con respecto al punto de m/xima
ordenada
F5 La funci&n de densidad normal es asDntota al e.e de a'scisa.
Varia'le normal estandari2ada o tipificada%
"l valor de la funci&n de distri'uci&n de una varia'le aleatoria con distri'uci&n normal,
para el valor x, es igual al valor de la funci&n de distri'uci&n de la varia'le
estandari2ada H con distri'uci&n normal, para el correspondiente valor.
,i x se distri'uye normalmente con media mu y varian2a sigma cuadrado, entonces 1
se distri'uye normalmente con media cero y varian2a uno
6unci&n de distri'uci&n de la varia'le estandari2ada%
Los valores de la funci&n de distri'uci&n de la varia'le estandari2ada 1 se encuentran
ta'ulados, por lo tanto, no es necesario lograr su expresi&n funcional.
,i 'ien el recorrido de la varia'le es el con.unto de los nmeros reales, los valores de
pro'a'ilidad acumulada significativos m/s usuales, corresponden a los valores de la
varia'le que se encuentran en el intervalo 0C,SS; H ; C,SS
Para calcular la pro'a'ilidad de que el valor de una varia'le aleatoria distri'uida
normalmente pertene2ca a un determinado intervalo, primero hay que estandari2ar los
valores de la varia'le original 1, y con el correspondiente valor de H, o'tener el valor
de pro'a'ilidad en la ta'la de la funci&n de distri'uci&n H.
-alculo de los percentiles%
Para calcular el percentil de orden @ de una varia'le aleatoria continua 1, distri'uida
normalmente, se utili2a la #a'la de percentiles de la varia'le estandari2ada H,
u'icando el orden del percentil, expresado en pro'a'ilidad, en la columna 6325 y, de
esta manera, locali2ar el correspondiente valor de H@.
Trans!oraci"n lineal de $ariables aleatorias norales
#oda transformaci&n afDn de una varia'le aleatoria con distri'uci&n normal, se
distri'uye normalmente.
#oda com'inaci&n lineal de varia'les aleatorias normales independientes, tiene
distri'uci&n normal.
Proposiciones
A La esperan2a matem/tica de la suma de varia'les aleatorias independientes es igual
a la suma de las "speran2as +atem/ticas ndividuales de cada una de las varia'les.
A La Varian2a de la suma de varia'les aleatorias independientes es igual a la suma de
las varian2as individuales de cada una de las varia'les.
A La suma de varia'les aleatorias normales independientes, se distri'uye
normalmente.
Primer caso% #odas las varia'les est/n multiplicadas por una constante no nula y cada
una de las varia'les tiene distinta esperan2a matem/tica y distinta varian2a.
,egundo caso% #odas las constantes son iguales a uno, y todas las varia'les tienen
distinto promedio o esperan2a matem/tica y distinta varian2a.
#ercer caso% #odas las constantes son iguales a uno, y todas las varia'les tienen el
mismo promedio o esperan2a matem/tica y la misma varian2a.
Apro*iaci"n de la distribuci"n binoial a la distribuci"n noral
"l lDmite de la distri'uci&n 'inomial, cuando la cantidad de o'servaciones n tiende a
infinito y la pro'a'ilidad de que se presente un elemento con un determinado atri'uto
p tiende a =,F= es la distri'uci&n normal.
La varia'le en estudio es una varia'le aleatoria discreta, pero para el c/lculo de
pro'a'ilidad se utili2a la distri'uci&n normal, que es una distri'uci&n para varia'le
continua, por ello, para calcular el valor de la varia'le estandari2ada haciendo una
Tcorrecci&n por continuidadU que consiste en sumar o restar, segn corresponda,
medio punto al valor de la varia'le rO, de modo que el valor puntual quede
estrictamente incluido en un intervalo