Documente Academic
Documente Profesional
Documente Cultură
en Psicología Estadística II
Unidad 2
Distribuciones de probabilidad para variables aleatorias continúas
Variables aleatorias continuas.
A diferencia de una variable aleatoria discreta, una variable aleatoria continua es la que puede tomar
cualquier valor fraccionario en un rango determinado de valores. Como existe un número infinito de
posibles mediciones fraccionarias, no pueden enlistarse todos los valores posibles con una probabilidad
correspondiente. Más bien, se define una función de densidad de probabilidad. Esta expresión
matemática da la función de X, y se representa mediante el símbolo f x , para cualquier valor designado
de la variable aleatoria X. A la gráfica de una función de este tipo se le denomina curva de probabilidad
y el área entre dos puntos cualesquiera bajo la curva de la probabilidad de la ocurrencia aleatoria de un
valor entre esos dos puntos
La importancia de esta distribución radica en que permite modelizar numerosos fenómenos naturales,
sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de
fenómenos son desconocidos, por la ingente cantidad de variables incontrolables que en ellos intervienen,
el uso del modelo normal puede justificarse asumiendo que cada observación se obtiene como la suma
de unas pocas causas independientes.
La distribución normal también es importante por su relación con la estimación por mínimos cuadrados,
uno de los métodos de estimación más simples y antiguos.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son:
caracteres morfológicos de individuos como la estatura;
caracteres fisiológicos como el efecto de un fármaco;
caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos;
caracteres psicológicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.
La distribución normal también aparece en muchas áreas de la propia estadística. Por ejemplo, la
distribución muestral de las medias muéstrales es aproximadamente normal, incluso si la distribución de
la población de la cual se extrae la muestra no es normal. Además, la distribución normal maximiza la
entropía entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la elección
natural de la distribución subyacente a una lista de datos resumidos en términos de media muestral y
varianza. La distribución normal es la más extendida en estadística y muchos tests estadísticos están
basados en una supuesta "normalidad".
Campana de Gauss
-4 -3 -2 -1 0 1 2 3 4
Curva Normal
Una variable aleatoria continua X que tiene la distribución en forma de campana se llama variable
aleatoria normal. La ecuación matemática para la distribución de probabilidad de la variable normal
depende de los dos parámetros y , su media y desviación estándar. De aquí, denotamos los valores
de la densidad de X con n x; , .
nx; , e 2 ,
1 1 x
2
x ,
2
Una vez que se especifican y , la curva normal queda determinada por completo. Por ejemplo, si
50 y 5 , entonces se pueden calcular las ordenadas n x;50,5 para varios valores de x y dibujar
la curva.
Muchas variables aleatorias tiene distribuciones de probabilidad que se pueden describir de manera
adecuada mediante la curva normal una vez que se especifiquen y 2 .
Ejemplo 1
En un examen final de matemáticas, la calificación media fue 72 y la desviación estándar 15. Determine
a) ¿Cuál es la probabilidad de que los alumnos hayan obtenido cuando más 60?
Datos Formula Sustitución Resultado
X 60 60 72 De tablas
Z 0.2118
72 X 15 Z
Z
15 X 21.18%
Z 0.8
La distribución normal a menudo es una buena aproximación a una distribución discreta cuando la última
adquiere una forma de campana simétrica. Desde un punto de vista teórico, algunas distribuciones
convergen a la normal conforme sus parámetros se aproximan a ciertos límites. La distribución normal
es una distribución de aproximación conveniente pues la función de distribución acumulada se tabula
muy fácil. La distribución binomial se aproxima bien por la normal en problemas prácticos cuando se
trabaja con la función de distribución acumulada.
Establecemos ahora un teorema que nos permita utilizar áreas bajo la curva normal para aproximar
propiedades binomiales. Cuando n es suficientemente grande.
Teorema 1
Si X es una variable aleatoria binomial con media np y varianza 2 npq entonces la forma
limitante de la distribución de
X np
Z
npq
En resumen
• Se utiliza la aproximación normal para evaluar probabilidades binomiales siempre que “p” no
sea cercana a 0 o a 1.
• La aproximación es excelente cuando “n” es grande.
• La aproximación es muy buena para valores de “n” pequeños si “p” es razonablemente cercana
1
a 2
• Desde un punto de vista práctico, la experiencia ha demostrado que la aproximación es bastante
p 1 p 1
buena mientras np 5 cuando 2 y nq 5 cuando 2
La corrección de continuidad
Si X ∼ B(n, p), entonces X es una variable discreta y luego P X x P X x 1 igualmente
P X x P X x 1
P X x P X x 0.5
P X x P X x 0.5
P x1 X x2 P x1 0.5 X x1 0.5
Ejemplo 1:
Si la probabilidad de que un tirador acierte a un blanco es de 1
3 y si dispara 12 tiros, ¿cuál es la
probabilidad de que acierte por lo menos en 6 de ellos.
El primer paso para poder resolver el problema a través de una distribución normal es calcular todas las
probabilidades de la variable X (utilizando un software) mediante la distribución binomial, estas
probabilidades se presentan en la tabla 1
Tabla 1 Valores de probabilidad del ejemplo 1, calculados por una distribución binomial
Ya con las probabilidades calculadas se resuelve el problema anterior sumando las probabilidades cuando
X tiene el valor de: 6, 7, 8, 9, 10, 11, 12 dando como resultado
El segundo paso en la resolución del problema por medio de una distribución normal es graficar mediante
un histograma los valores de la variable discreta, después se sobrepondrá la curva normal para verificar
que el problema se ajusta a una distribución normal. (Fig. 1)
2.38E-01
2.12E-01
1.91E-01
1.27E-01
1.11E-01 Z = 5.5
Z = 0.92
4.62E-02 4.77E-02
7.71E-03 1.49E-02
3.31E-03 4.97E-044.52E-05 1.88E-06
0 1 2 3 4 5 6 7 8 9 10 11 12
El tercer paso es la aplicación del Teorema 1 para resolver el problema utilizando una distribución
normal. Recordando que el valor de X = 6 en la distribución binomial se convierte en Z = 5.5 en la
distribución normal por la posición de la curva, y como el problema dice que Z 5.5 debemos de
encontrar el área a la derecha de 5.5 (Fig. 1). Así tenemos:
Como puede verse el valor obtenido con la distribución normal es 0.1787 y con la distribución binomial
es 0.1777 por lo tanto es una muy buena aproximación.
b x; n, p p x;
Ejemplo 1
En un proceso de fabricación donde se manufacturan productos de vidrio ocurren defectos o burbujas, lo
que deja ocasionalmente a la pieza indeseable para su venta. Se sabe que, en promedio uno de cada 1000
de estos artículos que se producen tiene una o más burbujas. ¿Cuál es la probabilidad de que una muestra
aleatoria de 8000 tenga menos de siete artículos con burbujas?
-
Datos Formula Sustitución Resultado
n 8000
Px 0
8000!
0.0010 0.999 80000
p 0.001 0!8000 0 !
q 0.999
Px 1
8000!
0.00110.999 80001 Px 0 3.3412 *10 4
x7 1!8000 1!
Px 1 2.6756 *10 3
Px 2
8000!
0.0012 0.999 80002
6 2!8000 2 ! Px 2 1.0711 *10 2
bx,8000,0.001 Px 3 2.8586 *10 2
Px 3
8000!
x 0
0.00130.999 80003
3!8000 3! Px 4 5.7209 *10 2
Px 7
n!
p x q n x
x!n x ! Px 5 9.1580 *10 2
Px 4
8000!
0.0014 0.999 80004
4!8000 4 !
Px 6 1.2215 *10 1
Px 5
8000!
0.00150.999 80005 Px 7 0.3132
5!8000 5!
Px 6
8000!
0.0016 0.999 80006
6!8000 6 !
Como p es muy cercana a cero y n es bastante grande, haremos la aproximación con la distribución de
Poisson utilizando
t 8000 0.001 8
Como puede verse el valor obtenido con la distribución Poisson es 0.3133 y con la distribución Binomial
es 0.3132 por lo tanto es una muy buena aproximación.
Ejercicios Repaso
1. Dada una distribución normal estándar, encuentre el área bajo la curva que está:
a) A la izquierda de Z = 1.43
b) A la derecha de Z = -.089
c) Entre Z = -2.16 y Z = -1.39
3. Un investigador científico reporta que unos ratones vivirán un promedio de 40 meses cuando sus
dietas se restringen drásticamente y después se enriquecen con vitaminas y proteínas. Suponga
que la vida de tales ratones se distribuye normalmente con una desviación estándar de 6.3 meses,
encuentre la probabilidad de que un ratón viva.
a) Más de 32 meses
b) Menos de 28 meses
c) Entre 37 y 49 meses
7. Una prueba de opción múltiple tiene 200 preguntas cada una con cuatro posibles respuestas de
las que sólo una es correcta. ¿Cuál es la probabilidad de que con puras conjeturas se obtenga de
25 a 30 respuestas correctas para 80 de los 200 problemas acerca de los que el estudiante no tiene
conocimiento?
9. La probabilidad de que una persona muera de cierta infección respiratoria es 0.002. Encuentre la
probabilidad de que mueran menos de cinco de los siguientes 2,000 infectados de esta forma.
10. Suponga que, en promedio una persona en 1000 comete un error numérico al preparar su
declaración de impuestos. Si se seleccionan 10,000 formas al azar y se examinan, encuentre la
probabilidad de que 6, 7 u 8 de las formas contengan un error.
11. Se sabe que la probabilidad de que un estudiante de un preparatoria local presente escoliosis
(curvatura de la espina dorsal) es 0.004. De los siguientes 1875 estudiantes que se revisen en
búsqueda de escoliosis, encuentre la probabilidad de que
a) Menos de cinco presenten el problema;
b) Ocho, nueve o 10 presenten el problema.