Sesión 9: Distribución de variables aleatorias continuas importantes.

Distribución
Normal., Distribución T student.
LA DISTRIBUCIÓN NORMAL

 La distribución normal, llamada también Curva de Gauss (en recuerdo

al científico que lo descubrió), es la distribución de probabilidad más
importancia en la Estadística y por ende del Calculo de Probabilidades.
 Esta distribución de probabilidad es importante porque las variables
aleatorias continuas (peso, edad, talla, producción, gasto en publicidad,
temperatura, ventas, PBI, ganancias, etc) que son variables que más se
evalúan en una investigación científica o investigación de mercados se
aproximan a esta distribución de probabilidad.
 También es importante porque se utiliza como aproximación de las
distribuciones discretas tales como: la Binomial, la Poisson, etc.

CARACTERÍSTICAS
1. Tiene como parámetros a  y 
2. Su función de probabilidad está dada por:

2
1 X −μ

f (x )=
1
ε
(
2 σ ), −¿ < X <+∝¿ ¿
√2 πσ
Además:
-  +
-  <  < + y >0

3. El promedio  puede tomar valores entre – y + mientras que  > 0, entonces

existen infinitas curvas normales.
4. Esta función de probabilidad es asintótica con respecto al eje X, (a pesar de tener
recorrido infinito, la curva nunca toca el eje X); además es unimodal y es simétrica
con respecto a la media .
5. El areá bajo esta función o curva es 1 ó 100%, de la misma manera se sabe que las
áreas comprendidas bajo la curva normal son :

1.    = 68.3%
 2.   2 = 95.5%
3.   3 = 99%

- 3 2 1  1 2 3 +

7. Para calcular probabilidades en la distribución normal se necesitaran infinitas tablas de

probabilidad.

4. LA DISTRIBUCIÓN NORMAL ESTÁNDAR:

1. Es una distribución a la cual se le ha modificado la escala original; esta

modificación se ha logrado restando la media  al valor de la variable original y
dividiendo este resultado por , la nueva variable se denota por Z y recibe el
nombre de variable estandarizada

X
Z 

2. La modificación de la escala ha permitido elaborar una tabla para el cálculo de las
probabilidades; si esto no hubiera sido posible, sería necesario construir una tabla
para cada valor de  y .
3. La función de densidad de la variable estandarizada es:

1
1 z2
f ( z)  e2
2

4. El promedio (valor esperado) y la varianza de Z son: E(Z) = 0 , V(Z) = 1

5. Notación:
Si X es v.a. continua distribuida normalmente con media  y varianza 2 , la
denotamos por : X  N( , 2).
Aplicando esta notación a la variable normal estandarizada Z, escribimos:
Z  N(0 , 1) , esto se interpreta como, Z tiene distribución normal con media 0 y
varianza 1.
6. La superficie bajo la curva normal Z estandarizada también es igual a 1. Por
consiguiente, las probabilidades pueden representarse como áreas bajo la curva
normal escandalizada entre dos valores.
7. Debido a que la distribución normal es simétrica muchas de las tablas disponibles
contienen solo probabilidades para valores positivos de Z.
USO DE TABLA:
Si se conoce el comportamiento de una variable, es decir, se sabe que tienen una
distribución normal, para calcular las diferentes probabilidades se tiene que estandarizar
la variable. Una vez estandarizada la variable, recién utilizar la tabla de la distribución
normal estandarizada o tabla Z.

FORMULAS:
x−μ a−μ a−μ
P( x≤a )=P( ≤ )=P(Z ≤ )
a. σ σ σ
x−μ a−μ a−μ
P( x≥a )=1−P (x≤a)=1−P( ≤ )=1−P( Z≤ )
b. σ σ σ
a−μ b−μ a−μ a−μ
P( a≤x≤b )=P( ≤x ≤ )=P ( ≤Z≤ )
c. σ σ σ σ