Probabilidad y Estadstica (I.I.

Tema 4

Tema 4 VARIABLE ALEATORIA CONTINUA. PRINCIPALES DISTRIBUCIONES

1.- Definicin de variable aleatoria continua. Recordamos la definicin que dimos de variable aleatoria en general. Sea (, (), P) un espacio de probabilidad. Una funcin X: X() es una variable aleatoria, es decir, las variables aleatorias son funciones cuyos valores dependen del resultado de un experimento aleatorio. Una variable aleatoria es una funcin que asocia un nmero real y slo uno, a cada suceso elemental del espacio muestral ( ) de un experimento aleatorio. Las variables aleatorias continuas se definen sobre espacios muestrales infinitos y no numerables, es decir, toman un nmero de valores infinito. Se representan tambin mediante letras maysculas y pueden tomar como posibles valores: X = { x1, x2, ... , xi , ... , xn , } Se suele comentar que las variables aleatorias discretas son el resultado de contar (edad de una persona, n de hijos, n de hermanos, n de veces que aparece cara en un lanzamiento de moneda, n de puntos de un dado, etc), mientras que las variables aleatorias continuas son el resultado de medir (velocidad media de un automvil, talla y peso de una persona, etc) Ejemplo: Si consideramos la variable aleatoria altura de las personas espaolas mayores de 21aos, esta variable puede tomar infinitos valores, ya que entre cualesquiera dos valores, digamos 163.5 y 164.5, pueden darse infinitos valores de altura, uno de los cuales es exactamente el 164. Las v.a. continuas, X, al igual que las discretas, quedan caracterizadas por la funcin de densidad, f(x), y por la funcin de distribucin, F(x) = P(X x). 2.- Funcin de densidad, f(x) Las variables aleatorias continuas presentan un problema: no se pueden asignar probabilidades positivas a un n infinito de valores de la variable. Puesto que los valores posibles de la variable no son numerables no podemos hablar realmente del i-simo valor de X, y por lo tanto P(X=xi) pierde significado. Por tanto, en el caso continuo, la probabilidad de que la variable tome un valor exacto, se considera nula: P(X=x0)=0. Hay que tomar probabilidades por intervalos.

Si nos referimos al ejemplo de las alturas, es remotsima la probabilidad de seleccionar una persona, al azar, que tenga una altura exactamente de 164 cms. y no cualquiera otra del infinitamente grande conjunto de alturas tan cercanas al 164 que humanamente no se pudiera medir la diferencia. Por este motivo, se asigna el valor 0 a la probabilidad de tal evento. Sin embargo no es este el caso si hablamos de seleccionar una persona que al menos mida 163 cms, o que mida entre 164 y 165 cms. Ahora la probabilidad que se mide es la de que el valor de la variable caiga en un intervalo determinado y esa probabilidad ya si tiene sentido.

Probabilidad y Estadstica (I.I.)

Tema 4

Observacin: Cuando trabajamos con variables aleatorias continuas no importa que se incluya o no el punto final o inicial del intervalo, cosa que no ocurra con las variables aleatorias discretas: En v. a. d: P(X > a) P(X a) P(a < X b) P(a < X < b) En v. a. c: P(X > a) = P(X a) P(a < X < b) = P(a X < b) = P(a < X b) = P(a X b)
(, (), P) un espacio de probabilidad y X una v. a. c. Se llama funcin de densidad, f(x), a una funcin real no negativa, tal que a, b R, con - a b :

y que verifica: (i) f(x) 0

(ii)

Grficamente se representa mediante una curva.

Observacin

f(x) no representa la probabilidad de nada, es slo al integrar cuando obtenemos probabilidades. 3.- Funcin de distribucin, F(x) Sea (, (), P) un espacio de probabilidad, X v. a. c. y f(x) la funcin de densidad de X. Se llama funcin de distribucin (acumulativa) de la v. a. c. X, F(x), a la probabilidad de que X sea menor o igual que x; es decir:

Que cumple las siguientes propiedades: (i) F(-)=0 (ii) F()=1 (iii) F es montona no decreciente, es decir, si xi xj entonces F(xi) F(xj) (iv) F es continua (v) Si f(x) es continua, entonces F(x) es derivable y

Probabilidad y Estadstica (I.I.)

Tema 4

(vi) P(a X b) = F(b) - F(a) = Grficamente resulta

4.- Caractersticas de las v. a. continuas Se trata de resumir la informacin de una variable aleatoria en un conjunto de medidas (nmeros). Esperanza: Sea X v. a. El valor esperado o esperanza matemtica de X, denotada por E(X) o por , se define como:

E(X) no es una funcin de x, es un valor fijo que depende de la distribucin de probabilidad de X. E(X) est medida en las mismas unidades que X. Si X es una v.a. con funcin de probabilidad simtrica respecto a un punto x=a, entonces E(X)=a. Propiedades de la esperanza: (i) Si C es una constante, entonces E(C)=C. (ii) Linealidad: E(aX+b)=aE(X)+b, a, b (iii) Si g(X) es una funcin de X, entonces: (iv) Si g(X), h(X) son funciones de X, entonces E[g(X)+h(X)]=E[g(X)]+ E[h(X)] (v) |E[g(X)]| E[|g(X)|] Varianza: Sea X v. a. La varianza de X se denota con Var(X) o 2 y se define como La raz cuadrada positiva de la varianza se llama desviacin tpica y se denota con . Tanto la varianza como la desviacin tpica miden la dispersin de la v.a. respecto a su media.

2(X) = [ xi2 f (xi)] [E(X)]2

Probabilidad y Estadstica (I.I.)

Tema 4

Observaciones: - La varianza y la desviacin tpica son cantidades positivas. - La desviacin tpica est medida en las mismas unidades que la v.a. Propiedades de la varianza: (i) Si C es una constante, Var(C)=0 (ii) Var(X) = E(X2) - E2(X) (iii) Si a y b son constantes: Var(aX+b) = a2Var(X) La desviacin media se define como la esperanza de |X-|. 5.- Principales distribuciones de las v. a. continuas: Como ocurra con las variables aleatorias discretas, en la prctica, la funcin de densidad de la mayora de las variables continuas se ajusta a un modelo terico expresado mediante una frmula concreta. Veremos los ms habituales. Distribucin Normal N(,) Es el modelo de distribucin ms utilizado en la prctica, ya que multitud de fenmenos se comportan segn una distribucin normal. La importancia de la distribucin normal se debe principalmente a que hay muchas variables asociadas a fenmenos naturales (distribucin de pesos, alturas, coeficientes de inteligencia, errores en la medida, etc) que siguen aproximadamente una distribucin normal. Tambin a que la distribucin muestral de varios estadsticos maestrales, tales como la media, tienen una distribucin aproximadamente normal. Adems, es una buena aproximacin de otras distribuciones (as la distribucin de una variable binomial, de Poisson, etc son aproximadamente normales). Se dice que una variable aleatoria continua sigue una distribucin normal si su funcin de densidad viene dada por la expresin:

donde =3.14159 y e= 2.71828. Como vemos esta distribucin viene definida por dos parmetros: X: N (,) : es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva (de la campana de Gauss). : es la desviacin tpica (raz cuadrada de la varianza). Indica si los valores estn ms o menos alejados del valor central: si la varianza es baja los valores estn prximos a la media; si es alta, entonces los valores estn muy dispersos. Esta distribucin de caracteriza porque la grfica de la funcin de densidad forman una curva, simtrica respecto a un valor central que coincide con la media de la distribucin, que se extiende sin lmite, tanto en la direccin positiva como negativa del eje X, de forma asinttica (campana de Gauss)

Probabilidad y Estadstica (I.I.)

Tema 4

Por ser funcin de densidad, el rea total encerrada bajo la curva y sobre el eje X es igual a 1. Un 50% de los valores estn a la derecha de este valor central y otro 50% a la izquierda. La curva de cualquier funcin de densidad est construida de tal modo que el rea bajo la curva, limitada por los dos puntos x=a y x=b es igual a la probabilidad de que la variable aleatoria X asuma un valor entre x=a y x=b. Entonces, en el caso de la curva normal, las probabilidades que pudiramos estar interesados en calcular vendran dadas por el rea de la regin sombreada:

Dado lo complicada de la expresin de la funcin de densidad, la dificultad para resolver estas integrales hace necesaria la tabulacin de las reas bajo la curva normal para una referencia rpida. No obstante sera una tarea inacabable crear tablas separadas para cada valor concebible de y . Por fortuna es posible transformar todas las observaciones de cualquier v. a. X con distribucin normal a un nuevo conjunto de observaciones de una variable aleatoria normal Z con media 0 y varianza 1.

Probabilidad y Estadstica (I.I.)

Tema 4

Esta distribucin normal de media 0 y varianza 1 se denomina "normal tipificada", y su ventaja reside en que hay tablas donde se recoge la probabilidad acumulada para cada punto de la curva de esta distribucin. Para transformar una v. a. X en una normal tipificada se crea una nueva variable (Y) que ser igual a la anterior (X) menos su media y dividida por su desviacin tpica (que es la raz cuadrada de la varianza)

Esta nueva variable se distribuye como una normal tipificada, que tiene la ventaja, como ya hemos indicado, de que las probabilidades para cada valor de la curva se encuentran recogidas en una tabla.

Atencin: la tabla nos da la probabilidad acumulada, es decir, la que va desde el inicio de la curva por la izquierda hasta dicho valor. No nos da la probabilidad concreta en ese punto. En una distribucin continua en el que la variable puede tomar infinitos valores, la probabilidad en un punto concreto es prcticamente despreciable. Tambin nos podemos encontrar la tabla que, en lugar de la probabilidad acumulada hasta el punto, nos indique la probabilidad que deja el punto a la derecha. Denotaremos con Z El punto que deja en la curva de la normal un rea a la derecha, independientemente de cmo este elaborada la tabla. Como la curva normal es simtrica respecto a su media, y la media de la normal tabulada es 0, se verifica que Z = -Z1- X 0,00 0,01 0,02 0,03 0,04 0,5160 0,05 0,5199 0,06 0,07 0,08 0,09 0,5359 0,5723 0,6141

0,0 0,5000 0,5040 0,5080 0,5120 0,1 0,5398 0,5438 0,5478 0,5517 0,2 0,5793 0,5832 0,5871 0,3 0,6179 0,5 0,6915 0,6217 0,4 0,6554 0,6591 0,6 0,7257 0,7291 0,5910

0,5239 0,5279 0,5319

0,5557 0,5596 0,5636 0,5675 0,5714 0,5948 0,5987 0,6026 0,6064 0,6103

0,6255 0,6293 0,6331

0,6368 0,6406 0,6443 0,6480 0,6517 0,7157 0,7090 0,7224 0,7549

0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 0,7054 0,7088 0,7123 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517

0,6950 0,6985 0,7019

Probabilidad y Estadstica (I.I.)

Tema 4

0,7 0,7580 0,7611 0,8 0,7881 0,9 0,8159 1,0 0,8416 0,7910 0,8186

0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7813 0,7939 0,7967 0,7995 0,8023 0,8051 0,8212 0,8238 0,8264 0,8289 0,8315 0,8485 0,8508 0,8531 0,8078 0,8106

0,7852 0,8133

0,8340 0,8365 0,8389 0,8830 0,9177

0,8438 0,8461

0,8554 0,8577 0,8599 0,8621

1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9131 0,9147 0,9162

1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015 0,9265 0,9279 0,9292 0,9306 0,9319 0,9429 0,9441 0,9625 0,9633 0,9767 0,9525 0,9535 0,9545

1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 1,7 0,9554 0,9564 0,9573 0,9582 0,9591 1,8 0,9641 1,9 0,9713 0,9649 0,9656 0,9664 0,9671 0,9719 0,9599 0,9608 0,9616

0,9678 0,9686 0,9693 0,9699 0,9706

0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761

2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169 2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574 2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899 2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158 2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361 2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520 2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643 2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736 2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807 2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861 Cmo se lee esta tabla? La columna de la izquierda indica el valor cuya probabilidad acumulada queremos conocer. La primera fila nos indica el segundo decimal del valor que estamos consultando. Ejemplo: Queremos conocer la probabilidad acumulada en el valor 2,75. Entonces buscamos en la columna de la izquierda el valor 2,7 y en la primera fila el valor 0,05. La casilla en la que se interseccionan es su probabilidad acumulada (0,99702, es decir 99.7%). Veamos otros ejemplos: Probabilidad acumulada en el valor 0,67: la respuesta es 0,7486 Probabilidad acumulada en el valor 1,35: la respuesta es 0,9115 Probabilidad acumulada en el valor 2,19: la respuesta es 0,98574 Veamos ahora, como podemos utilizar esta tabla con una distribucin normal: Ejemplo:

Probabilidad y Estadstica (I.I.)

Tema 4

El salario medio de los empleados de una empresa se distribuye segn una distribucin normal, con media 5 millones de ptas. y desviacin tpica 1 milln de ptas. Calcular el porcentaje de empleados con un sueldo inferior a 7 millones de ptas. Lo primero que haremos es transformar esa distribucin en una normal tipificada, para ello se crea una nueva variable (Y) que ser igual a la anterior (X) menos su media y dividida por la desviacin tpica

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada. La variable Y que corresponde a una variable X de valor 7 es:

Ya podemos consultar en la tabla la probabilidad acumulada para el valor 2 (equivalente a la probabilidad de sueldos inferiores a 7 millones de ptas.). Esta probabilidad es 0,97725. Por lo tanto, el porcentaje de empleados con salarios inferiores a 7 millones de ptas. es del 97,725%. Ejemplo: La renta media de los habitantes de un pas es de 4 millones de ptas/ao, con una varianza de 1,5. Se supone que se distribuye segn una distribucin normal. Calcular: a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos. c) Ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media. a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. Lo primero que tenemos que hacer es calcular la normal tipificada:

(*) Recordemos que el denominador es la desviacin tpica (raz cuadrada de la varianza) El valor de Y equivalente a 3 millones de ptas es -0,816. P (X < 3) = P (Y < -0,816) Ahora tenemos que ver cul es la probabilidad acumulada hasta ese valor. Tenemos un problema: la tabla de probabilidades slo abarca valores positivos, no obstante, este problema tiene fcil solucin, ya que la distribucin normal es simtrica respecto al valor medio. Por lo tanto: P (Y < -0,816) = P (Y > 0,816) Por otra parte, la probabilidad que hay a partir de un valor es igual a 1 (100%) menos la probabilidad acumulada hasta dicho valor: P (Y > 0,816) = 1 - P (Y < 0,816) = 1 - 0,7925 (aprox.) = 0,2075 Luego, el 20,75% de la poblacin tiene una renta inferior a 3 millones ptas.

Probabilidad y Estadstica (I.I.)

Tema 4

b) Nivel de ingresos a partir del cual se sita el 10% de la poblacin con renta ms elevada. Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,9 (90%), lo que quiere decir que por encima se sita el 10% superior. Ese valor corresponde a Y = 1,282 (aprox.). Ahora calculamos la variable normal X equivalente a ese valor de la normal tipificada:

Despejando X, su valor es 5,57. Por lo tanto, aquellas personas con ingresos superiores a 5,57 millones de ptas. constituyen el 10% de la poblacin con renta ms elevada. c) Nivel de ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media Vemos en la tabla el valor de la variable normalizada Y cuya probabilidad acumulada es el 0,8 (80%). Como sabemos que hasta la media la probabilidad acumulada es del 50%, quiere decir que entre la media y este valor de Y hay un 30% de probabilidad. Por otra parte, al ser la distribucin normal simtrica, entre -Y y la media hay otro 30% de probabilidad. En definitiva, el segmento (-Y, Y) engloba al 60% de poblacin con renta media. El valor de Y que acumula el 80% de la probabilidad es 0,842 (aprox.), por lo que el segmento viene definido por (-0,842, +0,842). Ahora calculamos los valores de la variable X correspondientes a estos valores de Y. Los valores de X son 2,97 y 5,03. Por lo tanto, las personas con ingresos superiores a 2,97 millones de ptas. e inferiores a 5,03 millones de ptas. constituyen el 60% de la poblacin con un nivel medio de renta. Ejemplo: La vida media de los habitantes de un pas es de 68 aos, con una varianza de 25. Se hace un estudio en una pequea ciudad de 10.000 habitantes: a) Cuntas personas superarn previsiblemente los 75 aos? b) Cuntos vivirn menos de 60 aos? a) Personas que vivirn (previsiblemente) ms de 75 aos Calculamos el valor de la normal tipificada equivalente a 75 aos

Por lo tanto

P (X > 75) = (Y > 1,4) = 1 - P (Y < 1,4) = 1 - 0,9192 = 0,0808 Luego, el 8,08% de la poblacin (808 habitantes) vivirn ms de 75 aos. b) Personas que vivirn (previsiblemente) menos de 60 aos Calculamos el valor de la normal tipificada equivalente a 60 aos

Por lo tanto

P (X < 60) = (Y < -1,6) = P (Y > 1,6) = 1 - P (Y < 1,6) = 0,0548

Probabilidad y Estadstica (I.I.)

Tema 4

Luego, el 5,48% de la poblacin (548 habitantes) no llegarn probablemente a esta edad. Ejemplo: El consumo medio anual de cerveza de los habitantes de un pas es de 59 litros, con una varianza de 36. Se supone que se distribuye segn una distribucin normal. a) Si usted presume de buen bebedor, cuntos litros de cerveza tendra que beber al ao para pertenecer al 5% de la poblacin que ms bebe?. b) Si usted bebe 45 litros de cerveza al ao y su mujer le califica de borracho qu podra argumentar en su defensa? a) 5% de la poblacin que ms bebe. Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,95 (95%), por lo que por arriba estara el 5% restante. Ese valor corresponde a Y = 1,645 (aprox.). Ahora calculamos la variable normal X equivalente a ese valor de la normal tipificada:

Despejando X, su valor es 67,87. Por lo tanto, tendra usted que beber ms de 67,87 litros al ao para pertenecer a ese "selecto" club de grandes bebedores de cerveza. b) Usted bebe 45 litros de cerveza al ao. Es usted un borracho? Vamos a ver en que nivel de la poblacin se situara usted en funcin de los litros de cerveza consumidos. Calculamos el valor de la normal tipificada correspondiente a 45 litros:

Por lo tanto

P (X < 45) = (Y < -2,2) = P (Y > 2,2) = 1 - P (Y < 2,2) = 0,0139 Luego, tan slo un 1,39% de la poblacin bebe menos que usted. Parece un argumento de suficiente peso para que dejen de catalogarle de "enamorado de la bebida" Ejemplo: A un examen de oposicin se han presentado 2.000 aspirantes. La nota media ha sido un 5,5, con una varianza de 1,5. a) Tan slo hay 100 plazas. Usted ha obtenido un 7,7. Sera oportuno ir organizando una fiesta para celebrar su xito? b) Va a haber una 2 oportunidad para el 20% de notas ms altas que no se hayan clasificados. A partir de que nota se podr participar en esta "repesca"? a) Ha obtenido usted un 7,7 Vamos a ver con ese 7,7 en que nivel porcentual se ha situado usted, para ello vamos a comenzar por calcular el valor de la normal tipificada equivalente.

A este valor de Y le corresponde una probabilidad acumulada (ver tablas) de 0,98214 (98,214%), lo que quiere decir que por encima de usted tan slo se encuentra un 1,786%.

10

Probabilidad y Estadstica (I.I.)

Tema 4

Si se han presentado 2.000 aspirante, ese 1,786% equivale a unos 36 aspirantes. Por lo que si hay 100 plazas disponibles, tiene usted suficientes probabilidades como para ir organizando la "mejor de las fiestas". b) "Repesca" para el 20% de los candidatos Vemos en la tabla el valor de la normal tipificada que acumula el 80% de la probabilidad, ya que por arriba slo quedara el 20% restante. Este valor de Y corresponde a 0,842 (aprox.). Ahora calculamos el valor de la normal X equivalente:

Despejamos la X y su valor es 6,38. Por lo tanto, esta es la nota a partir de la cual se podr acudir a la "repesca". Aproximacin de la Binomial a la Normal. Las probabilidades que se asocian con experimentos binomiales pueden obtenerse fcilmente cuando n es pequea, de la frmula de la binomial o de su tabla acumulada. Si n es grande, es conveniente calcular las probabilidades binomiales por procedimientos de aproximacin. Ya se haba utilizado otra aproximacin discreta (la de Poisson) para aproximar probabilidades de la binomial cuando n era grande y p cercana a 0 a 1 (1-p cercano a 0). En este caso utilizaremos una distribucin continua (la normal) para aproximar probabilidades de una distribucin discreta, para lo cual nos basamos en el Teorema de Moivre que afirma que si X es una v. a. binomial con media np y varianza npq, entonces la forma lmite de la distribucin de la nueva variable Z=(X-np)/sqrt(npq), cuando n es una distribucin normal estndar. Esta aproximacin es excelente cuando n es grande (n >30) pero sigue siendo buena para valores relativamente pequeos de n, siempre y cuando p est cercano a 0.5. Una posible gua de cuando utilizar la aproximacin normal puede ser calcular np y nq, si ambos son mayores o iguales a 5, la aproximacin ser buena. Al usar la aproximacin normal debemos tener cuidado con los puntos extremos de los intervalos considerados. En la v. a. discreta, la P(X=xi) tiene un valor positivo distinto de cero, mientras que en la v. a. continua esta probabilidad es 0. Se aplica por ello la siguiente correccin de continuidad, consistente en determinar la probabilidad de que una v.a. continua tome el valor concreto correspondiente al extremo del intervalo, como la probabilidad de un intervalo de longitud 1 centrado en el valor xi.

Ejemplo: Una prueba de opcin mltiple tiene 200 preguntas, cada una con 4 posibles respuestas, de las cuales slo 1 es la correcta. Cul es la probabilidad de que un alumno que contesta al azar 80 de ellas acierte entre 25 y 30?

11

Probabilidad y Estadstica (I.I.)

Tema 4

La probabilidad de una respuesta correcta para cada una de las 80 respuestas es p=1/4. X = n de respuestas correctas de las 80 contestadas XB(80, ) P(25 X 30)=
x = 25

b(x;80, 1 4 )
30

Usamos la aproximacin a la normal con = np = 80. = 20 y

= npq = 80

13 = 3.873 44

Se necesita conocer el rea entre 24.5 y 30.5 (por la correccin de continuidad). Los correspondientes valores de Z son:

24.5 20 = 1.16 3.873 30.5 20 Z2 = = 2.71 3.873 Z1 =

30

La probabilidad de responder correctamente de 35 a 30 preguntas la proporciona el rea comprendida entre estos dos valores bajo la curva de la normal estndar

P(25 X 30) =

x = 25

b(x;80, 1 4 ) P(1.16 < Z < 2.71) =

= P( Z < 2.71) P( Z < 1.16) = 0.9966 0.8770 = 0.1196

Distribucin Chi- Cuadrado de Pearson 2k

Distribucin t de Student tk

12

Probabilidad y Estadstica (I.I.)

Tema 4

Distribucin F de Fisher-Snedecor Fk1,

k2

13