[Escribir texto]

DISTRIBUCIONES CONTINUAS DE
PROBABILIDAD

Distribucin normal
La distribucin normal continua de probabilidad ms importante en todo el campo de la
estadstica es la distribucin normal. Su grfica, que se denomina curva normal, es la
curva con la forma de campana de la figura 2, la cual describe aproximadamente muchos
fenmenos que ocurren en la naturaleza, la industria y la investigacin. Las mediciones
fsicas en reas como los experimentos meteorolgicos, estudios de lluvia y mediciones
de partes fabricadas a menudo se aplican ms que adecuadamente con una distribucin
normal. Adems, los errores en las mediciones cientficas se aproximan extremadamente
bien mediante una distribucin normal. En 1733, Abraham Demoivre desarrollo la
ecuacin matemtica de la curva normal. Proporciona una base sobre la que se
fundamenta gran parte de la teora de la estadstica inductiva. La distribucin normal a
menudo se denomina distribucin gaussiana, en honor de Karl Friedrich Gauss (1777-
1855), quien tambin derivo su ecuacin a partir de un estudio de errores en mediciones
repetidas de la misma cantidad.



X
Figura 2: La curva normal
Una variable aleatoria continua X que tiene la distribucin en forma de campana de la
figura 6.2 se llama variable aleatoria normal. Le ecuacin matemtica para la
distribucin de probabilidad de la variable normal depende de los dos parmetros y ,
su media y desviacin estndar. De aqu, denotamos los valores de la densidad de X con
n (x; , ).
Distribucin normal
La funcin de densidad de la variable aleatoria normal X, con media y varianza
2
, es:
n(x; ,) =
( ) | |
2
/
2
1
2
1
o
o t
|
.
|

\
|
x
e
, - < x <, donde t = 3.14159 y e =
2.71828



[Escribir texto]

Una vez que se especifiquen y , la curva normal queda determinada por completo. Por
ejemplo, si = 50 y = 5, entonces se puede calcular las ordenadas n (x; 50, 5) para
varios valores de x y dibujar la curva. En la figura 3 dibujamos dos curvas normales que
tienen la misma desviacin estndar pero diferentes medias. Las dos curvas son idnticas
en forma pero estn centradas en diferentes posiciones a lo largo del eje horizontal.


1
1
1 2
x
Figura 3. Curvas normales con
1
<
2
y
1
=
2

Si trazamos dos curvas normales con la misma media pero con diferentes desviaciones
estndar. Esta vez vemos que las dos curvas estn centradas exactamente en la misma
posicin sobre el eje horizontal, pero la curva con la mayor desviacin estndar es ms
baja y se extiende ms lejos. Recuerde que el rea bajo una curva de probabilidad debe
ser igual a 1, y entre ms variable sea el conjunto de observaciones ms baja y ancha
ser la curva correspondiente.
Si trazamos dos curvas normales que tienen diferentes medias y diferentes desviaciones
estndar, claramente, estn centradas en posiciones diferentes sobre el eje horizontal y
sus formas reflejan los dos diferentes valores .
De una inspeccin de las anteriores curvas y al examinar la primera y segunda derivadas
de n (x; , ), listamos las siguientes propiedades de la curva normal:
1. La moda, que es el punto sobre el eje horizontal donde la curva es un mximo, ocurre
en x = .
2. La curva es simtrica alrededor de un eje vertical a travs de la media .
3. La curva tiene sus puntos de inflexin en x = + , es cncava hacia abajo si - < X
< + , y es cncava hacia arriba en cualquier otro punto.
3. La curva normal se aproxima al eje horizontal de manera asinttica conforme nos
alejamos de la media en cualquier direccin.
4. El rea total bajo la curva y sobre el eje horizontal es igual a 1.
Muchas variables aleatorias tienen distribuciones de probabilidad que se pueden describir
de manera adecuada mediante la curva normal una vez que se especifiquen y
2
. En
este captulo supondremos que se conocen estos dos parmetros, quizs de
investigaciones previas. Ms tarde haremos inferencias estadsticas cuando se
desconozcan y
2
y se estimen a partir de los datos experimentales disponibles.


[Escribir texto]

Sealamos en un principio el papel que juega la distribucin normal como una
aproximacin razonable de variables cientficas en experimentos de la vida real. La
distribucin normal encuentra una gran aplicacin como distribucin limitante. Bajo ciertas
condiciones la distribucin normal proporciona una buena aproximacin continua a las
distribuciones binomial e hipergeomtrica. Resulta que la distribucin limitante de
promedios muestrales es normal. Esto proporciona una base amplia para la inferencia
estadstica que es muy valiosa para el analista de datos interesado en la estimacin y
prueba de hiptesis. Las importantes reas del anlisis de varianza y del control de
calidad tienen su teora basada en suposiciones que hace uso de la distribucin normal.

reas bajo la curva normal
La curva de cualquier distribucin continua de probabilidad o funcin de densidad se
construye de modo que el rea bajo la curva limitada por las dos ordenadas x = x
1
y x = x
2

es igual a la probabilidad de que la variable aleatoria x tome un valor entre x = x
1
y x = x
2
.
El rea bajo la curva entre cualesquiera dos ordenadas tambin debe depender de los
valores y .
Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria
normal X en un nuevo conjunto de observaciones de una variable aleatoria normal Z, con
media 0 y varianza 1, esto puede realizarse por medio de la transformacin:
o

=
X
Z

Donde: Z se lee en las tablas A3. X es la variable aleatoria, es la media de la
poblacin y es la desviacin estndar.
La distribucin de una variable aleatoria normal con media cero y varianza 1 se llama
distribucin normal estndar.
Hemos reducido ahora el nmero que se requiere de tablas de reas de curva normal a
una, la de la distribucin normal estndar. La tabla A.3 indica el rea bajo la curva normal
estndar que corresponde a P (Z < z) para valores de z que van de -3.49 a 3.49. Para
ilustrar el uso de esta tabla encontremos la probabilidad de que Z sea menor que 1.74.
Primero, localizamos un valor de z igual a 1.7 en la columna izquierda, despus nos
movemos a lo largo del rengln a la columna bajo 0.04, donde leemos 0.9591. Por tanto,
P (Z < 1.74) = 0.9591. Para encontrar un valor z que corresponda a una probabilidad
dada, el proceso se invierte. Por ejemplo, el valor z que deja un rea de 0.2148 bajo la
curva a la izquierda de z se ve que es -0.79.
Ejemplo 1: Dada una distribucin normal estndar, encuentre el rea bajo la curva que
yace (a) a la derecha de z = 1.84 y (b) entre z = -1.97 y z = 0.86


[Escribir texto]

Solucin
(a) El rea en la figura 4 (a) a la derecha de z = 1.84 es igual a 1 menos el rea en la
tabla A.3 a la izquierda de z = 1.84 a saber, es decir, 1 0.9671 = 0.0329
(b) El rea en la figura 4 (b) entre z = - 1.97 y z = 0.86 es igual al rea a la izquierda
de z = 0.86 menos el rea a la izquierda de z = -1.97. De la tabla A.3 encontramos
que el rea que se desea es 0.8051 0.0244 = 0.7807



(a) 0 1.84 z (b) - 1.97 0 0.86
z
Figura 4. reas del ejemplo 1.
Ejemplo 2: Dada una distribucin normal estndar, encuentre el valor de k tal que (a) P (Z
> k) = 0.3015, y (b) P (k < Z < -0.18) = 0.4197
Solucin
(a) En la figura 5 (a) vemos que el valor k que deja un rea de 0.3015 a la derecha
debe dejar entonces un rea de 0.6985 a la izquierda. De la tabla A.3 se sigue que
k = 0.52



0.3015
0.4197
(a) 0 k z (b) k -
0.18 0 z
Figura 5. reas del ejemplo 2
(b) De la tabla A.3 notamos que el rea total a la izquierda de -0.18 es igual a 0.4286.
En la figura 5 (b) vemos que el rea entre k y -0.18 es 0.4197 por lo que el rea a
la izquierda de k debe ser 0.4286 0.4197 = 0.0089. Por lo tanto, de la tabla A.3
tenemos k = -2.37


[Escribir texto]


Ejemplo 3: Dada una distribucin normal con = 50 y = 10, encuentre la probabilidad de
que X tome un valor entre 45 y 62.

Solucin
Los valores z que corresponden a x
1
= 45 y x
2
= 62 son
Z
1
=
10
50 45
= -0.5
Z
2
=
10
50 62
= 1.2
Por tanto, P (45 < X < 62)= P ( -0.5 < Z < 1.2)



-0.5 0 1.2 z
Figura 6. rea del ejemplo 3
La P(-.05 < Z < 1.2) se muestra por el rea de la regin sombreada de la figura 6.11. Esta
rea se puede encontrar al restar el rea a la izquierda de z = 1.2. Con el uso de la tabla
A.3, tenemos
P (45 < X < 62) = P (-0.5 < Z < 1.2) = P (Z < 1.2) P (Z < -0.5) = 0.8849 0.3085 =
0.5764
Ejemplo 4: Dada una distribucin normal con = 300 y = 50, encuentre la probabilidad
de que x tome un valor mayor que 362.
Solucin
La distribucin de probabilidad normal que muestra el rea que se desea se representa en
la figura 6.12. Para encontrar la P(X > 362), necesitamos evaluar el rea bajo la curva
normal a la derecha de x = 362, esto se puede realizar al transformar x = 362 al valor z
correspondiente, al obtener el rea a la izquierda de z de la tabla A.3 y despus restar
esta rea de 1. Encontramos que:

[Escribir texto]

Z =
50
300 362
= 1.24
Por lo que,
P(X > 362) = P (Z > 1.24) = 1 P (Z < 1.24) = 1 0.8925 = 0.1075



o = 50


300 362 x
Figura 7. rea del ejemplo 4
En ocasiones se nos pide encontrar el valor de z que corresponde a una probabilidad
especfica que cae entre los valores que se listan en la tabla A.3 (vase ejemplo 5). Por
conveniencia, siempre elegiremos el valor z que corresponde a la probabilidad tabular que
est ms cerca de la probabilidad que se especifica. Sin embargo, si la probabilidad dada
cae a la mitad entre dos probabilidades tabulares, debemos elegir para z el valor que cae
a la mitad entre los valores correspondientes de z. Por ejemplo, para encontrar el valor z
que corresponde a una probabilidad de 0.7975, que cae entre 0.7964 y 0.7995 en la tabla
A.3, elegimos z = 0.83, pues 0.7975 es ms cercano a 0.7967. Por otro lado, para una
probabilidad de 0.7981, que cae en la mitad entre 0.7967 y 0.7995, tomamos z= 0.835.
Los anteriores dos ejemplos se resolvieron al ir primero de un valor de x a un valor z y
despus calcular el rea que se desea. En el ejemplo 6.6 invertimos el proceso y
comenzamos con un rea o probabilidad conocida, encontramos el valor z y despus
determinamos x reacomodando la frmula:
o

=
X
Z Para dar x = o z +
Ejemplo 5: Dada una distribucin normal con = 40 y = 6, encuentre el valor de x que
tiene (a) 45% del rea a la izquierda y (b) 14% del rea a la derecha.



[Escribir texto]

Solucin:
(a) En la figura 8 (a) se sombrea un rea de 0.45 a la izquierda del valor x deseado.
Requerimos un valor z que deja un rea de 0.45 a la izquierda. De la tabla A.3
encontramos P (Z < - 0.13) = 0.45 por lo que el valor z deseado es -0.13. De aqu
X = (6) (-0.13) + 40 =39.22
(b) En la figura 8 (b) sombreamos un rea igual a 0.14 a la derecha del valor que se
desea. Esta vez requerimos un valor z que deje 0.14 del rea a la derecha y por
ello un rea de 0.86 a la izquierda. De nuevo, de la tabla A.3, encontramos P (Z
<1.08) = 0.86 por lo que el valor z que se desea es 1.08 y,
x = (6) (1.08) + 40 = 46.48
(a) (b)
o = 6
o = 6
0.45 0.14
40 x
40 x
Figura 8. reas del ejemplo 5

Aplicaciones de la distribucin normal
Algunos de los muchos problemas para los que es aplicable la distribucin normal se
tratan en los siguientes ejemplos.
Ejemplo 1: Cierto tipo de batera de almacenamiento dura, en promedio, 3.0 aos, con
una desviacin estndar de 0.5 aos. Suponga que las duraciones de la batera de
distribuyen normalmente, encuentre la probabilidad de que una batera dada dure menos
de 2.3 aos.
Solucin
Primero construya un diagrama como el de la figura 9, que muestra la distribucin dada
de duraciones de las bateras y el rea que se desea. Para encontrar la P (X < 2.3),
necesitamos evaluar el rea bajo la curva normal a la izquierda de 2.3. Esto se logra
encontrando el rea a la izquierda del correspondiente valor de z. Por lo tanto se
encuentra que:


[Escribir texto]


o = 0.5

2.3 3 x
Figura 9. rea del ejemplo 1
5 . 0
3 3 . 2
= Z = - 1.4,
Y entonces con el uso de la tabla A.3 tenemos P(X< 2.3) = P (Z < - 1.4) = 0.0808
Ejemplo 2: Una empresa elctrica fabrica focos que tiene una duracin, antes de fundirse,
que se distribuye normalmente con media igual a 800 horas y una desviacin estndar de
40 horas. Encuentre la probabilidad de que un foco se funda entre 778 y 834 hora.

o = 40

778 800 834 x
Figura 10. rea del ejemplo 2
Solucin
La distribucin de los focos se ilustra en la figura 6.15. Los valores z que corresponden a
x
1
= 778 y x
2
= 834 son:
40
800 778
1

= Z = - 0.55
40
800 834
1

= Z = 0.85
De aqu que:
P (778 < X < 834) = P (-0.55 < Z 0.859)
=P (Z < 0.85) P (Z < - 0.55)
= 0.8023 0.2912 = 0.5111

[Escribir texto]


Ejemplo 3: En un proceso industrial el dimetro de un cojinete es una parte componente
importante. El comprador establece que las especificaciones en el dimetro sean 3.0
0.01 cm. La implicacin es que ninguna parte que caiga fuera de estas especificaciones
se aceptara. Se sabe que en el proceso el dimetro de un cojinete tiene una distribucin
normal con media 3.0 y una desviacin estndar = 0.005. En promedio, cuntos
cojinetes se descartarn?
Solucin
La distribucin de dimetros se ilustra en la figura 6.16. Los valores que corresponden a
los limites especificados son x
1
= 2.99 y x
2
= 3.01. Los correspondientes valores de z son:

005 . 0
0 . 3 99 . 2
1

= Z = - 2.0 o = 0.005
005 . 0
0 . 3 01 . 3
2

= Z = + 2.0 0.0228 0.0228
2.99 3.0 3.01
Figura 11. rea del ejemplo 3
Por lo tanto, P (2.99 < X < 3.01) = P (-20 < Z < 2.0)

De la tabla A.3, P (Z < - 20) = 0.0228. Debido a la simetra de la distribucin normal,
encontramos que
P (- 2.0 < Z < 2.0) = 2 (0.0228) = 0.0456
Como resultado se anticipa que, en promedio, 4.56% de los cojinetes fabricados se
descartaran.
Ejemplo 4: Se utilizan medidores para rechazar todos los componentes donde cierta
dimensin no est dentro de las especificacin 1.50 d. Se sabe que esta medicin se
distribuye de forma normal con media 1.50 y desviacin estndar 0.2. Determine el valor d
tal que las especificaciones cubran 95% de las mediciones.




[Escribir texto]

Solucin
o = 0.2
0.025 0.025
1.108 1.50 1.892 x
Figura 12. Especificaciones del ejemplo 4.
De la tabla A.3 sabemos que, P (-1.96 < Z < 1.96) = 0.95
Por lo tanto, 1.96 =
( )
2 . 0
50 . 1 50 . 1 + d
de la cual se obtiene: d = (0.2) (1.96) = 0.392
Ejemplo 5: Cierta maquina fabrica resistores elctricos que tiene una resistencia media de
40 ohmios y una desviacin estndar de dos ohmios. Suponga que la resistencia sigue
una distribucin normal y se puede medir con cualquier grado de precisin, qu
porcentaje de resistores tendr una resistencia que exceda 43 ohmios?

Solucin
Se encuentra un porcentaje al multiplicar la frecuencia relativa por 100%. Como la
frecuencia relativa para un intervalo es igual a la probabilidad de caer en el intervalo,
debemos encontrar el rea a la derecha de x = 43 en la figura 13. Esto se puede hacer al
transformar x = 43 al valor z correspondiente, con lo que se obtiene el rea a la izquierda
de z de la tabla, A.3, y despus se resta esta rea de 1. Encontramos que:

o = 2.0

40 43 x
Figura 13. rea del ejemplo 5
2
40 43
= Z = 1.5
De aqu que, P(X > 43) = P (Z > 1.5) = 1 P (Z < 1.5) = 1 0.9332 = 0.0668
Por tanto, 6.68% de los resistores tendrn una resistencia que excede 43 ohmios.


[Escribir texto]

Ejemplo 6: Encuentre el porcentaje de revisores que exceden 43 ohmios para el ejemplo
anterior si la resistencia se mide al ohm ms cercano.
Solucin
Este problema defiere del ejemplo anterior pues ahora asignamos una media de 43
ohmios a todos los resistores cuyas resistencias sean mayores que 42.5 y menores que
43.5. Realmente aproximamos una distribucin discreta por medio de una distribucin
continua normal. El rea que se requiere es la regin sombreada a la derecha de 43.5 en
la figura 6.19. Encontramos ahora que:

o = 2.0

40 43.5 x
Figura 14. rea del ejemplo 6
2
40 5 . 43
= Z = 1.75
De aqu que, P(X > 43.5) = P (Z > 1.75) = 1 P (Z < 1.75) = 1 0.9599 = 0.0401
Por tanto, 4.01% de los resistores exceden 43 ohmios cuando se miden al ohmio mas
cercano. La diferencia 6.68% - 4.01% = 2.67% entre esta respuesta y la del ejemplo
anterior representa todos los resistores que tienen una resistencia mayor que 43 y menor
que 43.5 que ahora se registran como de 43 ohmios.
Ejemplo 7: La calificacin promedio para un examen es 74 y la desviacin estndar es 7.
Si 12% de la clase obtiene A y las calificaciones siguen una curva que tiene una
distribucin normal, Cul es la A ms baja posible y la B ms alta posible?

o = 7
0.12
74 x
Figura 15. rea del ejemplo 7



[Escribir texto]

Solucin
En este ejemplo comenzamos con una rea de probabilidad conocida, encontramos el
valor z y despus determinamos x de la formula x = + . Un rea de 0.12, que
corresponde a la fraccin de estudiantes que reciben A, se sombrea en la figura 6.20.
Requerimos un valor z que deje 0.12 del rea a la derecha y, por ello, un rea de 0.88 a la
izquierda. De la tabla A.3, P (Z < 1.175) = 0.88, por lo que el valor z que se desea es
1.175.
De aqu: X= (7)(1.175) + 74 = 82.225
Por tanto, la A ms baja es 83 y la B ms alta es 82
1
.

1
Documento tomado en su totalidad del libro Probabilidad y estadstica para ingeniera. Escrito por Ronald
E; Walpole, Raymond H; Myers, Sharon L. Pg. 145 a 157. Editorial Pearson. Consultado en lnea
http://books.google.com.co/books?id=9DWw696jLbMC&printsec=frontcover#v=onepage&q&f=false