Universidad T

ecnica Federico Santa Mara

Departamento de Matematica

Profesor: Ronny Vallejos

Clase 15: Variables AleatoriasContinuas Cont.

Distribuci
on Normal Cont.
Algunas Propiedades Sea X N (, 2 ).
1. E[X] = .
2. V[X] = 2 .
3. X es simetrica con respecto a .
4. = argmaxx {fX (x)}.
5. fX (x) tiene dos puntos de inflexion, x = .
6. La variable Z =

N (0, 1)

7. Si = 0, entonces
(
0,
p impar
E[X p ] =
p (p 1)!!, p par
donde (n)!! denota el factorial impar. Por ejemplo 5!! = 1 3 5 = 15
6. Si = 0, entonces 1 = 0 (el sesgo es cero).
9. Si = 0, entonces 2 = 0 (curtosis es cero).
10. La funcion de distribucion de X no tiene una expresion analtica sencilla.
Z x
(t)2
1
e 22 dt.
FX (x) =
2

Observaci
on 1. Recordemos que la funcion de distribucion de una variable aleatoria N (0, 1) la
denotamos por () y esta dada por
Z z
t2
1
e 22 dt.
(z) =
2

Esta funcion ha sido evaluada para valores en el intervalo [3, 3] y puede ser encontrada en tablas.
Tambien existen rutinas computacionales que permiten una rapida evaluacion de ().
Ejemplo 1. Si Z N (0, 1). Calcular
a. P[Z < 1/2].
b. P[1/2 < Z < 1/2].
3. P[Z > 5.2].
Soluci
on.
MAT-043

Noviembre 26, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

T abla

a. P[Z < 1/2] = (1/2) = 0.6915.

T abla

b. P[1/2 < Z < 1/2] = (1/2) (1/2) = 0.6915 0.3085 = 0.383.

c. Claramente P[Z > 5.2] = 0.
Ejemplo 2. Si X N(1, 4), calcular P[1 X 3].
Soluci
on.

X 1
31
11
T abla

= (1) (0) = 0.84134 0.5 = 0.34134.

P[1 X 3] = P
2
2
2
Est.

Ejemplo 3. Los puntajes de la PSU parte matematica pueden modelarse usando una variable
aleatoria N ( = 586, 2 = 702 ). Determine bajo este modelo
a. Cual es la probabilidad de obtener un puntaje superior a 800 puntos?
b. Que porcentaje de estudiantes obtiene un puntaje mayor o igual a 600 puntos en matematica?
c. Si elegimos aquellos estudiantes que pertenecen al 5% de los mejores puntajes. Cual es el
puntaje de corte?
Soluci
on.
a. Sea X =puntaje en la PSU parte matematica. Supongamos que
X N ( = 586, 2 = 702 ).
Entonces



X 586
800 586
800 586
T abla
P[X > 800] = P
>
] = 1P[Z < 3.06] = 0.0001.
= 1P[Z <
70
70
70
b.


600 586
T abla
= 1 P[Z < 0.2] = 0.4207.
P[X 600] = 1 P Z <
70

c. Sea c el punto de corte. Entonces planteamos la probabilidad

P[X > c] = 0.05
P[X c] = 0.95


c 586
P Z
= 0.95
70


c 586

= 0.95
70
c 586 T abla

= 1.65
70
=c = 1.65 70 + 586 = 701.5.
MAT-043

Noviembre 26, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Ejemplo 4. Un fusible de 16 amperes se considera bueno cuando funciona en el rango de 14 a 17

amperes; se ha observado que un 5% de las veves que se fabrica un fusible se funde a 14 amperes
y solo el 1% lo hace a 17 amperes. Calcular la probailidad de que al probar 10 fusibles a lo mas 3
de ellos no esten buenos.
Soluci
on. Sea X = intensidad a la cual un fusible se funde. Supongamos que X N (, 2 ).
Se sabe que
P[X 14] = 0.05
P[X > 17] = 0.01
De estas dos ecuaciones obtenemos que
14
= 1.645

17
= .99

De donde encontramos que = 6.742 y = 4.412. Luego,

X N (6.742; (4.412)2 ).
Sea el evento A = {14 X 17}. Entonces




14
14

= 0.99 0.95 = 0.04.

P[A] =

Esta es la probabilidad que un fusible este bueno.

Ahora definamos la variable Y = n
umero de fusibles malos en una muestra sin reposicion de
tama
no 10 extrada del total (100 fusibles). Sabemos que P[Ac ] = 0.96. Luego
Y Hip(100, 96, 10)
Queremos calcular
P[Y 3] =

3
X

fY (y)

y=0

Note que el recorrido de la distribucion hipergeometrica es el siguiente:

Rec(Y ) = {max{0, n (M N )}, . . . , min{n, M }} = {6, . . . , 10}.
Por lo tanto P[Y 3] = 0.

MAT-043

Noviembre 26, 2013