MODELOS DE PROBABILIDAD
CONTINUOS
1
3
1
6.1 Distribucin Normal
X N (; )
si su funcin de densidad es:
( x )2
1 2 2
f ( x) e
2
x
donde
0
( x )2
1 2 2
f ( x) dx 2
e dx 1
1
3
2
6.1.1 Momentos
1
m(t ) E etX exp t 2t 2
2
Media
E[ X ]
Varianza
Var [ X ] 2
Desviacin tpica
Var[ X ]
1
3
3
6.1.2 Representacin grfica
Campana de Gauss
f(x)
0 x
f ( x) dx 1
Se verifica:
La curva es simtrica respecto a
La media, la moda y la mediana coinciden
1
3
4
Funcin de distribucin
x1
F ( x1) P( X x1) f ( x) dx
( x )2
x1
1 2 2
2
e dx
f(x)
x1
1
3
5
6.1.3 Distribucin Normal tipificada
X N (0; 1)
x2
1 2
f ( x) e
2
E[X ] 0
D. T .[ X ] 1 Var [ X ] 2 1
X
Z N (0; 1)
1
3
6
Representacin grfica de la funcin de
densidad de la distribucin Normal tipificada
f(z)
f ( z ) dz 1
Se verifica:
La curva es simtrica respecto a 0
La media, la moda y la mediana coinciden
1
3
7
Funcin de distribucin de la
Normal tipificada
z1
F ( z1) P( Z z1) f ( z ) dz
z1 z2
1 2
2
e dz
f(z)
0 z1
1
3
8
6.1.4 Uso de tablas
P( Z z ) f ( z )dz
z
rea 1 rea
0 z
1
3
9
Ejemplo
Solucin:
X N (120; 8)
1.
X 120 130 120
a. P( X 130) P
8 8
P( Z 1.25) 0.1056
1
4
0
100 120
b. P( X 100) P Z P( Z 2.5)
8
P( Z 2.5) 0.00621
2. P( X a ) 0.1
X 120 a 120
P P Z z1 0.1
8 8
a 120
z1 1.28 1.28
8
a 1.28 8 120 130.24
1
4
1
Ejemplos
1
4
2
6.1.5 Aditividad
Independientes entre s
Xi N ( ; ), i = 1, 2,k
i i
X a1X1 a2 X 2 .... ak X k
N a1 1 a2 2 .. a k k ; a1212 a22 22 .. ak 2 k2
1
4
3
6.1.6 Aproximacin de una binomial a una
Normal
X B(n ; p )
X N np ; npq
X np
Z N (0; 1)
npq
1
4
4
6.1.7 Aproximacin de una Poisson a una
Normal
X P ( )
10
X N ;
X
Z N (0; 1)
1
4
5
Aproximaciones
Aproximaciones
BINOMIAL POISSON
n > 30 y p < 0.1
B(n; p) o P( np)
np 5
1
4
6
6.2. Distribuciones asociadas a la ley Normal
X i
2
n 2
i 1 ni
i 1
n x
1 1
f ( x) x2 e 2 x0
n
n
22
2
1
4
7
6.2.2 Distribucin t de Student
n 1 n 1
x2 2
f ( x) 1
2
n n
n
2
1
4
8
6.2.3 Distribucin F de Snedecor
nm m 2 n 2
m n m 1
f ( x) 2 x2
x0
m n
m n
mx n 2
2 2
1
4
9