PREUNIVERSITARIO

Matemticas PSU

D-5

Matemtica 2016
Datos y Azar

Gua Terico-Prctica D-5

Variable Aleatoria continua

Funcin de densidad de probabilidad
Distribucin Normal y de Bernoulli
D-1 Estadstica Descriptiva
D-2 Probabilidad
D-3 Combinatoria
D-4 Variable Aleatoria
Aqu vamos

D-5 Distribucin de Variables

Nombre:

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Variable Aleatoria Continua

Al igual que para la variable aleatoria discreta, la funcin de probabilidad de la variable
aleatoria continua describe cmo se distribuyen las probabilidades para cada uno de
los valores que sta puede adoptar. Dicha funcin recibe el nombre de funcin de
densidad de probabilidad (o simplemente funcin de densidad), f(x).
Dado que los elementos del dominio de f(x) son valores continuos, su grfica se
representa mediante una curva en el plano cartesiano, donde el rea bajo la curva
entre dos puntos a y b representa la probabilidad de que la variable aleatoria tome
un valor comprendido en dicho intervalo, tal como muestra la figura 1.

f(x)

P(a<x<b)

Recuerda que, al igual que para una variable aleatoria discreta, el dominio de la
variable aleatoria continua corresponde al espacio muestral del experimento y su
recorrido corresponde a los valores que sta puede tomar (dependiendo de cmo se
defina). Por otra parte, el dominio de la funcin de densidad de probabilidad
corresponde al recorrido de la variable aleatoria, mientras que su recorrido
corresponde a la probabilidad asociada a cada uno de los elementos del dominio, es
decir, a los reales comprendidos entre 0 y 1.
Definicin.: Sea X una variable aleatoria continua. A toda variable continua X se le
puede asociar una funcin f(x), de variable real, llamada funcin de densidad de
probabilidad, que debe satisfacer las siguientes propiedades:
i)
ii)

f(x) 0 , x

f(x)dx 1

Como consecuencia de lo anterior, para que f sea funcin de densidad de

probabilidad se deben cumplir dos aspectos importantes:
1. f(x) debe ser positivo o cero para todos y cada uno de los elementos del dominio
de f. Esto porque por la propia definicin, la probabilidad de un suceso toma valores
entre 0 y 1, nunca negativos.
PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

2. El rea bajo la curva de f en su dominio debe ser 1. Esto porque, por definicin,
la suma de las probabilidades asociadas a cada uno de los elementos del dominio de
f debe ser la unidad (o el 100 %).
Si la grfica de f no cumple con alguno de los puntos mencionados, entonces no se
trata de una funcin de densidad de probabilidad.
Ejemplo: Verifica si la funcin de la grfica es una funcin de probabilidad de una
variable aleatoria continua
f(x)

0,5

-0,5

0,5

1,0

Cul es la probabilidad de que X tome valores mayores o iguales que 0?

Cul es la probabilidad de que X tome valores menores o iguales que 0?
Dichas probabilidades corresponden al rea bajo la curva descrita a la derecha e
izquierda del eje de las ordenadas respectivamente, esto es, P(X 0) = 0,75 ,
mientras que P(X 0) = 0,25.
Otro aspecto importante de destacar de una variable aleatoria continua, es que la
probabilidad de que sta tome un valor en particular a es 0, es decir, P(X = a) = 0.
La justificacin es sencilla: suponga que se escoge un estudiante en particular de un
colegio y se mide su estatura. Nos preguntamos cul es la probabilidad de que dicho
estudiante mida exactamente 1,71 m. Pues bien, como se explic anteriormente, la
exactitud de la medicin depender del instrumento utilizado, de modo que un
estudiante que eventualmente mide 1,71 m de altura, con otro instrumento de
medicin puede medir 1,712 m, con otro 1,7129 m, pero nunca llegaremos a un valor
exacto.
Como consecuencia de lo anterior, la probabilidad de que una variable aleatoria
continua tome valores dentro de un intervalo es la misma tanto si se considera uno,
alguno o ambos extremos del intervalo, esto es
P(a < X < b) = P(a X b) = P(a X < b) = P(a < X b).

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Dado que la probabilidad de que una variable aleatoria continua tome un valor
en particular es 0, se cumple que:
P(a < X < b) = P(a X b)
= P(a X < b)
= P(a < X b)

Ejercicios Propuestos
1. Cul(es) de las siguientes funciones puede(n) ser funcin de densidad de
una variable aleatoria continua?
a) f(x) = 0,5 , con x

[-1, 1]

b) f(x) = x - 1, con x

[1, 3]

c) f(x) = -1, con x

[-1, 0]

d) f(x) =

[-1, 1]

con x

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

2. La probabilidad de que una variable aleatoria continua tome valores dentro de

un intervalo, se puede calcular como el rea bajo la curva de su funcin de
densidad para ese intervalo.
A partir de la grfica de la funcin de densidad de una variable aleatoria
continua X , Cul es la probabilidad que tome valores en el intervalo
[ 0,6 ; 1,4]?

A)
B)
C)
D)
E)

0,4
0,46
0,54
0,60
0,24

3. Sea f la funcin de densidad de una variable aleatoria continua X. cul es la

probabilidad de que X pertenezca al intervalo [0,1]?

A)
B)
C)
D)
E)

0,125
0,325
0,375
0,625
0,750

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Distribucin normal

La distribucin normal(o gaussiana) es aquella en que los datos de una

variable aleatoria continua se concentran alrededor de la media con cierta
desviacin estndar (tpica) . Se escribe N(,) y su grafica se conoce
como la campana de Gauss

Media:
Varianza : 2

Cuando la poblacin se distribuye N(,) , se puede asegurar que:

Aproximadamente el 68,27% 68,3%

de la poblacin se encuentra en el
intervalo ]-,+ [

Aproximadamente el 95,45% 95,5%

de la poblacin se encuentra en el
intervalo ]-2,+2 [

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Aproximadamente el 99,7% de la
poblacin se encuentra en el intervalo

]-3,+3 [

Propiedades de la curva normal

a) El valor mximo de la curva es en x=
b) La curva es simtrica respecto de la recta x=
c) La curva es cncava hacia arriba en ]-,-[U]+,+[ y es cncava
hacia abajo en ]-,+[
d) La curva es asinttica al eje X
e) El rea bajo la curva y sobre el eje X es uno.
f) Su esperanza es
g) Su varianza es 2
h) Media, moda y mediana coinciden ().

Ejercicios Propuestos
Ejercicios PSU DEMRE 2015
Sea X una variable aleatoria continua, tal que X N(, 2), donde se sabe que
P(X + ) = 0,6826 y P(2X + 2) = 0,9545. Cul es el valor de
P(+ X + 2)?

A) 0,13595
B) 0,2719
C) 0,86405
D) 0,81855
E) Ninguno de los anteriores.

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Estandarizacin (Tipificacin)
Existen muchos fenmenos reales que pueden representarse estadsticamente
mediante la distribucin normal. No obstante el anlisis matemtico solo se
considera para la distribucin normal tipificada(es decir de promedio (media)
0 y de desviacin estndar 1).Para el estudio de una distribucin estndar de
media y desviacin estndar , esta se puede transformar en una
distribucin normal tipificada realizando un cambio de variable, para luego
aplicar todo el anlisis valido para este tipo de distribucin
Cualquier variable X que se distribuya N(,) puede transformarse a una
variable Z de distribucin N(0,1) mediante el siguiente cambio de variable
X
Z

P X x P

x
x
P Z

Algunas igualdades
a) P(Z a) 1 P(Z a) , o

P(Z a) 1 P(Z a) con a positivo

b) P Z a P Z a 1 P Z a
c) P Z a P Z < a

Existe una tabla que permite conocer el rea bajo la curva hasta cualquier valor de la variable,
lo que indica directamente la proporcin de datos que son menores o iguales que dicho valor

Ejemplo:
Se mide la masa en gramos de los huevos producidos en un gallinero. S dichas
masas se distribuyen de forma normal con =54 g y =16 g, cul es la
probabilidad de que al elegir aleatoriamente un huevo su masa sea menor que
52 g.
Sea X: masa de los huevos producidos en un gallinero, entonces X se distribuye
normal con media =54 g y desviacin estndar =16 g y se denota
X N(54,16)
Para calcular P(X<52) se tipificar la variable X
1
X 52 54

P X 52 P

P Z P Z 0,125

16
8

As P(X<52)=P(Z<-0,125)=P(Z>0,125)
PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Luego P(Z>0,125)=1- P(Z<0,125)

= 1 0,54975
= 0,45025

Ejercicios Propuestos
1. Calcula , utilizando la tabla los valores de Z ,las siguientes probabilidades
a) P(Z>1,84) =

b) P(-1,97<Z<0,86) =

c) P(Z>z0) =0,7486

d) P(Z<0,83) =

e) P(Z<-1,27) =

f) P(Z>0,83) =

g) P(0,47<Z<1,08) =

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

Respuestas:
a) 0,0329
b) 0,7807
c) z0=-0,67
d) 0,7967
e) 0,1020
f) 0,2033
g) 0,1791

Problemas de Aplicacin
1. En un examen final de un curso universitario aplicado a 200 estudiantes de
primer ao, los resultados se ajustan a una distribucin normal con media de
72 puntos y desviacin estndar de 8 puntos. aproximadamente cuantos
estudiantes obtuvieron ms de 76 puntos? (138)

2. La masa promedio de un grupo de cargas es 148 Kg y su desviacin estndar

es de 10Kg. Si se sabe que las masas se distribuyen normal, cul es la
probabilidad de que la masa de una carga seleccionada aleatoriamente sea
mayor que 140kg? (0,7881)

3. Cierto tipo de batera dura un promedio de tres aos, con una desviacin
estndar de 0,5 aos. Suponiendo que las duraciones de las bateras son
normalmente distribuidas, encuentre la probabilidad de que una determinada
batera dure menos de 2,3 aos (0,0808)

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

10

4. En una empresa la edad de los trabajadores se distribuye normal con media

50 aos y varianza 25 aos.
a) Qu porcentaje de los trabajadores tiene entre 50 y 52,5 aos? (19,15%)
b) Cul es la probabilidad que un trabajador cualquiera no sea mayor de 45 aos?
(0,1587)
c) Cul es la probabilidad que un trabajador tenga entre 41 y 58 aos? (0,9093)
d)El 20% de los trabajadores estn bajo cierta edad Cul es esa edad? (45,75)

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

11

Intervalo de Confianza
Imaginemos que queremos saber el valor medio del colesterol en sangre de la
poblacin de nuestra ciudad, en la cual viven cuatro millones de habitantes. Hay
modo de conocer este dato? Claro!, solo tenemos que hacer cuatro millones de
extracciones, analizar las muestras y hacer el clculo. Pero el problema es evidente:
no resulta prctico intentar medir el colesterol a toda la poblacin. As que decidimos
tomar una muestra al azar, por ejemplo, de 100 personas, y determinamos su
colesterol en sangre. Obtenemos una media de 236 mg/dl con una desviacin
tpica de 41 mg/dl.
La cuestin, claro est, es que 236 es el valor medio de nuestra muestra, pero
nosotros lo que queremos saber es el valor medio de la poblacin de la que procede
la muestra. Seguramente estar prximo a ese valor, pero lo ms probable es que
sea diferente. Hay alguna forma de solucionar el problema?
Por desgracia, no existe forma de conocer el valor exacto en la poblacin (a no ser
que midamos el colesterol en los cuatro millones, sin excepcin), pero s podemos
obtener un valor dentro de un rango determinado, aunque siempre con un grado de
incertidumbre que, eso s, podemos elegir nosotros.
Un intervalo de confianza es un rango de valores que probablemente contiene al
valor del parmetro que se quiere estimar. Los valores que establecen los lmites
del intervalo de confianza se denominan lmites de confianza, y el nivel de confianza
es la probabilidad de que el intervalo calculado contenga al verdadero valor del
parmetro. As, un intervalo de confianza de (1- )100% para le media de
poblacin , con dada , es:

IC()= x

1
2

Donde n es el tamao de la muestra y

,x z

1
2

x es su promedio

Ejemplo:
1. Si el tiempo en minutos de atencin se distribuye N(,4), construye un intervalo
de confianza al 95% para el tiempo de atencin (). Para esto considera una
muestra aleatoria de 100 clientes, el tiempo promedio de atencin es de 8
minutos. (7,216; 8,784)
Datos:

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

12

2. Si una muestra aleatoria de tamao 20 de una poblacin normal con varianza

225 tiene una media muestral de 64,3. Construya un intervalo de confianza del
95% de confianza para ( 57,7 ; 70,9)
Datos:

3. Ejemplo PSU DEMRE 2015

La cantidad de televisores por familia en una ciudad, se modela por medio de una
distribucin normal con media y varianza 0,25. Se toma una muestra aleatoria de
100 familias de esta ciudad, obtenindose una media de 2,75 televisores. Para los
resultados de esta muestra, cul de los siguientes intervalos es el intervalo de
confianza de nivel 0,95 para ?
A)

1
1

2
,
75

1
,
96

;
2
,
75

1
,
96

40
40

1
1

2,75 0,95 200 ; 2,75 0,95 200

1
1
C) 1,96
;
1
,
96

400
400
1
1
D) 0,95
;
0
,
95

20
20
B)

E)

1
1

2
,
75

1
,
96

;
2
,
75

1
,
96

20
20

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

13

Distribucin Binomial
Un experimento sigue el modelo de distribucin binomial si:
i.
ii.
iii.

En cada ensayo son posibles solo dos resultados(xito o fracaso)

La probabilidad de un suceso(xito o fracaso) es contante en cualquier
ensayo
El resultado en cada ensayo es independiente de los anteriores

La funcin de probabilidad de una distribucin binomial, denotada por B(n,p), donde

n es el nmero de ensayos, p es la probabilidad de xito y x el valor de la
variable aleatoria X, es:

n
n x
P( X x) p x 1 p
x

con x n,

x 0 , n , 0 p 1

La funcin de distribucin acumulada de la distribucin binomial es:

n
n
n
n
n 1
n x
P( X x) p 0 1 p p1 1 p .... p x 1 p
0
1
x
E(X)= np

, Var(X)= npq

Ejemplo:
1. La probabilidad de que un celular sea aprobado por un control de calidad en
una industria, antes de salir al mercado, es 0,6
Determina la probabilidad de que exactamente 2 de 6 celulares sean aprobados
por el control de calidad (0,13824)

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

14

Determina la probabilidad de que, entre cuatro celulares, ms de 2 sean aprobados

(0,4752)

2. La probabilidad de aprobar una asignatura es 0,7. Entonces la probabilidad de

que 3 de 5 estudiantes aprueben la asignatura es:
A) 0,3087
B) 0,1323
C) 0,3125
D) 0,6913
E) 0,6666
3. Un estudiante contesta al azar una evaluacin de 15 preguntas y 5 alternativas
cada una. Cul es la probabilidad de que responda correctamente 6 preguntas?

15
9
0,2 6 0,8
6
15
6
B) 0,2 9 0,8
6

15
10
C) 0,2 5 0,8
5

15
6
D) 0,2 9 0,8
9

15
9
E) 0,5 6 0,5
6

A)

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

15

4. Si se lanza un dado comn 120 veces, cul es la probabilidad de obtener

exactamente 20 veces el nmero 1?
20

100 1
A)

20 6

100

5
6

20

120 1
B)

20 6

100

5
6

20

120 1
C)

20 6

120

120 1
D)

20 6
20

1
E)
6

Fuente Demre 2016

Solucion: 2) A

3) A

4)B

Aproximacin de la distribucin binomial a la normal

Como ya estudiamos las distribuciones binomial de parmetros B(n,p) y normal
N(, ).cuando n es muy grande la distribucin binomial resulta muy laboriosa
y complicada por lo que el matemtico Abraham de Moivre, demostr que cuando se
da ciertas condiciones una distribucin binomial se puede aproximar a una
distribucin Normal de media n p y desviacin tpica

np q

B(n,p) N(n p, n p q)

Si np5 y nq5 , la aproximacin realizada es buena y nos permite

calcular probabilidades con facilidad

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

16

Ejemplo
Se lanza un dado 360 veces. cul es la probabilidad de obtener un 3, menos de 55
veces?
Solucin: X v.a.: nmero de veces que obtenemos un tres (3), de entre los 360
lanzamientos
Tenemos entonces una distribucin binomial de parmetros n=360; p=1/6; q=5/6
Adems, se cumple np=60 5
y
nq = 300 5 por lo que podemos aplicar
la aproximacin a una normal N(, ).
=np=360(1/6)=60

n p q 360

1 5
7.07
6 6

Se aproxima entonces a N (60; 7,07); luego habr que tipificar para obtener las
probabilidades pedidas:

P(X<55) = P Z

55 60
P Z 0,707
7, 07

P Z 0,707 1 P Z 0,707 1 0,758 0,242

Al lanzar un dado 360 veces, la probabilidad de obtener un tres menos de 55 veces
es de 0,242; es decir en el 24,2% de los casos.

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

17

Tabla de tipificacin para distribuciones normales (P(Z<z))

PREUNIVERSITARIO PAIDAGOGOS OHIGGINS 1395 CONCEPCION FONO 412217361

18