05/18/2017

DISTRIBUCIONES CONTINUAS FUNCION DE DISTRIBUCION NORMAL

Una variable aleatoria continua X tiene una

DISTRIBUCION NORMAL
DISTRIBUCION NORMAL ESTANDAR
distribución normal, con media  y varianza 2.
DISTRIBUCION DE MEDIAS MUESTRALES
DISTRIBUCION DE DIFERENCIAS DE MEDIAS MUESTRALES Donde: E[X] =  y Var [X] = 2
DISTRIBUCION t DE STUDENT
DISTRIBUCION JI CUADRADO
DISTRIBUCION F DE FISHER

DISTRIBUCION NORMAL Características

Esta distribución es frecuentemente utilizada en las
aplicaciones estadísticas. Su propio nombre indica su
extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.
1. Tiene una forma acampanada
2. Es simétrica con respecto a su media 
3. Es asintótica con respecto al eje horizontal

Muchas variables aleatorias continuas presentan una

función de densidad cuya gráfica tiene forma de
campana.

FUNCION DE DENSIDAD
Empleando cálculos bastante laboriosos, puede
demostrarse que el modelo de la función de densidad
que corresponde viene dado por la fórmula.
DISTRIBUCION NORMAL ESTANDAR
Si Z es una variable aleatoria que tiene una
distribución normal, con media  = 0 y varianza 2 = 1,
entonces Z se llama variable normal estándar.

X 
Z


1
 05/18/2017

Por tanto su función de densidad es:

Z2
1 2
f (Z )  e ,  Z  
2
y su función de distribución es:
2
b 1  x 
1   
P[a  X  b]   e 2  
dx 
a 2 
Zb z2
1 
 
Za 2
e 2
dz  P[ Z a  Z  Z b ]

MANEJO DE TABLAS. CASOS MÁS FRECUENTES:

2
 05/18/2017

EJERCICIOS
1. Halle la probabilidad para los siguientes
valores de Z.

a) P(Z < - 1.43) = 0.0764

b) P(Z < 2.50) = 0.9938
c) P(Z > - 2.89) = 1- P(Z < -2.89) =1- 0.0019
d) P(Z > 1.43) = 1- P(Z < 1.43) = 1- 0.9236
e) P(1.33 < Z < 1.85) = P(Z < 1.85) – P(Z < 1.33)
f) P(Z > 1.96) = 1 – P(-1.96 < Z < 1.96)
g) P(- 0.86 < Z < 1.24) =P(Z<1.24) – P(Z<-0.86)
h) P(Z< 1.65) = P(-1.65 < Z < 1.65)

i) P(-1<Z<1) = P(Z<1) – P(Z<-1) = 0.6826

j) P(-2<Z<2) = P(Z<2) – P(Z<-2) = 0.9544
k) P(-3<Z<3) = P(Z<3) – P(Z<-3) = 0.9974

2. Halle los valores de Zo para las

siguientes probabilidades
a) P(Z  Zo) = 0.0985
b) P(Z  Zo) = 0.4761
c) P(Z  Zo) = 0.4013
d) P(Z  Zo) = 0.0574
e) P(-Zo  Z  Zo) = 0.01
f) P(Z  Zo) = 0.05

3. Determine las probabilidades de que

una variable aleatoria que tiene la
distribución normal estándar tomará un
valor
a) Entre 0.87 y 1.28 R: 0.0919
b) Entre -0.34 y 0.62 R: 0.3655
c) Mayor que 0.85 R: 0.1977
d) Mayor que -0.65 R: 0.7422
e) Menor que 1.75 R: 0.9599

3
 05/18/2017

4. Considerar X~ N(150,110).Calcular:
5. En una población normal con  = 25 y
a) P(X>158) 2 = 49 halle:
b) P(145<X<155)
c) P(X>150) a) P(X 25)
Solución: b) P(X  27)
c) P)X  2)
a) P(X 158) d) P(25  X  27)
 X   158  150  e) P(27  X  29)
P ( X  158)  P    P( z  0.76)
  10.488  f) P(20  X  22)
P ( X  158)  P( z  0.76)  1  P( z  0.76) g) P(22  X  25)

 1  0.7764  0.2236 Solución:

b) P(145<X<155) a) P(X 25)

 145  150 X   155  150   X   25  25 
P(145  X  155)  P    P ( X  25)  P    P ( z  0)
 10.488  10.488 
  7 
 P(
5
Z
5
)  P (0.48  Z  0.48) P( X  25)  P( z  0)  1  P ( Z  0)  1  0.5  0.5
10.488 10.488
b) P(X 27)
 P( Z  0.48)  P( Z  0.48)  X   27  25 
P ( X  27)  P    P( z  0.29)
 0.6844  0.3156  0.3688   7 
P( X  27)  P ( z  0.29)  1  P ( Z  0.29)
 1  0.6141  0.3859

c) P(X>150) c) P(X< 2)
 X   2  25 
 X   150  150  P ( X  2)  P     P( Z  3.29)  0.0005
P ( X  150)  P    P ( z  0)   7 
  10.488 
d) P(25 < X < 27)
 25  25 X   27  25 
P( X  150)  P ( z  0)  1  P( Z  0)  1  0.5  0.5 P (25  X  27)  P   
 7  7 
 P (0  Z  0.29)  P ( Z  0.29)  P ( Z  0)

 0.6141  0.5  0.1141

4
 05/18/2017

6. Sea X una variable aleatoria 8. Si X es una variable aleatoria N(650,625).

N(5,4).¿Cuál es la probabilidad de que X Hallar la constante c > 0 tal que.
tome valores entre 4 y 7?. ¿Cuál es la P(X - 650 < c) = 0.9544
probabilidad que tome valores mayores
que 10?. Solución.
0.9544 = P(X - 650 < c) = P(- c < X – 650 < c)
Solución: 0.9544 = P(- c/25 < Z < c/25)
a) P(4< X <7) = 0.5328 1 – 0.9544 = 0.0456/2 = 0.0228
 45 X   75 c/25 = 2
P ( 4  X  7)  P     De donde: C = 50
 2  2 
 P(0.5  Z  1)  PZ  1  P( Z  0.5)

 0.8413  0.3085  0.5328

b) P(X>10) = 0.0062
9. Suponga que los costos de producción de
 X   10  5  un artículo tienen una distribución normal
P ( X  10)  P    P( Z  2.5)
  2  con una media de 60 soles y una variancia
de 18 soles2. Si se elige un artículo al azar,
hallar:
 1  P ( Z  2.5)  1  0.9938  0.0062 a) La probabilidad que su costo de producción
difiera de la media poblacional en menos de 6
soles.
 X  6 
 P Z  1.41
 6 
P[|X - | < 6] = P
 

18 
 P Z 
 18 

P Z  1.41  P 1.41  Z  1.41

 PZ  1.41  PZ  1.41
 0.9207  0.0793  0.8414

7. Sea X una variable aleatoria N(, 25).

Calcular P(X -  >3) b) El percentil 95 de la distribución de los
costos de producción.
Solución:
Si Y = P0.95; luego, se desea hallar el valor
P(X -  >3) = 1 - P(X -  <3)
de Y tal que P[X < Y] = 0.95
= 1 – P(-3 < X -  < 3 )
= 1 - [ P(X -   3) – P(X -   -3)]  X   Y  60   Y  60 
P X  Y   P    P Z   0.95
= 1 - [ P(Z  3/5) – P(Z  -3/5)]   18   18 

= 1 - [P(Z  0.6) – P(Z  -06)] Y  60

= 1 - [ 0.7257 – 0.2743]  Z ( 0.95)
= 1 - [ 0.4514] = 0.5486
18

5
 05/18/2017

Puesto que el valor de Z asociado a una probabilidad

DISTRIBUCION MUESTRAL DE LA MEDIA
de 0.95 [Z(0.95)] no existe en la tabla, es necesario
efectuar una aproximación. Esto se hace mediante el Si la población X tiene una distribución normal con
proceso de interpolación utilizando los valores más media  varianza 2 , la muestra aleatoria X1, X2, ....... , Xn
próximos a la probabilidad 0.95, de modo siguiente: son variables aleatorias distribuidas normalmente e
idénticamente con media  varianza 2 . entonces tiene
una distribución normal con media  y varianza 2/n
1.65 w 1.64 (w – 1.64) (0.95 – 0.9495) para todo n. En consecuencia, la variable aleatoria.
0.9505 0.95 0..9495 (1.65 - 1.64) (0.9505 - 0.9495)

(1.65  1.64)(0.95  0.9495) X  (X  ) n

w  Z (0.95)  1.64   1.645 Z = Z
(0.9505  0.9495)
/ n 
Con lo cual, P(0.95) = Y =  + Z(0.95)

 60  (1.645) 18  66.979444

10. La cantidad real de café instantáneo que una
máquina llenadora pone en frascos de “4 onzas”
puede considerarse como una variable aleatoria,
cuya distribución normal tiene  = 0.04 onzas. Si tan
solo 2% de los frascos contendrá menos de 4
onzas. ¿cuál debería ser la media de llenado de
dichos frascos?.
P(X < 4)=0.02
µ = 4.082
DISTRIBUCIÓN DE PROMEDIOS MUESTRALES,
CUANDO LA VARIABLE EN ANÁLISIS X TIENE
UNA DISTRIBUCIÓN NORMAL.
Sea X una variable aleatoria que tiene una
distribución normal con media x y variancia 2x. Si
de esta distribución se extraen muestras aleatorias
de tamaño n (n  2), y para cada muestra se
encuentra su promedio:

1 n
X   Xi
n i 1

11. La estatura de los estudiantes universitarios de

cierto país está normalmente distribuida con una Luego, la variable X tiene una distribución
normal con media  X y variancia  X .
2
media de 167.85 cm y desviación estándar 10.35 cm.

a) Si un estudiante es seleccionado al azar ¿cuál es Es decir, si X ~ N (  X , X2 )  X ~ N (  X , X2 )

la probabilidad de que mida menos de 179. cm?
Solución: P(X <179) = 0.8599
b) Si se está buscando estudiantes universitarios y Z  ( X   X )  X ~ N (0,1)
que midan entre 165 y 195 cm para un casting de
TV ¿qué porcentaje de estudiantes cumplen con
esta condición?. La variable Z tiene una distribución normal con media 0
Solución: P(165 < X < 195) = 0.6059 y variancia 1.
b) Halle la probabilidad de que la estatura de un
estudiante que va a ser escogido al azar mida por
lo menos 152 cm.
Solución: P(X ≥ 152) = 0.9732

6
 05/18/2017

DISTRIBUCIÓN DE PROMEDIOS MUESTRALES, Solución:

 
CUANDO LA VARIABLE EN ANÁLISIS X NO a)  X   52  50   2 
P( X >52) = P    P Z  1.5 
TIENE UNA DISTRIBUCIÓN NORMAL.
  6  
 n 4 
TEOREMA DE LIMITE CENTRAL. Sea X una
variable aleatoria que tiene una distribución con
 P( Z  1.33)  1  P( Z  1.33)  1  0.9082
media x y variancia 2x. Si de esta distribución se  1  0.9082  0.0918
extraen muestras aleatorias de tamaño n y para
cada muestra se encuentra su promedio:  
 X   48  50   2
b) P( X < 48) = P    P Z  1.5 
  6  
1 n 4 
X   Xi  n
n i 1  P( Z  1.33)  0.0918

Luego, a medida que el tamaño de muestra n tiende C) P( 48 < X < 52) =

a infinito (n  30), la distribución de los promedios
muestrales se aproxima cada vez más a una  
distribución normal con media  X y variancia  X .  48  50 X   52  50  2
2
2 
 P     P Z 
 6  6   1.5 1 .5 
Si X  ?( X ,  X2 ), n  30  X ~ N (  X , X2 )  4 n 4 
a

y Z  ( X   X )  X ~ N (0,1)  P 1.33  Z  1.33  P ( Z  1.33)  P ( Z  1.33)

a

La variable Z tendrá una distribución aproximadamente  0.9082  0.0918  0.8164

normal con media 0 y variancia 1.

EJERCICIOS
1. De una población normal con  = 50 y 2. Si la producción de leche de las vacas
2 = 36 se extrae una muestra de 16 Holstein en una ciudad tiene como  = 12
observaciones, halle: litros diarios y 2 = 25 litros y se extrae al
azar una muestra de 100 vacas, halle:
a) P( X  52)
a) P( X  14)
b) P( X  48)
b) P( X  11)
c) P(48  X  52)
c) P(12  X  16)
d) P( X  55)
d) P( X  12)
e) P( X  46)
e) P( X  20)
f) P(55  X  60)
f) P(10  X  11)
g) P(46  X  48)
g) P( X  11.5)

7
 05/18/2017

3. Si el peso promedio () de las terneras b) P( X < a) = 0.95; de donde a= 108.225

Holstein al nacimiento es de 35 kg y la
 
variancia es de 2 = 49. Si se extrae una  X   a  100   a  100 
P    0.95  P  Z    0.95
muestra de 9 pesos halle:  20   5 
 n 16 
a) P( X  36)
b) P(33  X  38)  a  100 
c) P(33  X  35) P Z    0.95  P Z  Z0   0.95
 5 
d) P( X  33) a  100
e) P( X  35) P Z  Z0   0.95 Z 0  1.64485  
5
f) P( X  39) 1.64485 5   a  100 
a  100  1.64485 5   100  8.22425  108.22425

c) Suponiendo X1=  - x y X2=  + x.

Entonces P( - x < X <  + x) = 0.99
4. El número de horas de duración de una de donde : X1= 87.125, X2= 112.875
pila para transistores, tiene una
 
distribución normal con = 100 horas y X  X  X 
P     0.99
 = 20 horas. Si se seleccionan muestras  20  20 
 16 n 16 
aleatorias de 16 pilas,
a) ¿Qué proporción de las medias X  X 
muestrales estará entre 100 y 125 horas?. P Z  0.99
 20 20 
b) ¿Por debajo de que valor en horas caerá  4 4
el 95% de las medias muestrales?. X X
P Z   0.99
c) ¿Dentro de qué límites caerá el 99% de las  5 5 
medias muestrales alrededor de la media
de la población?.

a) P(100 < X < 125) = ? X X

P Z   0.99
   0  5 5 
 100  100 X   125  100  25 
P     P Z     X 
 20  20   20 20  P Z 
X
  P Z    0.99
 16 n 16   4 4  5   5 
 X
P 0  Z  5   P Z  5   P Z  0  2P  Z 
 5 
  1  0.99

P 0  Z  5   1  0.5  0.5 
2P  Z 
X
  0.01
 5 
  X  0.01
P Z    0.005
 5  2
X  X  12.8791
 2.57583
5

8
 05/18/2017

6. El tiempo que demora una rata de cierta subespecie

X 1    X  100  12.8791  87.1209
X 2    X  100  12.8791  112.8791
seleccionada al azar, para que se duerma después de
aplicársele un somnífero experimental, es una
variable aleatoria distribuida con  = 1.5 min y  =
0.35 min. Suponga que se seleccionan n ratas y
denote por X1, …..,Xn sus tiempos hasta dormirse.
a) Si el tiempo que demora una rata tiene distribución
normal y X1, …..,X5 es una muestra aleatoria de
tamaño 5 de esa población. Calcule la probabilidad
de que la media de la muestra sea a lo más 2 min.
Solución: R = P( X  2) = 0.9993
b) Se tiene una población de N= 200 ratas y X1,
…..,X40 es una muestra aleatoria simple (con
reemplazo) de tamaño 40 de esa población.
Calcule la probabilidad de que el tiempo promedio
de las 40 ratas sea a lo más 1.8 min.
Solución: R= P( X  1.8) =

5. Los calificativos de un examen a nivel DISTRIBUCION MUESTRAL DE LA DIFERENCIA

nacional se distribuyen con media  = DE DOS MEDIAS, MUESTRAS INDEPENDIENTES
11.80 y  = 3.6 puntos, ¿cuántos
estudiantes se deben tomar en una La comparación sobre la base de dos muestras aleatorias
muestra para garantizar, con un 95% de independientes. Supongamos que tenemos dos poblaciones X y Y, la
probabilidad, que la media muestral sea primera con media X y varianza  X2 , y la segunda con media Y y
mayor que 11.08. varianza  Y2 . Sea X la media de la muestra aleatoria de tamaño n,
extraída de la primera población, e Y la media de la muestra de
Respuesta = n=68 tamaño m, tomada de la segunda población. La distribución de la
diferencia de dos medias muestrales X - Y , se llama, distribución
muestral de la diferencia de dos muestras.
La distribución muestral de la diferencia de medias X - Y es
Aproximadamente una distribcuión normal con:

Solución
P( X > 11.08) = 0.95  X  Y  X2  Y2
Media y varianza 
  n m
 X   11.08  11.80   (11.08  11.80) n 
P


3 .6   0.95  P Z  3.6
  0.95 En Símbolos:
   
 n n 
 X2  Y2
 (11.08  11.80) n  X  Y ~ N (  X  Y ,  )
P Z 
3. 6
 
  0.95  P Z  0.2 n  0.95 n m
 
 
P Z  0.2 n  0.95  PZ   Z o   0.95
PZ   Z o   0.95  1  PZ   Z o 
PZ   Z o   0.05  Z 0  1.64485  0.2 n

n  8.22425  n  67.638  68

9
 05/18/2017

b) El contenido promedio de la muestra de la

EJERCICIOS máquina B sea mayor al correspondiente de A en
más de 5 gramos.
1. De una población normal A se seleccionó una
muestra aleatoria de tamaño 16. La población A
  X A  X B    A   B   5   10 
tiene A= 35 y 2A = 64. de otra población normal PX B  X A  5  PX A  X B  5  P   
  X AX B 3.059593 
B con B=38 y 2B=75 se seleccionó una muestra

PX B  X A  5  PZ  1.63  0.9484

aleatoria de tamaño 15. Hallar b tal que:
P( X A - XB  b) = 0.121

Solución: b = 0.51

2. Suponga que dos máquinas A y B producen
bolsas de azúcar de características similares.
La máquina A produce bolsas con un contenido
neto promedio de 970 gramos y una variancia
de 256 gramos2 , y la máquina B produce bolsas
con un contenido neto promedio de 980 gramos
y una variancia de 144 gramos2. Si se eligen al
azar 36 bolsas producidas por A y 64
producidas por B, hallar la probabilidad que:
a) La diferencia de promedios muéstrales no
sea superior a 8 gramos.
b) El contenido promedio de la muestra de la
máquina B sea mayor al correspondiente de
A en más de 5 gramos.
3. El tiempo que lleva efectuar un procedimiento de
montaje para el método 1 tiene distribución con
media 35 seg. Y variancia 20 seg2 mientras que el
método 2 tiene distribución con media 31 seg. y
variancia 17 seg2. Si se selecciona una muestra de 40
empleados entrenados con el método 1 y 50
entrenados con el método 2.
a) Halle la probabilidad de que el promedio muestral
con el método 1 exceda al promedio muestral con
el método 2 en por lo menos 5 seg.
b) Determine la probabilidad de que el promedio
muestral con el método 2 menos el promedio
muestral con el método 1 sea a lo más -3.
c) Calcule c1 y c2 tal que:
P (c  X 2  X 1  c )  0.7812 y
1 2
P( X 2  X 1  c1 )  0.2033

a) La diferencia de promedios muéstrales no sea Solución

superior a 8 gramos. a)
 2 2   20 17 
X 1  X 2 ~ N  1  2 , 1  2  ~ 35  31,  
  8   10  8   10    n1 n2   40 50 
P| X A  X B | 8  P 8  X A  X B  8  P  Z
 3.059593 3.059593 

P| X A  X B | 8  P0.65  Z  5.88  PZ  5.88  PZ  0.65 X 1  X 2 ~ N 4,0.8

P| X A  X B | 8  1.0  0.7422  0.2578  X 1  X 2   X 1 X 2 54 

P( X 1  X 2  5)  P   
  X 1 X 2 0.84 

PZ  1.09  0.1376

10
 05/18/2017

b)
Características
 2 2   17 20 
X 2  X 1 ~ N  2  1 , 2  1  ~ 31  35,   1) Tiene una forma ligeramente acampanada.
 n2 n1   50 40  2) Es simétrica con respecto al orígen.
3) Es asintótica con respecto al eje horizontal.
X 2  X 1 ~ N  4,0.8 4) Se aproxima cada vez más a la distribución normal
estándar a medida que los grados de libertad son
 X 2  X 1   X 2  X 1  3  (4)  mayores (m 30)
P ( X 2  X 1  3)  P    5) Para una distribución t con m grados de libertad se
  X 2X1 0.84  tiene t = 0 y 2t = m/(m-2)

PZ  1.09  0.1376

DISTRIBUCION t DE STUDENT EJERCICIOS

1. Encontrar:
El uso de s en vez de  en el cálculo de los valores de Z para a) P(t  1.345) para 14 grados de libertad. Resp = 0.10
su empleo en las tablas normales no era de confiar en el caso b) P(t  1.345) para 14 grados de libertad. Resp = 0.90
de muestras pequeñas, y que se necesitaría otra tabla. c) P(-1.1  t  2.1) para 5 grados de libertad. Resp = 0.7944
d) P(| t |  0.860) para 20 grados de libertad. Resp = 0.40
La variable t = ( Y - )/ SY expresión en que entran dos

estadígrafos, Y y SY , en vez de Z  Y     Y 2. Encontrar to tal que:
a) P(t  to) = 0.1 para 10 grados de libertad. Resp = 1.372
b) P(t  - to) = 0.2 para 10 grados de libertad. Resp = -0.879
c) P(- to  t  to) = 0.80 para 22 grados de libertad.
Resp = ±1.3212
d) P(| t |  to) = 0.01 para 15 grados de libertad.
Resp = ± 2.9467

3. Si v = 12 g.l., hallar:

a) P[0.873 < t < 2.179]

b) P[-2.179 < t < 2]
c) to si P[to < t < 1.782] = 0.875

Solución:
a) P[0.873 < t < 2.179] = P[t < 2.179) - P[t < 0.873]
= 0.975 – 0.8 = 0.175

b) P[-2.179 < t < 2] = P[t < 2) - P[t < -2.179]

Como 2 no se encuentra en la tabla para 12 g.l. Se

realiza una interpolación lineal.

11
 05/18/2017

Probabilidad 0.95  0.975

t 1.782 2 2.179 4. Para n= 15 hallar:
a) P(t  1.345) Resp = 0.10
Probabilidad (0.95 – 0.975) (1.782 – 2.179) b) P(t  1.345) Resp = 0.90
t ( - 0.975) (2.000 - 2.179) c) P(t > 2.148) Resp = 0.975
d) P(-1.761  t  1.761) Resp = 0.9
Probabilidad ( – 0.025) ( – 0.397)
e) P(| t |  0.868) Resp = 0.40
t ( - 0.975) ( - 0.179)

(0.025)(0.179) 5. Para 10 GL, hallar to , tal que:

  0.975   0.975  0.011272 a) P(t  to) = 0.1 Resp = 1.372
( 0.397) b) P(t  - to) = 0.2 Resp = -0.879
 = 0.963728 c) P(- to  t  to) = 0.80 Resp = ± 1.372
d) P(| t |  to) = 0.01 Resp = ± 3.169
Con lo cual:
P[-2.179 < t < 2] = P[t < 2) - P[t < -2.179]
= 0.963728 – 0.025 = 0.938728

c) to si P[to < t < 1.782] = 0.875 DISTRIBUCION X2 O JI CUADRADA

P[to < t < 1.782] = P[t < 1.782) – P[t < to)
= 0.95 - P[t < to) = 0.875
De donde:
P[t < to) = 0.075 y to = t (0.075) 12 g.l.
En la tabla de t no existe el valor asociado una
probabilidad 0.075 y 12 g.l. Puede ser aproximado por
una interpolación lineal:
La ji cuadrada se define como la suma de los cuadrados de
variables independientes, normalmente distribuidas con
media 0 y varianza 1.
La media y la varianza de la variable aleatoria ji cuadarada
con n grados de libertad son:
 = E(X2) = n
2 = Var(X2) = 2n

Probabilidad 0.10 0.075 0.05

t - 1.356 to - 1.782

Probabilidad 0.10 0.075 0.05

t - 1.356 to - 1.782

Probabilidad (0.10 – 0.05) (-1.356 – [-1.782])

t (0.075 - 0.05) ( to - [-1.782])
Probabilidad (0.050) (0.426)
t (0.025) ( to 1.782)

De donde:
(0.025)(0.426)
to  1.782   1.782  0.213  1.569
0.05
La función de densidad de la distribución X2 esta dada por:

to = t (0.075) 12 g.l. = -1.569 1

v
1  x
f x  
 2
2 2
v x e para x>0
2 2r v

12
 05/18/2017

Características Ejercicios:

1. Está definida solo para valores positivos de la variable Y. 1) Si Y es una variable aleatoria con una
2. Presenta un sesgo o asimetria a la derecha. distribución chi-cuadrado de 12 grados de
3. Es asintótica con respecto al eje horizontal en su parte
libertad, hallar:
positiva.
4. La distribución tiene menor sesgo a medida que los a) P[Y > 11.34]
grados de libertad son cada vez mayores (m 30). b) P[7.807 < Y < 15.812]
5. Para una distribución ji cuadrada con m grados de
c) P[6.304 < Y < 13]
libertad se tiene Y = m y 2Y = 2m
d) Y1 si P[Y1 < Y < 11.34] = 0.25

Solución:

Y ~ x(212 ) gl

DISTRIBUCION DE LA VARIANZA MUESTRAL
Sea X1, X2,.....,Xn una muestra aleatoria de tamaño n de una
población normal con media  y varianza 2, sea X y S2 la
media muestral y varianza muestral respectivamente, entonces:
a) Las variables aleatorias X y S2 son independientes
b) La función de la varianza muestral ( n  1) s 2
2
tiene una distribución X n21
a) P[Y > 11.34] = 1- P[Y < 11.34] = 1 – 0.5 = 0.5
b) P[7.807 < Y < 15.812] =
= P[Y < 15.812] – P[Y < 7.807]
= 0.8 – 0.2 = 0.6
c) P[6.304 < Y < 13] = P[Y < 13] - P[Y < 6.304]
En este caso en la tabla x2 no existe la
probabilidad asociada al valor de 13 para
12 grados de libertad; sin embargo, su
valor puede ser aproximada mediante un
proceso de interpolación lineal.

Lectura de la Tabla
Probabilidad 0.5  0.7
x2 (12) gl 11.34 13 14.011

Probabilidad (0.5 - 0.7) (11.34 - 14.011)

x2 (12) gl ( - 0.7) (13.00 - 14.011)

Probabilidad ( - 0.2) ( - 2.671)

x2 (12) gl ( - 0.7) (- 1.011)

De donde:
(0.2)(1.011)
  0.7   0.7  0.07570198
(2.671)
 = 0.62429802

13
 05/18/2017

Con lo cual: EJERCICIOS

P[6.304 < Y < 13] = P[Y < 13] - P[Y < 6.304] 1. Encontrar:
= 0.624298 – 0.1 = 0.524298 a) P(X2  11.34) para 12 grados de libertad. Resp = 0.5
b) P(X2  5.985) para 15 grados de libertad. Resp = 0.02
c) P(X2  6.5) para 10 grados de libertad. Resp = 0.7716
d) P(X2  11.143) para 4 grados de libertad. Resp = 0.025

2. Encontrar X2o tal que:

a) P(X2  X2o ) = 0.05 para 10 grados de libertad. Resp = 18.307
b) P(X2  X2o) = 0.025 para 18 grados de libertad. Resp = 8.231
c) P(X2  X2o) = 0.01 para 12 grados de libertad. Resp = 26.217
d) P(X2  X2o) = 0.05 para 25 grados de libertad. Resp = 37.652

d) Y1 si P[Y1 < Y < 11.34] = 0.25

3. Hallar el área a la izquierda de 2.532, para n =10
P[Y1 < Y < 11.34] = a) P(X2  2.532) 9 grados de libertad. Resp = 0.02
= P[Y < 11.34] - P[Y <Y1] = 0.25
= 0.5 - P[Y <Y1] = 0.25

De donde: 4. Para n = 19, hallar X2o tal que:

a) P(X2  X2o ) = 0.20 Resp = 22.76
P[Y <Y1] = 0.25 y Y1  x 2
( 0.25,12 gl ) d) P(X2  X2o) = 0.30 Resp = 14.44
En la tabla x2 no existe el valor asociado e) P(X2o < X2 < 10.865) = 0.08 Resp = 7.906
una probabilidad 0.25 y 12 grados de f) P(X2  X2o) = 0.05 Resp = 28.869
libertad; sin embargo, su valor puede ser
aproximada mediante un proceso de
interpolación lineal.

Probabilidad 0.2 0.25 0.3

5. Suponga que los pesos de los artículos producidos por una
x2 (12) gl 7.807 Y1 9.034
máquina tienen una distribución normal con una media de
Probabilidad (0.3 - 0.2) (9.034 – 7.807) 200 g y una variancia de 25 g2. Si se eligen al azar 16
artículos, hallar:
x2 (12) gl (0.25 – 0.2) ( Y1 - 7.807)
a) P(s2 < 32.185)
Probabilidad (0.1) (1.227) b) P(20 < s2 < 41.66)
x2 (12) gl (0.05) ( Y1 - 7.807) c) El valor de k tal que P(S2 < k) =0.6

(0.05)(1.227) Solución:
Y1  7.807   7.807  0.6135 Sea X = pesos de los artículos producidos por una máquina
0.1
a) P[s2(n-1)/2 < 32.185(15)/25] = P[x2(15 gl) < 19.311]
Y1 = 8.4205 = 0.80

14
 05/18/2017

b) P[20 < s2 < 41.66] = P[s2 < 41.66] – P[s2 < 20] = Probabilidad 0.5 0.6 0.7
= P[s2(n-1)/2 < 41.66(15)/25] – P[s2 (n-1)/2 < 20(15)/25] x2 (15) gl 14.339 Y1 17.322
= P[x2(15 gl) < 24.996] - P[x2(15 gl) < 12]
= 0.950 - Probabilidad (0.7 - 0.5) (17.322 – 14.339)
x2 (15) gl (0.6 – 0.5) ( Y1 - 14.339)
En este caso en la tabla x2 no existe la
probabilidad asociada al valor de 12 para Probabilidad (0.2) (2.983)
15 grados de libertad; sin embargo, su x2 (15) gl (0.1) ( Y1 - 14.339)
valor puede ser aproximada mediante un (0.2)(2.983)
proceso de interpolación lineal. Y1  14.339   14.339  1.4915
0.1
Probabilidad 0.300  0.500 Y1 = 15.8305
x2 (15) gl 11.721 12 14.339
k(15)/25 = 15.8305
k = 15.8305(25)/15 = 26.384

Probabilidad 0.300  0.500

x2 (15) gl 11.721 12 14.339 6. Suponga que la longitud de cierta especie de peces tiene
distribución normal con una media  y una variancia de 4
Probabilidad (0.3 - 0.5) (11.721 – 14.339) cm2. Si se elige una muestra aleatoria de 18 peces, hallar:
x2 (15) gl ( - 0.5) (12 - 14.339)
a) P(s2 ≥ 2.824)
Probabilidad (- 0.2) (- 2.618) b) P(1.70706 < s2 < 5.828)
x2 (15) gl ( - 0.5) ( - 2.339) c) El valor de k en P(S2 ≥ k) =0.10

(0.2)(2.339)
  0.5   0.5  0.17868602 Solución:
(2.618)
 = 0.32131398 a)P[S2(n-1)/2 ≥ 2.824(17)/4] = 1 - P[x2(17 gl) ≤ 12.002]
= 1 - 0.20 = 0.80
= P[x2(15 gl) < 24.996] - P[x2(15 gl) < 12]

= 0.950 – 0.32131398 = 0.62868602 = 0.629

c) El valor de k tal que P[S2 < k] =0.6

b) P1.70706(17/4) < S2(n-1)/2 < 5.828(17/4) =
P[S2 < k] = 0.6 P7.255 < x2(17 gl) < 24.769) =
P[S2(n-1)/2 < k(15)/25] = 0.6 P x2(17 gl < 24.769 - P x2(17 gl) < 7.255= 0.90 - 0.02
P[x2(15gl) < k(15)/25] = 0.6 = 0.88

P[x2(15gl) < x2o ] = 0.6 c) P(S2 ≥ k) =0.10 = P[S2(n-1)/2 ≥ k(17)/4] = 0.10

P[x2(17 gl) ≥ k(17/4)] = 0.10
x2o = x2(0.6, 15gl) P[x2(17 gl) ≥ ] = 0.10
1 - P[x2(17 gl) ≤ ] = 0.10
En la tabla x2 no existe el valor asociado P[x2(17 gl) ≤ ] = 1 - 0.10 = 0.90
una probabilidad 0.6 y 15 grados de . K(17/4) =24.6769 K= 5.806
libertad; sin embargo, su valor puede ser
aproximada mediante un proceso de
interpolación lineal.

15
 05/18/2017

DISTRIBUCION F Características

1. Está definida solo para valores positivos de la variable.

Sea U y V dos variables aleatorias independientes que tienen 2. Presenta un sesgo o asimetría a la derecha.
distribuciones ji cuadrada, con n1 y n2 grados de libertad, 3. Es asintótica con respecto al eje horizontal en su parte
respectivamente. Entonces, la variable aleatoria derecha.
F
U / n1 4. La distribución tiene a ser simétrica a medida que los grados
V / n2 de libertad son cada vez mayores. En general, las
distribuciones son aproximadamente simétricas cuando n  30
Tiene una distribución F con n1 y n2 grados de libertad. y m  30.
5. Para una distribución F de n y m grados de libertad se tiene:
m
Y  para m  2
m2
2m 2 (n  m  2)
 Y2  para m  4
n(m  2) 2 (m  4)

DISTRIBUCION DE LA RAZON DE DOS

VARIANZAS MUESTRALES

Sea X1, X2,.....,Xn una muestra aleatoria de tamaño n de una

variable aleatoria X con distribución N (  X ,  X2 ) . SeaY1, Y2;...,
Ym una muestra aleatoria de tamaño m de una variable aleatoria Y
con distribución N ( Y ,  Y2 ) . Además suponiendo que X e Y on
independientes. Entonces, la variable aleatoria,
( n  1) s X2
 X2
Tiene una distribución ji cuadrada con n-1 grados de libertad, de
modo similar, la variable aleatoria
( m  1) sY2
 Y2

Tiene una distribución ji cuadrada con m-1 grados de

libertad. Además, las dos variables aleatorias ji
cuadrada son independientes porque X e Y son
independientes. Entonces, de acuerdo a la definición
de la variable aleatoria F, la variable aleatoria

[(n  1) s X2  X2 ] (n  1) s X2  X2
F[( n1),( m1)] gl  
[(m  1) sY2  Y2 ] (m  1) sY2  Y2

s12  12 s12 22
F[( n1 1),( n2 1)] gl  
s22  22 s22 12

16
 05/18/2017

b) Si Y~ F(45, 24). hallar Y1 tal que P[Y > Y1] = 0.05

Si Y es una variable aleatoria que tiene una distribución F
con n y m grados de libertad: luego. la inversa de dicha P[Y > Y1] = 1 - P[Y < Y1] = 0.05
variable (1/Y) tendrá una distribución F con m y n grados de donde P[Y < Y1] = 0.95 y Y1 = F(0.95, 45,24)
de libertad. Es decir:
Como en la tabla de F no existe el valor para una
Si U ~ X 2n  y V ~ X 2m   Y  U n ~ F probabilidad 0.95 con 45 y 24 grados de libertad, es
n ,m 
V m necesario aproximar dicho valor mediante un proceso
1 V m de interpolación armónica de la siguiente manera:
  ~ Fm ,n 
Y U n
G. L. Denominador 24 24 24
Propiedad recíproca Si Y es una variable aleatoria que G.L. Numerador 44 45 46 (1/45 – 1/46) (1/44 – 1/46)
tiene una distribución F con n y m grados de libertad; Valor F 1.88 Y1 1.87 (Y1 – 1.87) (1.88 – 1.87)
luego, se cumple:
1 De donde: (1.88  1.87)(1 / 45  1 / 46)
F1 ,n ,m   Y1  1.87   1.874889
F ,m,n  (1 / 44  1 / 46)

EJERCICIOS (1.88  1.87)(1 / 45  1 / 46)

Y1  1.87  
(1 / 44  1 / 46)
1. Sea Y una variable aleatoria con distribución F.
a) Si Y ~ F(8,11)gl. hallar:
(0.01)(0.00048309)
a.1) P[Y > 2.95] Y1  1.87   1.87  0.004889  1.874889
a.2) P[2.95 < Y < 4.74] (0.00098814)
a.3) Y1, si P[Y1 < Y < 2.95] = 0.94
b) Si Y~ F(45, 24). hallar Y1 tal que P[Y > Y1] = 0.05 Con lo cual: Y1  F( 0.95, 45, 24)  1.874889
Solución:
a) Si Y ~ F(8,11)gl.
a.1) P[Y > 2.95] = 1 – P[Y < 2.95] = 1 – 0.95 = 0.05

Si Y ~ F(8,11)gl. EJERCICIOS
1. Si la variable aleatoria F tiene una distribución F, con n1 y
a.2) P[2.95 < Y < 4.74] = P[Y < 4.74] – P[Y < 2.95]
n2 grados de libertad, respectivamente. Calcular:
P[2.95 < Y < 4.74] = 0.99 – 0.95 = 0.04 a) P(F  4.76) con n1=3, n2=6 Resp = 0.0499
b) P(F  3.50) con n1=7, n2= 8 Resp = 0.95
a.3) Y1, si P[Y1 < Y < 2.95] = 0.94 c) Hallar los números a y b tal que P(a < F < b) = 0.90 con,
P[Y1 < Y < 2.95] = P[Y< 2.95] – P[Y < Y1] = 0.94 n1= 8 , n2=6 Resp: a=0.279, b=4.15
= 0.95 -P[Y < Y1] = 0.94
= P[Y < Y1] = 0.01 2. Sea Y una variable aleatoria con distribución F.
y Y1 = F(0.01, 8,11) a) Si Y  F(8,11) hallar:
a.1) P(Y > 2.95) Resp= 0.05
a.2) P(2.95 < Y < 4.74) Resp= 0.04
Y1  F( 0.01,8,11)  1 F( 0.99,11,8)  1 5.73  0.17452 a.3) Y1, si P(Y1 < Y < 2.94) = 0.94 Resp= 0.17452
b) Si Y  F(45,24), hallar Y1 tal que P(Y>Y1)=0.05 Resp=1.874889

17
 05/18/2017

EJERCICIOS  S2 
1. Si W F(8,21), halle: b) P 12  k   0.01
 2
S 
a)P(W ≤ 2.42) R=0.95
b)P(W ≥ 3.51) R= 0.01
c)P(2.42 ≤ W ≤ 3.51) R = 0.04 , .
d)El valor de k en P(k ≤ W ≤ 2.42) = 0.94
R=0.1873
. , ,
. , ,

=0.1493
.

3. Suponga que dos máquinas A y B producen un

2. De dos poblaciones N(1,2) y N(2,4) mismo artículo y que los pesos por artículo
independientemente se extraen dos (gramos) tienen distribuciones normales con
muestras aleatorias de tamaños n1=16 medias; A = 550; B =565, y variancias 2A =144;
2B=256; respectivamente. Si se eligen aleatoria-
y n2=22 respectivamente, halle el valor mente 21 artículos producidos por la máquina A y
de k en: 31 producidos por la máquina B, hallar:
 S2  a) P(S2B > 3.6267S2A)
P 22  k   0.99
a).  1
S  k = 6.7 b) P(1.08563 < S2AS2B < 1.4344)
c) k tal que: P(k < S2BS2A < 4.9245) = 0.94

 S2 
P 12  k   0.01
b).  2
S  k = 0.1493

Solución Solución
a) P(S2B > 3.6267S2A)
a)  S2 
P 22  k   0.99
.
 S1 

, . . . .

. . → . . .
. , ,
. .

. .

18