Estadstica

Distribuciones de Probabilidad
CONTENIDO
DISTRIBUCIONES DE PROBABILIDAD
1. Variable Aleatoria. Definicin
2. Tipos de variables aleatorias
Variable aleatoria Discreta
Variable Aleatoria Continua
3. Distribuciones de probabilidad
3.1.Definiciones
3.2. Tipos de distribuciones de Probabilidad
- Distribuciones de probabilidad para variables
Aleatoria Discreta
- Distribuciones de probabilidad para variables
Aleatorias continuas
4.Distribucin de Probabilidad Binomial
4.1. Caractersticas
4.2. Aplicacin de la formula
4.3. Procedimiento para usar la tabla Binomial
4.4. Medidas de tendencia central y medidas de
dispersin
CONTENIDO
DISTRIBUCIONES DE PROBABILIDAD
5.Distribucin de Probabilidad de Poisson
4.1. Caractersticas
.2. Aplicacin de la formula
3.3. Procedimiento para usar la tabla Poisson
6.Distribucin de probabilidad Normal
5.1. Distribucin normal estandarizada
5.2. Procedimiento para utilizar la tabla
7. Distribucin de probabilidad Chi Cuadrado
6.1. Caractersticas
6.2. Procedimiento para utilizar la tabla
8. Distribucin de probabilidad F de Snederco
6.1. Caractersticas
6.2. Procedimiento para utilizar la tabla
Autoevalucin
Bibliografa
Anexos


OBJETIVO GENERAL
Aplicar en situaciones de incertidumbre las distribuciones de
probabilidad .
PROBABILIDAD BSICA
OBJETIVO TERMINAL
Al finalizar el tema estars en capacidad de:

en situaciones de incertidumbre.
OBJETIVOS ESPECFICOS
Identificar los tipos de distribuciones de probabilidad.
Explicar los axiomas y teoremas de la probabilidad.
Calcular la probabilidad de la ocurrencia de un evento en
situaciones concretas reales o hipotticas, aplicando los
diferentes mtodos para su clculo.
PRE-TEST
La evaluacin que a continuacin se presenta tiene
como objetivo fundamental diagnosticar los conocimientos
previos relacionados con el tema, es por esta razn que las
respuestas se evaluarn cualitativamente para que puedas
responder libremente en forma clara y sencilla de acuerdo a tus
aprendizajes adquiridos con anterioridad.
PRE-TEST
Lee detenidamente cada una de las preguntas.
Escribe en forma clara y legible.

1.Define con tus propias palabras:

a) Probabilidad:________________________________________________________
___________________________________________________________________
_______________________
b) Enumere los axiomas de Probabilidad:____________________________________
___________________________________________________________________
___________________________________________________________________
c) Espacio muestral:_____________________________________________________
________________________________________________________________________
____________________________________________________________________

DISTRIBUCIONES DE PROBABILIDAD
La variable que tiene resultados o valores que tiende a variar de observacin en observacin
debido a factores relacionados con el azar, recibe el nombre de variable
Aleatoria.(STEVENSON, William)
Definicin informal: una variable aleatoria es cualquier resultado de un experimento que
esta sujeto a variabilidad aleatoria. Se le determina al especificar sus valores posibles y la
probabilidad asociada con cada uno de ellos.(HILDENBRANT, David; 1.997)
Es muy importante, dado la importancia practica, definir una variable aleatoria asociada con
una muestra o experimento de tal manera que sea numrica. Por lo tanto, debemos
referirnos a estas como un evento numrico cuyo valor se determina por un proceso
aleatorio.
Estos valores numricos corresponden a cada posible resultado de un experimento aleatorio,
lo cual se signa con X.
Por ejemplo una variable aleatoria puede ser:
l numero de caras en dos lanzadas, puede tener como resultado: 0,1,2.
El numero de clientes que entra a una tienda de discos en un lapso de 20 minutos.
Estaturas de los estudiantes de una clase de la Universidad.




1. VARIABLE ALEATORIA. DEFINICIONES
DISTRIBUCIONES DE PROBABILIDAD
Dependiendo de los valores numricos que asumen las Variables Aleatorias se pueden clasificar en .
Variable Aleatoria Discreta.
Se origina en un proceso de conteo, pudiendo asumir una cantidad finita de valores o una
sucesin infinita de valores. Como ejemplo se encuentra:
El numero de accidentes en una fabrica.
Nmeros de defectos de los zapatos.
Cantidad de clientes que hacen un pedido en una semana.
Variable Aleatoria Continua.
Se puede considerar continua una variable si pude asumir cualquier valor dentro de un intervalo
o conjuntos de intervalos, originndose en un proceso de medicin.

. Por ejemplo:
El peso de una caja de naranja.
El tiempo en minutos entre llegadas de vehculos al puente.
Altura de los rboles.
Duracin de una conversacin telefnica.

2. TIPOS DE VARIABLES ALEATORIAS.
3. DISTRIBICION DE PROBABILIDAD.
3.1.DEFINICIN
DISTRIBUCIONES DE PROBABILIDAD
Es una distribucin de frecuencia relativa respecto a resultados del espacio muestral,
sealando la proporcin o porcentaje de veces en que la variable aleatoria tiende adoptar
diversos valores.(STEVENSON,Wiliam)

Las distribuciones de probabilidad tiene como caractersticas que:

Todos los posibles valores numricos de una variable aleatoria X se les asigna valores de
probabilidad, ya sea mediante el uso de un listado o una funcin matemtica.

La suma de las probabilidades de todos los resultados numricos debe ser igual a 1.

Los Valores de probabilidad individual pueden denotarse con el smbolo ](x), lo cual
involucra el uso de una funcin matemtica; con P (x = X), que advierte que la variable
aleatoria puede tener varios valores especficos, o simplemente con P(x).




3.2.TIPOS DE DISTRIBUCIONES
DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD
De acuerdo al tipo de variable aleatoria objeto de anlisis las distribuciones se dividen en:

Distribucin de Probabilidad para Variables Aleatorias Discretas.
Es un listado mutuamente excluyente de todos los resultados posibles para esa variable
aleatoria, tal que una probabilidad particular ocurrencia este asociada con cada resultado.

Como se ha explicado en este tipo de variable, todos los posibles valores numricos de la
variable pueden enlistarse en una tabla junto con sus respectivas probabilidades. Existen
varias distribuciones de probabilidad que sirven de modelo para amplia variedad de variables
discretas involucradas en las aplicaciones de administracin y economa, a saber:

Distribucin de Probabilidad Binomial
Distribucin de Probabilidad de Poisson




3.2.TIPOS DE DISTRIBUCIONES
DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD
Distribucin de Probabilidad para variables Aleatorias Continuas.

En una Variable Aleatoria continua, no se puede enlistar todos los posibles resultados, motivo
por lo cual las probabilidades se determina por medio de una funcin matemtica son
grficamente representadas por una funcin de Densidad de Probabilidad o Curvas de
Probabilidades.

Esta Funcin de densidad sirve para calcular la probabilidad de fenmenos de inters
aleatorios y continuos, que al igual que las en caso de variables aleatorias discretas, es un
listado de no traslade (mutuamente Excluyente) contiene todos los intervalos de clases
posibles (colectivamente exhaustivo), las probabilidades suman 1, pero se refiere a intervalos
posibles.

Esta Funcin de Densidad de probabilidad se conoce como la Distribucin Guassiana o
Normal, que sirve de modelo para este tipo de variables.




4. DISTRIBUCION DE PROBABILIDAD
BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD
4.1. Caractersticas.

Es una distribucin de probabilidad para variables discretas aplicable como modelo
para situaciones de toma de decisiones en la que se puede suponer los resultados
del fenmeno de inters corresponden a un Proceso de Bernoulli, en honor del
matemtico Suizo del siglo XIX, Jacob Bernoulli.

El proceso de Bernoulli es un proceso de muestreo, y a su son los supuestos necesarios
para utilizar esta distribucin de probabilidad, los cuales se enumeran a continuacin:

Existen n observaciones o ensayos idnticos.

Las observaciones posibles pueden obtenerse mediante dos tipos de muestreo.
Cada observacin puede considerarse como una seleccionada de una poblacin infinita
sin reemplazo o de una poblacin finita con reemplazo.


4.1. DISTRIBUCION DE PROBABILIDAD
BINOMIAL. CARACTERISTICAS
DISTRIBUCIONES DE PROBABILIDAD
En cada ensayo u observacin solo son posibles dos resultados posibles mutuamente
excluyentes, estos se denomina xito y fracaso.

Probabilidad de xito de cada ensayo, indicado por p, y la probabilidad del fracaso,
indicado por q = ( 1 p ), se mantiene constante para todos los ensayos. Esto es, el
proceso es estacionario.

Los resultados de la serie de ensayos, u observaciones, constituyen eventos
independientes.

Existen dos mtodos para obtener las distribuciones de una variable aleatoria que esta
distribuida, una consiste en la formula Binomial y el otro en consultar la tabla de
probabilidades Binomial.


4.2. APLICACIN DE LA FORMULA
BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
La expresin de la formula de binomial es la siguiente:

n ! x (n-x)
P(X , n , p ) = * p * q
X ! ( n X ) !

Donde :

P(X, n): la probabilidad de x xitos en n intentos.
q : es l numero de ensayos o tamao de la muestra.
X: numero establecidos de xitos.
: la probabilidad del xito en cada ensayo
q : la probabilidad del fracaso = (1 p)


4.2. APLICACIN DE LA FORMULA
BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Se aplicara la formula para resolver el siguiente problema

La probabilidad de que un prospecto de venta aleatoriamente realice una compra es
de 0,20, Si un representante de ventas visita a cinco prospectos, cul es la
probabilidad de que realice exactamente cuatro ventas?
Utilizando la formula, primero identifiquemos

La variable: Numero de prospectos de venta
Extraer los datos :

q = 5 prospectos

X: numero de ventas realizadas

: la probabilidad de vender u prospecto es 0,20

q : la probabilidad de no vender un prospecto es 0,80 ( 1 0,20)



4.2. APLICACIN DE LA FORMULA
BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Se expresa la pregunta en una probabilidad ,pudiendo tomar la forma de
P(X=x)
P(X<X)
P(x>x)
P(X s X)
P(X > X) EN ESTE CASO ES DE P(X=3)



Se aplica la formula directamente.

4.2. APLICACIN DE LA FORMULA
BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Sustituyendo, queda

5! 3 (5 -3)
P(x = 3) = (0,20) (0,80)
3! (5 3 ) !

Aunque esta formula puede parecer un tanto complicada, se le puede utilizar con
bastante facilidad. El smbolo ! significa factorial y se calcula de la siguiente manera:

5 x 4 x 3 x 2 x 1
P(x = 4 ) = (0,0016) (0,64)
( 3 x 2 x 1) (2)

P(x=4) = 0,0512

Por lo tanto existe la probabilidad de 0,0512de vender 3 prospectos en cinco visitas a los
clientes.
.

4.3. PROCEDIMIENTO PARA UTILIZAR
LA TABLA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Las tablas de binomiales proporcionan mtodo muy practico para el anlisis estadstico, adems
que es ms fcil de utilizar y su aplicacin es ms rpida que la formula. Sobre todo en casos que
el tamao (n) es muy grande.

Hay diversidad dos tipos de tabla las individuales y las acumuladas o conjuntos de resultados,
aunque ambas tienen el mismo tipo de informacin, a saber :

P(X = x) Probabilidades Individuales
P(X s X)
P(X > X)

La expresin empleada para representar las coordenadas a buscar en la tabla es la siguiente:

X~ b ( X, n , p)

Probabilidades acumuladas
4.3. PROCEDIMIENTO PARA UTILIZAR
LA TABLA BINOMIAL

DISTRIBUCIONES DE PROBABILIDAD

Las tablas tienen las siguientes caractersticas

Las probabilidades que se muestras en la parte interna .

- Los tamaos de la muestra(n) se indican en sentido descendente en la parte lateral

El numero posibles de xitos(X), se encuentran en sentido descendente en la parte
lateral para cada valor de n

Los valores de p se muestran en la parte superior de la tabla




4.3. PROCEDIMIENTO PARA UTILIZAR
LA TABLA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
La tabla acumulativa se puede utilizar en diferentes formas, realizando las
transformaciones de acuerdo a forma de acumulacin. Se aplicara en el ejemplo de la
seccin de la formula de binomial con la tabla de P(X s X) para verificar el resultado.
P ( x=3) : la probabilidad de que se vendan 3 de 5 prospectos, siguiendo los
pasos que continuacin se explican:
Listar o enumerar los resultados posibles para una muestra dad evitara confusiones y
ayudara a obtener las probabilidades en donde las formas son distintas a la mostrada en
las tablas
Primero se debe enumerar los xitos posible n
0 1 2 3 4 5
Se subraya la probabilidad deseada x
+
0 1 2 3 4 5
exactamente 3
4.3. PROCEDIMIENTO PARA UTILIZAR
LA TABLA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Para conseguir la probabilidad se procede as
P(x=3) = P( x s3) - P ( xs 2)
P (x=3,n=5,p=0,20)= X ss b ( x, n, p) - X ss b ( x, n, p)
Sustituyendo los valores
X ss b (3,5,0,20) - X ss b (2,5,0,20)

Para buscar los valores en tabla se sigue los siguientes pasos(Ver Anexo N1)
En la parte lateral se arriba hacia abajo se localiza n
Identifique la el numero de xitos deseados x en la lista de resultados posibles respecto a
ese subconjunto.
En la parte superior se encuentra los valores de la probabilidad se encontrara en la
interseccin de la columna de la parte 1 y 2.se repite los pasos para cada parte del
planteamiento

4.3. PROCEDIMIENTO PARA UTILIZAR
LA TABLA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
La probabilidad resultante seria la siguiente:

P(X = 3 ) = 0,9933 - 0,9421 = 0,0512
Por lo tanto existe la probabilidad de 0,0512de vender 3 prospectos en cinco visitas a los
clientes.
Nota se podr buscar la probabilidad directamente en esta tabla cuando se traten los casos
de P(X s X), en caso contrario se tiene que transformar los valores siguiendo el
procedimiento antes descrito.

4.4. MEDIDAS DE TENDENCIA CENTRAL Y DE
DISPERSIN PARA LA DISTRIBUCION BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
La distribucin Binomial tiene valor esperado o media y desviacin estndar.
La Media es el promedio a largo plazo, o el valor esperado de una variable aleatoria
binomial. Simblicamente, podemos representarlas como:
= n*
La desviacin estndar de una distribucin binomial indica el grado en que los valores
mustrales tendern a variar a partir de la media de la distribucin.
Se puede calcular usando la formula:


en la que:
n = nmeros de ensayos
= probabilidad del xito
q = probabilidad de fracaso 1 -
q p n * * = o
4.4. MEDIDAS DE TENDENCIA CENTRAL Y DE
DISPERSIN PARA LA DISTRIBUCION BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD
Para ver la forma de utilizacin de las ecuaciones, se toma el caso de la maquina
empacadora que produce el 0,20 de paquetes defectuosas. Si tomamos una muestra
aleatoria de 10 paquetes, calcular la media y la desviacin estndar.
= n
= (10 ) (0.20) = 2


o= (10) (0,20) (0,80) = 1,265

La media de 2 en lo referente al nmeros de xitos se interpreta como l numera
promedio de xitos a largo plazo en la muestra de 10 observaciones. La desviacin
estndar refleja la variabilidad que presentaran las muestras individuales.
q p n * * = o
5.5. DISTRIBUCIN BINOMIAL
PROBLEMA
DISTRIBUCIONES DE PROBABILIDAD
Una empresa que fabrica vehculos sospecha que el 40% de su produccin esta
defectuosa en alguna forma. Si esta sospecha es cierta , encuentre la probabilidad de
que una muestra de 5 vehculos sea :

a. A lo sumo 3 defectuosos..
b. Mas de 1 defectuosos.
c. Entre 2 y cuatro no defectuosos, inclusive.
d. Por lo menos 4 defectuosos.
e. Cul es el promedio de vehculos defectuosos de la produccin y la desviacin
estndar?.
5.5. DISTRIBUCIN BINOMIAL
PROBLEMA
DISTRIBUCIONES DE PROBABILIDAD
PROCEDIMIENTO
Identificar la variable:__________________________________________________
Identificar Datos del problema:


Expresar cada interrogante en una funcin de probabilidad

Segn sea el caso liste el numero de casos para realizar las transformaciones.



Busque en la tabla las probabilidades

4.5 DISTRIBUCIN BINOMIAL
PROBLEMA
DISTRIBUCIONES DE PROBABILIDAD


5. DISTRIBUCIN DE POISSON
5.1. CARACTERISTICAS


Es una funcin de distribucin de probabilidad que puede usarse para determinar la
probabilidad de ocurrencias de un numero establecidos de eventos cuando estos se dan en un
continuun temporal o espacial, es decir, durante un intervalo continuo o campo que se dan los
eventos.

Este proceso se llama de Poisson, aunque parecido el de Bernoulli, existe si se puede
observar eventos discretos en un rea de oportunidad, un intervalo continuo. Los siguientes
son ejemplo de este proceso:

Nmeros de llamadas por hora
Nmeros de llegadas de vehculos al da
Nmeros de chispas por galleta
Numero de accidentes registrados en la semana.


5. DISTRIBUCIN DE POISSON
5.1. CARACTERISTICAS

El proceso de poisson tiene las siguientes caractersticas:

La probabilidad de observar exactamente un xito en el intervalo es estable.

La probabilidad de observar exactamente mas de un xito en un intervalo es cero.

La ocurrencia de un intervalo es estadsticamente independiente de aquella en cualquier otro
intervalo.

Una caracterstica importante de la distribucin de poisson es que la media y la varianza o ,
son cada una iguales al parmetro .





5.2. APLICACIN DE LA FORMULA
DE POISSON


Si una variable se describe como una distribucin de poisson, cumpliendo las propiedades del
proceso, entonces la probabilidad se obtiene mediante la siguiente formula:
-
e
P ( x ) =
X!


En la cual,
P(x): probabilidad de obtener exactamente x presentaciones

X : se refiere al numero de xitos posibles por unidad.

:promedio o nmeros esperado de xitos por unidad, en ocasiones se representa como .

e: logaritmo neperiano que es una constante de aproximadamente de 2,71828, en tanto
que los valores e - pueden obtenerse en el anexo N 2.

5.2. APLICACIN DE LA FORMULA
DE POISSON


Suponga, que en un departamento de reparacin de maquinarias se recibe en promedio de
cinco llamadas de servicio por hora. La probabilidad de que en una hora determinada se
reciban tres llamadas de servicio es

3 - 5
( 5 ) e
P ( 3 ) =
3!



( 125 )(0,00674)
P ( 3 ) =
6

P ( 3 ) = 0,1404

La probabilidad de que se reciban exactamente tres llamadas en una hora es de 0,1404 o de
14,04%.






5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON


Las tablas de Poisson, al igual que las de binomial, proporcionan un mtodo conveniente para
obtener las probabilidades con un mnimo de tiempo y de esfuerzo. Existen tablas Poisson
individuales y acumuladas.

Como la distribucin de Poisson es una funcin solo de la media del proceso, las tablas estn
diseadas para proporcionar las probabilidades con base a esta caracterstica.

Supngase que se empleara el mismo ejemplo del numero de llamadas promedio en un
departamento de reparacin de maquina es 5, cual ser la probabilidad de recibir
exactamente tres llamadas?

Siguiendo el siguiente procedimiento:
Identificar la variable: Numero de llamadas por hora
Datos :

: en promedio 5 llamadas en un hora

Se expresa en una probabilidad: P(X=3)

5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON


Se aplicara las tablas acumulativas presentadas en el anexo N 3, por las razones
especificadas en la distribuciones Binomiales, la cual tiene las siguientes caractersticas:

Proporciona sumas de probabilidades, es acumulada.

Muestra probabilidades para x o menos ocurrencias.

En la parte superior se refleja la media del proceso o .

Lateralmente se encuentra x ocurrencias por unidad.

Para simplificar en gran medida el trabajar con las tablas acumulativas enumrese todos los
resultados posibles y subraye los resultados para lo que se quiere, expresndose:
+
0 1 3 4 5 . . . n






5.3. PROCEDIMIENTO PARA APLICAR
LA TABLA DE POISSON


Quedando

P ( x = 3\ = 5) = P ( x s 3 ) - P ( x s 2 )
X ( , x) - X ( , x)

X (5, 3) - X (5, 2)

Se ubica en la tabla
El promedio de 5 en la parte superior de la tabla
En la parte lateral se localiza x, la probabilidad de x se encuentra en la interseccin de la fila
con la columna del promedio o .
Sustituyendo en el planteamiento de las probabilidades de la tabla

P ( x=3) = 0, .2650 - 0,1247 = 0,1403


La probabilidad de que se reciban exactamente tres llamadas en una hora es de 0,1403 o de
14,03%.





5.4. DISTRIBUCIN DE POISSON
PROBLEMA


El numero promedios de radios que se venden en una tienda de electrodomsticos por
da se aproxima mediante el mtodo de Poisson, con una media de 4 radios por da.
Cul es la probabilidad de que la tienda venda:
a) Exactamente 2 .
b) Por lo menos 4, en tres das.
c) A lo sumo 5, en 2 das
d) Mas de 8, en 3 das
e) Por lo menos 6 pero no mas de 9 , da y medio

PROCEDIMIENTO
Identificar la variable:__________________________________________________
Identificar Datos del problema:




5.4. DISTRIBUCIN DE POISSON
PROBLEMA


Segn sea el caso liste el numero de casos para realizar las transformaciones.



Busque en la tabla las probabilidades




5.4. DISTRIBUCIN DE POISSON
PROBLEMA






6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS


Las distribuciones normales fueron descubiertas en el siglo XVII, se le conoce como
distribuciones guasiana en reconocimiento de Karl Gauss.

Es una distribucin de probabilidad continua tanto simtrica como mesocurticartica, es decir
ni plana , ni afilada.

La distribucin normal es una distribucin terica que proporciona una aproximacin muy
razonables de los datos reales, por lo tanto la curva normal es un modelo que debe
interpretarse como que una distribucin de frecuencia que se ajusta a los resultados posibles.

La distribucin normal tiene las siguientes propiedades:
Tiene forma de campana y es simtrica .
Debido a su simetra las medidas de tendencia central( media, moda y media) se
encuentran en el centro, en consecuencia tiene el mismo valor.
Su variable aleatoria asociada tiene un alcance infinito (- < X < + ).


6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS


Los dos extremos de la distribucin normal se extiende infinitamente y nunca toca el eje
horizontal.
Hay toda una familia de distribuciones normales de probabilidad. Cada distribucin se
distingue por dos parmetros, la media y la desviacin estndar.
La desviacin estndar determina el ancho de la curva.por ello existen infinidad de curvas.
El rea total bajo la curva de la distribucin normal de probabilidad es 1.00.
La probabilidad de un variable aleatoria normal se determina con las reas bajo la curva. Las
probabilidades de ciertos intervalos que mas se usan:
Aproxidamente el 68% de todos los valores de la poblacin normalmente
distribuidas se encuentra dentro de 1 desviacin estndar de la media
Aoroxidamente el 95,5% de todos los valores de la poblacin normalmente
distribuidas se encuentra dentro de 2 desviacin estndar de la media
Aproxidamente el 99,7% de todos los valores de la poblacin normalmente distribuidas
se encuentra dentro de 3 desviacin estndar de la media .





6.DISTRIBUCIN DE PROBABILIDA NORMAL
6.1. CARACTERSTICAS






6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA


Debido a las caracterstica de que hay una infinidad de curva, no es posible tener una tabla
para cada curva , para ello se utiliza la distribuciones de probabilidad normal estndar para
encontrar reas bajo la curva normal.
Esto equivale a utilizar la media como punto de referencia, y la desviacin estndar como
una medida de la distancia de dicho punto de referencia. Se utiliza una nueva escala que se
conoce como Z, al usar la formula de transformacin:



En donde
Z = Numero de desviaciones estndar a partir de la media
X = algunos valores de interes
= media de una distribucin normal
o = desviacin estndar



X
X
X
Z
o

=


6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA


Una distribucin normal estandarizada es una distribucin de densidad de probabilidad cuya
variable aleatoria Z siempre tiene una media x = 0 y una desviacin estndar o x = 1.
Por lo tanto, siempre se puede convertir cualquier conjunto de datos normalmente
distribuidos en su forma estandarizada y despus determinar cualquier probabilidad a partir
de la tabla de distribucin normal estandarizada.
Para llevar a conocer la probabilidad de una variable continua aplicando la distribucin
normal estandarizada se debe seguir una serie de pasos, la cual se explicaran con un
ejemplo:
Se sabe que un componente elctrico sigue una distribucin normal con una media de
2.000 horas y una desviacin estndar de 200 horas. La probabilidad de que un componente
dure menos de de 2400 horas se calcula de la siguiente manera:
Identificar la variable: Duracin de los componentes elctricos en horas
Se se extraen los datos del problema
X = horas de duracin de un componente elctrico.
= 2.000 horas en promedio
o = 200 horas


6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA


La probabilidad a calcular se expresa en funcin
P ( X < 2.400)
Los valores reales de X se transforma a una escala z, con la formula



Sustituyendo




La probabilidad se transforma en
P ( Z < + 2)

X
X
X
Z
o

=
2
200
000 . 2 400 . 2
+ = =

Z


6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA



Una vez cambiado las unidades reales en unidades de Z, se ubica en la tabla normal
estndar del anexo N 4 , la cual nos indica la distancia relativas a partir de la media , que
tiene las siguientes particularidades:

1. Representa valores acumulados , para valores de Z o menos.

2. Esta dividido el valores negativos y positivos, es decir como Z es 2.00 se utiliza la tabla
positiva.

3. Los valores de z se presentan en dos partes, en primer lugar, hacia abajo en el lado
izquierdo de la tabla se localizan los valores enteros y el primer decimal, (como 2.0 ),el
ultimo digito aparece en la parte superior. El rea bajo la curva se encuentra en la
interseccin de la fila 2.0 y la columna 0.00. como lo muestra la figura N 1


6.2. DISTRIBUCIN NORMAL
ESTANDARIZADA


Z .00 .01 .02 .03 ........ .09
0.0
0.1
1.0
1.9
1.0 2.0 . 9772
1.1

Figura N 1
rea bajo la curva normal entre la media y 2.00
Los probabilidad reflejada en la tabla es para valores de x o
menos , por lo tanto se da directamente el resultado,
quedando
P ( Z < + 2.00) = 0.9772

La probabilidad de que de que un componente de una
maquina dure menos de 2.400 horas es 0.9772 o 97,72%



6.2. DISTRIBUCIN NORMAL ESTANDARIZADA



PROBLEMA
El gerente de un supermercado desea hacer un estudio de la demanda semanal de
sacos de harina de 5 libras para pedidos oportunos a sus proveedores y no tener
periodos de desabastecimientos. Con una demanda media de 720 libras y una varianza
de 256 libras
2

Encuentre la Probabilidad de que la demanda en una semana sea :
a. Mas de 728 libras
b. Menos de 716 libras
c. Entre 680 y 760 libras.
PROCEDIMIENTO
Identificar la variable:__________________________________________________
Identificar Datos del problema:





6.2. DISTRIBUCIN NORMAL ESTANDARIZADA



PROCEDIMIENTO
Expresar en funcin de probabilidad

Transformar a valores Z con la formula :





Buscar en la tabla el valor resultante Z=



X
X
X
Z
o

=


6.2. DISTRIBUCIN NORMAL ESTANDARIZADA










7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS








La distribucin Chi Cuadrado se simbolizada con la letra griega x
2
,supngase
que se tiene una de variable aleatoria de la que se sabe que su distribucin es
normal e independientes entre si, la suma de los cuadrados de estas variables se
dice que es variable chi cuadrado, con (gl) grados de libertad. Es decir;
x
2=

Caractersticas
Una variable aleatoria chi cuadrado solo puede ser positiva o cero, hay un numero
infinito de distribuciones.
Si X tiene una distribucin normal estndar, x
2
tiene una distribucin x
2
con
grados de libertad = 1
La media de la distribucin chi cuadrada es igual a su numero de grados de
libertad y su varianza es igual al doble del numero de grados de libertad.


2 2
2
2
1
......
n
x x x + +
gl =
gl 2
2
= o



7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS








La grafica del x
2
con 1 grado de libertad tiene sesgo positivo, no es simtrica,
como se muestra en la figura N2 Conforme el grado de libertad aumenta, la
distribucin est menos sesgada cada vez, en realidad la distribucin chi cuadrado
se acerca cada vez mas a la distribucin normal, conforme el numero de grados de
libertad tiende a infinito

Figura N 2
Curva de Distribucin Chi cuadrado para un grado de libertad

0 1 2 3 4 5 6
Fuente: Elston, Robert. 1.987, pag.147



7. DISTRIBUCIN CHI CUADRADO
7.1. CARACTERISTICAS








Debido a su independencia es un estadgrafo de enorme utilidad, es no
paramtrico o de distribucin libre.
Se utiliza como contraste de significacin cuando los datos son frecuencias tanto
absolutas con relativas, as como porciones.
Empleo de x
2 ,
Para comprobar si una distribucin difiere de alguna distribucin previamente
establecidas
Estimar los valores de la varianzas o desviacin estndar poblacional
En el contraste de hiptesis de diferencia de las respuestas de dos o mas grupos,
los datos son anotados en una tabla de contingencia.
En el contrate de bondad de un ajuste, que consiste en juzgar cuantitativamente
en que medida unos datos observados obedecen a una distribucin, normal o no.



7.2. ROCEDIMEINTO PARA UTILIZAR LA TABLA DE
CHI CUADRADO








8.DISTRIBUCION F

CARACTERSTICAS.

Una distribucin f es la razn de dos variables chi cuadrado con n
1
-1 gl1 como el numero de
grados de libertad para el numerador y n
2
-1 como el numero de grados de libertad para el
denominador.As la F puede designarse como F n
1
-1 ; n
2
-1

Siendo una razn de dos cantidades al cuadrado, una variable F varia de valor de 0 a infinito.

Hay una distribucin F para cada par de enteros positivos, n
1
-1 ; n
2
-1

Como la distribucin chi cuadrado, una distribucin F es positivamente asimtrica, pues su
simetra se reduce con lo aumentos de n
1
-1 ; n
2
-1

Si X es F n
1
-1 ; n
2
-1 entonces Y= 1/x es bsicamente F n2-1 ; n
1
-1. Esta es la
propuedad reciproca de F distribuciones y puede expresarse tambin como





( )
1 , 1 ;
1 , 1 ; 1
1 2
2 1
1

=
=
n n
n n
F
F
o
o
8.DISTRIBUCION F

CARACTERSTICAS.

Donde o y 1-o designan puntos porcentuales de cola inferior de una distribucin F, anlogos
para la distribucin normal, Zo y Z1-o

La media y la varianza de F n
1
-1 ; n
2
-1, respectivamente son

E(F)= n
2
-1/ n
2
-1-2 para n
2
-1>2

V(F)










| |
n
n n n 2 1 2
2 1 2
+
REPASEMOS
Hemos estudiado las distribuciones de probabilidad para variables
discretas y continua, manejado las tablas de distribucin chi cuadrado y F.
Has llegado al final del mdulo, realizars la auto-evaluacin final
la cual te permitir determinar el nivel de aprendizaje que has
obtenido durante el proceso de enseanza-aprendizaje.
Si lo consideras necesario lee de nuevo el mdulo para que fijes o
refuerces lo aprendido...
AUTOEVALUACIN
1. Realice un mapa mental sobre los tipos de distribuciones de Probabilidad, discretas y
continuas y dems revisadas en el modulo
AUTOEVALUACIN
A causa de las condiciones imperantes ,una empresa informa que el 60% de sus
cuentas por cobrar a otras empresas no estn sobrevencidas . si un contador toma
una muestra de 10 de estas cuentas. Determine la probabilidad de que :

a. a. Exactamente la mitad no estn sobrevencidas.
b. b. Mas del 20% de la muestra no han sido pagadas a la fecha.


AUTOEVALUACIN
g)
BIBLIOGRAFA
ANDERSON, David; Sweeney, Dennis y otros. (1.990) Estadistica para
Adiministacin y Econmia. International Thomson Editores
BERENSON, M. y LEVINE, D. (1996). Estadstica bsica en administracin.
Mxico. Prentice Hall.
ELSTON, ROBERT C. Y JHONSON, WILLIAM. (1987). Principios de bioestadstica.
Mxico.Editorial el Manual Moderno, S.A..
DOWNI, N.M. (1973). Mtodos estadsticos aplicados .Mxico. Editorial Harla.
KAZMIER , L. (1998). Estadstica aplicada a la administracin y economa.
Mxico. Mc Graw Hill.
LEVIN,RICHAR. y RUBIN DAVID(1.996). Estadstica para administradores.
Prentice Hall editorial .
STEVENSON, WILLIAM. Estadstica para administracion y economa. Ediciones
Karla.