Variable

aleatoria
continua

Cada resultado de un experimento aleatorio puede

asociarse a un nmero real. La funcin que asocia
un nmero real a cada elemento de un espacio
muestra se denomina variable aleatoria.
Ejemplo:
Lanzamiento de tres monedas
Resultado

Variable aleatoria

(c, c, c)

(c, c, s) ; (c, s, c) ; (s, c,

c)

(c, s, s) ; (s, s, c) ; (s, c,

s)

(s, s, s)

Clasificacin de variables
aleatoria
En forma similar a como se clasificaron las variables
cuantitativas, las variables aleatorias pueden ser: discretas y
continuas.
Una variable aleatoria discreta es aquella que puede asumir
una cantidad finita de valores, o una cantidad infinita
numerable de valores.
Ejemplo: En una muestra aleatoria de 50 personas, la cantidad
de ellos que tiene ojos de color caf es una variable aleatoria
discreta, ya que los posibles valores que puede tomar son
{0, 1, 2, 3, , 50}
En cambio, una variable aleatoria continua es la que puede
tomar cualquier valor numrico en un intervalo o conjunto de
intervalos.
Ejemplo: La estatura de una persona escogida al azar
corresponde a una variable aleatoria continua, ya que puede
tomar cualquier valor posible en un intervalo.

Ejemplo: completa la tabla indicando, en cada caso, si

la variable aleatoria es discreta o continua.
Variable aleatoria X
Cantidad de respuestas
correctas al responder 10
preguntas en una prueba.
Cantidad de caloras quemadas
por 20 personas al realizar un
ejercicio fsico
Cantidad de ampolletas
defectuosas al revisar 50
ampolletas
Tiempo que demoran 10
personas para armar la primera
cada de un cubo rubik

Posibles valores Tipo de

de x
variable

Distribucin de
probabilidad de una
En una variable aleatoria discreta la distribucin de
variable
aleatoria
probabilidad se describe mediante una funcin de
probabilidad
f(x). Esta funcin muestra la
probabilidad de que la variable tome un valor
particular.
En cambio, en las variables aleatorias continuas, la
funcin de probabilidad
es llamada
A diferencia
de lafuncin
funcin de
de
densidad de probabilidad
(tambin la
se denota
f(x))de
probabilidad,
funcin
densidad
no
determina
directamente dicha probabilidad,
sin embargo, el rea bajo la
P(a < X <
grafica de f(x) entre dos puntos,
b)
a
y
b,
determina
la
probabilidad
de
que
la

y
f(x)

El rea bajo la curva es igual

a 1. El dominio de f esta
entre [0, 2]
0

Ejercicio: A partir de la funcin f, definida en el intervalo [

0,5; 1] y cuya grfica se muestra en la figura siguiente:

a.Determina si f puede ser la funcin de densidad de una VAC.

b.Calcula P(X = 0,5), P(X < 0), P(0,5 < X < 1) y P(X > 2).

Distribucin de
probabilidad Normal

La manera grfica de representar una distribucin

normal, es la siguiente:

En este caso, decimos que la variable aleatoria X tiene

distribucin normal con media y desviacin
estndar , y la denotamos como X ~ N(, ). Su
grfica es una curva con forma de campana.
Importante: El valor de los parmetros y influyen
en la forma de la grfica de la funcin de densidad de
la distribucin normal.

Por ejemplo, las siguientes grficas muestran ejemplos de

distribuciones con la misma media , pero diferente
desviacin estndar :
Y

N(0 , 2)

Observacin: La
desviacin estndar
depende de cun
N(0 , 1) dispersos estn los
datos: a mayor
desviacin estndar,
la grfica es ms baja
X y ms ancha, ya que
los datos se
encuentran ms
dispersos.

La siguiente grafica corresponde a las funciones

de densidad de tres variables aleatorias con
distribucin normal, con diferente media y la
misma desviacin estndar.

N(-3 ,
1)

Observacin: Todas
tienen la misma
N(0 , 1) N(3 , 1) forma sin embargo el
eje de simetra de las
funciones cambia ya
que las
distribuciones
poseen medias
diferentes.

Otras
propiedades
Los extremos se prolongan de modo indefinido en ambas
direcciones y, tericamente, nunca tocan el eje horizontal
aunque se aproximan a el.
Las probabilidades para la variable aleatoria con distribucin
curva normal
normal se definen mediante reas Como
bajo lalacurva:
representa una funcin de
densidad, entonces el rea
total bajo la curva debe ser
igual a 1.

Adems, como la
distribucin es
simtrica, el rea bajo la
curva a la izquierda de la
media es 0,5 y el rea bajo
la curva a la derecha de la

Para la distribucin normal se cumple que:

El 68,26 % de los valores de una variable
aleatoria normal esta dentro de mas o menos una
desviacin estndar de su media.
El 95,45 % de los valores de una variable
aleatoria normal esta dentro de mas o menos dos
desviaciones estndar de su media.
El 99,73 % de los valores de una variable
aleatoria normal esta dentro de mas o menos tres
desviaciones estndar de su media.

Ejemplo:
1. En un hospital, las estaturas, en centmetros, de los recin
nacidos se distribuyen N(46, 2). Cual es la probabilidad
de que un recin nacido mida menos de 46 cm?
2. De un colegio mixto egresaron 210 varones y 225 damas.
Las estaturas de los varones se distribuyen N(1,71; 0,4), y
las de las damas, N(1,64; 0,3), en metros. a. Cuntos
varones miden ms de 1,71 m?
b. Cuntas damas miden menos de 1,64 m?
c. Si se selecciona a un alumno al azar, cul es la
probabilidad de que mida a lo
ms
1,67 m?
1. Los tiempos, en segundos, realizados en las prcticas de
atletismo del Colegio Cordillera se distribuyen N(12,8; 0,8)
y los tiempos del Colegio Entrelagos, N(12,2; 1).
Determina qu porcentaje de atletas:
a. del Colegio Cordillera demoraron ms de 12,8 s.
b. del Colegio Cordillera demoraron menos de 13,6 s.
c. del Colegio Entrelagos demoraron ms de 10,2 s.

Distribucin normal
Si tenemos una variable aleatoria continua con
estndar

distribucin normal, en la que la media es igual a 0 y

la desviacin estndar igual a 1, es decir, = 0 y
= 1, entonces la variable aleatoria tiene
distribucin normal estndar y se denota X ~
Para
calculo de probabilidades en distribucin
N(0, el
1).
normal estndar se han construido tablas que
presentan las reas bajo las curvas y, por lo tanto,
permiten determinar de manera rpida las
probabilidades.

Es decir, la
probabilidad de
que la variable
aleatoria tome
un valor menor
o igual a 1,41 es
0,92073.

Ejemplo 2: Dada una variable aleatoria continua

que distribuye
N(0, 1), calcula la probabilidad de que tome un valor
entre 0,22 y 1,35.
Para determinar la probabilidad
de que la variable aleatoria
tome un valor entre 0,22 y 1,35,
debemos calcular la diferencia
entre cada probabilidad, es
P(0,22 < X < 1,35) = P(X < 1,35) P(X < 0,22)
decir:

= 0,91149 0,58706
= 0,32443
Por lo tanto, la probabilidad
de que la variable aleatoria
tome un valor entre 0,22 y
1,35 es 0,32443.

Ejemplo 3: Calcula la probabilidad de que una

variable aleatoria con distribucin normal

estndar tome un valor mayor que 0,56.
Para determinar la
probabilidad del rea pintada
se puede calcular restando el
rea entre y 0,56 al rea
total. Es decir:
P(x > 0,56) = 1 P(x < 0,56)

= 1 0,71226
= 0,28774
Por lo tanto, la probabilidad de que una variable
aleatoria con distribucin normal estndar tome un
valor mayor que 0,56 es 0,28774.

Ejemplo 4: Calcula la probabilidad de que una

variable aleatoria con distribucin normal

estndar tome un valor menor que 0,71.

En la tabla de distribucin
normal no existen valores
negativos, pero dado que la
distribucin normal estndar
es simtrica respecto al cero,
se cumple que:
P(X < 0,71) = 1 P(X < 0,71)

=1

0,7612

= 0,2388
Por lo tanto, la probabilidad de que una variable
aleatoria con distribucin normal estndar tome un
valor menor que - 0,71 es 0,2388.

Ejemplo 5: Si la grafica de la figura representa la

funcin de densidad de una VAC que distribuye

N(0, 1), determina el valor de a, de modo que el
rea bajo la curva entre 0 y a sea 0,45907.
Esta parte
de la
grfica es
igual a 0,5

Luego, si sumamos
esta rea con el
rea pintada,
tenemos:
0,5 + 0,45907 =
0,95907.

Finalmente, si nos fijamos en la tabla de

distribucin normal, observamos que el valor
0,95907 se obtiene cuando a es igual
a 1,74.

Ejercicios:
1. Z es una variable aleatoria con distribucin normal estndar.
Utilizando la tabla de la distribucin normal, encuentra los
valores de z tales que:
A. P(Z < z) = 0,6664
B. P(Z < z) = 0,98077
C. P(Z > z) = 0,23576
D. P(Z > z) = 0,48006
E. P(Z < z) = 0,82639
F. P(Z > z) = 0,00003
Usando la tabla de la distribucin normal, calcula las
siguientes probabilidades, asumiendo que Z es una variable
aleatoria que distribuye N(0, 1).
1.P(Z < 1,34)
2.P(Z < 3,09)
3.P(Z < 1,14)
4.P(Z > 2,21)
5.P(Z < 0,14)
6.P(Z > 1,49)

Aplicaciones de la
distribucin normal
La tabla de distribucin normal no solo nos permite
calcular probabilidades relacionadas con la
distribucin normal estndar, sino que tambin
podemos calcular probabilidades relacionadas con
cualquier distribucin normal. Esto se debe a que
todas las distribuciones de probabilidades normales
se determinan a partir de la normal estndar.
Para convertir cualquier distribucin normal en una
estndar, debemos hacerlo de la siguiente forma:

A este procedimiento se le conoce como

tipificacin.

El resultado de una prueba de 4

medio tiene una distribucin N(5,3; 0,6). Si 150
estudiantes rindieron la prueba, cul es la
probabilidad de que al escoger a un estudiante al
azar este haya logrado al menos un 6,0?.
Ejemplo 1:

Ejemplo 2: Se ha calculado que el tiempo de

espera en la fila de un banco tiene una

distribucin N(18, 6), en minutos. Calcula la
probabilidad de que una persona tenga que
esperar entre 10 y 20 minutos en la fila..

Necesitamos calcular la probabilidad P(10 < x <

20), que equivale a la diferencia entre P(x < 20) y
P(x < 10).
Cuando x =
10
Cuando x =
20
P(Z < -1,33) = 1 - P(Z < -1,33) = 1 - 0,90824 =
0,09176
P(Z < 0,33) = 0,6293
Finalmente: P(10 < x < 20) = P(x < 20) P(x <

10)
= 0,6293 0,09176 =

Ejercicios
1. Considera la variable aleatoria X ~ N(2, 3). Usando la tabla
de la distribucin normal estndar, calcula las siguientes
probabilidades.
1. P(X > 0)
2. P(X < 1,1)
3. P(X > 2,3)
4. P(X > 1,3)
5. P(0 < X < 2,3)
6. P(1,3 < X < 1,1)
A. Considera las variables aleatorias X ~ N(1, 2) y Z ~ N(0, 1).
Encuentra valores de a para que se cumpla lo pedido.
1. P(Z < a) = 0,5
2. P(Z > a) = 0,5
3. P(Z < a) = 0,05
4. P(X > a) = 0,1
5. P(X > a) = 0,5
6. P(X > a) = 0,05