Esta Semana5

Semana No.
5
Nombre: Distribuciones de probabilidad continua. Primera parte.
Contextualización
¿Qué es la función de densidad?
En la última sesión aprenderás a definir y conocer la función de densidad, de distribución

acumulada, media y varianza de la variable aleatoria estándar.
Resolverás problemas que se relacionen con la variable aleatoria normal estándar, además
de conocer la función de densidad, media y varianza de variables aleatorias relacionadas
con la distribución normal.
Conocerás la relación entre la distribución binomial y la normal.
1
Introducción al Tema
¿Qué es la distribución de probabilidad normal?
La distribución de probabilidad más usada para describir variables aleatorias continuas es

la normal.
La distribución de probabilidad normal tiene una diversidad de aplicaciones prácticas, en
las que la variable aleatoria puede ser el peso o la estatura de las personas, puntuaciones de
exámenes, resultados de mediciones científicas, precipitación pluvial u otras cantidades
similares.
2
Explicación
Distribución normal. Relación entre distribución normal y binomial
¿Conoces algo sobre la distribución normal?

La variable aleatoria normal X representa el comportamiento de muchos fenómenos
naturales, sociales, económicos, industriales, etcétera. Por lo que es de uso bastante común.
La distribución se origina cuando el número de ensayos en una variable aleatoria discreta se
vuelve grande.
Características de la curva normal:
• También es llamada Campana de Gauss, curva de Gauss o curva normal.

• Es simétrica respecto a su valor central (𝜇)
• Su punto máximo coincide con la media(𝜇)
• Tiene puntos de inflexión situados a ambos lados de la media (𝜇) a una distancia
(±𝑛𝜎) de ella. (n = 1, 2, 3).
• Su área total bajo la curva es 1 (100%).
• Esta función no tiene una solución sencilla para calcular valores de probabilidad, por
lo que se requiere de una variable especial llamada variable normal estándar (Z).
3
Distribución normal estándar
Si X es una variable normal con E(X) = 𝜇 y V(X) = 𝜎 2 , entonces

𝑥̅ −𝜇
𝑧= , es una variable normal estándar.
𝜎
La media está dada por: E (Z)=0 y la varianza está dada por: V (Z)=1.
Ejemplo: el tiempo de preparación de una comida casera en particular se distribuye
normalmente con una media de 12 minutos y una desviación estándar de 5.3. Calcula la
probabilidad de que una comida:
a) Demore en ser preparada menos de 10 minutos.
b) Demore en ser preparada entre 10 y 13 minutos.
c) Demore más de 15 minutos.
Solución: 𝜇 = 12, 𝜎 = 5.3

10−12
a) x= 10 → 𝑧 = 5.3
= −0.38
P (z<-0.38) = P (z>0.38)= 1- P (z<0.38)

=1-0.6480 (dato de la tabla de distribución normal)
P (z<_0.38) =0.352
b) x= 10 y 13
10 − 12 13 − 12
𝑧= = −0.38, 𝑧= = 0.19
5.3 5.3
P (-0.38<Z<0.19) = P (z<0.19) – [1- P (z<0.38)]
= 0.5753 – 0.352 = 0.2233
15−12
c) x= 15 𝑧= 5.3
= 0.57
P (z>0.57)= 1- P (z<0.57)
= 1- 0.7157 = 0.2843
4
Cálculo de probabilidades binomiales usando la distribución normal
La distribución normal proporciona una aproximación a las probabilidades binomiales
considerando que la media µ=np y la desviación estándar  = np(1 − p) . Por lo tanto,
x − np
z= , n (z, 0,1)
np(1 − p)
Donde x es el número de éxitos buscados en n intentos.
Ejemplo: La probabilidad de que un alumno sea originario de Cd. Obregón, Sonora y viva
fuera de la casa paterna es de 0.3. Si se encuestan 35 alumnos, ¿Cuál es la probabilidad de
que exactamente 6 alumnos sean de Obregón y vivan fuera de su casa paterna?
Si deseamos b(x=6, n=35, p =0.3) entonces hacemos un ajuste: 6.5<x<7.5 y con este
intervalo de valores de calcula z1 y z2 para hacer el cálculo n(z,0,1) como de costumbre.
Para x= 8, 6.5 < x < 7.5
x1 − np 6.5 − (35)(.3) −4
z1 = = = = −1.47
np(1 − p) (35)(.3)(.7) 7.35
x1 − np 7.5 − (35)(.3) −3
z1 = = = = −1.10
np(1 − p) (35)(.3)(.7) 7.35
Entonces tenemos que: P (-1.47<x<-1.10) = P(-1.10)-P(-1.47)

Utilizando la tabla, tenemos que = 0.1357 - .0708 = 0.0649
5
Conclusión
En la sesión aprendimos que la distribución normal es la de mayor uso dentro de las

aplicaciones de probabilidad. Esto es debido a que modela cualquier fenómeno presente en
situaciones de todo tipo y es más fácil asumir como primer paso de la solución de un
problema que los datos presentados tienen una distribución normal.
En la siguiente sesión veremos otra distribución de probabilidad que se aproxima a la
distribución normal, esta es la distribución t-student.
Para aprender más

En este apartado encontrarás más información acerca del tema para enriquecer tu
aprendizaje.
Puedes ampliar tu conocimiento visitando los siguientes sitios de Internet.
• Legareza, J. (s/f). Distribución normal. Consultado el día 29 de octubre del 2013:

http://www.uv.es/ceaces/pdf/normal.pdf
6
Video relacionado con el tema:
• Ejercicios Distribución Normal I. (2012). Consultado el día 29 de octubre de 2013:

http://www.youtube.com/watch?v=z4Roykb7MkE
• Hernández, E. (2012). Distribución normal de probabilidades. Consultado el 29 de

octubre de 2013: http://www.youtube.com/watch?v=1yJ19xJcjAQ
Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

los ejercicios con más éxito.
Actividad de Aprendizaje
Con lo aprendido en esta sesión acerca de Distribución de probabilidad normal, resuelve el

siguiente ejercicio:
De acuerdo con un instituto, las personas duermen un promedio aproximado de 6.8 horas
por noche. Siendo que la desviación estándar es de 0.6 horas y que la distribución de
probabilidad es normal.
a. ¿Qué posibilidad existe de que al azar una persona duerma más de 8 horas?
b. ¿En qué estriba que una persona al azar duerma 6 horas o menos?
c. ¿Qué porcentaje de la población duerme entre 7 y 9 horas?
Sube tu trabajo a plataforma.
Bibliografía
Anderson, D., Sweeney, D., Williams, T. (2008). Estadística para

administración y economía. México: Editorial Cengage Learning.
7
Semana No. 5
Nombre: Distribuciones de probabilidad continua. Segunda
parte.
Contextualización
En la presente sesión aprenderás una de las aplicaciones principales de la distribución t-
student, los intervalos de confianza, la cual es utilizada en la estadística inferencial o
estadística estimada.
Al finalizar la sesión habrás aprendido a utilizar la distribución t-student para encontrar
intervalos de confianza con medias poblacionales desconocidas.
8
Introducción al Tema
En estadística inferencial cuando se calcula un intervalo de confianza para la media

poblacional, suele no contarse con una buena estimación de la desviación estándar
poblacional. En tales casos se usa la misma muestra para estimar µ y σ. Esta situación es el
caso que se conoce como σ desconocida.
¿Qué es la estadística inferencial?

¿Qué son los intervalos de confianza con varianza desconocida?
Cuando se usa s para estimar σ, el margen de error y la estimación por intervalo de la media
poblacional se basan en una distribución de probabilidad conocida como distribución t.
9
Explicación
Distribución T
¿Cómo es la distribución t?
Una de las principales contribuciones de la estadística es emplear datos de una muestra

para hacer estimaciones y probar hipótesis acerca de las características de una población
mediante un proceso que se le conoce como inferencia estadística.
A las características numéricas de una población, como la media y la desviación estándar, se
les llama parámetros. El principal propósito de la inferencia estadística es hacer
estimaciones y pruebas de hipótesis acerca de los parámetros poblacionales, usando la
información que proporciona una muestra.
Para estimar el valor de un parámetro poblacional, la característica correspondiente se
calcula con los datos de la muestra, a lo que se conoce como estadística muestral. Ejemplos:
la media, la desviación estándar y la varianza son llamados estimadores puntuales.
Como no se puede esperar que un estimador puntual suministre el valor exacto del
parámetro poblacional, se suele calcular una estimación por intervalo al sumar y restar al
estimador puntual una cantidad llamada margen de error.
La fórmula general de una estimación por intervalo es:
Estimador puntual ± Margen de error
El objetivo de la estimación por intervalo es aportar información de que tan cerca se

encuentra la estimación puntual, obtenida de la muestra, del valor del parámetro
poblacional.
Uso de la distribución de probabilidad t-student para el cálculo de intervalos de confianza
con σ desconocida.
La distribución t es una familia de distribuciones de probabilidad similares; cada
distribución t depende de un parámetro conocido como grados de libertad.
La distribución t para un grado de libertad es única, como lo es la distribución t para dos
grados de libertad y así sucesivamente. A medida que el número de grados de libertad
aumenta, la diferencia entre la distribución t y la normal estándar se va reduciendo.
10
Estimación por intervalo de la media poblacional: σ desconocida.
−
s
x  t 2
n
Donde s es la desviación estándar de la muestra, (1-α) es el coeficiente de confianza y tα/2 es
el valor de t que proporciona un área de α/2 en la cola superior de la distribución t para n-1
grados de libertad.
Para ilustrar la estimación por intervalo en el caso de σ desconocida, analizaremos el

siguiente ejemplo:
Estimar la media en el adeudo de las tarjetas de crédito en la población de familias de
Estados Unidos. No se cuenta con desviación estándar poblacional σ, pero se tiene datos
muestrales que deberán usarse para estimar tanto la media poblacional como la desviación
estándar poblacional.
Saldos en las TC de una muestra de 24 familias:
11
9430 7535 4078 5604 5179 4416
10676 1627 10112 6567 13627 18719

14661 12195 10544 13659 7061 6245
13021 9719 2200 10746 12744 5742
_
Con los datos de la tabla se calcula la media muestral ( x = $9004.46 ) y la desviación
estándar de la muestra (s=$4284.44). Ahora utilizaremos la tabla de probabilidades de la
distribución t-student para encontrar el valor de t0.025 correspondiente a 95% de confianza
y n-1 = 23 grados de libertad.
Dar clic en la siguiente liga para que observes la tabla tstudent:
Tabla de probabilidades distribución t-student
T23,0.025= 2.0687
Pasaremos a calcular la estimación por intervalo:
4284.44
9004.46  2.0687
24
9004.46  1809.20
La estimación puntual de la media es $9004.46, el margen de error es de $1809.20 y el
intervalo de confianza de 95% va de:
9004.46-1809.20 < x < 9004.46+1809.20
En consecuencia, 95% de confianza de la media de los saldos en las tarjetas de crédito de la
población de todas las familias esta entre $7195.26 y $10,813.66.
12
Conclusión
En esta sesión aprendimos el concepto de estadística inferencial y el uso de la distribución

de probabilidad t-student para calcular estimaciones por intervalo de confianza para la
media, cuando no se conoce la desviación estándar poblacional (σ).
Recordemos que el uso de la distribución t-student es directamente en la estadística
inferencial a través de estimadores puntuales y para muestras menores a 30.
Es importante considerar que esta distribución también está relacionada con la distribución
normal.
Para aprender más

En este apartado encontrarás más información acerca del tema para enriquecer tu
aprendizaje.
Puedes ampliar tu conocimiento visitando los siguientes sitios de Internet.
• Olea, F. (s/f). Técnicas estadísticas. Consultado el día 25 de septiembre del 2020:

https://www.ugr.es/~fmocan/MATERIALES%20DOCTORADO/testt2016.pdf
• ¿Cómo se utiliza la tabla de la distribución t-student? (s/f). Consultado el día 30 de

octubre del 2013:
13
http://web.udl.es/Biomath/Bioestadistica/Dossiers/Temas%20especiales/Estimac
ion/Como%20se%20utiliza%20la%20tabla%20t%20de%20Student%20(formulas
).pdf
Video relacionado con la distribución t-student:
• Distribucion t-student. (2011). Consultado el día 30 de octubre del 2013:

http://www.youtube.com/watch?v=miMjtkypyLg
Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

los ejercicios con más éxito.
Actividad de Aprendizaje
Con lo aprendido en esta sesión acerca de la distribución t-student y el cálculo de la

estimación de intervalo para la media con desviación estándar poblacional (σ) desconocida,
resuelve el siguiente ejercicio:
Los datos muestrales siguientes provienen de una población normal: 10, 8, 12, 15, 13, 11, 6,
5.
a. ¿Cuál es la estimación puntual de la media poblacional?
b. ¿Cuál es la estimación puntual de la desviación estándar poblacional?
c. Con 95% de confianza, ¿Cuál es el margen de error para la estimación de la media
poblacional?
d. ¿Cuál es el intervalo de confianza de 95% para la media poblacional?
Sube la actividad a la plataforma.
Bibliografía
Anderson, D., Sweeney, D., Williams, T. (2008). Estadística para administración y economía.
México: Editorial Cengage Learning.
14

Esta Semana5

Cargado por

Copyright:

Formatos disponibles

Esta Semana5

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Esta Semana5

Cargado por

Copyright:

Formatos disponibles

Semana No.

¿Qué es la función de densidad?

En la última sesión aprenderás a definir y conocer la función de densidad, de distribución

¿Qué es la distribución de probabilidad normal?

La distribución de probabilidad más usada para describir variables aleatorias continuas es

Distribución normal. Relación entre distribución normal y binomial

¿Conoces algo sobre la distribución normal?

Características de la curva normal:

• También es llamada Campana de Gauss, curva de Gauss o curva normal.

Si X es una variable normal con E(X) = 𝜇 y V(X) = 𝜎 2 , entonces

Solución: 𝜇 = 12, 𝜎 = 5.3

P (z<-0.38) = P (z>0.38)= 1- P (z<0.38)

Entonces tenemos que: P (-1.47<x<-1.10) = P(-1.10)-P(-1.47)

En la sesión aprendimos que la distribución normal es la de mayor uso dentro de las

Para aprender más

• Legareza, J. (s/f). Distribución normal. Consultado el día 29 de octubre del 2013:

• Ejercicios Distribución Normal I. (2012). Consultado el día 29 de octubre de 2013:

• Hernández, E. (2012). Distribución normal de probabilidades. Consultado el 29 de

Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

Con lo aprendido en esta sesión acerca de Distribución de probabilidad normal, resuelve el

Sube tu trabajo a plataforma.

Anderson, D., Sweeney, D., Williams, T. (2008). Estadística para

En estadística inferencial cuando se calcula un intervalo de confianza para la media

¿Qué es la estadística inferencial?

Una de las principales contribuciones de la estadística es emplear datos de una muestra

El objetivo de la estimación por intervalo es aportar información de que tan cerca se

Para ilustrar la estimación por intervalo en el caso de σ desconocida, analizaremos el

10676 1627 10112 6567 13627 18719

13021 9719 2200 10746 12744 5742

En esta sesión aprendimos el concepto de estadística inferencial y el uso de la distribución

Para aprender más

• Olea, F. (s/f). Técnicas estadísticas. Consultado el día 25 de septiembre del 2020:

• ¿Cómo se utiliza la tabla de la distribución t-student? (s/f). Consultado el día 30 de

Video relacionado con la distribución t-student:

• Distribucion t-student. (2011). Consultado el día 30 de octubre del 2013:

Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

Con lo aprendido en esta sesión acerca de la distribución t-student y el cálculo de la

Sube la actividad a la plataforma.

También podría gustarte