UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS ECONMICAS

ESCUELA DE ECONOMA DEPARTAMENTO DE MATEMTICA Y
ESTADSTICA.

RESUMEN DEL CAPITULO 6 LIBRO DE ANDERSON SWEENY WILLIAMS

CTEDRA: ESTADSTICA I
GRUPO: 02T
DOCENTE: LIC. DANIEL ENRIQUE, VSQUEZ GONZLEZ
PRESENTADO POR:
DAVID ALEXANDER CRUZ ROQUE

CR07020

CIUDAD UNIVERSITARIA, LUNES 23 DE NOVIEMBRE 2015.

INDICE

T E M A T I C O.

INTRODUCCIN.................................................................................................... i
OBJETIVOS........................................................................................................... ii
Objetivo General.............................................................................................. ii
Objetivos Especficos........................................................................................ ii
RESUMEN DEL CAPITULO 6: DISTRIBUCIONES DE PROBABILIDAD CONTINUA.....1
Distribucin de probabilidad uniforme.............................................................2
reas como medida de probabilidad................................................................2
Distribucin de probabilidad normal................................................................3
Curva normal................................................................................................... 3
Distribucin de probabilidad normal estndar.................................................6
Clculo de probabilidades en cualquier distribucin de probabilidad normal.. 7
Aproximaciones normales de probabilidades binomiales.................................8
Distribucin de probabilidad exponencial........................................................8
Clculo de probabilidades en la distribucin exponencial................................8
Relacin entre la distribucin de Poisson y la exponencial..............................9
CONCLUSIONES.................................................................................................. iii
BIBLIOGRAFA..................................................................................................... iv

INTRODUCCIN.

En el entorno mundial actual de los negocios y de la economa, todo mundo

tiene acceso a enormes cantidades de informacin estadstica. Los directivos y
los encargados de tomar decisiones que tienen xito entienden la informacin
y saben usarla de manera eficiente.

La estadstica es ocupada ampliamente en la toma de decisiones tanto

empresarial, contable, econmica y de finanzas, es una herramienta que se
define como como el arte y la ciencia de reunir datos, analizarlos, presentarlos
e interpretarlos. Especialmente en los negocios y en la economa, la
informacin obtenida al reunir datos, analizarlos, presentarlos e interpretarlos
proporciona a directivos, administradores y personas que deben tomar
decisiones una mejor comprensin del negocio o entorno econmico,
permitindoles as tomar mejores decisiones con base en mejor informacin.

Cave mencionar que la estadstica se basa en datos histricos reales y que su

utilizacin es para predecir de cierta manera los sucesos que probablemente
puedan a ocurrir en un periodo posterior, por lo cual se utiliza la inferencia
estadstica que una herramienta basada en inferir los datos en la toma de
decisiones de ciertos eventos.

El presente trabajo est basado en un resumen de una parte importante de la

estadstica la cual es la distribucin de probabilidad continua en diferentes
clasificaciones, se observara cada uno de sus caractersticas que se diferencia
cada una de ellas con el fin combinar dicha teora con la prctica de ejercicios
de aplicacin real de la vida cotidiana cuyo objetivo ser tomar mejores
decisiones a partir de dichos clculos.

OBJETIVOS.
Objetivo General.

Reconocer claramente la importancia de la distribucin de probabilidad

contina en la aplicacin real de ejercicios de la vida cotidiana con el fin de
tomar decisiones.

Objetivos Especficos.
Conocer la clasificacin adecuada entre la distribucin de probabilidad continua
tanto para distribucin uniforme, normal, y la exponencial.

Aplicar los conocimientos adquiridos de la distribucin de probabilidad continua

en casos prcticos de la vida cotidiana.

RESUMEN DEL CAPITULO 6: DISTRIBUCIONES DE

PROBABILIDAD CONTINUA.
Las distribuciones de probabilidad son idealizaciones de los polgonos de
frecuencias. En el caso de una variable estadstica continua consideramos el
histograma de frecuencias relativas, y se comprueba que al aumentar el
nmero de datos.
En el presente capitulo se estudia las de distribuciones de probabilidad para
variables continuas, en el cual son clasificadas en tres tipos diferentes: la
uniforme, la normal y la exponencial.
En el caso de las variables aleatorias discretas su funcin de probabilidad f(x)
en dicha variable toma cualquier valor determinado, en el caso de las variables
aleatorias continuas est definida por la funcin de densidad de probabilidad.
Su diferencia radica en que la funcin de densidad probabilidad no contiene
probabilidades directamente, si no reas que estn debajo de la curva que
corresponde a un intervalo determinado.
Mientras que en una distribucin de probabilidad discreta un suceso con
probabilidad cero es imposible, no se da el caso en una variable aleatoria
continua.
As mismo como cualquier punto determinado en el rea de la grfica de f(x) es
cero, uno de los casos de la definicin de probabilidad de la variable aleatoria
continua es que la probabilidad de cualquier valor determinado de dicha
variable es cero.
En el caso de la variable de distribucin normal se ocupa en muchas
aplicaciones de la vida real principalmente en la inferencia estadstica.
Para una variable continua hay infinitos valores posibles de la variable y entre
cada dos de ellos se pueden definir infinitos valores ms. En estas condiciones
no es posible deducir la probabilidad de un valor puntual de la variable; como
se puede hacer en el caso de variables discretas, pero es posible calcular la
probabilidad acumulada hasta un cierto valor (funcin de distribucin de
probabilidad), y se puede analizar como cambia la probabilidad acumulada en
cada punto (estos cambios no son probabilidades sino otro concepto: la funcin
de densidad.
En dicho resumen se abordan los conceptos necesarios con el fin de distinguir
o de diferenciar cada una de las distribuciones de probabilidad continua, la cual

sirve de insumo de estudio para el desarrollo de ejercicios en aplicaciones de la

vida cotidiana.

Distribucin de probabilidad uniforme.

La distribucin Uniforme es el modelo (absolutamente) continuo ms simple.
Corresponde al caso de una variable aleatoria que slo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de
una misma longitud (dentro de (a, b)) tienen la misma probabilidad.

La frmula o funcin de dicha distribucin est dada de la siguiente forma:

Siempre que la probabilidad sea proporcional a la longitud del intervalo, la

variable aleatoria estar distribuida uniformemente.

reas como medida de probabilidad.

Dentro de las diferencias importantes que sobresalen en el tratamiento de la
variable aleatoria continua y en la variable aleatoria discreta son:
1. No se habla de probabilidad de que una variable aleatoria tome un
determinado valor, se menciona la probabilidad que una variable
aleatoria tome un valor dentro un determinado intervalo dado.

2. La probabilidad que una variable aleatoria continua tome un valor dentro

de un determinado intervalo que de X 1 a X2 se define como el rea bajo
la grfica que es definida como la funcin de densidad de probabilidad
X1 y X2.
En el caso del calculo del valor esperado y de la varianza de una variable
aleatoria continua es anlogo al de una variable aleatoria discreta. En el caso
de la distribucin de la probabilidad continua uniforme, las formulas tanto para
el valor esperado como la varianza son las siguientes:

Distribucin de probabilidad normal.

En estadstica y probabilidad se llama distribucin normal, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de
variable continua que con ms frecuencia aparece aproximada en fenmenos
reales.
En el caso de dicha distribucin de probabilidad la normal es la utilizada para
describir variables aleatorias continuas, ya que tiene un sin nmero incontables
aplicaciones prcticas, por otro lado es importante en la aplicacin de la
inferencia estadstica.

La importancia de esta distribucin radica en que permite modelar numerosos

fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos
que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la
enorme cantidad de variables incontrolables que en ellos intervienen, el uso
del modelo normal puede justificarse asumiendo que cada observacin se
obtiene como la suma de unas pocas causas independientes.

Curva normal.
Se presenta como una funcin de densidad de probabilidad como la definicin
de forma de campana de una distribucin normal.

La frmula para densidad de probabilidad est dada de la siguiente forma:

Cave mencionar que en dicha formula el calculo de dicha funcin esta dado por
tablas de factores distribucin normal para desarrollo de aplicaciones en la vida
real.

Por otro lado dentro de las observaciones importantes de las propiedades de

distribuciones normales se tienen:

1. Toda clasificacin de distribucin normal se deferencia por elementos: la

media y la desviacin estndar .
2. El punto ms elevado de la curva normal se encuentra en la media, la
cual es coincidente con la mediana y la moda.
3. La media en una distribucin normal toma todos los valores como:
negativos, positivos o cero; tal y como se muestra en el diagrama:
4

4. En el caso de la distribucin normal es simtrica. Las colas de la curva

normal se extienden al infinito en ambas direcciones y jams tocan el eje
horizontal, dado su simetra, la distribucin normal no es sesgada; su
sesgo es cero.
5. Por otro lado la desviacin estndar determina que tan plana o que tan
ancha es la curva normal, desviaciones estndar mucho ms grandes
corresponden a curvas ms planas y anchas lo que significa mayor
variabilidad de los datos, tal como se muestra en el esquema.

6. Las probabilidades correspondientes a la variable aleatoria normal se

dan mediante reas bajo la curva normal.
7. Los porcentajes de los valores que se encuentran en dichos intervalos
comnmente usados se tienen:
a) El 68.3% de los valores de una variable aleatoria normal se
encuentran ms o menos una desviacin estndar de la media.
b) El 95.4% de los valores de una variable aleatoria normal se
encuentran ms o menos dos desviaciones estndar de la
media

c) El 99.7% de los valores de una variable aleatoria normal se

encuentran mas o menos tres desviaciones estndar de la
media.
Tal como se muestra la siguiente esquema.

Distribucin de probabilidad normal estndar.

Se puede mencionar que una variable aleatoria que tiene una distribucin
normal con media cero y desviacin estndar de uno tiene una distribucin
normal estndar, tal como se muestra en el siguiente esquema.

La funcin de densidad de probabilidad normal estndar esta dado de la

siguiente forma:

En el caso de otras variables aleatorias continuas, los clculos de la

probabilidad en cualquier caso de distribucin normal se hacen calculando el
rea bajo la grfica de la funcin de densidad de probabilidad, por lo cual para
encontrar dicha probabilidad de una variable aleatoria normal este dentro de
un determinado intervalo, se tiene que calcular el rea que se encuentra bajo
la curva normal de dicho intervalo.

En la funcin de densidad de probabilidad normal, la altura de la curva vara y

para calcular las reas que representan las probabilidades se requiere de
matemticas mas avanzadas.

Para realizar el clculo respectivo de los tipos de probabilidad en la distribucin

normal se requiere:

1. La probabilidad de que la variable aleatoria normal estndar z sema

menor o igual que un valor dado.
2. La probabilidad de que z este entre dos valores dados.
3. La probabilidad de que z sea mayor o igual que un valor dado.

Clculo de probabilidades en cualquier distribucin de probabilidad

normal.
En la distribucin normal estndar es amplia ya que todas las distribuciones
normales son calculadas mediante la distribucin normal estndar, esto es
aplicacado cuando la distribucin normal con media cualquiera y una
desviacin estndar .

Se utiliza la siguiente frmula para la conversin de una variable aleatoria a

normal estndar:

Una de las interpretaciones que si un valor x igual a su media da como

resultado z= ( - ) / = 0, de manera que un valor x da igual a su media
corresponde a z =0. Ahora suponga que x se encuentra una desviacin
estndar arriba de su media. Es decir, x = + . Aplicando dicha ecuacin el
valor correspondiente es de z = [ ( + ) - ] / = / = 1.

En pocas palabras Z, representa como el nmero de desviaciones estndar a

las que esta una variable aleatoria x de su media .

Se puede observar la importancia de la distribucin de probabilidad en el

sumistro de la informacin para la toma decisiones, una vez que la distribucin
de probabilidad es establecida para una aplicacin en particular, puede ser
utilizada en cualquier caso con el fin de obtener informacin probabilstica del
problema en especial. Se recomienda que la probabilidad no sea usa
directamente en la decisin, pero ayuda grandemente a entender de mejor
forma los riesgos y la incertidumbre asociados a dicho problema.

Aproximaciones normales de probabilidades binomiales.

La evaluacin de una funcin de probabilidad binomial se dificulta cuando el
numero de ensayos es muy amplia o grande. En los casos en que np >= 5 y n
(1 P) >= 5, la distribucin normal proporciona una aproximacin a las
probabilidades binomiales que es fcil de usar. Para realizar dicho calculo en la
curva normal = np y =

np(1 p)

Por otro lado en una distribucin de probabilidad continua las probabilidades se

calculan como reas bajo la curva de la funcin de densidad de probabilidad,
por lo tanto, la probabilidad que tiene un solo valor de la variable aleatoria es
cero.

Distribucin de probabilidad exponencial.

La distribucin de probabilidad exponencial es aplicado a variables de
intervalos de tiempos, para realizar dicho clculo se tiene la formula siguiente:

Clculo de probabilidades en la distribucin exponencial.

Como ocurre con cualquier distribucin de probabilidad continua, el rea bajo
la curva corresponde a un intervalo de que ocurra la probabilidad en un
variable aleatoria que tome algn valor en dicho intervalo. La distribucin
exponencial suele emplearse para tiempos de servicio.
Para calcular las probabilidades exponenciales como las que se acaban de
describir, se usa la formula siguiente:

Dicha formula aporta la probabilidad acumulada de obtener un valor de la

variable aleatoria exponencial que sea menor o igual que algn valor especifico
denotado por Xo.

Relacin entre la distribucin de Poisson y la exponencial.

La distribucin de probabilidad de Poisson como una distribucin de
probabilidad discreta se utiliza para examinar el nmero de ocurrencias de un
evento en un determinado intervalo de espacio o tiempo, su frmula est dada
de la siguiente manera:

La distribucin de probabilidad exponencial contina est relacionada con la

distribucin discreta de Poisson. Si la distribucin de Poisson da una
descripcin del nmero de ocurrencias por intervalo, la distribucin
exponencial aporta una descripcin de la longitud de los intervalos entre las
ocurrencias.

10

CONCLUSIONES.
-

Se puede mencionar que la distribucin de probabilidad normal es la

ocupada para casos prcticos de la vida cotidiana se utiliza en diferentes
ramas que sirve para tomar la vida real.

Las distribuciones de Probabilidades son ocupadas para indicar toda la

gama de valores que pueden representarse como resultado de un
experimento si ste se llevase a cabo. Es decir, describe la probabilidad
de que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenmenos naturales.

la distribucin de Poisson es una distribucin de probabilidad discreta

que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado nmero de eventos durante
cierto perodo de tiempo.

BIBLIOGRAFA.
Captulo 6 libro de Anderson Sweeny Williams Distribucin de probabilidad