LOGO

DISTRIBUCION DE PROBABILIDAD CAPITULO 5

5.1 INTRODUCCION
En este captulo definiremos las varianzas aleatorias y utilizaremos las leyes de probabilidad. Una variable aleatoria es una variable cuyo valor es el resultado de un evento aleatorio. Se supone que se lanza una moneda tres veces y se anota el nmero de caras que se obtienen. Los posibles resultados son 0 caras, 1 cara, 2 caras, o 3 caras. Las variables aleatorias pueden ser discretas o continuas: Una variable aleatoria discreta, puede asumir solo ciertos valores, con frecuencia nmeros enteros y resulta principalmente del conteo. Una variable aleatoria continua, resulta principalmente de la medicin y puede tomar cualquier valor, al menos dentro de un rango dado. Los pesos de agua mineral es un ejemplo, a que los contenedores pueden tomar cualquier valor entre 10 y 25 libras. Una distribucin de probabilidad es un despliegue de todos los posibles resultados de un experimento junto con las probabilidades de cada resultado. Se puede determinar la probabilidad de lanzar una moneda tres veces y obtener:
1. 2. 3. 4. ninguna cara es 1/8 1 cara es 3/8 2 caras es 3/8 3 caras es 1/8

Esta distribucin de probabilidad se presenta en la tabla 5.1 la cual muestra todos los resultados posibles y sus probabilidades. Vale la pena destacar que las probabilidades suman 1.

Tabla 5.1 Distribucin directa de probabilidad para el nmero de caras

Resultado ( caras)

Probabilidad

1/8

3/8

2 3

3/8 1/8

5.2 MEDIA Y VARIANZA DE LAS DISRTIBUCIONES DISCRETAS

La media aritmtica de una distribucin de probabilidad se llama valor esperado E(X) y se halla multiplicando cada resultado posible por su probabilidad y sumando los resultados.

SU FORMULA ES:
Media o valor esperado :

E(X)=[(xi)P(xi)]

donde (xi) son los resultados individuales

VALOR ESPERADO

El valor esperado de una variable aleatoria discreta es la media ponderada de todos los resultados posibles en los cuales los pesos son las probabilidades respectivas de tales resultados .

VARIANZA DE UNA DISTRIBUCIN DE PROBABILIDAD

Es el promedio de las desviaciones al cuadrado con respecto a la media. Su formula se representa asi :

= [(xi - u) P(xi)]
(la varianza mide la dispersion de los resultados alrededor de su media.)

1) El nmero de quejas de los empleados en FB company oscila entre 0 a 6 como se muestra en la siguiente tabla

(xi) QUEJAS 0 1 2 3 4 5 6

# DE DIAS 3 4 3 6 2 1 4 23

P(xi) 3/23 =0.1304 4/23=0.1739 3/23=0.1304 6/23=0.2608 2/23=0.0869 1/23=0.0434 4/23=0.1739 1.00

(xi)P(xi) (xi-u) P(xi) 0 (0-2.825)(0.1304) 0.1739 (1-2.825)(0.1739) 0.2608 (2-2.825)(0.1304) 0.7824 (3-2.825)(0.2608) 0.3476 (4-2.825)(0.0869) 0.2170 (5-2.825)(0.0434) 1.0434 (6-2.825)(0.1739) E(X) = 2.825 3.7946= 1.93=

Debido a que no se puede interpretar unidades al cuadrado es necesario convertirle a la varianza en desviacin estndar. El numero de quejas de los empleados estn dispersos en 1.93 con respecto a su media que es 2.82

2) El nmero de casas que Ponder Real vendi mensualmente vari de 5 a 20 junto con la frecuencia de cada nivel de ventas que aparece en las dos primeras columnas de la siguiente tabla : Calcule : el valor esperado y su varianza. Casas(xi) 5 8 10 12 17 20 # de meses 3 7 4 5 3 2 24 P(xi) 3/24 7/24 4/24 5/24 3/24 2/24 1.00 (xi) P(xi) (xi-u) P(xi) 0.625 (5-10.912)(0.125) 2.336 (8-10.912) (0.292) 1.670 (10-10.912)(0.167) 2.496 (12-10.912)(0.208) 2.125 (17-10912)(0.125) 1.660 (20-10.912)(0.083) E(X)=10.912 18.718= 4.236=

El Sr. Ponder espera que el promedio de sus ventas incrementen por encima de 7.3 que vendi hace meses anteriores y una variabilidad de las ventas mensuales que haba sido de =5.7. De lo contrario, el ha decidido vender el negocio .

INTERPRETACION:

Como conclusin podra decirse que el Sr.Ponder debe tranquilizarse porque ha incrementado su promedio mensual de ventas y ha disminuido su variabilidad.

5.3 LA DISTRIBUCIN BINOMIAL UNA DISTRIBUCIN DISCRETA DE PROBABILIDAD Los experimentos que tienen solo dos posibles resultados, siguen una distribucin binomial. Una distribucin normal presenta 4 propiedades:
Solo debe haber 2 posibles resultados. Uno se identifica como xito y el otro como fracaso.

La probabilidad de un xito, , sigue siendo constante de un ensayo al siguiente, al igual que la probabilidad de fracaso, 1- .
La probabilidad de un xito en un ensayo es totalmente independiente de cualquier otro ensayo. El experimento puede repetirse muchas veces.

Ejemplos relacionados con los negocios

Los sindicatos laborales con frecuencia desean saber cuantos trabajadores: Estn interesados en unirse al sindicato Quienes no estn interesados. El personal de mercadeo desea saber si una persona: Prefiere o No prefiere cierto producto
La aplicacin de la distribucin binomial al campo de los negocios es casi ilimitada.

UNA DISTRIBUCIN BINOMIAL.- Cada ensayo en una distribucin binomial termina en slo uno de 2 resultados mutuamente excluyentes, como un xito y como un fracaso. La probabilidad de cada resultado permanece constante de un ensayo al siguiente.
Si se conoce la probabilidad de que un ensayo determinado producir un xito, es posible estimar cuantos xitos habr en un nmero dado de ensayos.

FRMULA DE LA DISTRIBUCION BINOMIAL

Ejemplo:
Un gerente de crdito de American expresa ha descubierto que = 10% de los usuarios de tarjeta no paga el monto completo de la deuda durante un mes dado. Desea determinar la probabilidad que de n= 20 cuentas seleccionadas de manera aleatoria, x=5 de las cuentas no sean pagadas. Esto lo expresamos as:

Lo cual se lee como: La probabilidad de 5 xitos dado que hay 20 ensayos y la probabilidad de un xito de cualquier ensayo es del 10%. La probabilidad de que 5 cuentas de las 20 sigan sin ser canceladas se puede calcular utilizando:

Esta informacin se obtiene mas fcilmente utilizando la tabla B. Ejemplo: De acuerdo con el Peridico de Educacin Superior, el 40% de todos los bachilleres trabajan durante el verano para ganar dinero para la educacin universitaria correspondiente al siguiente perodo de otoo. Si 7 bachilleres se seleccionan de manera aleatoria. Cul es la probabilidad de que (a) 5 tengan trabajos de verano; (b) ninguno trabaje; (c) todos trabajen?

Solucin
a. Ubique el valor de n=7 y =0,40. La fila correspondiente a x=5 da un valor de 0,0774. Existe un 7,74% de probabilidad de que 5 de 7 bachilleres hayan tomado trabajos de verano para ganar el dinero para su educacin. Dado n=7 y =0,40, la probabilidad de que ninguno trabaje se muestra en la tabla como: La probabilidad de que todos los estudiantes trabajen parece ser:

b.

c.

Interpretacin
Es poco probable que ninguno de los estudiantes trabaje.

A. La media y la varianza de una distribucin binomial. Media de una distribucin binomial:

Varianza de una distribucin binomial:

Por ejemplo para los residentes de Fatbush, si n=10: De las 10 personas seleccionadas aleatoriamente, se esperara que 7 estuvieran inscritas en internet. La varianza es:

y la desviacin estndar es:

B. DISTRIBUCIONES BINOMIALES ACUMULADAS

Tomando en cuenta el ejemplo anterior, se supone que se desea determinar la probabilidad de que 3 o menos estudiantes trabajaron. Este problema implica una distribucin binomial acumulada debido a que se esta interesado en un rango de valores (0 a 3). Esto lo podemos ilustrar de la siguiente manera:

Evento A 0 1 ( =0,40) 2 3 4 5 6 7

En la tabla B, se halla sumando P(X = 0)+P(X = 1)+P(X = 2)+P(X = 3)= 0,7102 Estas sumas se compilan en la tabla C, que muestra la probabilidad del numero de xitos que es igual o menor que cierta cantidad. Segn nuestro ejemplo:

P(X 3 n = 7, = 0,40) = 0,7102

La tabla C proporciona la probabilidad de que el nmero de xitos sea igual a o menor que cierta cantidad. Se supone que se desea conocer P(A) = P(X 5). La tabla C no dar directamente la probabilidad de que un nmero de xitos sea igual a o mayor que alguna cantidad.
Evento A 0 1 ( =0,40) 2 Evento 3 4 5 6 7

Si el evento A es P(X 5), entonces es 4 o menos. Se sabe que:

P(A) = 1 P() entonces, P(X 5 n = 7, = 0,40) = 1 - P(X 4 n = 7, = 0,40)

De la tabla C, se observa que este es 1 0,9037 = 0,0963. La probabilidad de que por lo menos 5 de 7 estudiantes tengan trabajo en verano es del 9,63%.

Se necesita determinar la probabilidad de que entre 3 y 5 estudiantes inclusive.

Evento A 0 1 ( =0,40) 2 3 4 5 6 7

P(X 2) = 0,4199

P(X 5) = 0,9812 P(3 X 5) = P(X 5) - P(X 2) = 0,9812-0,4199 = 0,5613

P(3 X 5 n = 7, = 0,40) debe determinarse en dos pasos:

1. Se determina la probabilidad de que el nmero de estudiantes con trabajos sea de 0 a 5 2. Se resta la probabilidad de que el nmero de estudiantes emprendedores sea 2 o menos Luego P(3 X 5) = P(0 X 5) - P(0 X 2) =

0,9812 0,4199 =0,5613

Si > 0,50 se necesitan 2 arreglos ordenados. Se asume que el 80% de los graduados tomaron trabajos. Debe construirse un arreglo para = 0,80 y uno para = 0,20
Evento A 0 1 2 ( =0,80) 7 6 5 ( =0,20) Evento A 3 4 5 6 7

Evento

Si se desea la probabilidad de que 3 o menos estudiantes trabajen, se debe hallar P(A) = P(X 3 n = 7, = 0,80) Se observa que la probabilidad 3 o menos trabajen con = 0,80 es la misma que la probabilidad de que 4 o mas no trabajen. As P(A) tambin es igual a P(X 4n = 7, = 0,20). La tabla C no dar directamente la probabilidad de que X sea igual a o mayor que algn valor . La solucin es que se halle la probabilidad de A, es decir 3 o menos y se resta de 1 . P(X 3n = 7, = 0,80) = 1 - P(X 3n = 7, = 0,20) =

10,9667 = 0,0333

Ejercicio 11
Usted ha contratado 8 recepcionistas telefnicas para que tomen los pedidos para una lnea de productos deportivos que su empresa esta comercializando. Una recepcionista esta ocupada el 30% del tiempo catalogando un pedido. Usted no desea que la probabilidad de que una llamada del cliente se reciba con una seal de ocupado exceda del 50% Debera usted contratar mas recepcionistas si 3 clientes llaman?

INTERPRETACIN La probabilidad de contratar mas recepcionistas si llaman 3 clientes es de un 25,41%

Ejercicio 12
Una estudiante debe obtener por lo menos el 60% en un examen de verdadero y falso con 18 preguntas por responder. Si el estudiante lanza una moneda para determinar la respuesta a cada pregunta. Cul es la probabilidad de que el estudiante pase?

INTERPRETACIN La probabilidad de que el estudiante pase el ao bajo estas condiciones es de un 24,03%

5.4 LA DISTRIBUCIN HIPERGEOMETRICA

La
distribucin binomial es apropiada solo si la probabilidad de un xito permanece constante para cada intento.

Esto ocurre si el muestreo se realiza con reemplazo o de una poblacin finita.

Si la POBLACION ES PEQUEA y ocurre el MUESTREO SIN REEMPLAZO, la probabilidad de un xito variara.

Si la probabilidad de un xito no es constante, la distribucin hipergeometrica es de especial utilidad.

FORMULA
N: es el tamao de la poblacion r: es le numero de exitos en la poblacion n: es el tamao de la muestra x: es el numero de exitos en la muestra

Ejemplos
1) De los 15 altos ejecutivos de un negocio de importaciones y exportaciones se seleccionan 12 para se enviados al Japn a estudiar un nuevo proceso de produccin. Ocho de los ejecutivos ya tienen algo de entrenamiento en el proceso antes de partir para el lejano oriente.

Desarrollo

Interpretacin
Existe un 12% de probabilidad de que de los Ocho ejecutivos seleccionados, Cinco tengan el conocimiento sobre el proceso de importaciones y exportaciones antes de partir para el lejano oriente.

2) Una encuesta de la revista Fortune (marzo 17 de 1997) sirve como fuente para este problema, que su supervisor le solicita que resuelva. De los 10 empleados hombres 7 tenan esposas que tambin trabajaban. Cul es la probabilidad de que a lo sumo un esposo tenga una esposa que este empleada fuera de casa si se seleccionan 3 trabajadores al azar?

Desarrollo

Interpretacin
Existe un 17% de que de 3 empleados escogidos al azar un esposo tenga unas esposa y que esta sea empleada y trabaje fuera de casa.

5.5 LA DISTRIBUCIN DE POISSON

Distribucin de Poisson ideada por el matemtico francs Simeon Poisson (1781- 1840) la distribucin de Poisson mide la probabilidad de un evento aleatorio sobre algn intervalo de tiempo o espacio .

Una variable aleatoria discreta de gran utilidad en la medicin de la frecuencia relativa de un evento sobre alguna unidad de tiempo o espacio es la distribucin de Poisson. Con frecuencia se utiliza para describir el numero de llegadas de clientes por hora, el numero de accidentes industriales cada mes, el numero de conexiones elctricas defectuosas por milla de cableado en un sistema elctrico de una ciudad, o el numero de maquinas que se daan y esperan ser reparadas.

PARA LA APLICACIN DE LA DISTRIBUCIN DE POISSON.

La probabilidad de ocurrencia del evento es constante para 2 intervalos cualesquiera de tiempo o espacio. La ocurrencia del evento en un intervalo es independiente de la ocurrencia de otro intervalo cualquiera. Funcin de probabilidad de Piosson.

En donde X es el numero de veces que ocurre le cuento. U es el numero promedio de ocurrencias por tiempo/espacio. e = 2,71828, la base del logaritmo natural.

unidad

de

Ejemplo.
Supongamos que se esta interesado en la probabilidad de que exactamente 5 clientes lleguen durante la siguiente hora (o en cualquier hora dada) laboral la observacin simple de las ultimas 80 horas ha demostrado que 800 clientes han entrado al negocio. Por tanto, u = 10 por hora .

Existe 3,78 de oportunidad de que exactamente 5 clientes ingresen a la tienda durante la siguiente hora.

Ejemplo:
Una compaa de pavimentacin local obtuvo un contrato con el ayuntamiento para hacer mantenimiento a las vas de un gran centro urbano. Las vas recientemente pavimentadas por esta compaa demostraron un promedio de dos defectos por milla, despus de haber sido utilizadas durante un ao. Si el condado sigue con esta compaa de pavimentacin. Cul es la probabilidad de que se presenten tres defectos en cualquier milla de va despus de haber tenido trafico durante un ao?

o 18.04%. Para utilizar la tabla D halle la columna en donde =2 y la fila en donde x=3. All encontrar el valor de 0.1804.

 Se supone por el momento que se desea conocer la probabilidad de tres defectos en 0.5 millas. Debido a que se da la media en ocurrencias por una milla (2por milla) es necesario ajustar de acuerdo con la estipulacin en el problema de 0.5 millas. Se debe determinar qu porcentaje es 0.5 millas de una milla = 0.5/1 =0.5. Entonces la media en ocurrencias para este problema es =(0.5)(2 ocurrencias)=1. Si el promedio es de dos por milla, va ha ser 1 por media milla . Por tanto P(x=3l=1)=0.0613.

Ejemplo 5.4 Una distribucin de poisson para estudiantes prudentes.

El profesor Bradley anima a sus estudiantes de estadstica a actuar de forma prudente consultando al tutor si tienen alguna pregunto mientras se preparan para el examen final. Parece que la llegada de los estudiantes a la oficina del tutor se ajusta a una distribucin de poisson, con un promedio de 5.2 estudiantes cada veinte minutos. El profesor Bradley esta preocupado porque si muchos estudiantes necesitan los servicios del tutor, puede resultar un problema de congestin. A.- el tutor debe determinar la probabilidad de que 4 estudiantes lleguen durante cualquier intervalo de 20 minutos , lo cual podra causar el problema de congestin que teme el profesor Bradley. Si la probabilidad excede el 20%, se contratara un segundo tutor. B.- El tutor debe calcular la probabilidad de que mas de 4 estudiantes lleguen durante algn periodo de 20 minutos. Si es mayor que el 50% las horas de oficina del tutor se aumentaran, permitiendo a los estudiantes extender el horario en las que vienen a ver al tutor. C.- Si la probabilidad de que mas de 7 estudiantes lleguen durante un periodo cualquiera de 30 minutos excede 50%, el mismo profesor Bradley ofrecer tutora adicional.

Solucin:

 C.- Se tiene que =5.2 por cada 20 minutos. La estipulacin del profesor cubre un periodo de 30 minutos. Se debe determinar que porcentaje es 30 de 20:30/20=1.5. Entonces para cada 30 minutos es 5.2 (1.5)= 7.8, as pues:

Interpretacin: Debido a que P(x=4)=0.1681<20%, un segundo tutor es innecesario. P(x>4)=0.5938>50%; las horas de oficina del tutor se extendern. Y P(x>7)=0.5188>50%el profesor Bradley ayudara en la tarea de tutora.

Ejercicio de aplicacin.
Usted compra partes para bicicleta de un proveedor en Toledo que tiene tres defectos por cada 100 partes. Usted esta en el mercado para comprar 150 partes pero no aceptara una probabilidad de mas del 50% de que mas de 2 partes sean defectuosas. Usted le comprara a dicho proveedor?

Interpretacin: No se comprara porque la probabilidad de 0.8264 >0.50 de partes defectuosas.

5.6 LA DISTRIBUCIN EXPONENCIAL

La distribucin exponencial es una distribucin continua que mide el paso del tiempo entre tales ocurrencias. Por ejemplo la llegada de camiones, personas, llamadas telefnicas, es decir estima el lapso entre tales arribos. Si el nmero de ocurrencias tiene distribucin de Poisson, el lapso entre las ocurrencias estar distribuido exponencialmente.

Siendo la probabilidad de que el lapso sea menor que o igual a cierta cantidad x es:

En donde: t es el lapso de tiempo e es la base del logaritmo natural 2.71828 es la tasa promedio de ocurrencia

La distribucin aleatoria de una distribucin exponencial se demuestra en el siguiente grfico, donde la curva en continuo descenso muestra que con el paso del tiempo x aumenta, y la probabilidad disminuye.

La probabilidad de que pasen 30 min Entre ocurrencias excede la probabilidad de que pasen 40min

Esto se debe a que siempre deben pasar 30min antes de que pasen 40min

Ejercicio 1
Los aviones llegan al pequeo aeropuerto en Puerto Vallarta, Mxico, a una proporcin de dos por hora. Tomar una hora reparar una rampa utilizada para desembarcar pasajeros. Cul es la probabilidad de que un avin llegue mientras que la rampa esta en reparacin?

Solucin
Tenemos que: = 2x60 min t= 1 hora P(x 1 hora) = 1 e -(2)(1) Donde: P(x 1 hora) = 1- 1
e -2

= 0,8646 = 86,46%

Interpretacin
Entonces segn los clculos podemos decir que: La probabilidad de que un avin llegue mientras la rampa esta en reparacin es de 86,46% es decir dentro de la hora llegara el avin.

Ejercicio 2
El computador principal de la universidad queda fuera de lnea tres veces por semana. El profesor Mundane debe completar un proyecto esta semana que requiere el computador. Cul es la probabilidad de que el computador est fuera de lnea toda la semana?

Solucin
Tenemos que: = 3 x 7 das t = 7 das -(3)(7) P(x 7das)= 1 e Donde: P(x 7das)= 1 1
e 21

= 0,999 = 99,99%

Interpretacin
La probabilidad de que el computador este fuera de lnea toda la semana es del 99,99% lo que indica que el profesor deber conseguir otra computado para realizar su trabajo.

5.7 LA DISTRIBUCIN UNIFORME

DISTRIBUCIN UNIFORME: Es una distribucin uniforme las probabilidades son las mismas para todos los posibles resultados.

0,30

a Lim. Inf.

------------------------------------b Lim. sup.

La media o valor esperado de una distribucin uniforme est a mitad de camino entre sus dos puntos extremos as:

En donde a y b son los valores ms bajo y ms alto, respectivamente. La varianza es:

Varianza de una distribucin uniforme de probabilidad

= ()

El rea total bajo la curva, como es el de todas las distribuciones de probabilidad, debe ser igual a 1 o 100%. Debido a que el rea es la altura por el ancho, la altura es:
= rea Ancho

Y por lo tanto =

ba

En donde b a es el ancho o rango de la distribucin

Probabilidad de que una observacin Caiga entre dos valores P(X1 X X2) = X2 X1 rango

EJERCICIOS 1 Generalmente le toma entre 1,2 y 1,7 horas aproximadamente hacer su tarea de estadstica. Los tiempos estn distribuidos de manera uniforme. Qu tan probable es que usted termine para reunirse con sus amigos dentro de 1,4 horas?

altura:

1Rango =

11,7-1,2 = 2
1,2+1,7 2

u=

+ 2

u=

u= 1,45 horas

Altura:

1 1,71,2

= 2

40%

1,2 a

1,4

1,45 u

1,7 b

Se tiene un 40% de probabilidad de terminar la tarea en un 1,4 horas para reunirse con los amigos.

2 El agua utilizada por Auto Brite para lavar los carros es de 30 galones por carro. Lo menos que se utiliza son 27 galones, y su uso est distribuido uniformemente. Una encuesta muestra que los carros no quedan limpios a menos que se utilicen 32 galones de agua en la lavada. Qu porcentaje de carros que salen de Auto Brite quedan limpios?

u= 30 galones a= 27 galones b= 33 galones Pr(32 x 33) =

3332 6

Pr(32 x 33) = 0,17

Altura:

1 6

= 0,17

20%

27 a

30 b

32

33

5.8 LA DISTRIBUCIN NORMAL

De todas las distribuciones que se analizarn, la distribucin normal es la ms importante.
La distribucin normal es una distribucin continua (no discreta). Se utiliza para reflejar la distribucin de variables tales como estaturas, pesos, distancias y otras medidas que son divisibles infinitamente.

A. COMPARACIN ENTRE DISTRIBUCIONES NORMALES.

La forma y posicin de una distribucin normal estn determinadas por dos parmetros: su media () y su desviacin estndar (). A continuacin veremos tres distribuciones normales diferentes:

La primera (I) corresponde a una distribucin que tiene como media =67 y una desviacin estndar de =2, la desviacin estndar de 2 indica el grado en el cual las observaciones estn dispersas por encima y por debajo de 67

La segunda (II) tiene una media ms alta, de =79, pero la misma desviacin estndar de 2, esto quiere decir que tiene el mismo grado de dispersin

La tercera (III), tiene la misma media que la primera,. Sin embargo su medida de dispersin es ms grande, tal y como lo indic la desviacin estndar de =4.

A pesar de sus diferencias, las tres son distribuciones normales. Son simtricas y en forma de campana. La regla emprica especifica que, sin considerar el valor de la media o desviacin estndar, El 68,3% de todas las observaciones est a una desviacin estndar de la media. El 95,5% de todas las observaciones est a dos desviacin estndar de la media.

El 99,7% de todas las observaciones est a tres desviacin estndar de la media.

B. LA DESVIACIN NORMAL.
Puede existir un nmero infinito de distribuciones normales posibles cada una con su propia media y desviacin. Ya que obviamente no se puede analizar un nmero tan grande es necesario convertir a todas estas distribuciones normales a una estndar.

LA DESVIACIN NORMAL O FRMULA Z.

En donde Z es la desviacin normal y X es algn valor especfico de la variable aleatoria.

La siguiente figura ilustra el uso de datos, el eje superior mide las observaciones de estatura X en pulgadas. La media es = 67 pulgadas, y la desviacin estndar es = 2 pulgadas. El eje inferior refleja estas estaturas en trminos de sus valores Z.

Despus de aplicar la frmula de conversin, se encuentra que la estatura promedio de 67 pulgadas tiene un valor Z de 0. Si se quisiera convertir la estatura de toda la poblacin se encontrara que todos los valores de Z tendran una media cero y una desviacin estndar de 1.

AREAS DEBAJO DE LA CURVA NORMAL

A).
B),
0,1587

0,3413

0,3413

67 0

69 1

X Z

67 0

69 1

X Z

P(67<X<69 ) P(0<Z<2) 0,3413

C),

P(X<69) P(Z<1) 0,1587

D). 0,085
0,3749

64,5 67 70,3 -1,25 0 1,65

X Z

0,4599
67 69,3 70,5 X 0 1,15 1,75 Z

P(64,5<X<70,3) P(-1,25<Z<1,65) 0,8449

P(69,3<X<70,5) P(1,5<Z<1,75) 0,0850

CALCULO DE PROBABILIDADES CON LA DESVIACION NORMAL

Estandarizar una distribucin normal permite determinar mas fcilmente la probabilidad de que ocurra cierto evento es decir, si se conoce el rea se conocer la probabilidad

CALCULO DE UN VALOR X A PARTIR DE UNA PROBABILIDAD CONOCIDA

En la seccin anterior se pidi calcular una probabilidad dado un valor de x. es decir, que se proporcionaba el valor x para la variable aleatoria, y se deba hallar el comprendida entre dicho valor y la media.

APROXIMACION NORMAL A LA DISTRIBUCION BINOMIAL

La distribucin binomial involucra una serie de n ensayos que pueden producir (1) un xito o (2) un fracaso. La probabilidad de un xito se indica como .

Cuando n es grande se utiliza la distribucin normal para aproximar la distribucin binomial. La aproximacin se considera lo suficientemente precisa si n > 5 Y n(1-)>5 y si esta prximo a 0,50. Ejemplo: se considera un sindicato laboral en el cual el 40% de los miembros esta a favor de una huelga. Si se seleccionan 15 miembros de manera aleatoria, Cul es la probabilidad de que 10 apoyen un paro? P(X=10n=15, =0,40) = 0,0245 Los datos los encontramos en la tabla E.

APROXIMACION NORMAL A LA BINOMIAL

Cuando se utiliza una distribucin continua para estimar una variable aleatoria discreta, es necesario un leve ajuste, llamado FACTOR DE CORRECCION DE CONTINUIDAD, este requiere que se trata la probabilidad de 10 miembros como un intervalo entre 9,5 y 10,5.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 1415 9,5 10,5

Ejemplo: Los registros muestran que 45% de todos los automviles producidos por FORD MOTOR COMPANY contienen partes importadas de Japn. cual es la probabilidad de que los prximos 200 carros, 115 contengan partes japonesas?

11590 =3,55 para un rea de 0,4998 3,50

0,5000 - 0,4998 = 0,0002