Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
220 ❍ CAPÍTULO 6 LA DISTRIBUCIÓN NORMAL DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS Cuando una variable aleatoria x es discreta, se puede asignar una probabilidad positiva a cada uno de los valores que x pueda tomar y obtener la distribución de probabilidad para x. La suma de todas las probabilidades asociada con los diferentes valores de x es 1, pero no todos los experimentos resultan en variables aleatorias que sean discretas. Las variables aleatorias continuas, por ejemplo estaturas y pesos, lapso de vida útil de un producto en particular o un error experimental de laboratorio, pueden tomar los infinitamente numerosos valores correspondientes a puntos en un intervalo de una recta. Si se trata de asignar una probabilidad positiva a cada uno de estos numerosos valores, las probabilidades ya no sumarán 1, como es el caso con variables aleatorias discretas. Por tanto, se debe usar un método diferente para generar la distribución de probabilidad para una variable aleatoria continua. Supongamos que usted tiene un conjunto de mediciones en una variable aleatoria continua y que crea un histograma de frecuencia relativa para describir la distribución de las mismas. Para un pequeño número de mediciones, se puede usar un pequeño número de clases; entonces, a medida que se recolecten más y más mediciones, se pueden usar más clases y reducir el ancho de clase. El perfil del histograma cambiará ligeramente, casi todo el tiempo haciéndose cada vez más irregular, como se muestra en la figura 6.1. Cuando el número de mediciones se hace muy grande y los anchos de clase se hacen muy angostos, el histograma de frecuencia relativa aparece cada vez más como la curva suave que aparece en la figura 6.1d). Esta curva suave describe la distribución de pro- babilidad de la variable aleatoria continua. 6.1 FIGURA 6.1 Histogramas de frecuencia relativa para tamaños muestrales cada vez más crecientes ● x Fr ec ue nc ia r el at iv a Fr ec ue nc ia r el at iv a Fr ec ue nc ia r el at iv a Fr ec ue nc ia r el at iv a a) xc) xd) xb) Probabilidad_Mendenhall_06.indd 220Probabilidad_Mendenhall_06.indd 220 5/14/10 8:18:15 AM5/14/10 8:18:15 AM www.FreeLibros.me 6.1 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS ❍ 221 ¿Cómo se puede crear un modelo para esta distribución de probabilidad? Una va- riable aleatoria continua puede tomar cualquiera de un número infinito de valores de la recta real, en forma semejante al número infinito de granos de arena en una playa. La distribución de probabilidad es creada al distribuir una unidad de probabilidad a lo largo de la recta, igual que como se puede distribuir un puñado de arena. La probabilidad, es decir granos de arena o de mediciones, se apilarán en ciertos lugares y el resultado es la distribución de probabilidad mostrado en la figura 6.2. La profundidad o densidad de la probabilidad, que varía con x, puede ser descrita por una fórmula matemática f(x), llamada distribución de probabilidad o función de densidad de probabilidad para la variable aleatoria x. Varias propiedades importantes de distribuciones continuas de probabilidad son com- parables a sus similares discretas. Así como la suma de probabilidades discretas (o la suma de las frecuencias relativas) es igual a 1 y la probabilidad de que x caiga en cierto intervalo puede hallarse al sumar las probabilidades en ese intervalo, las distribuciones de probabilidad tienen las características que se detallan a continuación. • El área bajo una distribución continua de probabilidad es igual a 1. • La probabilidad de que x caiga en un intervalo particular, por ejemplo de a a b, es igual al área bajo la curva entre los dos puntos a y b. Ésta es el área sombreada de la figura 6.2. También hay una diferencia importante entre variables aleatorias discretas y conti- nuas. Considere la probabilidad de que x sea igual a algún valor en particular, por ejem- plo a. Como no hay área arriba de un solo punto, por ejemplo x � a, en la distribución de probabilidad para una variable aleatoria continua, nuestra definición implica que la probabilidad es 0. • P(x � a) � 0 para variables aleatorias continuas. • Esto implica que P(x � a) � P(x � a) y P(x � a) � P(x � a). • Esto no es cierto en general para variables aleatorias discretas. ¿Cómo se escoge el modelo, es decir, la distribución de probabilidad f(x) apropiada para un experimento dado? Existen muchos tipos de curvas continuas para modelar. Algunas son de forma de montículo, como la de la figura 6.1d), pero otras no lo son. En general, trate de escoger un modelo que satisfaga estos criterios: • Se ajusta al cuerpo de datos acumulado. • Permite hacer las mejores inferencias posibles usando los datos. FIGURA 6.2 La distribución de probabilidad f (x ); P (a � x � b ) es igual al área sombreada bajo la curva ● a xb f(x) P(a < x < b) Para variables aleatorias continuas, área � probabilidad. CONSEJOMIMI El área bajo la curva es igual a 1. CONSEJOMIMI Probabilidad_Mendenhall_06.indd 221Probabilidad_Mendenhall_06.indd 221 5/14/10 8:18:15 AM5/14/10 8:18:15 AM www.FreeLibros.me 222 ❍ CAPÍTULO 6 LA DISTRIBUCIÓN NORMAL DE PROBABILIDAD La variable aleatoria uniforme se emplea para modelar el comportamiento de una varia- ble aleatoria continua cuyos valores estén uniforme o exactamente distribuidos en un intervalo dado. Por ejemplo, es probable que el error x introducido al redondear una observación a la pulgada más cercana tenga una distribución uniforme en el intervalo de �.5 a .5. La función de densidad de probabilidad f(x) sería “plana” como se muestra en la figura 6.3. La altura del rectángulo está fija en 1, de modo que el área total bajo la distribución de probabilidad es 1. ¿Cuál es la probabilidad de que el error de redondeo sea menor a .2 en magnitud? Solución Esta probabilidad corresponde al área bajo la distribución entre x � �.2 y x � .2. Como la altura del rectángulo es 1, P(�.2 � x � .2) � [.2 � (�.2)] � 1 � .4 La variable aleatoria exponencial se utiliza para modelar variables aleatorias continuas tales como tiempos de espera o vidas útiles asociadas con componentes electrónicos. Por ejemplo, el tiempo de espera en una caja de pago de un supermercado tiene una distribución exponencial con un tiempo de espera promedio de 5 minutos. La función de densidad de probabilidad f(x) � .2e�.2x se ilustra en la fi gura 6.4. Para hallar áreas bajo esta curva, se puede usar el hecho de que P(x � a) � e�.2a para a � 0. ¿Cuál es la probabilidad de que usted tenga que esperar 10 minutos o más en la caja de pago del supermercado? Solución La probabilidad a calcular es el área sombreada en la figura 6.4. Use la fórmula general para P(x � a) para hallar P(x � 10) � e�.2(10) � .135 FIGURA 6.3 Una distribución uniforme de probabilidad ● 1.50 1.25 1.00 0.75 0.50 �0.5 �0.2 0.0 0.2 0.5 x f( x) FIGURA 6.4 Una distribución de probabilidad exponencial ● 0.20 0.15 0.10 0.05 0.00 0 5 10 15 20 x f( x) E J E M P L O 6.2 E J E M P L O 6.1 Probabilidad_Mendenhall_06.indd 222Probabilidad_Mendenhall_06.indd 222 5/14/10 8:18:15 AM5/14/10 8:18:15 AM www.FreeLibros.me 6 LA DISTRIBUCIÓN NORMAL DE PROBABILIDAD 6.1 Distribuciones de probabilidad para variables aleatorias continuas
Compartir