Probabilidad y Estadística 2
Probabilidad y Estadística 2
Probabilidad y Estadística 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Como se puede apreciar en la gráfica se ajustan bien ambas funciones. En resumen:<br />
Una distribución binomial ( ) se puede aproximar por una distribución normal, siempre que sea grande y no<br />
esté muy próxima a 0 o 1. La aproximación consiste en utilizar una distribución normal con la misma media ( = ) y<br />
desviación estándar o típica ( = √ ) que la distribución binomial. En la práctica se utiliza la aproximación cuando:<br />
3 = =<br />
En cuyo caso, corrigiendo la variable se tiene:<br />
BLOQUE 3<br />
( ) ( = = √ )<br />
Es decir, que si se tiene una variable binomial con parámetros y , con el proceso de corrección anterior, esta<br />
variable se aproxima a una normal con parámetros = = √ .<br />
Y estandarizando la variable se obtiene la normal estándar correspondiente:<br />
Teorema central del límite.<br />
=<br />
√<br />
La distribución binomial ( ) se aproxima a una curva normal de media = y desviación estándar o típica<br />
= √ , cuando se hace exageradamente grande, es decir, tiende a infinito. La aproximación se puede aplicar (y<br />
es una buena aproximación) sólo si es grande, (en concreto 3 ). Además y . Si no se cumplen<br />
estas condiciones NO se puede aproximar la binomial que se tenga por una distribución normal.<br />
En caso de que se pueda aproximar, se debe tener en cuenta que se está pasando de una variable discreta (binomial)<br />
a una continua (normal), y por tanto son distribuciones diferentes. El “precio” que hay que pagar por pasar de una a<br />
otra se denomina “corrección por continuidad” y consiste en hacer determinados ajustes para que la aproximación<br />
realizada sea lo más precisa posible.<br />
Así, si se pide la probabilidad ( = ) en una distribución binomial , y se aproxima por una distribución normal<br />
, no se puede calcular directamente la probabilidad de esta nueva variable ( = ) porque, como ya se ha<br />
comentado anteriormente, en una distribución continua todas estas probabilidades valen 0. La corrección por<br />
continuidad consiste en tomar un pequeño intervalo de longitud 1 alrededor del punto .<br />
( 1)<br />
Así, si se pide ( = ) con binomial, con la aproximación normal , se debe calcular:<br />
( )<br />
Del mismo modo se razona en el caso de probabilidades acumuladas en la binomial. Algunos ejemplos: Si se pide<br />
( ) con binomial, aproximando por normal se calcula ( ) La explicación de que haya que<br />
restar 0.5 y no sumarlo es que se quiere que sea menor estrictamente que , con lo cual, si se sumara 0.5, el propio<br />
aparecería en la probabilidad a calcular y NO debe aparecer.<br />
Por otro lado, si se debiera calcular ( ), con binomial, fíjate que ahora sí está incluido en la probabilidad y<br />
por tanto al aproximar por la normal se debe calcular ( )<br />
Comprender estos dos hechos es fundamental para realizar bien la corrección por continuidad al aproximar una<br />
distribución binomial por una normal. Aunque en realidad esta aproximación no da resultados muy precisos a menos<br />
que realmente sea un valor muy grande o Para entender mejor, se ilustra una comparación entre la<br />
función de densidad de una variable aleatoria continua con distribución ( ) y el diagrama de barras de una<br />
variable aleatoria discreta de distribución ( ) para casos en que la aproximación normal de la binomial es válida.<br />
La primera de ellas es una binomial con parámetros = 1 y = 1 .<br />
135