P. 1
Areas bajo la curva normal o campana de Gauss o Distribucion normal

Areas bajo la curva normal o campana de Gauss o Distribucion normal

|Views: 84.776|Likes:
Publicado porjeffreyscribd
tema de estadistica
tema de estadistica

More info:

Published by: jeffreyscribd on Oct 22, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

11/06/2015

pdf

text

original

AREAS BAJO LA CURVA NORMAL

Conceptos preliminares:
La Distribución Normal:
Es una distribución cuyas variables aleatorias pueden tomar un número infinito de
posibles valores, o cuyas diferencias entre si pueden ser infinitesimales; por lo tanto es
una distribución continua, ya que sus variables pueden medirse con el grado de
precisión que se desee.
Algunos ejemplos de variables continuas son las medidas de:
. Tiempo (años, meses, días, horas, minutos, segundos, etc.)
. Distancia (Km, metros, centímetros, milímetros, etc.)
. Estatura
. Peso
. Coeficiente intelectual CI (IQ)
Importancia de la Distribución Normal:
• Existen numerosas variables que parecen seguir una forma similar a la
distribución normal (pesos, alturas, coeficientes intelectuales, calificaciones en
exámenes, etc.)
• La distribución muestral de muchos estadígrafos muestrales como la media
tienen una distribución aproximadamente normal e independiente de la
configuración de la población, si los datos son suficientemente numerosos.
• Es una excelente aproximación a otras distribuciones muestrales como la de
Poisson y Binomial, por ejemplo.

La Función Normal:
Es una curva lisa, de forma acampanada y unimodal como se presenta en la figura 1.1
Se dice que una variable x numérica de experimentación con media aritmética
probabilística
x
µ
y desviación estándar probabilística positiva
x
σ
sigue una
distribución normal o es una variable normal si tiene definida una función densidad de
probabilidad dada por (1.2). En este caso su probabilidad rayo del tipo ≤ k está dada
por (1.3).

En las fórmulas anteriores intervienen las siguientes
constantes:
π Aproximadamente 3.141592
e Aproximadamente 2.718281
x
σ
Parámetro desviación estándar probabilística de x (variables normales
diferentes pueden tener distintas desviaciones estándar probabilísticas, pero para cada
variable normal, su desviación estándar probabilística es constante).
x
µ
Parámetro media aritmética de probabilística de x (variables normales diferentes
pueden tener distinta medias aritméticas probabilísticas, pero para cada variable
normal su media aritmética probabilística es constante).
Distribución Normal Estandar o Tipificada
Una variable de experimentación es estándar o tipificada si su media aritmética
probabilística es cero (0) y su desviación estándar probabilística es uno (1). Si una
variable de experimentación x es normal y tipificada, su función de densidad de
probabilidad se denomina normal estándar o normal tipificada y se ajusta a la fórmula
(1.4).
(1.4)
* Curva Normal Tipificada (lo que interesa)
Con el fín de suprimir la individualidad de cada una de las distribuciones señaladas
gráficamente, se convierte a la curva normal, en un modelo matemático con
características fijas y definidas y así se hace posible el cálculo de probabilidades. Este
proceso se conoce con el nombre de tipificación de la curva normal. Para lo cual se
supone.
a) La media o promedio de la población es cero
µ
=0
b) La desviación estándar igual a uno

∞ −
·
k
dx x fn x FN ) ( ) (
2
2
1
2
1
) (

,
`

.
| −

·
x
x
x
x
e x fn
σ
µ
π σ
2
2
2
1
) (
x
e x fnt

·
π
2 . 1 3 . 1
F u n c i ó n d e d e n s i d a d F u n c i ó n d e l r a y o
c) La variable independiente x, se transforma en un valor z.
-3 -2 -1 0 1 2 3
Desviación normal estándar (Formulas de utilización)
Fórmulas de cálculo se reproducen a continuación como las fórmulas (1.5) y (1.6).
(1.5) (1.6)
Característica de la curva normal tipificada
a) Es simétrica respecto a su media (50% a la derecha y 50% a la izquierda de la
media)
b) El área encerrada es 1 o 100%
c) La media, mediana y moda son iguales
x
x
x
z
σ
µ −

x
x
a
a
z
σ
µ −
·
Ejemplos de los casos más frecuentes del cálculo de probabilidades de intervalos.












Ejemplo:
1) En la Universidad del Oeste, la calificación promedio sobre una escala vigesimal
obtenida por un estudiante elegido al azar es una variable de experimentación
con media aritmética probabilística 14 y desviación estándar probabilística 2,
cuya distribución de probabilidad se aproxima a la normal. Estime las
probabilidades de que una calificación x escogida al azar sea: a) ≤13 : b)>13
; c) ≤17 ; d)>17 ; e)>13 pero ≤ 17 ; f) ≤13 ó >17 ; g)>15 pero <=17 ;
h)>10 pero <=14
Solución:
A partir de los datos: a=13; b=17;
x
µ
=14 y
x
σ
=2 se obtiene las siguientes
respuestas:
a. P(x<=13) caso3
5 . 0
2
14 13
− ·

·

·
x
x
a
x
z
σ
µ
P(x<=13)=P(z<=-0.5) ≈ 0.3085
b. P(x>13)
. - a b
) ( ) ( b z P a z P > + − < ·
P(x>13)=1-P(x<=13)=1.0-0.3085
P(x>13)=0.6915
c. P(x<=17) caso1
5 . 1
2
14 17
·

·

·
x
x
c
x
z
σ
µ
P(x<=17)=P(z<=1.5) ≈ 0.9332
d. P(x>17) caso2
P(x>17)=1-P(x<=17)=1-0.9332
P(x>17)=0.0668
e. P(13<x<=17) caso4
5 . 0 − ·
a
z

5 . 1 ·
b
z
P(13< x<=17)=P(-0.5<z<=1.5)
P(13< x<=17)=0.9332-0.3085=0.6247
f. P(x<=13 ó x>17) caso7
P(x<=13 ó x>17)= P(x<=13)+ P(x>17)
P(x<=13 ó x>17)= P(z<=-0.5)+P(x>=1.5)
P(x<=13 ó x>17)= P(z<=-0.5)+1- P(x<=1.5)
P(x<=13 ó x>17)=0.3085+1-0.9332
P(x<=13 ó x>17)=0.3753
g. P(15<z<=17) caso5
=P(z<=17)-P(z<15)
=0.9332-0.6914
=0.2417
Ejemplo
La capacidad de gasto anual en actividades educativas de una familia elegida
aleatoriamente de una población universitaria del departamento de Lima es una
variable de experimentación con media aritmética probabilística 400 um y desviación
estándar probabilística 100 um, cuya distribución de probabilidades es muy
aproximada a la normal. Se requiere estimar el importe tal que exista 88.1% de
probabilidades de que la familia elegida aleatoriamente gaste como máximo tal
cantidad.
x
µ
=400
x
σ
=100
P(z)=88.1%=0.881
0.881=(x-400)/100
X=488.1 Respuesta el importe debe ser <=488.1
PROBLEMAS PROPUESTOS
1) El consumo mensual en um de una persona elegida aleatoriamente a partir de la población
de un país es una variable normal con media aritmética probabilística 500 um y desviación
estándar probabilística 100 um. ¿Cuál es el nivel tal que exista 76.73% de probabilidad de
que dicha variable supere tal nivel?
500 ·
x
µ 100 ·
x
σ z=0.7673
0.73=(x-500)/100 x=573
Respuesta: Para la variable que sea >= que 573 um.
x
x
x
z
σ
µ −

2) La posición sanguínea sistólica media de hombres de 20 – 24 años de edad es 123 con
una desviación típica de 137 se sabe que la presión sanguínea se distribuye normalmente.
Si se selecciona al azar uno de estos hombres. ¿Cuál es la probabilidad de que su presión
sanguínea sea mayores que 139.44
P(x>139.44)=P(z>
137
123 44 . 139 −
)
=P(z>0.12)
=P(1-P(z<=0.12)
=1-0.5478
=0.4522
3) Del problema anterior ¿Cuál es la probabilidad de que su presión sanguinea sea menores
que 110
)
137
123 110
( ) 110 (

< · < z P x P
=P(z<-0.098)
=0.4920
4) Los coeficientes de inteligencia CI de las personas tienen una distribución aproximada a la
normal con media 100 y desviación estándar 10. ¿Cuál es la probabilidad que el CI de
cualquier individuo quede en el intervalo 100 a 110?
100 ·
x
µ 10 ·
x
σ
Piden: P(100<x<110)
P(100<x<110)=P(
10
100 110
10
100 100 −
< <

z )
=P(0<z<1)
P(0<z)=1-P(z<0)=1-0.5=0.5
P(z<1)=0.5398
⇒0.5398-0.5=0.0398
P(100<x<110)=0.0398
5) Para cierta prueba la calificación media es 500 y desviación típica 100. Se desea aprobar
al 75% de los candidatos que rinden esta prueba. ¿Cuál debe ser la calificación mínima
aprobatoria?
500 ·
x
µ 100 ·
x
σ z=0.75 ⇒
25 . 0 ·
c
z
P(
c
z
<
100
500 − x
)=-0.25 = -0.68 por tabla
x-500=-0.25*100 x=432
6) La vida útil de un componente eléctrico tiene una distribución normal con una media de
2000 horas que una desviación estándar de 200 horas. ¿Cuál será la probabilidad de que
un componente elegido al azar dure entre 1800 y 2200?
(1800<=x<=2200)= P
]
]
]


≤ ≤

200
2200
200
1800 u
z
u
=P(-1<=z<=1)=P(z<=1)-P(z<=-1)
=2(0.84134)-1=0.68268

7) Del problema anterior ¿Cuál es la vida útil del 90% de los componentes elécticos?
X: Vida útil del complemento electronico
P(x<=A)=P(
200
200 −

A
z )=0.9
0
Z 28 . 1
200
200
·


A
A=2256
8) Los pesos de los paquetes recibidos en un almacén tiene una media de 300 libras, con una
desviación Standard de 50. ¿Cuál es la probabilidad de que 25 paquetes puestos al azar
excedan el límite de seguridad de éste que es de 8200 libras?
Resolucion
Limite superior 8200
u=300 n=25 50 · σ
25-300=7500 Los que se van a poner en el ascensor

10
25
50
· · ·
n
σ
σ
250 25 * 10 · · n σ
8 . 2
250
700
250
7500 8200
· ·

· z P(z>70)=0.5-0.4974=0.0026
La probabilidad que se rompa es 0.0026
9) Ciertos focos fabricados por una compañía, tiene una duración media de 800 horas y una
desviación típica de 60 horas. Hallar la probabilidad de que una muestra al azar de 16
tubos tomada de entre ellos tenga una duración de entre 790 y 810 horas?.
u=800 60 · σ
16
60
·
x
σ
=15
67 . 0
15
800 792
1
− ·

· z
67 . 0
15
800 810
2
·

· z
P(-0.67<=z<=0.67)=2(0.2486)=0.4972
10) Del problema anterior hallar la probabilidad de que una muestra al azar de 16 tubos
tomada menor de 785 horas.
1
15
800 785
− ·

· z
P(z<=-1)=0.5-0..3413
=0.1587
BIBLIOGRAFIA
1. Estadística y Probabilidades (LAFONTE)
2. DISTRIBUCIÓN NORMAL(Lic. Adm. Carlos Aliaga Valdez)
3. ESTADISTICA (Murria R. Spiegel)
4. Distribución Normal o de Gauss(http://www.scribd.com/doc/6784181/Distribucion-
Normal-o-de-Gauss)

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->