ESTADISTICA

ADMINISTRACION
FINANCIERA V
UNIVERSIDAD DEL TOLIMA
DISTRIBUCIN NORMAL
La distribucin normal o gaussiana es la distribucin de probabilidad ms
importante de la estadstica y corresponde a una variable aleatoria
continua.
Propiedades de la distribucin Normal
Hay cuatro propiedades importantes que estn asociados con la distribucin
normal:
1. Tiene forma de campana, por lo tanto es simtrica.
2. Todas sus medidas de tendencia central son idnticas.
3. La variable aleatoria asociada tiene un intervalo infinito
4. Es unimodal
5. El rea bajo la curva normal (rea que est entre la curva y la lnea base) y
que contiene el 100%, o todos los casos en una distribucin normal dada.

( ) + < < X





99.7%
95.4%
68.2%





Localizacin de las
observaciones
alrededor de la
media en una
distribucin de
frecuencia en
forma de campana.

o 2 o 3 o
o + o 2 +
o 3 +
Distribucin Normal estandarizada (Puntajes Z)
Cualquiera variable aleatoria normal X se puede convertir en una variable aleatoria
normal estndar Z mediante una frmula de transformacin.

En tanto que los datos originales de la variable aleatoria X tienen media y
desviacin estndar , la variable aleatoria estandarizada Z siempre tiene media de
cero y desviacin estndar de uno.
Ejemplo: El coeficiente intelectual de un grupo de estudiantes se distribuye en forma
normal con un promedio de 100 y una desviacin estndar de 5.
Qu porcentaje de los estudintes tienen un coeficiente intelectual mayor de 110?

Dos desviaciones estndar corresponden a 47.72% por arriba de la media, lo que
quiere decir que 50%-47.72%=2.28% de los estudiantes tienen un coeficiente
intelectual mayor de 110.

s
X X
Z
i

=

o
0 . 2
5
100 110
+ =

= z

- En la siguiente figura se muestra la curva estandarizada, con una media de cero
y desviacin estndar de 1.

f (Z)

0.4

0.3 0

0.2 1

0.1


-3 -2 -1 0 +1 +2 +3


Distribucin normal estandarizada, en la que 0 y 1.
=
= o
Z
= = o
En el ejemplo anterior, Qu porcentaje de los alumnos tiene un coeficiente
intelectual menor de 95?

Una desviacin estndar de -1 corresponde a 34.13% de la cola izquierda,
por lo tanto el porcentaje de los estudiantes con un coeficiente menor de 95
puntos es equivalente a:
0.50 0.3413=0.1587, o sea 15.87%.
1
5
100 95
=

= Z
En el ejemplo anterior, Qu porcentaje de los estudiantes tienen un CI entre
90 y 105 puntos?
o sea 47.72% a la izquierda de la media

o sea 34.13% a la derecha de la media
Por lo tanto, 0.4772+0.3413= 0.8185 que es equivalente a 81.85%de los
estudiantes.

2
5
100 90
1
=

= Z
1
5
100 105
2
+ =

= Z

La meida de ingresos mensuales con distribucin normal para un grupo grande
de empleados de una organizacin es de $10000.00. La desviacin estndar
es de $1000.00.
a) Cul es la probabilidad de que el ingreso de un empleado est entre
$7900.00 y $11000.00
b) Cul es l probabilidad de que el ingreso sea mayor de $12000.00?
c) Cul es la probabilidad que el ingreso sea mayor de 8500.00?

Solucin: a.


< >

b.

>

c.
<
o

=
i
X
Z
10 . 2
1000
10000 7900
=

=
I
Z
4821 . 0
1
Z
% 82 8234 . 0 3413 . 0 4821 . 0 ) (
3413 . 0 1
1000
10000 11000
2 1
2 2
~ = + =
=

=
Z X Z P
Z Z
% 3 . 2 0228 . 0 4772 . 0 5000 . 0 ) (
4772 . 0 00 . 2
1000
10000 12000
~ = =
= =

=
Z X P
Z Z
X
Z
i
o

4332 . 0 50 . 1
1000
10000 8500
=

= Z Z
X
Z
i
o

% 7 . 6 0668 . 0 4332 . 0 5000 . 0 ) ( ~ = = Z X P
DISTRIBUCIONES MUESTRALES
Una meta importante del anlisis de datos es usar estadsticos como la media
muestral y la proporcin muestral para estimar los parmetros
poblacionales. Por ejemplo un encuestador poltico se interesa en los
resultados de la muestra slo como medio para estimar la proporcin real
de votos que cada candidato recibir de la poblacin de electores.
Distribucin muestral de la media (Propiedades de la media)
a) Es no sesgado, esta propiedad implica que el promedio de todas las
medias mustrales posibles ser igual a la media poblacional.
b) Es eficiente, esta propiedad se refiere a la precisin del estadstico
muestral como estimador del parmetro de la poblacin.
c) Es consistente, se refiere al efecto del tamao de la muestra en la utilidad
de un estimador. Conforme aumenta el tamao de la muestra, la variacin
de la media de la muestra con relacin a la media de la poblacin se
disminuye (Teorema de lmite Central).
La distribucin muestral de medias muestrales se vuelve normal a medida
que aumenta el tamao de la muestra.

=
x

Error estndar de la media
El error estndar de la media es igual a la desviacin estndar de
la poblacin dividido entre la raz cuadrada del tamao de la
muestra n.


Ejercicio: Si una poblacin de datos crudos posee una distribucin
normal, con una media =80 y una desviacin estndar =8,
determine los parmetros de la distribucin muestral de la
media para los siguientes tamaos de la muestra: n = 36 y n = 50
Solucin:

x
o
o
n
X
o
o =
13 . 1 =
50
8
= )
33 . 1 =
36
8
= = )
80 = =
x
x
x
b
n
a
o
o
o

x x
y o

o

Determinar Z para la distribucin muestral de la media

Suponga que el promedio de la calificacin de la materia de estadstica de
varios grupos de una universidad es 8.0 con una desviacin estndar de 1.0.
cmo puede determinarse la probabilidad de que una muestra de 36 alumnos
tenga un promedio menor de 7.70?


n
X X
Z
x
o

o

=

=
=
0.17
-0.3
=
36
1
7 . 7
= -1.76
8.0 -
z
Al buscar Z= -1.76, se encuentra un rea de 0.4608. Por lo tanto, 3.92%
de todas las muestras posibles de tamao 36 tendern una media menor
que 7.70.


Estimacin del intervalo de confianza para la media
Un intervalo de confianza es un rango de valores que probablemente
contiene al valor poblacional. Por ejemplo, el intervalo de confianza del
95% es aquel en el que la probabilidad de que dicho intervalo contenga
al valor poblacional es de 95%. Los intervalos ms utilizados en la
prctica son de 95 y de 99 por ciento.
Estimacin del intervalo de confianza para la media ( conocida)
Una muestra de 36 observaciones se selecciona a partir de una
poblacin normal para la cual se conoce que la desviacin estndar de la
muestra es 9 y la media muestral es 20.
a) Determine el error estndar de la media. b) Obtenga el intervalo de
confianza de 95%.

o
x
z X o =
5 . 1
36
9
= = =
n
x
o
o
( ) ( ) 94 . 22 06 . 17 5 . 1 96 . 1 20
2
a Z X
x
= = o
o
TEOREMA DEL LMITE CENTRAL
Dada una poblacin, con media y desviacin
tpica finitas, y seleccionamos al azar
muestras aleatorias de tamao n, entonces la
forma lmite de la distribucin de Z conforme n
crece indefinidamente
) 1 , 0 ; ( ~ z N
n
X
Z
o

=
DISTRIBUCIN T STUDENT
Cuando se desconoce la desviacin estndar de la poblacin y el
tamao de la muestra es pequea n<30, suponiendo que la poblacin
tiene aproximadamente la forma de una distribucin normal, se puede
aplicar la estadstica t que es simtrica, en forma de campana y con
media cero, o sea muy semejante a la distribucin normal estndar.
La forma de la distribucin t depende de un parmetro llamado
grados de libertad que est dado por n-1que es el tamao de la
muestra menos uno. Para la distribucin t se define en la misma
forma que se defini .
Utilizando el hecho de que la distribucin t es simtrica con respecto
a t = 0, (1- ) es la probabilidad de que una variable aleatoria que
tiene la distribucin t tome un valor entre .


La distribucin t estandarizada se calcula a partir de
o
2
o
t
2
o
z
o
2 2
o o
t y t +
n
s
x
t

=
Ejemplo: Para determinar el coeficiente de inteligencia promedio de los
profesores que trabajan en una universidad, se extrae una muestra aleatoria
de 20 profesores de toda la poblacin. Los resultados proporcionan una
media de 135 y una desviacin estndar de 8. Construya un intervalo de
confianza del 95% para la media poblacional.


GL=20-1 =19 y t=2.093



135 (2.093)(1.789)=131.26 135 + (2.093)(1.789)=138.74
As, el intervalo de confianza del 95% es: 131.26 138.74
025 . 0
2
= , 8 = , 135 = t t s X
o

2
n
s
t X
o
20
8
) 093 . 2 ( 135
025 . 0
2
=
o
Para calcular z (el nmero de
desviaciones estandarizadas),
a partir del nivel de confianza
deseado, se define la
probabilidad correspondiente.
primero se divide entre 2 el
nivel de confianza y el
cociente resultante se ubica en
las cifras de la cuadrcula de
la tabla. El valor
correspondiente de z se
encuentra en la columna de la
izquierda, adems del
segundo decimal que resulte
en la primera fila. Por ejemplo
para un nivel de confianza de
98%, 0.98/2= 0.49, este valor
le buscamos en la tabla e
identificamos en la columna
izquierda 2.3 y en la fila
superior 0.03, al sumar nos da
Z=2.33.

DISTRIBUCIONES USADAS EN INFERENCIA
Distribucin Ji-Cuadrado o Chi-cuadrado o _
2
de Pearson con n
grados de libertad.
Sean X
1
, X
2
, ... ,X
n
n variables aleatorias continuas
independientes tal que X
i
= N (0,1)
con i = 1, ..., n (i.i.d.). Definamos la variable aleatoria:

=
=
n
i
n i
X Y
1
2
2
_
0 ,
2
2
) (
2
2
1
2
>
|
.
|

\
|
I
=

x
n
e y
y f
n
y n
Y
Su densidad de probabilidad
ser:
la funcin gamma es: ( )
}

= + I
0
1 dy e y
y o
o
| | n Y E =
| | n Y Var 2 =
0 10 20 30 40 50 60
0.00
0.05
0.10
x
f
(
x
)
Ji-Cuadrado con 9 grados de libertad
Hecho por Edgar Acuna
DISTRIBUCIN MUESTRAL DE S
2

Si S
2
es la varianza de una muestra aleatoria de tamao n
que se toma de una poblacin normal que tiene la varianza
entonces el estadstico:
tiene una distribucin ji cuadrada con n -1 grados de
libertad.
( )

=
n
i
i
X X S n
1
2
2
2
2
2
) 1 (
o o
_
Distribucin Muestral de
ProbabilityDensityFunction
y=chi2(x,10)
0.000
0.044
0.087
0.131
0.175
0.00 6.25 12.50 18.75 25.00
2
2
*
) 1 (
o
s n
( )
2
2
2
1
como distribuye se
) 1 , 0 ( como distribuye se
) , ( como distribuye se Si
_
o
o
o
x x
N
x x
N X

( ) ( )
2
*
1 1
2
*
s ) 1 (
1
1
s
2 2
=

=

= =
n x x x x
n
n
i
n
i
2
1
2
como distribuye se

) 1 (
2
*

n
s n
_
o

=

n
i
n i
X
1
2
2
_
Tipificando
TABLA DE
2
_
2
n
0.99

0.975 0.025 0.01
n
1
2
3
4
5
grados de libertad
valores acumulados de _
2
n

orden percentlico
p
USOS DE LA JI-CUADRADO
a) Para hacer inferencias acerca de la varianza poblacional.
Es decir, para calcular Intervalos de Confianza y Prueba de
hiptesis para la varianza poblacional.
b) Para hacer pruebas de Bondad de Ajuste. O sea, para
probar si un conjunto de datos sigue una distribucin pre-
determinada.
c) Para hacer anlisis de tablas de contingencia.