Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 Distribucion Normal
7 Distribucion Normal
Distribucin normal
Sin duda, la distribucin continua de
probabilidad ms importante, por la
frecuencia con que se encuentra y
por sus aplicaciones tericas, es la
distribucin normal, gaussiana o
de Laplace-Gauss.
Fue descubierta y publicada por
primera vez en 1733 por De Moivre.
A la misma llegaron, de forma
independiente, Laplace (1812) y
Gauss (1809), en relacin con la
teora de los errores de observacin
astronmica y fsica .
Anatoli Timofyevich Fomenko
Gaussian Distributions I and II
1
N (, ) = P( x) =
e
2
( x ) 2
2 2
( > 0)
Puntos
de
inflexin
- , Mo, Mn +
+
4
1.6
=0.25
1.2
=0.5
=1
p(x)
0.8
0.4
0
-2.50
-1.50
-0.50
0.50
x
1.50
2.50
5
1
N (, ) = P( x) =
e
2
( x ) 2
( > 0)
2 2
=5
=5
= 10
20
30
40
50
60
70
80
90
100
110
120
a distancia 2 ,
a distancia 25
1
N (, ) = P( x) =
e
2
( x ) 2
2 2
1
F ( x) =
2
( v ) 2
2 2
dv
1
P (a X b) = F (b) F (a ) =
e
2 a
En particular:
1
2
( v ) 2
2 2
( v ) 2
2 2
dv
dv = 1
z=
x -
= 68 %
2 = 95 %
3 = 99 %
95%
68%
99%
68%
95%
-3
-2
-1
99%
0
z
1
11
Tipificacin
Dada una variable de media y desviacin tpica
, se denomina valor tipificado z, de una
observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones
tpicas, es decir:
z=
13
zA =
xA A
86
=2
1
A
x B 80 70
zB = B
=
=1
B
1014
Apliquemos el cambio de
variable tipificada a la funcin
de distribucin F(x):
z =
dv = dz
1
F ( x) =
2
1
p( z ) =
e
2
z2
( v ) 2
2 2
dv
; < z <
1
F ( z ) = p( Z z ) =
2
u2
du
1
p( z ) =
e
2
z2
; < z <
1
F ( z ) = p( Z z ) =
2
u2
du
Caracterstica de la distribucin
normal tipificada (reducida o
estndar):
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin tpica es 1.
La curva f(x) es simtrica respecto al
eje de ordenadas y tiene un mximo
en este eje.
Tiene dos puntos de inflexin en z =1
y z = -1.
16
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
17
18
0.0
0.1
0.2
0.3
0.4
.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.5
.1915 ....
.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 ....
.1179 .....
......
......
.1554 ....
.....
....
......
......
......
19
EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?
2.-Cul es la probabilidad de que un
valor de z est entre -2.03 y +2.03?
3. Hallar P( z >1.25 )
20
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
?
-3
-2
-1
z
3
21
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
Se busca en la tabla el rea correspondiente a z = 2.03
1.8
1.9
2.0
2.1
0.47882
47. 88%
-3
-2
-1
z
3
22
Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre
0 y 2.03 = 0.47882
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.95764
?
95.76%
47.88%
-3
-2
-1
47.88%
0
z
3
23
Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
1.- La probabilidad de 0 < z < + = 0.500
2.- La probabilidad de 0 < z < 1.25 = 0.39435
3.- La probabilidad de z > 1.25 =
0.500 - 0.39435= 0.10565
50%
39.44%
10.56%
-3
-2
-1
z
3
24
Ejemplo 4
Hallar P( -0.34 < z < )
63.31%
13.31%
50%
z
-3
-2
-1
25
Ejemplo 5
P(0< z <0.34) = 0.13307
P( 0 < z < 2.30) = 0.4893
P (0.34 < z < 2.30) = 0.48930 - 0.13307 = 0.35623
35.62%
-3
-2
-1
z
3
26
EJEMPLO
Sea una variable distribuida normalmente con media
= 4 y desviacin tpica = 1.5.
Cul es la probabilidad de encontrar un valor x 6
(P(x 6 ))?
27
=4
= 1.5
x
z=
Hallar P ( x > 6 )
0.5
0.40824
0.09176
?
-0.5
-3
1
-2
2.5
-1
4
0
5.5 6
1 1.33
7
2
x
8.5
3 z
28
x=z+
38.20%
Sustituyendo en la frmula
0.30 2 + 4 = 4.60
x=?
4.60
29
30
= np
=
np (1 p )
31
32
33
=
z1
z2
) 3
np (1 p=
12.5 10.0
=
= 0.83 0.2967
z1
3
11.5 10
=
= 0.5 0.1915
z2
3
P (12) = 0.2967 0.1915 = 0.1052
35
36
37
Calcular
con la aguja
de Buffon
43
44
45
46