ESTADSTICA DESCRIPTIVA.

(GRFICOS)
Ramirez Mendoza Juan Pablo
Tercer Carril del Ejido Serrano s/n San Mateo Cuanal. Juan C. Bonilla, Puebla, Pue. Telfonos:
01 (222) 7 74 66 40 C.P. 72640

1.Introduccion:
La distribucin de probabilidad conocida como distribucin normal es, por la cantidad de fenmenos que explica,
la ms importante de las distribuciones estadsticas. A la distribucin normal tambin se la denomina con el
nombre de campana de Gauss, pues al representar su funcin de probabilidad, sta tiene forma de campana.
En estas paginas nosotros conoceremos las caracteristicas principales de la distribucion normal y posteriormente
como se utiliza esta misma

2.Distribucin Normal
La distribucin normal es de vital importancia en estadstica por tres razones principales:

Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones que se asemejan
estrechamente a la distribucin normal.

La distribucin normal sirve para acercarse a diversas distribuciones de probabilidad discreta, como la
distribucin binomial y la distribucin de Poisson.La distribucin normal proporciona la base para la
estadstica inferencial clsica por su relacin con el teorema de lmite central.

3.Definicin
La Normal es la distribucin de probabilidad ms importante. Multitud de variables aleatorias continuas siguen
una distribucin normal o aproximadamente normal. Una de sus caractersticas ms importantes es que casi
cualquier distribucin de probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo
ciertas condiciones.

La distribucin de probabilidad normal y la curva normal que la representa, tienen las siguientes caractersticas:

La curva normal tiene forma de campana y un solo pico en el centro de la distribucin. De esta manera, la
media aritmtica, la mediana y la moda de la Distribucin Normal Proyecto e-Math 3 Financiado por la
Secretara de Estado de Educacin y Universidades (MECD) distribucin son iguales y se localizan en el
pico. As, la mitad del rea bajo la curva se encuentra a la derecha de este punto central y la otra mitad
est a la izquierda de dicho punto.

La distribucin de probabilidad normal es simtrica alrededor de su media.

La curva normal desciende suavemente en ambas direcciones a partir del valor central. Es asinttica, lo
que quiere decir que la curva se acerca cada vez ms al eje X pero jams llega a tocarlo. Es decir, las
colas de la curva se extienden de manera indefinida en ambas direcciones.
Figura 1. En esta distribucion se puede apreciar las colas que no tocan el eje x, y la curva que se forma es simetrica

4.Caracteristicas
Tiene una apariencia de forma de campana (y, por ende, es simtrica).

Sus medidas de tendencia central (media, mediana y moda) son todas idnticas.

Su 50% central es igual a 1.33 desviaciones estndar. Esto significa que el rango intercuartil est
contenido dentro de un intervalo de dos tercios de una desviacin estndar por debajo de la media y de
dos tercios de una desviacin estndar por encima de la media.

Su variable aleatoria asociada tiene un rango infinito (- < X < ).

Figura 2. La media, mediana y moda son sus medidas de tendencia central.

En la distribucin normal, uno puede calcular la probabilidad de que varios valores ocurran dentro de ciertos
rangos o intervalos. Sin embargo, la probabilidad exacta de un valor particular dentro de una distribucin
continua, como la distribucin normal, es cero. Esta propiedad distingue alas variables continuas, que son
medidas, de las variables discretas, las cuales son contadas. Como ejemplo, el tiempo (en segundos) se mide y no
se cuenta. Por lo tanto, es factible determinar la probabilidad de que el tiempo de descarga para una pgina
principal en un navegador de la Web est entre 7 y 10 segundos o que la probabilidad de que el tiempo de
descarga est entre 8 y 9 segundos, o la probabilidad de que el tiempo de descarga est entre 7.99 y 8.01
segundos. Sin embargo, la probabilidad de que el tiempo de descarga sea exactamente de 8 segundos es cero.

5.Propiedades del modelo Normal

Su esperanza es .

2
Su varianza es y, por tanto, su desviacin tpica es .

Es simtrica respecto a su media , como puede apreciarse en la representacin anterior.

Media, moda y mediana coinciden ().

Cualquier transformacin lineal de una variable con distribucin Normal seguir tambin el modelo
Normal. Si X ~ N(, ) y definimos Y = aX + b (con a 0), entonces Y ~ N(a + b, |a|). Es decir, la
esperanza de Y ser a + b y su desviacin tpica, |a|.

Cualquier combinacin lineal de variables normales independientes sigue tambin una distribucin
Normal. Es decir, dadas n variables aleatorias independientes con distribucin Xi ~ N(i, i) para i = 1, 2,
..., n la combinacin lineal: Y = anXn + an1Xn1+ ... + a1X1 + a0 sigue tambin el modelo Normal:

(1)

El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.

Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la izquierda y otra igual a 0.5 a la
derecha.

La probabilidad equivale al rea encerrada bajo la curva.

p( - < X + ) = 0.6826 = 68.26 %

p( - 2 < X + 2) = 0.954 = 95.4 %

p( - 3 < X + 3) = 0.997 = 99.7 %

 6.La distribucin normal estndar:

Se observ que no existe una sola distribucin de probabilidad normal, sino una familia de ellas. Como
sabemos, cada una de las distribuciones puede tener una media () o una desviacin estndar distinta (). Por
tanto, el nmero de distribuciones normales es ilimitado y sera imposible proporcionar una tabla de
probabilidades para cada combinacin de y.

Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones normales, aquella cuya
media es 0 y desviacin estndar 1 que es la que se conoce como distribucin estndar normal, de forma que
todas las distribuciones normales pueden convertirse a la estndar, restando la media de cada observacin y
dividiendo por la desviacin estndar.
Primero, convertiremos la distribucin real en una distribucin normal estndar utilizando un valor llamado Z, o
estadstico Z que ser la distancia entre un valor seleccionado, designado X, y la media , dividida por la
desviacin estndar .

X
se distribuye segn una
Formalmente, si X N(,) , entonces la v.a. Z = normal de (2)

media 0 y desviacin estndar 1, i.e.: Z N(0,1) , que es la distribucin llamada normal estndar o tipificada.

De esta manera, un valor Z mide la distancia entre un valor especificado de X y la media aritmtica, en las
unidades de la desviacin estndar. Al determinar el valor Z utilizando la expresin anterior, es posible encontrar
el rea de probabilidad bajo cualquier curva normal haciendo referencia a la distribucin normal estndar en las
tablas correspondientes.

As pues, para averiguar el rea anterior utilizaremos la tabla que encontraremos al final de este apartado. Dicha
tabla nos proporciona la probabilidad de que la v.a. normal estndar Z tome un valor situado a la izquierda de un
nmero c, i.e.: P(Z<c). En otras palabras, esta tabla nos da el valor del rea encerrada por f(x) entre - y c.
Ejemplos:

P(Z<1,52) = {ver tabla} = 0,9357

P(Z>1,52) = {rea total = 1} = 1 P(Z<1,52) = 0,0643

P(0<Z<1,52) = P(Z<1,52) P(Z<0) = {simetra} = 0,9357 0,5000 = 0,4357
P(-2,1<Z<0) = P(Z<0) P(Z<-2,1) = {sim+tabla} = 0,5000 0,0179 = 0,4821

Por otra parte, denotemos por z() aquel nmero real tal que P[Z>z()] =

Por ejemplo:

z(0,25) = n que deja un rea de 0,25 a su derecha = {tabla} 0,675 ya que P(Z<0,67) = 0,7486 y
P(Z<0,68) = 0,7517 .
Si queremos calcular un n real c tal que P(-c<Z<c) = 0,95 , nos interesa hallar z(0,025) {ver grfico
inferior}. Segn la tabla, c = z(0,025) = 1,96 ya que P(Z<1,96) = 0,975 y P(Z<-1,96) = 0,025 :

Supongamos ahora que X N(100,16) .

a) Cul es la probabilidad de que la variable X tome un valor entre 100 y

115? :
 100 100 X 115 100
= P(0 < Z < 0,9375)
P(100 < X < 115) = P ( 16 < < 16 )

P(Z < 0,94) P( Z < 0) = 0,8264 0,5000 = 0,3264

b) Cal es la probabilidad de que X tome un valor mayor de 90? :

( X 90100

>
P( X > 90) = P 16 ) = P( Z > 0,63) =1 P(Z < 0,63) =
=1(0,2643)= 0,7357

6.1Teorema de Chebyshev

Si X N(,) , entonces:

P(-<X<+) = 0,68

P(-2<X<+2) = 0,95

P(-3<X<+3) = 0,997

i.e., el 68% (aproximadamente) de los valores que tome la v.a. X estarn situados a una distancia de la media
inferior a una desviacin estndar. Anlogamente, el 95% de los valores estarn situados a menos de 2 veces la
desviacin estndar, y un 99,7% de dichos valores se encontrarn dentro un radio de 3 sigma.
Por lo tanto, para una distribucin normal, la mayor parte de todos los valores yacen a tres desviaciones
standard de la media..

Figura 3. Los applets que aparecen a continuacin permiten identificar los respectivos porcentajes del rea
bajo la curva

Ejemplo de una distribucin normal estndar

La estatura de todos los adultos masculinos que residen en el estado de Pennsylvania siguen
aproximadamente una distribucin normal. Por lo tanto, la estatura de la mayora de los hombres estar cerca
de la estatura media de 69 pulgadas. Un nmero similar de hombres sern un poco ms altos y un poco ms
bajos que 69 pulgadas. Solo unos pocos sern mucho ms altos o mucho ms bajos. La desviacin estndar es
de 2.5 pulgadas.

Figura 4. Aproximadamente, el 68% de los hombres de Pennsylvania tiene una estatura de entre 66.5 ( - 1) y 71.5 ( + 1) pulgadas.
FigurAa 5. Aproximadamente, el 95% de los hombres de Pennsylvania tiene una estatura de entre 64 ( - 2) y 74 ( + 2)
pulgadas.

Figura 6. Aproximadamente, el 99.7% de los hombres de Pennsylvania tiene una estatura entre 61.5 ( - 3) y 76.5 ( +
6.2 Tabla de area bajo la curva normal estandar
7.Conclucin:
Con los grandes avances tecnolgicos hemos ahorrado tiempo para el anlisis estadstico, sin embargo la
comprensin de la lgica que se utiliza para la resolucin del mismo es algo que nos ha llevado a mejorar y
avanzar en cuanto a los estudios de datos y probabilidades.

Referencias:
[1]http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-graphs/introductory-
concepts/standard-deviation-variance-and-the-normal-distribution/standard-normal-distribution/

[2] http://www.matematicasvisuales.com/html/probabilidad/varaleat/normal.html

[3] https://www.gestiopolis.com/que-es-la-distribucion-normal/

[4] http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t4.htm

[5] https://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf