Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 Distribucion Normal PDF
7 Distribucion Normal PDF
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 .
( x ) 2
1
N (, ) = P( x) = e 2 2
( > 0)
2
Puntos
de
inflexin
+
- , Mo, Mn + 4
Distribucin normal con =0 para varios valores
1.6
1.2 =0.25
=0.5
=1
p(x) 0.8
0.4
0
-2.50 -1.50 -0.50 0.50 1.50 2.50
x 5
( x ) 2
1
N (, ) = P( x) = e 2 2
( > 0)
2
=5 =5
= 10
Podemos interpretar la
media como un factor de
traslacin.
Y la desviacin tpica
como un factor de escala,
grado de dispersin,
7
N(, ): Interpretacin probabilista
Entre la media y una
desviacin tpica
tenemos siempre la
misma probabilidad:
aproximadamente el
68%.
Entre la media y
dos desviaciones
tpicas aprox. 95%
2
Podemos obtener la funcin de
distribucin F(x) integrando la
funcin de densidad de probabilidad:
95%
68%
99%
68%
95%
99% z
-3 -2 -1 0 1 2 3 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:
x
z=
En el caso de variable X normal, la interpretacin es clara:
asigna a todo valor de N(, ), un valor de N(0,1) que deja
exctamente la misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos
distribuciones normales diferentes, para saber cul de los
dos es ms extremo. 12
13
Se quiere dar una beca a uno de dos estudiantes de sistemas
educativos diferentes y se asignar al que tenga mejor expediente
acadmico:
El estudiante A tiene una calificacin de 8 en un sistema donde la
calificacin de los alumnos se comporta como N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema donde la
calificacin de los alumnos se comporta como N(70,10).
No podemos comparar directamente 8
puntos de A frente a los 80 de B, pero
como ambas poblaciones se comportan
de modo normal, podemos tipificar y
observar las puntuaciones sobre una
distribucin de referencia N(0,1).
16
Hay varios tipos de tablas de la distribucin normal
La que se explica aqu representa las reas para los
diferentes valores de z desde 0 hasta +.
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
+
0 17
18
La tabla consta de: *Margen izquierdo : Los enteros de z y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: reas correspondientes,
acumuladas, desde 0
hasta 3.99
0 1 2 3 4 5 6 7 8 9
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .... ...... ......
0.3 .1179 ..... ...... ...... ......
0.4 .1554 .... ..... ....
19
EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?
20
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
?
z
-3 -2 -1 0 1 2 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
0 1 2 3 4
1.8
1.9
2.0 0.47882
2.1
47. 88%
z
-3 -2 -1 0 1 2 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% 47.88%
z
-3 -2 -1 0 1 2 3
23
Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
50%
39.44%
10.56%
? z
-3 -2 -1 0 1 2 3
24
Ejemplo 4
Hallar P( -0.34 < z < )
P(0 < z <0.34) = 0.13307 = 63.31%
P(-0.34 < z < 0)
P (0 < z < ) = 0.50000
P( -0.34 < z < ) =
0.13307 + 0.50000 = 0.63307
13.31% 50%
-3 -2 -1 0 1 2 3 25
Ejemplo 5
Hallar P( 0.34 < z < 2.30) 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%
z
-3 -2 -1 0 1 2 3
26
EJEMPLO
27
=4 = 1.5 Hallar P ( x > 6 )
x
1.- transformar x en un valor de z z=
z = (6 - 4)/1.5 = 1.33
2.- Hallar P ( 0 < z < 1.33) =
3.- 0.5000 - 0.40824 = 0.5
0.40824
0.09176
? x
-0.5 1 2.5 4 5.5 6 7 8.5
-3 -2 -1 0 1 1.33 2 3 z
28
Hasta ahora vimos como dado un valor x de la variable, hallar
probabilidades transformando (estandarizacin) la variable en
valores de x-
z=
Cmo hallar un valor de x, dada la probabilidad?
Se debe desestandarizar :
x=z+
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor ms aproximado:0.1179
corresponde a z =+ 0.30 38.20%
Sustituyendo en la frmula
0.30 2 + 4 = 4.60 29
x=?
4.60
30
Nota: Cuando n > 20, np 5, y n(1-p) 5 la
distribucin binomial puede aproximarse por una
normal con
= np
= np (1 p )
31
32
33
En una empresa se ha visto que en un 10% de sus facturas se
cometen errores y se desea calcular la probabilidad que de
100 facturas, 12 de ellas los contengan:
= 100(.10)
= 10
= np (1 p=
) 3
z1 12.5 10.0
z2 =
z1 = 0.83 0.2967
3
11.5 10
=
z2 = 0.5 0.1915
3
43
44
45
46