Bioestadística

TP3 parte 3

Variable aleatoria Normal

JTP Roberto Fiadone

Este contenido es de uso interno y exclusivo de Roberto Fiadone para la

materia Bioestadística de la Facultad de Farmacia y Bioquímica (UBA).

Cátedra de Matemática - Departamento de Fisicomatemática

1
Variable aleatoria Normal
Variable aleatoria Normal

Una variable aleatoria normal, también conocida como Gaussiana, es una variable
continua, cuyo recorrido son todos los números reales. Se caracteriza porque el
gráfico de su función de densidad tiene una forma de campana simétrica. La forma de
esta campana depende de dos parámetros: la media 𝜇, determina el punto central de
la función de densidad, y la desviación estándar 𝜎 determina la amplitud de la
campana. La mayoría de las observaciones en una variable aleatoria normal se
concentran cerca de la media y disminuyen a medida que se alejan de ella. La
expresión matemática de dicha función de densidad es,
𝟏 (𝒙−𝝁)𝟐
−
𝒇 𝒙 = 𝒆 𝟐𝝈𝟐
𝝈 𝟐𝝅
Siendo 𝜇 y 𝜎 la media y el desvío
mencionados anteriormente.
En tal caso, escribimos
simbólicamente que estamos
ante una
𝑿~𝑵(𝝁; 𝝈)

Esta distribución es muy utilizada en estadística debido a que muchos fenómenos

naturales y sociales se pueden modelar como una variable aleatoria normal (y se
puede demostrar matemáticamente porqué esto ocurre, por medio del llamado
Teorema Central del Límite).
Cátedra de Matemática - Departamento de Fisicomatemática
2
Variable aleatoria Normal
Algo a señalar, que tendrá mucha importancia en capítulos posteriores, es que
siempre va a ocurrir que,
𝑷 𝝁 − 𝝈 < 𝑿 < 𝝁 + 𝝈 = 𝟎, 𝟔𝟖𝟐𝟔
𝑷(𝝁 − 𝟐𝝈 < 𝑿 < 𝝁 + 𝟐𝝈) = 𝟎, 𝟗𝟓𝟒𝟔
𝑷(𝝁 − 𝟑𝝈 < 𝑿 < 𝝁 + 𝟑𝝈) = 𝟎, 𝟗𝟗𝟕𝟒

Es decir, de esta variable se espera que el 68,26% de sus valores se hallen dentro del
intervalo (μ − σ; μ + σ), que el 95,46% se hallen en el μ − 2σ; μ + 2σ y el
99,74% en el μ − 3σ; μ + 3σ .

Cátedra de Matemática - Departamento de Fisicomatemática

3
Variable aleatoria Normal
De las v.a. normales la que más nos va a interesar estudiar primeramente es aquella
que tiene media μ = 0 y σ = 1. A esta variable se la suele representar con la letra Z
𝒁~𝑵(𝟎; 𝟏)
Esta variable, como toda v.a, tiene una función de distribución asociada, 𝐹(𝑋) (en
algunos textos, a la función de distribución de una 𝑁(0; 1), se la suele simbolizar
como Φ(x) ). No vamos a dar la complicada fórmula de la 𝐹(𝑋) , utilizaremos
directamente los valores que están tabulados. Veamos algunos ejemplos.

Ejemplo 1
Hallemos cuanto vale 𝑃 𝑍 < 1,23 = 𝐹(1,23) si
𝑍~𝑁(0; 1)
Vamos entonces a la tabla Área F(X) bajo la
curva normal, y buscamos el correspondiente
valor de 𝐹(1,23) en la fila del 1,2; columna del
0,03, obteniendo el 0,8907. Por lo tanto,
𝑷 𝒁 < 𝟏, 𝟐𝟑 = 𝟎, 𝟖𝟗𝟎𝟕
Ejemplo 2
Calcular 𝑃 𝑍 < −1,23 .
𝑃 𝑍 < −1,23 = 𝐹 −1,23
El valor a comparar es negativo, no se encuentra en la tabla ¿cómo procedemos
entonces? Veamos…

Cátedra de Matemática - Departamento de Fisicomatemática

4
Variable aleatoria Normal
Debemos tener en cuenta que
como la v.a. 𝑁(0; 1) es simétrica
alrededor del cero, y, además, el
área debajo del gráfico de
cualquier función de densidad es
igual a 1 , entonces el área que
queda a la izquierda de −𝑥 en la
función de densidad es igual al
área que queda a la derecha de 𝑥 .
Por lo tanto, vale la propiedad:
𝑭 −𝒙 = 𝟏 − 𝑭(𝒙)
Entonces,
𝑃 𝑍 < −1,23 = 𝐹 −1,23 = 1 − 𝐹 1,23 = 1 − 0,8907 = 𝟎, 𝟏𝟎𝟗𝟑
Ejemplo 3
Calcular 𝑃 | 𝑍 | > 2,326 si 𝑍~𝑁(0; 1)

(Recordemos que, para todo 𝑥, 𝑐 ∈ ℝ es 𝑥 > 𝑐 = {𝑥 Τ𝑥 > 𝑐 ó 𝑥 < −𝑐})

Por lo tanto,
𝑃 | 𝑍 | > 2,326 = 𝑃 (𝑍 > 2,326) 𝑈 𝑍 < −2,326 =
𝑃 𝑍 > 2,326 + 𝑃(𝑍 < −2,326)
Notemos que….
Cátedra de Matemática - Departamento de Fisicomatemática
5
 Variable aleatoria Normal
𝑃 𝑍 < −2,326 = 𝑃 𝑍 > 2,326
Por lo tanto,
𝑃 𝑍 > 2,326 + 𝑃 𝑍 < −2,326 =
2 ∙ 𝑃(𝑍 < −2,326)

Aplicando la propiedad mencionada anteriormente, nos queda que lo último es igual a:

2 ∙ 1 − 𝑃 𝑍 < 2,326 = 2 ∙ 1 − 𝐹 2,326 = 2 ∙ 1 − 0,99 = 𝟎, 𝟎𝟐

Observación: En general vale que: 𝑷 | 𝒁 | > 𝒙 = 𝟐 ∙ 𝟏 − 𝑭 𝒙

Definición de punto crítico

Se denomina punto crítico de una 𝒁~𝑵(𝟎; 𝟏) al valor 𝒛𝜶 ϵ ℝ que deja un área igual a
𝜶 a la derecha de 𝒛𝜶
Es decir, se simboliza con 𝒛𝜶 a valor que cumple que,

𝑷 𝒁 > 𝒛𝜶 = 𝜶

Ejemplo 4
Hallar el valor de 𝒛𝟎,𝟏𝟎

Cátedra de Matemática - Departamento de Fisicomatemática

6
 Variable aleatoria Normal
Es decir, buscamos el valor 𝒙 = 𝒛𝟎,𝟏𝟎 que
cumpla que
𝑃(𝑍 > 𝒛𝟎,𝟏𝟎 ) = 0,10

En la tabla inferior de la función de distribución se puede ver que como

𝐹 1,282 = 𝑃(𝑍 < 1,282) = 0,90
Por lo tanto,
𝑃(𝑍 > 1,282) = 0,10
Con lo cual,
𝒛𝟎,𝟏𝟎 = 𝟏, 𝟐𝟖𝟐

Propiedad

Puede demostrarse que

𝑿−𝝁
𝑿~𝑵 𝝁; 𝝈 ⇒ 𝒁 = ~𝑵(𝟎; 𝟏)
𝝈
Gracias a esta relación, toda vez que necesitemos calcular la probabilidad de una
normal, nos bastará con hacerlo mediante la función de distribución de una 𝑍~𝑁(0; 1),
como veremos seguidamente.

Cátedra de Matemática - Departamento de Fisicomatemática

7
Variable aleatoria Normal
Ejemplo 5
Sea
𝑋 = 𝐴𝑙𝑡𝑢𝑟𝑎 𝑒𝑛 𝑐𝑚 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝑎𝑑𝑢𝑙𝑡𝑜𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
Supongamos que 𝑋 sigue una distribución normal con media μ = 170 𝑐𝑚 y
varianza 𝜎 2 = 16 𝑐𝑚2
a) Hallar la probabilidad de que un hombre elegido al azar de dicha población tenga
una altura comprendida entre los 165 𝑐𝑚 y los 180 𝑐𝑚
b) Hallar la altura 𝑥 que me asegura que el 28,77% de los hombres son más altos
que dicha altura.

a) Sabemos por hipótesis que 𝑋~𝑁(170; 4). Nos piden calcular 𝑃 165 < 𝑋 < 180 .
Si restamos el valor de la esperanza y dividimos por el desvío a los tres miembros de
las desigualdades, nos queda,
𝑃 165 < 𝑋 < 180 =
165 − 170 𝑋 − 170 180 − 170
𝑃 < < =
4 4 4
𝑋 − 170
𝑃 −1,25 < < 2,5
4
𝑋−𝜇 𝑋−170
Como por la propiedad anterior sabemos que = = 𝑍~𝑁(0; 1), entonces la
𝜎 4
última probabilidad es igual a escribir…

Cátedra de Matemática - Departamento de Fisicomatemática

8
Variable aleatoria Normal
𝑃 −1,25 < 𝑍 < 2,5 = 𝐹 2,5 − 𝐹 −1,25 =
𝐹 2,5 − (1 − 𝐹 1,25 = 0,9938 − (1 − 0,8944) =
𝟎, 𝟖𝟖𝟖𝟐
b) Nos están pidiendo calcular el valor "𝑥“ que cumple que,
𝑃 𝑋 > 𝑥 = 0,2877
Donde, como ya sabemos, 𝑋~𝑁(170; 4). Procedemos de manera similar al punto a),
normalizando la variable
𝑋 − 170 𝑥 − 170 𝑥 − 170
𝑃 𝑋>𝑥 =𝑃 > =𝑃 𝑍>
4 4 4
Es decir, nuestro problema se reduce a hallar el valor de "𝑥“ tal que:
𝑥 − 170
𝑃 𝑍> = 0,2877 𝑑𝑜𝑛𝑑𝑒 𝑍~𝑁(0; 1)
4
𝑥−170
Para simplificar notación, sea 𝑎 = . Si hallamos el valor de 𝑎, podemos obtener
4
por despeje el valor de 𝑥. Hallemos 𝑎:
𝑃 𝑍 > 𝑎 = 0,2877 ⇔ 𝑃 𝑍 < 𝑎 = 1 − 0,2877 ⇔ 𝑃 𝑍 < 𝑎 = 0,7123 ⇔
𝐹 𝑎 = 0,7123
Buscamos el valor 𝑎 en la tabla de la distribución de la 𝑁(0; 1) y obtenemos 𝑎 = 0,56.
𝑥−170
Por lo tanto, como 𝑎 = , despejando 𝑥 obteniendo:
4
𝑥 = 4 ∙ 𝑎 + 170 = 4 ∙ 0,56 + 170 = 𝟏𝟕𝟐, 𝟐𝟒
Cátedra de Matemática - Departamento de Fisicomatemática
9