Distribución NORMAL

Se dice que una variable X continua tiene una distribución normal con
parámetros (µ y σ) ó (µ y σ2) si su función de densidad es:

( x −μ )2
−
1 2σ 2
f ( x )= e −∞< x <∞
√2 π σ
E( X )=μ −∞< μ<∞
V ( X )=σ 2
σ >0
La siguiente función describe la probabilidad de que una variable aleatoria normal se
encuentre entre a y b:

b −( x−μ )2
1
P(a< X <b )=∫ e 2 σ2
dx
a √2 π σ

Distribución normal estándar uso de tablas

Si Z es una variable aleatoria Normal Estándar, determine:
a) P(Z < 1.5)
b) P(-2.33 < Z < 2.33)
Si X tiene distribución normal con parámetros µ y σ, entonces, es posible su
estandarización mediante:

X−μ
Z=
σ
 N (0, 1)
Así, cualquier probabilidad que esté en términos de X se puede “estandarizar” poniéndola
en términos de Z.

P( X ≤x )=P Z≤
x−μ
σ
=Φ
x−μ
σ ( ) ( )
Estandarización

X−μ
Z=
σ
CALCULO DE DE PROBABILIDADES EN LA CURVA NORMAL
ESTÁNDAR Y SOMBREADO (EN R)

• Grafique la curva normal estándar (Z)

> curve(dnorm, xlim = c(-3, 3), ylim = c(0, 0.5), xlab = "z", ylab="f(z)")

• ‘dnorm’ nos da los valores de la función de densidad de la distribución

normal.
• ‘xlim’ son los límites inferior y superior en el eje x de la curva.
• ‘ylim’ son los límites inferior y superior en el eje y de la curva.
• ‘xlab’ es el título del eje x.
• ‘ylab’ es el título del eje y.

• Determine P(Z < -1.24).

> pnorm(-1.24)
[1] 0.1074877

• Verifique que el resultado coincida con nuestra tabla de Z.

• ‘pnorm’ es la función de densidad acumulada (fda) de la distribución
normal.

• Grafique y sombree la probabilidad buscada.

> z = -1.24
• Cambie este valor si desea hacer una gráfica para otro valor de z, con valores
de entre 3 z 3.

> x = c(-3, seq(-3, z, by=.001), z)

> y = c(0, dnorm(seq(-3, z, by=.001)), 0)
> polygon(x, y, col="red")
• Aproximamos la región de interés mediante un polígono relleno con
muchos vértices cercanos que se encuentran en la curva de densidad.
• El comando 'polygon' requiere la introducción que un comando como 'plot' o
'curve' (ya ingresado anteriormente).
• El vector 'x' contiene las coordenadas x de los vértices del polígono que
queremos rellenar.
• El vector 'y' contiene las coordenadas “y” de los vertices.
• La esquina inferior izquierda del polígono está en el punto (-3, 0). Es por eso
que -3 es la primera entrada del vector “x”, y 0 es la primera entrada del
vector “y”.
• La esquina inferior derecha del polígono está en el punto (z, 0). Es por eso
que z es la última entrada del vector “x”, y 0 es la última entrada del vector
“y”.

• Determine P(0 < Z < 1.24)

> pnorm(1.24) - pnorm(0)
[1] 0.3925123
• Verifique que el resultado coincida con nuestra tabla de Z.
• ‘pnorm’ es la función de densidad acumulada (fda) de la distribución
normal.

• Elimina los comandos de la gráfica anterior para hacer una gráfica nueva.
> plot.new()
• Si no introducimos este comando, las nuevas instrucciones se agregaran a la
gráfica previa.

> curve(dnorm, xlim = c(-3, 3), ylim = c(0, 0.5), xlab = "z", ylab="f(z)")

• Esto traza de nuevo la curva de densidad normal estándar, y configura los

parámetros para nuestros nuevos cálculos.

• Grafique y sombree la probabilidad buscada.

> zleft = 0
> zright = 1.24
• Cambie estos valore si desea hacer una gráfica para otro valor de zleft o
zright, con valores de z entre 3 z 3.
> x = c(zleft, seq(zleft, zright, by=.001), zright)
> y = c(0, dnorm(seq(zleft, zright, by=.001)), 0)
> polygon(x, y, col="green")
• Determine PZ 1.24
> 1 - pnorm(-1.24)
[1] 0.8925123
• Verifique que el resultado coincida con nuestra tabla de Z.
• ‘pnorm’ es la función de densidad acumulada (fda) de la distribución
normal.

• Limpie los comandos de la gráfica anterior para una gráfica nueva.

> plot.new()
> curve(dnorm, xlim = c(-3, 3), ylim = c(0, 0.5), xlab = "z", ylab="f(z)")

• Grafique y sombree la probabilidad buscada.

> z = -1.24
• Cambie este valor si desea hacer una gráfica para otro valor de z, con valores
de z entre 3 z 3.
> x = c(z, seq(z, 3, by=.001), 3)
> y = c(0, dnorm(seq(z, 3, by=.001)), 0)
> polygon(x, y, col="red")
• Determine PZ 
> pnorm(2.9)
[1] 0.9981342
> 1-pnorm(2.9)
[1] 0.001865813
> plot.new()
> curve(dnorm, xlim = c(-3, 3), ylim = c(0, 0.5), xlab = "z", ylab="f(z)")
> z=2.9
> x = c(z, seq(z, 3, by=.001), 3)
> y = c(0, dnorm(seq(z, 3, by=.001)), 0)
> polygon(x, y, col="red")

P = 0.0019

CALCULOS DE PERCENTILES EN LA CURVA NORMAL

ESTÁNDAR

• Encontrar el P85 . Es decir, el 85th percentile de la distribución normal

estándar “z”.
• Esto es lo mismo que pedir el cálculo del cuantil 0.85.
> qnorm(0.85)
[1] 1.036433
• Limpie los comandos de la gráfica anterior para una gráfica nueva.
> plot.new()
> curve(dnorm, xlim = c(-3, 3), ylim = c(0, 0.5), xlab = "z", ylab="f(z)")

• Grafique y sombree el cuantil buscado.

> prob = 0.85
• Cambie este valor si desea calcular otro cuantil.
> x = c(-3, seq(-3, qnorm(prob), by=.001), qnorm(prob))
> y = c(0, dnorm(seq(-3, qnorm(prob), by=.001)), 0)
> polygon(x, y, col=" darkgoldenrod1")

• El 85% del área total bajo la curva está sombreada en dorado obscuro. (Esto
incluye la pequeña pieza a la izquierda de z 3; la figura lo corta.)

EJERCICIO: RETROCEDE Y EXPERIMENTA CON VALORES

DIFERENTES!!

DISTRIBUCIÓN DE PROBABILIDADES EN UNA CURVA NORMAL

GENERAL

• Si tenemos un conjunto de datos de una población con X ~ N µ100 g,

15 g.
• Encontrar la P80 g X 95 g
> pnorm(95, mean=100, sd=15) - pnorm(80, mean=100, sd=15)
[1] 0.2782301
• Encuentre la PX 125 g
> 1 - pnorm(125, mean=100, sd=15)
[1] 0.04779035

PERCENTILES EN UNA CURVA NORMAL GENERAL

• Encuentre el P75 , es decir el 75th percentil de la distribución normal general.

• Esto es lo mismo que calcular el cuantil de 0.75.
> qnorm(0.75, mean=100, sd=15)
[1] 110.1173

Creating shaded areas in R

> curve(dnorm(x,0,1),xlim=c(-3,3),main='Normal Density')
> cord.x <- c(-3,seq(-3,-2,0.01),-2)
> cord.y <- c(0,dnorm(seq(-3,-2,0.01)),0)
> curve(dnorm(x,0,1),xlim=c(-3,3),main='Standard Normal')
> polygon(cord.x,cord.y,col='skyblue')

Sometimes the area under a density on a graphic has to be color shaded, for
instance to illustrate a p-value or a region under the normal curve. This
function offers a function interface for doing this with less code.
Instalar y cargar el paquete “DescTools”

> curve(dt(x, df=5), xlim=c(-6,6),

+ main=paste("Student t-Distribution Probability Density Function, df = ", 5, ")", sep=""),
+ type="n", las=1, ylab="probability", xlab="t")
> Shade(FUN="dt(x, df=5)", xlim=c(-6, qt(0.025, df=5)), col="red")
> Shade(FUN="dt(x, df=5)", xlim=c(qt(0.025, df=5), qt(0.975, df=5)), col="green")
> Shade(FUN="dt(x, df=5)", xlim=c(qt(0.975, df=5), 6), col="red")