Documentos de Académico
Documentos de Profesional
Documentos de Cultura
x
z
=
0.5
-0.5 1 2.5 4 5.5 7 8.5
-3 -2 -1 0 1 1.33 2 3 z
Hasta ahora vimos como dado un valor x de la variable,
hallar probabilidades transformando (estandarizacin) la
variable en valores de
x -
o
Cmo hallar un valor de x, dada la probabilidad?
x = ?
38.20%
Ejemplo: Sea una variable distribuida normalmente con =4 y o =2 .
Hallar el valor de x que deja por encima de l un 38.20% (0.3820)
Se debe desestandarizar :
x = z o +
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor ms aproximado :0.1179
corresponde a z =+ 0.30
4.60
Sustituyendo en la frmula
0.30x2+4 =4.60
z =
EJEMPLO N 7
CASOS MS FRECUENTES.
La distribucin de la variable Z se encuentra tabulada
p(za)= 0.5 + p(a)
CASOS MS FRECUENTES.
p(z>a)= 0.5 - p(a)
CASOS MS FRECUENTES.
p(-aZ a)= p(-a) + p(b)
CASOS MS FRECUENTES.
p(-aZ a)= p(b) - p(a)
Prctica
Los coeficientes intelectuales de 600 aspirantes de
cierta universidad se distribuyen aproximadamente
de forma normal con una media de 115 y una
desviacin estndar de 12. Si se selecciona un
aspirante al azar, encuentre la probabilidad de que:
a) Tenga un coeficiente mayor de 120.
b) Tenga un coeficiente menor de 100.
c) Tenga un coeficiente menor de 122.
d) Tenga un coeficiente entre 115 y 125.
e) Tenga un coeficiente entre 90 y 105.
La tabla que e usa para este ejemplo es
ESTE EJEMPLO LO
RESOLVEREMOS CON UNA
TABLA DIFERENTE A LA QUE
TENEMOS EN CLASE (LA CUAL
SEALA LOS VALORES DE O A
Z). La tabla que se presenta
seala los valores de z a
LOS RESULTADOS DEBEN SER
IGUALES AL FINAL
Solucin
x
z
=
a. Se dibuja la curva Normal con
los datos =115 y =12; x>120
Se calcula Z
= 120-115 = 5= 0.42
12 12
Z 2
0.4 .3372
Respuesta: La probabilidad de que
sea mayor es del 33.72%
Solucin
b) Para encontrar la probabilidad de que un aspirante tenga un
coeficiente intelectual menor de 100, primero se traza la curva de
la distribucin normal original, para luego transformarse en la
distribucin normal estndar.
El valor z se calcula con la frmula:
Z =X - =100 - 115= -1.25
12
En la tabla de reas bajo la curva
normal no se tabularon valores z
negativos, pero como la curva
normal es simtrica, el rea a la
izquierda del valor z = -1.25 es
del mismo tamao que el rea a
la derecha del valor z = 1.25, por
lo que solo se necesita buscar en
la tabla el rea correspondiente al
valor positivo.
Z 5
1.25 .1056
Respuesta: La probabilidad que
tenga un coeficiente intelectual
menor de 100 es del 10.56%
Solucin
c-Tenga un coeficiente menor de 122.
Para encontrar la probabilidad de que la variable aleatoria
sea menor de 122, hay que estandarizar la distribucin
obteniendo el valor z correspondiente al valor de x = 122.
z =
x -
=
122 115
= 0.58
Z 8
12 0.58 .28096
El rea de .28096 corresponde a la
que se encuentra a la derecha del
valor z, pero no es la que nos
interesa en esta vez, el rea que
queremos encontrar es la que se
encuentra a la izquierda del valor z,
que podemos calcular restando el
rea de .28096 al rea total bajo la
curva que es 1.
P( x < 122 ) = 1 - .28096 = .71904
Solucin
d) Para encontrar el rea que se encuentra
entre x = 115 y x = 125 hay que encontrar
el rea a la derecha de cada uno de esos
valores. A la derecha de 115 ( la media ) el
rea es .5, para encontrar el rea a la
derecha de 125 hay que encontrar en la
tabla el valor z correspondiente.
z =
x -
=
125 115
= 0.83
Z 3
12 0.83 .20327
El rea a la derecha de x = 125 es
parte del rea a la derecha de x =
115, si la restamos obtendremos el
rea que se encuentra entre los dos
valores.
P( 115 < x < 125 ) = .5 - .20327 =
.29673
Respuesta: Para 115<X<125 la probabilidad es
de 29.67%
Solucin
e) Para encontrar el rea que se encuentra
entre x = 90 y x = 105, hay que encontrar en
la tabla el rea a la izquierda de cada uno de
esos valores. Al estar en el lado izquierdo de
la curva, por simetra, el rea es la misma que
la correspondiente a los valores z positivos.
z =
x -
=
90 115
= - 2.08
Z 8
12 2.08 .01876
z =
x -
=
105 115
= -0.83
Z 3
12 0.83 .20327
Restamos=P( 90 < x < 105 ) = .20327 - .01876 = .18451
Respuesta: La probabilidad 90 < x < 105 es de 18.45%
Utilizar una distribucin normal (distribucin continua)
como un sustituto para una distribucin binomial
(distribucin discreta) para valores considerable de n,
una distribucin binomial se acerca ms a una
distribucin normal.
APROXIMACION A LA NORMAL DE LA
DISTRIBUCIN BINOMIAL
APROXIMACION A LA NORMAL DE LA
DISTRIBUCIN BINOMIAL
La distribucin Binomial converge a la normal cuando n
tiende a (teorema de de Moivre, caso particular del teorema
central del lmite)
Abraham de Moivre
En su obra La doctrina de las probabilidades
se encuentra la primera enunciacin de la regla
de la multiplicacin, y en sus dos ltimas
ediciones aparecen las primeras indicaciones de
la distribucin normal (1733) a partir del
teorema de Bernouilli
}
=
5 . 0
5 . 0
,
) (
b
a
x n x
b a
n
x
n
dx x f q p C lim
es N (np, npq)
p(x)
a -0.5 b + 0.5
a
b
CORRECCIN POR CONTINUIDAD
Hay que tener en cuenta que para realizar
correctamente esta transformacin de una
variable discreta (binomial) en una variable
continua (normal) es necesario hacer una
correccin de continuidad.
En la prctica la aproximacin es buena cuando:
1.- np y nq > 5
Factor de correccin por continuidad
El valor se 0.5 resta o suma, dependiendo de la
pregunta, a un valor seleccionado cuando una
distribucin de probabilidades discreta se calcula por
medio de una distribucin de probabilidad continua.
p(axb)= p(a-0.5xb+0.5); donde x es la variable
normal transformada
CORRECCIN POR CONTINUIDAD
CORRECCIN POR CONTINUIDAD
EJEMPLO 1
- npq > 5
= np = 16 o = \npq = 3.1
Se realiza la prueba de las medias
Se calcula la P( 7.5 < X < 8.5 )
z
1
= 7.5-16/3.1 = -2.74 ; P = 0.4969
z
2
= 8.5 - 16/3.1 = - 2.42 ; P = 0.4922
P(7.5<X<8.5) =
0.4969 - 0.4922 = 0.0047
SI np = 16 y nq = 24
Sea una variable Binomial con n = 40 y p = 0.4. Calcular mediante la
aproximacin normal la probabilidad de obtener 8 xitos
16
9.8 12.9
6.7
8.5
7.5
EJEMPLO 2
Evale p(1x4) para una variable binomial con n=15 y
p=0.2
Prueba medias n*p=15*0.20=3; n*q=15*0.8=12
A- distribucin binomial
p(1x4)=p(1)+p(2)+p(3)+p(4)=
0.1319+0.2309+0.2502+0.1876=0.8006
B- Aproximacin a normal
p(1x4) aplicando el factor de continuidad p(0.5x4.5)
Z
1
=(0.5-3)/15*0.2*0.8=-1.61---p(z
1
=1.61)=0.0537
Z
2
=(4.5-3)/15*0.2*0.8= 0.97---p(z
1
=0.97)=0.8340
p(1x4)=0.8340-0.0537=0.7803
EJEMPLO 3
Un fabricante sabe que en promedio el 2% de las
mquina de lavar que fabrica necesitan reparacin
dentro de los 60 das despus de su venta. Cul es la
probabilidad de entre 800 mquina de lavar
despachadas por el fabricante por lo menos 20
necesiten reparacin dentro de los 60 das despus de
vendidas.
Prueba medias n*p=800*0.02=16; n*q=800*0.98=784
Correccin por continuidad=20-0.5=19.5
Z
1
=(19.5-16)/800*0.02*0.98=0.88p(z=.88)=0.8106
P(x20)=1-0.8106=0.1894=18.94%
DISTRIBUCIONES
MUESTRALES
Distribucin normal estndar Z Distribucin normal de
x
DISTRIBUCION DE PROBABILIDADES
MUESTRALES:
La distribucin de probabilidades de un
estadstico recibe el nombre de distribucin
muestral. As la distribucin de probabilidades
de X se llama distribucin muestral de la media.
La distribucin muestral de un estadstico
depende del tamao de la poblacin, el tamao
de la muestra y del mtodo de seleccin.
DISTRIBUCIN MUESTRAL DE LA
MEDIA
Independientemente de la forma de la
distribucin de una poblacin, la distribucin
de los valores medios de las muestras de
tamao n tomadas de esa poblacin tendr
una distribucin normal cuando n tiende al
infinito
TEOREMA DEL LMITE
CENTRAL
TEOREMA CENTRAL DEL LMITE
En condiciones muy generales la suma de n variables
aleatorias , independientes y con la misma distribucin
tiende a la distribucin normal a medida que n tiende a
infinito
n n
n
n
X X X S
N S f lim
...
( ) (
2 1
+ + =
=
) ,o
TEOREMA DEL LMITE CENTRAL
Sea x
1
, x
2
, ..., x
n
una muestra aleatoria de
observaciones tomadas de la misma distribucin y
sea E(X
i
) = y Var(X
i
) = o
2
.
Entonces la distribucin muestral de la variable
aleatoria:
converge a la normal standard N(0, 1) cuando n
tiende a infinito.
n
x
Z
n
/
) (
o
=
TEOREMA CENTRAL DEL LMITE
Teorema del Lmite Central. El TCL se cumple an
cuando la distribucin desde la que se toman las
observaciones no sea normal. Esto significa que si
nosotros nos aseguramos que el tamao de la
muestra es grande, entonces podemos usar la
variable Z
n
para responder preguntas acerca de la
poblacin de la cual provienen las observaciones.
As, para una poblacin con una media y una
varianza , la distribucin de las medias de todas
las muestras posibles de tamao n generadas de la
poblacin estarn distribuidas de forma
aproximadamente normal asumiendo que el tamao
de la muestra es suficientemente grande.
TEOREMA CENTRAL DEL LMITE
TEOREMA CENTRAL DEL LMITE
Con relacin al teorema del lmite central debemos
enfatizar en:
Si el tamao de la muestra n es suficientemente grande
(n > 30) la distribucin normal de las medias ser
aproximadamente normal. No importa si la poblacin es
normal, sesgada u uniforme, si la muestra es grande el
teorema se aplicar.
La media de la poblacin y la media de todas las
posibles muestras son iguales. Si la poblacin es grande
y un gran nmero de muestras son seleccionadas de
esa poblacin entonces la media de las medias
muestrales se aproximar a la media poblacional.
DISTRIBUCION DE PROBABILIDADES
MUESTRALES:
En la vida real es imposible calcular parmetros
poblacionales porque las poblaciones son muy grandes.
En lugar de analizar toda una poblacin, se toma una
muestra, luego se calcula un estadstico relacionado
con el parmetro que interesa, y se hace una inferencia.
La distribucin muestral de un estadstico es la
herramienta que nos dice cun cerca est el estadstico
del parmetro.
La distribucin de probabilidades de un estadstico
recibe el nombre de distribucin muestral. As la
distribucin de probabilidades de X se llama distribucin
muestral de la media. La distribucin muestral de un
estadstico depende del tamao de la poblacin, el
tamao de la muestra y del mtodo de seleccin.
DISTRIBUCIN DE LA MEDIA MUESTRAL CUANDO
LA POBLACIN ES NORMAL
Se extraen muestras aleatorias de tamao n de una poblacin infinita con
media poblacional y varianza
2
:
La media de las medias muestrales es igual a la media poblacional. Es
decir, La varianza de las medias muestrales es igual a la varianza
poblacional dividida por .
En consecuencia la desviacin estndar de las medias muestrales
(llamada tambin el error estndar de la media muestral), es igual a la
desviacin estndar poblacional dividida por la raz cuadrada de .Es
decir .
Si la poblacin fuera finita de tamao N, se aplica el factor de correccin:
al error estndar de la media muestral
=
x
n
n
x
o
o =
1
N n
N
n
DISTRIBUCONES MUESTRALES
Z
n
= La variable normal de la media muestral
1/n= factor de correccin de la desviacin
ox= Desviacin estndar para los valores individuales
X= media aritmtica de los valores individuales.
x= Media aritmtica de la poblacin objeto de la investigacin.
n
x
Z
n
/
) (
o
=
EJEMPLO 1:
Supngase que el ingreso familiar anual de
cierta regin tiene una media de $10,000 y
desviacin estndar de $3,000. Se sabe que
el ingreso anual por familia no se distribuye
normalmente. Se selecciona aleatoriamente
una muestra de 100 familias y se calcula el
ingreso promedio Cul es la probabilidad de
que el ingreso promedio de la muestra
a. sea mayor o igual que $11,200?
b. sea mayor o igual que $10,450?
Solucin
a-
X=ingreso promedio de las 100 familias
ox=3000; n=100; x=B/.10,000.00
Z=(Xx) =11,200-10,000 =4---p (z=4)=0
ox/n 300
b-
Z=(Xx) =10,400-10,000 =1.5---p (z=1.5)=0.0668
ox/n 300
EJEMPLO 2
Segn Informe del MITRADEL: El salario bsico
inicial promedio de los obreros no calificados
(sin antigedad), es de $600 mensuales.
Suponga que la distribucin de los salarios tiene
un desvo estndar de $100. Cul es la
probabilidad de que 25 obreros elegidos al azar
tengan un salario promedio mensual de menos de
$550?
Solucin
0062 , 0 ) 5 , 2 (
)
25 100
600 550
( ) 550 (
= < =
<
= <
z P
x
P x P
x
o
DI STRI BUCI N DE LA PROPORCI N
MUESTRAL
Si de una poblacin distribuida Binomialmente con
probabilidad de xito p, se extrae una muestra aleatoria de
tamao n, entonces se puede mostrar que la media de X:
nmero de xitos en la muestra, es y que su varianza
es . En consecuencia la proporcin muestral
tiene media p, y varianza . Entonces:
por el
Teorema del Limite Central, cuando n es grande se tiene:
np =
npq =
2
o
n
X
p =
n
pq
n
pq
p p
npq
np X
z
=
EJEMPLO 3
Segn reportes del centro nacional para estadsticas de
salud, alrededor del 20 % de la poblacin masculina adulta
de los Estados Unidos es obesa. Se elige al azar una
muestra de 150 hombres adultos en los Estados Unidos.
Cul es la probabilidad de que:
a) Haya a lo ms 25 personas obesas?
b) Haya ms de 22 pero menos de 35 obesos?
c) Haya por lo menos un 25% de obesos en la muestra?
Solucin:
Sea X el nmero de personas obesas en la muestra.
Usando aproximacin normal a la Binomial se tiene que:
a)
b)
c.
P(Z> 1.53) = 1-P(Z<1.53) = 1-.9730 = .0630.
( ) ( ) ( ) 1814 . 0 91 . 0
24
30 5 . 25
5 . 25 25 = < = |
.
|
\
|
< = < ~ s Z P Z P X P X P
( ) ( ) = |
.
|
\
|
< <
5 . 37 ) 150 * 25 (.
Z P X P p
X
QUE HEMOS VISTO ?
FUNCION DE DENSIDAD EN GENERAL
DISTRIBUCIN NORMAL
Funcin de densidad
Caractersticas de la D N
Parmetros : y o
Tipificacin : z N(0,1)
Tabla de z y su uso
TEOREMA CENTRAL DEL LIMITE
DISTRIBUCIN DE PROBABILIDADES MUESTRALES
APROXIMACION DE LA BINOMIAL A LA NORMAL