Clases 1

Conceptos, Estadstica
Descriptiva, Pruebas de Hiptesis

Curso de Metodologa de la Investigacin

Profesor Manuel Lobos Gonzlez
Ao 2011

Tema 1:
Conceptos

LA BASE Y PUNTO DE PARTIDA DEL CIENTIFICO ES UNA REALIDAD

DETERMINADA, QUE MEDIANTE LA INVESTIGACION LE PERMITE LLEGAR A
LA CIENCIA

CIENCIA
INVESTIGACION
REALIDAD

METODO CIENTIFICO

Mtodo
cientfico
Interpretacin /
conclusin

Observacin

Pregunta / Inquietud

Experimento /
Investigacin
Hiptesis / posible
explicacin
Premisas / lmites
referenciales

Ho: Hiptesis nula

Ha: Hiptesis alternativa

PRINCIPIO DE LA INVESTIGACIN

VER EN LA
REALIDAD
LO QUE OTROS
NO HAN VISTO

EL PROCESO DE INVESTIGACIN (Erika Himmel

CUERPO DE CONOCIMIENTOS

REALIDAD

FASE III

FASE I

FASE IV

FASE V

CUERPO DE CONOCIMIENTOS
TEORAS
MODELOS

PROBLEMA

HIPTESIS

DISEO

INFERENCIA

ANLISIS
DE DATOS

REALIDAD
HECHOS

FENMENOS

EXPERIENCIA

FASE II

DATOS

EVALUACIN

COMUNICACIN

Mtodo cientfico y estadstica

Plantear
hiptesis

Disear
experimento

Obtener
conclusiones

Recoger datos
y analizarlos

Definicin de Estadstica
Es un conjunto de teoras y mtodos que
han sido desarrollados para tratar la
recopilacin, organizacin, presentacin,
anlisis, interpretacin y descripciones de
datos muestrales con el fin de extraer
conclusiones tiles de ellos.

Definicin de
Estadstica Descriptiva
Es la parte de la Estadstica que se
ocupa de la recopilacin de datos y el
tratamiento y anlisis de los mismos.

Definicin de
Estadstica Inferencial
Es la parte de la Estadstica que trata de
inducir o inferir, a travs de la muestra
obtenida, que ley, distribucin o modelo
sigue la poblacin de la cual se ha extrado
aquella

Fases o etapas de los

mtodos estadsticos
Recoleccin
Organizacin
Presentacin
Anlisis
Interpretacin

Conceptos claves
Muestra: es parte de una poblacin de objetos, personas,
empresas o cosas, que es representativa del total de elementos que
conforman el universo.
Poblacin: es la totalidad de las posibles observaciones o
medidas que se estn considerando en alguna investigacin, de
cuyo conjunto se toma una muestra.
Parmetro: es una medida que describe alguna caracterstica de
la poblacin.
Estadgrafo o estadstico: es una medida que describe alguna
caracterstica de la muestra.

Conceptos claves

Tema 2:
Estadgrafos Bsicos

Adaptado de Curso de Bioestadstica

Universidad de Mlaga

Un brevsimo resumen sobre estadsticos

Centralizacin o Tendencia central o promedios
Indican valores con respecto a los que los datos
parecen agruparse.
Media, mediana y moda

Posicin
Dividen un conjunto ordenado de datos en grupos
con la misma cantidad de individuos.
Cuantiles, percentiles, cuartiles, deciles, quintiles...

Forma
Asimetra
Apuntamiento o curtosis

Dispersin o Variabilidad
Indican la mayor o menor concentracin de los datos
con respecto a las medidas de centralizacin.
Desviacin tpica, coeficiente de variacin, rango, varianza

La media como punto de equilibrio

La media aritmtica
[=promedio(rango)]
La media aritmtica de una variable se define como la suma
ponderada de los valores de la variable por sus frecuencias relativas
y lo denotaremos por

x
y se calcula mediante las expresiones, segn el caso:
Para TDNA

TF

TI

xi
xi ni
ci ni
x

i 1 n
i 1 n
i 1 n
xi representa el valor de la variable; ci representa la marca de clase.

La mediana
[=mediana(rango)]
La mediana de un conjunto de nmeros ordenados en magnitud es o el valor
central o la media de los dos valores centrales.

Clculo de la mediana en el caso de variables discretas

Tendremos en cuenta el tamao de la muestra.
Si N es Impar, hay un trmino central, el trmino
que ser el valor de la mediana.
Ejemplo: El conjunto de nmeros 3,4,4,5,6,8,8,8 y 10
tiene mediana 6.

n 1
X
2

Altura mediana

La moda
[=moda(rango)]

La moda es el valor de la variable que tenga mayor frecuencia absoluta, la que ms

se repite, es la nica medida de centralizacin que tiene sentido estudiar en una
variable cualitativa, pues no precisa la realizacin de ningn clculo.
Por su propia definicin, la moda no es nica, pues puede haber dos o ms valores
de la variable que tengan la misma frecuencia siendo esta mxima. En cuyo caso
tendremos una distribucin bimodal o polimodal segn el caso.

La moda

Estadgrafos de Posicin

Se define el cuantil de orden como un valor de la variable por debajo del cual
se encuentra una frecuencia acumulada

Casos particulares son los percentiles, cuartiles, deciles, quintiles,...

Cuantil de orden
[=percentil(rango;k)]
Los cuantiles son generalizaciones de la mediana.
Los cuartiles dividen a los datos en cuatro partes iguales,
los deciles en diez, los quintiles en cinco, los percentiles en
cien.

r
C r n
k
k

3
Q3 42
4
4

31,5

Cuartiles (Q): Dividen a la muestra en 4 grupos con frecuencias similares.

Quintiles (K): Dividen a la muestra en 5 grupos con frecuencias similares.

Primer quintil
Segundo quintil
Tercer quintil
Cuarto quintil

= Percentil 20 = Cuantil 0,20

= Percentil 40 = Cuantil 0,40
= Percentil 60 = Cuantil 0,60
= Percentil 80 = Cuantil 0,80

Deciles (D): Dividen a la muestra en 10 grupos con frecuencias similares.

Primer cuartil = Percentil 25 = Cuantil 0,25

Segundo cuartil
= Percentil 50 = Cuantil 0,50 = mediana
Tercer cuartil
= Percentil 75 = Cuantil 0,75

Tercer decil
= Percentil 30 = Cuantil 0,30
Quinto decil
= Percentil 50 = Cuantil 0,50 = mediana
Sptimo decil = Percentil 70 = Cuantil 0,70

Percentiles (P) : Dividen a la muestra en 100 grupos con frecuencias similares.

La mediana es el percentil 50
El percentil de orden 15 deja por debajo al 15% de las observaciones. Por encima queda
el 85%

Ejemplo

Qu peso no llega a alcanzar el 25% de los individuos?

Qu peso es superado por el 25% de los individuos?

Primer cuartil = percentil 25 = 60 Kg.

50%

Tercer cuartil= percentil 75= 80 kg.

% 25% %
%
5
25 2
25

Entre qu valores se encuentra el 50% de los

individuos con un peso ms normal?

Entre el primer y tercer cuartil = entre 60 y 80 kg.

Obsrvar que indica cmo de dispersos estn los
individuos que ocupan la parte central de la muestra.
Ver ms adelante rango intercuartlico.
Los diagramas de caja (boxplot) sintetizan esta
informacin (y algo ms).

100

90

80

70

Estadsticos
PESO
Percentiles

25
50
75

60

60,00
70,00
80,00

50

40

Medidas de variabilidad
Rango, Rango Intercuartlico,
Desviacin Media, Varianza,
Desviacin Estndar y Coeficiente
de Variacin
Algunos datos han sido adaptados de
Pedro Juan Rodrguez Esquerdo
Departamento de Matemticas
UPR Ro Piedras

Estadgrafos de
Variabilidad o dispersin

Los estudiantes de Metodologa de la Investigacin obtienen diferentes

calificaciones en la asignatura (variabilidad). A qu puede deberse?
Diferencias individuales en el conocimiento de la materia.

Podra haber otras razones (fuentes de variabilidad)?

Por ejemplo supongamos que todos los alumnos poseen el mismo nivel de
conocimiento. Las notas seran las mismas en todos? Seguramente No.
Dormir poco el da de la prueba, el caf estaba con somnfero...
Diferencias individuales en la habilidad para hacer un examen.

El examen no es una medida perfecta del conocimiento.

Variabilidad por error de medida.

En alguna pregunta difcil, se duda entre varias opciones, y al azar se elige la

mala
Variabilidad por azar, aleatoriedad.

Medidas de dispersin
Miden el grado de dispersin (variabilidad) de los
datos, independientemente de su causa.

Amplitud o Rango

La diferencia entre las observaciones extremas.

2,1,4,3,8,4. El rango es 8-1=7
Es muy sensible a los valores extremos.

Rango intercuartlico

[=max(rango)-min(rango)]
% 25% %
%
5
25 2
25

[=CUARTIL(rango;3)-CUARTIL(rango;1)]
Es la distancia entre el primer y tercer cuartil.
Rango intercuartlico = Q3 Q1 = P75 - P25 = C0.75 C0,25
Parecida al rango, pero eliminando las observaciones ms extremas
inferiores y superiores.
No es tan sensible a valores extremos.

Muestra de edades de cinco nios

En una muestra de cinco nios se observa

que stos tienen las siguientes edades:

1, 1, 4, 8 y 9 .
En promedio tienen 4.6 aos.
Cunta variabilidad hay en las edades de
los nios?
A qu distancia quedan las edades
observadas de la media muestral 4.6 aos?

Diferencias de valores
observados a la media muestral

-3.6
4.4
-3.6
-.6

3.4

Desviacin Absoluta Media

[=desvprom(rango)]

-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0

|-3.6| + |-3.6| + |-.6| + |3.4| + |4.4| = 15.6
Distancia promedio = 15.6 / 5 = 3.12
En general:

1
DAM | xi x |
n i 1
| xi x |
DAM
n
i 1
n

Otra medida: Varianza

3

Frecuencia

3.6x3.6

Media
Muestral

4.4x4.4

.6x.6
1

3.4x3.4

3.6x3.6

0
1

Area observada

More

Varianza
[=var(rango)]

-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0

3.6(3.6) + 3.6(3.6) + .6(.6) + 3.4(3.4) +

4.4(4.4) = 57.2
rea promedio = 57.2 / 4 = 14.3
En general: 2
1 n

(x x)

n 1
i 1

( xi x )
s
n 1
i 1
2

Grados de libertad
Por qu calculamos la varianza dividiendo por n - 1,
en lugar de dividir por n?
Como la suma de las desviaciones es 0, la ltima
desviacin es una combinacin lineal de las n - 1
desviaciones restantes.
Por lo tanto, no estamos calculando el promedio de n
nmeros independientes (los desvos). Solo n -1 de
las desviaciones al cuadrado pueden variar
libremente y por ello, promediamos la suma de los
desvos al cuadrado dividiendo por n -1.
Al numero n -1 se lo denomina grados de libertad
de la varianza o de la desviacin tpica.

Desviacin estndar
[=desvest(rango)]

s s
As s = 3.78

Desviacin estndar

S 14.3 aos
2=

S
S=3.78 aos

Tema 3:
Introduccin a Pruebas de
Hiptesis

Contrastes Paramtricos
Las pruebas de hiptesis hacen inferencias respecto a
los parmetros de la poblacin, como la media.
Las pruebas paramtricas utilizan la estadstica
paramtrica de muestras que provinieron de la
poblacin que se est probando.
Para formular estas pruebas, se hacen suposiciones
restrictivas sobre las poblaciones de las que se extraen
las muestras, por ejemplo, que las muestras son grandes
o que provienen de poblaciones normalmente
distribuidas. Pero las poblaciones no siempre son
normales.

Contrastes No Paramtricos
Pero las poblaciones no siempre son normales.
Se han desarrollado tcnicas tiles que no hacen
suposiciones restrictivas respecto a la forma de las
distribuciones de las poblaciones. stas se conocen
como pruebas sin distribucin, o pruebas no
paramtricas.

Qu es una Hiptesis Estadstica?

Una Hiptesis Estadstica es una afirmacin

que se hace con respecto a los parmetros
de algn modelo probabilstico.

Elementos que conforman un Contraste

Hiptesis

Hiptesis Nula
Hiptesis Alternativa
Estadstico de Prueba
Regin de Rechazo
Nivel de significancia

HIPTESIS DE
TRABAJO

Se definen:
medida de
discrepancia con una
distribucin de
probabilidad conocida

HIPTESIS
ESTADSTICAS
datos de la muestra

Regla de
decisin(nivel de
significacin )

Se calcula una medida

de discrepancia
Valor calculado

Valor crtico o
tabulado

Se comparan los valores

calculado con tabulado
se rechaza
Ho?

H1

SI
NO

Se extraen conclusiones

Hiptesis Nula
Corresponde a la hiptesis que ser objeto de la
maquinaria estadstica. Es la afirmacin que se
quiere contrastar.
Usamos la notacin Ho para sealarla.

Hiptesis Alternativa
Corresponde a la posibilidad alternativa, que
sugiere el investigador, en caso de que la hiptesis
nula sea falsa
Usamos la notacin H1 para sealarla.

Identificacin de hiptesis
Hiptesis nula Ho
La que contrastamos

Hiptesis Alternativa H1
Niega a H0

Los datos pueden refutarla

Los datos pueden mostrar evidencia a

favor

No debera ser rechazada sin una buena

razn.

No debera ser aceptada sin una gran

evidencia a favor.

, ,

, ,

Regin crtica y nivel de significacin

Regin crtica
Valores improbables si...
Es conocida antes de realizar el
experimento: resultados experimentales
que refutaran H0

Nivel de significacin:
Nmero pequeo: 1% , 5%
Fijado de antemano por el investigador
Es la probabilidad de rechazar H0
cuando es cierta

=5%

Reg. Crit.

=2.5%

Reg. Crit.

No rechazo
H0

=2.5%

Contrastes: unilateral y bilateral

La posicin de la regin crtica depende de la
hiptesis alternativa
Bilateral

Unilateral

Unilateral

Contrastes: unilateral y bilateral

Un ejemplo para la prueba t para una
gl:20

:0.05 y

Bilateral
tc:
2.086

Unilateral
tc:
1.725

tc:
2.086

Unilateral
tc:
1.725

La distribucin normal

La distribucin de probabilidad normal y la curva

normal que la acompaa tienen las siguientes
caractersticas:
La curva normal tiene forma de campana y una sola cima en el centro
de la distribucin.
La media aritmtica, la mediana y la moda de la distribucin son
iguales y se ubican en el centro.
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.
Es simtrica en torno a su promedio. Si se corta Ia curva normal de
manera vertical por el valor central, las dos mitades sern como
imgenes en un espejo.
La curva normal desciende suavemente en ambas direcciones a partir
del valor central.
Es asinttica, Ia curva se acerca cada vez ms al eje de X pero jams
llega a tocarlo. Es decir, las colas de Ia curva se extienden de manera
indefinida en ambas direcciones.

La distribucin normal se usa en:

Psicologa
Biologa
Educacin
Astronoma
Economa
Ciencias sociales y
administrativas

PUNTUACIONES ESTNDAR
Un esfuerzo para interpretar y comparar el desempeo
de un individuo en dos o ms variables es difcil cuando
las distribuciones de los datos tienen medias y
desviaciones estndar diferentes. Este problema se
puede evitar transformando los datos de modo que
todas las variables tengan medias idnticas y las
mismas
desviaciones
estndar,
es
decir,
"estandarizando" los parmetros de las distribuciones
(transformando valores brutos en valores estndar).

PUNTUACIONES ESTNDAR

Las distribuciones de puntuaciones estndar

tienen valores para la media y la desviacin
estndar que son fijos, conocidos y nunca
varan. Como los parmetros son siempre los
mismos, las interpretaciones y comparaciones
entre puntuaciones estndar se hacen ms
fcilmente.

PUNTUACIONES ESTNDAR: PUNTAJE Z

La puntuacin estndar ms elemental y til es
la z. Cuando las observaciones se expresan en
unidades de desviaciones estndar de la media
son calificaciones z. La distribucin de
calificaciones z tiene parmetros fijos:

=0
Se define una variable

= 1.

Zx

PUNTUACIONES ESTNDAR: PUNTAJE Z

Si Diego obtiene una nota de 6,2 significa poco, a menos
que conozca la media del grupo y la desviacin estndar.
Una calificacin z, sin embargo, puede interpretarse
fcilmente en relacin con toda la distribucin, ya que sus
parmetros siempre se conocen y nunca varan.
Si sabemos que la calificacin z de Diego es 1.5,
sabemos que calific 1.5 desviaciones estndar arriba
de la media, y que, en consecuencia, su calificacin es
completamente alta en relacin con los otros de la
distribucin.

EJEMPLO DE COMPARACIN PUNTAJE Z

Paula obtiene las siguientes notas en las distintas
asignaturas:
MATEMATICA
LENGUAJE
CIENCIAS

: 5.8
: 6.1
: 5.6

En trminos absolutos, Paula obtiene mejor nota en

Lenguaje, luego en Matemtica y finalmente en Ciencias.

Ciencias
5.6

Matemtica
5.8

Lenguaje
6.1

EJEMPLO DE COMPARACIN PUNTAJE Z

Qu sucede si adems de conocer la nota, sabemos
cmo se comport todo el curso de Paula en esas
asignaturas?
MATEMATICA : 5.8 y el curso tuvo una media de 5.7 y una
desviacin estndar de 0.5
LENGUAJE : 6.1 y el curso tuvo una media de 6.2 y una
desviacin estndar de 0.7
CIENCIAS : 5.6 y el curso tuvo una media de 5.0 y una
desviacin estndar de 1.1

EJEMPLO DE COMPARACIN PUNTAJE Z

Ahora podemos comparar las notas en trminos de
puntuaciones estndar Z, asumiendo que las medias = 0 y
las desviaciones estndar = 1, utilizando la frmula:

x
Zx

MATEMTICA

: x= 5.8 ; media= 5.7 y ds= 0.5

Puntaje Z5.8= 0.2

LENGUAJE

: x= 6.1 ; media= 6.2 y ds= 0.7

Puntaje Z6.1= -0.14

CIENCIAS

: x= 5.6 ; media= 5.0 y ds= 1.1

Puntaje Z5.6= 0.54

EJEMPLO DE COMPARACIN PUNTAJE Z

Paula obtiene los siguientes puntajes Z en las distintas
asignaturas:
MATEMATICA
LENGUAJE
CIENCIAS

: 0.20
: -0.14
: 0.54

En trminos de comparacin de los puntajes Z, Paula

obtiene mejor puntaje en Ciencias, luego en Matemtica y
finalmente en Lenguaje.

Lenguaje
-0.14

Matemtica
0.20

Ciencias
0.54

PUNTUACIONES ESTNDAR: PUNTAJE T

Las puntuacin estndar ms comnmente
utilizada para informar el desempeo en
exmenes es la calificacin de valor estndar T,
que tiene una media de 50 y una desviacin
estndar de 10.
Se define una variable

x
T x 50 10

Para convertir calificaciones z a calificaciones T, la

ecuacin es la siguiente:

T= 50+10z

EJEMPLO DE COMPARACIN PUNTAJE T

Tres estudiantes obtienen los siguientes puntajes en una
prueba de habilidad matemtica, de un total de 100
puntos:
Mnica
Carmen
Cristina

: 82
: 53
: 65

En trminos absolutos, Mnica tiene el puntaje ms alto y

las tres se encuentran sobre los 50 puntos.

10

20

30

40

50

60

Carmen
53

70

Cristina
65

80

90

Mnica
82

100

EJEMPLO DE COMPARACIN PUNTAJE Z

Qu sucede si adems de conocer el puntaje de cada
una, sabemos cmo se comport todo el curso en esa
prueba?
Media del curso
Desviacin estndar del curso

= 60 puntos
= 12 puntos

Ahora podemos comparar los puntajes de estas tres

estudiantes en trminos de puntuaciones estndar T,
asumiendo que las medias = 50 y las desviaciones
estndar = 10, utilizando la frmula:

x
T x 50 10

EJEMPLO DE COMPARACIN PUNTAJE T

Mnica

: x= 82 ; media= 60 y ds= 12

82 60
T 82 50 10 12 68.33
Carmen

: x= 53 ; media= 60 y ds= 12

53 60
T 53 50 10 12 44.16
Cristina

: x= 65 ; media= 60 y ds= 12

65 60
T 65 50 10 12 54.16

EJEMPLO DE COMPARACIN PUNTAJE Z

Ahora, las tres puntuaciones quedan expresadas en
puntajes estndar T:
Mnica
Carmen
Cristina

: 68.33
: 44.16
: 54.16

Carmen
44.16

Cristina
54.16

Mnica
68.33

Curva normal, Percentiles y Valores Estndar

Cmo

calcular probabilidades asociadas a

una curva normal especfica?

Dado que tanto como pueden asumir infinitos

valores, lo que hace impracticable tabular las probabilidades
para todas las posibles distribuciones normales, se utiliza la
distribucin normal reducida o tipificada

Se define una variable

zx =

x -

Es una traslacin y un cambio de escala de la

variable original

Una regla emprica indica que en cualquier distribucin

normal las probabilidades delimitadas entre :

1 68 %
2 95 %
3 99 %

68%
95%
-3

-2

-1

99%
0

z
1

Pero para valores intermedios esta regla es insuficiente.

Las probabilidades de la variable tipificada (z) estn
tabuladas para los diferentes valores de la variable.
Entonces una vez transformada la variable a valores de z
se busca en la tabla el rea correspondiente

Ejemplo:
Supongamos que se calcul el valor z y el
resultado es 1.91.
CuI es eI rea bajo la curva normal entre
y x?

Utilizamos la tabla que viene a continuacin

y que se encuentra en cualquier libro
especializado.
Baja por Ia columna de la tabla
encabezada con Ia Ietra z hasta llegar a
1.9.
Luego muvete en direccin horizontal a
la derecha y lee Ia probabilidad en Ia
columna con el encabezado 0.01.
Es 0.4719.

Esto significa que 47.19 % del rea bajo

Ia curva se encuentra entre y eI valor
x, 1.91 desviaciones estndar a la
derecha de Ia media.
Esta es Ia probabilidad de que una
observacin est entre 0 y 1.91
desviaciones estndar de Ia media.

Ejercicios: Compruebe que estos valores

de probabilidad estn bien calculados:
Valor z calculado
2.84

Area bajo Ia curva

.4977

1.00

.3413

0.49

.1879

Ahora calcularemos eI valor z dada:

Ia media de Ia poblacin, ,
la desviacin estndar de sta, ,
y una x seleccionada.

Ejercicios:
Los ingresos mensuales de un profesor
tienen una distribucin aproximadamente
normal con una media de $400.000 y una
desviacin estndar de $100.000.
Cul es el valor z para un ingreso X de
$500.000?
Y para uno de $300.000?

Utilizando la frmula:

Zx
Para X = $500.000:

Para X = $300.000:

500.000 400.000
100.000

300.000 400.000
100.000

= 1.00

= -1.00

La z de 1.00 indica que un ingreso mensual

de $500.000 para un profesor est una
desviacin estndar a la derecha de Ia media.
La z de -1.00 indica que un ingreso mensual
de $300.000 para un profesor est una
desviacin estndar izquierda de Ia media.
Ambos ingresos ($300.000 y $500.000) estn
a Ia misma distancia ($100.000) de Ia media.

400.000
300.000

500.000

Existen cuatro situaciones en las que pudiera ser posible

encontrar el rea bajo Ia distribucin normal estndar.
1. Para encontrar el rea entre
directamente el valor en Ia tabla.

y z, entonces es posible buscar

2. Para encontrar el rea ms alI (mayor o menor) de z, entonces

localice Ia probabilidad de z en Ia tabla y reste ese valor de 0.5000.
3. Para encontrar eI rea entre dos puntos a diferentes lados de Ia
media, determine los valores z y sume las reas correspondientes.
4. Para encontrar el rea entre dos puntos en el mismo lado de Ia
media, determine los valores z y reste el rea menor de Ia mayor.

La primera aplicacin de Ia distribucin

normal estndar es encontrar el rea bajo Ia
curva normal entre una media y un valor
seleccionado, designado como X.
Utilizando Ia misma distribucin deI ejemplo
anterior del ingreso mensual
( = $400.000, = $100.000)
CuI es el rea bajo Ia curva normal entre
$400.000 y $500.000?

Ya se calcul el valor z para $500.000

utilizando la frmula: z = 1.00
La probabilidad asociada con el valor z de
1.00 se encuentra en la Tabla de Z.
Para ubicar el rea, desciende por la
columna de Ia izquierda hasta 1.0. Luego
muvete a Ia derecha y lee el rea bajo Ia
curva en Ia columna marcada 0.00.

El signo positivo en 1.00 indica que el rea est a Ia derecha de Ia media.

.3413

|
|
|
400.000

500.000

El rea bajo Ia curva normal entre y x que corresponde a un valor z de 1.00 es:

0.3413

Utilizando nuevamente el ingreso medio de

$400.000 al mes y Ia desviacin estndar
de $100.000 al mes:
Cul es Ia probabilidad de que un ingreso
mensual especfico elegido aI azar est
entre $190.000 y $400.000?

Calculamos eI valor z para $190.000

utilizando Ia frmula:

X
Z

190.000 400.000 = - 210.000 = -2.10

100.000
100.000

El signo negativo en 2.10 indica que el rea est a Ia izquierda de Ia media.

.4821

|
|
|
-2.10
190.000

400.000

El rea bajo Ia curva normal entre y x que corresponde a un valor z de -2.10 es:

0.4821

2. La segunda aplicacin de Ia distribucin normal

estndar es encontrar el rea ms alI (mayor o
menor) de z, entonces localice Ia probabilidad de
z en Ia tabla y reste ese valor de 0.5000.
Recuerda que la media divide
Ia curva normal en dos
mitades idnticas. El rea
bajo Ia mitad a Ia izquierda de
Ia media es 0.5 y eI rea a Ia
derecha de Ia media es
tambin 0.5.

0.5

0.5

CuI es Ia probabilidad de que eI ingreso

sea menos de $190.000?

.5000

|
|
|
.4821
| .0179 |
|
|
|
|
-2.10
190.000

400.000

Por tanto, 0.5000 - 0.4821 = 0.0179

Qu porcentaje de los profesores recibe

ingresos mensuales de $645.000 o ms?
Para el rea entre $645.000 y Ia media
de $400.000:
645.000 -400.000 = 245.000 = 2.45
100.000
100.000
El rea bajo Ia curva para un valor z de 2.45
es 0.4929
Restando: 0.5000 - 0.4929 = 0.0071
Slo el 0,71% de los profesores tienen
ingresos mensuales de $645.000 o ms.

.5000
.4929

400.000

Por tanto, 0.5000 - 0.4929 = 0.0071

|
|
|
| .0071 |
|
|
|
|
2.45
645.000

3. Una tercera aplicacin de Ia distribucin

normal estndar es:

combinar dos reas:

- una a Ia derecha de la media.
- y Ia otra a Ia izquierda de Ia media.
Utilizamos Ia misma distribucin de
ingresos mensuales
( = $400.000, = $100.000)

CuI es el rea bajo Ia curva normal entre

$ 320.000 y $512.000?

Es necesario dividir Ia pregunta en dos partes.

Para el rea entre $320.000 y Ia media de
$400.000:
320.000 -400.000 = -80.000 = -0.80
100.000
100.000
Para el rea entre $512.000 y Ia media de
$400.000:
512.000 -400.000 = 112.000 = 1.12
100.000
100.000

El rea bajo la curva para un valor z de -0.80

es:
0.2881
El rea bajo Ia curva para un valor z de 1.12
es
0.3686.
Sumando las dos reas:
0.2881+ 0.3686 = 0.6567

|
| .2881
|
.3686
|
|
.6567
|
|
|

|
|
|
|
|
|

400.000

1.12

-0.80
320.000

512.000

As, Ia probabilidad de seleccionar un ingreso

entre $320.000 y $512.000 es 0.6567.
En otras palabras, 65.67% de los profesores
tienen ingresos mensuales entre $320.000 y
$512.000.

4. La cuarta aplicacin de Ia distribucin

normal estndar es:

determinar el rea entre dos valores en

el mismo lado de la media.
Utilizamos Ia misma distribucin de
ingresos mensuales
( = $400.000, = $100.000)
CuI es el rea bajo Ia curva normal entre
$ 420.000 y $512.000?

Es necesario dividir Ia pregunta en dos partes.

Para el rea entre $420.000 y Ia media de
$400.000:
420.000 -400.000 = 20.000 = 0.20
100.000
100.000
Para el rea entre $512.000 y Ia media de
$400.000:
512.000 -400.000 = 112.000 = 1.12
100.000
100.000

El rea bajo la curva para un valor z de 0.20

es:
0.0793
El rea bajo Ia curva para un valor z de 1.12
es
0.3686.
Restando al rea mayor la menor:
0.3686-0.0793 = 0.2893

.3686

|
.0793
|
|
|
| .2893 |
|
|
|
|
|
|
|
|
400.000
0.20

1.12

420.000 512.000

As, Ia probabilidad de seleccionar un ingreso

entre $420.000 y $512.000 es 0.2893.
En otras palabras, 28.93% de los profesores
tienen ingresos mensuales entre $420.000 y
$512.000.

CuI es el rea bajo Ia curva normal entre

$200.000 y $350.000?
Es necesario dividir Ia pregunta en dos partes.
Para el rea entre $200.000 y Ia media de
$400.000:
200.000 -400.000 = -200.000 = -2.00
100.000
100.000
Para el rea entre $350.000 y Ia media de
$400.000:
350.000 -400.000 = -50.000 = -0.50
100.000
100.000

El rea bajo la curva para un valor z de -2.00

es:
0.4772
El rea bajo Ia curva para un valor z de -0.50
es
0.1915.
Restando al rea mayor la menor:
0.4772-0.1915 = 0.2857

.4772

|
|
|
|
|
|
|
|
-2.00
200.000

.1915

|
|
.2857 |
|
|
|
400.000
-0.50
350.000

As, Ia probabilidad de seleccionar un ingreso

entre $200.000 y $350.000 es 0.2857.
En otras palabras, 28.57% de los profesores
tienen ingresos mensuales entre $200.000 y
$350.000.