DISTRIBUCIÓN NORMAL

DISTRIBUCION NORMAL

La distribución continua de probabilidad más importante en todo el campo de la estadística

es la distribución normal . Su gráfica, que recibe el nombre de curva normal, es la curva e
forma de campana que se muestra en la figura, la cual describe en forma aproximada
muchos fenómenos que ocurren en la naturaleza, la industria y la investigación.

 x
Figura La curva normal
Una variable aleatoria continua X que tiene la distribución en forma de campana de la
figura 9.2, se llama variable aleatoria normal. La ecuación matemática para la distribución
de probabilidad de la variable normal depende de los parámetros  y  , su medio y su
desviación estándar. Por lo tanto se representan los valores de densidad de X por n(x;  , 
).

MEDIA Y VARIANZA DE LA DISTRIBUCIÓN NORMAL

Media = E(X)=  , Varianza = V(X)=  2

.
DISTRIBUCION NORMAL ESTANDAR
La última característica mencionada de la distribución implica que la distribución normal es
realmente una familia de distribuciones en la que un miembro se distingue de otro según los
valores de  y  . El miembro más importante de esta familia es la distribución normal
estándar o distribución normal unitaria, llamada así porque tiene una media igual a cero y
una desviación estándar igual a 1. Esta distribución se puede obtener a partir de la ecuación
(1), creando una variable aleatoria.
(x  )
Z=

La gráfica de la distribución normal estándar se muestra en la Figura .

 =1

 =0 x
Figura. La distribución normal estándar.
FORMULAS DE LA DISTRIBUCION NORMAL ESTANDAR: P(a < X < b) se hace la
x
transformación Z  , y se tiene

 b  a
que: P(a  X  b)  P Z    P Z  
     
TABLA N(0,1) Z es normal tipificada.

Calcular P[Z<1,85]

Solución: 0,968 = 96,8%

Ejemplo: Dada una distribución normal estándar, calcular una bajo la curva, sobre el eje de las
Z=-  y Z =2

Solución. Dibujemos la gráfica de la distribución normal estándar y el área que se pide esto es.

Area entre -  y Z = 2.
Ejemplo Dada la distribución normal estándar, calcular P (Z  2,71)
Solución: El área deseada se muestra en la figura a continuación.

Para obtener el área a la derecha de Z = 2,71 se resta el área entre -  y 2,71 de 1 así.
P(Z  2,71) = 1-P(Z  2,71) = 1- 0,9966 = 0,0034
GRAFICAS
https://www.youtube.com/watch?v=GEhlZ9CFTt4

https://www.youtube.com/watch?v=59I-6L5QMfc

https://www.youtube.com/watch?v=T7_ktqfVseU
BIBLIOGRAFIA
 STELL Robert y TORRIE James. Bioestadistica.
McGraw Hill, 1985
 SPIEGEL M Estadística Mc Graw Hill México
1997
 NEWBOL Paul, Estadistica para los negocios y la
economía. Ed. 1998
 HERNÁNDEZ Sampieri Roberto Metodología de la
Investigación Editorial Mc Graw Hill México 1996
 http://www.google.com.co/books?
id=gfeyjiGYrjIC&printsec=frontcover&dq =
23
24
25 Ejemplo
26
 Estadística

27
Datos Cuantitativos

REGRESION LINEAL SIMPLE

Objetivo 1 Objetivo 2
Determinar si dos variables están x y Estudiar si los valores de una variable
asociadas y en qué sentido se da la x y
(1)
pueden ser utilizados para predecir el
(1
)
asociación. valor de la otra
x
(2
)
y
(2)

 
Determinar si existe relación x
(n
)
y
(n) Estudiar la dependencia de una
entre las variables x e y: variable respecto de la otra:
Coeficiente de Correlación Modelo de Regresión
Términos
Variable Respuesta (=variable dependiente)
Variable Explicativa (=variable Independiente)
Relación Lineal (modelo lineal)
Parámetros (intercepto y pendiente)
Intercepto (respuesta media)
Pendiente (efecto de la variable explicativa sobre la respuesta)
Error (residuo)
 Estadística

28
Datos Cuantitativos

REGRESION LINEAL SIMPLE

x y
x
(
1)
y
(1
) Notación
x y
(2)
Variable Respuesta: y
(2
)
Variable Explicativa: x
 
Modelo de Regresión Lineal Simple: yi=+xi+ei
x y
(n)
(n
)
Intercepto: 
Pendiente: 
Error: e
Modelo Estimado
(recta de regresión) Método de Estimación: Mínimos Cuadrados
a  y  bx
n n n Residuos o Errores
yˆ  a  bx n xy   xi  y i ei  y i  yˆ i
b i 1 i 1 i 1
2
n
 n 
n  x    xi 
2

i 1  i 1 
 Estadística

29

REGRESION LINEAL SIMPLE

MODELO DE REGRESIÓN LINEAL SIMPLE

yi=+xi+ei

DATOS MODELO ESTIMADO

x y
y
yˆ  a  bx
x
(
1) (1
)

x
(2
)
y
(2)
ESTIMADORES ERRORES
 
x
(n
)
y
(n) a  y  bx ei  y i  yˆ i
n n n
n xy   xi  y i
b i 1 i 1 i 1
2
n
 n

n  x 2    xi 
i 1  i 1 
 Estadística

30
REGRESION LINEAL SIMPLE

EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple

Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos
interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad.
niño edad (meses) talla (cm)
i xi yi
y=talla / x=edad / n=14
1 3 55
2 6 68
14
3
4
5
5
64
66 yi 956 y 68,3 sy 5,6
i1
5 3 62
14
6
7
4
9
65
74 xi 84 x 6 sx  2
i1
8 8 75
9 9 73 x, y) 9,07 rxy 0,88
cov(
10 7 69 14 14
11
12
6
5
73
68
xi yi 5863xi2 556
i1 i1
13 8 73
14 6 71
 Estadística

31
REGRESION LINEAL SIMPLE

EJEMPLO: Aplicación del Modelo de Regresión Lineal Simple

Problema 1: Se cuenta con las mediciones sobre la edad y la talla de 14 niños, y estamos
interesados en determinar si existe algún tipo de relación entre la talla del niño y su edad.
M o d e lo E s t im a d o
yˆ  a  bx

b  2 , 44 a  53 , 64

yˆ  53 , 64  2 , 44 x

Interpretación de los resultados

- Existe asociación o dependencia entre la Talla del niño y la edad (r=0,88); a
medida que la edad aumenta la talla aumenta.
- Desde los resultados del modelo de regresión lineal simple, se tiene que la talla
media de un niño es de 53,64 cm. Cuando la edad del niño (meses) aumenta en
una unidad la talla se incrementa en 2,44 cm.
 32 EJERCICO DE REGRESION Y
CORRELACION
Los siguientes datos representan las calificaciones de probabilidad para
una muestra de 12 estudiantes de primer año de determinada institución
de enseñanza superior, junto con sus calificaciones en un examen de
inteligencia aplicado cuando aún cursaban el último año de secundaria.
Calificación de examen X 65 50 55 65 55 70 65 70 55 70 50 55
calificación de matemáticas Y 85 74 76 90 85 87 94 98 81 91 76 74

Encontrar la línea de regresión. Calcule el coeficiente de correlación

33

BIBLIOGRAFIA
 STELL Robert y TORRIE James. Bioestadistica.
McGraw Hill, 1985
 SPIEGEL M Estadística Mc Graw Hill México
1997
 NEWBOL Paul, Estadistica para los negocios y la
economía. Ed. 1998
 HERNÁNDEZ Sampieri Roberto Metodología de la
Investigación Editorial Mc Graw Hill México 1996
 http://www.google.com.co/books?
id=gfeyjiGYrjIC&printsec=frontcover&dq =
34

GRACIAS