Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
x e
2
1
) x ( f
2
2
2
x
Los valores que toma la funcin de probabilidad acumulada,
( )
dx e
2
1
) x ( F
2
2
2
x
x
z
La distribucin normal tipificada tiene la ventaja de que las probabilidades para cada
valor de la curva se encuentran recogidas en una tabla que se indica en el anexo a este
documento
Los parmetros de esta funcin son E(X)= y V(X)=
2
En la figura siguiente
se muestran distribuciones gaussianas de diferente varianza
Ejemplo, La renta media de los habitantes de un pas es de 4 millones de pesos/ao,
con una varianza de 1,5. Se supone que se distribuye segn una distribucin Normal.
Calcular:
a) Porcentaje de la poblacin con una renta inferior a 3 millones de pesos.
b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos.
c) Ingresos mnimo y mximo que engloba al 60% de la poblacin con renta
media.
a) Porcentaje de la poblacin con una renta inferior a 3 millones de pesos.
22 . 1
4 x
z
2
a) El valor de z para 3 millones de pesos es de -0,816.
P(X<3) = P(Z<-0,816)
P (z>-0,816) = 1-P(z<0,816) = 1 - 0,7925 (aprox.) = 0,2075
Luego, el 20,75% de la poblacin tiene una renta inferior a 3 millones pesos.
b) Nivel de ingresos a partir del cual se sita el 10% de la poblacin con renta ms
elevada.
Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada
es el 0,9 (90%), lo que quiere decir que por encima se sita el 10% superior.
Ese valor corresponde a z=1,282. Ahora calculamos la variable normal x
equivalente a ese valor de la normal tipificada: 1.282=(x-4)/1.22
Despejando x=5,57. Por lo tanto, aquellas personas con ingresos superiores a 5,57
millones de pesos constituyen el 10% de la poblacin con renta ms elevada.
c) Nivel de ingresos mnimo y mximo que engloba al 60% de la poblacin con
renta media. Vemos en la tabla el valor de la variable normalizada Y cuya
probabilidad acumulada es el 0,8. Como sabemos que hasta la media la
probabilidad acumulada es del 50%, quiere decir que entre la media y este valor
de z hay un 30% de probabilidad.
Por otra parte, al ser la distribucin normal simtrica, entre -z y la media hay otro
30% de probabilidad. En definitiva, el segmento (-z,z) engloba al 60% de
poblacin con renta media.
El valor de z que acumula el 80% de la probabilidad es 0,842 (aprox.), por lo que
el segmento viene definido por (-0,842, +0,842). Ahora calculamos los valores de
la variable x correspondientes a estos valores de z. Los valores de x son 2,97 y
5,03. Por lo tanto, las personas con ingresos superiores a 2,97 millones de pesos e
inferiores a 5,03 millones de pesos constituyen el 60% de la poblacin con un
nivel medio de renta.
Ejemplo. La vida media de los habitantes de un pas es de 68 aos, con una varianza
de 25. Se hace un estudio en una pequea ciudad de 10.000 habitantes:
a) Cuntas personas superarn previsiblemente los 75 aos?
b) Cuntos vivirn menos de 60 aos?
a) Personas que vivirn (previsiblemente) ms de 75 aos
Calculamos el valor de la normal tipificada equivalente a 75 aos: z=(75-68)/5=
1.40
Por lo tanto, P (x>75) = (z>1,4) = 1 - P (z<1,4) = 1 - 0,9192 = 0,0808
Luego, el 8,08% de la poblacin (808 habitantes) vivirn ms de 75 aos.
3
b) Personas que vivirn (previsiblemente) menos de 60 aos
Calculamos el valor de la normal tipificada equivalente a 60 aos, z=(60-
68)/5=1.60
Por lo tanto P (x<60) = (z< -1,6) = P(z> 1,6) = 1 - P (z<1,6) = 0,0548
Luego, el 5,48% de la poblacin (548 habitantes) no llegarn probablemente a esta
edad.
La funcin caracterstica de la distribucin normal y sus parmetros son
2
) 2 / t ( it
x
2 / z itz
Z
) X ( V ) X ( E
x
z siendo e ) t ( e
2
1
e ) t (
2 2 2
Ejemplo, Supongamos que cierto fenmeno pueda ser representado mediante una
variable aleatoria
) 9 , 45 ( N X
, y queremos calcular la probabilidad de que X tome
un valor entre 39 y 48, es decir,
) 48 X 39 ( P
Solucin, hallamos la variable estandarizada
333 . 0
9
45 48
z y 666 . 0
9
45 39
z
2 1
de modo que
378 . 0 ) 333 . 0 Z 666 . 0 ( P ) 48 X 39 ( P
Remitimos al lector a la tabla de la funcin de distribucin Normal para evaluar los
valores de la funcin acumulada, que se anexan a este captulo
Aproximacin a la Normal de la ley Binomial. Se puede demostrar (teorema central
del lmite) que una variable aleatoria discreta con distribucin binomial, X~B(n,p) se
puede aproximar mediante una distribucin normal si n es suficientemente grande y p
no est ni muy prximo a 0 ni a 1. Como el valor esperado y la varianza de X son
respectivamente np y npq, la aproximacin consiste en decir que X~N(np,(npq)^1/2).
El convenio que se suele utilizar para poder realizar esta aproximacin es:
( ) npq . np N X
4 nq
4 np
30 n
si ) p , n ( B X
'
>
>
>
,
_
Tambin es necesario calcular P(X=60). Esta probabilidad se calcula exactamente
como:
063 . 0 e
2
1
) 60 ( f o q * p *
60
200
) 60 X ( P
2
60
2
1
140 60
,
_
,
_
,
_
x
m m
) x ( F
x
. Sea X
*
y Y
*
variables
aleatorias normales independientes con
) 1 , 0 ( N
, entonces tienen distribucin
6
conjunta de densidad f (x , y ) =
1
2
* * *
e
x y + ( )/
*2 *2
2
. Las curvas de nivel f
*
constantes son
de probabilidad
Sea
X
X *
X
X
y 1
]
1
X
X
Y
Y
2
*
X Y
1
1
Y
, por tanto,
*
X X
X X +
y
*
Y
2 *
Y Y
Y 1 Y Y + +
Densidad f(x,y), trabajando con le Jacobiano de la transformacin
2
Y X
2
Y
2
X
X
1
1
1
1
1
0
1
D
por lo cual,
2 / ) y , x ( h * * *
e
2
1
= y)) (x, y y), (x, (x f
, entonces,
1
1
]
1
,
_
,
_
,
_
,
_
2
Y
Y
Y
y
X
X
2
X
X
2
Y
Y
x
2
x
1
1
) y , x ( h
,
por tanto, la forma
2 / ) y , x ( h
2
Y X
e
1 2
1
) y , x ( f
es la distribucin marginal
correspondiente con densidad
1
1
]
1
,
_
2
x
x
x
2
1
X
1
e
2
1
) x ( f
y
1
1
1
]
1
,
_
2
y
y
Y
2
1
y
2
e
2
1
) y ( f
y dado que X y Y son Normales con medias
X
y
y
y varianzas
X
2
y
Y
2
,
respectivamente
Excentricidad, si
X Y
, entonces,
) 1 (
2
2
+
. Adems, si
0
, entonces,
f(x,y)=f
1
(x)f
2
(y)
A medida que se consideran mas eventos, mejor es la aproximacin alrededor del
valor medio que en los extremos. Es una funcin simtrica respecto al valor centra
(media), cncava hacia abajo su parte central, con tendencia a cncava hacia arriba en
sus extremos. La varianza representa el achatamiento, esto es, dos curvas con la
caracterstica
2
2
2
1
> , la primera ser mas achatada que la segunda.
Sea f x ke
X
c x m
( )
( )
2
, con x , la distribucin al centro es m
7
1
1
]
1
,
_
2
x
x
m x
2
1
x
X
e
2
1
) x ( f
, por lo cual,
dv e
2
1 m x
F
m x
U P ] x X [ P ) x ( F
u
2
v
x
x
U
c
x
X
2
,
_
1
]
1
con
x
x
m x
u
, entonces, F(-u)=1-F(u)
Si X y Y son variables aleatorias con distribucin ) , m ( N X
2
x x
y
) , m ( N Y
2
y y
,
entonces
) , m m ( N Y X
2
y
2
x y x
+ + + +
Se tiene la funcin Lognormal, en la cual
n 2 1 0 n 1 n 2 n n 1 n n
W ... W W Y ... W W Y W Y Y
,
y sacando logaritmos naturales se puede aplicar la distribucin normal comn y
corriente.
Tabulacin. Sea
) 1 , 0 ( N X
, luego
dx e
2
1
] b X a [ P
b
a
2 / x
2
La funcin de distribucin acumulada de la distribucin es
( )
/
s e dx
x
s
1
2
2
2
.
Y de las tablas se obtienen los valores de , de forma que,
) a ( ) b ( ] b X a [ P
Si ) , ( N X
2
entonces,
X
Y tiene
) 1 , 0 ( N
, por tanto,
,
_
,
_
1
]
1
a b b
Y
a
P ] b X a [ P
por lo cual,
) x ( 1 ) x (
Aunque estos temas se analizan por aparte, se har aqu una introduccin,
FUNCIN NORMAL BIVARIADA
Sea (X,Y) una variable aleatoria continua bidimensional que toma valores en el plano
Euclideo, tiene una distribucin normal bivariada si su funcin de distribucin de
probabilidad conjunta es,
8
'
1
1
]
1
,
_
,
_
2
y
y
y x
y x
2
x
x
2
2
y x
y ) y )( x (
2
x
) 1 ( 2
1
exp
1 2
1
) y , x ( f
en los intervalos, < < < < y y x .
Las distribuciones marginales de X y Y son
) , ( N y ) , ( N
2
y y
2
x x
+
Normal Truncada. El truncamiento a veces es una necesidad ara manejar
informacin que tiene ciertas propiedades, y no es necesario considerar las colas de
las funciones.
- A la derecha de X=t, la funcin de distribucin de probabilidad es f(x)=0, si x>t,
esto es,
'
1
1
]
1
,
_
2
x
2
1
exp
2
1
K ) x ( f
, si x t , siendo ] t Z [ P
1
t
1
K
1
]
1
'
1
1
]
1
,
_
2
x
2
1
exp
2
1
K ) x ( f
, si x t , siendo
1
t
1 K
1
]
1
,
_
Normal Multivariable. Sea la distribucin Bivariable
1
]
1
+
) v uv 2 u (
) 1 ( 2
1
exp k ) v , u ( f
2 2
2
UV
siendo
,
entonces,
[ ]
'
C B A
) 1 ( 2
1
exp
1 2
1
) y , x ( f
2
2
Y X
XY
en donde,
2
X
X
m x
A
,
_
,
_
Y X
Y X
) m y )( m x (
2 B
, y
2
Y
Y
m y
C
,
_
9
teniendo en cuenta que x y
y
Con distribucin marginal de X:
dy ) y , x ( f ) x ( f
XY X
y similarmente lo es para Y,
y se tiene,
) m x ( m m
X
X
Y
Y X / Y
+
y
2
Y
2 2
X / Y
) 1 (
10