Formulario Tema 11: Distribución normal.

FORMULARIO

1. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE CONTINUA

1.1. Distribución de probabilidad de variable continua

Las distribuciones de probabilidad de variable continua son idealizaciones de las
distribuciones estadísticas de variable continua. Éstas se obtienen empíricamente (experimentando u
observando). Aquellas son distribuciones teóricas.
Distribuciones estadísticas  empíricas.

Distribuciones de probabilidad  teóricas.

2. LA NORMAL

2.1. Distribución normal

Distribución normal es una distribución de probabilidad continua que X toma sus valores en el
intervalo [a, b]. Se define por medio de una función y=f(x) que se llama función de probabilidad o
función de densidad. Tiene que ser positiva f(x)≥0 en dicho intervalo y verificar que:

Pa  X  b   f x  dx  1
b

Pc  X  d    f x  dx
d
Si [c, d] es un intervalo contenido en [a, b] 
c

2.2. Representación de la distribución normal

XN(µ,σ)  Variable aleatoria continua X sigue una distribución normal de parámetros µ y σ.

X = Variable aleatoria continua.  Número infinito de casos posibles.

xi = Valores que puede tomar la variable aleatoria continua.

µ = Media aritmética. σ = Desviación típica.

2.3. Función de densidad o Función de probabilidad de una variable continua

1  x  
2
  
Función de densidad o de la curva de Gauss: f  x  
1  
e 2
 2
La gráfica de su función de densidad tiene una forma acampanada. Esta curva se conoce como
campana de Gauss.

Gema Isabel Marín Caballero Página 1 de 7

 Formulario Tema 11: Distribución normal.

2.4. Características de una distribución normal

Tiene un solo pico en el centro de la distribución.  La media aritmética, la mediana y la moda
de la distribución son iguales y se localizan en el pico.

El dominio de X es R=(-∞, +∞).

Es simétrica respecto a la media µ de la distribución. Deja un área igual a 0,5 a la izquierda y

otra igual a 0,5 a la derecha.

Es creciente para x < µ y decreciente para x > µ.

Tiene una asíntota horizontal en y=0.

f   
1
Tiene un máximo que alcanza en x=µ de valor .
 2
Presenta puntos de inflexión en los puntos µ-σ y µ+σ.

2.5. Cálculo de la probabilidad a partir de la función de densidad

Las probabilidades vienen dadas por el área bajo la curva.  El área total encerrada de la

curva y=f(x) vale 1.   f x  dx  P   X    1


P X  a    f x  dx  0
a
La probabilidad de que X tome un valor concreto es igual a cero.
a

Pa  X  b  área bajo la curva en el intervalo [a,b]. Coincide con el área encerrada por la
Pa  X  b   f x  dx
b
función de densidad entre a y b. 
a

En un triángulo: Pa  X  b 
b  a   h h = Altura del triángulo.
2
En un rectángulo: Pa  X  b  b  a   h h = Altura del rectángulo.

bB
En un trapecio: Pa  X  b  h h = Altura del trapecio.
2

2.6. Función de distribución normal

La función de distribución normal F(x) representa la probabilidad acumulada hasta un
determinado valor de X.  F(xi)=P(X ≤ xi)

F x    f t  dt
x
F(x) representa el área encerrada bajo la curva f(t) desde −∞ hasta x. 


1  t  
2
  
Función de distribución: F x  
1 x

2  
e dt
 2 

Gema Isabel Marín Caballero Página 2 de 7

 Formulario Tema 11: Distribución normal.

Propiedades:

 Si x ≤ x1  lím F x   0  F(x)=0
x 

 Si x ≥ xn  lím F x   1  F(x)=1
x 

F x    f t  dt
x
 Si xЄ[xi, xi+1] 


 F(x) es creciente porque F(xi) ≤ F(xj) si xi < xj. Su gráfica no es escalonada.

 P(xi ≤ X ≤ xj) = F(xj) – F(xi)

2.7. Relación entre f(x) y F(x)

f(x) = F’(x)

2.8. Notación de la probabilidad

En la probabilidad de una distribución continua: ≥ y > son iguales, ≤ y < son iguales.

Pa  X  b  Pa  X  b  Pa  X  b  Pa  X  b

P X  a   P X  a  Pa  X   Pa  X 

2.9. Parámetros en una distribución continua


Media aritmética, esperanza matemática E(x)  E x    x  f x  dx


V x   E x 2   E x  E x 2    x 2  f x  dx

Varianza V(x)  donde


Desviación típica σ    V x 

2.10. Distribución normal estándar

Distribución normal estándar se representa por N(0,1) y es una distribución normal de media
cero y de desviación típica 1.
ZN(0,1)  Variable aleatoria continua Z sigue una distribución normal estándar N(0,1).
Z = Variable tipificada de X. µ=0 σ=1

X 
1
1  2 z 2
Si Z  Función de densidad o de la curva de Gauss: f z   e
 2

F z    f t  dt
z
F(z) representa el área encerrada bajo la curva f(t) desde −∞ hasta z. 


1
 t 2
F z  
1 z
Función de distribución:
2 

e 2
dt

Los valores de la función de distribución son conocidos y están tabulados en la tabla N(0,1).

Gema Isabel Marín Caballero Página 3 de 7

 Formulario Tema 11: Distribución normal.

2.11. Tipificación de la variable

Se observó que no existe una sola distribución de probabilidad normal, sino una “familia” de
ellas. Sabemos que cada una de las distribuciones puede tener una media µ o una desviación típica σ
distinta. Por lo que el número de distribuciones normales es ilimitado y es imposible proporcionar una
tabla de probabilidades para cada combinación de µ y σ. Por eso, se utiliza sólo la distribución normal
estándar y todas las distribuciones normales se convierten a la estándar mediante la transformación o
tipificación de la variable X en otra variable Z.

X 
Se tipifica mediante el cambio de variable: Z

X 
Si XN(µ,σ) entonces Z N(0,1)


2.12. Cálculo de la probabilidad en la normal estándar N(0,1)

 k   PZ  k   PZ  k 
 k   Es la probabilidad de que se produzcan k éxitos.

k = Número de éxitos.  k = de 0 a 4, de centésima en centésima.

 k   F k  = Función de distribución.

Leer Tabla de áreas bajo la curva normal estándar N(0,1).

La tabla da la probabilidad de  k  .

2.13. Manejo de la tabla de áreas bajo la curva normal estándar N(0,1)

 Cálculo de la probabilidad PZ  k  conocido el valor de k.  El valor de k se busca así:

- Unidades y décimas en la columna de la izquierda.

- Centésimas en la fila de arriba.

- El número que nos da la tabla N(0,1) es el valor de  k   PZ  k   PZ  k 

 Cálculo del valor de k conocida la probabilidad PZ  k  .  El valor de la probabilidad
PZ  k  se busca así:
- El valor de  k   PZ  k   PZ  k  es el número que está en la tabla N(0,1).
- Unidades y décimas en la columna de la izquierda.
- Centésimas en la fila de arriba.

 Cálculo del valor de la variable X conocida la probabilidad PZ  k  :

- Se calcula el valor de k.

X 
- Se usa la fórmula de la tipificación: Z  X    Z 

- Si Z=k  El valor de X es X    k 

Gema Isabel Marín Caballero Página 4 de 7

 Formulario Tema 11: Distribución normal.

2.14. Reglas para hallar probabilidades en la normal estándar N(0,1)

 Si k  0   k   PZ  k   PZ  k   Leer la tabla N(0,1).

 Si k  0  PZ  k   1  PZ  k   1   k 
 Si  k  0  PZ  k   PZ  k   1   k 
 Si  k  0  PZ  k   PZ  k    k 
 Si 0  a  b  Pa  Z  b  PZ  b  PZ  a 
 Si  a  b  0  P a  Z  b  Pb  Z  a 

2.15. Cálculo de la probabilidad en la normal cualquiera N(µ,σ)

Tipificación:

 Paso de una normal N(µ,σ) a una normal estándar N(0,1).  Pasamos XN(µ,σ) a ZN(0,1).

X 
 Se calcula Z .

 Con el valor de “Z” se busca en la tabla de la normal estándar N(0,1).

h k 
Si XN(µ,σ), el cálculo de la probabilidad es: Ph  Z  k   P Z 
   

2.16. Distribución binomial se aproxima a la normal

Una distribución binomial se parece mucho a una distribución normal si n es un número grande
(no es posible usar la tabla de la distribución binomial) y si p y q no están muy próximas a cero.

XB(n,p) se aproxima a X’N(µ,σ) con   n p y   n pq .

Teorema de Moivre:
Condiciones: n p  5 , nq  5
Si se verifican, entonces B(n,p) se aproxima a N(µ,σ).

Pasos a seguir:

 Pasamos XB(n,p) a X’N(µ,σ).  X’ es la nueva variable continua.

X ' 
 Pasamos X’N(µ,σ) a ZN(0,1) y se tipifica Z .

Binomial XB(n,p) Normal X’ N n  p, n pq  y se usan las reglas de abajo
X ' 
Tipificación Z Normal estándar ZN(0,1)


2.17. Reglas para hallar probabilidades de una binomial a una normal

Reglas para calcular probabilidades mediante el paso de una binomial B(n,p) a una normal
N(µ,σ):

 P X  k   Pk  0,5  X '  k  0,5

Gema Isabel Marín Caballero Página 5 de 7

 Formulario Tema 11: Distribución normal.

 P X  k   P X '  k  0,5
 P X  k   P X '  k  0,5
 P X  k   P X '  k  0,5
 P X  k   P X '  k  0,5
 Pa  X  b  Pa  0,5  X '  b  0,5
 Pa  X  b  Pa  0,5  X '  b  0,5

2.18. Ajuste de un conjunto de datos a una distribución normal

Para estudiar los datos de una distribución estadística mediante las técnicas vistas, tenemos
que comprobar que estos datos se ajustan al modelo de distribución normal.

Disponemos de una serie de N observaciones relativas a n individuos. En cada observación,

contamos el número k de ellos que cumplen una determinada condición.
En definitiva, tenemos una tabla de frecuencias cuya variable X toma los valores xi=0,1,…,n
Para estudiar si esa serie de datos obtenidos experimentalmente puede provenir de una
distribución normal N(µ,σ), procedemos del siguiente modo:

 Calculamos la media aritmética x de los datos y la desviación típica σ de la distribución

empírica a partir de la tabla de frecuencias absolutas o relativas experimentales.

 Igualamos x y    empírica

 Así, obtenemos los valores de µ y σ.

 Luego, XN(µ,σ)

 Para valorar la bondad del ajuste, comparamos la distribución empírica con la teórica normal
N(µ,σ). Se puede hacer con las frecuencias absolutas o con las frecuencias relativas. Para ello:
- Partimos el recorrido de la variable en intervalos [xk , xk+1) y averiguamos cómo se
repartirían en esos intervalos n individuos en la distribución teórica N(µ,σ), la fi teórica .

- Tipificamos los intervalos [xk , xk+1) en [zk , zk+1).

- Calculamos los valores de la tabla de probabilidades.
fi teórica = P(zi ≤ Z ≤ zi+1) · N o fri teórica = P(zi ≤ Z ≤ zi+1)

- Para cada intervalo, hallamos el error absoluto: la diferencia entre el valor empírico y el
teórico, Ea = | fi teórica - fi empírica | o Ea = | fri teórica – fri empírica |

Ea Ea
- Calculamos el error relativo: Er  o Er 
f i teórica f ri teórica

- Según que la mayor de las diferencias sea suficientemente pequeña o no, aceptamos o
rechazamos la hipótesis de que los datos provienen de una normal.

o Si la mayor de las diferencias es suficientemente pequeña, suponemos que el ajuste es

bueno.  Los datos iniciales provenían de una distribución normal.
o Si la mayor de las diferencias es grande, suponemos que el ajuste no es bueno.  Los
datos iniciales no provenían de una distribución normal.

Gema Isabel Marín Caballero Página 6 de 7

 Formulario Tema 11: Distribución normal.

fi teórica  Frecuencia absoluta teórica.

fi empírica  Frecuencia absoluta empírica. Viene dada en la tabla de frecuencias absolutas

empíricas.

fri teórica  Frecuencia relativa teórica.

fri empírica  Frecuencia relativa empírica. Viene dada en la tabla de frecuencias relativas
empíricas.

Tablas para valorar la bondad:

Frecuencias absolutas
Clase
Clase Ea
tipificada f i teórica  Pzi  Z  zi 1   N Ea  f i teórica  f i empírica Er 
xi , xi1  zi , zi1 
f i empírica
f i teórica

x1 , x2  z1 , z2  f1 f1  Pz1  Z  z2   N

x2 , x3  z2 , z3  f2 f 2  P z 2  Z  z 3   N
x3 , x4  z3 , z4  f3 f 3  P z 3  Z  z 4   N
… … … …
xn1 , xn  zn1 , zn  fn f n  Pzn1  Z  zn   N
Total N N

Frecuencias relativas
Clase
Clase Ea
tipificada f ri teórica  Pzi  Z  zi 1  Ea  f ri teórica  f ri empírica Er 
xi , xi1  zi , zi1 
f ri empírica
f ri teórica

x1 , x2  z1 , z2  f1
f r1  Pz1  Z  z2 
N
x2 , x3  z2 , z3  f2
f r 2  P z 2  Z  z 3 
N
x3 , x4  z3 , z4  f3
f r 3  P z3  Z  z 4 
N
… … … …

xn1 , xn  zn1 , zn  fn
f rn  Pzn1  Z  zn 
N
n
Total 1  P z
i 1
i  Z  zi 1   1

Gema Isabel Marín Caballero Página 7 de 7