Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ASIGNATURA
Estadística Aplicada
DOCENTE
Luis Calderon
TEMA
La Distribución Normal
AUTOR
CICLO
III
Chimbote – Perú
2015
pág. 1
ULADECH CATOLICA
DEDICATORIA
quienes han sido guía ejemplar para nosotros, logrando inculcar en nuestra vida la
la sabiduría para poder aprender y adquirir nuevos conocimientos, los cuales son otorgados
por los docentes de alta calidad de la Universidad ULADECH , que con su dedicación y
pág. 2
ULADECH CATOLICA
INDICE
1. INTRODUCCION
2. OBJETIVOS
4. CONCEPTO FUNDAMENTALES
7. CONCLUCSION
8. BIBLIOGRAFIA
Espero que la información aquí descrita cumpla La cabalidad con los objetivos
propuestos.
pág. 3
ULADECH CATOLICA
1.-INTRODUCCIÓN
aleatoria, distinguiendo además dos tipos de variables, las discretas y las continuas. En este
sus usos. Posteriormente, veremos cómo utilizar la distribución normal para estimar
probabilidades binomiales.
pág. 4
ULADECH CATOLICA
2.-OBJETIVOS
• Saber determinar la probabilidad de que una observación esté por encima (o por
probabilidad
probabilidad binomial
pág. 5
ULADECH CATOLICA
La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre
(1667-1754). Para esta presentación aprendimos la aplicación y manejo de las Distribuciones
de Probabilidades más comunes, la Binomial, la de Poisson y finalmente la distribución
Normal.
Existe un estudio científico sobre los factores de la distribución normal, científica realizado
en el área académica para determinar el uso más adecuado y sofisticado de la distribución
normal
Posteriormente, Carl Friedrich Gauss (1777-1855) realizó estudios más a fondo donde
formula la ecuación de la curva conocida comúnmente, como la “Campana de Gauss".
Deseamos compartir esta compilación de información con alguien más que al igual que
nosotros tuvimos la necesidad de investigar y realizar un trabajo de este tipo. Análisis y
estudios que nos han abierto la mente así como nuestras habilidades para desempeñarnos
con mayor eficiencia en nuestras funciones laborales y personales.
DISTRIBUCIÓN NORMAL
Distribución de una variable aleatoria continúa con una curva de un solo pico y en forma de
campana. La media se halla en el centro de la distribución, y la curva es simétrica alrededor
de una línea vertical que se yergue en la media. Los dos extremos se extienden
indefinidamente, sin que nunca toquen el eje horizontal.<br />El modelo de probabilidad
más frecuente utilizado en estadística es la distribución normal, que puede emplearse en las
formas general y estandarizada. Se dice que X (variable) tiene una distribución general si
cumple las siguientes condiciones:
pág. 6
ULADECH CATOLICA
El hecho de que una variable x se distribuya con una distribución normal de media y
desviación típica se representa por: X N[ ; ] ó L(X) N[ ; ] (Aunque nosotros
seguiremos este sistema de especificación, es bastante corriente, también‚ que a la
distribución normal se la especifique por los parámetros media y varianza ( en vez de
desviación típica), , 2.
Dado que:
pág. 7
ULADECH CATOLICA
Igualando a cero la primera derivada obtenemos que y'=0 para X = y para X = . Como la segunda
derivada en x = es negativa, concluimos que la función de densidad presenta un máximo en X =
, lo que nos hace afirmar que la media ( es también la moda de la distribución normal. Es fácil
comprobar que la función de densidad presenta dos puntos de inflexión en los valores X = Por otro
lado para cualquier valor de a se verifica que: ( +a)= ( -a) por lo que la función es simétrica
respecto a .
1. Su esperanza es μ.
2. Su varianza es σ2 y, por tanto, su desviación típica es σ.
3. Es simétrica respecto a su media μ, como puede apreciarse en la
representación anterior.
4. Media, moda y mediana coinciden (μ).
5. Cualquier transformación lineal de una variable con distribución Normal
seguirá también el modelo Normal. Si X ~ N(μ, σ) y
definimos Y = aX + b (con a ≠ 0), entonces Y~ N(aμ + b, |a|σ). Es decir, la
esperanza de Y será aμ + b y su desviación típica, |a|σ.
6. Cualquier combinación lineal de variables normales independientes sigue
también una distribución Normal. Es decir, dadas n variables aleatorias
independientes con distribución Xi ~ N(μi, σi) para i = 1, 2, ..., n la
pág. 8
ULADECH CATOLICA
La curva normal desciende suavemente en ambas direcciones a partir del valor central. Es
asintótica, lo que quiere decir que la curva se acerca cada vez más al eje X pero jamás llega
a tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en ambas
direcciones.
Distribución son iguales y se localizan en el pico. Así, la mitad del área bajo la curva se
encuentra a la derecha de este punto central y la otra mitad está a la izquierda de dicho punto.
pág. 9
ULADECH CATOLICA
• La curva normal desciende suavemente en ambas direcciones a partir del valor central. Es
asintótica, lo que quiere decir que la curva se acerca cada vez más al eje X pero jamás llega
a tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en ambas
direcciones.
Para indicar que una variable aleatoria (v.a.) sigue una distribución normal de media µ y
desviación estándar σ usaremos la expresión: X ∼ N(µ,σ).
pág. 10
ULADECH CATOLICA
• El área total encerrada por f(x) vale 1, i.e.: ∫ +∞ −∞ f (x)dx = P(−∞ < X < +∞) = 1 .
Veamos, a través de una sencilla aplicación, este concepto de cómo la distribución normal
representa un área bajo la curva. Para ello, podemos consultar el siguiente enlace:
http://psych.colorado.edu/~mcclella/java/normal/accurateNormal.html, donde veremos,
cambiando (1) los valores de la media y la desviación estándar, y (2) los valores entre los
cuales queremos calcular la probabilidad, a qué porción de espacio bajo la curva normal
corresponde la probabilidad buscada.
pág. 11
ULADECH CATOLICA
pág. 12
ULADECH CATOLICA
Ejemplos:
a) P(Z<1,52)=[ver tabla]=0,9357
b) P(Z>1,52)=[área total]=1]=1-P(Z <1,52= =0,0643
c) P(Z<Z<1,52) = [P(Z<1,52)-P (<0) = [simetría] = 0,9357 – 0,5000=0.4357
d) P(-2,1<Z<0) = P(Z<-2,1) = {sim + tabla} = 0,5000 – 0,0179 = 0,4821
Por otra parte, denotemos por z(α) aquel número real tal que P[Z>z(α)] = α
Por ejemplo
a) z(0,25) = nº que deja un área de 0,25 a su derecha = {tabla} ≈ 0,675 ya que P(Z<0,68) =
0,7517 .
b) Si queremos calcular un nº real c tal que P(-c<Z<c) = 0,95 , nos interesa hallar z(0,025)
{ver gráfico inferior}. Según la tabla, c = z(0,025) = 1,96 ya que P(Z<-1,96) = 0,025 :
pág. 13
ULADECH CATOLICA
5.2.-TEOREMA DE CHEBYSHEV:
Si X ∼ N (µ, σ) , entonces:
i.e., el 68% (aproximadamente) de los valores que tome la v. a. X estarán situados a una
distancia de la media inferior a una desviación estándar. Análogamente, el 95% de los
valores estarán situados a menos de 2 veces la desviación estándar, y un 99,7% de dichos
valores se encontrarán dentro un radio de 3 sigma. Por lo tanto, para una distribución normal,
la mayor parte de todos los valores yacen a tres desviaciones standard de la media.
pág. 14
ULADECH CATOLICA
Por lo tanto, para una distribución normal, la mayor parte de todos los valores yacen a tres
desviaciones standard de la media..
Los applets que aparecen a continuación permiten identificar los respectivos porcentajes del área
bajo la curva:
Que un experimento sólo puede tener dos resultados posibles y mutuamente excluyentes:
un “éxito” y un “fracaso”.
La distribución es consecuencia de contar el número de éxitos de un número fijo de
pruebas.
Cada prueba es independiente.
La probabilidad, p, permanece igual de una prueba a la siguiente.
Dicho valor 0,5 se suma o se resta, dependiendo de los requerimientos, a un valor seleccionado
cuando una distribución de probabilidad discreta se aproxima por medio de una distribución
continua.
pág. 15
ULADECH CATOLICA
Para la probabilidad de que al menos X ocurra, se utilizará el área por encima de la curva
(X-0,5)
- Para la probabilidad de que ocurra más que X, se utilizará el área por encima de la curva
(X+0,5)
Para la probabilidad de que ocurra X o menos, se utilizará el área por debajo de la curva
(X+0,5)
Para la probabilidad de que ocurra menos de X, se utilizará el área por debajo de la curva
(X-0,5)
Ejemplo:
Para muchas combinaciones de n y p es posible aproximar bastante bien una distribución binomial
B(n,p) mediante una distribución normal de media µ = np y varianza σ 2 = np(1-p). Generalmente,
esta aproximación tiende a ser tanto mejor cuanto mayor es el número de pruebas n.
Introducimos en la columna C1 de una hoja de trabajo los números 0, 1, 2, ..., 16. En la columna C2
calcular P(X = 0), P(X = 1), ..., P(X = 16), siendo X una binomial de parámetros n = 16 y p = 0,5.
pág. 16
ULADECH CATOLICA
7.-CONCLUCION.-
De hecho, la estadística es un modelo matemático que sólo permite describir un fenómeno, sin
explicación alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso
de la estadística en psicología y sociología sea conocido como método correlacional.
pág. 17
ULADECH CATOLICA
pág. 18
ULADECH CATOLICA
7.-BIBLIOGRAFIA.-
Lind, D.; Mason, R.; Marchal, W. (2001): “Estadística para Administración y Economía”. Ed.
Irwin McGraw-Hill. Sitio web: http://es.geocities.com/riotorto/norm/norm.htm
pág. 19