Escolar Documentos
Profissional Documentos
Cultura Documentos
Distribución Normal
y Aplicaciones
Dra. Noemí L. Ruiz Limardo
2008 © Derechos de Autor
Reservados, Revisado 2010
Objetivos de Lección
Conocer características principales de una
Distribución Normal
Conocer características principales de la
Distribución Normal Estándar (distribución z)
Hallar puntuaciones estándarizadas z
Aplicar los conocimientos y destrezas de la
distribución normal estándar en varios ejemplos
µ σ µ σ µ σ µ µ σ µ σ µ σ
Reflexión
En la práctica, muchas variables que
se observan tienen distribuciones que
sólo se aproximan a la normal.
Las variables tienen propiedades que
sólo se acercan a las probabilidades
teóricas de la distribución normal.
La distribución normal es de vital
importancia por 3 razones
principales.
Muchos fenómenos contínuos siguen el
patrón de esta distribución o se aproximan a
ella.
Se puede usar para aproximar
distribuciones de probabilidad discretas.
Proporciona la base para la inferencia
estadística clásica debido a su relación con
el Teorema del Límite Central.
Reflexión
La función matemática que genera la
distribución normal es: 2
1 x
1
y f x e 2
2
Ver que y≠ 0. Es una fracción con numerador 1
e cons tan te aproximada a 2.71828 Abraham De Moivre –
cons tan te aproximada a 3.14159 matemático francés
(1667-1754) que
media de población desarrolló la ecuación
de la curva normal
desviación estándar de población
x cualquier valor de var iable
Reflexión 1 x
2
1 2
y f x e
2
Observe que como y ≠ 0, la curva
forma asíntotas en el eje de x.
(No hay interceptos en x, no toca el
eje de x)
Observe que en la fórmula e y π son
constantes.
Las probabilidades de la variable
aleatoria x dependen sólo de los
parámetros de la distribución
normal: μ y σ
Reflexión
Cada vez que se especifíca una
combinación particular de una
media y desviación estándar de la
población diferente, se genera una
distribución normal distinta.
Observa que más que una sola
distribución normal existe una
familia de distribuciones normales.
Ver Figura 4.2 en la pág. 82 del
libro de Hinkle y el diagrama de la
próxima transparencia.
Reflexión
100%
A una desviación estándar de la media aritmética se
concentra aproximadamente 68% de las puntuaciones.
A dos desviaciones estándar de la media aritmética se
concentra aproximadamente 95% de las puntuaciones.
¿Dónde se
concentra el
porciento que
resta de 100?
Solución en la
próxima pantalla.
Escribir los datos
en la pizarra.
Halla la puntuación z de B, C, y E en la prueba de
admisión
zB = 2,100 – 2,500 = - 400 = - 1 zE = 2,180 – 2,500 = - 320 = - 0.8
400 400 400 400
zC = 2,580 – 2,500 = 80 = 0.2
400 400
57 63 69 75 81 87 93
Como 63 equivale a z = -2, en la tabla de z E.2B la probabilidad
es 0.0228 ó 2.28% de las piezas se montarán en menos de 63
segundos.
Ejercicio 8
¿Cuántos segundos tardará el montaje del 10% de las piezas?
Hay que hallar un μ = 75 σ=6
valor específico Hay que usar la
conociendo la fórmula de z
proporción. transformada.
57 63 69 75 81 87 93
Como la probabilidad de 10% es en un z = -1.28, en la tabla,
calculamos la puntuación cruda
x = 75 + (-1.28) (6)
x = 75 + -7.68
x = 67.32
Ejercicio 9
¿Cuál es la probabilidad de que un trabajador seleccionado al
azar realice la tarea en un tiempo entre 75 y 81 segundos?
μ = 75 σ=6
57 63 69 75 81 87 93
Para hallar P (75<x<81) vemos que hay que hallar el área bajo la
curva entre la media y 1 desviación estándar sobre la media.
En la tabla E.2A un z = 1 tiene un área o probabilidad de 0.3413.
Por tanto, la probabilidad es de 34.13%.
Ejercicio 10
¿Cuál es la probabilidad de que un trabajador seleccionado al
azar realice el trabajo en menos de 75 segundos?
μ = 75 σ=6
57 63 69 75 81 87 93
μ = 75 σ=6
57 63 69 75 81 87 93
Para hallar P (x>81) , vemos que más de 81 equivale a menos de
69, que es z= -1. Podemos usar la tabla E.2B y vemos que un
z = -1 tiene un área o probabilidad de 0.1587.
Ejercicio 12
¿Cuál es la probabilidad de que un trabajador seleccionado al
azar realice el trabajo en menos de 75 segundos o más de 81
segundos?
μ = 75 σ=6
57 63 69 75 81 87 93
μ = 75 σ=6
57 63 69 75 81 87 93
Para hallar P (x< 62) necesitamos conocer el valor de z.
z = 62 – 75 = - 13 = - 2.17
6 6
La probabilidad para un valor de z = -2.17 es 0.0150
Limitaciones de z
Podría ser confuso de manejar e
interpretar si z = 0 o tiene valor negativo.
Si se omite el signo accidentalmente,
podría cambiar el sentido de la
interpretación.
Es por esto que a veces se prefiere
transformar la puntuación z en una
puntuación que se pueda interpretar a
luz de la escala de medición _de la
variable. Por ejemplo: x = x + (z) (s)
Otras Aplicaciones de la normalidad
Promedios ponderados
Distribuciones muestrales
Pruebas de hipótesis
Estos dos últimos se
estudiarán en capítulos
posteriores.
Promedios Ponderados
Se usa cuando se consideran
varias medidas del mismo sujeto.
Debido a la escala ordinal de las
percentilas no es apropiado usar
para interpretar en estos casos.
Tampoco es apropiado usar las
puntuaciones crudas porque
podrían tener diferentes medias y
desviaciones estándar las
diferentes medidas.
Promedios Ponderados
Entonces lo que se hace es promediar en
puntuaciones estándarizadas.
Esto es la media ponderada.
La fórmula es:
wi zij
Puntuación Ponderada j
wi
wi peso de cada medida i
zij puntuación z de sujeto j en medida i
Promedios Ponderados
Ejemplo:
Un candidato a empleo toma dos pruebas y una entrevista. La
entrevista vale doble mientras que las dos pruebas tienen el
mismo peso. El candidato obtiene las siguientes puntuaciones
estandarizadas:
Prueba 1= 0.25 wi zij
Puntuación Ponderada j
Prueba 2=-0.50 wi
Entrevista=-0.20
¿Cuál fue la puntuación ponderada del candidato?
Puntuación 2( 0.20) 1(0.25) 1( 0.50)
Ponderada = 0.16
2 1 1
Verificación de la suposición de normalidad
Para asegurarse de que aplica la
distribución normal estándar hay
que verificar la suposición de
normalidad.
Se puede verificar usando las
siguientes técnicas:
Hacer diagrama de la distribución
para ver si tiene forma de normal
Calcular tendencia central, rango,
rango intercuartil y desviación
estándar y ver relación con la normal
Verificación de la suposición de normalidad
La forma de la distribución debe ser
similar a la distribución normal
Las tres medidas de tendencia central
deben ser iguales o lo más cercanas
posibles a la misma cantidad.
El rango intercuartil debe ser
aproximadamente 1.33 veces la
desviación estándar.
El rango debe ser aproximadamente 6
veces la desviación estándar.
Verificación de la suposición de normalidad
Determine si cerca de 2/3 de las
observaciones caen a una desviación
estándar sobre y bajo la media 1s
Determine si cerca de 4/5 de las
observaciones caen a 1.28 desviaciones
estándar bajo y sobre la media 1.28s
Determine si 95% de las observaciones
caen a 2 desviaciones estándar bajo y
sobre la media.
Distribución Muestral de la Media
Una distribución muestral de la media se
comporta como una distribución normal
si n ≥ 30, aunque hay que considerar el
error estándar de la media.
La fórmula para calcular este error es:
x
n
En un estudio para asegurar que se
pueda inferir características de una
muestra a la población debe utilizar
muestras con n ≥ 30 y considerar el error
estándar de la media.
Prueba de Hipótesis
En un estudio experimental se
establece la hipótesis nula y la
alterna.
La hipótesis nula es la que se
prueba siempre.
La hipótesis alterna es la del
investigador y se plantea como
opuesta a la nula
Prueba de Hipótesis
Si la distribución se comporta
como una distribución se normal,
se realiza una prueba de z de
acuerdo a los valores críticos y la
región de rechazo establecida.
Si z cae en la región de rechazo, se
rechaza la hipótesis nula y se
acepta la alterna.
Fin de la Lección
Distribución Normal
Ecuación matemática desarrollada por
matemático francés Abraham Moivre
(1667-1754) en siglo 18.
La ecuación sirvió para representar
conceptos de probabilidad relacionados
con juegos de azar.
La ecuación no determina ningún evento
específico de la naturaleza ni refleja
ninguna ley específica de la naturaleza.
Distribución Normal
Sin embargo, ha sido muy útil porque
describe el comportamiento de variables
que aparecen en las ciencias sociales y la
educación tales como: aprovechamiento
académico, aptitudes y actitudes.
Más adelante se verá que muchos
procedimientos de la estadística
inferencial dependen del supesto de que
la distribución sea normal.