Você está na página 1de 11

Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA

ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

LECTURA 02: DISTRIBUCIÓN NORMAL (PARTE II)

CALCULO INVERSO EN LA DISTRIBUCIÓN NORMAL ESTÁNDAR.


ESTANDARIZACIÓN.

TEMA 4: CALCULO INVERSO EN LA DISTRIBUCION NORMAL ESTANDAR

En la sesión anterior llevamos acabo el calculo directo en la distribución normal en


donde dada una determinada área teníamos que hallar el valor de la variable
aleatoria normal estándar ahora llevaremos acabo el proceso inverso; es decir dada
una determinada área tenemos que hallar el valor de la variable aleatoria normal
estándar en donde haremos uso de las tablas estadísticas de la distribución normal I
y II y además de las propiedades. A continuación citamos los siguientes ejemplos:

Ejemplo 1:

Si Z n(0,1) , hallar Z o en :

P[Z ≤ Zo ] = 0.9898

0.9898

0 Z0

En la Tabla I observamos que el valor de Zo = 2.32, y se obtiene directamente.

Ejemplo 2:

Si Z n(0,1) , hallar Z o en :

P[ Z ≤ Z o ] = 0.95

____________________________________________ 1
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

0.95

0 Z0

En la Tabla I observamos que el valor Z o se encuentra entre 1.64 y 1.65 y llevamos


acabo el proceso de interpolación:

Z Area
1.64 0.9495
Zo 0.95
1.65 0.9505

0.9505 − 0.9495 1.65 − 1.64


=
0.95 − 0.9495 Z0 − 1.64

0.001 0.01
=
0.0005 Z0 − 1.64

Aplicando la regla de tres simples obtenemos :

Z0 = 1.645

Ejemplo 3:

Si Z n(0,1) , hallar el valor – Z o en:

____________________________________________ 2
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

P[ Z ≤ Z o ] = 0.01

0.01

-Zo 0

En la Tabla I observamos que el valor Z o se encuentra entre -2.33 y -2.32 y llevamos


acabo el proceso de interpolación:

Z Area
-2.33 0.0099
- Zo 0.01
-2.32 0.0102

0.0099 − 0.0102 − 2.33 − ( − 2.32)


=
0.01 − 0.0099 − Z 0 − ( − 2.32)

− 0.0003 0.01
=
0.0001 − Z0 + 2.32

Aplicando la regla de tres simples obtenenmos :

− Z0 = − 2.3267

____________________________________________ 3
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

Ejemplo 4:

Si Z n(0,1), hallar el valor de Z o en:

P[ Z ≥ Z o ] = 0.10

0.10

0 Zo

Aplicando propiedad:

P[ Z ≥ Z o ] = 1 − P[ Z < Z o ]

P[ Z < Z o ] = 0.90

En la Tabla I observamos que Z o se encuentra entre 0.8997 y 0.9015 y llevamos


acabo el proceso de interpolación:

Z Area
1.28 0.8997
Zo 0.90
1.29 0.9015

____________________________________________ 4
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

0.9015 − 0.8997 1.29 − 1.28


=
0.90 − 0.8997 Z0 − 1.28

0.0018 0.01
=
0.0003 Z0 − 1.28

Aplicando la regla de tres simples obtenenmos :

Z0 = 1.282

Ejemplo 5:
Si Z n(0,1), hallar el valor de -Z 0 y Z0 simétricos en:

P[− Z o ≤ Z ≤ Z o ] = 0.90

0.90

- Zo 0 Zo

En la Tabla II observamos que Z o se encuentra entre 0.8990 y 0.9011 y llevamos


acabo el proceso de interpolación:

Z Area
1.64 0.8990
Zo 0.90
1.65 0.9011

____________________________________________ 5
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

0.9011 − 0.8990 1.65 − 1.64


=
0.90 − 0.8990 Z0 − 1.64

0.0021 0.01
=
0.001 Z0 − 1.64

Aplicando la regla de tres simples obtenenmos :

Z0 = 1.645
y
− Z0 = − 1.645

Ejemplo 6:

Si Z n(0,1) , hallar los valores -Zo y Zo simétricos en:

P[− Z o ≤ Z ≤ Z o ] = 0.95

0.95

- Zo 0 Zo

En la Tabla II observamos que se encuentra el área dada, por lo tanto no es


necesario interpolar.

Entonces –Zo=-1.96 y Zo= 1.96

____________________________________________ 6
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

TEMA 5: ESTANDARIZACION DE UNA VARIABLE ALEATORIA NORMAL

Dada una variable aleatoria normal X, con media μ y desvío σ, si definimos otra
X− µ
variable aleatoria Z = entonces la variable aleatoria Z tendrá una distribución
σ
normal estándar.

Al usar la fórmula de transformación cualquier variable aleatoria normal X se


convierte en una variable aleatoria normal estandarizada Z. Mientras los datos
originales para la variable aleatoria X tenían una media y una desviación estándar, la
variable aleatoria estandarizada Z siempre tendrá una media μ = 0 y una
desviación estándar σ = 1.

Veremos algunos ejemplos:

Ejemplo 1:

Si X → n (100,100) , hallar:

a) P[X ≤ 120]

120 − 100
P[X ≤ 120] = P[ Z ≤ ]
10
P[X ≤ 120] = P[ Z ≤ 2] = 0.9772

D.N.G

0.9772

120

100

____________________________________________ 7
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

D.N.E.

0.9772

0 2

b) P[X ≥ 130]

130 − 100
P[X ≥ 130] = 1 − P[ Z < ]
10
P[X ≥ 130] = 1 − P[ Z < 3]
P[X ≥ 130] = 1 − 0.9987
P[X ≥ 130] = 0.0013

D.N.G.

0.0013

100 130

____________________________________________ 8
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

D.N.E.

0.0013

0 3

c) P[X < 75]

75 − 100
P[X < 75] = P[ Z < ]
10
P[X < 75] = P[ Z < − 2.5]
P[X < 75] = 0.062

D.N.G.

0.0062

75 100

____________________________________________ 9
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

D.N.E.

0.0062

-2.5 0

d) P[75 ≤ X ≤ 125]

75 − 100 130 − 100


P[75 ≤ X ≤ 125] = P[ Z< ]
10 10
P[75 ≤ X ≤ 125] = P[− 2.5 ≤ Z ≤ 2.5]
P[75 ≤ X ≤ 125] = 0.9878

NOTA: UTILIZAR LA TABLA II DIRECTAMENTE

D.N.G.
0.9878

75 100 125

____________________________________________ 10
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2
Universidad Católica Los Ángeles de Chimbote FACULTAD DE INGENIERÍA
ESTADÍSTICA INFERENCIAL – ESTADÍSTICA APLICADA

D.N.E.

0.9878

- 2.5 0 2.5

e) P[80 ≤ X ≤ 134]

80 − 100 134 − 100


P[80 ≤ X ≤ 134] = P[ Z< ]
10 10
P[75 ≤ X≤ 125] = P[− 2.00 ≤ Z ≤ 3.4]
P[75 ≤ X≤ 125] = P[ Z ≤ 3.4] − P[ Z < − 2.00]
P[75 ≤ X≤ 125] = 0.9997 − 0.0228
P[75 ≤ X≤ 125] = 0.9767

D.N.G.
0.9767

80 100 134

D.N.E.
0.9767

-2.00 0 3.4

____________________________________________ 11
Elaborado por : Mg. Carmen Barreto R.
Fecha : Febrero 2010
Versión :2

Você também pode gostar