DISTRIBUCION NORMAL

MA MARCIAL RENE ZUIGA MUOZ

Las variables aleatorias continuas
Son aquellas que pueden tomar cualquier valor dentro de un intervalo
determinado. Como puede tomar una cantidad infinita de posibles valores
fraccionarios que tenga por resultado de alguna medicin, no se puede listar
todos los posibles valores con sus posibilidades correspondientes. En lugar de
esto, se define como funcin densidad de probabilidad. f(X), que significa funcin
de X, correspondiente a que puede tomar cualquier valor de la variable aleatoria
X. La grafica de una de estas funciones se llama curva de probabilidades, y el rea
entre dos puntos cualquiera y bajo la curva indica la probabilidad de ocurrencia
aleatoria entre estos dos puntos.
Ajuste de la distribucin normal a binomial

Ajuste de distribucin binomial a normal.

 LA DISTRIBUCION DE PROBABILIDAD NORMAL
IMPORTANCIA:
1.- Muchos fenmenos continuos siguen esta distribucin o pueden
aproximarse por ella.
2.- Se puede usar para aproximar varias distribuciones de probabilidad
discreta.
3.-Proporciona la base para la inferencia estadstica clsica debido a su
relacin con el teorema del lmite central.
4.- Se usa cuando el valor el nmero de datos es mayor que 120 datos,
otros autores considera mayor a 30 datos.
 PROPIEDADES DE LA DISTRIBUCION NORMAL
Tiene forma de campana ( y por lo tanto es simtrica)

1. Todas sus medidas de tendencia central son iguales. (Media, mediana,) son iguales.
2. La variable aleatoria asociada tiene un intervalo infinito (-infinito < X < + infinito)

Como sucede con cualquier distribucin de probabilidades continua, el valor solo puede
hallarse para un intervalo de valores. La altura de la funcin densidad de probabilidades

2 2
(() 2
1
est dada por f (X) = 2
2

Donde: : es la constante 3.14 16 , e es la constante 2.7183, es la media de la

distribucin estndar .
Cada combinacin diferente de y genera una distribucin de probabilidad
normal diferente (todas simtricas). Las tablas de probabilidades se basan en una
distribucin particular: la distribucin normal estndar para los valores con media,
=0 y , =1. Cualquier valor de X proviene de una poblacin
con distribucin normal puede convertirse en el valor normal equivalente Z,
mediante la frmula:

Z=X-

Distribucin normal

f(x)

Desviacin std
media =0
 Ejemplo 1
Se sabe que la vida til de un componente electrnico se ajusta a una distribucin normal
con media =2,000 horas con = 200 horas. Determinar la
probabilidad de que un componente tomado al azar dure entre 2000 y 2400 horas.

Z=X-

Z = 2400 - 2000
200
Z = 2, indica que 2400 horas se encuentra a dos desviaciones
estndar. En la tabla (Apndice II) se lee el valor de 0.4772. o sea el
47.72 % del rea bajo la curva. (Apndice II) se lee el valor de
0.4772. o sea el 47.72 % del rea bajo la curva.
EJEMPLO 2.- En una prueba estandarizada de psicologa tiene como media 72 puntos y la
desviacin estndar fue de 15 puntos. Determinar las puntuaciones estndar (es decir, en
unidades de desviacin estndar) de los pacientes que obtuvieron a) 60, b)93 y c) 72
puntos., uso de tablas Z:
SOLUCION a) Z=X-

Z = 60 72 = - 0.8 , corresponde a .2881 o 28.81%
15
b) Z=X-

Z = 93 - 72= 1.4, corresponde a .4192 o 41.92%
15
c) Z = X -

Z = 72 - 72= 0 corresponde a 0.000 o 00.00%
15
Ejemplo 3
Con los datos del problema anterior, encontrar los valore de X
que corresponden a los valore Z de a) -1, b)1.6
Z=X-

a) X = + Z = 72 +(- 1) (15) = 57
b) X = + Z = 72 +( 1.6) (15) = 96
Ejemplo 4
En un examen de estadstica, la puntuacin media es 78 y desviacin estndar es
10.

Determinar

a) Hallar el valor Z , si las puntuaciones fueron 93 y 62, respectivamente

b) Las calificaciones, si las desviaciones estndar fueron 0.6 y 1.2,
respectivamente.
X= + Z = 78 +(- 0.6) (10) = 72
X = + Z = 78 +( 1.2) (10) = 90
Ejemplo 5
En una prueba de Psicologa tiene una distribucin aproximadamente nomal,
con media 10 y una desviacin estndar de 2.5. Si un paciente es elegido al azar,
y se le aplica la prueba, determinar:

a) Cul es la probabilidad de que logre un puntaje entre 15 o ms puntos?

b) Cul es la probabilidad de que se logre un puntaje entre 11 y 14 puntos?

SOLUCION
a) P(X>,= 15) = P( X - >,= 15 - 10) = P(z>2) = 0.5 P( 0 <Z < 2)
2.5
Se busca el valor de Z en tablas y corresponde 0.4772
Y restando de O.5 (que es la mitad del valor de esa rea de = 0.5 0.4772 =
0.0228 o sea 2.28%

a) P(11<X<,= 14) = P( X - <,= 11 - 10) < = 14 - 10)

2.5 2.5

P(11<z<14) = P(0.4 <Z < 1.6) 0.4452 - 0.1554 = 0.2898 = 28.98 %

Prueba de normalidad con SPSS(video)
.
 INTERVALO DE CONFIANZA PARA LA MEDIA
CONOCIDA

X+,- Z .Ecuacin 1

Donde Z = Valor del rea correspondiente al (1- )/2 desde el centro de una
distribucin normal.
Para el intervalo de confianza del 95% para la media, se selecciona =0.05. El valor Z
corresponde al rea de 0.95/2 = 0.475 desde el centro de la distribucin es 1.96,
porque existe en la cola superior de la distribucin. El valor de Z seleccionado para
construir este intervalo de confianza se llama valor crtico de la distribucin.
Para
El nivel de confianza de 95% Z= 1.96 y la mitad del rea es 0.475
El nivel de confianza de 995% Z=2.58 y la mitad del rea es 0.495
EJEMPLO
Un fabricante de papel para impresora tiene un proceso de produccin
que opera en forma continua durante todo el turno de produccin. Se
espera que el papel tenga una longitud promedio de 11pulgadas y se
sabe que la desviacin estndar es 0.02 de pulgada. De manera
peridica, se selecciona muestras para determinar si la longitud
promedio de la hoja todava es 11 pulgadas o si algo va mal en el
proceso de produccin y cambio. Si ocurre esto se necesita una accin
correctiva. Supongamos que se elige una muestra aleatoria de 100 hojas
y que la longitud promedio es 10,998. Establezca una estimacin de un
intervalo de 95% de confianza de la longitud promedio del papel.
Z= 1.96

= 0,02 Remplazando en la ecuacin 1

n= 100 X+,- Z .Ecuacin 1

0,02
= 10,998 +,- 1.96
100

= 10,998 +,- 0.00392

10,99408 << 11,00192
Por lo tanto, se estima que al 95% de confianza, la media de la poblacin est entre
10,99408 y 11,00192 pulgadas. Como 11 pulgadas. El valor que se indica se encuentra
incluido dentro del intervalo. No hay razn para pensar que algo est mal en el proceso.
ESTIMACION DE LA MEDIA DE LA LONGITUD DEL PAPEL CON 99% DE CONFIANZA.

Z= 2.58

= 0,02 Remplazando en la ecuacin 1

n= 100 X+,- Z .Ecuacin 1

0,02
= 10,998 +,- 2.58
100

= 10,998+,- 0,00516
10,99284 << 11,00316
Al 99% de confianza, la media de la poblacin est entre 10,99284 y 11,00316
pulgadas. Como 11 pulgadas. El valor que se indica se encuentra incluido dentro
del intervalo. No hay razn para pensar que algo est mal en el proceso.
ESTIMACION DEL INTERVALO DE CONFIANZA
PARA LA MEDIA( DESCONOCIDA)
Distribucin de t de student
De la misma manera que no se conoce la media poblacional , en general, la
desviacin estndar real de la poblacin tampoco se conoce. En tal condicin es
necesario obtener un intervalo de confianza estimado de usando los estadsticos
muestrales X y S, es decir DISTRIBUCION t
Si la variable aleatoria X tiene una distribucin normal, entonces el estadstico t=

X+,- t n-1 .Ecuacin 2

Tiene una distribucin t con n-1 grados de libertad. La expresin tiene la misma forma que la
ecuacin Z, a excepcin que utiliza S para estimar , que en este caso supone que no se conoce
,
Distribucin t: student
Distribuciones Muestrales
Estimacin Puntual de un parmetro de una poblacin o de un proceso Comnmente
los parmetros de una poblacin o de un proceso suelen estimarse basndose en
estadsticos muestrales.( media, mediana, desviacin estndar, varianza, etc.)

Parmetro.- Es el valor representativo de una poblacin o de un proceso.

Estadstico muestral.- Es el valor representativo de la muestra. Para ser un
estadstico muestral como estimador de un parmetro, la muestra debe ser una
muestra aleatoria obtenida de la poblacin o un sub grupo racional obtenido de un
Poblacin
Mues
proceso. tra
Muestra
LISTADO DE ESTIMADORES PUNTUALES
QUE SE USAN CON FRECUENCIA
Estimador
Parmetro poblacional de la
Muestra
Media, X
Diferencia de media de dos poblaciones, 1 - 2 X1 X2
Proporciones, p
Diferencia entre proporciones de dos poblaciones, 1 2 p1 p2
Varianza ,2 s2
Desviacin estndar, s
Propiedades de la distribucin t

1. La distribucin t tiene ms cola que la distribucin estndar, se debe que se

usa S y se desconoce .
2. Como el valor de es cierto, los valores de t observados tienen mayor
variacin.
3. Cuando aumenta el nmero de grados de libertad, la distribucin t se acerca
poco a poco a la distribucin normal hasta que las dos son casi idnticas.
4. Usar t para muestras menores que hasta 120.
Ejemplo:

Se selecciona una muestra de 100 facturas de venta de

una poblacin de unas facturas de un mes y la cantidad
promedio de cada factura es de 110,27 dlares con una
desviacin estndar de muestral de 28,95 dlares. El
Auditor, en este caso desea la confianza de 95% al
estimar la media de la poblacin.
DATOS

X=110,27 dlares X+,- t n-1 .Ecuacin 2
S= 28,95 dlares
n = 100 facturas. Remplazando datos

X+,- t n-1 .Ecuacin 2

= 110,27 +,- (1,9842) 28,95 (ver tabla)

100
= 110,27 +,- 5,74
Las facturas varan entre
Al 95% de confianza estn en este valor.$ 110,53 << $116,01 ,
Conclusin

Como se puede observar la distribucin

t difiere en el valor t de Z para =0.05.
En este caso Z vale 1.96 y
t vale 1,9842,