UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERA ESTADISTICA 1 SECCIONES C+ Y D

DISTRIBUCIN NORMAL
La distribucin de probabilidad ms importante en todo campo de la estadstica, es la distribucin normal. Su importancia radica en que numerosos fenmenos continuos que ocurren en la naturaleza, en el campo de la ingeniera, la industria y la investigacin, se aproximan mediante esta distribucin. Es utilizada para aproximar diversas distribuciones de probabilidad discreta y evitar pesados clculos, adems de proporcionar la base de la inferencia estadstica clsica, debido a su relacin con el teorema del lmite central. Frecuentemente se le llama distribucin gaussiana, en honor de Karl Friedrich Gauss 1809, quien derivo una ecuacin de un estudio de errores de mediciones repetidas de la misma cantidad. Su grfica recibe el nombre de curva normal, su forma es de una campana. (ver figura No. 1)

Se puede observar que la curva es simtrica, la mitad del rea bajo la curva est a la derecha de la media y la mitad a la izquierda, lejos de la media, hacia las colas, la altura de la curva disminuye. Esto corresponde a una probabilidad decreciente mientras ms lejos est de la media. La distribucin normal terica tiende al infinito en cada extremo. PROPIEDADES DE LA DISTRIBUCIN NORMAL: La funcin f(x) describe una forma conocida como campana de Gauss, concentrando el rea alrededor de la media . Las medidas de tendencia central (media, mediana y moda) son todas idnticas. La variable aleatoria asociada tiende a infinito (- X + ) El rea total bajo la curva es igual a 1.

 La probabilidad de que una variable aleatoria tenga un valor entre cualesquiera dos puntos es igual al rea bajo la curva entre esos puntos. Su punto ms alto lo obtendr cuando z = 0, el mismo corresponde a la media aritmtica. El valor de la curtosis es igual a 3 Depende de dos cantidades, (, ) la media y la desviacin estndar. Es simtrica en torno a la media , debido a ello el 50% del rea est a la derecha de una perpendicular trazada en la media y el 50% restante hacia la izquierda. P( x< ) = 0.50 y P( x> ) = 0.50 Si se trazan perpendiculares a una distancia de 1 desviacin estndar (1

),

a partir de la media en ambas direcciones el rea que encierra es aproximadamente del 68%. Si la distancia es de 2 desviaciones

estndar (2), el rea que encierra es aproximadamente 95%. Si la distancia es de 3 desviaciones estndar se lograr encerrar aproximadamente el 99.73% del rea.

MODELO MATEMTICO: En 1733 Abraham DeMoivre desarroll la ecuacin matemtica de la curva normal. Proporcion una base sobre la cual se fundamenta gran parte de la teora inductiva.

f(x) =

2 x

e(1/2)(x - )/

- < X <

donde:

e = constante matemtica aproximada por 2.71828 = constante matemtica 3.14159 = media de la poblacin = desviacin estndar de la poblacin x = cualquier valor de la variable aleatoria continua

DISTRIBUCIN NORMAL ESTANDAR Una distribucin normal estndar es una distribucin cuya variable aleatoria Z siempre tiene una = 0 y una desviacin estndar = 1, para lo cual se utiliza la siguiente formula de transformacin: Z = X - x x

Ejemplos:
Encuntrese las probabilidades de que una variable aleatoria con distribucin normal estndar tome un valor de a) b) c) d) entre 0.87 y 1.28 entre 0.34 y 0.62 mayor que 0.85 mayor que 0.65

Suponga que la estatura de los varones del curso de Estadstica 1 seccin B es una variable aleatoria continua que tiene un comportamiento normal, con media = 1.69 metros y desviacin estndar = 0.03 metros a) calcule la probabilidad condicional de que un estudiante mida ms de 1.72 m si se sabe que mide ms de 1,70 m.

APROXIMACIN NORMAL A LA BINOMIAL

Relacin entre la funcin binomial y normal Si n es grande y si ni p ni q son muy prximos a cero, la distribucin binomial puede aproximarse estrechamente por una distribucin normal, Si X es una variable aleatoria binomial con media x = np y varianza = npq, entoncen las forma limitante de la distribucin de X - np npq La aproximacin mejora al crecer n, y en el lmite es exacta, donde es claro que al crecer n, el sesgo y la curtosis de la distribucin binomial se aproximan a los de la distribucin normal. En la prctica la aproximacin es muy buena si tanto np como nq son mayores que 5. TEOREMA DEL LIMITE CENTRAL
Sean X1, X2, .... variables aleatorias independientes que estn distribuidas idnticamente (es decir todas tienen la misma funcin de probabilidad en el caso discreto o funcin de densidad en el caso continuo) y tienen media y varianza 2 finitas. Entonces si Sn = x1 + x2 +...xn (n= 1,2....)

Zc =

S = xi con = i , 2 = 2i Lim [(Z = (S n i)/ i n] = Lim [(Z = (S )/ 2i ] n Tiene una distribucin aproximadamente Normal Estndar, cuando n
Radica la importancia de este teorema en la tendencia a la Distribucin Normal Estndar de Zn cuando n crece, independiente de la distribucin original de X, y es fundamental en las aplicaciones de

inferencia estadstica, ya que muchos estimadores estn representados por sumas de observaciones muestrales.