Estadstica

LDCFD

Estadstica

Distribucin normal.
Los mtodos grficos pueden ayudarnos a
visualizar gran variedad de formas que toman las
distribuciones de frecuencias. Algunas
perfectamente simtricas o libres de sesgo; otras
sesgadas ya sea negativa o positivamente y
algunas otras, incluso, tienen ms de una
joroba, las cules se muestran en la siguiente
diapositiva. Dentro de esta gran diversidad existe
una distribucin de frecuencia con la cul ya
estamos familiarizados. Esta distribucin se
2

LDCFD

Estadstica

Distribucin normal.

Sesgo positivo

Sesgo negativo

Simtrica o unimodal

Bimodal
3

LDCFD

Estadstica

Distribucin normal.
conoce como la distribucin normal o la curva
normal. La utilidad de la curva normal, puede
verse en aplicaciones a situaciones reales de
investigacin. La distribucin normal es un
ingrediente esencial en la toma de decisiones en
la estadstica, por medio del cul el investigador
generaliza sus resultados de muestras a
poblaciones. Antes de proceder a un estudio de
las tcnicas de la toma de decisiones es necesario
lograr primero una comprensin de las
4

LDCFD

Estadstica

Distribucin normal.
propiedades de la distribucin normal.
Caracterstica de la curva normal.
La grfica de la curva normal es como la
siguiente:

X
5

LDCFD

Estadstica

Distribucin normal.
La curva normal es un tipo de curva uniforme y
simtrica cuya forma recuerda a muchos una
campana y por tanto se conoce como la curva en
forma de campana o campana de Gauss. La
curva normal es simtrica y unimodal. Adems la
media, mediana y moda ocurren en el mismo
punto. Desde el pico central de la distribucin
normal, la curva cae gradualmente en ambos
lados, extendiendose indefinidamente en una y
otra direccin y acercndose ms y ms a la lnea
6

LDCFD

Estadstica

4.1 Distribucin normal.

horizontal sin alcanzarla realmente. Una
distribucin normal es definida por 2 parmetros:
la media y la desviacin estndar . Su funcin
de densidad de probabilidad est dada por:
1
f ( x)
e
2

( x )2

2 2

La media de una distribucin normal puede tener

cualquier valor, negativo, positivo o cero.
Ejemplos de 3 distribuciones normales que tienen
la misma desviacin estndar, pero diferentes
medias: -10, 0, 20.
7

LDCFD

Estadstica

4.1 Distribucin normal.

a.
10

b.

20

10

LDCFD

Estadstica

4.1 Distribucin normal.

Como ejemplos de distribuciones de datos reales,
que se asemejan o se aproximan a una
distribucin normal, podemos citar la estatura de
las personas, el cociente intelectual y las
calificaciones que se les asigna a los alumnos.
rea bajo la curva normal.
Para poder emplear la curva normal en la
resolucin de problemas, debemos
familiarizarnos con el rea bajo la curva normal:
9

LDCFD

Estadstica

Distribucin normal.
aquella rea entre la curva y la lnea horizontal y
que contiene el 100% o todos los casos, es una
distribucin normal dada, el 50% cae a la derecha
de la media y 50% a la izquierda.
Podramos encerrar una porcin de esta rea total
dibujando lneas a partir de 2 puntos
cualesquiera, desde la lnea horizontal hasta la
curva. Por ejemplo, usando la media como punto
de partida, podramos dibujar una lnea en y
otra que est a 1 desviacin estndar (sigma= )
10

LDCFD

Estadstica

Distribucin normal.
de . Como lo ilustra la siguiente figura, esta
porcin sombreada de la curva normal incluye
34.13% de la frecuencia total.

1
De igual forma, se puede decir que el 47.72 %
11

LDCFD

Estadstica

Distribucin normal.
de los casos bajo la curva normal estn entre
y 2 sigmas y que el 49.87% estn entre y 3
sigmas. Como se ver, una proporcin constante
del rea total, bajo la curva normal, estar entre la
media y cualquier distancia dada de x, medida en
desviaciones estndar. Esto es cierto a pesar de la
media y de la desviacin estndar de la
distribucin en particular, y se aplica a todos los
datos que se distribuyen normalmente, ya sean
estaturas,
12

LDCFD

Estadstica

Distribucin normal.
inteligencia, calificaciones, etc.
La naturaleza simtrica de la curva normal, nos
lleva a otra importante conclusin: Cualquier
distancia sigma dada arriba de la media, contiene
una proporcin idntica de casos que la misma
distancia sigma por abajo de la media. As, el
68.26% del rea total de la curva normal cae
entre 1 y 1 de la media, el 95.44% de rea
cae entre 2 y 2 de la media, el 99.74% cae
entre 3 y 3 de la media, como se muestra:
13

LDCFD

Estadstica

Distribucin normal.

2
3 1 1 2 3
68.26%
95.44%
99.74%

14

LDCFD

Estadstica

4.2 Distribucin normal estndar.

Distribucin normal estndar.
Una distribucin normal con media cero (=0) y
desviacin estndar uno ( =1) se llama
distribucin normal estndar (z). La siguiente
es la grfica de una distribucin normal estndar.
1

0
15

LDCFD

Estadstica

4.2 Distribucin normal estndar.

Para calcular la probabilidad en cualquier
distribucin normal, se hace calculando el rea
bajo la curva normal. Para la distribucin normal
estndar ya se encuentran calculadas las reas
bajo la curva normal y se cuenta con tablas que
dan estas reas y que se utilizan para calcular las
probabilidades. Al final del libro de Anderson,
Sweeney y Williams, vienen 2 tablas, la primera
de ellas contiene las probabilidades acumuladas
correspondientes a valores de z menores o iguales
a la media, cero. La segunda contiene reas, o
16

LDCFD

Estadstica

4.2 Distribucin normal estndar.

probabilidades acumuladas, correspondientes a
valores de z mayores o iguales a la media, cero.
Los tres tipos de probabilidades que se necesitan
calcular son: a) la probabilidad de que z sea
menor o igual que un valor dado, P(z z1); b) La
probabilidad de que z est entre 2 valores dados,
P(z1 z z2) ; c) la probabilidad de que z sea
mayor o igual que un valar dado, P(z z1).

17

LDCFD

Estadstica

4.2 Distribucin normal estndar.

Calculo de probabilidades con uso de tablas
Si se desea calcular la siguiente probabilidad de
que z sea igual o menor a 1.27, esto es P(z1.27),
consultando la primera tabla, se localiza primero
el valor de los dos primeros dgitos, 1.2, en la
primera columna vertical y luego se localiza el
0.07 en la primera columna horizontal, la
interseccin de las 2 columnas nos proporciona el
resultado de 0.8980 . Tal como se muestra a
continuacin:
18

LDCFD

Estadstica

4.2 Distribucin normal estndar.

19

LDCFD

Estadstica

4.2 Distribucin normal estndar.

20

LDCFD

Estadstica

Distribucin normal.
Ejemplo 1.

Utilizando la tabla , determine el rea bajo la distribucin normal

que cae entre los siguientes valores:
a.
b.
c.
d.
e.
b.

Menor que 0.23

Mayor que 1.24
Mayor que -1.62
Menor que -0.97
-2.34 y 0.
-0.59 y 2.16

R. 0.5910
R. 1-0.8925 = 0.1075
R. 1-0.0526 = 0. 9474
R. 0.166
R. 0.50 - 0.0096 =0.4904
R. 0.9846 - 0.4846 = 0.707

21

LDCFD

Estadstica

4.3 Probabilidades de cualquier distribucin normal

La razn por la cul la distribucin normal

estndar se estudia de manera particular, es que
todas las distribuciones normales pueden ser
calculadas mediante la distribucin normal
estndar. Esto es, las probabilidades de cualquier
distribucin normal con media y desviacin
estndar , se pueden obtener pasando primero a
la distribucin normal estndar. La frmula que
se emplea para convertir cualquier variable
aleatoria x con media y desviacin estndar ,
en variable aleatoria z, es:
22

LDCFD

Estadstica

4.3 Probabilidades de cualquier distribucin normal

z

Para ver cmo esta distribucin permite calcular

probabilidades de cualquier distribucin normal,
veamos un ejemplo.
Ejemplo.
sea una distribucin con media =10 y desviacin
estndar = 2. Cul es la probabilidad de que la variable
aleatoria x est entre 10 y 14?
Calculemos primero los correspondientes valores en la
variable z, de cada uno de los valores 10 y 14, esto es:
23

LDCFD

Estadstica

4.3 Probabilidades de cualquier distribucin normal

z1

10 10
0
2

z2

14 10
2
2

De la manera simblica, lo probabilidad que buscamos

es:
P( 10 x 14) = P( 0 z 2)
que, utilizando las tablas obtenemos
P( 0 z 2) =0.9772 - 0.5 = 0.4772
por lo tanto, la probabilidad de que x est entre 10 y 14
es 0.4772.
24

LDCFD

Estadstica

4.3 Probabilidades de cualquier distribucin normal

Las probabilidades de cualquier distribucin

normal, se pueden obtener utilizando Excel. La
funcin de Excel es DISTR.NORM, que da las
probabilidades acumuladas de una distribucin
normal. Su forma general es:
DISTR.NORM(x, media, desv_estndar, acum), en
acum se especifica verdadero, si se desea una
probabilidad acumulada. De esta manera, para
calcular la probabilidad del ejemplo anterior se
ingresara en cualquier celda la frmula
25

LDCFD

Estadstica

4.3 Probabilidades de cualquier distribucin normal

= DISTR.NORM(14, 10, 2, VERDADAERO)
DISTR.NORM(10, 10, 2, VERDADAERO)

= 0.97724 - 0.5 = 0.47724

26

LDCFD

Estadstica

Distribucin normal.
Ejemplo 2.
Si se tiene una variable X con media 500 y desviacin estndar de
100, encontrar el rea de las distribucin de los valores X:
a. Mayores que 700.
b. Menores que 635.
c. Entre 450 y 560.
e. Menores que 355.
d. Menores que 396 y mayores que 680.
Solucin:
a. Mayores que 700
Se obtiene el puntaje estndar con la relacin anterior
z

X X

700 500
2
100
27

LDCFD

Estadstica

Distribucin normal.
Solucin:
nos apoyamos de las tablas para encontrar el rea para valores
mayores que z =2, esto es, 1- 0.9772 = 0.0228.
b. Menores que 635:

X X

635 500
1.35
100

nos apoyamos de las tabla para encontrar el rea para valores

menores que z =1.35, esto es, 0.9115.
560 500
450 500
0.60
c. Entre 450 y 560: z
0.50 y z
100
100

nos apoyamos de las tablas para encontrar el porcentaje de valores

que caen entre z = -0.5035 y z = 0.60, esto es, 0.7257-0.3085 =
0.4172. Los incisos d) y e) se dejan como ejercicios.
28

LDCFD

Estadstica

Distribucin normal.
Ejemplo 3.
Dada una distribucin normal de la variable cociente intelectual
en la cul X = 100 y una desviacin estndar de 12, determinar:
a. El porcentaje de alumnos que tienen un CI de 130 o ms.
Se obtiene el puntaje estndar z

X X

130 100

2.5 ,
12

nos apoyamos de las tablas para encontrar el rea de los valores

que son mayores que z = 2.5, as, 1- 0.9938 = 0.0062 Por lo

que el porcentaje de alumnos que tiene un CI de 130 o ms es

0.62%.
29

LDCFD

Estadstica

Distribucin normal.
b. La probabilidad de que un alumno tenga un CI entre 80 y 120.
z

80 100
1.67
12

120 100
1.67
12

as, la probabilidad de que z est entre -1.67 y 1.67 es:

0.9525-0.0475 = 0.905
Por lo que la probabilidad de que un alumno tenga un CI entre 80
y 120 es 0.905.

30

LDCFD

Estadstica

Distribucin normal.
c. La probabilidad de que un alumno tenga un CI mayor que 110,
pero menor que 124.
110 100
z
0.83
12

124 100
z
2
12

as, la probabilidad de que z est entre 0.83 y 2 es:

0.4772 - 0.2967 = 0.1805

por lo que la probabilidad que un alumno tenga un coeficiente
intelectual mayor que 110, pero menor que 124 es 0.1805.

31

LDCFD

Estadstica

Distribucin normal.
Estadsticos y parmetros.
Matemticamente, podemos describir muestras y
poblaciones al emplear mediciones como la
media, la mediana, la moda y la desviacin
estndar. Cuando estos trminos describen las
caractersticas de una muestra, se denominan
estadsticos. Cuando describen las caractersticas
de una poblacin, se llaman parmetros. Es
comn emplear letras latinas minsculas para
denotar los estadsticos de la muestra y letras
griegas o latina maysculas para representar los
32

LDCFD

Estadstica

Distribucin normal.
parmetros de una poblacin.

Distribuciones muestrales.
Una distribucin de frecuencias relativas o de
probabilidad de todas las medias posibles de las
muestras es una distribucin de las medias de las
muestras.
Cualquier distribucin, sea de probabilidad o de
muestreo, puede ser descrita por su media y su
desviacin estndar.
33

LDCFD

Estadstica

Distribucin normal.
Media de la distribucin de medias.
La media de todas las medias muestrales, se
representa por X , es exactamente igual a la
media de la poblacin .

Concepto de error estndar.

En lugar de decir la desviacin estndar de la
distribucin de las medias de la muestra, para
describir una distribucin de medias de la
muestra, nos referiremos al error estndar de la
media. El error estndar de las medias muestrales
34

LDCFD

Estadstica

Distribucin normal.
es igual a la desviacin estndar de la poblacin
dividida por el tamao de la muestra n. Es decir:

X
Adems, la cantidad

es una distribucin normal estndar.

35

LDCFD

Estadstica

Distribucin normal.
Ejemplo 4.
Se sabe que en el tiempo que emplea un deportista en recorrer
tres kms se distribuye de manera normal con media 10 minutos y
varianza 9 minutos. Cul es la probabilidad de que en una
muestra aleatoria de 16 deportistas se obtenga un tiempo medio de
respuesta superior o igual a 11 minutos.
Solucin: Tenemos que

10
as,

2 9

X 11

n 16

X 11 10 1
z

1.33

3
3
4
n
16
36

LDCFD

Estadstica

Distribucin normal.
Solucin:

La probabilidad de que z sea mayor o igual a 1.33 es:

1- 0.9082= 0.0918
Por lo que la probabilidad que se tenga un tiempo medio igual o
superior a 11 minutos es 0.0918.

37

LDCFD

Estadstica

Distribucin normal.
Ejercicio 1.
Una poblacin tiene una distribucin normal con
media 98.6 y desviacin estndar de 17.2. Si se
toma una muestra de 25 observaciones, cul es
la probabilidad de que la media est entre 92 y
102? Encuentre la probabilidad correspondiente
en un muestra de 36. R. 0.8115, 0.8703

38

LDCFD

Estadstica

Distribucin normal.
Muestreo en poblaciones que no estn
distribuidas normalmente.
Con frecuencia un investigador sabe que la
poblacin de la que se sac su muestra no est
normalmente distribuida. En este caso, no se
pueden aplicar los resultados establecidos
anteriormente para las poblaciones normalmente
distribuidas. De ninguna manera la situacin es
insoluble. Hay mtodos que se puede emplear
cuando se necesita hacer una inferencia sobre la
media correspondiente a una poblacin de este
39

LDCFD

Estadstica

Distribucin normal.
tipo. Una solucin usada con frecuencia requiere
que se extraiga una muestra grande de la
poblacin de inters. Lo anterior se basa, en el
teorema de lmite central:
Sin tener en cuenta la forma funcional de la
poblacin de donde se extrae la muestra, la
distribucin de las medias muestrales, calculadas
con muestras de tamao n extradas de una
poblacin con media y varianza finita
2
, se aproxima a una distribucin normal con
2

n , cuando n aumenta.
media
y varianza
40

LDCFD

Estadstica

Distribucin normal.
Si n es grande, la distribucin de las medias
muestrales puede aproximarse mucho a una
distribucin normal.
Podemos preguntarnos qu tan grande debe ser n
para que tenga valor el uso del teorema de lmite
central. Es prctica comn usar un tamao de
muestra de 30 como una muestra grande, en este
curso usaremos esta prctica an siendo esta un
poco arbitraria.

41

LDCFD

Estadstica

Distribucin normal.
Ejercicio 2.
La ingestin media diaria de agua de un animal
de laboratorio es de 16 gramos. La desviacin
estndar es de 2 gramos. Cul es la probabilidad
de que la ingestin media diaria de agua para una
muestra aleatoria de 65 animales est entre 15.50
y 16.25 gramos? R. 0.8185

42

LDCFD

Estadstica

Distribucin normal.
Muestreo en poblaciones finitas.
La varianza de la distribucin muestral de la
media est dada por

X
2

N n
2

n N 1

N=Tamao de la poblacin
n = Tamao de la muestra

cuando el muestreo se hace sin reemplazo

(procedimiento usual en la prctica) en una
poblacin finita). Cuando n/N es menor o igual
que 0.05, se puede omitir el factor N n .
N 1

43

LDCFD

Estadstica

Distribucin normal.
Ejemplo 5.
Una universidad emplea 1500 profesores. La cantidad promedio
gastada durante un ao determinado en servicios mdicos
personales fue de $2575 pesos, con una desviacin estndar de
$525 pesos. Cul es la probabilidad de que una muestra aleatoria
de 100 profesores arroje una media entre $2500 y $2700 pesos?
Solucin: Tenemos que

N 1500 2575 525 y

n 100

utilizamos la frmula de la varianza muestral para poblaciones

finitas
2 N n 525 2 1500 100
2
X

2574 .22
n N 1

100 1500 1
44

LDCFD

Estadstica

Distribucin normal.
Solucin:
la desviacin estndar sera entonces, X 2574.22 50.7367

as, los puntajes estndar son:

X 2500 2575
z

1.48
X
50 .7367

2700 2575
2.46
50.7367

la probabilidad de que z est entre -1.48 y 2.46 es:

0.9931 - 0.0694= 0.9237
La probabilidad de que una muestra aleatoria de 100 profesores
arroje una media entre 2500 y 2700 es 0.9237.

45

LDCFD