CICLO 2013-III Mdulo:2

Unidad: 01

Semana: 01

INFERENCIA ESTADISTICA

Mg. ARACELLI MONICA

AGUADO LINGAN

Distribucin normal
La distribucin normal, gaussiana o de LaplaceGauss. Fue descubierta y publicada por primera vez
en 1733 por De Moivre. A la misma llegaron, de forma
independiente, Laplace (1812) y Gauss (1809), en
relacin con la teora de los errores de observacin
astronmica y fsica .

Pierre Simon de Laplace

(1749-1827)

Karl F. Gauss
(1777-1855)

ORIENTACIONES
Llegar temprano a la sesin
telemtica
Revisar previamente el modulo de
aprendizaje
Recordar
los
temas
anteriores
analizados y estudiados en la
asignatura
de
estadstica
y
probabilidad
Cualquier duda o inquietud preguntar
al docente tutor

CONTENIDOS TEMTICOS
Definicin de la Distribucin
Normal
Aplicacin y uso de la Tabla de
distribucin normal estndar
Resolucin de problemas
aplicados a la distribucin normal
Anlisis de la Distribucin T
Uso y aplicacin de la Distribucin
T

Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un

frmaco.

Errores cometidos al medir ciertas magnitudes.

Valores estadsticos muestrales, por ejemplo : la media.
Y en general cualquier caracterstica que se obtenga como suma de
muchos factores.
Otras distribuciones como la binomial o la de Poisson se aproximan
a la normal. Distribuciones binomiales con n grande (n>30) y p ni pequeo (np > 5)
ni grande (n(1-p) > 5).
5

Distribucin normal o gaussiana

Est caracterizada por dos parmetros: la media, y
la desviacin tpica, .
Su funcin de densidad es:

1
N (, ) P( x)
e
2

( x ) 2

22

( 0)

La curva normal adopta un nmero infinito de formas,

determinadas por sus parmetros y .
6

Caractersticas de la distribucin Normal

Tiene forma de campana, es asinttica al eje de las abscisas
(para x = )
Simtrica con respecto a la media () donde coinciden la mediana (Mn) y
la moda (Mo )

Puntos
de
inflexin

+
, Mo, Mn

+
7

Distribucin normal con

1.6

=0 para varios valores

1.2

0.25
0.5
1

p(x)

0.8

0.4

0
-2.50

-1.50

-0.50

0.50
x

1.50

2.50
8

1
N (, ) P( x)
e
2

( x ) 2

22

( 0)

10

20

30

40

50

60

70

80

90

100

110

120

Curvas normales con distintas medias y desviaciones estndar.

9

N(, ):
Interpretacin
geomtrica
Podemos
interpretar
la media como un
factor de traslacin.

Y la desviacin
tpica como un factor
de escala, grado de
dispersin,
10

N(, ): Interpretacin probabilista

Entre la media y
una desviacin
tpica tenemos
siempre la misma
probabilidad:
Entre la media y
aproximadamente
dos desviaciones
eltpicas
68%.aprox. 95%
Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia ,

tenemos probabilidad 68%

a distancia 2 ,

tenemos probabilidad 95%

a distancia 25

tenemos probabilidad 99%

11

1
N (, ) P( x)
e
2

( x ) 2

2 2

Podemos obtener la funcin de

distribucin F(x) integrando la
funcin de densidad de probabilidad:

1
F ( x)
2

( v ) 2

2 2

dv

De modo que la probabilidad de una

variable aleatoria normal X en un intervalo
a x b es:

1
P(a X b) F (b) F (a)
e

2 a

En particular:

1
2

( v ) 2

2 2

( v ) 2
2 2

dv

dv 1

No podemos calcular analticamente el valor de la integral!

Tabularemos sus valores numricos...

12

Cmo calcular probabilidades asociadas

a una curva normal especfica?
Dado que tanto como pueden asumir infinitos valores lo
que hace impracticable tabular las probabilidades para todas las
posibles distribuciones normales, se utiliza la distribucin
normal reducida o tipificada.
Se define una variable

z=

x -

Es una traslacin , y un cambio de escala de

la variable original.
13

La nueva variable z se distribuye como una

NORMAL con media = 0 y desviacin tpica = 1

Recordemos de nuevo que en cualquier distribucin normal las
probabilidades delimitadas entre :

68 %
2 95 %
3 99 %

68%
99%
95%
68%
95%
-3

-2

-1

99%
0

z
1

14

Tipificacin
Dada una variable de media y desviacin
tpica , se denomina valor tipificado z, de
una observacin x, a la distancia (con signo)
con respecto a la media, medido en
xes

desviaciones tpicas,
decir:
z

En el caso de variable X normal, la interpretacin es clara:

asigna a todo valor de N(, ), un valor de N(0,1) que deja
exctamente la misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos
distribuciones normales diferentes, para saber cul de los
15
dos es ms extremo.

Se quiere dar una beca a uno de dos

estudiantes de sistemas educativos diferentes y
se asignar al que tenga mejor expediente
acadmico:
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
podemos comparar directamente 8
No
Elpuntos
estudiante
B tiene
una
de 80 en un sistema
de A frente
a los 80
decalificacin
B, pero
donde
la calificacin
los alumnos se comporta como
como
ambas
poblaciones de
se comportan
N(70,10).
de modo normal, podemos tipificar y
observar las puntuaciones sobre una
distribucin de referencia N(0,1).
Como zA > zB, podemos decir que el
porcentaje de compaeros del mismo
sistema de estudios que ha superado
en calificacin al estudiante A es mayor
que el que ha superado B. En principio
A es mejor candidato para la beca.

zA

xA A

86
2
1

A
x B 80 70
zB B

1
B
10 16

Apliquemos el cambio de
1
variable tipificada a la funcin F ( x)
2
de distribucin F(x):

dv dz

1
p( z )
e
2

z2

( v ) 2

2 2

dv

; z

1
F ( z ) p( Z z )
2

u2

du

Las probabilidades de la variable tipificada (z) estn

tabuladas para los diferentes valores de la variable.
Para calcular probabilidades, una vez transformada,
la variable a valores de z, se busca en una tabla el
rea correspondiente.
17

1
p( z )
e
2

z2

; z

1
F ( z ) p( Z z )
2

u2

du

Caracterstica de la distribucin
normal tipificada (reducida o
estndar):
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin tpica es 1.
La curva f(x) es simtrica respecto al
eje de ordenadas y tiene un mximo
en este eje.
Tiene dos puntos de inflexin en z =1
y z = -1.

18

Hay varios tipos de tablas de la distribucin normal

La que se explica aqu representa las reas para los
desde
diferentes
0 hasta +valores
.
de z

Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica

19

*Margen izquierdo : Los enteros de z y

su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla:
reas correspondientes,
acumuladas, desde 0
hasta 3.99

La tabla consta de:

0.0
0.1
0.2
0.3
0.4

.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359

0.5

.1915 ....

.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 ....
.1179 .....

......

.1554 ....

......

......

......

......

.....

....

20

EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?
2.-Cul es la probabilidad de que un
valor de z est entre -2.03 y +2.03?

3. Hallar P( z >1.25 )

4. Hallar P ( -0.34 < z < )

5. Hallar P ( 0.34 < z < 2.30 )

21

Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?

Cmo la curva es simtrica

P (-2.03 < z < 0) = P (0 < z < 2.03)

?
-3

-2

-1

z
3
22

Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
Se busca en la tabla el rea correspondiente a z = 2.03

1.8
1.9
2.0
2.1

0.47882

47. 88%
-3

-2

-1

z
3
23

Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y
2.03= 0.47882
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.95764

?
95.76%
47.88%
-3

-2

-1

47.88%
0

z
3
24

Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
1.- La probabilidad de 0 < z < + = 0.500
2.- La probabilidad de 0 < z < 1.25 = 0.39435
3.- La probabilidad de z > 1.25 =
0.500 - 0.39435= 0.10565

50%
39.44%

10.56%

-3

-2

-1

z
3
25

Ejemplo 4
Hallar P( -0.34 < z < )

63.31%

P(0 < z <0.34) = 0.13307 =

P(-0.34 < z < 0)
P (0 < z < ) = 0.50000
P( -0.34 < z < ) =
0.13307 + 0.50000 = 0.63307

13.31%

50%
z

-3

-2

-1

26

Ejemplo 5
Hallar P( 0.34 < z < 2.30)

P(0< z <0.34) = 0.13307

P( 0 < z < 2.30) = 0.4893
P (0.34 < z < 2.30) = 0.48930 - 0.13307 = 0.35623

35.62%

-3

-2

-1

z
3
27

EJEMPLO

Sea una variable distribuida normalmente con media

= 4 y desviacin tpica = 1.5.
Cul es la probabilidad de encontrar un valor x 6
(P(x 6 ))?

28

=4

= 1.5

Hallar P ( x > 6 )

1.- transformar x en un valor de z

z = (6 - 4)/1.5 = 1.33

x
z

2.- Hallar P ( 0 < z < 1.33) =

3.- 0.5000 - 0.40824 =

0.5
0.40824

0.09176

?
-0.5
-3

1
-2

2.5
-1

4
0

5.56
1 1.33

7
2

8.5
3 z
29

Hasta ahora vimos como dado un valor x de la variable,

hallar probabilidades transformando (estandarizacin) la
x - variable en valores de
z=

Cmo hallar un valor de x, dada la probabilidad?

Ejemplo: Sea una variable distribuida normalmente con =4 y
=2 . Hallar el valor de x que deja por encima de l un 38.20%
(0.3820)

Se debe desestandarizar :

x=z+

0.5000 - 0.382 = 0.118 Se busca en la

tabla el valor ms aproximado :0.1179
corresponde a z =+ 0.30
Sustituyendo en la frmula

0.30x2+4 =4.60

38.20%

x=?
4.60

30

31

32

33

34

35

36

GRACIAS

ORIENTACIONES

Escriba aqu las

orientaciones que
sugiere al alumno.

CONTENIDOS TEMTICOS

Escriba aqu en forma

ordenada los
Contenidos Temticos
de la semana de
estudio.

DESARROLLO DE CONTENIDOS SUBTTULOS DEL TEMA

CONCLUSIONES Y/O ACTIVIDADES DE

INVESTIGACIN SUGERIDAS

Escriba aqu las

conclusiones y/o
actividades de
investigacin
sugeridas.

GRACIAS