You are on page 1of 29

Universidad Autnoma de Baja California

Tema:
Distribucin Normal

1
Sin duda la distribucin continua
de probabilidad ms importante,
por la frecuencia con que se
encuentra y por sus aplicaciones
tericas, es la distribucin
normal, gaussiana o de
Laplace- Gauss. 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 .
2


Pierre Simon de Laplace
(1749-1827)
Karl F. Gauss
(1777-1855)
Distribucin normal
3



Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un
frmaco.
Caracteres morfolgicos de individuos (personas, animales, plantas,...) de
una especie (tallas, pesos, dimetros, permetros,...).
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen, ...
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).
4
Distribucin normal o gaussiana
Est caracterizada por dos parmetros: la media, y la
desviacin tpica, .

Su funcin de densidad es:
0) (
2
1
) ( ) , (
2
2
2
) (
> = =

x
e x P N
La curva normal adopta un nmero infinito de formas,
determinadas por sus parmetros y .
+
Caractersticas de la distribucin Normal
, Mo, Mn
o o
- o + o
Tiene forma de campana, es asinttica al eje de las abscisas
(para x = )
Los puntos de inflexin tienen como abscisas los valores o
Simtrica con respecto a la media () donde coinciden la mediana
(Mn) y la moda (Mo )
Puntos
de
inflexin
5
Distribucin normal con =0 para varios valores o
0
0.4
0.8
1.2
1.6
-2.50 -1.50 -0.50 0.50 1.50 2.50
x
o=0.25
o=0.5
o=1
p(x)
6
20 30 40 50 60 70 80 90 100 110 120
o = 5
o = 5
10 = o
Curvas normales con distintas medias y desviaciones estndar.
0) (
2
1
) ( ) , (
2
2
2
) (
> = =

x
e x P N
7
8
N(, ): Interpretacin
geomtrica
Podemos interpretar la
media como un factor
de traslacin.

Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
9
N(, ): Interpretacin probabilista
Entre la media y una
desviacin tpica
tenemos siempre la
misma probabilidad:
aproximadamente el
68%.
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%
Entre la media y
dos desviaciones
tpicas aprox. 95%

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

2
1
) (
2
2
2
) (
dv e x F
x
v
}

=
De modo que la probabilidad de una
variable aleatoria normal X en un
intervalo a s x s b es:

2
1
) ( ) ( ) (
2
2
2
) (
dv e a F b F b X a P
b
a
v
}

= = s s
No podemos calcular analticamente el valor de la integral!
Tabularemos sus valores numricos...
2
2
2
) (
2
1
) ( ) , (

= =
x
e x P N
10
1
2
1
2
2
2
) (
=
}

dv e
v
En particular:
Cmo calcular probabilidades asociadas
a una curva normal especfica?
Dado que tanto como o 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 -
o
Es una traslacin , y un cambio de escala de
la variable original.
11
La nueva variable z se distribuye como una
NORMAL con media = 0 y desviacin tpica o = 1
-3 -2 -1 0 1 2 3
z
68% 95% 99%
Recordemos de nuevo que en cualquier distribucin normal las
probabilidades delimitadas entre :
o = 68 %
2o = 95 %
3o = 99 %
68%
99%
95%
12
13
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 desviaciones
tpicas, es decir:
o

=
x
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
dos es ms extremo.
14
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).
El estudiante B tiene una calificacin de 80 en un sistema donde la
calificacin de los alumnos se comporta como N(70,10).
1
10
70 80
2
1
6 8
=

=
=

=
B
x
z
x
z
B B
B
A
A A
A
o

o

No podemos comparar directamente 8
puntos de A frente a los 80 de B, pero
como ambas poblaciones se comportan
de modo normal, podemos tipificar y
observar las puntuaciones sobre una
distribucin de referencia N(0,1).

Como z
A
> z
B
, 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.
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.
Apliquemos el cambio de
variable tipificada a la funcin
de distribucin F(x):
du e z Z p z F
z e z p
}

= s =
< < =
z
2
u
2
z
2
2
2
1
) ( ) (
;
2
1
) (

2
1
) (
2
2
2
) (
dv e x F
x
v
}

=
dz dv

-
z
=
=
v
15
du e z Z p z F
z e z p
}

= s =
< < =
z
2
u
2
z
2
2
2
1
) ( ) (
;
2
1
) (
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.
16
Reglas para el clculo de probabilidades en
distribuciones normales
1. P(Z a)

2. P(Z > a) = 1 - P(Z a)

3. P(Z a) = 1 P(Z a)

4. P(Z > a) = P(Z a)

5. P(a < Z b ) = P(Z b) P(Z a)

6. P(b < Z a ) = P(a < Z b )

7. P(a < Z b ) = P(Z b) * 1 P(Z a)+

17
Hay varios tipos de tablas de la distribucin normal
La que se explica aqu representa las reas para los
diferentes valores de z desde 0 hasta +.
0
+
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
18

0.0
0.1
0.2
0.3
0.4

0.5

z 0 1 2 3 4 5 6 7 8 9
.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 .... ...... ......
.1179 ..... ...... ...... ......
.1554 .... ..... ....

.1915 ....
La tabla consta de:
*Margen izquierdo : Los enteros de z y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: reas correspondientes,
acumuladas, desde 0 hasta
4 y desde -4 hasta 0
19
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 < 2.30 )
20






?
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
z
Cmo la curva es simtrica
R7.- P (-2.03 < z < 0) = P (z < 0 ) [ 1 p ( z < 2.03) ]
-3 -2 -1 0 1 2 3
21
z 0 1 2 3 4
1.8
1.9
2.0
2.1
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
-3 -2 -1 0 1 2 3
z
Se busca en la tabla el rea correspondiente a z = 0 y z = 2.03
0.97882
22
z 0 1 2 3 4
0.0
0.1
0.2
0.3
0.50000
P = 0.50000 [1 - 0.97882]
= 0.47882
47. 88%

?







47.88%








47.88%
Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
-3 -2 -1 0 1 2 3
z
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y
2.03= 0.97882
La misma rea hay entre 0 y -
2.03 , por lo tanto
P (-2.03 < z < 2.03) = 0.95764
95.76%
23
R7.- P (-2.03 < z < 2.03) = P (z < 2.03) [ 1 p ( z < 2.03) ]
P = 0.97882 [1 - 0. 97882 ]
= 0.95764
Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
z
-3 -2 -1 0 1 2 3
?
R2.- P (z > 1.25) = 1 - P (z < 1.25)
10.56%
24
P =1 - 0. 89435 ]
= 0.10565
Ejemplo 4
Hallar P( 0.34 < z < 2.30)
z
-3 -2 -1 0 1 2 3
35.62%
25
R5.- P ( 0.34 < z < 2.30) = P (z < 2.30) - P (z < 0.34)
P = 0.98928 - 0. 63307
= 0.35621
EJEMPLO
Sea una variable distribuida normalmente con media
= 4 y desviacin tpica o = 1.5.
Cul es la probabilidad de encontrar un valor x > 6
(P(x > 6 ))?
26
x
= 4 o = 1.5 Hallar P ( x > 6 )


?
9.17%

x
z

=
-3 -2 -1 0 1 1.33 2 3 z
27
R2.- P (z > 1.33) = 1 - P (z < 1.33)
P = 1 - 0.90824
= 0.09176
Hasta ahora vimos como dado un valor x de la variable,
hallar probabilidades transformando (estandarizacin) la
variable en valores de
x -
o
Cmo hallar un valor de x, dada la probabilidad?
x = ?
38.20%
Ejemplo: Sea una variable distribuida normalmente con =4 y
o =2 . Hallar el valor de x que deja por encima de l un 38.20%
(0.3820)
Se debe desestandarizar :
x = z o +
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor ms aproximado :0.1179
corresponde a z =+ 0.30
4.60
Sustituyendo en la frmula
0.30*2+4 =4.60
z =
28
3. Analizadas 240 determinaciones de colesterol en sangre, se observ que se
distribuan normalmente con media 100 y desviacin tpica 20.
a) Calcule la probabilidad de que una determinacin sea inferior a 94.
b) Qu proporcin de determinaciones tienen valores comprendidos entre 105 y 130 ?.
c) Cuntas determinaciones fueron superiores a 138 ?.
1. Los CI de 600 aspirantes de cierta universidad se distribuyen aproximadamente de forma
normal con una media de 115 y una desviacin estndar de 12. Si la universidad
requiere un CI de al menos 95.
Qu porcentaje de estos estudiantes sern aceptados?

2
.
EJERCICIOS DE TAREA : 412-1, Resolver ejercicios 1 y 2 para el martes 13.
412-2, Resolver ejercicios 1,2 y 3 p/viernes 16.

NOTA: La tabla de las probabilidades se encuentra tambin en el sitio(se llama:
tabladistrnorm.pdf) descrguenla e imprmanla al igual que las 7 reglas.

You might also like