Вы находитесь на странице: 1из 19

Universidad Catlica Los ngeles de Chimbote

FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

LECTURA 01: LA DISTRIBUCIN NORMAL (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL. PROPIEDADES 1. INTRODUCCION La distribucin de probabilidad continua ms importante en todo el campo de la estadstica, es con toda seguridad la distribucin normal, debido a que en la prctica muchos fenmenos, industriales, cientficos, o de la vida diaria pueden describirse por esta distribucin. A la distribucin normal frecuentemente se le llama distribucin gaussiana. La curva normal puede considerarse como modelo terico para analizar situaciones reales. 2. FUNCIN DE DENSIDAD DE PROBABILIDAD Una variable aleatoria contina X, se dice que est distribucin normalmente, con media u ( < < ) y varianza 2 > 0 , si su funcin de densidad de probabilidad est dado por:

f (x) =
Donde:
= 3.1415..... y

1 e 2

1 x 2

; < x<

e = 2.7182...

3.

GRFICO

fig. 1: La Distribucin normal

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

La distribucin normal se emplea tanto que ha menudo se emplea la siguiente notacin abreviada: X n( , 2 ), para indicar que la variable aleatoria X se distribuye normalmente con media y varianza 2.

4. PROPIEDADES DE LA DISTRIBUCION NORMAL a) La distribucin normal es simtrica y tiene forma de campana, se extiende de a . b) En la distribucin normal la media est en la mitad y divide el rea en dos mitades y la media, la mediana y la moda tienen el mismo valor. c) El rea total bajo la curva normal es el 100%. d) e) Existe una distribucin normal diferente para cada combinacin de media y La probabilidad de que una variable aleatoria tenga un valor entre dos puntos desviacin estndar. es igual al rea bajo la curva normal entre los dos puntos, tal como se muestra en la fig. 2.

P(a x b) = rea bajo la curva normal entre a y b. fig. 2 f) En la fig. 3 muestra el rea bajo la curva normal de 1, 2 y 3 desviaciones estndar de la media.

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

68.0% 95.5% 99.7%

+ 1

+ 2

+ 3

fig. 3

TEMA 2: DISTRIBUCION NORMAL ESTANDAR. 1. INTRODUCCN Dado que existe una distribucin normal diferente para una combinacin de media y desviacin estndar, sera intil intentar elaborar las tablas suficientes para calcular probabilidades, adems de la complejidad de la funcin de densidad (frmula), existe sin embargo, una alternativa sencilla que evita estos problemas. Para ello se puede convertir esta escala real a una relativa o estandarizada, mediante la variable normalizada. En donde:
Z = x

X : :

Algunos valores de inters Media Desviacin estndar

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

2. FUNCIN DE DENSIDAD DE PROBABILIDAD Una variable aleatoria contina Z , se dice que est distribucin normalmente, con media = 0 y varianza 2 = 1 , si su funcin de densidad de probabilidad est dado por:

f (z) =
Donde:

1 z2 1 e 2 ; < z< 2

= 3.1415.....

e = 2.7182...

La distribucin de una variable normal con media cero y varianza 1, se denota: Z n(0,1) y se lee: Distribucin Normal con media cero y varianza 1.

3.

GRFICO:

4.

0 fig. 4

CALCULO DIRECTO EN LA DISTRIBUCIN NORMAL ESTANDAR MANEJO DE TABLAS ESTADSTICAS . a) Uso de la Tabla I

fig. 5: Area bajo la curva normal que se muestra en la Tabla I

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

Ejemplo 1: Obtener el rea para Z < 1.35 P[ Z < 1.35] = ? En primer lugar se debe localizar al valor 1.3 en el lado izquierdo de la Tabla I y luego el 0.05 (5 es el ltimo dgito) en su parte superior. El rea bajo la curva se puede leer en la informacin de la fila Z = 1.3 y la columna 0.05. El valor es 0.9115. 0.9115

0 Luego: P(Z < 1.35) = 0.9115 Observe la tabla:

1.35

TABLA N 1 Z -3.4 -3.3 . . . 0.0 . . . 0.9 1.0 1.1 1.2 1.3 . . . 3.4 0.00 rea bajo una curva normal entre - y Z = 1.35 0.01 0.02 0.03 0.04 0.05 .... 0.09

0.9115

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

Ejemplo 2: Obtener el area para Z < -2.58 P[Z < 2.58] = ? En primer lugar se debe localizar al valor -2.5 en el lado izquierdo de la Tabla I y luego el 0.08 (8 es el ltimo dgito) en su parte superior. El rea bajo la curva se puede leer en la informacin de la fila Z = -2.5 y la columna 0.08. El valor es 0.0049 0.0049

-2.58 Luego: P(Z <-2.58) = 0.0049

TABLA N 1 Z -3.4 -3.3 . -2.5 . . . 0.0 . . . 0.9 1.0 1.1 1.2 1.3 . . . 3.4 ____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

rea bajo una curva normal entre - y Z = -2.58 0.00 0.01 0.02 0.03 0.04 0.05

.... 0.08

0.09

0.0049

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

b) Uso de la Tabla N II

-Z

fig. 6: rea bajo la curva normal que se muestra en la Tabla II Ejemplo 3: Obtener el rea para -1.96 Z 1.96. Cabe indicar que los puntos son simtricos. En primer lugar se debe localizar al valor 1.9 en el lado izquierdo de la Tabla II y luego 0.06 (6 es el ltimo dgito) en su parte superior. El rea bajo la curva se puede leer en la informacin de la fila Z = 1.9 y la columna 0.06. El valor es 0.95.
0.95

-1.96 Luego: P[ 1.96 Z 1.96] = 0.95

1.96

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

TEMA 3: PROPIEDADES PARA EL CLCULO DE OTRAS AREAS BAJO LA CURVA NORMAL ESTANDAR En esta sesin daremos propiedades para el clculo de reas bajo la curva normal estndar para utilizarlas posteriormente en aplicaciones pertinentes de dicha distribucin. a) P [ Z ZO ] = 1 P [ Z < ZO ]

P[Z Z0]

0 Ejemplo 1: Hallar P[ Z 2.32]

Z0

Solucin: P[ Z 2.32] = 1 P[ Z < 2.32] = 1 0.9898 = 0.0102

0.0102

0 b) P [ Z Z0 ] = 1 P [ Z < Z 0 ]

2.32

P[Z -Z0]

0 NOTA: Tambin se obtiene directamente de la Tabla I

-Zo

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

Ejemplo 2: Hallar P[ Z 0.03] Solucin: P[ Z 0.03] = 1 P[ Z < 0.03] = 1 0.5120 = 0.4880

-0.03

c) P [ Z Z0 ] = P [ Z Z0 ]

= - Zo Ejemplo 3: Hallar P[ Z 1.30] Solucin: P[ Z 1.30] = P[ Z 1.30] = 0.9032 0.9032 0.9032 0 0 Zo

= -1.30 0 0
9

1.30

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

d) P [ Z0 Z Z1 ] = P [ Z Z1 ] P [ Z < Z0 ]

- Zo Ejemplo 4: Hallar P[ 2.05 < Z < 1.36] Solucin:

Zo

P[ 2.05 Z 1.36] = P[ Z 1.36] P[ Z < 2.05] P[ 2.05 Z 1.36] = 0.9131 0.0202 P[ 2.05 Z 1.36] = 0.8929

0.8929

-2.05

1.36

Ejemplo 5: Hallar P[ 2.58 < Z < 3.49] Solucin: P[ 2.58 < Z < 3.49] = P[ Z < 3.49] P[ Z 2.58] P[ 2.58 < Z < 3.49] = 0.9998 0.9951 P[ 2.58 < Z < 3.49] = 0.0047

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

10

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

TEMA 4: CALCULO INVERSO EN LA DISTRIBUCION NORMAL ESTANDAR En la sesin anterior llevamos acabo el calculo directo en la distribucin normal en donde dada una determinada rea tenamos que hallar el valor de la variable aleatoria normal estndar ahora llevaremos acabo el proceso inverso; es decir dada una determinada rea tenemos que hallar el valor de la variable aleatoria normal estndar en donde haremos uso de las tablas estadsticas de la distribucin normal I y II y adems de las propiedades. A continuacin citamos los siguientes ejemplos:

Ejemplo 1: Si Z P[Z Zo ] = 0.9898 n(0,1) , hallar Z o en :

0.9898

Z0

En la Tabla I observamos que el valor de Zo = 2.32, y se obtiene directamente. Ejemplo 2: Si Z P[ Z Z o ] = 0.95 0.95 n(0,1) , hallar Z o en :

Z0
11

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

En la Tabla I observamos que el valor Z o se encuentra entre 1.64 y 1.65 y llevamos acabo el proceso de interpolacin: Z 1.64 Zo 1.65 Area 0.9495 0.95 0.9505

0.9505 0.9495 1.65 1.64 = 0.95 0.9495 Z0 1.64 0.001 0.01 = 0.0005 Z0 1.64 Aplicando la regla de tres simples obtenemos : Z0 = 1.645

Ejemplo 3: Si Z P[ Z Z o ] = 0.01 n(0,1) , hallar el valor Z o en:

0.01

-Zo

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

12

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

En la Tabla I observamos que el valor Z o se encuentra entre -2.33 y -2.32 y llevamos acabo el proceso de interpolacin: Z -2.33 - Zo -2.32 Area 0.0099 0.01 0.0102

0.0099 0.0102 2.33 ( 2.32) = 0.01 0.0099 Z 0 ( 2.32) 0.0003 0.01 = 0.0001 Z0 + 2.32 Aplicando la regla de tres simples obtenenmos : Z0 = 2.3267

Ejemplo 4: Si Z P[ Z Z o ] = 0.10 n(0,1), hallar el valor de Z o en:

0.10

0 Aplicando propiedad:

Zo

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

13

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

P[ Z Z o ] = 1 P[ Z < Z o ] P[ Z < Z o ] = 0.90 En la Tabla I observamos que Z o se encuentra entre 0.8997 y 0.9015 y llevamos acabo el proceso de interpolacin: Z 1.28 Zo 1.29 Area 0.8997 0.90 0.9015

0.9015 0.8997 1.29 1.28 = 0.90 0.8997 Z0 1.28 0.0018 0.01 = 0.0003 Z0 1.28 Aplicando la regla de tres simples obtenenmos : Z0 = 1.282

Ejemplo 5: Si Z

n(0,1), hallar el valor de -Z 0 y Z0 simtricos en:

P[ Z o Z Z o ] = 0.90 0.90

- Zo

Zo

En la Tabla II observamos que Z o se encuentra entre 0.8990 y 0.9011 y llevamos acabo el proceso de interpolacin:

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

14

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

Z 1.64 Zo 1.65

Area 0.8990 0.90 0.9011

0.9011 0.8990 1.65 1.64 = 0.90 0.8990 Z0 1.64 0.0021 0.01 = 0.001 Z0 1.64 Aplicando la regla de tres simples obtenenmos : Z0 = 1.645 y Z0 = 1.645

Ejemplo 6: Si Z P[ Z o Z Z o ] = 0.95 0.95 n(0,1) , hallar los valores -Zo y Zo simtricos en:

- Zo

Zo

En la Tabla II observamos que se encuentra el rea dada, por lo tanto no es necesario interpolar. Entonces Zo=-1.96 y Zo= 1.96

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

15

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

TEMA 5: ESTANDARIZACION DE UNA VARIABLE ALEATORIA NORMAL Dada una variable aleatoria normal X, con media y desvo , si definimos otra X variable aleatoria Z = entonces la variable aleatoria Z tendr una distribucin normal estndar. Al usar la frmula de transformacin cualquier variable aleatoria normal X se convierte en una variable aleatoria normal estandarizada Z. Mientras los datos originales para la variable aleatoria X tenan una media y una desviacin estndar, la variable aleatoria estandarizada Z siempre tendr una media = 0 y una desviacin estndar = 1. Veremos algunos ejemplos: Ejemplo 1: Si a) X n (100,100) , hallar: P[X 120] 120 100 ] 10 P[X 120] = P[ Z 2] = 0.9772 P[X 120] = P[ Z

D.N.G

D.N.E.

0.9772

0.9772

120

100

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

16

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

b)

P[X 130]
130 100 ] 10 P[X 130] = 1 P[ Z < 3] P[X 130] = 1 0.9987 P[X 130] = 0.0013 P[X 130] = 1 P[ Z <

D.N.G.

0.0013

100

130

D.N.E.

0.0013

c) P[X < 75] 75 100 ] 10 P[X < 75] = P[ Z < 2.5] P[X < 75] = 0.062 P[X < 75] = P[ Z <

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

17

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

D.N.G.

D.N.E.

0.0062

0.0062

75

100

-2.5

d)

P[75 X 125]
75 100 130 100 Z< ] 10 10 P[75 X 125] = P[ 2.5 Z 2.5] P[75 X 125] = 0.9878 P[75 X 125] = P[

NOTA: UTILIZAR LA TABLA II DIRECTAMENTE D.N.E.

D.N.G.

0.9878

0.9878

75

100

125

- 2.5

2.5

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

18

Universidad Catlica Los ngeles de Chimbote


FACULTAD DE INGENIERIA

CURSO ESTADSTICA INFERENCIAL

e) P[80 X 134] P[80 X 134] = P[ P[75 P[75 P[75 P[75 X X X X 125] = 125] = 125] = 125] = 80 100 134 100 Z< ] 10 10 P[ 2.00 Z 3.4] P[ Z 3.4] P[ Z < 2.00] 0.9997 0.0228 0.9767 D.N.E. 0.9767 0.9767

D.N.G.

80

100

134

-2.00

3.4

____________________________________________
Elaborado por Fecha Versin : Mg. Carmen Barreto R. : Febrero 2010 :2

19