Академический Документы
Профессиональный Документы
Культура Документы
CURVA NORMAL
introduccin
En general cualquier caracterstica que se obtenga como suma de muchos
factores Esta distribucin es frecuentemente utilizada en las aplicaciones
estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o la
normalidad con la que los ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n, p), para un
mismo valor de p y de valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una forma en forma de campana.
En resumen, la importancia de la distribucin normal se debe principalmente a que
hay muchas variables asociadas a fenmenos naturales que siguen el modelo de
la normal.
- Caracteres morfolgicos de individuos (personas, animales, plantas,) de una
especie.
Por ejemplo: tallas, pesos, envergaduras, dimetros, permetros,
- Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o
de una misma cantidad de abono.
- Caracteres sociolgicos, por ejemplo: consciente intelectual, grado de adaptacin
a un medio.
- Errores cometidos al medir ciertas magnitudes.
- Valores estadsticos maestrales, por ejemplo: la media.
- Otras distribuciones como la binomial o la Poison son aproximaciones normales.
CURVA NORMAL
Las distribuciones de frecuencias de la mayora de las variables de las
Cs.Sociales, psicolgicas, sociolgicas, antropolgicas, cuando representan a un
nmero importante de observaciones, se aproximan a un tipo de curva en forma
de campana que se conoce como curva normal o campana de Gauss (tomando
el nombre del matemtico, si bien quien plante la formulacin matemtica fue De
Moivre en 1773):
las observaciones se concentran en el centro y van bajando simtricamente a
derecha e izquierda, hay pocas observaciones en los puntajes bajos de la escala,
un nmero creciente hacia el centro, (donde encontramos el modo) y decrecen las
frecuencias hacia los puntajes altos de la variable.
Esta curva normal es un modelo terico probabilstico, es un concepto formal,
matemtico. Muchos aspectos de la realidad, cuando de variables continuas se
trata, tienen un comportamiento isomrfico con la curva normal, de all que
podamos aplicar las propiedades de ese modelo terico a la realidad. Como ya
expresamos, numerosas variables del campo de la psicologa se distribuyen de
manera aproximadamente normal, tales como el cociente intelectual, la ansiedad,
la capacidad de razonamiento abstracto, la memoria, etc., de tal manera que las
conclusiones matemticamente vlidas para la distribucin normal, puedan
aplicarse a observaciones de la realidad.
Toda curva normal queda caracterizada por la media y el desvo, hay infinitas
curvas normales, al sealar el valor que le corresponde a su media y su desvo
standard, queda definido a qu curva normal se refiriere.
Existen curvas con la misma forma o dispersin de las observaciones pero tienen
distinta media, o por el contrario, pueden compartir el mismo valor en su media y
diferir en cuanto al valor del desvo estndar, es decir en su homogeneidad o
heterogeneidad.
Si slo tengo estos datos, de los puntajes obtenidos por una persona en dos
pruebas distintas:
a) 17 p. M = 15 S= 2
b) 52 p. M = 50 S= 5
Puedo comparar los resultados?
Lo primero que hara es compararlo con la media, y decir si est por encima o
por debajo de ella, pero esto no me permite decir en cul anduvo mejor, pues en
ambos supera a la media. Lo tengo que relacionar con el desvo, para ello utilizo la
transformacin en puntaje z:
z=
XM
s
a)
z=
b)
z=
175 2
; z =1
12 2
5250
z=1
5
z=
XM
y realizo pasaje de trminos:
s
Z1
= - 1,5 (X = 31); z2= 2,34 (X= 54,04) ; z3 = 1,55 (X = 49,3) ; z4= -1,96 (X= 28,24)
0
.0000
.0398
0.793
.
.3413
.
.4772
.
.4987
1
.0040
.0832
.0832
.
.3438
.
.4778
.
.4987
..
...
9
.0359
0754
1141
.
.3621
..
.4817
..
4990
0 y 3z = 49,87%
+1z y +2 z = 13,59%
- 1z y +2 z = 81,85%
- 1z y 3 z = 15,73 %
Nos podemos plantear el problema inverso. Dado determinado porcentaje
de
casos, averiguar los puntajes z que los delimitan:
Entre qu puntajes z se encuentra el:
90 % central (+ - 1,65z)
90 % superior (-1,28 y 3 z)
90 % inferior ( -3 z y + 1,28z)
Z DERIVADO.
Los inconvenientes que tiene el puntaje z es que opera con
valores negativos y trabaja con decimales. Para evitar estos inconvenientes se
utiliza otra transformacin de puntajes, lineal, es decir que no deforma la
distribucin original de los puntajes. Se reemplaza la media y el desvo por valores
arbitrariamente fijados, generalmente se utiliza M = 50 y S = 10 esto nos permite
obviar los valores negativos y los decimales.
Z = Ma + Sa . z
As el Z que corresponde a un z =1 , ser:
Z = 50 + 10 . 1 = 60
PERCENTILES
Otra transformacin de puntajes es a percentiles ya se ha descrito al desarrollar
las medidas de orden. Vale recordar la principal desventaja de ellos y es que no
respetan la forma de la distribucin original, tienden a agruparse en el centro y a
dispersarse hacia los extremos, sin embargo, son fciles de entender por todos y
se pueden emplear para cualquier tipo de test, ya sea que mida aptitud o rasgos
de personalidad.
Si quisiramos transformar valores de la variable a percentiles, el procedimiento
sera:
1) Pasar x a z
2) Buscar el rea correspondiente en la tabla de reas
3) Determinar el percentil correspondiente que resultar de sumar o restar el rea
hallada a 50, dependiendo de que se trate de un z positivo o negativo.
Por ejemplo: Si los puntajes de un test se distribuyen normalmente con media=
100 y desvo = 20, qu percentil le corresponde a un sujeto A)que obtuvo 80
puntos y cul a otro sujeto B) que obtuvo 110 puntos.
Qu datos tenemos?
M = 100
S = 20
z 1=
X1 = 80 P= ?
X2 = 110 P= ?
80100
110100
=1 z z 2=
=0,5 z
20
20
Por ejemplo, si los puntajes de un test se distribuyen normalmente con una media
de20 y un desvo de 5. qu puntajes le corresponder a un sujeto A que obtuvo el
P70?
Y a otro B que obtuvo el P40?
M = 20
P70 Xa = ?
S= 5
P40 Xb = ?
Para el sujeto A, busco en la tabla el rea del 20% (recordar que el Percentil se
define por el porcentaje de casos que deja por debajo y la tabla me da el rea
desde el centro) que le corresponde a un z= 0.53, luego aplico la frmula para
hallar x,
X = z.s + M
X = 0.53. 5 + 20 X = 22,65 7
El mismo procedimiento utilizo para hallar el puntaje del sujeto B. Busco en la
tabla
el 10 % (resulta de restar a 50, el percentil 40), le corresponde un z = 0.25
X = - 0.25 . 5 + 20 X = 18,75
Sintetizando: cada vez que realizo una transformacin de percentiles a valores de
la variable o de stos a percentiles, debo necesariamente pasar por z.
0.13
%
2.1
4%
13.5
9%
Puntuacin de test
140
34.1
3%
34.13
%
40
13.59%
60
2.14%
0.13%
80
100
120
160
Puntuacin z
_________________________________________
-4
puntuacion
-3
-2
-1
+1
+2
+3
+4
_________________________________________
10
20
30
40
50
60
70
80
90
percentil
__________________________________________
1
5 10 20 30 40 50 60 70 80 90
95
99
Relaciones entre
diferentes tipos de puntuacin de test en una
distribucin
normal
APLICACIONES EN PSICOLOGIA DE LA CURVA NORMAL.Podramos resumir las aplicaciones de la curva normal en:
CONCLUSIONES