You are on page 1of 9

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

FACULTAD DE CIENCIAS CONTABLES Y ADMINISTRATIVAS


ESCUELA DE ADMINISTRACIN

ESTADSTICA APLICAD A
DISTRIBUCIN NORMAL ESTNDAR

DOCENTE:
LUIS CALDERN YARLEQUE

AUTOR:
JUAN CARLOS TORRES FARRO
E-mail: Juantorres_virgo.28@hotmail.com

Chimbote Per 2016

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

1. INTRODUCCIN
La distribucin normal estndar es la distribucin de probabilidad para variables
aleatorias continuas ms estudiada en la teora estadstica debido a su gran
aplicabilidad en fenmenos de toda naturaleza. Llamada tambin distribucin
gaussiana en honor al trabajo que el matemtico alemn del siglo XVIII Karl
Gauss realizo con ella, fue propuesta inicialmente por Abraham de Moivre en
1738. Hoy en da, la distribucin normal, tiene aplicacin prcticamente en
todas las reas donde la estadstica opera, y en una infinidad de mtodos que
esta emplea. Existe un sin nmero de variables aleatorias que pueden ser
explicadas como un modelo de distribucin normal por lo que su estudio es casi
obligatorio para cualquier curso de estadstica bsica.
1.1FORMULACION DEL PROBLEMA
Qu es la distribucin normal estndar?

1.2. OBETIVOS
1.2.1. OBJETIVO GENERAL
Proporcionar el conocimiento aplicado sobre la distribucin
normal estndar
1.2.2. OBJETIVOS ESPECFICOS
Identificar las propiedades de una distribucin normal estndar
Encontrar el rea bajo una distribucin normal estndar
Interpretar reas bajo la curva normal acuerdo al problema
1.3. JUSTIFICACIN
El motivo de este trabajo es debido a que hay una gran importancia ya
que emite modelar numerosos fenmenos naturales, sociales y
psicolgicos, lo cual nos servir de mucha ayuda, como futuros
empresarios.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

2. MARCO TERICO
2.1. DISTRIBUCIN NORMAL
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su
propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que 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 valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una curva 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, p. ejm. 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: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente 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 de Poisson son aproximaciones
normales
Y en general cualquier caracterstica que se obtenga como suma de muchos
factores.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

2.2. FUNCIN DE DENSIDAD


Empleando clculos bastante laboriosos, puede demostrarse que el modelo de
la funcin de densidad que corresponde a tales distribuciones viene dando por la
formula.

Funcin De Una Distribucin


Puede tomar cualquier valor (- ,+ )
Son ms probables los valores cercanos a uno central que llamados
media
Conforme nos separamos de ese valor , la probabilidad va decreciendo
de igual forma a derecha e izquierda (es simtrica).
Conforma nos separamos de ese valor , la probabilidad va decreciendo
de forma ms o menos rpida dependiendo de un parmetro s , que es la
desviacin
tpica.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

2.3. LA DISTRIBUCIN BINOMIAL


Funciones de probabilidad:
Llamamos funcin d probabilidad f a la aplicacin de E(X) (Espacio Muestral) en
el intervalo [0,1] QUE VERIFICA:
f(A)= p (A)
Bsicamente se trata de estudiar la probabilidad como una funcin utilizando
para su estudio todas las propiedades de las funciones.
La Distribucin Binomial:
Llamamos experiencia aleatoria dicotmica a aquella que solo puede tener dos
posibles resultados A y A'. Usualmente A recibe el nombre de xito, adems
representaremos
como
p=
p(A)
y
q=1-p=p(A).
A la funcin de probabilidad de una variable aleatoria X resultado de contar el
nmero de xitos al repetir n veces una experiencia aleatoria dicotmica con
probabilidad de xito p la llamamos distribucin binomial y la representamos por
B (n, p) Para esta distribucin se verifica que, la variable X puede tomar los
valores:
0,1,2,, n y que la variable toma cada uno de estos valores con probabilidad:
p( X = r ) = (nr) pr (1 p) n-r
Parmetros de una distribucin binomial:
Esperanza: n p
Desviacin
tpica
(n

q
)0.5
(
raz
cuadrada)
Ajuste
de
una
serie
de datos a
una
distribucin
binomial:
Disponemos de una serie de k datos que toman los valores 0,1, ,n.
Para saber si estos datos siguen pueden aproximarse por una distribucin
binomial:
Calculamos la media de los k datos y la igualamos a la Esperanza terica de la
Binomial (n p).
Despejamos de aqu el valor de p.
Calculamos los valores tericos de p(X = r), multiplicndolos por k para obtener
los valores tericos de cada posible valor de la variable aleatoria en series de k
datos.
Si la diferencia es " suficientemente pequea " aceptamos como buena la
aproximacin Binomial, si no, la rechazamos.
(nota: la fundamentacin estadstica que nos permitira decidir de manera
objetiva si la diferencia entre los datos tericos y los reales es "suficientemente
pequea" escapa de los objetivos de esta unidad didctica, con lo cual la
decisin
se
deber
tomar
de
manera
subjetiva)

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

2.3.1. MUESTREO
En estadstica, es el proceso por el cual se seleccionan los individuos que
formarn una muestra.
Para que se puedan obtener conclusiones fiables para la poblacin a partir de la
muestra, es importante tanto su tamao como el modo en que han sido
seleccionados los individuos que la componen.
2.3.2. MTODOS DE MUESTREO
Existen dos mtodos de muestreo:
El muestreo probabilstico y no probabilstico
2.3.3. MTODOS DE MUESTREO PROBABILSTICO
Los mtodos de muestreo probabilsticas son aqullos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra
y, consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticas
nos aseguran la representatividad de la muestra extrada y son, por tanto, los
ms recomendables. Dentro de los mtodos de muestreo probabilsticas
encontramos los siguientes tipos:
Muestreo aleatorio simpl
Muestreo aleatorio sistemtico
2.3.4. MUESTREO ALEATORIO POR CONGLOMERADOS
Los mtodos presentados hasta ahora estn pensados para seleccionar
directamente los elementos de la poblacin, es decir, que las unidades
maestrales son los elementos de la poblacin. En el muestreo por
conglomerados la unidad muestral es un grupo de elementos de la poblacin que
forman una unidad, a la que llamamos conglomerado.
2.3.5. MTODOS DE MUESTREO NO PROBABILSTICOS
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, an siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extrada sea representativa, ya que no todos los
sujetos de la poblacin tienen la misma probabilidad de ser elegidos. En general
se seleccionan a los sujetos siguiendo determinados criterios procurando que la
muestra
sea
representativa.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

2.3.6. MUESTREO POR CUOTAS.


Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre
la base de un buen conocimiento de los estratos de la poblacin y/o de los
individuos ms "representativos" o "adecuados" para los fines de la
investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20
individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez
terminada la cuota se eligen los primeros que se encuentren que cumplan esas
caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.
2.3.7. MUESTREO OPINTICO O INTENCIONAL
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusin en la muestra
de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias
en voto.
2.3.8. MUESTREO CASUAL O INCIDENTAL
Se trata de un proceso en el que el investigador selecciona directa e
intencionalmente los individuos de la poblacin. El caso ms frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fcil
acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los voluntarios.
2.3.9. BOLA DE NIEVE
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
2.4. ERROR MUESTRAL
De estimacin o estndar. Es la diferencia entre un estadstico y su parmetro
correspondiente. Es una medida de al variabilidad de las estimaciones de
muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de
hasta donde y con qu probabilidad una estimacin basada en una muestra se
aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre
se comete un error, pero lanaturaleza de la investigacin nos indicar hasta qu
medida podemos cometerlo (los resultados se someten a error muestral e
intervalos de confianza que varan muestra a muestra). Vara segn se calcule
al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error
es ms pequeo. Podramos decir que es la desviacin de la distribucin
muestral
de
un
estadstico
y
su
fiabilidad.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

3. CONCLUSIONES
La distribucin normal estandar es la ms importante de todas las
distribuciones de probabilidad ya que es una distribucin de variable continua
con campo de variacin [-, ], que queda especificada a travs de
dos parmetros ( que acaban siendo la media y la desviacin tpica de
la distribucin), esta se puede utilizar en diferentes tipos de problemas en
lavida cotidiana,
como
tambien
utilizamos la distribucin normal
estandar para obtener probabilidades de valores puntuales, intervalos y
cantidades especficas y por otro lado la aplicamos cuando se desconocen
parmetros de una poblacin,en la cual se toma una muestra aleatoria de
dicha poblacin de la cual se calcula una aproximacin a dichos
parmetros que desconocemos.

Universidad Catlica los ngeles de Chimbote

Estadstica Aplicada

4. REFERENCIAS BIBLIOGRFICAS
Devore, J. (2008). Probabilidad y estadstica para ingeniera y ciencias.
(7a. Ed.). Mxico: Cengage Learning. Captulo:4
Wakerly, D., Mendenhall, W. et al. (2002). Estadtica matemtica con
aplicaciones. (6a. Ed). Mxico: Cengage Learning
Spiegel, M. (2004). Probabilidad y estadstica (2a. Ed). Mxico: McGraw
Hill
Allen, M. J., & Yen, W. M. (1979). Introduction to measurement theory.
Monterey, CA: Brooks/Cole.
Fernndez-Ballesteros, R. (2004). Evaluacin psicolgica. Conceptos,
mtodos y estudio de casos. Madrid: Pirmide.
Martnez-Arias, R. (1996). Psicometra: Teora de los tests psicolgicos y
educativos. Madrid: Sntesis.
Muiz, J. (1996). Psicometra. Madrid: Editorial Universitaria.
Muiz, J. (2003). Teora Clsica de los Test. Madrid: Pirmide.
Pino, G., & Aravena, R. (2004). Anlisis estadstico de los efectos de la
normalizacin de puntajes en las pruebas de seleccin universitaria.
Statistica et Societatis, 3, 1-15.